6G网络原生人工智能技术需求白皮书

6G原生AI技术需求白皮书总结

1. 引言

原生AI被视为未来6G移动系统的核心架构特征，其科学概念、范式/模式、算法/模型以及方法/手段需要更紧密和深入地嵌入到新6G移动系统的架构、NE和功能流程中。新6G移动系统需利用其作为强大且无处不在的电信基础设施平台的优势，进一步彰显AI的性能/效果增益和效益，并全面帮助实现6G时代的万物智能连接、服务与任务的智能关联以及包容性智能愿景。

2. AI与5G移动系统融合应用现状

2.1 AI在5G中的应用现状（AI4NET）

AI、ML和DL已被初步应用于5GS的多个层级和业务领域，例如：

• 智能平台简化5GS运维，优化服务场景识别、网络异常检测、故障根源分析等功能，提升节能效果。
• 智能模块优化网络策略和资源部署，提高参数设置准确性。
• 智能信道状态信息（CSI）压缩，提供资源开销反馈。
• 智能调制和编码，提升空中接口资源利用率。
• 智能识别和预测网络流量分布、用户轨迹和行为，提升用户体验。 AI4NET在系统性、全面性、全局性和可解释性方面仍需提升，AI能力可扩展性、迭代增强和AI模型泛化能力受限，且AI资源和能力（涵盖AI计算力、算法和数据）未完全开放或服务化。

2.2 5G对AI的支持现状（NET4AI）

5GS主要作为数据传输管道，通过本地化或集中式云AI服务模式（如Amazon AWS、Microsoft Azure、Google Cloud和阿里云）为终端用户提供AI应用（如语音、图像、视频和数据的识别、分类和处理）。3GPP Release 16定义了NWDAF，实现网络内部智能化应用，减少对传统云AI的依赖。NET4AI智能应用对网络连接性能指标（如传输时延、吞吐量）有明确要求，但上层AI应用与下层网络管道之间缺乏跨层深度融合或协作，网络资源（通信、感知和计算）未充分开放和利用。

2.3 5G网络AI现状

3GPP、ITU-T、ETSI和TMF等标准化组织和论坛在5G网络AI探索方面取得进展：

• 3GPP：Release 16引入NWDAF，Release 17增强NWDAF架构和功能，支持集中式、分布式和混合部署，可进一步分解为MTLF和AnLF，支持从UE收集数据，分析切片负载、离散分布的数据/信令、WLAN性能、用户面性能等。
• ITU-T：成立FG ML5G，研究AI用例、架构框架、智能级别、数据处理、ML功能编排器、服务框架等，提出面向ML生命周期的多域、多云、多级ML工作流概念。
• ETSI：ENI ISG定义AI引擎，为网络运维、服务编排和网络保障等应用提供智能服务，支持意图驱动网络。
• TMF：开展AI与数据分析（AI & DA）项目，关注架构、用例、AI术语、数据处理和AI训练。

2.4 AI与5G移动系统集成挑战

• 数据来源有限：NWDAF主要收集和分析5GC NE接收的数据，未充分考虑无线基础设施、环境、设备和各种传感器数据。
• 传输带宽消耗：收集AI数据消耗大量传输带宽资源，若数据源远离NWDAF，数据更新可能存在延迟。
• 数据隐私保护不足：NWDAF集中式收集和分析数据，数据源通常来自同一服务域，架构设计未充分考虑数据隐私保护，可能泄露用户隐私。
• 缺乏对外部AI服务的支持：NWDAF作为5GC内部功能，主要用于增强和优化5GS，外部AI应用无法直接受益。
• 基础设施利用率不足：5G关键功能（如网络切片、URLLC和mMTC）设计满足垂直行业对性能、功能和运营的要求，但未在架构设计中考虑对原生AI（数据治理和服务、分布式架构等）的支持，网络中低利用率或闲置的各种资源未被充分利用。
• 缺乏数据治理和服务：支持6G原生AI需要系统设计AI数据治理和服务架构，5GS设计未考虑此方面。

