6G網(wǎng)絡(luò)AI場景用例業(yè)務(wù)應(yīng)用需求詳解白皮書-6GANA

6G網(wǎng)絡(luò)AI場景用例業(yè)務(wù)應(yīng)用需求詳解白皮書未來，新一代6G移動新系統(tǒng)將具備原生的網(wǎng)絡(luò)Al能力(簡稱NetwOrkAl)，它將進一步為千行百業(yè)下的不同場景用戶和客戶，提供Al業(yè)務(wù)、服務(wù)、應(yīng)用和廣義智覺方面的深度賦能。本TG1白皮書首先旨在澄清和構(gòu)建6GANA技術(shù)體系下，關(guān)于“Al場景”、“Al用例”、“Al業(yè)務(wù)”、“Al應(yīng)用”等基本概念內(nèi)涵，再通過廣泛的信息收集、梳理分析、凝練闡述6G網(wǎng)絡(luò)Al在場景、用例、業(yè)務(wù)、應(yīng)用方面的潛在技術(shù)能力需求和應(yīng)用必要性。它涉及了TOC(普通消費者)/TOB(垂直行業(yè)用戶)/TOH(家庭用戶)/TOG(政府用戶)等多個不同被服務(wù)主體對象，以及Al在不同發(fā)展階段的不同QOS服務(wù)質(zhì)量需求。此類結(jié)構(gòu)化的技術(shù)分解再匯集式地分析，有利于推動未來6G時代下的各種“智能智覺類服務(wù)”在6G網(wǎng)絡(luò)Al新體系下的逐步導(dǎo)入和最終的普惠應(yīng)用，從而支撐和實現(xiàn)Al業(yè)務(wù)服務(wù)的科學(xué)良性發(fā)展和更大商業(yè)社會價值的落地兌現(xiàn)。移動，上海諾基亞貝爾，北京郵電大學(xué)，上?？萍即髮W(xué)，北京科技大學(xué)，重慶郵電大學(xué)，維沃，oppo，大連海事大學(xué)，鵬城實驗室，中國電信，中國聯(lián)通，亞信，特斯聯(lián)科技集團，愛立信，紫金山實驗室，南京郵電大學(xué)，海能達等單位。謹此向各家貢獻單位表達誠摯衷心的感謝和敬意！??摘要 3 4 72.Al部署應(yīng)用體系現(xiàn)狀 8 82.2核心網(wǎng)Al 92.3網(wǎng)絡(luò)邊緣Al 92.4網(wǎng)管本地Al 2.5終端本地Al 2.6無線空口Al 3.3新業(yè)務(wù)應(yīng)用 4.6G網(wǎng)絡(luò)Al需求分解式詳解 4.1典型場景 工業(yè)智能制造............................................................................................................16 農(nóng)林牧礦場................................................................................................................17 政務(wù)辦公....................................................................................................................194.1.4場景4 交通治理....................................................................................................................20 災(zāi)害防控管理............................................................................................................21 生活家居....................................................................................................................22 教育文娛....................................................................................................................23 海洋治理開發(fā)............................................................................................................24 智慧醫(yī)療....................................................................................................................254.2典型用例 網(wǎng)絡(luò)多域功能性能優(yōu)化............................................................................................25 高水平運維自治........................................................................................................26 移動擴展現(xiàn)實XR......................................................................................................274.2.4用例4 視頻圖片語音分析....................................................................................................28 無人車/機駕駛..........................................................................................................29 