李琴，李唯源，孫曉文，胡玉雙，孫滔

（中國移動通信有限公司研究院，北京 100053）

1 引言

面向6G時代，網(wǎng)絡(luò)將迎來新的應(yīng)用場景和新的性能需求，6G時代將構(gòu)建空天地一體化的網(wǎng)絡(luò)通信系統(tǒng)，實現(xiàn)面向全覆蓋、全場景的泛在網(wǎng)絡(luò)。多樣化的應(yīng)用和通信場景、超異構(gòu)的網(wǎng)絡(luò)連接以及極致性能的服務(wù)需求，都對移動通信網(wǎng)絡(luò)提出了更高的要求。同時隨著人工智能（artificial intelligence，AI）技術(shù)的快速發(fā)展，人們也期待6G網(wǎng)絡(luò)比前幾代網(wǎng)絡(luò)在運作和服務(wù)上都具有更高的智能性。目前，6G在人工智能、空天地一體化等方面已經(jīng)初步形成共識，智能內(nèi)生已經(jīng)成為6G的重要特征之一。

當(dāng)前很多AI/ML（machine learning，機器學(xué)習(xí)）方法已經(jīng)被應(yīng)用到網(wǎng)絡(luò)研究中，但大多數(shù)只是利用機器學(xué)習(xí)算法解決特定的網(wǎng)絡(luò)問題。然而，智能內(nèi)生網(wǎng)絡(luò)應(yīng)該并不是簡單地將AI方法應(yīng)用到具體問題上，而是設(shè)計和構(gòu)建適合于網(wǎng)絡(luò)系統(tǒng)的AI系統(tǒng)，以及該系統(tǒng)相應(yīng)的網(wǎng)絡(luò)架構(gòu)和運行環(huán)境。

2 5G&5G-Advanced網(wǎng)絡(luò)智能化概述

2.1 標(biāo)準(zhǔn)組織進展

（1）3GPP

當(dāng)前移動通信國際標(biāo)準(zhǔn)化組織3GPP在其網(wǎng)絡(luò)架構(gòu)組SA2的標(biāo)準(zhǔn)化研究中，引入網(wǎng)絡(luò)數(shù)據(jù)分析功能（network data analysis function，NWDAF），定義了以NWDAF為核心的5GC智能架構(gòu)。Release 15、Release16 完成了網(wǎng)絡(luò)智能技術(shù)規(guī)范，定義了NWDAF作為網(wǎng)絡(luò)數(shù)據(jù)分析功能從5G核心網(wǎng)網(wǎng)元、應(yīng)用功能（application function，AF）及網(wǎng)管采集數(shù)據(jù)，并基于數(shù)據(jù)進行智能化分析（如網(wǎng)絡(luò)的性能分析、終端的移動性分析、終端的通信模式分析、終端的行為異常檢測、業(yè)務(wù)體驗預(yù)測等），然后向其他網(wǎng)絡(luò)功能（network function，NF）提供數(shù)據(jù)分析結(jié)果信息。Release 17對網(wǎng)絡(luò)智能技術(shù)規(guī)范進行了增強，增加了可選功能實體，包括數(shù)據(jù)采集協(xié)調(diào)功能（data collection coordination function，DCCF）、數(shù)據(jù)存儲功能（analytics data repository function，ADRF）、消息框架適配功能（messaging framework adaptor function，MFAF），擴展了分布式NWDAF框架。如圖1所示，任一NF可以訂閱或請求網(wǎng)絡(luò)分析功能，如果該分析功能還沒被收集到，則DCCF向NWDAF請求分析功能，然后再向NF提供。如果該分析功能已經(jīng)被收集到了，則DCCF可以直接向NF提供分析功能。

圖1 使用數(shù)據(jù)收集協(xié)調(diào)功能的網(wǎng)絡(luò)數(shù)據(jù)分析功能架構(gòu)[1]

3GPP SA5 OAM（Operation Administration and Maintenance）組當(dāng)前已在Release 17完成管理數(shù)據(jù)分析的研究報告，啟動標(biāo)準(zhǔn)制定工作。MDA（Management Data Analytics）可以處理和分析與網(wǎng)絡(luò)和服務(wù)事件以及狀態(tài)相關(guān)的原始數(shù)據(jù)（如性能測量、QoE報告、警報、配置數(shù)據(jù)、網(wǎng)絡(luò)分析數(shù)據(jù)和服務(wù)體驗）并提供分析報告和網(wǎng)絡(luò)操作建議。其可以與人工智能和機器學(xué)習(xí)技術(shù)相結(jié)合，為網(wǎng)絡(luò)服務(wù)管理和編排帶來了智能和自動化。

