随着5G技术在全球范围内大规模部署，无线通信领域正站在代际跃迁的重要节点。5G凭借增强型移动宽带（eMBB）、超高可靠低时延通信（uRLLC）和海量机器类通信（mMTC）三大核心场景，搭建起万物互联的基础框架，有力推动了工业互联网、智慧城市、自动驾驶等领域的数字化转型。然而，社会数字化进程持续加快，AI、元宇宙、全息通信等新兴技术不断涌现，对无线网络的连接密度、传输速率、智能化水平以及与物理世界的融合程度提出了更高要求，远超当前网络的能力范畴。
在此形势下，面向2030年及未来的6G网络成为全球学术界和产业界共同关注的焦点。为满足6G网络对极致性能的追求，传统以静态配置为主的网络架构设计范式已难以适应。现有网络优化主要依赖历史数据和离线模型，在应对超大规模异构设备接入、动态多变的业务需求以及复杂多变的无线传播环境时，其局限性愈发明显。网络配置的滞后性、运维成本的高昂以及资源利用的粗放，成为制约网络向更高效率、更高智能层次发展的关键因素。
为了突破这些瓶颈，网络需要一种全新的范式，能够以前瞻、动态、数据驱动的方式，对物理网络进行全生命周期的精准管理，包括精准刻画、实时监控、智能优化和闭环控制。在这一需求的推动下，网络数字孪生技术应运而生，并迅速被视为6G网络向智能化演进的关键使能技术。该技术通过构建物理网络的虚拟镜像，实现对网络状态的实时感知和预测，为网络的智能优化和动态调整提供有力支持。