內(nèi)生安全....................................................................................................................30 終端AI計算卸載......................................................................................................31 智能意圖交互............................................................................................................32 空口性能提升...........................................................................................................334.2.10用例10 動態(tài)環(huán)境感知預(yù)測..............................................................................................344.3典型業(yè)務(wù) 算力執(zhí)行....................................................................................................................34 算力部署....................................................................................................................36 模型生成....................................................................................................................384.3.4業(yè)務(wù)4 模型訓(xùn)練....................................................................................................................39 模型推理....................................................................................................................40 模型優(yōu)化....................................................................................................................41 模型壓縮....................................................................................................................44 模型驗證....................................................................................................................45 模型部署....................................................................................................................464.3.10業(yè)務(wù)10—模型安全 4.3.11業(yè)務(wù)11 數(shù)據(jù)業(yè)務(wù)...............................................................................................................484.3.12業(yè)務(wù)12 數(shù)字李生業(yè)務(wù).......................................................................................................494.4典型應(yīng)用 定義和縮寫 511.前言和概念體系網(wǎng)絡(luò)原生AI被業(yè)界認為是未來6G移動新系統(tǒng)的核心特征之一[1]，它主要包含:利用AI技術(shù)進行6G網(wǎng)絡(luò)端到端的自我賦能增強優(yōu)化、向終端用戶提供AI業(yè)務(wù)服務(wù)和應(yīng)用，和向第三方客戶提供AI類的服務(wù)等方面。無論何時何地，對于任何一個單體網(wǎng)元，都會面臨著有限的算力、智能和電量功耗等方面的約束和限制。6G網(wǎng)絡(luò)AI就是基于強大的6G移動新系統(tǒng)平臺基座，把泛在分布的各個網(wǎng)元節(jié)點中的AI三要素資源能力都高效地協(xié)同運轉(zhuǎn)和利用起來，并且實現(xiàn)泛在的AI賦能服務(wù)。例如，對于某些計算資源少但通信資源豐富的節(jié)點，可實現(xiàn)所謂的“通信換計算/計算卸載”;反之對于某些計算資源多但通信資源醫(yī)乏的節(jié)點，可實現(xiàn)“計算換通信/智簡通信”。6G網(wǎng)絡(luò)AI原生地深度融合了6G移動新系統(tǒng)和AI三要素(即算力、算法、數(shù)據(jù))，可實現(xiàn)對內(nèi)和對外更強大高效的AI賦能和應(yīng)用，它的發(fā)展演進驅(qū)動力至少有如下幾點:-抑制“移動基礎(chǔ)設(shè)施管道化”和當(dāng)前5GS系統(tǒng)技術(shù)方面的多個痛點，進一步提升未來6G新網(wǎng)絡(luò)產(chǎn)品業(yè)務(wù)服務(wù)的品質(zhì)和競爭力，加深和。