3. 新6G移动系统原生AI机制

3.1 原生AI的必要性分析

• 现有AI用例研发缺乏统一系统框架，AI模型缺乏预验证效果和QoS保障，无法实现高级网络自主。
• 原生AI需提供原生AI能力和服务，支持各垂直行业智能数字化转型，探索新的智能商业模式，提供新的6G场景和能力。
• 6G原生AI需提供分布式和区域计算资源、平台和服务，灵活按需提供智能能力，实现数据驱动计算，提供更高时效性、隐私性和性能的智能能力和服务。

3.2 原生AI的可行性分析

• 计算力：网络边缘部署计算能力和资源已成为5G时代趋势，6G时代数据连接和计算可能进一步融合，形成集成连接和计算的混合基础设施。
• 算法：网络边缘集成算法/模型和智能能力，实现无论数据和任务在哪里都能智能处理，为集中式云AI数据处理提供有效替代方案。
• 数据：6G网络将自身成为巨大的无线传感器网络，能够主动生成和处理海量异构数据，为集成6G原生AI设计提供数据服务基础。

3.3 原生AI的增益分析

• 强化AI资源（计算力、算法和数据）与新6G移动系统的耦合，提升资源集成和复用率、利用效率和综合性能，提供更具成本效益的服务应用。
• AI资源更广泛、均衡、灵活地分布在新6G移动系统的无处不在的基础设施平台上，更接近数据源、任务源和终端用户，更适应空中接口动态条件，便于快速、精确的闭环优化和实时策略调整及趋势预测。
• 分布式AI机器训练模式更有利于用户数据隐私保护、数据和计算任务平衡、网络/子网络本地安全和自主性提升。
• 原生AI可能依靠新6G移动系统的专用逻辑功能（如数据面和智能面）进行更高效、灵活和鲁棒的数据传输和共享，降低AI数据传输延迟、传输资源消耗和系统能耗。
• 6G原生AI技术的进一步标准化可促进通信+计算+智能设备、功能模块和AI任务流程中ODICT供应商之间的互联互通和协作，甚至重构未来的业务形式和模型，构建更广泛、更安全、更可信的AI资源能力服务平台。

3.4 新特征和新范式分析

• 新6G移动系统将面临技术挑战以实现原生AI，包括高度差异化的AI服务质量（QoAIS）要求、有限的通信和计算资源、缺乏模拟AI训练和验证环境、垂直行业需求、未来网络自主性需求、通用终端用户需求等。
• 新技术范式特征：E2E QoAIS生命周期编排和管理、基于原生AI的通信和计算深度融合、原生AI与数字孪生的集成。

4. 新6G移动系统原生AI技术要求

4.1 能力要求

• 计算力：
  • 计算资源发现：及时发现和注册多级异构计算资源，支持实时数据感知、处理、控制和执行等基本功能。
  • 计算要求感知：智能化感知计算服务需求信息，从简单数据感知、收集和表示转向计算服务需求信息的提取和分析。
  • 统一计算力测量：将计算能力分为逻辑计算能力、并行计算能力和神经网络计算能力，提供统一维度量化方法。
  • 按需计算资源调度：实现广泛计算服务感知和管理，动态灵活调度计算资源，支持云-边-端协同调度。
  • 计算力开放和交易：支持任何节点贡献闲置计算力，定义合理机制管理无处不在的计算资源并开放资源交易。
• 算法：
  • AI算法指标要求：定义标准化描述和指标描述，提供量化范围。
  • AI模型训练要求：支持离线训练、在线训练、联邦训练等模式，优化匹配实时资源状态。
  • AI模型描述和交互要求：定义AI算法/模型描述语言，确保所有AI算法/模型可交互和执行。
  • AI算法进化要求：支持参数级（性能自优化）或模型架构/结构级（架构自生长）的进化。
• 数据：
  • 数据收集能力：高效安全收集基础设施资源信息、BSS客户和合作伙伴信息、行业通信系统行业信息、终端用户和环境信息。
  • 数据分析能力：利用数据挖掘和ML方法分析提取海量数据，提供客户所需数据服务。
  • 数据隐私和安全保护能力：数据匿名化处理，实现合法合规，支持差分隐私、同态加密和多方安全等技术。
  • 数据存储能力：数据存储将从核心到边缘转变，分布式存储在云、边缘和设备节点，支持非结构化、半结构化和结构化数据存储架构。
  • 数据暴露能力：将聚合内部和外部数据封装为标准化数据服务，开放给6G原生AI网络和外部第三方用户。
• 其他要求：
  • 安全：支持实时感知、分析、推断和预测各种潜在威胁和风险，实现全面自主免疫、主动防御和多节点协同安全防御策略。
  • 能耗：持续提升能效，降低新6G移动系统功耗，支持“双碳”战略。

