王夢涵 楊 立 朱進國

1 中興通訊股份有限公司 南京 210012

2 移動網(wǎng)絡和移動多媒體技術國家重點實驗室 深圳 518055

引言

隨著車聯(lián)網(wǎng)(V2X)、物聯(lián)網(wǎng)(IoT)、增強現(xiàn)實/虛擬現(xiàn)實(AR/VR)等新興數(shù)據(jù)計算密集型業(yè)務的發(fā)展，以及智慧工廠、智慧礦山、智慧醫(yī)療等多領域新場景用例需求的出現(xiàn)，下一代移動新系統(tǒng)(6G)除了要提供基本的通信資源/能力外，還需將計算資源/能力、存儲資源/能力、空間資源/能力、數(shù)據(jù)資源/能力等多維度異構資源統(tǒng)一整合和利用，從而更好地滿足新業(yè)務場景的需求[1-5]。另外，考慮到未來更多電信利益相關方相互協(xié)作的新商業(yè)模式，需要保證多方參與時的高安全性、保密性及隱私性[6-8]。為了滿足以上技術發(fā)展及商業(yè)應用的新需求，6G新網(wǎng)絡需要能夠和人工智能(AI)技術深度融合，智能內(nèi)生作為6G的核心特征之一，也已在業(yè)界基本達成共識[9]。

目前，已有大量無線側基于AI的傳輸和網(wǎng)絡優(yōu)化方法在研究[10-11]，但業(yè)界針對6G智能內(nèi)生系統(tǒng)架構的設計和相關關鍵技術的研究還不完善。在文獻[12-15]中，主要針對6G智能內(nèi)生的標準研究現(xiàn)狀、需求、面臨的技術挑戰(zhàn)、典型的用例場景等進行了深入的分析，而對于6G智能內(nèi)生的設計原則、系統(tǒng)架構相關關鍵技術還需深入探討和統(tǒng)一。因此，本文將結合業(yè)界的最新研究進展，對6G智能內(nèi)生的設計原則、系統(tǒng)架構關鍵技術方面進行探討和總結。

1 6G系統(tǒng)智能內(nèi)生的設計原則

智能“內(nèi)”生概念的提出，是因為在現(xiàn)有5G網(wǎng)絡中，AI的服務實現(xiàn)是由特定的應用場景用例驅動的。針對已識別的碎片化AI應用場景，在現(xiàn)有網(wǎng)絡中定義相應的分析數(shù)據(jù)類型，將“(準)定制化的”數(shù)據(jù)采集、模型訓練和推理、策略下發(fā)等功能通過“打補丁”到相應的網(wǎng)絡功能中，或者外掛相應的獨立AI處理單元。因此，對于不同的AI場景用例和服務，需要對5G網(wǎng)絡進行不同的增強拓展。另外，5G標準中沒有對AI數(shù)據(jù)集或AI訓練模型進行標準化，缺乏統(tǒng)一的AI技術體系框架和AI操作通用流程。同時，5G網(wǎng)絡著重于網(wǎng)絡運維的智能化，還沒有真正對外提供智能化業(yè)務服務，即未實現(xiàn)AIaaS。

所以，6G系統(tǒng)在設計之初就需考慮將AI眾多相關需求融入到網(wǎng)絡的體系架構設計、功能實現(xiàn)及協(xié)議與流程這些方面，構建通用型AI完整且自治的工作環(huán)境，6G系統(tǒng)中的每個網(wǎng)絡節(jié)點都可以是智能化實現(xiàn)執(zhí)行的一環(huán)，對內(nèi)實現(xiàn)智能高水平自治，對外按需提供定制化且可保障的AI服務。從而當未來引入各種新的應用場景用例時，最小化對6G網(wǎng)絡架構和部署的影響，靈活滿足6G全場景的業(yè)務需求。