DICT技術(shù)融合互惠;-開拓和高效支撐“智能智覺類AI業(yè)務(wù)服務(wù)應(yīng)用”，助力各方實現(xiàn)更大的創(chuàng)利營收;-提升移動基礎(chǔ)設(shè)施資源的綜合利用率，實現(xiàn)6G平臺資產(chǎn)價值更大的兌現(xiàn);-更好地提供對用戶和行業(yè)數(shù)據(jù)隱私保護，實現(xiàn)“通感算智”可信和安全性保障;-利用AI手段輔助6G新系統(tǒng)的降本節(jié)能，實現(xiàn)6G綠色低碳運維-增強跨行業(yè)生態(tài)協(xié)作升級，多方匯聚在6G平臺環(huán)境下形成更高效的協(xié)作創(chuàng)新共贏;-實現(xiàn)未來泛在的智能普惠，賦能更多的弱勢個體，推動社會公平和文明進步。6G網(wǎng)絡(luò)AI的相關(guān)基本概念和技術(shù)需求，已在前期發(fā)布的若干白皮書中[2-3]，進行了初步的闡述涂釋。為了更好契合本白皮書的內(nèi)容闡述詳解，且推動后續(xù)業(yè)界多方能在AI概念術(shù)語方面形成盡可能的統(tǒng)一共識，我們先針對AI術(shù)語中一些最基本概念給出如下的建議:“AI場景(AIScenario)”:利用或使用AI技術(shù)或AI三要素，發(fā)生效果作用的場合地方情境。注:“AI場景”內(nèi)涵非常地寬泛，且可有不同的維度劃分方式，例如:按照生效作用的地“AI用例(AIUseCase)”:利用或使用Al技術(shù)或Al三要素,可獲得的收益增益價值意義方面。例如:利用Al技術(shù)可進行圖片視頻分析識別,提升頻譜利用率,實現(xiàn)基站終端節(jié)能,網(wǎng)絡(luò)自治等不同功效?！盇l用例”通常和具體的“Al場景”之間無必然的綁定關(guān)系?！癆I能力(AICaPabiIity)”:6G移動新系統(tǒng)內(nèi)部所構(gòu)建和實現(xiàn)Al方面的功能性能,用以支撐和保障各種Al業(yè)務(wù)服務(wù)應(yīng)用?！癆I業(yè)務(wù)(AIBusiness)”:利用或使用Al技術(shù)或Al三要素,做出服務(wù)于特定場景用例目的的系列行為操作。例如:Al模型生成/訓(xùn)練/驗證/評估/優(yōu)化,利用Al模型進行歸類,推理,決策,預(yù)測,管理等?！癆l業(yè)務(wù)”通常和具體的Al場景和用例之間也無必然的綁定關(guān)系。“AI服務(wù)(AIService)”:按需向被服務(wù)方提供Al技術(shù)、業(yè)務(wù)或Al三要素等內(nèi)容。注:“Al服務(wù)”范疇通常要大于“Al業(yè)務(wù)”,Al服務(wù)可涉及到Al相關(guān)的基本資源,Al功能技術(shù)和Al業(yè)務(wù)等不同層面的內(nèi)容?！癆I應(yīng)用(AIAPPIication)”:面向終端用戶,網(wǎng)絡(luò)運維人員,第三方客戶等應(yīng)用使用方,提供基于Al的用戶可感受到的互動行為操作。注:“Al應(yīng)用”通常是多個Al業(yè)務(wù)或Al服務(wù)的有機綜合體,它和特定的Al場景用例也有著一定的對應(yīng)關(guān)系?？傮w上,“Al場景”、“Al用例”和“Al業(yè)務(wù)”三者之間,有著相對獨立解糯但又非常靈活的關(guān)聯(lián)支撐關(guān)系。例如:某“Al場景”A下,可同時有著不同的“Al用例”B和c,它們都會基于“Al業(yè)務(wù)”D,E,F等執(zhí)行實現(xiàn)。相同的“Al用例”B,會出現(xiàn)在不同的“Al場景”M,N下,但它們各自又具備不同的QOAlS性能需求。本白皮書將主要針對6G時代典型的“Al場景”、“Al用例”和“Al業(yè)務(wù)”需求方面,進行全面分解式的闡述和詳解。2.AI部署應(yīng)用體系現(xiàn)狀當(dāng)下,各種Al技術(shù)手段已被廣泛地應(yīng)用于各領(lǐng)域行業(yè)。下面我們先從Al典型的部署應(yīng)用角度,簡要綜述幾種Al體系形態(tài),它們在未來6G新時代下仍將會繼續(xù)存在和發(fā)展演進。以亞馬遜網(wǎng)絡(luò)服務(wù)AWS、微軟Azure、谷歌云,阿里云、OpenAl等為代表的OTT公有云體系,已經(jīng)為廣大的互聯(lián)網(wǎng)用戶,提供了豐富多樣的云計算和云端Al類服務(wù),例如,大型數(shù)據(jù)庫檢索,數(shù)據(jù)深度挖掘,生物基因測序、大型cAD繪圖成像、chatGPT智能對話等應(yīng)用。OTT云中某個深度神經(jīng)網(wǎng)絡(luò)DNN，其模型可含有幾百萬個甚至千億級的參數(shù)，因此OTT云AI通常適合去解決重量級的多元多維高復(fù)雜的問題。為了克服OTT云AI資源能力和操控過度集中化的弊端，OTT廠家也在積極探索和部署所謂的分布式云AI服務(wù)，使得計算存儲和AI資源能力更貼近去解決全局類高復(fù)雜問題，可實現(xiàn)較高的AI模型泛化度和AI推理決策的準(zhǔn)確可靠度。雖然OTT云AI能力很強大，但當(dāng)它面臨著海量AI用戶并發(fā)的業(yè)務(wù)服務(wù)需求之時，也會出現(xiàn)擁塞和服務(wù)排隊等待延時，甚至云AI服務(wù)不可用；另外也面臨用戶隱私數(shù)據(jù)被大量地暴露濫用的風(fēng)險。Rel-16引入的網(wǎng)絡(luò)數(shù)據(jù)分析功能NWDAF為代表的核心網(wǎng)AI，可用于對各類網(wǎng)絡(luò)數(shù)據(jù)進行采集、分析推理，包括:NWDAF從5G各個網(wǎng)絡(luò)功能NF實體收集網(wǎng)絡(luò)運行數(shù)據(jù)、從網(wǎng)管OAM獲取終端和網(wǎng)絡(luò)相關(guān)運行統(tǒng)計數(shù)據(jù)、從第三方應(yīng)用AF實例中獲取用戶應(yīng)用數(shù)據(jù)等。