Digital Twin: Giải Mã Nút Thắt Tích Hợp Dữ Liệu Và Chiến Lược Xây Dựng Kiến Trúc Không Gian Thông Minh

Hào Quang Của Kỷ Nguyên Số Và Thực Tế Khắc Nghiệt Phía Sau Lớp Vỏ Đồ Họa

Trong bối cảnh Cách mạng Công nghiệp 4.0 đang định hình lại cấu trúc của mọi nền kinh tế trên toàn cầu, khái niệm Bản sao số (Digital Twin) đã vượt ra khỏi giới hạn của các phòng thí nghiệm công nghệ cao để trở thành một trong những xu hướng công nghệ tương lai mang tính chiến lược nhất.¹ Sự kết hợp giữa Bản sao số và Internet vạn vật (IoT) được kỳ vọng sẽ mở ra tiềm năng khổng lồ trong việc nâng cao hiệu suất hoạt động, giảm thiểu chi phí và cải tiến triệt để các quy trình trong mọi ngành công nghiệp.¹ Đứng trước viễn cảnh về những đô thị thông minh tự vận hành và những nhà máy sản xuất tự động hóa hoàn toàn, giới truyền thông, các nhà hoạch định chính sách và các tập đoàn công nghệ lớn đều khao khát sở hữu một mô hình kỹ thuật số hoàn hảo phản chiếu thế giới thực.

Trên thực tế, tính đến tháng 1 năm 2022, chính quyền thành phố Las Vegas đã công bố một dự án Bản sao số khổng lồ bao phủ diện tích 7 km2 ngay tại khu vực trung tâm sầm uất nhất.² Đồng thời, Đạo luật Cơ sở hạ tầng lưỡng đảng của Hoa Kỳ được thông qua vào năm 2021 cũng đã đặc biệt kêu gọi các khoản đầu tư quy mô lớn vào các công cụ xây dựng kỹ thuật số, trong đó cốt lõi là mô hình 3D và công nghệ Bản sao số.² Nhìn vào những video trình diễn đồ họa 3D lộng lẫy mô phỏng từng luồng gió, từng phương tiện giao thông di chuyển theo thời gian thực, rất dễ để tin rằng nhân loại đang bước vào một kỷ nguyên mà mọi vật thể vật lý đều có thể được số hóa một cách dễ dàng.

Tuy nhiên, đằng sau sự hào nhoáng của các công cụ kết xuất đồ họa (rendering engines) và những giao diện người dùng bóng bẩy, tồn tại một thực tế kỹ thuật vô cùng khắc nghiệt mà rất ít nhà cung cấp giải pháp sẵn sàng thảo luận cởi mở: Bản sao số bao gồm 10% là công việc mô hình hóa 3D (3D modeling) và 90% là một “địa ngục” thực sự của sự nghiệp tích hợp dữ liệu (data integration hell). Đối với các kỹ sư kiến trúc hệ thống, những người trực tiếp nhận nhiệm vụ kiến tạo nên các nền tảng này, hình ảnh 3D trực quan chỉ là bề mặt của một đại dương dữ liệu ngầm cực kỳ hỗn loạn. Dữ liệu không gian, hình học công trình (BIM), hệ thống thông tin địa lý (GIS) và dữ liệu cảm biến (IoT) hoàn toàn không tương thích với nhau ở dạng nguyên bản (out of the box). Để xây dựng một hệ thống thông minh thực thụ thay vì chỉ tạo ra một thước phim hoạt hình 3D đắt đỏ, giới chuyên môn buộc phải trực diện đối mặt và giải quyết triệt để 5 nút thắt kỹ thuật căn bản liên quan đến quản lý dữ liệu chủ (Master Data Management) và chuỗi quy trình trích xuất, chuyển đổi, tải dữ liệu (ETL pipelines) trước khi viết bất kỳ một dòng mã lập trình nào.

Hành Trình Lịch Sử: Từ Sứ Mệnh Không Gian Đến Hệ Sinh Thái Vòng Đời Sản Phẩm

Để thấu hiểu tại sao việc xây dựng và tích hợp dữ liệu cho một Digital Twin lại là một thách thức mang tính thế kỷ, cần phải truy nguyên về nguồn gốc cốt lõi và sự tiến hóa của công nghệ này. Mặc dù thuật ngữ này mới trở thành một “từ khóa thời thượng” (buzzword) trong thập kỷ gần đây, nền tảng triết học và kỹ thuật của nó đã được Cơ quan Hàng không và Vũ trụ Hoa Kỳ (NASA) đặt ra từ tận những năm 1960, thời kỳ mà cơ quan này cần mô phỏng các hệ thống phức tạp hoạt động trong môi trường không gian không trọng lực.³

Sự kiện đánh dấu ứng dụng thực tế mang tính sống còn đầu tiên của công nghệ bản sao dữ liệu được ghi nhận vào năm 1970, trong khuôn khổ sứ mệnh lịch sử Apollo 13.² Khi các bình oxy trên tàu vũ trụ bất ngờ phát nổ ở thời điểm con tàu đã bay cách Trái Đất hơn 200.000 dặm, sinh mạng của các phi hành gia và toàn bộ nhiệm vụ bị đặt trong tình trạng nghìn cân treo sợi tóc.² Ngay tại thời khắc đó, thay vì dựa vào các phỏng đoán lý thuyết, trung tâm điều khiển dưới mặt đất đã sử dụng các mô hình dữ liệu sao lưu đồng bộ với hệ thống vật lý trên tàu để chẩn đoán, giả lập các phương án khắc phục sự cố và giải quyết vấn đề rò rỉ một cách chính xác tuyệt đối.²

Trải qua nhiều thập kỷ âm thầm phát triển dưới dạng các mô phỏng máy tính cục bộ, bước ngoặt mang tính học thuật và định hình khuôn khổ lý thuyết cho Bản sao số hiện đại diễn ra vào năm 2002. Tại một hội nghị của Hiệp hội Kỹ sư Sản xuất Hoa Kỳ (Society of Manufacturing Engineers), Tiến sĩ Michael Grieves đã chính thức giới thiệu khái niệm này dưới tên gọi ban đầu là “Mô hình không gian phản chiếu” (Mirrored Spaces Model) và sau đó được tinh chỉnh thành “Lý tưởng khái niệm cho Quản lý Vòng đời Sản phẩm” (Conceptual Ideal for Product Lifecycle Management).⁴ Tầm nhìn của ông bao gồm việc tạo ra các mô hình kỹ thuật số chi tiết phản chiếu thực tại thông qua các luồng dữ liệu liên tục, giải thích cách thức phần mềm có thể tạo ra các phiên bản ảo của đối tượng trên mặt đất và cập nhật ngay lập tức những thay đổi từ đối tác vật lý của chúng.⁵

