6G原生AI架构和技术白皮书（英）

6克 本地的 人工智能 体系结构 和技术 白色 纸（2022）中国 移动 研究 研究所（CMRI） 内容1 前言 ..........................................................12 开车 部队 ....................................................22.1 挑战 的 5克 聪明的 网络 ............................ 22.2 新 场景 的 6克 无处不在的 情报 .......................33 定义 和 范围 ...............................................43.1 定义 的 6克 本地的 人工智能 .....................................43.2 范围 的 6克 本地的 人工智能 ........................................ 44 新 的想法 ........................................................ 54.1 质量 的 人工智能 服务 (QoAIS) .................................. 54.2 人工智能 生命周期 编制 管理 ........................... 94.3 深 集成 的 人工智能 计算 和 沟通 .............. 105 新 体系结构 ................................................ 125.1 数据 飞机 .................................................145.2 聪明的 飞机 ................................................165.3 扩展 控制 和 用户 飞机 ...............................186 新 技术 ................................................ 206.1 人工智能 模型 选择 和 整合 .............................. 206.2 人工智能 模型 培训 与 终端 和 网络 协作 .......... 226.3 人工智能 模型 推理 与 终端 和 网络 协作 ......... 246.4 人工智能 性能 pre-validation 基于 在 数字 双胞胎 ................267 总结 和 前景 ............................................ 27缩写 .......................................................30作者 ............................................................30参考 .......................................................... 31 中国 移动6克 本地的 人工智能 体系结构 和 技术 白色 纸1 前言人工 情报 (AI) 有 发达 迅速 在 的 过去的 十年, 哪一个 有 超过了 的人类 情报 在 建模 的 非线性 法律 的 大 数据 样品 和 在线 准确的决策 在 交互 与 的 环境中, 和 有 实现 伟大的 成功 在 的 字段的 电脑 愿景, 自然 语言 处理, 和 机器人 控制。 的 原因 为 的 快速发展 的 人工智能 是, 在 一个 的手, 的 突破 的 人工 情报 算法代表 通过 深 学习 和 强化 学习; 在 的 其他 的手, 的 快速 下降 在的 成本 和 推广 的 人工 情报 计算 权力 代表 通过 gpu。自 5克, 人工智能 有 逐渐 被 广泛 使用 在 移动 沟通 网络, 这样的 作为网络 配置 优化 在 的 网络 管理 的水平, 资源 调度优化 在 的 网络 元素 的水平, 和 甚至 的 物理 层 的 的 空气 接口。 在另外, 在那里 是 也 更多的 和 更多的 人工智能 应用程序 在 的 终端 的一面。 对 的 未来,6克 网络 需要 来 促进 的 数字化 和 智能化 的 成千上万的人 的 行业,和 它 需要 来 提供 聪明的 服务 与 少 延迟 和 更好的 性能 比 云情报。 为 运营商, 网络 操作 成本 需要 来 是 极大地 减少, 和 网络操作 和 维护 需要 来 进化 从 当地的 聪明的 场景 来 高层 网络自主权。在 现在, 人工智能 应用程序 是 主要是 基于 在 集中 云 资源。 云 服务器总 大 量 的 数据, 利用 集中 计算 权力 来 进行预处理 他们, 和 火车和 验证 人工智能 模型。 然而, 传输 一个 大 量 的 生 数据 在 的 网络 将 不只有 把 巨大的 压力 在 网络 传输 带宽 和 性能 指标 (作为 延迟), 但 也 带 伟大的 挑战 来 数据 隐私 保护。 除此之外, 由于 来 的 缺乏 的计算 权力, 算法 和 数据, 在那里 是 仍然 多 房间 为 改进 在 的 聪明的应用程序 在 的 终端 的一面。在 的 脸 的 的 以上 的挑战, 它 是 必要的 来 介绍 本地的 人工智能 功能 成 的网络, 放弃 的 打补丁的 模式 的 人工智能 应用程序, 和 意识到 的 深 集成 的沟通 连接, 计算, 数据 和 人工智能 模型 在 的 网络 体系结构 的水平,在哪里 的 分布式 计算 权力 和 数据 在 的 网络 是 完全 利用 为 的协调 机制 之间的 多个 节点 和 之间的 终端 和 的 网络, 和实现 的 的 集成 的 分布式 和 集中 处理。 