MDA可以幫助執(zhí)行準(zhǔn)備、調(diào)試、運行以及終止階段的管理任務(wù)，MDAS管理數(shù)據(jù)分析的功能架構(gòu)如圖2所示。例如，MDA可以通過準(zhǔn)備服務(wù)目錄、評估新服務(wù)的網(wǎng)絡(luò)需求和執(zhí)行可行性檢查來支持服務(wù)供應(yīng)。在操作階段，MDA可以識別影響網(wǎng)絡(luò)和服務(wù)性能的問題，并提前發(fā)現(xiàn)可能導(dǎo)致潛在故障和/或性能下降的潛在問題。MDA還可以幫助預(yù)測網(wǎng)絡(luò)和服務(wù)需求，以實現(xiàn)及時的資源供應(yīng)和部署，從而加快網(wǎng)絡(luò)和服務(wù)部署的上市時間。

圖2 管理數(shù)據(jù)分析的功能架構(gòu)[2]

（2）ITU

ITU-T的第13研究組（Study Group13，SG13）主要研究未來網(wǎng)絡(luò)、云計算和可信網(wǎng)絡(luò)架構(gòu)。該研究組于2017年11月成立了未來網(wǎng)絡(luò)機器學(xué)習(xí)（Machine Learning for Future Network，ML5G）焦點組，主要研究未來網(wǎng)絡(luò)的機器學(xué)習(xí)技術(shù)，當(dāng)前已輸出了統(tǒng)一的邏輯架構(gòu)。該架構(gòu)與3GPP SA2定義的NWDAF的數(shù)據(jù)收集、分析、反饋模型類似。2020年12月，SG13成立了網(wǎng)絡(luò)自治焦點組，主要研究未來自治網(wǎng)絡(luò)的相關(guān)技術(shù)規(guī)范，包括對未來網(wǎng)絡(luò)演進的探索、實時響應(yīng)實驗，對未來網(wǎng)絡(luò)環(huán)境的動態(tài)適應(yīng)等相關(guān)技術(shù)和用例。

另外，中國移動在SG13主導(dǎo)成立了包括《面向IMT-2020及未來網(wǎng)絡(luò)的機器學(xué)習(xí)數(shù)據(jù)處理框架標(biāo)準(zhǔn)》《面向IMT-2020和未來網(wǎng)絡(luò)的機器學(xué)習(xí)用例》《AI集成跨域網(wǎng)絡(luò)架構(gòu)》以及《基于AI輔助分析的網(wǎng)絡(luò)切片管理編排》等在內(nèi)的智能化項目。該系列標(biāo)準(zhǔn)的制定，對6G智能內(nèi)生網(wǎng)絡(luò)的研究也起到了指導(dǎo)作用。

（3）ETSI

2017年，歐洲電信標(biāo)準(zhǔn)化協(xié)會（ETSI）成立了業(yè)界首個網(wǎng)絡(luò)智能化標(biāo)準(zhǔn)組——體驗網(wǎng)絡(luò)智能（Experiential Networked Intelligence，ENI），致力于研究基于數(shù)據(jù)驅(qū)動決策和閉環(huán)控制的人工智能網(wǎng)絡(luò)體系架構(gòu)，輔助實現(xiàn)智能化網(wǎng)絡(luò)運維。經(jīng)過4年的工作，ENI 陸續(xù)發(fā)布了用例、需求、術(shù)語、架構(gòu)、智能分級、分級評估方法、基于意圖感知的網(wǎng)絡(luò)自治、數(shù)據(jù)處理機制等多個系列規(guī)范和報告。

2018年，ETSI成立零接觸網(wǎng)絡(luò)和服務(wù)管理工作組（Zero touch network and Service Management，ZSM），其目標(biāo)是實現(xiàn)對端到端網(wǎng)絡(luò)及服務(wù)的自動化管理，包括自動執(zhí)行交付、部署、配置、維護和優(yōu)化流程。目前該小組輸出ZSM 的應(yīng)用案例、需求、端到端切片技術(shù)和閉環(huán)控制實現(xiàn)等。

（4）O-RAN

O-RAN聯(lián)盟于2018年6月份成立，提出了“開放”和“智能”兩大核心愿景。其目標(biāo)是通過引入數(shù)據(jù)分析、機器學(xué)習(xí)等新技術(shù)，以支持更加靈活的組網(wǎng)和更豐富的業(yè)務(wù)，實現(xiàn)開放智能無線網(wǎng)絡(luò)。O-RAN架構(gòu)在無線網(wǎng)CU（centralized unit）/DU（distributed unit）架構(gòu)和功能虛擬化的基礎(chǔ)上，引入了RAN智能控制器（RAN intelligent controller，RIC）功能實體，O-RAN的邏輯架構(gòu)如圖3所示[3]。RIC的核心是利用使能基于意圖/策略的閉環(huán)智能管控，并利用大數(shù)據(jù)分析及人工智能技術(shù)針對無線網(wǎng)絡(luò)環(huán)境感知、預(yù)測并對無線資源的分配進行決策。根據(jù)處理時延的不同，將RIC劃分為非實時無線智能控制器（non-real time RAN intelligence controller，Non-RT RIC）和近實時無線智能控制器（near-real time RAN intelligence controller，Near-RT RIC）。O-RAN聯(lián)盟中工作組2和組3分別針對非實時智能控制器和近實時智能控制器功能、接口標(biāo)準(zhǔn)及軟件框架展開研究。

圖3 O-RAN邏輯架構(gòu)[3]