NWDAF包含分析邏輯功能AnLF和模型訓(xùn)練邏輯功能MTLF兩大部分，它們均可多實例化和分布式地部署在核心網(wǎng)域內(nèi)。NWDAF生成的分析、判定、預(yù)測等結(jié)果信息，會輸出到各個NF、OAM或AF上提供它們決策參考。當(dāng)下，NWDAF可提供典型的網(wǎng)絡(luò)數(shù)據(jù)分析和智能服務(wù)如:網(wǎng)絡(luò)切片負載評估預(yù)測，用戶業(yè)務(wù)體驗MOS評估，AI預(yù)測的用戶移動性和無線資源配置優(yōu)化等方面。盡管NWDAF支持分布式多實例化的配置部署，但核心網(wǎng)AI總體上還是偏運營商“移動邊緣計算MEC，已經(jīng)在電信運營商網(wǎng)絡(luò)中有著非常豐富的實踐，提供著豐富多樣的邊緣計算和AI服務(wù)，例如，基于邊緣計算的視頻影像識別，終端用戶特征行為提取，邊緣輔助的自動駕駛等。網(wǎng)絡(luò)邊緣AI實際就是基于MEC計算平臺，為MEC中的各個功能應(yīng)用進行AI賦能。網(wǎng)絡(luò)邊緣AI重在解決計算智能類服務(wù)中的低延時，快速響應(yīng)和用戶數(shù)據(jù)隱私保護等問題，但網(wǎng)絡(luò)中各個邊緣AI節(jié)點，例如無線基站之間的有機協(xié)作性和其自身AI功能自生長演進性并不強大。網(wǎng)絡(luò)邊緣AI雖不具備像云AI那么巨大的計算存儲數(shù)據(jù)資源能力，但也具備相當(dāng)強的本地計算存儲數(shù)據(jù)資源能力。網(wǎng)絡(luò)邊緣AI通常適合去解決中量級的較復(fù)雜問題。邊緣節(jié)點中適用的AI算法模型，需考慮到MEC算力和數(shù)據(jù)資源受限約束，例如，邊緣AI通常以中小規(guī)模AI模型，和有限小數(shù)據(jù)樣本AI模型訓(xùn)練為主。為了能更好地匹配適應(yīng)網(wǎng)絡(luò)邊緣側(cè)的不同工作環(huán)境特征，邊緣AI模型算法通常還需動態(tài)地進行本地化優(yōu)化，例如，邊緣AI利用實時感知采集到的本地數(shù)據(jù)進行AI模型優(yōu)化。由于網(wǎng)絡(luò)邊緣AI專注于解決局部問題，強調(diào)實時短周期內(nèi)執(zhí)行，因此相關(guān)AI數(shù)據(jù)的可獲得性較弱，邊緣AI模型的泛化度、推理決策正確可靠度有時候也會受到挑戰(zhàn)，這就需要網(wǎng)絡(luò)邊緣AI和云AI或計算超腦進行跨層的AI能力協(xié)同。網(wǎng)絡(luò)邊緣AI并不一定意味著要進行分布式AI協(xié)作，但當(dāng)MEC節(jié)點中有富余的算力存儲數(shù)據(jù)等資源，也可通過分布式協(xié)作方式，為當(dāng)前，網(wǎng)絡(luò)設(shè)備商和移動運營商多以“數(shù)智中臺”的方式，去支撐賦能自己的網(wǎng)管。AM系統(tǒng)，進一步增強電信網(wǎng)絡(luò)的智能運維管控能力。網(wǎng)管AI通常面向全網(wǎng)中公共類的應(yīng)用場景和問題，例如，智能化網(wǎng)絡(luò)切片管理，無線覆蓋優(yōu)化，用戶流量預(yù)測等。當(dāng)前網(wǎng)管本地AI更像一種“外掛的”部署方式，并沒能深度內(nèi)嵌融合到各個網(wǎng)元節(jié)點之中，未能與移動網(wǎng)絡(luò)內(nèi)的各種資源發(fā)生聯(lián)動，無法實現(xiàn)網(wǎng)絡(luò)的深度自治[3]。網(wǎng)管平臺通過搜集匯聚網(wǎng)絡(luò)運營中的各類數(shù)據(jù)，基于網(wǎng)管本地AI進行分析判斷和預(yù)測，進一步生成網(wǎng)管新策略和系列管控動作。網(wǎng)管平臺可利用自己相對充足的算力數(shù)據(jù)資源先進行泛化的“AI元模型”生成訓(xùn)練，再進一步分發(fā)加載給核心網(wǎng)網(wǎng)元和無線基站去利用。此外，網(wǎng)管本地AI“系統(tǒng)大閉環(huán)”的運行方式，導(dǎo)致AI分析判別推理和服務(wù)響應(yīng)周期都較長，通常只能針對大時間和大地域尺度的網(wǎng)絡(luò)問題。未來的6G網(wǎng)絡(luò)AI，則有望通過“本地小閉環(huán)”的方式去實現(xiàn)更短的AI分析推理響應(yīng)周期，從而靈活應(yīng)對各類時間地域尺度的網(wǎng)絡(luò)問題。相比網(wǎng)絡(luò)側(cè)，智能終端本地具備非常有限的算力，數(shù)據(jù)資源和電量，因此終端對可執(zhí)行的AI模型算法有著較高的約束和限制。由于AI模型訓(xùn)練需要消耗大量的算力，內(nèi)存和功率資源，因此通常終端不本地執(zhí)行AI模型訓(xùn)練，或僅進行輕量級的訓(xùn)練優(yōu)化，例如:終端可基于AI元模型和少量數(shù)據(jù)樣本進行AI模型更新適配。終端通常申請從網(wǎng)絡(luò)應(yīng)用側(cè)的AI模型庫中，下載所需的AI模型，或?qū)⑺璧腁I訓(xùn)練任務(wù)委托交付給網(wǎng)絡(luò)應(yīng)用側(cè)，但AI模型推理對終端算力和內(nèi)存資源要求相對并不高，因此為了實現(xiàn)更小的分析推理決策延時，通導(dǎo)致終端的耗電過高，內(nèi)存占用過大，因此終端如果能將推理計算一部分任務(wù)從空口上傳卸載到網(wǎng)絡(luò)側(cè)節(jié)點，這可顯著地降低終端功耗和本地硬件資源的占用。AI技術(shù)在過去十年中取得了長足的應(yīng)用和發(fā)展。近年來，AI涉及使能無線系統(tǒng)的應(yīng)用案例已大量地涌現(xiàn)。首先，在追求更卓越的通信連接性能指標(biāo)或更低的通信運算復(fù)雜度方面，AI有望在空口層1、層2、層3協(xié)議的某些處理算法上，突破傳統(tǒng)的模塊化系統(tǒng)建模和知識模型近似方式所導(dǎo)致的性能瓶頸，例如:無線信道估計、導(dǎo)頻檢測、信號均衡以及多用戶資源調(diào)度等。