6G网络内生智能架构及关键技术白皮书

6G网络内生智能架构及关键技术白皮书 --以数据为中心&ICDT深度融合的网络架构 参与单位 华为技术有限公司中国移动通信有限公司 鹏城实验室 前言 6G将超越通信，成为智能普惠的新型基础设施已逐渐成为业界共识。这使得6G网络不仅聚焦于支持更为极致的无线连接业务，还将支持智能普惠所需的新型智能业务，这就要求6G网络将需要原生支持新型智能业务所需要的连接、数据、计算和算法等多个维度的编排、协同和控制，来构建6G的智能内生的网络架构。 由此，本白皮书以6G超越通信的智能普惠愿景为基础假设，在第一章首先描述当前6G相关研究的背景，之后第二章描述无线网络智能化演进及趋势，第三章重点描述内生智能架构，从5G网络智能化实践的启示和6G智能普惠场景和需求出发，深入分析演绎6G内生智能架构研究问题，包括涉及6G架构的网络功能、协议和信令流程设计等。之后在第四、五章分别重点描述6G内生智能架构的关键特性：以数据为中心的独立数据面，以及面向任务的ICDT深度融合。基于独立数据面，支持6G智能普惠所需的数据服务，基于任务，支持连接、数据、计算和算法等多个维度的一体化智能编排和管控。最后结合之前的描述，总结相关研究成果和结论。 该白皮书基于国家重点研发计划重点专项“6G网络架构及关键技术”项目下的课题2方向“以数据为中心的ICDT深度融合”的研究成果梳理撰写，由华为技术有限公司牵头，中国移动通信有限公司、鹏城实验室联合参与完成。 本白皮书为国家研发计划重点专项“宽带通信和新型网络”项目《6G网络架构及关键技术》（项目编号：2020YFB1806800）资助成果。 目录 1引言1 2驱动力趋势与愿景2 2.1趋势2 2.2愿景5 36G网络内生智能架构6 3.15G网络智能化实践启示6 3.26G智能普惠场景和需求7 3.36G内生智能网络架构10 3.3.1从连接为中心到数据为中心12 3.3.2从面向会话管控到面向任务管控14 4以数据为中心的独立数据面20 4.16G数据服务框架设计原则20 4.26G数据服务框架21 4.3独立数据面逻辑架构24 5基于任务的管理编排架构28 5.1任务逻辑架构28 5.2任务部署架构31 5.3接口、协议和流程34 6结论36 缩略语列表38 参考文献42 1引言 移动互联网已深入到人们生活的方方面面，从专业活动到休闲、教育、娱乐等，完成了数字化并产生了海量的数据，为未来走向智能化时代奠定了数据基础。而随着以深度学习为代表的AI技术的成熟，并在越来越多的领域得到应用，到6G时代实现智能普惠已逐渐成为广泛的共识。 毫无疑问，AI将不仅惠及消费者业务，还将使能千行百业走向智能化，影响社会的各个方面。从是事务第一性原理出发，所有AI应用都离不开收集、分析各种类型的数据，然后将分析的结果用于执行特定的一系列动作。如今，大多数AI采用集中式学习范式，将数据信息集中汇集一起进行训练，通常是在专门用于AI计算的云，这样的AI训练范式称为云AI。云AI利用网络将基本的数据信息或模型梯度信息传送到云端，云端是数据处理的智能中心。6G提出了一种基于内生智能架构来更高效的使能未来AI业务的方法，在本白皮书中称为网络AI。从AI三要素角度出发，网络AI与移动通信系统进行深度融合设计的分析如下[1]。 ·数据是AI的关键资产，堪比“原油”。最早一批AI业务更多聚焦于B2C消费者应用，因此终端用户成为直接的数据源。垂直行业2B场景，涉及不同的应用、商业模式和技术需求，对数据的安全隐私将更为关注，例如行业数据通常将在系统边缘(一般位于企业内部)进行处理。因此，行业AI服务将侧重本地，以分布式的方式提供。这一趋势将引发一系列关于数据管理、处理、所有权等需求的讨论，一个既能满足这些需求又能充分遵守数据治理规定的移动通信系统变得尤为重要。 ·算力是AI行业的根本动力。AI应用越强大，所需的计算资源就越多，而基于中心云的计算资源池模型可能缺乏可扩展性，导致无法应对未来的变化。