6G AlaaS需求白皮书

6GAIaaS需求白皮书6GAIaaSRequirementsWhitepaper 6GANATG1 2023-09-09 摘要 本白皮书通过分析6GAIaaS应用场景和需求，从AIaaS角度深入分析6G网络AI关键技术需求以及潜在引入的新6GKPI等，促进业界对6GAIaaS内涵、特征、技术需求等多维度的共识形成，为未来6G网络AI相关标准工作做出积极贡献。 摘要2 1.背景介绍7 2.概念定义7 3.AIAAS应用场景8 3.1行业&消费者8 应用1：无人机送货8 应用2：工业机器人11 应用3：无人出租汽车出行13 应用4：无线远程视频监控与智能处理16 应用5：无人驾驶车辆轨迹预测18 应用6：V2X的环境预测19 应用7：虚拟数字人的智能驱动21 应用8：家庭保姆机器人22 应用9：AI诊疗24 3.2网络自身25 应用1：网络自服务25 应用2：算网智能引擎28 应用3：意图驱动闭环自智网络运营SLA保障29 应用4：面向通算融合的网络性能优化31 应用5：XR多感官协同33 应用6：网络自治，面向场景的网络架构功能智能选取与配置34 应用7：面向动态变化的服务区域的智能内生的无线网络覆盖规划和优化36 应用8：针对动态业务需求的绿色网络管理方案38 4.AIAAS需求分析39 4.1功能需求39 4.1.1连接功能39 4.1.2计算功能41 4.1.3数据功能41 4.1.4模型功能42 4.1.5AI业务编排43 4.2性能需求45 4.2.1连接性能45 4.2.2计算性能46 4.2.3数据性能47 4.2.4模型性能48 4.2.5AI业务性能49 4.3安全需求50 4.3.1计算安全50 4.3.2数据安全50 4.3.3模型安全51 4.3.4隐私安全52 5.总结和建议53 5.1个性化服务需求53 5.2KeyIssue和建议54 参考文档55 缩略语55 附录56 图目录 图1无人机送货应用10 图2工业机器人应用13 图3无线远程监控与基于网络AI的智能处理17 图4网络自适应匹配用户的个性化需求27 图5意图驱动网络30 图6在线互动VR/AR游戏的典型服务需求54 表目录 表1AI服务流程优化44 表2模型分割推理的连接性能指标45 表3模型分发的连接性能指标45 表4联邦学习的连接性能指标46 表5计算服务的性能指标47 文档作者列表： 贡献者 单位 王飞，彭程晖 华为 孙万飞，艾明，包施晗 大唐 陈天骄，邓娟 移动 李文璟，杨忱逊 北邮 张海君，张文宇 北科大 尤心、陈景然、石聪 oppo 王首峰 亚信科技 杨立、谢峰、芮华 中兴 于梦晗、王栋、李翔宁 电信 周通、袁雁南 vivo 李娜 爱立信 朱近康 中国科学技术大学 李荣鹏 浙江大学 杨旸 特斯联，鹏城实验室 冯钢 电子科大 曹畅、杨文聪 联通 杨婷婷 大连海事大学 1.背景介绍 从以往移动通信断代的历史看，新的一代移动通信系统的出现，伴随会出现一些典型的新应用。对应6G网络的新应用很可能是源于通信、感知、计算与AI等多领域的共同设计带来的，其中涉及CT、IT、OT、DT和AI等跨不同领域和行业的深度融合，使得6G网络超越传统的连接服务范畴，成为一种新型的智能基础设施。当前，基于业界大量的讨论，我们认为6G网络需要通过内生智能的设计，来提供高效的AIaaS服务，满足未来各种行业、各类消费者以及通信网络自身的AI功能、性能及安全隐私等多维度、个性化的服务需求，支撑6G网络成为智能普惠的使能器和受益者。 2.概念定义 在6GANATG1的《网络AI概念术语白皮书》中，对于网络AI、CloudAI，以及AIaaS等基本概念做了如下定义： •网络AI：在网络中提供完整的分布式1AI环境，包括AI基础设施、AI工作流逻辑、数据和模型服务等。 •CloudAI：AI在云上执行，AI和网络架构是解耦的，只是利用底层网络将AI所需要的数据信息传递到云端，而云端是数据处理、训练和推理的主要智能中心。 •AIasaService（AIaaS）：在网络基础设施中构建AI应用的服务能力，AI应用包括网络自用的AI或者AI新业务，部署AI应用可以是运营商或第三方。 其中，对6GAIaaS的定义是较为抽象的，这里有必要再对其内涵进一步阐释： AIaaS是由6G网络提供一系列AI服务，面向对象可以是普通的消费者、行业、OTT、网络自身等。AIaaS使能网络AI能力服务化，包括网络AI相关的模型管理、学习和推理等，允许其以高效和安全的方式整网部署和执行网络AI应用。AIaaS与IT云里的AI服务是共存的关系，相互补充。AIaaS潜在能力包括数据、计算、连接、模型等各个方面，包含了DaaS，CaaS等。典型的AIaaS服务包括：数据收集、数据预处理、数据存储、计算卸载、模型训练、模型推理、模型更新、模型部署和模型管理等。 6GAIaaS的主要特征包括： •网络AI业务在6G网络内的灵活分布式部署和执行 •QoS可按需保障的网络AI服务 •面向AI数据、模型和计算的安全隐私保护 3.AIAAS应用场景 AI应用是面向终端用户，网络运维人员，第三方客户等应用使用方，提供基于AI的用户可感受到的互动行为操作。AI应用通常是某个场景下多个AI服务的有机综合体。 3.1行业&消费者应用1：无人机送货背景： 随着人口老龄化加剧，人力成本增加以及配送需求高涨。传统配送方案无法兼顾“速度”、“门到门”、“人身安全”等目标，可以预测未来无人机派送的方案一定会逐渐占领这一高净值细分市场。从商业成本考虑，无人机的机载功能要尽量简化，能够适配大多数正常的飞行环境，执行常规派送任务；复杂的环境和任务需要的控制功能和计算性能呈几何倍数增加，可以通过公共基础设置的无线网络来提供；派送无人机的适航监管要求高安全性，体现在包括精准的目的定位，稳定的飞行控制和精准目标识别。在面对一些复杂场景，比如建筑物反射GPS信号导致定位丢失，或者飞行气流不稳定导致失去飞行控制，以及目标识别场景混乱不清晰等，6G网络的通感一体，智能内生以及算网融合等服务能够为无人机提供实时的解决方案，保障派送任务顺利完成。 角色和前提假设： 1）角色：无人机、具备感知能力的基站、提供无人机导航服务的网络提供商 2）前提假设：感知服务消费者(无人机)可以按需提交感知任务，享受感知服务；基站能够接收感知任务，收集感知数据；网络具备完整的服务编排功能，实施端到端的任务流程； 业务流程： 1)网络接收到无人机发出的导航服务请求，对服务流程进行编排，包括给环境感知，数据处理，感知3D成像，推理决策等任务，最后输出导航指示到无人机。 2)环境感知。网络根据无人机与导航目标的坐标，初始化导航路线，根据无人机当前GPS坐标，给前进路线上的临近基站下发感知任务，实时获取无人机附近的环境感知数据（感知）； 3)数据处理。环境感知数据经过降噪，脱敏等特征工程后，进行存储，为后续处理流程调用； 4)感知3D成像。通过网络提供的环境感知模型，生成3D实时地图；环境感知模型可以通过多基站协作训练得到，例如联邦学习。不同基站感知到的环境数据有限，通过联邦学习提高模型精度和泛化性； 5)推理决策。根据实时3D地图（包含了无人机当前的精准定位），输入到路线决策模型，生成最佳飞行路线，躲避障碍物，减少对居民干扰，节省飞行时间等； 6)无人机贴近目标楼层过程中，大量空调吹出的风导致气流不稳定；依靠网络的实时AI服务，利用数据驱动的非稳态空气动力学建模，提供飞机空气动力学参数的实时估计，重新设计飞行控制策略，确保稳定飞行； 7)无人机到达目标区域，需要对目标进行检测与识别。视觉处理的运算量非常大，可以与网络进行联合推理，快速得到匹配结果。相比于将图像数据传输到APP服务器，在网络处理可以大幅减少传输时延，提供更实时的匹配结果，并避免用户的隐私数据泄露； 潜在技术需求： 图1无人机送货应用 1)网络AI/感知等多任务编排：该应用场景中涉及到环境感知，数据处理，路径规划等多种任务；网络需要进行业务层面的逻辑分解，以任务为粒度进行编排，明确任务间的拓扑依赖关系，从而选择合适的资源进行任务的部署和执行。 