4《6G数据服务概念与需求》.docxVIP

一、6G数据服务趋势与愿景

内生感知和智能将是6G网络的两大主要新增能力，前者产生海量数据，后者基于数据进行

自动决策以提升网络性能或作为服务提供给上层应用。得益于大数据技术以及人工智能的巨大成功，其在无线网络中的应用也日趋成熟。随着通信和感知的融合，感知作为6G内生能力通过感知网络自身状态、周围环境、以及用户/设备行为等为人工智能算法提供大量数据。以往作为信息传递的网络，逐渐转变为数据的承载平台。从数据价值挖掘的角度，网络一方面是数据的生产者和提供者，为各类智能应用提供可信数据服务，同时又是网络数据的消费者，借助数据驱动的智能应用提升网络性能和运营效率。

数据被认为是数字化社会的“新石油”，是驱动社会进步的新动力。但如何”开采”和”提炼”以挖掘和实现其价值，是6G网络面临的挑战。特别是在数据安全和隐私保护意识增强的当下，法律法规也日趋完善，如何在可管可控的前提下，实现可信的数据管理，需要结合数据自身的发展趋势做出相应架构设计。在网络向内生智能和感知演进的趋势下，对数据生成、管理和使用，呈现出“数据泛在化，数据协作化，数据知识化，数据资产化”等趋势。

6G数据相比5G时代呈现出更加海量、多态、时序、关联的特点，而6G内生智能是基于数据驱动的自动决策，因此6G数据服务会以“自生长”为特征，通过分布式协同、可信开放等技术，形成高效且安全的数据能力。

基于数据逻辑管理与操作统一化、物理部署分离的“数据面”为架构，以数据的分层分域为基础，以数据质量的提升为手段，通过云边端的分布式数据协同，灵活、高效地为云边端AI模型训练提供数据，通过AI算法等提升数据的认知能力并创造新价值，同时借助隐私计算等关键技术对外提供安全可控的数据能力，以保障自下而上的数据服务自生长。

数据泛在化

网络的基本功能正在从信息传递的管道向数据管控的平台转变。传统网络架构围绕业务为中心设计，数据跟随业务形成数据孤岛。同时集中的算力和存储资源的部署，数据往往被集中到中心节点或中心云进行处理。随着算力和存储资源的成本降低，以及大量低时延业务和局域应用的出现，算力和存储，以及依赖于两者的算法趋向于在靠近数据源的网络边缘部署，从而形成以数据为中心设计的网络。同时由于通信感知融合，终端和传感器无处不在，网络自身也成为海量数据的生产者，在借助数据驱动的智能应用提升网络性能和网络运行效率的同时，也为不同智能应用提供不同层面的服务，如可信数据服务、网络AI服务等。持续产生数据，在物理空间分布上无

处不在，数据量的增长也前所未有。据IDC的预测，到2025年，全球将有557亿连接设备，其

中75%为IoT设备，到2025年它们将产生73.1ZB。随着智能连接设备的普及，连接智能场景将产生和消费大量的数据，如一辆自动驾驶车辆，其配置的各类车载传感器，包括摄像头、激光雷达、声纳、雷达、GPS等，每天产生约4TB数据。据statista预测，到2025年全球产生和消费的数据总量将达到181ZB。而据华为预测，到2030年全球每年产生的数据总量将达到1YB，相比2020年增长23倍。如果考虑6G网络AI，以及内生感知等网络能力，目前的对数量总量的预测还是相对保守的。

Datavolumeinzetabytes

200

150

100

50

0

图1全球产生和消费的数据总量-数据来源（statista2021）

数据协作化

数据反映事物的本质，数据的收集、分析和应用往往需要不同数据集之间的协同，单一或孤立的数据集往往无法反映内在规律或隐含的模式。一些大规模问题甚至是全球性困难问题必须通

过数据协作完成。6G网络内生AI作为下一代无线网络提供多样化智能应用的使能，需要在区域、跨域、整网范围大量的数据协作、共享和处理。在6G时代，海量终端将产生大量且多样的数据，但这些数据往往分布在不同的终端、网络设备上，仅具有局部视野；如果将这些数据集中起来，

将带来隐私和安全风险，并会产生数据传输成本，因此，这些散落在各地的“小数据”需要以协同的方式，实现全局感知，具备和“大数据”同样的价值。

随着算力的泛在化，分布式计算和机器学习日渐普及，同时基于隐私保护或法律法规的要求，分布式训练的参与者需要保护本地数据的隐私，因此需要在协作的同时保障数据安全与隐私。从

数据的视角看，联邦学习的本质就是一种数据协作，其参与者基于本地数据集训练得到局部模型，然后将局部模型传递给模型聚合或其他参与者，共同完成全局模型的训练。

数据知识化

当前数据驱动的机器学习模型和算法，主要着眼于为某个特定问题提供一种高效算法，所用的各类学习模型依赖于