1.1 架構設計層面

基于上述分析，6G智能內(nèi)生系統(tǒng)架構設計應當至少符合分布式、快速協(xié)同、能力開放以及安全可信的4大基本原則。

1)分布式AI：采用分布式學習、云邊端協(xié)同一體化智能部署的方式，AI能力內(nèi)嵌于所有相關網(wǎng)絡節(jié)點，每個網(wǎng)絡節(jié)點都可以是智能化實現(xiàn)執(zhí)行的一環(huán)。同時，要分級、分層地實現(xiàn)智能化，各級、各層都融入AI，部署上實現(xiàn)獨立AI功能實體和內(nèi)嵌AI功能實體并存。另外，6G智能化涉及各類智能終端、智能接入網(wǎng)、智能邊緣網(wǎng)絡、甚至智能的傳輸網(wǎng)、智能核心網(wǎng)、智能管理運維、智能的業(yè)務應用。分布式AI關鍵技術包括(分層)聯(lián)邦學習、群體學習、多智能體強化學習、遷移學習和元學習等，在第3章中將詳細闡述。

2)AI快速協(xié)同：實現(xiàn)群智式協(xié)同，即分布式智能化節(jié)點間的快速協(xié)同聯(lián)動，例如，基于6G新承載新傳輸手段[16]。具體包括邊緣與中心智能之間的協(xié)同工作，基于AI的基礎設施、網(wǎng)絡功能和管理編排協(xié)同，以及跨域、域內(nèi)的智能化應用協(xié)同等。AI快速協(xié)同關鍵技術包括6G網(wǎng)絡側和空口的大帶寬低延時傳輸技術、節(jié)點通感融合、快速發(fā)現(xiàn)與同步能力等，在第3章中將詳細闡述。

3)AI能力開放：AI能力開放至少包含三個方面。第一個方面是AI算力開放；第二個方面是AI算法和模型服務開放；第三個方面是AI數(shù)據(jù)開放，包括數(shù)據(jù)的存儲、認證等數(shù)據(jù)功能，可開放的數(shù)據(jù)包含AI相關數(shù)據(jù)及網(wǎng)絡數(shù)據(jù)，如網(wǎng)絡的簽約數(shù)據(jù)、用戶面數(shù)據(jù)。

4)AI數(shù)據(jù)可信和隱私保護：充分有效地利用數(shù)據(jù)、實現(xiàn)數(shù)據(jù)流轉、共享和融合的前提是能夠保護數(shù)據(jù)隱私，涉及跨域或者多方共同參與時，需要考慮如何實現(xiàn)AI數(shù)據(jù)的隱私保護和可信認證，遵循相應安全法規(guī)，從而構建統(tǒng)一的可信AI平臺能力和標準。區(qū)塊鏈具有“不可篡改”“共識機制”和“去中心化”等特性，能夠作為底層支撐技術，提升網(wǎng)絡中龐大AI數(shù)據(jù)的可信與安全[17]。

1.2 功能實現(xiàn)層面

6G智能內(nèi)生功能的實現(xiàn)要構建智能化閉環(huán)，具體可包括：數(shù)據(jù)感知、流轉融合、模型訓練、模型驗證、分析推理、策略執(zhí)行、反饋評估、模型優(yōu)化八個方面。

1)數(shù)據(jù)感知和流轉融合：現(xiàn)有5G網(wǎng)絡中存在數(shù)據(jù)獲取困難、數(shù)據(jù)質量難以保證、異廠商數(shù)據(jù)格式不統(tǒng)一等問題。在6G網(wǎng)絡中，要實現(xiàn)數(shù)據(jù)和服務分離，提供統(tǒng)一的數(shù)據(jù)服務，包括對海量異構數(shù)據(jù)的精準感知、流轉傳遞、共享和融合處理等，避免數(shù)據(jù)冗余，提升數(shù)據(jù)分析能力和價值挖掘能力。

2)模型訓練和模型驗證：現(xiàn)有5G網(wǎng)絡主要在線下實現(xiàn)AI模型的訓練和驗證，因此模型應用效果缺乏有效的驗證和保障手段。仿真環(huán)境與真實網(wǎng)絡環(huán)境的差異程度會直接影響模型在實際應用中的效果，應當為AI模型訓練和驗證提供擬真的仿真環(huán)境。