2.2 5G&5G-Advanced網(wǎng)絡(luò)智能化定義和總體架構(gòu)

基于國內(nèi)外標(biāo)準(zhǔn)及產(chǎn)業(yè)研究現(xiàn)狀，本文總結(jié)了在5G&5G-Advanced網(wǎng)絡(luò)下網(wǎng)絡(luò)智能化的定義。網(wǎng)絡(luò)智能化是以AI為使能技術(shù)，助力網(wǎng)絡(luò)實現(xiàn)智能連接、智能管理和智能服務(wù)。其中，智能連接是指通過在網(wǎng)元及網(wǎng)絡(luò)功能中引入智能，實現(xiàn)網(wǎng)絡(luò)連接的性能最優(yōu)和效益最優(yōu)；智能管理是通過在網(wǎng)絡(luò)的運維運營域引入智能，實現(xiàn)網(wǎng)絡(luò)資源、業(yè)務(wù)、體驗管理的運維效率和用戶體驗最優(yōu)；智能服務(wù)是通過在網(wǎng)絡(luò)的對外服務(wù)中引入智能，實現(xiàn)對行業(yè)用戶和個人用戶服務(wù)的升級。

基于以上定義，提出了面向5G&5G-Advanced的網(wǎng)絡(luò)智能化總體架構(gòu)，如圖4所示。該架構(gòu)面向網(wǎng)絡(luò)接入、傳送、承載、核心四大技術(shù)領(lǐng)域，以智能化平臺為支撐，通過網(wǎng)絡(luò)自身智能、運營運維智能、對外服務(wù)智能實現(xiàn)智能連接、智能管理和智能服務(wù)。

圖4 5G&5G-Advanced網(wǎng)絡(luò)智能化總體架構(gòu)

（1）智能化平臺，包含了支撐AI應(yīng)用的四大核心要素，包括數(shù)據(jù)平臺、訓(xùn)練平臺、推理平臺、AI模型市場。數(shù)據(jù)平臺作為數(shù)據(jù)采集、處理和存儲平臺，從網(wǎng)元、網(wǎng)絡(luò)、網(wǎng)管采集數(shù)據(jù)后，進行數(shù)據(jù)的清洗、關(guān)聯(lián)、標(biāo)注、脫敏等數(shù)據(jù)預(yù)處理，然后將數(shù)據(jù)存儲，并基于安全策略進行開放和共享。訓(xùn)練平臺提供AI模型訓(xùn)練功能，推理平臺提供推理功能。AI模型市場為已訓(xùn)練模型提供存儲和調(diào)用功能。

（2）網(wǎng)絡(luò)自身智能，是在以控制和轉(zhuǎn)發(fā)為核心的網(wǎng)絡(luò)連接功能中引入AI技術(shù)，實現(xiàn)網(wǎng)絡(luò)轉(zhuǎn)發(fā)性能和控制策略的最優(yōu)，實現(xiàn)網(wǎng)絡(luò)成本和業(yè)務(wù)體驗的最佳匹配。網(wǎng)絡(luò)自身智能的典型應(yīng)用場景包括基于預(yù)測的移動性管理、動態(tài)路徑優(yōu)化、QoS保障和優(yōu)化等。

（3）運營運維智能，通過在網(wǎng)絡(luò)運維運營層面引入AI技術(shù)，提升網(wǎng)絡(luò)規(guī)劃、建設(shè)、維護、優(yōu)化、運營的網(wǎng)絡(luò)全生命周期的自動化和智能化的水平。網(wǎng)絡(luò)運維智能的典型應(yīng)用場景包括智能站址及工參規(guī)劃、告警壓縮、故障的根因定位、智能節(jié)能等。

（4）對外服務(wù)智能，是指通過網(wǎng)絡(luò)智能化能力的開放，為個人和第三方應(yīng)用提供智能化服務(wù)能力，賦能垂直行業(yè)應(yīng)用。對外服務(wù)智能的典型應(yīng)用場景包括對車網(wǎng)協(xié)同、業(yè)務(wù)質(zhì)量預(yù)測等。

此外，網(wǎng)絡(luò)自身智能中的各技術(shù)域如接入網(wǎng)、傳送網(wǎng)等，通過感知、分析、決策控制、執(zhí)行，實現(xiàn)本域的閉環(huán)自治，同時網(wǎng)絡(luò)自身智能與運營運維智能之間相互協(xié)同，實現(xiàn)更高層級的閉環(huán)自治。

3 6G網(wǎng)絡(luò)智能內(nèi)生的定義和架構(gòu)特征

3.1 6G智能內(nèi)生的定義

芬蘭奧盧（Oulu）大學(xué)6G旗艦研究計劃（6G Flagship Research Program）2019年9月在6G全球峰會發(fā)布了首個6G白皮書[4]，此后許多頂尖公司、研究機構(gòu)、產(chǎn)業(yè)平臺都發(fā)布了各自的6G網(wǎng)絡(luò)愿景[5-11]，6G在人工智能、空天地一體化等方面已經(jīng)初步形成共識，智能內(nèi)生已經(jīng)成為6G的重要特征之一。

