实时决策时代：AI 与低延时计算如何重塑数字孪生？

1月14日，在“第八届金猿大数据产业发展论坛——暨 AI Infra & Data Agent 趋势论坛”上，DolphinDB 首席架构师程训焘博士带来了主题为《实时决策时代：AI 与低延时计算如何重塑数字孪生》的分享。他的分享聚焦底层软件技术，深入探讨了 AI 与低延时计算如何推动数字孪生赋能实时决策。

长期以来，数字孪生更多被理解为对物理世界的高度还原。无论是城市级 GIS 系统，还是楼宇、工厂的 BIM 模型，本质上都是在数字空间中构建一个与现实世界一一对应的映射，再通过仿真和分析，为工程设计、运行管理提供支持。

然而，随着 AI 的引入，数字孪生的边界正在被迅速拓宽。它不再只是“复刻”，而开始具备推演、假设、博弈与预测的能力。例如，在电商或互联网场景中，可以通过大量 Agent 模拟真实用户的行为路径：他们是否会点开广告、是否会转化、是否会在不同定价策略下做出不同选择。这类数字孪生并不追求“长得像现实”，而是追求决策价值最大化。

当数字孪生从展示和分析的工具变成决策参与者时，对底层技术的核心诉求也在随之发生变化。

挑战一：响应速度数字孪生的一大分水岭

目前，支撑数字孪生的主要有两种模式。

一种是以传统数据库为核心的架构，依托标准 SQL 和成熟的数据模型，在 GIS、工程仿真等领域稳定应用。这类系统擅长复杂查询和离线分析，但它们存在一个共性问题——延迟较高。无论是楼宇仿真、工程设计，还是复杂模型推演，往往需要分钟级、小时级甚至更长的计算周期。这在设计验证类场景中完全可以接受，但在需要即时响应的业务里就显得力不从心。

于是，流计算平台模式开始走向舞台中央。

相比传统数据库，流计算平台天然为快速响应而生。它超越标准 SQL，支持流计算语义和类 Python 脚本语言，因此尤其适用于物联网设备监控、电力市场、金融市场盯盘等场景——这些场景天然涉及海量时序数据与连续事件流，高度依赖对数据变化的即时响应。在这些场景中，系统能否实现秒级、毫秒级乃至微秒级的低延迟响应，往往成为业务成败的关键所在。

在这一领域，DolphinDB 正持续打磨低延时流计算引擎，目前已经能够将决策响应压缩到个位数微秒级，即使在多线程并发场景下，系统依然能保持稳定延迟。这意味着数字孪生不再只是事后回放，而是可以真正赋能实时决策。

挑战二：从“对人友好” 变为“对 Agent 友好”

推动数字孪生领域技术变革的，除了对低延时的追求，还有用户形态的变化。

在传统软件体系中，系统的最终使用者始终是人：人写规则、人调参数、人上线系统。但在 AI 驱动的数字孪生场景中，越来越多的决策行为将由 Agent 自动完成。

基于这一判断，新一代数字孪生底座需要在整体上向“Agent-Friendly Architecture”演进。这不仅意味着系统需要算得更快，还意味着计算、存储和调度都要以 AI 负载为核心进行重新设计，包括对 CPU-GPU 协同、模型推理调度、向量数据管理等能力的系统性支持。

以下是新一代数字孪生底座的整体分层思路：

最上层是贴近业务的用户数据层。这里沉淀的是企业最核心、最私有的行业数据与知识资产，它们既不能外流，也不可能完全交给外部大模型处理，来自企业对自身数据的深度挖掘与利用。中间层是智能计算层。这一层不再只是传统意义上的 SQL 执行引擎，而是需要具备 AI 友好的开发范式、跨模态数据的关联分析能力，以及与机器学习框架深度融合的能力。最底层是存储层，需要具备多模态存储能力、高效内存系统以及低延时分布式文件系统。