Sự phát triển về mặt nhận thức này đã tạo ra một làn sóng ứng dụng mạnh mẽ. Ngành công nghiệp chế tạo, đặc biệt là lĩnh vực hàng không vũ trụ và sản xuất ô tô, trở thành những lĩnh vực đầu tiên áp dụng rộng rãi ngoài các cơ quan chính phủ.⁵ Đến năm 2015, thống kê cho thấy khoảng 75% các công ty hoạt động trong các ngành công nghiệp tiên tiến đã tích hợp Digital Twin với mức độ phức tạp từ trung bình trở lên vào quy trình phát triển sản phẩm của họ.⁵ Tuy nhiên, định nghĩa thực dụng và khắt khe nhất về Digital Twin lại một lần nữa được NASA hoàn thiện vào năm 2010 nhằm cải thiện khả năng mô phỏng mô hình vật lý của tàu vũ trụ. Theo định nghĩa mang tính nền tảng này, một bản sao số thực thụ phải là “một tập hợp các mô hình thích ứng có khả năng mô phỏng hành vi của một hệ thống vật lý trong môi trường ảo, liên tục nhận dữ liệu thời gian thực (real-time data) để tự cập nhật trong suốt vòng đời của nó”.⁶

Giai Đoạn Lịch Sử	Dấu Mốc Sự Kiện Quan Trọng	Tác Động Công Nghệ Cốt Lõi
Thập niên 1960	NASA bắt đầu nghiên cứu mô phỏng hệ thống không gian.3	Khởi nguồn ý tưởng về việc sử dụng công nghệ số để quản lý tài sản từ xa trong điều kiện khắc nghiệt.
Năm 1970	Sứ mệnh Apollo 13 sử dụng bản sao dữ liệu đầu tiên.2	Ứng dụng thực tế chứng minh khả năng chẩn đoán và khắc phục sự cố dựa trên dữ liệu đồng bộ khoảng cách xa.
Năm 2002	Tiến sĩ Michael Grieves trình bày mô hình PLM.5	Chính thức hóa lý thuyết, đặt nền móng cho khái niệm “Mô hình không gian phản chiếu” trong quản trị vòng đời sản phẩm.
Năm 2010	NASA đưa ra định nghĩa chuẩn xác đầu tiên.6	Thiết lập tiêu chuẩn bắt buộc về “tính đồng bộ hóa liên tục” (dynamic synchronization) giữa thực và ảo.
Năm 2015 – Nay	Mở rộng quy mô từ sản xuất sang đô thị thông minh.5	Tích hợp sâu rộng với IoT, AI, và Dữ liệu lớn (Big Data), chuyển đổi từ mô phỏng đơn lẻ sang hệ sinh thái phức hợp.

Định nghĩa trên đã phơi bày một lằn ranh rõ rệt giữa ảo ảnh và thực tế. Một Digital Twin hoạt động mà không có luồng dữ liệu liên tục, thực tế từ đối tác vật lý của nó hiện được giới học thuật và kỹ thuật coi là một sự diễn giải mang tính tiếp thị (marketing-oriented interpretation).⁶ Trong không gian ngành Kiến trúc, Kỹ thuật, Xây dựng và Vận hành (AECO), Bản sao số không chỉ là các bản vẽ hoàn công (as-built drawings) thế hệ tiếp theo, mà là những kết nối dữ liệu hai chiều trực tiếp, cho phép người dùng dự đoán, mô phỏng và đưa ra quyết định dựa trên dữ liệu hiệu suất trong thế giới thực.²

Giải Phẫu Bản Sao Số: Sự Hội Tụ Của Các Nền Tảng Công Nghệ Lõi

Sự dịch chuyển từ các mô hình thiết kế thụ động (CAD, BIM) sang Bản sao số chủ động đòi hỏi sự hội tụ của vô số các công nghệ hỗ trợ. Mức độ thông minh kỹ thuật và khả năng phát triển của hệ thống được đánh giá dựa trên sự đan xen của ba nền tảng góc nhìn chính: Hệ thống Thực – Ảo (Cyber Physical System – CPS) dưới góc độ kỹ thuật hệ thống và điều khiển, Internet vạn vật (IoT) dưới góc độ mạng lưới công nghệ thông tin, và cuối cùng là mô hình hóa tính toán sử dụng Học máy (Machine Learning – ML) và Trí tuệ Nhân tạo (AI).⁸

Chính vì cấu trúc đa tầng này, Digital Twin gắn liền chặt chẽ với phương pháp luận phân tích Dữ liệu lớn (Big Data analytic techniques).⁸ Bản sao số thu thập thông tin và sao chép quy trình để dự đoán các kết quả và vấn đề có thể xảy ra với sản phẩm thực tế, cho phép các nhóm chức năng khác nhau cùng thiết kế, xây dựng, kiểm thử, triển khai và vận hành các hệ thống phức tạp theo cách tương tác mật thiết với nhau.⁹ Bản song sinh kỹ thuật số được hỗ trợ bởi công nghệ đồ họa 3D thời gian thực, tạo ra nội dung tương tác nhanh hơn so với tốc độ nhận thức của con người, đóng vai trò biên soạn, tổ chức và hiển thị nhiều nguồn dữ liệu dưới dạng trực quan hóa giống như thật.⁹

Tuy nhiên, việc tích hợp vô số các nguồn dữ liệu này (DTD – Digital Twin Data) bao gồm các khâu thu thập, tương tác, lưu trữ, liên kết, dung hợp, tiến hóa và dịch vụ hóa (servitization) là một thách thức khổng lồ.¹⁰ Việc sử dụng dữ liệu dự án cốt lõi thông qua các hệ thống được tích hợp nhằm nỗ lực loại bỏ các vấn đề phổ biến như nhập lại dữ liệu thủ công hay dư thừa dữ liệu là vấn đề cốt lõi để kiểm soát rủi ro, đảm bảo khả năng truy xuất nguồn gốc và tính đáng tin cậy của thông tin.¹¹

Quá trình chuyển đổi các hệ thống phân tán thành một luồng thông tin tích hợp xuyên suốt vòng đời của một tài sản vật lý đang vấp phải sự kháng cự mạnh mẽ từ tính chất nguyên bản của chính dữ liệu đó. Dưới đây là phân tích chuyên sâu về 5 điểm nghẽn kỹ thuật tàn khốc nhất mà mọi dự án Bản sao số phải vượt qua.

