6G网络AI关键指标需求.pdfVIP

刖百

1.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、自动驾驶智能协同控制

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

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、极致性能、

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（SLA）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AI,提供基础设施即服务（laaS）、平台即服务（PaaS）、软件即服务（SaaS）

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

标，也不再符合6G网络AI赋能千行百业的愿景。6G网络引入多样化AI能力与多维度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AI服务的必要

条件。

2.关键指标设计原则方法

网络AI的KPI设计原则如下：

定■性：KPI尽可能是可以度量的，具体而清晰，能够通过数据来验证。并且KPI应该

具有明确的指标测量方法，以便能够收集分析相关数据，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应该能够为网络决策、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。因此，KPI应该符合实际可操作测量可改进优化的指标，而不仅

仅是简单地度量性能。

灵活性：面临业务技术不断更新的变化，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适应性，以应对不断变化的需求和挑战。

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

析。这需要建立有效的数据收集和记录机制，以便跟踪KPI的变化。

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、

延、可靠性、定位精度、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场景网络辅助智能机器人

3.1.