3)分析推理和策略執(zhí)行：分析推理和策略執(zhí)行要能夠實現(xiàn)局部協(xié)同和全局協(xié)同，例如中心節(jié)點可獲取全局的網(wǎng)絡數(shù)據(jù)，從而實現(xiàn)全局的協(xié)同分析和決策控制，而邊緣節(jié)點僅能獲取一定范圍的網(wǎng)絡數(shù)據(jù)，可實現(xiàn)輕量級的局部AI推理。分析推理結果實現(xiàn)按需提供，從而達到整體最優(yōu)。將分析推理的結果以策略的形式下發(fā)到網(wǎng)絡相關節(jié)點，架構上實現(xiàn)策略和服務分離，減少對服務的影響。

4)反饋評估和模型優(yōu)化：策略執(zhí)行節(jié)點能夠反饋執(zhí)行結果，網(wǎng)絡可根據(jù)反饋結果進行評估，決定是否優(yōu)化以及如何優(yōu)化數(shù)據(jù)集、AI算法和模型、算力資源分配等，從而實現(xiàn)智能化執(zhí)行閉環(huán)。

1.3 協(xié)議與流程層面

5G系統(tǒng)的協(xié)議棧和功能演進，還是僅以通信類(數(shù)據(jù)傳輸)業(yè)務的拓展增強為主[18-20]。未來6G新系統(tǒng)協(xié)議實體要支持內(nèi)生AI工作流及功能性能保障。AI模型參數(shù)數(shù)據(jù)和樣本數(shù)據(jù)量巨大，因此在6G新系統(tǒng)設計之初就要考慮分布式架構中AI相關數(shù)據(jù)的傳遞，定義AI服務質量(QoAIS)評估保障體系。另外，流程上要支持AI信令和AI數(shù)據(jù)的交互，包括網(wǎng)絡節(jié)點對AI能力的調用、AI數(shù)據(jù)采集單元進行數(shù)據(jù)采集、結果下發(fā)單元將決策/預測信息反饋給相關網(wǎng)絡節(jié)點等。這可能要求6G新系統(tǒng)針對“AI操作流程”引入和構建獨立高效的“智能面”“計算面”和“數(shù)據(jù)面”，以支撐相關數(shù)據(jù)包的高效傳輸流轉融合利用，具體將在第3章中詳細介紹。

2 6G智能內(nèi)生的網(wǎng)絡體系框架

文獻[21]中提出了6G網(wǎng)絡“三層四面”的邏輯體系架構，基于前一節(jié)總結的6G智能內(nèi)生設計原則，我們提出一種6G智能內(nèi)生網(wǎng)絡體系框架的設想，如圖1所示。在分布、協(xié)同、開放、可信安全的4大設計原則下，智能化涉及如下內(nèi)容。

圖1 6G智能內(nèi)生網(wǎng)絡體系框架

1)橫向多層，包含資源層、功能層、管理層及開放層四個層；

2)縱向多面，至少包含縱向貫穿各層的智能面，為各層提供智能能力；

3)跨域協(xié)作，終端域、接入網(wǎng)域、承載域、邊緣網(wǎng)絡域、核心網(wǎng)域、外部網(wǎng)絡域等各域協(xié)同；

4)分級部署，獨立智能功能實體和內(nèi)嵌智能功能實體并存。

2.1 資源層

網(wǎng)絡架構的底層是資源層。資源層提供頻譜、功率能耗、光纖傳輸?shù)韧ㄐ刨Y源，CPU、GPU、TPU等異構算力資源，以及樣本數(shù)據(jù)、模型參數(shù)等數(shù)據(jù)資源。OTT也可以通過網(wǎng)絡的開放接口得知網(wǎng)絡的通信能力以及運行AI模型節(jié)點的算力能力。6G網(wǎng)絡中的算力將從外延走向內(nèi)生，超越5G的邊緣計算，實現(xiàn)網(wǎng)絡與計算的深度融合。