2)QoAIS-可靠性：网络提供的导航服务需要满足无人机适航监管要求的高可靠性，例如无人机的送货有大量的城区场景，复杂多变，网络设计上需要具备实时调整任务执行状态的能力，保证任务的最终完成； 3)QoAIS-安全和隐私：该服务中涉及到大量网络与无人机的交互，需要有健全的安全隐私保护机制，能够防止恶意的攻击和数据的泄露； 4)QoAIS-网络辅助实时推理：无人机飞行控制对于实时性要求非常高，网络需要对推理任务进行优先级区分保障，对于高实时性要求的推理任务要在计算和连接资源上提供可靠的保障； 5)QoAIS-通信连接要求：网络与无人机间进行数据传输需要的带宽以及各类请求和任务部署信令的传输等都需要通信连接的支持 6)计算卸载服务：大量繁重的计算任务，如视觉图像处理，将会被卸载到网络；网络需要具备协调分布式算力的能力，对算力进行管理、编排和调度； 7)感知数据存储&处理&分析：网络需要支持感知数据在网络内进行闭环，包括大量数据的分布式存储能力，数据的去噪、去冗余、去异常等处理能力，以及针对3D地图的构建对数据进行特征提取和模型训练的分析能力 应用2：工业机器人 背景： 随着工业生产的数字化和自动化的转型，具备高度灵活性的机器人开始被广泛应用于工业，如搬运机器人、焊接机器人、装配机器人、质检机器人等。传统的工业机器人需要进行生产设备操作的预设，无法处理未知情况以及生产过程中的随机因素。一个工业品的生产流程需要多种类机器人的配合，同时一个生产环节可能也需要多个同种类机器人的配合，因此机器人之间需要通信与交互，并且期望机器人可以根据交互过程中的信息改进自身的决策，在复杂的环境中提高生产效率。利用人工智能，特别是强化学习，机器人可以具备智能决策能力，学习如何操作、规划移动路线，从而可以执行许多任务并适应新环境。考虑到智能机器人的感知环境范围受限和移动性等特征，6G网络可以为工业机器人的协 同生产提供AI服务。工业生产拥有较高的时延敏感性，需要通过无线网络为移动中的机器人提供确定性时延的传输条件。为了实现协同生产，需要广泛收集不同机器人的数据进行训练，考虑到工厂生产的隐私性，需要采用分布式学习的架构。机器人可以根据自身感知到的数据进行本地训练，适应环境的变化并做出快速的决策。随后机器人将模型（而不是数据）传到基站，由网络聚合多个机器人的模型进一步提高决策效果。 角色和前提假设： 1）角色：配备感知能力（传感器、摄像头）、操作能力（操作臂、轮/机械腿）和微型计算机的机器人，具备计算能力的基站、提供智能服务的网络运营商。 2）前提假设：工业机器人之间具备协同工作的通信机制；能够与基站交互AI信息；网络具备模型训练功能。 业务流程： 1）工厂根据产品生产的流水线的逻辑关系，进行生产环节分解并将生产机器人进行分组，如不同操作的生产操作、运送（生产环节的衔接）、质检和包装，每一组中存在多个机器人协同完成同一个任务； 2）机器人在操作过程中进行数据采集与处理、本地训练、推理决策（操作臂执行、机器人行进路线规划），并将模型上传给基站； a)数据采集与处理。机器人采集观察到任务过程中的数据，包括感知环境、产品参数数据、图片数据、动作数据等，进行数据预处理和储存； b)机器人训练。针对每一个生产环节，同一组机器人协同训练AI模型（包括图像识别、智能决策），在本地根据自身采集的数据进行训练； c)推理决策。机器人根据实时感知的数据，输入到自身AI决策模型，生成实时的 操作决策； 考虑到机器人任务的计算负载较重，若将这些任务全部置于本地设备，可能会造成设备性能瓶颈和能耗过高等问题。为了解决以上问题，可将一部分任务委托给云端网络侧，既降低了本地设备的计算负载，又能够利用云端的高性能计算资源来加速模型训练和优化。 同时，云端的辅助