6G内生AI架构及AI大模型报告.pptxVIP

6G内生AI架构及AI大模型报告泛在智能的需求 人工智能已成为新一轮产业升级的核心驱动力，产业的自动化、数字化、智能化需要泛在智能网络自治需要AI用户需要AI企业需要AI运行与维护 智能覆盖 应急通信定制网络 医疗识别机器人救援安全监控智能制造声纹识别智能导航 机器翻译个性化推荐6G与AI的融合包括“AI赋能网络”和“网络使能AI”两个方面 3AI赋能网络性能的驱动力 移动通信技术的发展遭遇瓶颈，迫切需要技术创新和交叉学科融合发展 利用AI赋能网络性能提升成为主要解决思路之一传统通信系统的性能提升遭遇瓶颈6G提出更挑战的需求指标 力T-2030新增6项能MIAI 空口 更精确的信道信息 更精确的定位更强大的干扰消除能力 更高的能效谱效容量 网络 更快速的场景适应能力 更均衡的流量调度更快速的组网干扰规避 更精细的业务识别 更准确的故障定位赋能通信网络性能提升通信 IM力现有技术难以完全满足6G需求 更大规模MIMO信道估计困难 更密集的基站部署干扰更严重 更复杂的系统设计带来能耗上升 海量异构设备组网路由复杂 多样化通信场景需求碎片化T-2030增强的9项能网络运维运行效率、复杂度和成本 之间产生矛盾 网络运维效率 矛盾三角 网络复杂度成本44网络使能AI的驱动力 ITU将6G场景扩展到泛在智能，需要将AI打造成6G通信网络的新能力和新服务，实现AIaaSITU将6G场景扩展到泛在智能 随时随地获得AI6G网络内生提供AI服务 5G通信服务通信能力低时延AI推理/训练支持移动式AI 6GAI服务质量保障通信能力+计算能力感知能力数据能力AI服务 AI模型能力AI安全隐私保护555G网络智能的挑战 面向6G与AI融合需求，场景用例驱动、外挂或嫁接式的现有AI设计方式通用性和效率有待提升 场景用例驱动式AI?针对特定空口、网络优化用例设计单独的AI模型 外挂或嫁接式AI?在网络中新增AI服务器或AI相关网络功能，如NWDAFAI服务器AI赋能网络 CNNWDAFRANUE 网管 存在问题：数据的实时性、有效性和一致性难以保证，性能难以达 到预期；难以实现数据采集、训练、推理、优化、验证的AI全流程， 试错成本高；?云AI服务提供商在用户提交订单后提供尽力而为的AI服务 海量流量数据智能数据分析 信道条件多变天线权值调优 切换性能降低用户移动预测存在问题：AI模型泛化性较低，开发周期长、成本高?针对不同第三方AI场景设计不同AI服务流程 提交AI服网络传输 务订单 网络存在问题：网络作为透明管道，数据上传云端，难以高效利用网络中泛在的通感算数智等资源，无法保障AI的服务质量和安全网络赋能AI 车联网高速智能跟随 智慧工厂实时多智能体协作 XR/VR用户移动预测存在问题：通信网络无法根据差异化场景需求，快速部署AI服务UE云AI服务提供商6 关键特征：服务化差异化的网络AI需求需要通信、计算、数据、智能面网络功能的灵活组合，基于服务化的网络架构设计和实现为按需灵活编排提供基础 OSS/BSS等 API 编排层 其他功能全局数据库策略业务编排器数据采集与分析 微服务支持SDN-O NFV-O网络功能层数据面 VNFs计算面VNFs智能面 VNFs通信面 VNFs连接与路由层通信与算力层（无线通信，光通信，计算，存储）14AI大模型赋能网络：演进路径（待细化） 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1.2.面向上述场景，可考虑分阶段探索，首先探索网络运维人工智能大模型从小规模、离线入手，向大规模、实时发展，最终探索是否可以实现统一。当前大模型主要用来生成文字，语音，图像等内容，无法直接影响网络。因此在通信网络环境中最终演进是否是包含了大模型功能，且能控制影响网络的AIAgent。小规模大规模统一无线运维通用模型AIAgent?离线？运维通用模型小模型1核心网运维通用模型？网络AI大模型物理层网络层？业务层 发展运行通用模型小模型2小模型N 无线运行通用模型核心网运行通用模型？实时186G与AI大模型：数据需求 AI赋能网络的场景主要分为网络运维和网络运行两大类，能否用一个AI大模型解决多种场景的问题？场景实例所需数据（特征）数据来源编码调制、语义+编码调制、波形、非标准化数据：上下行信道、语义信息、语义特征、小区内/间干扰多址、MIMO、干扰消除网络设备内部数据、语义信源数据标准化数据：MR测量数据、MDT数据；非标准化数据：链路级BLER、端口数据流信息数据（端口流量、时延等）基于无线栅格的切换、智能AMC、网络流量检测和拥塞控制、网络流量预测和调度优化终端测量上报；网络设备内部数据网络运行网络运维 业务识别和感知、异常行为