2.2 功能層

功能層要滿足微服務化特征，至少提供連接功能、計算功能、數(shù)據(jù)功能、策略功能以及智能功能。連接功能是指網(wǎng)絡通信能力，包含移動性管理、會話管理等。計算功能實現(xiàn)對算力的控制，包含算力的資源感知和靈活動態(tài)調度等。另外，要實現(xiàn)數(shù)據(jù)與服務的分離，提供統(tǒng)一的數(shù)據(jù)服務。數(shù)據(jù)服務應當包含多域數(shù)據(jù)的采集、清洗、結構化存儲、按需的數(shù)據(jù)訂閱、數(shù)據(jù)分析等。在此，數(shù)據(jù)服務也包含對感知數(shù)據(jù)的管理，從而實現(xiàn)通信和感知的深度融合。同時，功能層也要實現(xiàn)策略與服務的分離，提供統(tǒng)一的策略服務。AI分析推理/預測等以策略的形式下發(fā)到網(wǎng)絡，策略執(zhí)行節(jié)點能夠反饋執(zhí)行結果，實現(xiàn)決策智能化和智能優(yōu)化閉環(huán)。智能功能提供統(tǒng)一的智能服務，部署上可采用分級部署，即獨立智能功能實體和內(nèi)嵌智能功能實體并存。

2.3 管理層

管理層實現(xiàn)網(wǎng)絡監(jiān)控、協(xié)同控制、融合編排管理、廣義QoS保障等功能，可引入數(shù)字孿生、意圖引擎等技術輔助實現(xiàn)自智網(wǎng)絡，第3部分對6G系統(tǒng)引入數(shù)字孿生和意圖引擎技術做了詳細的介紹和分析。

2.4 開放層

開放層涉及對內(nèi)的智能自治和對外的第三方應用。對內(nèi)實現(xiàn)智能自治，使6G網(wǎng)絡能夠自學習、自優(yōu)化、自演進、自免疫(對風險的預測和避免)。對外向第三方應用提供AI業(yè)務，根據(jù)不同的應用場景需求，按需提供AI服務。這里AI能力開放包含AI算力、算法和模型、數(shù)據(jù)三個方面，具體內(nèi)容在前1章已詳細解釋，不再贅述。

2.5 智能面

采用分級部署的方式，實現(xiàn)獨立智能功能實體和內(nèi)嵌智能功能實體并存。另外，作為縱向貫穿各層、為各層提供智能能力的智能面，向資源層可提供智能資源分配和管理建議；在功能層可實現(xiàn)AI模型的自演進、自優(yōu)化、AI預測和推理等，實現(xiàn)AI功能的按需調用及按需的AI能力部署；向管理層可提供智能協(xié)同和編排分析；向開放層可提供輔助應用的分析、開放資源感知等。

3 6G智能內(nèi)生系統(tǒng)架構關鍵技術

針對6G智能內(nèi)生系統(tǒng)實現(xiàn)所需解決的關鍵問題，本節(jié)提出并分析分布式AI技術、6G海量數(shù)據(jù)大帶寬傳輸和通感融合技術、智能管理編排技術、端到端SBA服務化技術以及面向6G新系統(tǒng)“XX面”模型構建，共五大類支撐關鍵技術。

3.1 分布式AI技術

6G智能內(nèi)生系統(tǒng)引入分布式AI技術的必要性有三個層面：1)算力層面。當前通信系統(tǒng)中雖然存在分布式的云、邊、端等多級算力，但多級算力之間互為資源孤島，難以突破單點算力的性能極限，發(fā)揮算力的群體優(yōu)勢。2)數(shù)據(jù)層面。當前通信系統(tǒng)中存在數(shù)據(jù)孤島問題，為了實現(xiàn)數(shù)據(jù)的充分高效利用，需要實現(xiàn)跨域的數(shù)據(jù)協(xié)同能力，同時保證各參與方的數(shù)據(jù)安全可信和隱私保護。3)AI模型層面。對于跨域的全局AI業(yè)務，需要實現(xiàn)合理的AI模型劃分、AI模型共享、AI模型參數(shù)和中間結果傳輸?shù)?。對于局部AI業(yè)務，需要共享高質量的AI模型，從而提升整網(wǎng)效率。

分布式AI技術包括(分層)聯(lián)邦學習[22]、群體學習[23]、多智能體強化學習[24]、遷移學習和元學習等。一種面向(分層)聯(lián)邦學習的分布式智能網(wǎng)絡架構[25]涉及全局聯(lián)邦、跨域聯(lián)邦和域內(nèi)聯(lián)邦三層，與前文中提出的分布、協(xié)同的設計原則以及分級部署的部署方式相一致。文獻[25]具體介紹了面向聯(lián)邦學習的分布式智能網(wǎng)絡架構和聯(lián)邦學習在移動通信網(wǎng)絡中的典型應用場景。