4.2 服务要求

• 计算服务：
  • 提供计算、数据和服务所需计算服务，支持开放和共享计算能力和AI服务。
  • 支持按需、灵活调度和利用计算力，合理分配计算服务。
  • 提供延迟敏感服务（如VR和AR）、能耗敏感服务（如应急救援和智能可穿戴设备）、隐私敏感服务（如包容性金融和数据孤岛）、服务体验敏感任务（如VR、AR和感官互联）。
• 算法服务：
  • 提供标准化描述和存储AI算法/模型，支持关键词搜索等标准化格式接口。
  • AI算法/模型需分类和索引，支持单算法部署和堆叠模式部署，支持算法定制。
  • AI算法/模型需严格认证，涉及测试、验证和性能确认，认证结果信息包含在算法描述文件中。
  • 提供AI算法训练服务，基于新6G系统分配的特定资源进行。
  • 提供AI算法重用服务，降低成本和开销。
  • 提供AI算法测试服务，基于特定资源进行，测试指标包括准确性和召回率。
  • 提供AI算法推断服务，通过标准化服务接口为认证用户提供新数据推断和决策。
• 数据服务：
  • 支持独立数据面功能，构建架构层数据服务框架，建立支持原生AI的知识图谱。
  • 提供AI数据（源样本、数据集、特征集、模型文件、评估效果等）和数据服务项。
  • 支持AI数据按需服务，包括AI数据（源样本、数据集、特征集、模型文件、评估效果等）和数据服务项。
• 其他服务：
  • 提供6G原生AI系统提供的AI业务和服务质量（QoAIS）评估和保障系统，准确判断、测量和保障AI业务和服务质量。
  • 建立AI作为服务（AIaaS）的能力服务系统，支持各种智能应用场景。
  • 提供联邦学习机制，支持单行业内和跨行业联邦学习，建立跨行业数据、知识和经验共享的外部服务系统。

4.3 架构要求

• 计算架构：
  • 新6G网络为云-边-端多层计算和网络集成系统，计算、通信、控制和存储更好集成。
  • 计算资源在各级网络中系统化管理，有效调度，可独立调度或与通信资源联合调度，满足用户服务/应用对计算和通信性能的不同需求。
  • 云-边-端协同：分布式协作方式收集、处理和治理数据。
• 算法架构：
  • AI算法架构需考虑通信网络特征对AI算法和算法架构的要求，实现网络AI系统。
  • 需求：稳定性、实时管理控制、安全隐私保护、混合分层设计、网络内计算、模型和数据分布、模型交换、模型和数据驱动、异构数据、通信效率、可扩展和自进化。
• 数据架构：
  • AI/ML相关数据管理功能作为基本控制功能，与移动性管理和会话/任务管理同等重要。
  • 逻辑架构包括数据暴露功能（DEF）、数据收集功能（DCF）、数据分析功能（DAF，含MTLF和AnLF）、数据存储功能（DSF）、数据安全管理功能（DSMF）、数据资源编排功能（DROF）。
  • 数据类型包括AI分析和推断输入数据（网络数据、服务数据、设备数据）、AI/ML模型信息、AI分析结果信息。
  • 云-边协同：分布式协作方式收集、处理和治理数据。

5. 技术要求和原则总结

• 6G原生AI涉及计算力、算法和数据在能力、服务和架构方面的技术要求，与云AI系统差异很大。
• 原生AI是普遍的、分布式的、本地的、协作的、鲁棒的、私有的和开放的。
• 6G原生AI需支持QoAIS保障和评估机制，支持新AI商业模式。
• 6G原生AI需支持构建比传统ICT网络更广泛的业务形式，拥有更广泛、更安全、更可信的计算力、算法和数据提供者，以更广泛、更深入、更深刻的方式赋能和服务更多行业客户和用户。