6G智能內(nèi)生的內(nèi)涵和定義作為研究熱點正在持續(xù)討論中，本文在綜合目前國內(nèi)外研究現(xiàn)狀基礎(chǔ)上，嘗試給出6G智能內(nèi)生的定義。6G智能內(nèi)生是指6G網(wǎng)絡(luò)通過原生支持AI，將AI能力作為網(wǎng)絡(luò)的基本服務(wù)，實現(xiàn)AI即服務(wù)（AIaaS），使網(wǎng)絡(luò)能夠自學(xué)習(xí)、自演進，并賦能行業(yè)AI，構(gòu)筑全行業(yè)的泛在智能生態(tài)系統(tǒng)。

智能內(nèi)生從字面意思來看可以分成“智能”和“內(nèi)生”兩個部分。首先，“智能”表示以AI/ML作為核心技術(shù)，用于網(wǎng)絡(luò)自身的感知、分析、最優(yōu)決策，AI技術(shù)因其具有強大的學(xué)習(xí)、分析和決策能力，以及分布式的網(wǎng)絡(luò)AI能力，與終端AI、云AI相互協(xié)作，實現(xiàn)全行業(yè)的智能泛在，體現(xiàn)無處不在的AI理念。其次，“內(nèi)生”意味著“與生俱來”，即在開始設(shè)計6G網(wǎng)絡(luò)時就要支持AI應(yīng)用在網(wǎng)絡(luò)中的無縫運行，這些AI應(yīng)用包括網(wǎng)絡(luò)自身的AI應(yīng)用以及行業(yè)AI應(yīng)用。

3.2 6G網(wǎng)絡(luò)智能內(nèi)生架構(gòu)的特征

本文基于對智能內(nèi)生的定義和分析，提出了6G網(wǎng)絡(luò)智能內(nèi)生架構(gòu)應(yīng)具備的4個特征。

（1）分布式智能

未來20年，智能應(yīng)用將逐漸成為主流，人工智能將在各個行業(yè)廣泛部署，同時，移動設(shè)備將呈指數(shù)級增長，導(dǎo)致計算資源由云端向邊緣端轉(zhuǎn)移[10]，分布式的計算資源使得基于中心云的集中AI平臺向協(xié)作式、分布式的AI平臺轉(zhuǎn)變。這種分布式AI平臺，可使每個參與協(xié)作的智能節(jié)點或設(shè)備之間傳遞的只是參數(shù)或運行結(jié)果，而不是全量原始數(shù)據(jù)。同時，分布式AI平臺可以支撐模型在邊緣設(shè)備之間的交換和協(xié)同，以及跨網(wǎng)絡(luò)之間的聯(lián)合推理[8]。分布式AI突破了集中式智能的運行瓶頸，同時避免了數(shù)據(jù)傳輸?shù)睦速M和低效，解決了數(shù)據(jù)的隱私保護問題，可極大促進AI應(yīng)用在全社會的普及。因此，大規(guī)模的分布式訓(xùn)練、群智式的推理協(xié)同，以及對數(shù)據(jù)的隱私保護促使6G網(wǎng)絡(luò)需要對AI平臺的原生支持和分布式部署，實現(xiàn)在任何位置都能運行AI，助力構(gòu)建新的全行業(yè)智能通信生態(tài)系統(tǒng)。

分布式智能的第二層含義是，6G賦能AI，AI同時也在推動6G的技術(shù)革新。6G 不僅包含5G 涉及的人類社會、信息空間、物理世界（人、機、物）這3個核心元素，還包含本文定義的第四維元素——靈（Genie）。Genie存在于虛擬世界體系，不需要人工參與即可實現(xiàn)通信和決策制定。Genie基于實時采集的大量數(shù)據(jù)和高效機器學(xué)習(xí)技術(shù)，完成用戶意圖的獲取以及決策的制定。Genie 存在于人?機?物全方位融合的基礎(chǔ)之上，可以覆蓋任意物理空間的實體，包含可作為通信與計算節(jié)點的物理實體[12]。文獻[12]中的“靈”就是6G網(wǎng)絡(luò)中分布式智能的體現(xiàn)，作為6G網(wǎng)絡(luò)的第4個核心元素助力6G網(wǎng)絡(luò)，通過無處不在的智能，實現(xiàn)空天地一體化、異構(gòu)大連接場景下，對虛實世界的實時環(huán)境感知和預(yù)測、意圖的分析和決策以及網(wǎng)絡(luò)的自我修復(fù)和優(yōu)化，使6G網(wǎng)絡(luò)成為一個真正有智慧的靈動網(wǎng)絡(luò)。