和聯(lián)邦學習不同的是，群體學習實現(xiàn)了完全去中心化的分布式AI，無需專門的中央服務器，參數(shù)可在群體網(wǎng)絡中共享，每個節(jié)點能夠基于本地的隱私數(shù)據(jù)獨立構建模型?；趨^(qū)塊鏈技術，群體學習能夠保證數(shù)據(jù)的控制權、安全性和機密性。而多智能體強化學習既可實現(xiàn)有中央智能節(jié)點參與的分布式AI，又可實現(xiàn)去中心化的多智能節(jié)點協(xié)同。目前研究表明，對于大規(guī)模場景，多智能體強化學習可實現(xiàn)各智能節(jié)點間的非直接通信；對于小規(guī)模場景，多智能體強化學習可實現(xiàn)完全去中心化的多智能節(jié)點協(xié)同。

另外，遷移學習是指利用基于其它大型數(shù)據(jù)集已經(jīng)訓練好的模型，將自己的任務數(shù)據(jù)集在遷移過來的模型上進行訓練或者微調?；谶w移模型也可以增加模塊，構成新的AI模型。元學習也叫做“學會學習”，即利用以往的知識經(jīng)驗來指導新任務的學習，具有學會學習的能力。遷移學習和元學習更強調模型參數(shù)等在多節(jié)點間的共享來輔助學習，可能需要管理和協(xié)調的中央節(jié)點，且具備更適用小樣本和適應性強的特點。

3.2 6G海量數(shù)據(jù)大帶寬傳輸和通感融合技術

AI數(shù)據(jù)包括樣本數(shù)據(jù)、模型參數(shù)、中間結果、推理/預測結果等，數(shù)據(jù)量巨大，且通常為了達到滿意的效果，AI模型規(guī)模和訓練迭代次數(shù)均很大，從而導致6G智能內(nèi)生系統(tǒng)的數(shù)據(jù)傳輸量巨大。為支持海量數(shù)據(jù)的大帶寬傳輸，未來6G移動通信系統(tǒng)可進一步提高工作頻率，引入毫米波和太赫茲技術[26-27]，使用戶體驗速率、峰值速率、頻譜效率等關鍵通信性能指標相比現(xiàn)有的5G系統(tǒng)實現(xiàn)10～100倍的提升。毫米波和太赫茲技術的短板也非常明顯，例如覆蓋范圍較窄、受大氣影響明顯等，這些都需要進一步的研究。例如高頻通信和高頻增強相結合，或許有助于毫米波實現(xiàn)覆蓋擴展和應用場景的拓展。

另外，基于前文所述，智能化閉環(huán)實現(xiàn)的第一步是數(shù)據(jù)感知，這里數(shù)據(jù)包括通信網(wǎng)絡運營數(shù)據(jù)、用戶簽約數(shù)據(jù)、AI相關數(shù)據(jù)，也包括對一切業(yè)務、網(wǎng)絡、用戶、終端、以及環(huán)境物體、狀態(tài)等的感知數(shù)據(jù)。通感融合是未來移動通信系統(tǒng)的關鍵使能技術之一[28-29]，借助定位、探測、成像等技術可實時地進行環(huán)境感知，另外還可以實現(xiàn)業(yè)務數(shù)據(jù)和內(nèi)容、網(wǎng)絡狀態(tài)等的感知，同時借助海量數(shù)據(jù)大帶寬傳輸技術將感知信息傳輸至其它網(wǎng)絡節(jié)點協(xié)同進行智能化處理、決策和控制。

為了協(xié)助實現(xiàn)數(shù)據(jù)深度開放、數(shù)據(jù)價值提升、自治需求生成以及低成本試錯尋優(yōu)，可以引入數(shù)字孿生網(wǎng)絡[30]。文獻[31]對數(shù)字孿生網(wǎng)絡架構及數(shù)字孿生技術在移動通信網(wǎng)絡中的應用場景做了詳細的介紹，包含對無線算法的仿真、網(wǎng)絡性能預測、端到端網(wǎng)絡SLA質量保障等。

