这两天，“2024全球6G技术大会” 在南京召开，多位专家和教授就6G重要关键使能技术进行探讨。下面给大家分享一份往期中国移动关于6G与AI方面的研究。
人工智能正成为推动新一轮产业革命的关键力量。随着自动化、数字化、智能化的深入发展，对泛在智能的需求日益增长。6G 网络作为下一代通信技术的代表，其设计需满足网络自治、消费者（ToC）和企业（ToB）的AI服务需求，以实现高效、智能化的网络运营。
智能化的实现模式
为实现网络智能化，可采取两种模式：
- 模式一：将具备AI资源的服务器直接接入网络管理系统，为网络提供预置的AI模型和算法支持。
- 模式二：在核心网络中集成AI功能，如网络数据分析功能（NWDAF），以增强网络的数据处理和决策能力。
同时，6G网络的构建需要一个统一的框架，以支持AI性能的有效验证和保障。此外，6G还需实现：
- 高效的数据采集和传输机制，以支持AI模型的预验证、在线评估和优化，形成全自动的闭环系统。
- 计算、数据、模型和连接的协同工作，以降低延迟并提供有保障的服务质量（QoS）。
云 AI 服务提供商在接收到用户请求后，将提供基于当前网络状况的最佳努力 AI 服务。6G 网络需充分利用其人工智能相关资源，感知网络状态，并利用广泛分布的计算、数据和算法资源，以提供高效的 AI 服务。同时， 6G 网络应为AI服务提供 QoS 保障，并确保数据的隐私和安全。
为实现 6G 泛在智能的愿景，网络与 AI 的融合需要经历以下三大转变：
- 从烟囱式开发模式转向泛在智能的统一网络 AI 框架。
- 从外挂叠加的 AI 功能转向内生一体的网络智能化。
- 从尽力而为的服务模式转向按需可得的个性化 AI 服务。
6G网络逻辑架构的创新
与 5G 网络相比，6G 网络将引入新的逻辑架构，包括数据面、智能面和计算面，以扩展传统的控制面和用户面：
其中：
- 数据面：负责管理网络数据流，提供高效的数据服务。
- 计算面：管理网络中的计算资源，并提供强大的计算服务。
- 智能面：为原生AI应用提供全生命周期的支持，包括开发、部署和运行。
- AI 业务实现与内生 AI 的融合
AI 业务的实现依赖于通信、计算、数据和模型服务的综合支撑，以及不同逻辑面之间的复杂协同机制。内生 AI 将数据、算法和算力这 AI 三要素与网络连接一同下沉为网络的基本资源，使网络能够通过多维资源的协同工作，直接、便捷地为用户提供高质量的AI服务。
- AI服务质量（QoAIS）的标准化
QoAIS 是一套突破传统 QoS 体系的指标体系，它将安全、隐私、自治和资源开销作为新的评估维度纳入考量，形成了一套标准化的AI服务质量评价体系。
QoAIS 包含三个层次的指标：AI 服务的 QoS 、AI 任务的 QoS 和 AI 资源的 QoS，这些指标之间存在映射关系。
QoAIS 是网络管理和任务控制的重要输入，它要求管理编排将服务 QoS 分解为任务QoS，并映射到资源 QoS 要求上。为保障 QoAIS 的实现，需要建立一个“三层闭环”的保障机制。
- AI计算与通信的深度融合
为了满足 AI 服务的需求，6G 网络中的传统通信和计算协议需要更深层次的融合。这要求设计一套通算融合的内生 AI 协议，以实现对计算和通信资源的协同管控与承载。这样的设计可以满足 AI 服务所需的连接和分布式计算服务，以及基于 AI 的连接和计算融合控制需求。
6G与AI融合的未来方向
6G 网络的内生 AI 设计将赋能网络的AI大模型，同时使网络能够支持 AI 大模型的训练和服务。ChatGPT 现象级事件，标志着人工智能进入通用智能时代从“能听、会说、能看、会控”，走向“能理解、会思考、会创作”，甚至能“自主决策、自主处理问题”。
另外，从小模型到大模型，生产效率跨越式提升基础通用大模型具有泛化性，网络智能化将从用例驱动转变为能力驱动，迅速降低应用开发门槛，加速 AI 工程化、规模化落地。
6G 网络将承担数据采集、预处理等数据服务，为云AI训练提供更好的支持。此外，6G 网络的分布式部署将使得 AI 大模型更靠近用户侧，从而在时延方面具有潜在优势。AI 赋能网络的场景主要分为网络运维和网络运行两大类。
在数据获取和处理方面，与 ChatGPT 不同，网络中存在大量结构化数据，且网络不同问题间的共性不清晰，网络 AI 大模型面临较大挑战。6G 网络面临如何有效采集适合AI大模型训练的数据的挑战。而在构建 AI 大模型的路径上，需要分阶段探索，从离线小规模模型开始，逐步过渡到实时大规模模型，最终实现统一的网络 AI 大模型。本文摘自于中国移动的“6G内生AI架构及AI大模”汇报材料。