Nút Thắt 1: Ác Mộng Khóa Chính Và Sự Đứt Gãy Bản Thể Học Ngữ Nghĩa

Trong khoa học quản trị cơ sở dữ liệu quan hệ (Relational Database Management System) truyền thống, để hợp nhất hoặc tra cứu chéo thông tin giữa hai bảng dữ liệu khác biệt, các kỹ sư sử dụng một thao tác vô cùng cơ bản là SQL JOIN. Thao tác này phụ thuộc hoàn toàn vào việc tồn tại một Khóa chính (Primary Key) – một mã định danh duy nhất có mặt ở cả hai bảng. Tuy nhiên, khi áp dụng logic lập trình cơ bản này vào bối cảnh dữ liệu đô thị và hạ tầng phức tạp, các kiến trúc sư phần mềm ngay lập tức rơi vào một cơn ác mộng.

Nguyên nhân gốc rễ của sự thất bại này nằm ở chỗ mỗi sở ban ngành, mỗi bộ phận quản lý vận hành lại phát triển và duy trì một hệ thống bản thể học (Ontology) hoàn toàn biệt lập, phục vụ cho các mục tiêu nghiệp vụ đặc thù của riêng họ, dẫn đến sự thiếu hụt nghiêm trọng về khả năng tương tác dữ liệu (data interoperability) trong toàn ngành.¹⁰

Phân Hệ / Cơ Quan Quản Lý	Định Dạng Khóa Định Danh (Identifiers)	Đặc Điểm Cấu Trúc Khóa / Ngữ Nghĩa
Sở Giao thông & Vận tải	Mã số tuyến đường (Road Numbers)	Đặc trưng bởi tính tuyến tính, phân đoạn theo lý trình và tọa độ đường cong (Linear Referencing).
Đơn vị Tiện ích (Điện, Nước)	Mã định danh đường ống (Pipe IDs)	Mang tính chất cấu trúc mạng lưới (Network topology), quy định bởi hướng dòng chảy và điểm nút (nodes).
Cơ quan Quy hoạch & Địa chính	Mã số thửa đất (Parcel IDs)	Định hình bằng các đa giác khép kín (Polygons), gắn liền với quyền sở hữu và ranh giới hành chính.
Mô hình Xây dựng (BIM/CAD)	Mã định danh phần tử (Raw Element GUIDs)	Chuỗi ký tự hệ thập lục phân ngẫu nhiên, tự động sinh ra từ các phần mềm thiết kế cục bộ.

Bảng phân tích trên cho thấy không tồn tại bất kỳ một sự trùng khớp tự nhiên nào giữa các bộ mã định danh này. Dữ liệu từ phòng quản lý quy hoạch đô thị không thể “giao tiếp” trực tiếp với dữ liệu thuộc hệ thống bảo trì của tòa nhà. Một đường ống nước ngầm có thể đi qua 5 thửa đất khác nhau, nằm dưới 2 tuyến đường và cấp nước cho 10 phần tử BIM khác biệt trong một khu dân cư. Đứng trước sự phân mảnh này, nếu các Bản sao số phân tán không hoàn toàn tương thích với nhau, hệ thống buộc phải cung cấp các giao diện có khả năng thực hiện dịch thuật ngữ nghĩa (semantic translation) cho các tập dữ liệu đa dạng, đảm bảo người dùng có thể chia sẻ các tập hợp thông tin mang tính logic và có thể diễn giải được.¹²

Để giải quyết tình trạng hỗn loạn bản thể học, các tổ chức tiêu chuẩn hóa quốc tế (ISO) đã và đang nỗ lực thiết lập các quy chuẩn chung. Đáng chú ý là tiêu chuẩn ISO/TR 24464:2000 tập trung vào các yếu tố trực quan hóa của bản sao kỹ thuật số trong hệ thống tự động hóa công nghiệp, và tiêu chuẩn ISO/IEC AWI 30172 đang được phát triển để mô tả các trường hợp sử dụng (use cases) của nền tảng này.¹³ Hơn thế nữa, các hệ thống Bản sao số hiện đại đang bắt đầu ứng dụng các kiến trúc hướng bản thể học (ontology-driven digital twin frameworks) mạnh mẽ, sử dụng mô hình ngữ nghĩa thống nhất nhằm mang lại khả năng ra quyết định dựa trên dữ liệu có thể giải thích và truy xuất nguồn gốc (explainable, traceable).¹⁴

Điển hình trong việc xây dựng các kiến trúc này là việc áp dụng các bản thể học đặc thù của từng ngành. Chẳng hạn, mô hình RealEstateCore được thiết kế dành riêng cho việc tích hợp dữ liệu các tòa nhà thông minh, trong khi tiêu chuẩn NGSI-LD được sinh ra để mô hình hóa cấu trúc dữ liệu của các siêu đô thị thông minh.¹⁵ Bằng cách này, nền tảng số hóa có khả năng mô hình hóa “vật thể”, “địa điểm”, “con người” và “quy trình” theo một phương thức ngữ nghĩa tiêu chuẩn hóa, biến một lượng dữ liệu đô thị khổng lồ từ những luồng thô vô nghĩa thành một cấu trúc tổ chức trật tự, mở ra khả năng tự động hóa thông minh chưa từng có.¹⁵ Hơn nữa, việc hài hòa các ngữ nghĩa và dữ liệu không đồng nhất cung cấp một nền tảng vững chắc để có thể mở rộng quy mô giải pháp, hỗ trợ chính quyền thành phố trong việc quản lý từ các trường hợp khẩn cấp đến mạng lưới giao thông hạ tầng.¹⁶

Nút Thắt 2: Thảm Họa Cấu Trúc Liên Kết Và Bài Toán Hội Tụ Hình Học Đa Chiều

Hình học không gian là bộ khung xương của bất kỳ Bản sao số nào. Tuy nhiên, việc hợp nhất dữ liệu không gian từ nhiều nguồn công nghệ khác biệt thường xuyên dẫn đến một “thảm họa” về mặt cấu trúc liên kết (topological disaster). Bất kỳ một thuật toán phân tích không gian nâng cao nào, ví dụ như thuật toán định tuyến (routing algorithm) nhằm mô phỏng đường đi tối ưu nhất cho lực lượng cứu hỏa từ ngoài đường phố xâm nhập vào bên trong một tòa nhà đang bốc cháy, đều sẽ vấp phải những bức tường cản trở kỹ thuật khổng lồ do sự bất đồng nhất về định dạng hình học:

1. Mô hình BIM (Building Information Modeling): Đây là các mô hình cung cấp cấu trúc hình học bên trong nhà (indoor geometry) và chi tiết vật lý đạt độ chính xác đến từng phần tư milimet.⁹ Sức mạnh của BIM nằm ở tính tham số và hướng đối tượng, nhưng điểm yếu là dung lượng dữ liệu vô cùng nặng nề. Một mô hình BIM của một bệnh viện có thể chứa hàng chục triệu đa giác (polygons) mô tả chi tiết đến từng chiếc bu-lông, bản lề cửa và hệ thống cáp điện ngầm.
2. Hệ thống thông tin địa lý (GIS): Trái ngược hoàn toàn với triết lý vi mô của BIM, GIS sinh ra để đại diện cho bối cảnh không gian vĩ mô rộng lớn. Các công trình kiến trúc trong GIS thường bị đơn giản hóa tối đa, mô tả dưới dạng mặt bằng 2D hoặc các khối hộp đùn lên (2.5D footprints).¹⁷ Mặc dù việc tích hợp dữ liệu công trình chi tiết từ BIM vào bối cảnh không gian rộng lớn của GIS là điều kiện tiên quyết cho phép phân tích toàn diện tác động của công trình lên môi trường xung quanh (như địa hình, hạ tầng kết nối) và ngược lại ¹⁷, quá trình làm phẳng (flattening) và lược bỏ chi tiết BIM để đưa vào GIS thường làm đứt gãy các thông tin cấu trúc cốt lõi.
3. Lưới 3D (3D Mesh) và Ảnh chụp quang trắc: Lưới 3D cung cấp một trải nghiệm thị giác (visual) vô cùng ấn tượng, tái hiện chân thực bề mặt của toàn bộ một thành phố từ các chuyến bay không người lái (drone).² Tuy nhiên, từ góc độ phân tích máy tính, chúng có chiều sâu ngữ nghĩa bằng 0 (zero semantic depth). Trí tuệ nhân tạo chỉ “nhìn thấy” một bề mặt hình học liên tục có bọc màu sắc, hoàn toàn không có khả năng phân biệt được đâu là một bức tường bê tông, đâu là một ô cửa sổ kính, hay đâu là mặt đường nhựa.
4. Đám mây điểm (Point Clouds): Được tạo ra từ công nghệ quét laser 3D (LiDAR) trong quá trình khảo sát hiện trạng.² Khác với các mô hình khối (solid models), Point Clouds thực chất là hàng triệu, thậm chí hàng tỷ điểm tọa độ phân tán trong không gian 3 chiều. Chúng hoàn toàn phi cấu trúc và được giới lập trình gọi là những “điểm vô tri” (dumb points), khiến việc tính toán các bài toán vật lý hay định vị logic trên đó trở thành một quá trình tiêu tốn lượng tài nguyên điện toán khổng lồ.

Để giải quyết bài toán hội tụ này, các kiến trúc sư nền tảng Bản sao số không thể chỉ sử dụng các công cụ vẽ 3D truyền thống. Họ buộc phải dựa vào các engine đồ họa 3D thời gian thực tinh vi, tích hợp trí tuệ nhân tạo để tự động nhận diện hình ảnh, chuyển đổi cấu trúc đám mây điểm thành các bề mặt có ý nghĩa ngữ nghĩa, và thiết lập các cấp độ chi tiết (Level of Detail – LOD) linh hoạt nhằm tối ưu hóa việc kết xuất hiển thị mà không làm “sập” hệ thống bộ nhớ của thiết bị phần cứng.²

Nút Thắt 3: Vấn Đề Lệch Pha Hệ Quy Chiếu Và Nỗi Ám Ảnh Tọa Độ Không Gian

Đối với các chuyên gia bản đồ học và kỹ sư trắc địa, không có một vấn đề kỹ thuật nào gây ra sự mệt mỏi và sai số hệ thống nghiêm trọng hơn việc xử lý sự lệch pha của các Hệ Quy Chiếu Tọa Độ (Coordinate Reference Systems – CRS). Nỗi ám ảnh này bộc lộ rõ rệt nhất tại thời điểm hợp nhất một mô hình công trình kiến trúc đơn lẻ vào một bản đồ hạ tầng đô thị tổng thể.

Về bản chất, bề mặt Trái Đất không phải là một mặt phẳng hai chiều hoàn hảo, mà là một khối ellipsoid phức tạp. Dữ liệu thuộc Hệ thống thông tin địa lý (GIS) thường sử dụng các hệ quy chiếu toàn cầu, đại diện tiêu biểu nhất là chuẩn WGS84 (được sử dụng cho mạng lưới hệ thống định vị GPS toàn cầu) hoặc các phép chiếu hình trụ như UTM để định vị các đối tượng cong trên quy mô lục địa và quốc gia.

Tuy nhiên, các kiến trúc sư, kỹ sư kết cấu và nhà thầu xây dựng (những người sử dụng BIM và CAD) lại làm việc trên một tư duy hoàn toàn phẳng. Họ thiết lập một hệ trục tọa độ vuông góc cục bộ (Local Grids), với một “điểm gốc” tọa độ (origin point 0,0,0) giả định được đặt tùy ý ngay tại góc của công trường hoặc tâm của tòa nhà để tối đa hóa sự thuận tiện cho công tác đo đạc, tính toán khối lượng và chỉ đạo thi công cơ học một cách chính xác nhất.

Hậu quả của sự xung đột thế giới quan không gian này là hiện tượng “tòa nhà lơ lửng” hoặc “tòa nhà chìm ngầm”. Khi một đội ngũ quản lý dữ liệu tiến hành ghép nối thô (raw import) mô hình BIM có độ chi tiết cao vào lớp dữ liệu địa hình bề mặt (terrain layer) của không gian GIS mà không trải qua quá trình tính toán chuyển đổi, tịnh tiến và xoay góc (translation and rotation) một cách tỉ mỉ, mô hình công trình có thể bị hệ thống định vị sai lệch đi hàng chục kilomet so với vị trí thực tế, bị chìm sâu xuống hàng trăm mét dưới lòng đất, hoặc lơ lửng ở độ cao 500 mét so với mặt phẳng địa hình.