其次，AI被寄予厚望以隱式的學(xué)習(xí)方式，去解決空口小區(qū)部署優(yōu)化問題，典型用例包括:小區(qū)流量模式識別、空口自動化配置和波束優(yōu)化以提高無線網(wǎng)絡(luò)覆蓋等?？紤]到實際空口部署中極復(fù)雜的優(yōu)化目標(biāo)、約束限制條件和多變量參數(shù)等，AI在某些空口性能優(yōu)化方面，是傳統(tǒng)的知識模型方法所無法達到的，特別在復(fù)雜無線環(huán)境下的空口自優(yōu)化自診斷方面。無線空口AI技術(shù)還可和現(xiàn)有其它網(wǎng)絡(luò)技術(shù)結(jié)合，帶來一系列的應(yīng)用突破，例如:利用AI提高終端用戶的定位準(zhǔn)確度和精度。通信感知一體化被認為是未來6G移動新系統(tǒng)的重要特征之一，而無線空口AI也是支持空口深度感知的關(guān)鍵技術(shù)之一。未來，6G網(wǎng)絡(luò)AI將不同于上述章節(jié)2中枚舉的幾種AI典型部署應(yīng)用方式，其中AI資源和能力將與未來6G移動新系統(tǒng)(包含網(wǎng)絡(luò)側(cè)和終端群)深度地原生內(nèi)生融合，AI將作用于6G新系統(tǒng)內(nèi)的各個地方，各個方面和各個層級，例如:功能級AI，網(wǎng)元級AI，系統(tǒng)級AI，服務(wù)級AI等。6G網(wǎng)絡(luò)AI在AI功能性能和AI業(yè)務(wù)應(yīng)用現(xiàn)6G時代萬物智聯(lián)和智能普惠之愿景。6G網(wǎng)絡(luò)AI的新功能主要體現(xiàn)在:新算力，新算法，新數(shù)據(jù)和新工作范式方面。-異構(gòu)算力管控，6G網(wǎng)絡(luò)AI支持面向網(wǎng)絡(luò)內(nèi)生的各種異構(gòu)算力/存儲資源的靈活編排管控功能。6G移動新系統(tǒng)中的各種異構(gòu)算力資源不一定會和AI操作強綁定，且它們具備異構(gòu)化、分布式、動態(tài)性等基本特征。面向6G新業(yè)務(wù)應(yīng)用典型的算力用例有:AI模型訓(xùn)練推理(例如:圖像影像視頻的分析識別)，大數(shù)據(jù)類處理(例如:數(shù)據(jù)壓縮、特征提取、深度搜索、根因挖掘等)，語音視頻快速編解碼，動態(tài)多數(shù)據(jù)流合成(例如:全息通信3D成像演染等)。6G移動新系統(tǒng)需對上述不同的算力用例及其資源進行高效地管控。-算法模型管理,6G新系統(tǒng)中的各級網(wǎng)元將具備Al模型自生成訓(xùn)練,模型自評估驗證優(yōu)化,模型壓縮部署,模型推理等Al基本業(yè)務(wù)功能。面向6G的分布式Al模型訓(xùn)練方式方法已多種多樣,例如:以“聯(lián)邦學(xué)習(xí)”為代表的分布式送代訓(xùn)練,以“Al元模型繼承學(xué)習(xí)”、“元學(xué)習(xí)”和“遷移學(xué)習(xí)”為代表的小樣本學(xué)習(xí)訓(xùn)練,它們有利于增強Al算法模型的本地適配度和情境定制化,以快速適應(yīng)本地應(yīng)用不同的多任務(wù)環(huán)境等。針對某些結(jié)構(gòu)復(fù)雜且參數(shù)量巨大的Al模型,6G新網(wǎng)絡(luò)網(wǎng)元還可通過模型壓縮技術(shù)(例如,模型參數(shù)量化、模型稀疏化、知識蒸餾等)獲得較小的壓縮Al模型,從而減輕各個網(wǎng)元待處理的數(shù)據(jù)量和6G新系統(tǒng)硬件平臺負擔(dān),同時還可加速Al模型的推理決策。總體上,6G移動新系統(tǒng)將實現(xiàn)對豐富的Al算法模型的全生命周期管理。-海量數(shù)據(jù)治理,6G新系統(tǒng)將支持海量數(shù)據(jù)采集,數(shù)據(jù)預(yù)處理,數(shù)據(jù)分布式存儲,數(shù)據(jù)高速傳輸?shù)然緮?shù)據(jù)類業(yè)務(wù)。隨著未來6G時代數(shù)據(jù)量的膨脹式增長,海量大數(shù)據(jù)資源既是“6G網(wǎng)絡(luò)Al”不斷發(fā)展演進的動力燃料,同時也蘊藏著巨大的數(shù)據(jù)價值。當(dāng)下在數(shù)據(jù)采集框架標(biāo)準(zhǔn)化方面,業(yè)界已有一些成功的實踐,例如:prometheus已成為云原生Telemetry數(shù)據(jù)采集框架標(biāo)準(zhǔn),它可實現(xiàn)網(wǎng)絡(luò)邊緣節(jié)點從硬件、操作系統(tǒng)、容器編排、到微服務(wù)每一層的數(shù)據(jù)采集與管理[4]。鑒于此,未來6G移動新系統(tǒng)有望進一步統(tǒng)一數(shù)據(jù)業(yè)務(wù)和服務(wù)的標(biāo)準(zhǔn),包括:統(tǒng)一6G無線網(wǎng)絡(luò)相關(guān)的數(shù)據(jù)格式、參數(shù)定義、計算方式等。如此,未來海量的無線數(shù)據(jù)資源,可實現(xiàn)在6G新系統(tǒng)內(nèi)的快速流轉(zhuǎn)共享應(yīng)用,實現(xiàn)以數(shù)據(jù)為中心的智能計算。-“以任務(wù)為中心”AI工作流編管控,6G新系統(tǒng)各個網(wǎng)元將進一步提升各自的業(yè)務(wù)任務(wù)環(huán)境感知能力,并主動地實時觸發(fā)各種類型的Al任務(wù)。在6G網(wǎng)絡(luò)Al新體系下,Al三要素資源能力和Al任務(wù)都可承載在6G網(wǎng)絡(luò)內(nèi)部,即某網(wǎng)元內(nèi)部或不同網(wǎng)元之間都可緊密地通過協(xié)作,去完成特定的Al任務(wù),而無需人工干預(yù)或上游集中式錨點網(wǎng)元的集中管控,從而本地高效地實現(xiàn)Al任務(wù)全生命周期的自管理自執(zhí)行。