3.3 智能管理編排技術

實現(xiàn)智能管理和編排，包含三個層面：1)管理層工作盡量簡化，能夠屏蔽底層系統(tǒng)實現(xiàn)、技術和設施，實現(xiàn)需求自感知、資源自匹配；2)網(wǎng)絡層實現(xiàn)以任務為中心的新技術范式；3)資源層實現(xiàn)以數(shù)據(jù)為中心的計算。意圖驅動的閉環(huán)管理示意見圖2。

圖2 意圖驅動的閉環(huán)管理示意圖

通過對運營商、用戶、業(yè)務場景的意圖需求感知，AI用例由網(wǎng)絡AI用例生成器自動生成或者構建聲明式的API由外部通過API導入。管理層實現(xiàn)AI用例到任務的分解、映射和AI業(yè)務流編排等。網(wǎng)絡層實現(xiàn)任務的生命周期管控，包括任務的部署、啟動、監(jiān)控、修改、刪除等操作，匹配并調度適合的連接、算力、AI能力和服務等資源，從而保障任務QoS需求。資源層提供分布式算力資源、數(shù)據(jù)資源等，采用以數(shù)據(jù)為中心的計算模式，實現(xiàn)快速數(shù)據(jù)計算，使能計算資源的靈活部署和智能調度。

意圖引擎可應用于意圖驅動的業(yè)務部署、網(wǎng)絡優(yōu)化、容量規(guī)劃等場景。意圖網(wǎng)絡的價值在于以用戶商業(yè)邏輯和業(yè)務意圖為驅動，簡化用戶和運維人員的工作。但是，意圖引擎也存在一些關鍵問題需要深入探討：聲明式的API如何構建、意圖的分解和翻譯如何實現(xiàn)、組件和設備的兼容性問題等。

3.4 端到端SBA服務化技術

5G核心網(wǎng)已引入SBA服務化架構，從根本上改變了傳統(tǒng)的P2P點到點通信方式，使得控制面網(wǎng)絡功能可以快速構建、發(fā)布及部署。為了適應未來更多變的需求，6G網(wǎng)絡應當更加高適應性和靈活彈性韌性，需要從6G系統(tǒng)架構本身進行根本性的改進，嘗試實現(xiàn)端到端的SBA服務化架構。6G系統(tǒng)端到端的服務化有利于智能三要素(算力、算法、數(shù)據(jù))的全面內(nèi)嵌承載和利用。

端到端SBA服務化技術應該包含以下4個方面。1)接入網(wǎng)架構服務化[32-33]。服務化的接入網(wǎng)網(wǎng)絡將接入網(wǎng)功能柔性分割為多個網(wǎng)元功能，模塊間可以通過服務化接口進行交互。針對不同的接入網(wǎng)需求，如針對AI內(nèi)生業(yè)務、通感一體化、算網(wǎng)融合等新能力的需求或針對不同類型終端的需求，可以通過接入網(wǎng)網(wǎng)元功能的重構，形成個性化的接入網(wǎng)拓撲和協(xié)議棧部署，實現(xiàn)自組織的虛擬化無線接入網(wǎng)。2)核心網(wǎng)控制面服務化。在5G核心網(wǎng)控制面服務化的基礎上進一步演進，基于微服務理念，構建更細粒度的控制面網(wǎng)絡功能資源池，如前文所述，至少應當包含連接、計算、智能、數(shù)據(jù)、策略等服務化功能，每一個網(wǎng)絡功能都可以獨立迭代演進、彈性擴展，網(wǎng)絡功能之間也可以根據(jù)用戶需求按需組合，為用戶提供定制化網(wǎng)絡服務。3)核心網(wǎng)用戶面服務化[34]。在將控制面各個網(wǎng)絡功能以SBA架構靈活解耦提供的基礎上，通過協(xié)議無關的用戶面編程語言，可以進一步靈活定義用戶面的分組處理邏輯。通過對用戶面諸多網(wǎng)絡功能的靈活定義和在各個可編程網(wǎng)元上的優(yōu)化編排，可以實現(xiàn)用戶面功能的服務化部署。4)資源層服務化?？梢岳脜^(qū)塊鏈等新技術，實現(xiàn)云、網(wǎng)、邊之間資源的按需分配和靈活調度，例如第2章中提到的算力資源、數(shù)據(jù)資源、頻譜資源等，從而在資源層實現(xiàn)服務化構建。