Đỉnh điểm của sự hỗn loạn dữ liệu xảy ra khi các nhà phát triển Digital Twin nhận được các bộ dữ liệu do bên thứ ba, ví dụ như các nhà cung cấp thiết bị ngoại vi, chuyển giao mà trong cấu trúc siêu dữ liệu lại đính kèm nhãn “Unknown CRS” (Hệ quy chiếu không xác định). Tình huống này buộc các kỹ sư phân tích dữ liệu phải vận dụng phương pháp phỏng đoán ngược, tìm kiếm các điểm mốc (landmarks) trong thế giới thực và tiến hành quá trình căn chỉnh không gian thủ công (manual georeferencing) vô cùng tốn kém cả về thời gian, nhân lực và nguồn lực tài chính.

Nút Thắt 4: Lỗ Hổng Siêu Dữ Liệu Và Cuộc Khủng Hoảng Định Danh Biến Số

Nếu dữ liệu hình học 3D là lớp da thịt tạo nên hình hài và vỏ bọc trực quan của một Bản sao số, thì siêu dữ liệu (metadata) – tức là dữ liệu mô tả về dữ liệu – mới chính là “dòng máu” cốt lõi mang lại năng lực phân tích logic và giá trị nghiệp vụ thực sự. Sự thiếu hụt trầm trọng và không đồng bộ của siêu dữ liệu giữa các kho lưu trữ đang hình thành một điểm nghẽn chí mạng trong quá trình tự động hóa quy trình.

Một quy trình quản trị vòng đời tài sản toàn diện dựa trên dữ liệu dự án xuyên suốt các giai đoạn lập kế hoạch, thiết kế và xây dựng là chìa khóa để hỗ trợ hoàn toàn việc vận hành tài sản đã được xây dựng, đảm bảo độ chính xác về hiệu suất sử dụng thực tế.³ Quản lý tích hợp luồng thông tin này loại bỏ hoàn toàn các rủi ro từ việc nhập thủ công và dữ liệu dư thừa.¹¹ Thế nhưng, khi soi chiếu vào thực tế triển khai ở phần lớn các dự án đô thị hiện hành:

• Mô hình thiết kế BIM, mặc dù cực kỳ chi tiết về thành phần hóa học của vật liệu hay độ dày của kính cường lực, thường xuyên thiếu vắng hoàn toàn các trường dữ liệu mang tính pháp lý hành chính như mã số định danh thửa đất (parcel ID) hoặc địa chỉ đường phố chuẩn hóa.
• Ở chiều ngược lại, lớp dữ liệu GIS dùng cho quản lý quy hoạch đô thị chứa đầy đủ các thông tin về ranh giới quy hoạch, quyền sử dụng đất và địa chỉ hành chính, nhưng lại không lưu trữ bất kỳ thông số kỹ thuật nào liên quan đến vật liệu mặt tiền (facade material), hệ số hấp thụ nhiệt, hay vòng đời bảo trì của thang máy bên trong công trình.
• Bên cạnh đó, các luồng dữ liệu thô cung cấp từ mạng lưới cảm biến IoT thường xuyên gặp tình trạng bị khuyết thiếu các thẻ định vị địa lý (geolocation tags) chính xác trong cấu trúc tệp tin (payloads), chỉ truyền về các thông số thuần túy như “nhiệt độ” hoặc “độ ẩm” kèm theo tem thời gian (timestamps).

Sự đứt gãy và khiếm khuyết trong siêu dữ liệu này ngăn cản khả năng thiết lập một vòng lặp thông tin khép kín (closed-loop). Việc vận hành Digital Twin mà không có dữ liệu thực tế liên tục từ tài sản thực đồng nghĩa với việc mất đi cơ hội tăng tốc độ sẵn sàng hoạt động, cung cấp sự thoải mái tốt hơn cho người sử dụng không gian và cải thiện hiệu suất tiêu thụ năng lượng trên toàn bộ danh mục tài sản.³ Không có siêu dữ liệu hoàn chỉnh, các thuật toán học máy (Machine Learning/Deep Learning) được triển khai nhằm phân tích Dữ liệu lớn (Big Data) sẽ bị “mù chữ”, không thể nhận diện được bối cảnh của dữ liệu mà chúng đang xử lý.⁸

Nút Thắt 5: Cảm Biến IoT Trôi Nổi Và Sự Vô Nghĩa Của Dữ Liệu Thiếu Mỏ Neo Vật Lý

Internet of Things (IoT) chính là “hệ thần kinh trung ương” của bất kỳ nền tảng Bản sao số nào. Nó chịu trách nhiệm cung cấp các tín hiệu đo lường theo thời gian thực (real-time telemetry) để đảm bảo trạng thái của mô hình ảo luôn phản chiếu chính xác và liên tục sự thay đổi của đối tượng trong thế giới vật lý.² Bản chất động (dynamic) của Digital Twin – tính năng cốt lõi giúp phân biệt nó với các mô hình 3D tĩnh – phụ thuộc hoàn toàn vào mạng lưới hàng nghìn, thậm chí hàng triệu thiết bị cảm biến này. Thế nhưng, có một chân lý kiến trúc hệ thống không thể chối cãi: Toàn bộ sức mạnh của luồng dữ liệu thời gian thực này sẽ ngay lập tức trở nên vô nghĩa nếu nó không được neo giữ (anchored) một cách tuyệt đối chính xác vào một tài sản vật lý cụ thể trong không gian số.

Hãy phân tích một kịch bản vô cùng phổ biến trong công tác điều hành giao thông đô thị thuộc khuôn khổ thành phố thông minh: Một hệ thống cảnh báo trung tâm nhận được một tín hiệu kỹ thuật số báo cáo rằng một cảm biến đo lường lưu lượng giao thông đang hoạt động bất thường và ghi nhận mức độ tập trung khí thải carbon tăng vọt. Nền tảng luân chuyển dữ liệu đang hoạt động hoàn hảo, luồng tín hiệu (data stream) liên tục chảy về máy chủ. Tuy nhiên, một câu hỏi sống còn đối với hệ thống được đặt ra là: Cụ thể cảm biến đó đang nằm ở vị trí nào trong không gian hình học 3 chiều?

Nó đang được gắn cố định trên đỉnh của một cột đèn tín hiệu cao 5 mét? Nó được dán ẩn vào mặt tiền của một tòa nhà văn phòng nằm góc ngã tư? Hay nó chỉ là một biểu tượng tọa độ 2D đang “trôi nổi” đâu đó gần giao lộ trên hệ thống bản đồ số phẳng?