例如:面向以“聯(lián)邦學(xué)習(xí)”為代表的分布式Al學(xué)習(xí)任務(wù),6G新網(wǎng)絡(luò)需能支持多個節(jié)點之間的協(xié)同Al學(xué)習(xí)和任務(wù)工作流編排；面向“分割推理”為代表的分布式Al推理任務(wù),6G新網(wǎng)絡(luò)需能支持高效合理的跨網(wǎng)元分割推理模式和任務(wù)分割點選取等?！耙匀蝿?wù)為中心”Al工作流編管控,將成為6G網(wǎng)絡(luò)Al的新工作范式。未來,來自終端用戶、網(wǎng)絡(luò)內(nèi)部和第三方客戶的各種Al業(yè)務(wù)服務(wù)需求,將會變得更加多樣、泛在和密集,因此6G網(wǎng)絡(luò)Al在系統(tǒng)性能層面需有足夠的應(yīng)對支撐能力。首先,6G網(wǎng)絡(luò)Al的架構(gòu)設(shè)計將會是實現(xiàn)高性能的關(guān)鍵方面。射頻和算力資源的分布既要適度地集中化,又要適度地分布化,例如:基于分布式算力和天線技術(shù),cell-less組網(wǎng)等,需要在分布式與集中式之間尋求折中權(quán)衡。其次，未來6G新系統(tǒng)所包含的計算類型將會更加多元化，既有傳統(tǒng)的代數(shù)計算，還有各類AI算法模型等其他各類復(fù)雜計算，下沉到網(wǎng)絡(luò)邊緣與基站共享算力的應(yīng)用計算。6G新系統(tǒng)需要將各類異構(gòu)算力，盡可能地適配上層的各類計算類型；同時AI算法模型也需要適度地解構(gòu)，在滿足計算性能約束的前提下實現(xiàn)能效最優(yōu)化。異構(gòu)計算研究結(jié)果表明:無論是機器學(xué)習(xí)這類計算數(shù)據(jù)密集型算法，還是通信基帶處理這類實時性要求較高的算法，卸載處理，都能針對特定算法進行更高能效的處理。總體上，在正確的時間用正確的計算處理器去做正確的計算類型任務(wù)是異構(gòu)計算的核心要義。通過適當(dāng)?shù)挠嬎阗Y源編排調(diào)度，根據(jù)不同計算類型任務(wù)，去選擇最適當(dāng)?shù)挠嬎闾幚砥鳎瑥亩浞职l(fā)揮出不同類型計算處理器單元的長處。異構(gòu)計算資源的共享與虛擬化，一直是值得更深入探討的問題。-網(wǎng)絡(luò)連接性能，6G新系統(tǒng)無論在空口還是網(wǎng)元之間的連接方面，傳輸吞吐率相比5G系統(tǒng)都需要至少提高10倍，例如，為了更實時地支撐同步聯(lián)邦學(xué)習(xí)梯度和模型信息的交互等操作。由于6G新網(wǎng)絡(luò)具備更強的無線自感知和數(shù)據(jù)發(fā)現(xiàn)搜集能力，6G新網(wǎng)絡(luò)的上行流量、上行傳輸吞吐率和實時性的要求也將隨之增大。伴隨著相鄰多基站之間，或基站和多終端之間進行廣泛的分布式AI協(xié)作(垂直或水平聯(lián)邦學(xué)習(xí)、分割學(xué)習(xí)、DNN分割推理等)，基站和終端之間的各種“垂直連接”和“水平連接”之中的數(shù)據(jù)流量和傳輸吞吐率也將會較大地變大，同時它們對空口無線鏈路的時延、同步精度和可靠魯棒性的性能要求也將大幅度地提升，以避免AI模型送代訓(xùn)練或推理過程中受阻而滯后。-網(wǎng)絡(luò)算力性能，隨著6G時代更先進的智能終端和無線邊緣設(shè)備的增多，基站算力(非)云化拓展，邊緣側(cè)的算力資源將會越來越豐富且強大。隨著智能終端和邊緣設(shè)備的計算硬件配置不斷地提升(例如GPU，DPU，TPU，IPU等)，過去某些中大型的AI算法模型，將也可能在智能終端側(cè)或邊緣側(cè)被加載執(zhí)行。6G新系統(tǒng)中各級網(wǎng)元設(shè)備中的算力，并不一定只用于AI相關(guān)操作，例如:XR業(yè)務(wù)高速編解碼并不需要基于AI模型執(zhí)行，但需大量算力去支撐大量的多媒體圖形擬音成像等計算操作?？傮w上，6G網(wǎng)絡(luò)AI中的算力性能將至少有幾倍的拓展和提升。-網(wǎng)絡(luò)AI模型性能，這主要考慮AI模型的推理成功率/正確率，推理延時等關(guān)鍵性能指標(biāo)。對于某些AI應(yīng)用，例如，自動駕駛和人臉認證，它們需要極高的推理成功率/正確率，否則后果極其嚴重。對于某些AI應(yīng)用，例如，AI互動游戲和人機交互等，它們需要極低的推理延時如10ms到~100ms，否則導(dǎo)致用戶體驗的糟糕不暢。AI模型性能主要受到AI模型質(zhì)量，部署方式，節(jié)點計算資源，網(wǎng)絡(luò)傳輸資源等多因素的影響，一直是值得更深入探討的問題。-網(wǎng)絡(luò)AI能效表現(xiàn),中國計劃于2030年實現(xiàn)碳達峰,這對于屆時已商用部署的6G移動新網(wǎng)絡(luò)來說,能效的指標(biāo)尤其重要。5GNR網(wǎng)絡(luò)相對于4GLTE在能效方面已實現(xiàn)了大幅提升,而6G新網(wǎng)絡(luò)將需支撐更高的能效指標(biāo)需求,而能效表現(xiàn)也將成為在系統(tǒng)滿足基本性能需求前提下衡量6G網(wǎng)絡(luò)AI的重要KPI指標(biāo)。未來6G網(wǎng)絡(luò)AI的能效綜合表現(xiàn),將進一步依賴于多方面技術(shù)手段融合與創(chuàng)新,例如:通感一體化技術(shù),基于AI深度節(jié)能,基于AI智簡網(wǎng)絡(luò)等。通過諸多更先進的AI模型壓縮技術(shù)(模型參數(shù)量化、稀疏化、知識蒸餾等),在一定的性能損失容忍限度內(nèi),可獲得逼近本尊的AI小模型,較大地降低AI模型執(zhí)行能耗。通過分布式并行異構(gòu)計算,可將較重的AI任務(wù)卸載分擔(dān)到高計算能效的節(jié)點上去執(zhí)行完成。在6G整體能效繼續(xù)提升的大目標(biāo)下,6G網(wǎng)絡(luò)AI將會使得6G移動新系統(tǒng)成為一個高能效的分布式通感算智信的超融合平臺,其綜合能效表現(xiàn)相比5G將至少提高2-5未來,6G移動新系統(tǒng)將會支撐和提供諸多6G的新業(yè)務(wù)應(yīng)用,而它們將會和6G網(wǎng)絡(luò)AI之間發(fā)生密切聯(lián)系和相互影響。