3.5 面向6G新系統(tǒng)“XX面”模型構建

網(wǎng)絡架構中的“層”主要從網(wǎng)絡提供服務的視角闡述，而“面”則縱向貫穿各層，為各層提供基礎能力?；谇拔乃?，6G新系統(tǒng)需要針對“AI業(yè)務服務相關流程與實現(xiàn)”引入和構建邏輯獨立高效的“數(shù)據(jù)面”“計算面”和“智能面”模型，如圖3所示，以支撐相關AI數(shù)據(jù)的高效傳輸、流轉、融合和利用。

圖3 6G新系統(tǒng)數(shù)據(jù)面、計算面、智能面構建示意圖

1)數(shù)據(jù)面：數(shù)據(jù)面可實現(xiàn)資源狀態(tài)感知(如算力資源)、網(wǎng)絡狀態(tài)感知、業(yè)務或場景感知、用戶數(shù)據(jù)感知、數(shù)據(jù)倉庫等，實現(xiàn)多域數(shù)據(jù)的采集、清洗、結構化存儲、按需數(shù)據(jù)訂閱、數(shù)據(jù)分析等數(shù)據(jù)相關功能。提供統(tǒng)一的數(shù)據(jù)服務，避免數(shù)據(jù)冗余，提升數(shù)據(jù)分析能力和數(shù)據(jù)價值挖掘能力。智能面可按需訂閱特定數(shù)據(jù)，用來模型訓練、模型驗證、網(wǎng)絡優(yōu)化等。

2)計算面：6G智能內(nèi)生網(wǎng)絡中的計算需求將大幅增長，為了實現(xiàn)云、邊、端的算力共享和算力協(xié)同，從而使能算力資源的靈活調配，需要提供統(tǒng)一的計算服務。算力面對AI任務的算力要求進行準確評估，確定算力要求后根據(jù)各節(jié)點算力資源情況在節(jié)點間合理分配，以滿足AI任務的實時性要求等。

3)智能面：如前文2.5節(jié)所述，智能面為網(wǎng)絡各層提供智能服務，如向資源層提供智能資源分配和管理建議；在功能層實現(xiàn)AI模型的自優(yōu)化、AI功能的按需調用及按需的AI能力部署；向管理層提供智能協(xié)同和編排分析等。

4 總結和展望

為了促進6G智能內(nèi)生系統(tǒng)的研究和統(tǒng)一，本文對6G智能內(nèi)生的設計原則、系統(tǒng)架構及針對性的關鍵技術進行了分析和總結。首先，基于架構設計、功能實現(xiàn)、協(xié)議與流程層面的設計原則，設計統(tǒng)一的6G智能內(nèi)生技術架構和通用流程，實現(xiàn)分布式學習、群智式協(xié)同、云邊端一體化智能部署、能力開放、安全可信的6G網(wǎng)絡，構建數(shù)據(jù)感知、流轉融合、模型訓練、模型驗證、分析推理、策略執(zhí)行、反饋評估、模型優(yōu)化的智能化閉環(huán)。其次，提出了6G智能內(nèi)生網(wǎng)絡體系框架應該包含資源層、功能層、管理層和開放層四個層以及智能面，實現(xiàn)通—感—算—智的深度融合，提供端到端、全場景、泛在的AI服務。最后，針對6G引入智能內(nèi)生亟待解決的關鍵問題，提出了針對性的解決方案和五大類支撐關鍵技術：分布式AI技術、6G海量數(shù)據(jù)大帶寬傳輸和通感融合技術、智能管理編排技術、端到端SBA服務化技術以及面向6G新系統(tǒng)“XX面”模型構建，并對這五大類技術的發(fā)展進行了總結和展望。