Nếu cơ sở dữ liệu nền tảng (backend database) không có khả năng ánh xạ (map) một cách tự động thiết bị cảm biến đó vào một điểm nút vật lý (physical node) có tọa độ không gian 3D tường minh và có mối quan hệ cấu trúc rõ ràng (ví dụ: cảm biến X_123 thuộc hệ thống thông gió của tầng 3, mặt Nam của tòa nhà A), mọi logic chẩn đoán tự động và các quy trình cảnh báo của Digital Twin sẽ hoàn toàn gãy vụn. Khả năng tích hợp liền mạch giữa AI, mô hình dữ liệu ngữ nghĩa (ontologies) và khuôn khổ bản sao số vào một hệ sinh thái duy nhất là điều kiện tiên quyết mang tính cách mạng để khắc phục tình trạng này.¹⁵ Sự hội tụ này trao quyền cho hệ thống năng lực tự động hóa thông minh ở mức độ cao, biến các điểm dữ liệu rời rạc thành một mạng lưới nhận thức không gian (spatial awareness) thấu đáo.¹⁵

Kiến Trúc Giải Pháp: Xây Dựng Nền Tảng Dữ Liệu Chủ Và Chiến Lược Triển Khai Thực Tiễn

Bất chấp hàng loạt những rào cản kỹ thuật khổng lồ trong quá trình tích hợp dữ liệu, tiềm năng thúc đẩy cuộc cách mạng chuyển đổi số của Digital Twin là không thể phủ nhận và đang diễn ra mạnh mẽ trên quy mô toàn cầu. Để đảm bảo các chương trình Bản sao số thực sự kiến tạo được giá trị kinh doanh cốt lõi thay vì trở thành những dự án trình diễn lãng phí, các tổ chức được khuyến nghị phải xây dựng chiến lược dựa trên ba trụ cột nền tảng thiết yếu, trong đó trọng tâm tuyệt đối là phải ưu tiên giải quyết bài toán kiến trúc dữ liệu.¹⁸

Trụ cột đầu tiên và quan trọng nhất là phải xác định rõ ràng đề xuất giá trị kinh doanh (value proposition) của sáng kiến Bản sao số.¹⁸ Sai lầm mang tính phổ biến nhất của các doanh nghiệp, đặc biệt là trong các kịch bản áp dụng tự phát từ dưới lên (bottom-up), là thiếu vắng sự đồng thuận rộng rãi của các bên liên quan, bỏ qua việc hoạch định luồng quy trình làm việc bị ảnh hưởng, và chậm trễ trong việc lôi kéo các đối tác giải pháp về thu thập, phân tích và quản lý dữ liệu tham gia từ giai đoạn đầu.¹⁸ Chiến lược tối ưu đối với cả các dự án hạ tầng mới (greenfield) hay cải tạo nâng cấp hạ tầng cũ (brownfield) là hãy bắt đầu tập trung vào ba đến bốn trường hợp sử dụng (use cases) cụ thể, có khả năng đo lường lợi ích rõ ràng. Từ đó, xây dựng một “Bản sao số khả thi tối thiểu” (minimum viable digital twin) để kiểm chứng hiệu quả, chứng minh giá trị từng bước và liên tục nâng cấp hệ thống.¹⁸

Trụ cột thứ hai yêu cầu các kiến trúc sư phải giải quyết bộ ba yếu tố cốt lõi bao gồm: Dữ liệu (data), Khả năng kết nối (connectivity), và Năng lực xử lý (processing) ngay từ khâu thiết kế giải pháp ban đầu.¹⁸ Những điểm mù chí mạng tại giai đoạn này thường bao gồm việc đánh giá thấp sự đa dạng của các định dạng dữ liệu, bỏ qua các vấn đề tích hợp, quyền riêng tư, và an ninh mạng.¹⁸ Đáng chú ý hơn, nhiều hệ thống bị khóa cứng (locking) với một bộ giải pháp đóng quá sớm, triệt tiêu hoàn toàn dư địa để mở rộng và nâng cấp nền tảng Bản sao số trong tương lai.¹⁸

Để hóa giải nguy cơ này, cách tiếp cận mang tính tiêu chuẩn nhất là tiến hành chuẩn hóa toàn diện cấu trúc dữ liệu và các lớp giao tiếp (communication layers) của tổ chức.¹⁸ Sự chuẩn hóa này đóng vai trò như một hệ thần kinh kết nối các tập hợp dữ liệu công nghệ thông tin (IT), công nghệ vận hành (OT), công nghệ kỹ thuật không gian (ET) và các luồng công nghệ liên quan đến hành vi người tiêu dùng (CT).¹⁸

Trụ Cột Chiến Lược (Theo ISG)	Điểm Mù Cần Tránh (Blind Spots)	Giải Pháp Khuyến Nghị (Recommendations)
Xác định Giá trị Kinh doanh 18	Thiếu sự đồng thuận của các bên liên quan; Không xác định vai trò/kỹ năng mới; Kéo đối tác ngoài vào quá muộn.	Bắt đầu với 3-4 trường hợp sử dụng cụ thể. Xây dựng “Bản sao số khả thi tối thiểu” (Minimum Viable Digital Twin).
Giải quyết “Bộ Ba Phép Thuật” (Dữ liệu, Kết nối, Xử lý) 18	Bỏ qua sự đa dạng của dữ liệu; Coi nhẹ an ninh/quyền riêng tư; Khóa cứng giải pháp công nghệ quá sớm.	Chuẩn hóa cấu trúc dữ liệu và các lớp giao tiếp; Kết nối chặt chẽ IT, OT, ET và CT ngay từ đầu.
Tạo Nền tảng Triển khai Liên tục 18	Để lại các kho chứa dữ liệu (data silos) không liên kết; Thiếu nền tảng cập nhật thời gian thực.	Áp dụng mô hình hướng bản thể học (ontology-driven); Xây dựng quy trình ETL tự động hóa mạnh mẽ.