1.面向終端用戶,以全息通信和移動XR為代表的6G新業(yè)務(wù)應(yīng)用,將極大提升用戶移動應(yīng)用的沉浸感。全息通信成像和移動XR對空口傳輸吞吐量的要求可達Gbps甚至Tbps級,對系統(tǒng)端到端傳輸時延要求可達亞ms級,不同信息流之間的時間同步精度要求可達幾十ns級。如何實現(xiàn)全息通信和移動XR終端設(shè)備的輕質(zhì)化與便攜性,是其在未來商用成功應(yīng)用之路上不可繞過的問題。受限于智能終端自身的算力、存儲、智能和功耗等因素,全息通信和移動XR這類高端業(yè)務(wù)應(yīng)用,通常需依賴于6G網(wǎng)絡(luò)AI的強力支撐賦能,如此從終端的角度實現(xiàn)“通信換計算”增益。2.面向網(wǎng)管運維,以“L5等級網(wǎng)絡(luò)高自治”為代表的6G新業(yè)務(wù)應(yīng)用,可極大提升6G新系統(tǒng)運維管理的效率性能,而它通常也需依賴于6G網(wǎng)絡(luò)AI的強力支撐。目前網(wǎng)絡(luò)運維水平低、運維成本過高,如何提升網(wǎng)絡(luò)運維自治水平,打造自修復(fù)、自優(yōu)化、自治愈的通信網(wǎng)絡(luò),是下一代無線網(wǎng)絡(luò)重需突破的關(guān)鍵技術(shù)問題。6G網(wǎng)絡(luò)的高水平自治需要依賴于數(shù)字李生網(wǎng)絡(luò)技術(shù)。當(dāng)前網(wǎng)元內(nèi)部的大量數(shù)據(jù)并未對運營商開放,導(dǎo)致運營商對于網(wǎng)絡(luò)真實狀態(tài)無法做到全面、實時和精細的感知,對網(wǎng)絡(luò)的管控只能停留在各類長周期統(tǒng)計數(shù)據(jù)所能支持的范疇；基于軟硬采、路測、MDT、MR和網(wǎng)管數(shù)據(jù)提取等方式雖已能獲得大量數(shù)據(jù),但存在數(shù)據(jù)質(zhì)量差、價值密度低、獲取效率低、時效性差等問題；傳統(tǒng)網(wǎng)絡(luò)智能化實踐中采用人工發(fā)現(xiàn)問題并使用AI解決問題的方式,始終受到專家認知的局限性；同時,依賴人工的、煙囪式解決問題的方式,往往在不同網(wǎng)絡(luò)運維優(yōu)化用例之間產(chǎn)生效果的沖突；現(xiàn)有網(wǎng)絡(luò)中的運維優(yōu)化決策在實施之前通常會由專家進行評估論證，新功能的引入一般需要先進行長時間的內(nèi)外場測試，決策實施后的效果主要通過統(tǒng)計或路測相關(guān)網(wǎng)絡(luò)性能指標(biāo)獲知，送代優(yōu)化周期長、成本高。針對上述挑戰(zhàn)，6G新網(wǎng)絡(luò)需要通過數(shù)字李生網(wǎng)絡(luò)，去解決數(shù)據(jù)的深度開放共享問題、提升數(shù)據(jù)價值密度、自動生成網(wǎng)絡(luò)自治需求并支持低成探索出尚未部署到現(xiàn)網(wǎng)的新業(yè)務(wù)需求并在李生的數(shù)字化網(wǎng)絡(luò)中驗證效果，從而實現(xiàn)網(wǎng)絡(luò)的自演進。數(shù)字李生網(wǎng)絡(luò)與網(wǎng)絡(luò)智能的融合設(shè)計體現(xiàn)在兩個方面:一是網(wǎng)絡(luò)智能將利用數(shù)字李生網(wǎng)絡(luò)進行AI工作流、模型或決策的效果預(yù)驗證；二是數(shù)字李生網(wǎng)絡(luò)將利用網(wǎng)絡(luò)智能獲得數(shù)字李生體模型，優(yōu)化數(shù)據(jù)采集、處理和預(yù)驗證性能，或分析各級網(wǎng)絡(luò)數(shù)字李生體表征的網(wǎng)絡(luò)實時狀態(tài)生成新的網(wǎng)絡(luò)3.面向第三方客戶和廣泛的TOB用戶，6G網(wǎng)絡(luò)AI還可通過AIaas的方式，精準(zhǔn)按需地對外提供各種AI三要素資源和服務(wù)等。對于TOB領(lǐng)域，業(yè)、學(xué)校、研究機構(gòu)等，利用6G新網(wǎng)絡(luò)更高效地提供AI服務(wù)，為各垂直行業(yè)提供賦能降本增效的能力，并進一步促進其產(chǎn)業(yè)升級，有極大的應(yīng)用價值。TOB客戶可從自身的生產(chǎn)數(shù)據(jù)中挖掘出有用的AI模型，幫助自身優(yōu)化生產(chǎn)，方便復(fù)制當(dāng)前的生產(chǎn)模式，或者通過分享AI模型獲得收益。運營商構(gòu)建AI平臺獲得平臺收益。例如，某工廠在生產(chǎn)過程中產(chǎn)生了大量數(shù)據(jù)，用這些數(shù)據(jù)在AI平臺上訓(xùn)練了一個AI生產(chǎn)模型或者平臺根據(jù)這個模型對工廠的生產(chǎn)調(diào)度進行優(yōu)化，生成一個新模型。當(dāng)企業(yè)在AI平臺上將這個模型設(shè)置為私有服務(wù)，這些模型會被用在這個工廠本身或者被這個企業(yè)作為模板復(fù)用在新的連鎖工廠方便擴大生產(chǎn)。當(dāng)企業(yè)將這個模型設(shè)置為公有服務(wù)，就可以將這個模型開放交易給合作伙伴，用于賦能同類型工廠的生產(chǎn)。在這個例子中，運營商需要運營一個AI平臺(提供算力訓(xùn)練模型，提供模型存放空間，提供服務(wù)開放接口，作為模型中間商參與多方的合作)，收取平臺服務(wù)費。工廠提供數(shù)據(jù)，得到模型，并且分享賣模型的收益，同時也方便未來，6G網(wǎng)絡(luò)AI新范式可應(yīng)用的場景非常廣闊，并且在各個行業(yè)領(lǐng)域的大應(yīng)用場景下，還可包含諸多的子場景。最典型的大場景領(lǐng)域門類諸如:工業(yè)智能制造，農(nóng)林牧礦場，政務(wù)辦公，交通治理，災(zāi)害管理，生活家居，娛樂游戲等。