（2）智算網(wǎng)融合的智能編排和調(diào)度

構(gòu)筑全行業(yè)智能通信生態(tài)系統(tǒng)，需要6G網(wǎng)絡(luò)通過分布式智能平臺以軟件形式提供智能服務(wù)，通過提供支撐智能應(yīng)用運行的基礎(chǔ)硬件計算資源來提供算力服務(wù)，通過提供網(wǎng)絡(luò)連接資源來提供連接服務(wù)，實現(xiàn)智能、算力、連接的融合。智、算、網(wǎng)的融合極大增加了融合服務(wù)管理和調(diào)度的復(fù)雜性，需要綜合服務(wù)的發(fā)現(xiàn)、流程的編排、資源的調(diào)度、性能的測量實現(xiàn)最優(yōu)的調(diào)度和編排。文獻[13]提出了一個網(wǎng)絡(luò)AI服務(wù)解析和編排的解決方案，它將AI服務(wù)映射為一個包含多個AI模型和多個數(shù)據(jù)處理模塊的邏輯AI工作流，通過邏輯編排和封裝對外體現(xiàn)完整的AI訓(xùn)練、推理服務(wù)。6G智能內(nèi)生架構(gòu)中需設(shè)計智算網(wǎng)融合的智能編排和調(diào)度功能，并對融合服務(wù)的服務(wù)保障等級協(xié)議（service level agreement，SLA）進行保障。例如，綜合智能、算力、連接情況，通過事先預(yù)測和規(guī)劃、實時檢測、分析診斷和動態(tài)控制調(diào)整實現(xiàn)編排和調(diào)度的最優(yōu)，提升網(wǎng)絡(luò)綜合服務(wù)能力。

（3）數(shù)據(jù)和知識雙驅(qū)動

近年來，基于數(shù)據(jù)驅(qū)動的AI/ML技術(shù)正蓬勃發(fā)展，特別是以深度學(xué)習(xí)為代表AI技術(shù)掀起了第3次人工智能高潮，在圖像識別、語音識別、自然語言場景取得了很好的效果。通信網(wǎng)絡(luò)中有大量數(shù)據(jù)的優(yōu)勢，同時存在許多無法建模和無法精確求解的感知、預(yù)測、優(yōu)化等場景，而數(shù)據(jù)驅(qū)動的AL/ML技術(shù)[14]其核心優(yōu)勢之一在于它善于從大量數(shù)據(jù)中深入挖掘數(shù)據(jù)的本質(zhì)特征，無須建立固定的規(guī)則。因此，將AL/ML應(yīng)用到6G網(wǎng)絡(luò)中，可以實現(xiàn)精確的感知以及效益和性能的優(yōu)化。大量且動態(tài)的數(shù)據(jù)不僅可以支撐AI/ML模型的訓(xùn)練，同時還可以支持網(wǎng)絡(luò)鏡像模型的構(gòu)建實現(xiàn)模型的驗證和試錯，提升了AI應(yīng)用的可靠性。

但是數(shù)據(jù)驅(qū)動的AI技術(shù)還存在不足，反觀AI技術(shù)的發(fā)展歷程，第一代知識驅(qū)動的AI，利用知識構(gòu)造AI；第二代數(shù)據(jù)驅(qū)動的AI，利用數(shù)據(jù)、算法與算力3個要素構(gòu)造AI。由于第一、二代AI只是從一個側(cè)面模擬人類的智能行為，因此存在各自的局限性。為了建立一個全面反映人類智能的AI，需要建立魯棒與可解釋的AI 理論與方法，發(fā)展安全、可信、可靠與可擴展的AI 技術(shù)，即第三代AI。其發(fā)展的思路是，把第一代的知識驅(qū)動和第二代的數(shù)據(jù)驅(qū)動結(jié)合起來，通過同時利用知識、數(shù)據(jù)、算法和算力4個要素，構(gòu)造更強大的AI[15]。

因此在6G網(wǎng)絡(luò)智能內(nèi)生架構(gòu)的設(shè)計中要充分考慮AI技術(shù)的發(fā)展，數(shù)據(jù)和知識雙驅(qū)動將是6G網(wǎng)絡(luò)智能的重要特征。

（4）自適應(yīng)架構(gòu)

6G面向空天地一體下的多類型終端，需支持包括云XR、全息通信、感官互聯(lián)、智慧交互、通信感知等不同類型且復(fù)雜的業(yè)務(wù)場景。多樣化的目標(biāo)、多變的服務(wù)場景和個性化的用戶需求，要求6G網(wǎng)絡(luò)具有顯著的可塑性[9]。網(wǎng)絡(luò)可通過支持對不同業(yè)務(wù)需求識別和預(yù)測，自動編排和部署各域網(wǎng)絡(luò)功能，生成滿足業(yè)務(wù)需求的端到端服務(wù)流[7]，并支持動態(tài)擴縮容以滿足網(wǎng)絡(luò)超大帶寬、超低時延等不同目標(biāo)，實現(xiàn)網(wǎng)絡(luò)規(guī)模的自適應(yīng)。

傳統(tǒng)的通信系統(tǒng)是面向連接的，最典型的服務(wù)可以在兩個特定的終端之間建立連接，他們的服務(wù)需求是事先確定并且不會變化的。但是，6G網(wǎng)絡(luò)除了提供傳統(tǒng)的固定連接服務(wù)之外，還應(yīng)該提供基于AI的動態(tài)服務(wù)，例如通過為汽車提供QoS預(yù)測服務(wù)來支撐完全的自動駕駛[13]。這種新型服務(wù)可能涉及多終端或設(shè)備之間的連接，服務(wù)需具備自適應(yīng)性，能夠動態(tài)地調(diào)度和編排多維資源以適應(yīng)需求的變化。因此，具備自適應(yīng)性是6G智能內(nèi)生架構(gòu)的重要特征。