Bức Tranh Toàn Cầu Và Bước Tiến Của Đô Thị Thông Minh Tại Việt Nam

Trên bản đồ ứng dụng công nghệ thế giới, ngành công nghiệp sản xuất là lĩnh vực tiên phong ôm trọn và hiện thực hóa những giá trị vĩ đại của công nghệ này.⁵ Những ví dụ thực tiễn sinh động nhất về ứng dụng Bản sao số trong ngành công nghiệp đã minh chứng cho sức mạnh tối ưu hóa. Tập đoàn ô tô toàn cầu Renault đã vận dụng sức mạnh kết hợp của mô phỏng kỹ thuật số nâng cao, AI và công nghệ đám mây để kiến tạo một nguyên mẫu ảo hoàn chỉnh cho từng dòng xe mới.¹⁹ Mô hình kỹ thuật số này đồng hành xuyên suốt vòng đời phát triển, cho phép các nhóm kỹ sư kiểm thử khí động học, thay đổi thiết kế cấu trúc, và thậm chí tiến hành mô phỏng các bài kiểm tra lái xe đường bộ với khả năng tự hành trước khi bất kỳ một nguyên mẫu vật lý nào được xuất xưởng.¹⁹ Trong lĩnh vực sản xuất thiết bị gia dụng quy mô lớn, hãng Electrolux đã tiến hành xây dựng các bản sao kỹ thuật số cho toàn bộ mười một nhà máy sản xuất toàn cầu, giả lập các mô hình luân chuyển luồng nguyên vật liệu, qua đó tiết kiệm được con số ấn tượng 2 triệu đô la Mỹ nhờ việc tối ưu hóa năng lực sản xuất.¹⁹

Không dừng lại ở môi trường nhà máy, khi mở rộng quy mô ra không gian đô thị, Bản sao số đang đóng vai trò nhạc trưởng trong kỷ nguyên Thành phố thông minh (Smart Cities).⁷ Các nền tảng kỹ thuật số đang tạo điều kiện thuận lợi cho công tác giám sát, đánh giá rủi ro và quản lý bảo trì cho các thành phần hạ tầng trọng yếu như mạng lưới cầu đường và hệ thống các tòa nhà cao tầng.⁷ Vấn nạn tắc nghẽn giao thông, nguyên nhân cốt lõi gây ra ô nhiễm môi trường và lãng phí thời gian kinh tế khổng lồ, đang được hóa giải.

Thượng Hải, một trong những siêu đô thị phức tạp nhất thế giới, đang ứng dụng Bản sao số tích hợp các luồng phân tích dự đoán và giám sát thời gian thực nhằm giảm tải áp lực giao thông và nâng cao năng lực vận tải công cộng.²⁰ Thành phố này cũng theo dõi và phân bổ lại luồng tiêu thụ điện năng trên khắp các lĩnh vực kinh tế để đảm bảo phát triển bền vững, đồng thời mô phỏng các kịch bản thảm họa tự nhiên để xây dựng kế hoạch ứng phó chủ động.²⁰ Tại Bắc Âu, thủ đô Tallinn của Estonia đã tiến xa hơn bằng cách hợp nhất dữ liệu môi trường, cấu trúc tiện ích hạ tầng và dữ liệu thời gian thực vào một siêu mô hình 3D thành phố ảo.²⁰ Công cụ quyền năng này trao cho các nhà phát triển dự án và cơ quan quy hoạch công quyền khả năng đưa ra những quyết sách mang tính chiến lược một cách nhanh chóng và thấu đáo hơn.²⁰ Hơn thế nữa, Digital Twin còn biến các tòa nhà thông thường trở thành các trung tâm tài nguyên năng lượng phân tán, tự động hóa việc kết nối với lưới điện từ các tấm pin mặt trời trên mái nhà và cắt giảm mạnh mẽ lượng khí thải carbon dưới sự hỗ trợ điều phối của Trí tuệ nhân tạo.²¹

Tại Việt Nam, tiến trình chuyển đổi số trong lĩnh vực xây dựng và quy hoạch đang chứng kiến những bước tiến đầy triển vọng. Công nghệ Bản sao số đang được định hình rõ nét là tầng lớp tích hợp công nghệ cao nhất trong toàn bộ kiến trúc lõi của hệ sinh thái đô thị thông minh.²² Hệ thống phức hợp này thiết lập năng lực mô phỏng toàn diện cấu trúc hoạt động của thành phố dựa trên dòng chảy dữ liệu thời gian thực được trích xuất từ mạng lưới cảm biến IoT, dung hợp chặt chẽ với mô hình thông tin công trình 3D/BIM, bản đồ địa lý GIS, kho dữ liệu khổng lồ (Data Lake) và trí tuệ nhân tạo AI.²²

Việc tích hợp liền mạch giữa hai nền tảng cốt lõi là GIS và BIM đang được kỳ vọng sẽ đóng vai trò bệ phóng thúc đẩy mạnh mẽ quá trình chuyển đổi số của quốc gia, gia tăng hiệu quả quản lý hành chính, tối ưu hóa các thiết kế phức tạp và đặc biệt là giảm thiểu rủi ro trong các siêu dự án hạ tầng.¹⁷ Nó cấp quyền cho các bên liên quan phân tích một cách toàn diện, đánh giá đa chiều tác động tương hỗ giữa các công trình xây dựng mới đối với bối cảnh không gian hiện hữu bao gồm địa hình sông nước, hạ tầng kết nối và các điều kiện tự nhiên.¹⁷ Không chỉ dừng lại ở quy mô vĩ mô, công nghệ Digital Twin hiện cũng đang được chú trọng nghiên cứu, đào tạo chuyên sâu và thử nghiệm triển khai tại môi trường học thuật của các trường đại học tại Việt Nam, đặc biệt hướng tới việc ứng dụng trong các nhà máy sản xuất thông minh và lĩnh vực nông nghiệp công nghệ cao nhằm tối ưu hóa chuỗi cung ứng.²³

Kết Luận: Vượt Qua Ảo Ảnh Đồ Họa Để Chinh Phục Cốt Lõi Dữ Liệu

Thế giới đang vận động không ngừng hướng tới một viễn cảnh tự động hóa và kết nối vạn vật, nơi mà Bản sao số không còn là một khái niệm khoa học viễn tưởng, mà đã trở thành công cụ kiến tạo nền tảng cho Cách mạng Công nghiệp 4.0. Tuy nhiên, hành trình vươn tới “chén thánh” công nghệ này không phải là một con đường được trải thảm hoa bằng những thuật toán đồ họa bắt mắt. Việc theo đuổi một mô hình Digital Twin có chất lượng đồ họa cực thực (hyper-realistic) sẽ không mang lại bất kỳ một giá trị cốt lõi nào về mặt quản trị nếu cấu trúc dữ liệu nền tảng phía dưới đầy rẫy các lỗ hổng về mặt ngữ nghĩa và sai số về mặt hình học không gian.