尤其当考虑到垂直行业中计算向边缘迁移这一趋势时，在中心云上运行AI应用可能就行不通。因此，新的协同背景下，AI要从云端深人到移动通信系统中。移动通信系统作为拥有超高性能的基础设施，能够有效管理异构资源，具有可扩展性和弹性，并适配无线动态环境的变化。这一研究领域既有广阔前景又具有挑战，因为它可能完全重构传统的系统架构和设计理念。 ·算法是整个AI业务的核心，定义了AI应用提供的智能类型，以及AI应用所需的数据类型和消耗的算力。基础设施不需要知道AI算法是如何定义的，但是它应该更好地支持这些算法的运行。例如，深度学习的实现(联邦学习等）依赖于通信，这可能涉及算法可伸缩性、带宽和时延要求。因此，网络系统架构的设计需要适配并可能影响AI算法的训练方式以及AI推理的执行方式。 2驱动力趋势与愿景 2.1趋势 从移动通信网络演进历史来看，从2G到5G的演进，提供了不同类型的普惠性质的基础服务，其背后都离不开原生架构能力的支持[3]。例如2G的普惠性质的基础服务是语音服务，与此匹配的2G端到端网络架构就是为语音原生设计的；到了3G和4G，普惠性质的基础服务边为了数据服务， 但3G架构还不是原生的数据架构，更多是将数据服务叠加在传统网络基础上，带来的问题是不高效，而这个问题在4G上才得以彻底解决，4G架构是完全基于数据服务来原生设计的，语音等传统业务都要基于基础数据服务来提供（VoLTE，VoiceoverLongTermEvolution，基于4G的高清语音通话）；5G提供的基础服务是万物互联，从URLLC（ultra-reliablelowlatencycommunications，超可靠低延时通信）,mMTC（massiveMachineTypeCommunications，海量机器通信）,eMBB（EnhancedMobileBroadband，增强宽带通信）到切片等，5G设计了很多原生的架构能力来支持，但在智能化领域，5G更多是采取如NWDAF这样功能叠加的方式。5G网络设计也希望能更好地支持AI业务，尤其是在核心网侧。为此，5G引入了网络数据分析功能（NetWorkDataAnalyticsFunction，NWDAF)[4]，其主要目的就是提升数据采集和分析能力。例如，NWDAF可以为其他网络功能提供分析结果，辅助网络业务发放。NWDAF可以从5G网络功能和运行、管理和维护(Operation，Administration，andManagement，OA&M)[3]系统中采集数据。为此，NWDAF还提供了专门服务，用于相应网络功能的注册和元数据开放。 图1.2G到5G系统演进. 但是，5G没能通过NWDAF为AI提供原生支持，有以下几个原因： ·数据源有限：NWDAF采集和分析的数据主要是5G网络功能接收的数据，并没有考虑来自基础设施、环境、终端和传感器的数据。 ·缺少数据隐私保护：5G中的数据源主要来自同一业务领域，因此基础设计中数据隐私保护考虑不足。 ·不支持外部AI服务：NWDAF是5G核心网功能，外部AI服务不能直接在5G核心网或无线接人网（RadioAccessNetwork，RAN)中使用。 ·基础设施利用不充分：网络切片、URLLC、mMTC等5G架构的关键特性在设计上都是为了在性能、功能和运营角度满足垂直需求，并未专门考虑原生AI支持(如数据管理、分布式架构等)。 ·数据治理缺失：AI不只涉及数据采集和分析两方面。为了给AI提供原生支持，需要专门对数据治理进行设计，而这并不在5G的考虑范围之内。 2.2愿景 如图2所示，ITU-R将AI与通信融合作为IMT2030的新增应用场景。ITU-R愿景建议书的新兴技术趋势描述了无线网络与AI的关系：AI优化无线网络场景下，需要支持AI原生的新空口来增强无线连接性能，如符号检测/解码，信道估计等；在无线网络使能AI应用场景下，AI原生的无线网络可以实现自动化及智能网络服务，如智能数据感知、按需能力供给础能力，从而更好的支持各种AI应用，如包括联邦学习在内的深度边缘、分布式学习。 