4 6G網(wǎng)絡(luò)智能內(nèi)生的潛在關(guān)鍵技術(shù)

4.1 分布式聯(lián)合學(xué)習(xí)

深度學(xué)習(xí)在圖像識別、自然語言處理等領(lǐng)域中的優(yōu)異表現(xiàn)，推動了人工智能的發(fā)展，增大數(shù)據(jù)集以及增大模型參數(shù)量在提高準(zhǔn)確率的同時，也導(dǎo)致了計算量和訓(xùn)練時間的提高。因此，為了加速模型訓(xùn)練，業(yè)界提出了分布式學(xué)習(xí)。當(dāng)前的研究熱點聯(lián)邦學(xué)習(xí)、群體學(xué)習(xí)作為分布式的機器學(xué)習(xí)，使用移動端的分散數(shù)據(jù)進行本地訓(xùn)練，仍能達到高質(zhì)量的訓(xùn)練效果，并保護了數(shù)據(jù)隱私、減少了數(shù)據(jù)傳輸成本，如圖5所示。圖5(a)展示了聯(lián)邦學(xué)習(xí)架構(gòu)，在聯(lián)邦學(xué)習(xí)中，節(jié)點使用本地數(shù)據(jù)集進行模型訓(xùn)練，然后發(fā)送更新的參數(shù)到服務(wù)器，服務(wù)器再將聚合后的參數(shù)更新返回給各節(jié)點[16]。圖5(b)展示了群體學(xué)習(xí)架構(gòu)，它基于區(qū)塊鏈智能合約動態(tài)地加入新節(jié)點，新節(jié)點在進行本地模型訓(xùn)練后，通過swarm網(wǎng)絡(luò)交換模型參數(shù)[17]。

圖5 分布式的機器學(xué)習(xí)

空天地海一體的6G網(wǎng)絡(luò)，人、機、物存在其中，將產(chǎn)生大量且多樣的數(shù)據(jù)，這些數(shù)據(jù)分布在不同的網(wǎng)絡(luò)、系統(tǒng)、網(wǎng)元上，如果將這些數(shù)據(jù)集中起來訓(xùn)練，那么將會產(chǎn)生高昂的傳輸成本并帶來安全隱患，因此，分布式聯(lián)合學(xué)習(xí)將是實現(xiàn)6G網(wǎng)絡(luò)多用戶智能分布協(xié)作的關(guān)鍵技術(shù)。在6G時代，如何設(shè)計分布式學(xué)習(xí)架構(gòu)、優(yōu)化參數(shù)通信方式，將成為影響6G網(wǎng)絡(luò)AI應(yīng)用產(chǎn)出效率的重要因素。

4.2 數(shù)字孿生

數(shù)字孿生技術(shù)可以利用物理實體模型參數(shù)、傳感數(shù)據(jù)、運行歷史數(shù)據(jù)等在虛擬空間中完整映射出一個與物理實體一致的孿生體，并在孿生體中精準(zhǔn)呈現(xiàn)反映物理實體的全生命周期。隨著數(shù)字孿生技術(shù)的成熟，數(shù)字孿生網(wǎng)絡(luò)（DTN）的概念[18]被提出。DTN通過數(shù)字孿生技術(shù)，可生成6G網(wǎng)絡(luò)的數(shù)字孿生網(wǎng)絡(luò)實體，構(gòu)建6G網(wǎng)絡(luò)智能內(nèi)生的數(shù)據(jù)底座，同時物理網(wǎng)絡(luò)實體可以和數(shù)字孿生網(wǎng)絡(luò)實體實時交互映射，實現(xiàn)多種網(wǎng)絡(luò)管理和應(yīng)用的實時閉環(huán)控制，降低網(wǎng)絡(luò)風(fēng)險和運營成本。

針對智能內(nèi)生網(wǎng)絡(luò)，網(wǎng)絡(luò)決策無處不在且策略復(fù)雜多樣，這些策略將分布在網(wǎng)絡(luò)的不同運維管理域和網(wǎng)絡(luò)功能中，針對業(yè)務(wù)運行狀態(tài)的策略修改將“牽一發(fā)而動全身”。利用數(shù)字孿生技術(shù)，網(wǎng)絡(luò)運維及業(yè)務(wù)運行的不同策略可以在與物理網(wǎng)絡(luò)相同的孿生環(huán)境中進行初步驗證和協(xié)同，確保得到最優(yōu)策略。與此同時，DTN可基于實時的輸入數(shù)據(jù)對網(wǎng)絡(luò)配置等參數(shù)進行動態(tài)調(diào)整，提高網(wǎng)絡(luò)的穩(wěn)定性和可靠性。