Giới chuyên môn cần phải thức tỉnh trước một sự thật rằng: Năng lực mạnh mẽ nhất của một Bản sao kỹ thuật số không được định đoạt bởi việc nó sử dụng công cụ kết xuất hình ảnh nào, mà được định đoạt bằng năng lực kết nối liền mạch một tài sản vật lý với các hệ thống dữ liệu thực tế mang tính động. Do đó, trước khi phân bổ hàng triệu đô la vào các khâu trình diễn thị giác, các kỹ sư hệ thống cần phải dồn toàn bộ nguồn lực trí tuệ để tái cấu trúc quy trình Quản lý dữ liệu chủ (Master Data Management) và xây dựng các chuỗi quy trình tự động hoá (pipelines) chuyển đổi dữ liệu vững chắc nhất.

Chỉ khi nào chúng ta đối mặt và tháo gỡ thành công 5 nút thắt kỹ thuật kinh điển — từ sự hỗn loạn của các hệ thống Khóa chính, rào cản phức tạp của Hình học không gian, bài toán hóc búa mang tên Hệ quy chiếu, sự thiếu hụt nghiêm trọng của Siêu dữ liệu đến tình trạng mất phương hướng của các Cảm biến IoT vô định — chúng ta mới có đủ năng lực biến Bản sao số từ một “khái niệm tiếp thị” đầy tham vọng thành một công cụ chuyển đổi số mang sức mạnh thực thi.

Lời giải cho bài toán này rất rõ ràng: Hãy sửa chữa và gia cố nền móng dữ liệu (data foundation) trước, toàn bộ phần còn lại của bản sao kỹ thuật số, từ hình ảnh mô phỏng cho đến các thuật toán AI tự động hóa, sẽ tự nhiên được hình thành và vận hành một cách vững chắc nhất.

Nguồn tham khảo

1. Digital Twins là gì? Hiểu rõ về công nghệ Digital Twins trong Công nghiệp 4.0, accessed March 23, 2026, https://intech-group.vn/digital-twins-la-gi-hieu-ro-ve-cong-nghe-digital-twins-trong-cong-nghiep-4-0-bv940.htm
2. Digital Twins Là Gì? – storekonia, accessed March 23, 2026, https://storekonia.com/digital-twins-la-gi/
3. What is a digital twin? Intelligent data models shape the built world – Autodesk, accessed March 23, 2026, https://www.autodesk.com/design-make/articles/what-is-a-digital-twin
4. Digital Twin—A Review of the Evolution from Concept to Technology and Its Analytical Perspectives on Applications in Various Fields – MDPI, accessed March 23, 2026, https://www.mdpi.com/2076-3417/14/13/5454
5. Digital Twin Evolution: A 30-Year Journey That Changed Industry | Simio, accessed March 23, 2026, https://www.simio.com/blog/digital-twin-evolution-a-30-year-journey-that-changed-industry
6. Digital twin – Wikipedia, accessed March 23, 2026, https://en.wikipedia.org/wiki/Digital_twin
7. 8 Examples of Digital Twin Applications in Smart Cities, accessed March 23, 2026, https://www.stldigital.tech/blog/8-examples-of-digital-twin-applications-in-smart-cities/
8. Digital twin: Data exploration, architecture, implementation and future – PMC, accessed March 23, 2026, https://pmc.ncbi.nlm.nih.gov/articles/PMC10912257/
9. Digital Twin được tạo ra và hoạt động thế nào? – Karo Education, accessed March 23, 2026, https://karo.edu.vn/blog/digital-twin-duoc-tao-ra-va-hoat-dong-the-nao
10. Digital twin data: methods and key technologies, accessed March 23, 2026, https://digitaltwin1.org/articles/1-2
11. ontologies and building digital twins | bim2twin, accessed March 23, 2026, https://bim2twin.eu/wp-content/uploads/2024/01/Ontologies-and-Building-Digital-Twins.pdf
12. Design Principles for Shared Digital Twins in Distributed Systems – PMC, accessed March 23, 2026, https://pmc.ncbi.nlm.nih.gov/articles/PMC9010713/
13. Ontology-Driven Guidelines for Architecting Digital Twins in Factory Automation Applications, accessed March 23, 2026, https://www.mdpi.com/2075-1702/10/10/861
14. Ontology-Driven Digital Twin Framework for Aviation Maintenance and Operations – MDPI, accessed March 23, 2026, https://www.mdpi.com/2227-7390/13/17/2817
15. The AI-Powered Digital Twins Taking Over Urban Planning and Facilities – e-Magic Inc., accessed March 23, 2026, https://www.e-magic.ca/post/the-ai-powered-digital-twins-taking-over-urban-planning-and-facilities
16. Smart City Ontology Framework for Urban Data Integration and Application – MDPI, accessed March 23, 2026, https://www.mdpi.com/2624-6511/8/5/165
17. ‘Ứng dụng GIS và BIM – Cơ hội và thách thức?’ – Báo Tin Tức TTXVN, accessed March 23, 2026, https://baomoi.com/ung-dung-gis-va-bim-co-hoi-va-thach-thuc-c52602633.epi
18. Infographic: The Three Pillars of a Successful Digital Twin Program | ISG, accessed March 23, 2026, https://isg-one.com/articles/infographic-the-three-pillars-of-a-successful-digital-twin-program
19. Digital Twin Examples: Real-World Use Cases – Digi International, accessed March 23, 2026, https://www.digi.com/blog/post/digital-twin-examples
20. Top 7 Real World Examples of Digital Twin Cities – Toobler, accessed March 23, 2026, https://www.toobler.com/blog/examples-of-digital-twin-cities
21. Connecting urban environments with IoT and Digital Twins | Microsoft Azure Blog, accessed March 23, 2026, https://azure.microsoft.com/en-us/blog/connecting-urban-environments-with-iot-and-digital-twins/
22. Chuyển đổi số xây dựng và chuẩn hóa hạ tầng đô thị thông minh – Báo Mới, accessed March 23, 2026, https://baomoi.com/chuyen-doi-so-xay-dung-va-chuan-hoa-ha-tang-do-thi-thong-minh-c54083711.epi
23. Digital Twin – Công nghệ mới trong sản xuất thông minh – VNUA, accessed March 23, 2026, https://vnua.edu.vn/tin-tuc-su-kien/nghien-cuu-khoa-hoc/digital-twin-cong-nghe-moi-trong-san-xuat-thong-minh-56007