6G网络AI关键指标需求.pdfVIP

刖百

I.背景及目标

6G网络的发展带来了不断丰富的用户场景，如沉浸式XR、自动驾驶和智协同控制

等，网络AI应运而生。网络AI通过AI算法优化网络资源配置，提高网络性和可靠性，

为用户提供就近泛在的AI服务，具有泛在普惠、移动性支持、带有用户属性、极致性、

内生安全隐私、可信等技术优势。

现有的5G网络服务等级协议S（LA）聚焦于面向会话连接的服务，例如时延、抖动、

误码率、峰值速率等，关注ToB业务的SLA,缺乏对6G网络AI的刻画与衡量。此外，云

AI属于外挂式A1,提供基础设施即服务（laaS）、平台即服务P（aaS）、软件即服务S（aaS）

三类服务模式，对应不同的服务指标体系，不相互兼容。云AI重点关注ToC业务的指标,

也不再符合6G网络AI赋千行百业的愿景。6G网络引入多样化AI力与多维度AI资源，

如何先扩展后收敛、量化、标准化AI相关的指标是6G网络提供高效A【服务的必要条件。

2.关键指标设计原则和方法

网络AI的KPI设计原则如下：

定量性：KPI尽可是可以度量的，具体而清晰，够通过数据来验证。并且KPI应该

具有明确的指标和测量方法，以便够收集和分析相关数据，并对其进行评估。

业务相关性：KPI应该与AI业务目标密切相关，并直接反映出AI服务对业务的影响。

这有助于确保AI服务的价值与业务目标保持一致。

可操作性：KPI应该够为网络决策、执行、评估、保障提供指导，帮助网络检测识别问

题并采取相应的措施。因比，KPI应该符合实际可操作测量和可改进优化的指标，而不仅仅

是简单地度量性能。

灵活性：面临业务和技术不断更新的化，KPI可能存在频繁调整的问题。因此，KPI

的设计应该具有一定的灵活性和适应性，以应对不断化的需求和挑战。

可定位性：KPI的化应该能够追溯到特定的原因或事件，以便在需要时进行调查和分

析。这需要建立有效的数据收集和记录机制，以便跟踪KPI的化。

基于上述关键指标的设计原则，潜在设计方法和路线如下：

1.6G网络AI关键指标的潜在设计从典型场景的典型用例的出发，明确其需求和目的。

2.明确不同6G网络指标的面向对象，包括面向单个用户的服务质量、面多个用户的服务

质量、面向网络或系统的评估。

3.通过分析现有ITU明确提出的6G的15个可量化的能力指标连（接数密度、移动性、

时延、可靠性、片位精度、峰值速率、用户体验速率、频谱效率、区域流量密度、感

知相关指标、AI相关指标、安全隐私韧性性能指标、可持续性性能指标、覆盖、互操

作）与典型场景的典型用例的关系，从15个指标中先筛选出符合Ai服务需求和目的

的指标形成合集，并且分析每个指标能满足服务质量的定量描述，包括准确数值或者

一定范围的数值。

4.针对典型用例逐个分析，筛选出除15指标以外新的指标。新的指标可以针在不同颗粒

度上的、不同维度的指标，例如针对在空口上、在整个AI服务质量上等，并研究起定

义、评估方法等。

3.典型场景及新KPI

3.1场景一——网络辅助智能机器人

3.1.1场景说明及型用例

机器人在工业、物流、医疗、教育等领域中有广泛应用，它们可以互相协作完成复杂任务，

如搬运货物、制造商品等。办作机器人之间的任务规划对它们完成任务的效率和质量有重要影响。

如果机器人各自