Gemelo Digital de IA: Oportunidades y Desafíos desde los Modelos de Lenguaje Grande hasta los Modelos Mundiales
Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models
January 4, 2026
Autores: Rong Zhou, Dongping Chen, Zihan Jia, Yao Su, Yixin Liu, Yiwen Lu, Dongwei Shi, Yue Huang, Tianyang Xu, Yi Pan, Xinliang Li, Yohannes Abate, Qingyu Chen, Zhengzhong Tu, Yu Yang, Yu Zhang, Qingsong Wen, Gengchen Mai, Sunyang Fu, Jiachen Li, Xuyu Wang, Ziran Wang, Jing Huang, Tianming Liu, Yong Chen, Lichao Sun, Lifang He
cs.AI
Resumen
Los gemelos digitales, como representaciones digitales precisas de sistemas físicos, han evolucionado desde herramientas de simulación pasiva hasta convertirse en entidades inteligentes y autónomas mediante la integración de tecnologías de inteligencia artificial. Este artículo presenta un marco unificado de cuatro etapas que caracteriza sistemáticamente la integración de la IA a lo largo del ciclo de vida del gemelo digital, abarcando el modelado, la réplica, la intervención y la gestión autónoma. Mediante la síntesis de tecnologías y prácticas existentes, destilamos un marco unificado de cuatro etapas que caracteriza sistemáticamente cómo se integran las metodologías de IA en el ciclo de vida del gemelo digital: (1) modelado del gemelo físico mediante enfoques de IA basados en física e informados por la física, (2) replicación del sistema físico en un gemelo digital con sincronización en tiempo real, (3) intervención sobre el gemelo físico mediante modelado predictivo, detección de anomalías y estrategias de optimización, y (4) consecución de una gestión autónoma mediante modelos de lenguaje grande, modelos fundacionales y agentes inteligentes. Analizamos la sinergia entre el modelado basado en física y el aprendizaje basado en datos, destacando la transición desde los solucionadores numéricos tradicionales hacia modelos informados por la física y modelos fundacionales para sistemas físicos. Además, examinamos cómo las tecnologías de IA generativa, incluidos los modelos de lenguaje grande y los modelos generativos del mundo, transforman los gemelos digitales en sistemas cognitivos proactivos y auto-mejorables, capaces de razonamiento, comunicación y generación creativa de escenarios. A través de una revisión transversal que abarca once dominios de aplicación, incluyendo atención sanitaria, aeroespacial, fabricación inteligente, robótica y ciudades inteligentes, identificamos desafíos comunes relacionados con la escalabilidad, la explicabilidad y la confiabilidad, y esbozamos direcciones para sistemas de gemelos digitales impulsados por IA de manera responsable.
English
Digital twins, as precise digital representations of physical systems, have evolved from passive simulation tools into intelligent and autonomous entities through the integration of artificial intelligence technologies. This paper presents a unified four-stage framework that systematically characterizes AI integration across the digital twin lifecycle, spanning modeling, mirroring, intervention, and autonomous management. By synthesizing existing technologies and practices, we distill a unified four-stage framework that systematically characterizes how AI methodologies are embedded across the digital twin lifecycle: (1) modeling the physical twin through physics-based and physics-informed AI approaches, (2) mirroring the physical system into a digital twin with real-time synchronization, (3) intervening in the physical twin through predictive modeling, anomaly detection, and optimization strategies, and (4) achieving autonomous management through large language models, foundation models, and intelligent agents. We analyze the synergy between physics-based modeling and data-driven learning, highlighting the shift from traditional numerical solvers to physics-informed and foundation models for physical systems. Furthermore, we examine how generative AI technologies, including large language models and generative world models, transform digital twins into proactive and self-improving cognitive systems capable of reasoning, communication, and creative scenario generation. Through a cross-domain review spanning eleven application domains, including healthcare, aerospace, smart manufacturing, robotics, and smart cities, we identify common challenges related to scalability, explainability, and trustworthiness, and outline directions for responsible AI-driven digital twin systems.