4.3 AutoML

深度學(xué)習(xí)具有強大的學(xué)習(xí)能力，但學(xué)習(xí)過程需要大量的人工參與，AutoML（自動機器學(xué)習(xí)）作為深度學(xué)習(xí)領(lǐng)域目前最具潛力的方向之一，可以自動化地學(xué)習(xí)到合適的參數(shù)和配置，提供一站式的數(shù)據(jù)處理、模型訓(xùn)練和服務(wù)部署而無須人工干預(yù)。盡管AutoML仍面臨很多挑戰(zhàn)，例如計算量需求非常大，但它通過迭代自學(xué)習(xí)的方式，使得機器能夠自己控制自己，這種自我調(diào)整的能力為智能內(nèi)生的6G網(wǎng)絡(luò)自學(xué)習(xí)、自演進提供了有力的技術(shù)支撐。一方面，面對6G網(wǎng)絡(luò)不同的應(yīng)用場景，AutoML可以使能算法和網(wǎng)絡(luò)結(jié)構(gòu)的自動化適配，如圖6所示，通過自動化特征工程、自動化建模、自動化調(diào)參等機器學(xué)習(xí)的各個環(huán)節(jié)，快速響應(yīng)不同的場景需求；另一方面，AutoML通過基于數(shù)據(jù)的模型結(jié)構(gòu)搜索[19-20]，能夠自動地尋找最佳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，讓網(wǎng)絡(luò)自己去學(xué)習(xí)和訓(xùn)練規(guī)則，使得網(wǎng)絡(luò)的自演進成為可能。

圖6 AutoML框架示意圖[21]

4.4 強化學(xué)習(xí)

強化學(xué)習(xí)（reinforcement learning）如圖7所示，通過“交互?試錯”機制，與環(huán)境不斷交互進而學(xué)習(xí)到有效的策略，很大程度上反映了人腦做出決定的反饋系統(tǒng)運行機理, 這也是通往真正AI的重要道路[14]。6G網(wǎng)絡(luò)是大規(guī)模的復(fù)雜系統(tǒng)，應(yīng)用場景復(fù)雜多樣，智能內(nèi)生的6G網(wǎng)絡(luò)需具備對環(huán)境的全面感知能力，從而實現(xiàn)對全維資源的聯(lián)合優(yōu)化和利用[22]，因此，強化學(xué)習(xí)算法更加適合動態(tài)性強的6G網(wǎng)絡(luò)。強化學(xué)習(xí)通過智能體與環(huán)境的交互過程，能夠感知到頻譜、能量、緩存、計算等資源，促進通信與計算、存儲更深地融合，并在選擇行為策略時，充分考慮到環(huán)境模型的不確定性和目標(biāo)的長遠性[14]，確保服務(wù)、編排、管理對高動態(tài)環(huán)境的適應(yīng)性，提升6G網(wǎng)絡(luò)的自治能力。

圖7 強化學(xué)習(xí)[14]

4.5 知識圖譜

盡管數(shù)據(jù)驅(qū)動的人工智能飛速發(fā)展，知識驅(qū)動的人工智能憑借其堅實的認(rèn)知心理學(xué)基礎(chǔ)，在學(xué)術(shù)界仍具有較高的研究價值，其中，2012年谷歌提出的知識圖譜[23]，作為一種將復(fù)雜知識進行表示的方法，在技術(shù)領(lǐng)域的熱度正在逐年上升。如圖8所示，知識圖譜的構(gòu)建，包括信息抽取、知識融合、知識加工3個過程[24]。通過信息抽取，可以從一些公開的半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)中提取出實體、屬性以及實體間的相互關(guān)系；通過知識融合，可以對新知識進行整合，以消除矛盾和歧義；通過知識加工，可以對已有的知識庫進行知識推理，進一步挖掘隱含的知識，并對經(jīng)過融合的新知識進行質(zhì)量評估，將合格的部分加入知識庫中，以確保知識庫的質(zhì)量。

當(dāng)6G來臨后，“人?機?物”的連接將向智慧延伸，實現(xiàn)“人?自然?智慧”的互動和連接，即“人?機?物?靈”融合[12]，知識圖譜能夠?qū)?G網(wǎng)絡(luò)中海量的數(shù)據(jù)、復(fù)雜的連接進行有效的加工、處理、整合，并聚集為知識，形成簡單、清晰的“實體?關(guān)系?實體”的三元組，實現(xiàn)知識的快速響應(yīng)和推理，使6G網(wǎng)絡(luò)的知識互聯(lián)成為了可能。

5 6G網(wǎng)絡(luò)智能內(nèi)生應(yīng)用場景分析

（1）工廠多智能體的群智協(xié)同

需求描述：在工業(yè)互聯(lián)網(wǎng)場景下，工廠智能體遍布工廠的各個環(huán)節(jié)，智能體應(yīng)支持自主感知、自主分析、自主決策、自主控制的自動化閉環(huán)。由于智能體本身在計算和存儲資源方面有限，需要借助外部的資源進行AI訓(xùn)練和推理。同時由于單個智能體的數(shù)據(jù)和場景有限，AI應(yīng)用的效果不僅依賴于適當(dāng)?shù)乃惴?，更依賴于大型?xùn)練數(shù)據(jù)集。由于現(xiàn)場數(shù)據(jù)本身是分散的，僅僅依靠本地的數(shù)據(jù)量通常不足以訓(xùn)練出可靠且能力強的模型[17]，因此在分布式環(huán)境下需要多智能體的數(shù)據(jù)共同訓(xùn)練模型。此外，在面對需要多智能體綜合決策的復(fù)雜場景時，需要多智能體進行協(xié)同推理和決策。

