2《6G网络原生AI技术需求》.docxVIP

1.前言

原生/内生AI被业界认为是未来6G移动新系统的核心架构特征之一【1】。AI科技和应用发

展日新月异，其相关的科学理念、范式模式、算法模型、方法手段等，不仅要能更紧密、更深层次地内嵌融合到6G新系统的架构、网元和功能流程之中，它们还要能凭借未来6G更强大泛在的电信基础设施平台之优势，更大地彰显出AI效能增益和价值，全面助力实现未来6G时代“万物智连”、“万务智联”、“智能普惠”等美好愿景。本白皮书将先简要介绍原生/内生AI的相关背景和动机，再力求全面系统地分析阐述：6G移动新系统在原生/内生AI的设计过程中，所涉及到的诸多技术需求（例如：功能、性能、服务、架构等方面），全面涵盖AI算力，AI算法，AI数据三大AI基本元素；进一步地，基于最新的研究业态进展，我们还将继续分析汇炼原生/内生AI对6G移动新系统架构和标准化等方面的综合影响和需求。

2.AI与5G通信系统的结合应用

AI（特别是机器学习ML和深度学习DL）与移动通信系统的结合应用，始于第五代移动通信

系统5GS（由3GPP标准化定义），但5GS系统在设计之初（我们称之为原生阶段），并没有充分地考虑AI业务应用和其相关能力服务，例如：如何基于AI新范式去改善优化某种通信类工作机制。虽然5GS移动系统已有着向云原生化CloudNative，和IT软件定义、服务虚拟化方向演进的趋势（例如：已支持服务化的核心网SBACN和核心网云化部署等功能），同时O-RAN、OpenRAN等联盟组织，也在积极地推动无线网络的开放化、云化、虚拟化等工作，但受限于技术成熟度、安全性、系统运维复杂度等多方面的条件制约，5GS无线接入侧NG-RAN子系统总体上仍然保留着过去传统“烟囱式CT化基站架构”和相对固化的RAN协议栈模型。伴随着AI功能和业务的逐步渗入且价值彰显，5GS只能在既定的系统架构和协议栈体系中，通过在核心网侧引入新逻辑功能节点NWDAF和各式各样模块级“外挂叠加式”的AI功能，来进一步增强优化系统自身各方面的性能和对外服务能力。每个“外挂叠加式”的AI功能模块，基本都是针对已识别且特定的通信类问题（例如：切片质量保障、用户QoE优化、移动性预测、故障定位、网规网优运维等），主要旨在提升5GS系统性能、优化无线传输效率和简化网络管控运维等目的。

AIFOR5G发展现状

大量实践已证明：AI/ML/DL等方法是针对传统无线通信中多维复杂且计算密集型问题求解的可行高效手段。当前，AI/ML/DL已在5GS系统内的多个层面和多业务领域，进行了初步的应用尝试和价值验证，例如：通过智能化平台辅助简化5GS系统运维、优化服务场景识别、网络异常检测、故障根因分析和提升系统节能效果，通过智能化模块去优化网络的策略资源部署和参数设值的精准度，通过智能压缩CSI反馈信息资源开销和智能调制编码去提升空口的资源利用率，通过智能模式去识别预测网络流量分布、用户轨迹行为，以提升用户业务体验等【2】。上述这些实例应用都可被称为AIforNetwork(AI4NET)，即体现了AI作为先进技术手段，对5GS系统某些方面赋能提质、优化增效的价值。在5GS系统中，各种AI算法模型，基本都是针对特定已识别通信问题的应用和改善，即已经过大量专门的线下训练和效果验证，这类似“头痛医头，脚痛医脚”，但它确实可一定程度地提升通信业务性能，降低系统运维成本。总体上，当前的AI4NET仍然缺乏系统性、周密性、全局性、可解释性方面的考虑，较大限制了AI能力可拓展性、迭代增强性和AI模型泛化应用能力等。此外，当前5GS系统中的各种AI资源和能力（涵盖AI算力，AI算法和AI数据方面）并不具备开放和服务化的特征，大部分仅仅限于系统内被利用和应用。

5GFORAI发展现状

当前，AI各种移动应用（例如：语音、图像、视频、数据的AI识别归类和处理等）主要还是通过终端本地化或集中式云AI的服务模式（例如：以亚马逊AWS、微软Azure、谷歌云、阿里云为代表的公有云服务体系）提供给终端用户，因此5GS系统更多地扮演着底层数据传输管道的角色。5GS系统把AI模型训练和AI业务应用相关的数据流，都当成一般的用户业务数据进行传输；云AI模型训练所需的大量样本数据，也通常通过应用层数据的形式，在5GS系统中端到端的传输流转。另外一方面，3GPPRel-16定义了NWDAF以及其相应的交互接口，致力于在网络