ITU-R愿景建议书的智能普惠的应用趋势中描述了网络与AI的关系：在AI优化网络场景下，描述了包括AI使能网络自动管理的应用，如自监控、自组织、自优化、自愈等能力；在网络使能。并在智能普惠章节描述了NET4AI，6G网络基础设施将成为AI使能器，为智能应用提供计算和数据服务，支持推理、模型训练、模型部署、跨网络和终端的分布式计算等能力。 图2.IMT-2030愿景中的新业务场景：通信与AI融合[8]. 因此，6G要提供智能普惠的基础服务，关键是在网络架构层面设计相应的原生能力。传统的通信系统是面向连接的，对于这种系统，典型的服务可以是在两个特定终端之间建立连接。因此，通信源和目的地由最终用户及其打算使用的服务或他们计划与之通信的其他用户明确定义。在6G中，除了面向连接的服务外，它还应该提供基于人工智能的服务，例如为汽车执行完全自动驾驶的预测QoS（QualityofService，服务质量）服务。为了满足此类服务，许多终端和网络设备之间以主动或被动的方式显式或隐式建立连接，并调度计算、模型、数据资源，在多终端、多基站之间进行高效的协调和通信。通过连接、计算、模型、数据资源间的高效协同（ICDT深度融合），可以在保证人工智能服务的服务质量前提下，提升资源利用率。ICDT的深度融合对6G网络功能平面的设计提出了新的挑战，为了对连接、计算、模型、数据资源进行高效的管理和控制，可能会出现新的功能和新的协议栈。 36G网络内生智能架构 3.15G网络智能化实践启示 随着5G系统全面商用，面对5G运营中出现的基站建设成本升高、网络复杂性增加等问题导致的增量难增收的窘况，电信运营商迫切需要探索合理高效的网络架构和部署方式来保证网络建设的经济性。面对5G网络复杂化、业务差异化、用户需求多样化等一系列挑战，利用人工智能(AI, 6 ArtificialIntelligence)技术进行网元智能化、网络智能化和业务智能化，是业界普遍认同的技术路径。比如在网络运维方面，利用AI的数据感知、智能分析能力，可在海量运维数据中抽取隐含的关联特征和规则，追溯根因、定位故障，进行主动式的网络运维，实现全面的网络端到端部署自动化。目前，AI的数据驱动特性、自动控制能力、各种学习方法已经被成功地用于解决通信网络中的一些问题。业界普遍认为：引入AI技术后的5G网络，将具备更广阔的覆盖范围、更大的通信容量、更小的传输时延和更多的用户连接能力，实现更加泛在、智能、安全、可信的公共移动信息基础服务能力。 但在智能化领域，5G更多是采取如NWDAF进行功能叠加或是单独提供AI算法等外挂的方式。5G网络中基于场景驱动的“外挂式”和“叠加式”的网络智能化实践面临诸多挑战，包括数据获取困难、数据质量难以保证、AI模型的应用效果缺乏有效的验证和保障手段等，这些因素导致了人工智能的性能和效率低于预期。面对上述挑战，6G网络需要内生智能的网络架构，即在架构层面将网络连接与人工智能三要素中的算力、算法及数据完成深度融合，构建网络内完整的智能体系，从而实现智能服务的高效与高质量保障。 3.26G智能普惠场景和需求 6G网络内生智能架构，就是要在网络内通过统一的架构设计来提供完整的AI环境和AI服务。网络内生智能，主要面对高实时性能、高安全隐 私或低综合能耗等需求，在网络内进行AI训练、验证或推理，提供适应不同应用场景的智能能力；网络内生智能可以是云AI的有益补充。 网络内生智能的主要场景可以分为三个类别：网元智能、网络智能、业务智能，如图3所示。其中网元智能是指网元设备的内生智能化；网络智能是指多个智体网元协同产生网络级的群体智能；业务智能是指整个无线通信系统为业务提供的智能服务，一般由外部业务触发，无线网络负责执行，其中的业务逻辑可以对无线通信系统透明。 图3.6G网络内生智能的场景需求. 网元