解決方案：網(wǎng)絡(luò)在邊緣層部署分布式人工智能節(jié)點，在聯(lián)合訓(xùn)練、推理場景下，多個單智能體向網(wǎng)絡(luò)申請邊緣AI服務(wù)，網(wǎng)絡(luò)根據(jù)終端的性能、位置等需求，綜合網(wǎng)絡(luò)的智能、算力、連接資源進行智能編排和調(diào)度，然后向多個智能體提供邊緣AI服務(wù)。這些AI服務(wù)的內(nèi)容可以包括聯(lián)合訓(xùn)練時的模型參數(shù)、梯度等數(shù)據(jù)傳遞和整合、推理模型和參數(shù)的分割、推理數(shù)據(jù)的整合和傳遞以及流程的協(xié)調(diào)等。最終實現(xiàn)工廠多智能體的分布式聯(lián)合訓(xùn)練和群智協(xié)同。

（2）動態(tài)自適應(yīng)的網(wǎng)絡(luò)切片SLA保障

需求描述：6G網(wǎng)絡(luò)將實現(xiàn)虛擬世界和物理世界的融合、全息通信、情景化和個性化通信服務(wù)、空天地海集成異構(gòu)的網(wǎng)絡(luò)接入[25]，業(yè)務(wù)的多樣化、用戶需求在時間和空間上的動態(tài)變化以及極致的體驗需求，需要6G網(wǎng)絡(luò)具備靈活性和動態(tài)適應(yīng)性。

解決方案：5G引入了網(wǎng)絡(luò)切片這一技術(shù)，一個網(wǎng)絡(luò)切片是一個邏輯上獨立的端到端網(wǎng)絡(luò)，它根據(jù)SLA為特定的服務(wù)類型量身定制。靈活定制且支持動態(tài)適應(yīng)的網(wǎng)絡(luò)切片是以上需求的可行解決方案。在基于智能內(nèi)生的網(wǎng)絡(luò)切片架構(gòu)中，網(wǎng)絡(luò)切片具備精確的感知能力，基于大量數(shù)據(jù)和知識底座，通過分布式智能對網(wǎng)絡(luò)、用戶、環(huán)境等多維信息進行表征、構(gòu)建和學(xué)習(xí)。網(wǎng)絡(luò)切片在感知和預(yù)測用戶需求及其變化的基礎(chǔ)上，進行動態(tài)的資源分配、動態(tài)流量調(diào)度、動態(tài)擴/縮容，實現(xiàn)網(wǎng)隨業(yè)動的切片網(wǎng)絡(luò)動態(tài)適應(yīng)能力。

6 結(jié)束語

6G網(wǎng)絡(luò)將致力于打造一個空天地海全覆蓋、人機物全連接的通信世界，但網(wǎng)絡(luò)的復(fù)雜性、連接設(shè)備的數(shù)量也將劇增，對網(wǎng)絡(luò)的性能優(yōu)化和管理優(yōu)化等帶來了新的挑戰(zhàn)。人工智能將在應(yīng)對這些挑戰(zhàn)中發(fā)揮重要作用。為了更好地在網(wǎng)絡(luò)中引入人工智能，需要從5G的外掛方式演進到6G的內(nèi)生方式。本文在闡述5G網(wǎng)絡(luò)和5G-Advanced的智能化發(fā)展和架構(gòu)定義的基礎(chǔ)上，提出了6G網(wǎng)絡(luò)智能內(nèi)生的定義和特征，即分布式智能、智算網(wǎng)融合的智能編排和調(diào)度分析、數(shù)據(jù)和知識雙驅(qū)動和自適應(yīng)架構(gòu)，分析了6G網(wǎng)絡(luò)智能內(nèi)生的潛在關(guān)鍵技術(shù)，最后，結(jié)合工廠多智能體群智協(xié)同、動態(tài)自適應(yīng)的網(wǎng)絡(luò)切片SLA保障的應(yīng)用案例進一步探討了智能內(nèi)生架構(gòu)的實現(xiàn)理念。

6G研究剛剛起步，有許多研究課題需要進一步探索。本文希望通過對6G網(wǎng)絡(luò)智能內(nèi)生的思考，為業(yè)界同仁在未來6G網(wǎng)絡(luò)的發(fā)展研究中提供一些啟示。6G網(wǎng)絡(luò)智能內(nèi)生的理念需要在架構(gòu)、技術(shù)、生態(tài)系統(tǒng)等方面進一步研究和推進，從而實現(xiàn)真正的6G智能內(nèi)生愿景。