在 这 道路 不 只有 数据隐私 可以 是 保护, 的 效率 的 数据 处理, 的 及时性 的 决策 和推理, 和 利用 效率 的 网络 节点 可以 也 是 改善。 这 白色 纸 第一个介绍了 的 开车 部队 和 应用程序 场景 的 本地的 情报。 的 需求 为本地的 人工智能 支持 通过 6克 网络 是 派生的 从 的 当前的 状态 的 聪明的 网络应用程序, 的 需求 在 高层 网络 的自主权, 无处不在的 情报, 高价值 网络 服务, 极端的 服务 的经验, 和 网络 安全 和 可信赖性。 然后,的 纸 阐述了 在 的 定义 和 范围 的 本地的 人工智能, 和 提出了 的 深 集成 的人工智能 计算 权力, 数据, 算法 和 网络 连接。 除此之外, 的 新 概念 的 6克本地的 人工智能 是 介绍了 包括 人工智能 服务 质量 (QoAIS), 编制 的 人工智能 工作流 的它的 完整的 生活 周期, 计算 和 沟通 集成, 和 集成 的 本地的 人工智能 和1 中国 移动6克 本地的 人工智能 体系结构 和 技术 白色 纸数字 双胞胎。 的 新 体系结构 驱动 通过 本地的 人工智能 是 提出了 和 描述 在 细节,包括 数据 飞机, 聪明的 飞机 和 扩展 控制 飞机 和 用户 飞机, 和 新 技术是 介绍了 包括 人工智能 模型 编制, 分布式 模型 培训, 分布式 模型推断, pre-validation 和 优化 的 数字 双胞胎。 最后, 的 未来 研究 方向是 进行了展望。2 开车 部队的 应用程序 的 人工 情报 技术 在 5克 网络 有 提升 的聪明的 发展 的 移动 沟通 网络 和 垂直 行业, 但 的应用程序 模式 的 打补丁 和 插件 阻碍了 的 有效性 的 人工智能 应用程序。 在 的 相同时间, 的 应用程序 和 探索 的 人工 情报 在 所有 走 的 生活 有 把 向前需求 为 新 基本 功能 的 未来 网络。 来 意识到 的 愿景 的 无处不在的情报, 6克 网络 需要 来 构建 本地的 人工智能 功能。2.1 挑战 的 5克 聪明的 网络在 的 5克 时代 聪明的 网络 实践 需要 的 集成 的 人工智能 技术 与的 硬件, 软件 系统中, 和 流程 的 5克 沟通 网络, 和 人工智能 是 使用 来帮助 沟通 网络 意识到 聪明的 规划、 建设, 维护 和优化, 所以 作为 来 改善 质量 和 效率 和 减少 成本。 的 利用 的 人工智能促进 的 技术 和 系统的 转换 的 的 网络 本身, 使 敏捷业务 创新, 和 促进 的 建设 的 聪明的 网络, 包括 云网络 设备 情报, 网络 操作 情报, 和 网络 服务 情报。在 5克 网络, 人工智能 是 主要是 使用 为 优化 的 沟通 连接 和 服务流程。 虽然 的 服务 云 有 被 介绍, 网络 和 云 是 松散 耦合自 的 5克 架构, 协议 功能 和 流程 有 被 最终确定, 和 只有增量 迭代 可以 是 使 来 的 现有的 体系结构 解决方案. .的 挑战 的 5克 聪明的 网络 实践 基于 在 patched-on 和 插件 人工智能 是 作为如下:- 的 缺乏 的 一个 统一 框架 领导 来 的 缺乏 的 有效的 验证 和 保证方法 为 人工智能 的性能。 的 验证 的 人工智能 应用程序 影响 是 进行 出后 的 事实上, 所以 的 整体 端到端 过程 是 长 和 复杂的, 和 的中间 过程 一般 需要 一个 很多 的 人类 干预。 的 相对 大影响 在 的 网络 使 它 困难 来 很快 促进 人工智能 在 的 过程 的应用 它 来 的 现有的 网络。- 的 插件 模式 是 困难 来 实现 一个 完全 自动 闭环 的 pre-validation,在线 评价 和 优化。 人工智能 模型 培训 通常 需要 的 准备的 一个 大 量 的 培训 数据。 在 的 插件 模式, 它 是 困难 来 收集 和 标签数据 在 的 现有的 网络 在 一个 集中 的方式, 和 的 传输 和 存储2 中国 移动6克 本地的 人工智能 体系结构 和 技术 白色 纸开销 是 也 大, 结果 在 一个 长 迭代 周期 的 的 人工智能 模型中, 高 培训开销, 慢 收敛, 和 可怜的 模型 泛化。- 在 的 插件 模式, 计算 权力, 数据, 模型 和 网络 连接 属于 来不同的 技术 系统中, 和 没有 标准化 接口 和 交互 规则 是定义 之间的 他们。 跨系统 协作 是 进行 出 在 的 管理飞机, 领先的 来 额外的 延迟 的 秒 和 甚至 分钟 和 的 无担保质量 的 服务。2.2 新 场景 的 6克 无处不在的 情报本地的 人工智能 是指 来 的 网络 支持 人工智能 通过 本地的 设计 模式 在 的建筑 的水平, 而 比 patched-on 或 插件 模式。 的 开车 部队 的 的 本地的设计 模式 是 作为 如下:- 的 网络 提供了 无处不在的 人工智能 服务: 来 意识到 的 愿景 的 无处不在的情报, 的 6克 网络 需要 来 帮助 的 数字化 和 intelligentation 的成千上万的人 的 行业 和 意识到 的 随需应变 供应 的 聪明的 功能 "在任何时间, 在任何地方 ". 相比 与 云 服务 供应商, 6克 网络 需要 来提供 聪明的 能力 服务 与 更高的 实时 性能 和 更好的性能 和 在 的 相同 时间 提供 联邦 情报 之间的 行业 来意识到 跨域 聪明的 集成 和 共享。 在 的 其他 的手, 由于 来 的