3《6G网络内生AI网络架构十问》.docxVIP

PAGE

PAGE6

前言

人工智能（ArtificialIntelligence）在最近十年发展迅猛，在挖掘大数据样本的非线性规律，与

环境交互的在线精准决策等领域快速超越了以人工为主的专家经验（HumanIntelligence）模式，在计算机视觉、自然语言处理、机器人控制等领域取得了巨大的成功。一方面由于以深度学习、强化学习等为代表的人工智能算法能力的突破；另一方面以GPU为代表的人工智能算力成本的快速下降和普及，在未来的十年的市场占有率有可能会超越CPU，也加速了这一趋势。

随着ICT（InformationandCommunicationsTechnology）技术的不断融合，网络正朝向深度IT化方向发展。在5G网络的演进过程中，AI技术开始应用在无线网络信道估计，基站节能减排[1]和网络运维等领域。应用方式主要还是以云端智能为主，在云端汇聚大量的数据，利用集中的算力对数据进行预处理，AI模型训练和验证等。但是在网络中传输大量的原始数据，一方面对传输带宽压力大，另一方面对于数据隐私保护也会带来很大的挑战。3GPP定义了NWDAF支持网络数据的收集和处理，有利于在网络架构中引入AI相关的功能。然而当前的网络和AI技术的结合仍处于初级阶段。AI叠加在网络之上，AI在网络中发挥的作用散落在网络不同的功能点，其主要目标是利用AI提升网络的性能，运营和价值。

未来6G网络的作用之一是基于无处不在的大数据，将AI的能力赋予各个领域的应用，创造一个“智能泛在”的世界。6G应在5G基础上全面支持整个世界的数字化，网络要助力千行百业的数智化转型，需要满足和提供相比云端智能实时性更高，综合能耗和安全隐私更优的智能化服务[2]。同时，网络运营维护也需要从局部的智能化运维向高水平的网络自治演进。这些都迫切要求网络与AI技术更紧密的结合，将AI能力通过网络架构的革新深度内化到网络中。为此，6G网络提出了“智慧内生”的基本特征构想，即6G网络将在设计之初就考虑与人工智能技术融合的理念，将AI和大数据的应用融入网络的基因当中，形成一个端到端的体系架构，根据不同的应用场景需求，按需提供AI能力和服务。

通过在6G网络架构的设计中充分考虑AI的算法，算力和数据以及网络连接等诸多要素，6G将成为融合连接和算力的新型基础设施，从而极大提高AI资源的使用效率并使AIaaS（AIasaService）成为可能，AI能力在网络中无处不在、无孔不入，并像人体的大脑和神经网络一样，以分布式或集中的方式随时随地按需提供给网络自身及第三方，实现智慧的泛在可得、全面赋能万事万物。

概述

6GANATG2是6GANA下负责研究基础网络架构的工作组，其将识别6G网络内生AI的基本技

术特征，研究其对6G网络架构的影响，对标准化的影响，构建6G网络内生AI整体框架，定义基础架构，并对涉及的关键使能技术进行探讨。面向该目标，TG2成员单位经过全面收集和充分探讨，凝练出现阶段业界广泛关注的、对6G网络架构存在潜在影响的十大核心技术问题。针对每项问题，从特征内涵、必要性、可行性、对网络架构的影响等四个方面展开分析，研究该问题所示技术特征是否6G网络内生AI架构所需，并给出了TG2的观点和建议。这十个问题分别是：

一、

为什么需要AI用例自生成？

二、

为什么需要QoAIS？

三、

如何支持AI生命周期管理？

四、

是否以任务为中心？

五、

如何支持算网融合？

六、

为什么需要自生长的数据服务？

七、

为什么需要自生长和可信的算法？

八、

如何理解分布式AI架构？

九、

分布式AI架构中不同节点如何协同？

十、

可以对外开放哪些AI能力？

十个问题间的逻辑关系如下图所示：

问题一

需求导入

问题二、三质量评估保

问题二、三

质量评估保障

问题四

问题五问题六

网络执行

对外能力

开放

算力 数据 算法 连接

AI工作流1

AI工作流3

问题八

问题九

问题七

底层资源

计算 存储 通信

分布式

AI边脑

AI工作流2 AI工作流4

问题十

承接TG1对需求和应用场景的研究，面向不同行业和场景对6G网络内生AI千差万别的需求，

TG2提出的第一个问题即是：如何去表达和导入用户对6G网络AI服务的需求？AI用例（需求表达

形式）的自生成（一种导入方式）为什么会成为6G网络支持的技术特征？

进一步地，在服务需求的基础上，如何去分析和映射到网络可以理解的AI服务的质量需求？针对这一问题，TG2