以備受業(yè)界期待的“工業(yè)智能制造”應(yīng)用大場景為例，其相關(guān)的細分子場景又可包含:“工業(yè)園區(qū)內(nèi)的動態(tài)環(huán)境監(jiān)測”、“廠區(qū)內(nèi)開放式多智能體任務(wù)協(xié)作“、”車間室內(nèi)的產(chǎn)品生產(chǎn)線機器視覺“、”物流倉儲內(nèi)的AGV管控協(xié)同“等；而上述每個應(yīng)用子場景對6G網(wǎng)絡(luò)AI的能力性能需求又不盡相同,甚至差異很大。以此邏輯類推,從某大場景到子場景再到子子場景等,6G網(wǎng)絡(luò)AI其實有著很多的應(yīng)用場景實例。隨著工業(yè)互聯(lián)網(wǎng)應(yīng)用的深入發(fā)展,工業(yè)園區(qū)可視化運維、智能柔性制造、可編排產(chǎn)品生產(chǎn)流水線、移動倉儲物流等技術(shù)已逐漸地被應(yīng)用,它們可充分利用AI等先進技術(shù)手段,去替代或輔助傳統(tǒng)的人工操控和專家經(jīng)驗,從而大大縮短工業(yè)產(chǎn)品的智能設(shè)計制造周期和降低企業(yè)生產(chǎn)運營成本等。例如,基于6G網(wǎng)絡(luò)AI服務(wù)器平臺的園區(qū)可視化運維應(yīng)用系統(tǒng),可通過廣泛的傳感器部署和信息采集、實時監(jiān)控全園區(qū)內(nèi)各種生產(chǎn)、輔助和環(huán)境配套設(shè)備的運行狀態(tài),實現(xiàn)全園區(qū)整體的可視化安全監(jiān)控運維(如圖4.1.1-1所示),從而預(yù)防杜絕設(shè)備故障和生產(chǎn)人員的隱患災(zāi)害等。針對此類應(yīng)用,6G網(wǎng)絡(luò)AI可充分地發(fā)揮無線覆蓋廣、多無線傳感終端服務(wù)能力強、系統(tǒng)AI服務(wù)響應(yīng)及時、監(jiān)測的數(shù)據(jù)本地可快速協(xié)同等技術(shù)優(yōu)勢。工業(yè)智能生產(chǎn)通常有著較高的傳輸和處理時延/魯棒性/可靠性要求,由于工業(yè)智能制造相對地本地局域化部署執(zhí)行的特點,6G網(wǎng)絡(luò)AI中的基站側(cè)傳輸、算力、算法資源和能力的拓展非常重要,它能比傳統(tǒng)的云AI方案,提供更低的計算傳輸延時和抖動,從而實現(xiàn)更魯棒可靠的工業(yè)級信號處理的確定性保障。此外在6G網(wǎng)絡(luò)AI體系下,工業(yè)智能生產(chǎn)線上的任何智能終端,都可能具備本地更強大的無線感知和數(shù)據(jù)分析推理決策能力等,如此能靈活地去勝任復(fù)雜工業(yè)生產(chǎn)線上的各類復(fù)雜編排作業(yè)任務(wù)(例如:探測,分類,裝配,焊接,質(zhì)檢等)。為了進一步增強工業(yè)制造的自動化和智能化度,通過生產(chǎn)多智能體之間的群體學(xué)習(xí)、聯(lián)邦學(xué)習(xí),工業(yè)機器人群和工業(yè)智能終端還有望在線學(xué)習(xí)、聯(lián)合開發(fā)、聚合產(chǎn)生新的生產(chǎn)操作模型,不斷送代提升各自的生產(chǎn)操作動作的策略和精準(zhǔn)度,從而提升工業(yè)智能生產(chǎn)效率和體系安全性。圖4.1.1-1:工業(yè)園區(qū)的安全監(jiān)控農(nóng)林牧礦場是指農(nóng)場、林場、牧場和礦山礦場等場景,其特點是場區(qū)經(jīng)營和運維管理規(guī)模大,且各地的自然條件、資源基礎(chǔ)、經(jīng)濟與社會發(fā)展水平差異較大。隨著未來農(nóng)林牧礦場的規(guī)?；瘜I(yè)化水平不斷地提高,它們對于行業(yè)可持續(xù)、高效率、高質(zhì)量發(fā)展的需求愈加迫切,因此加快推進數(shù)字化智能化轉(zhuǎn)型已成為農(nóng)林牧礦場發(fā)展經(jīng)營的重要目標(biāo)。6G網(wǎng)絡(luò)AI將為農(nóng)林牧礦場的數(shù)字化智能化轉(zhuǎn)型,提供必要的網(wǎng)絡(luò)基礎(chǔ)設(shè)施和高效智能化支持。下面將以智慧農(nóng)場、智慧牧場和智慧礦山為例,給出一些典型子場景示例。1)智慧農(nóng)場智慧農(nóng)場指運用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新一代信息通信技術(shù),實現(xiàn)農(nóng)業(yè)生產(chǎn)的全流程自動化,并通過智能化控制精準(zhǔn)地管理農(nóng)場的生產(chǎn)規(guī)劃與執(zhí)行。與傳統(tǒng)手工或機械化農(nóng)場相比,智慧農(nóng)場將采用基于AI新型的農(nóng)場生產(chǎn)作業(yè)模式,如通過傳感器采集農(nóng)場片區(qū)的各類數(shù)據(jù),基于海量感知數(shù)據(jù)及人工智能技術(shù),智能調(diào)控農(nóng)作物的生長環(huán)境,使其更好地滿足作物生長需要,并將各類型農(nóng)業(yè)機器人應(yīng)用到耕地、播種、噴藥、收割、采摘、包裝等農(nóng)業(yè)作業(yè)環(huán)節(jié)中,如圖4.1.2-1所示,為通過6G網(wǎng)絡(luò)AI管控下的無人機實現(xiàn)智能噴藥。未來6G網(wǎng)絡(luò)AI賦能將進一步提高農(nóng)場作業(yè)質(zhì)量及效率,減少人工投入,實現(xiàn)降本增產(chǎn)提質(zhì)增效。圖4.1.2-1:無人機噴藥6G網(wǎng)絡(luò)AI將能為智慧農(nóng)場提供各種AI業(yè)務(wù)支持,包括:基于農(nóng)場內(nèi)廣泛部署的多類傳感器的感知數(shù)據(jù)精準(zhǔn)獲取與傳輸、基于海量數(shù)據(jù)的分布式智能AI模型訓(xùn)練、模型參數(shù)的高效傳輸與聚合、無人機噴灑作業(yè)路線的精準(zhǔn)規(guī)劃和飛行控制、農(nóng)機自動駕駛路線規(guī)劃等。在整個農(nóng)場全流程自動化實現(xiàn)過程中，無論是對作物的全生命周期管控，還是本地各個環(huán)節(jié)的精細化智能操作，6G網(wǎng)絡(luò)AI都將發(fā)揮作用。再以農(nóng)場智能采摘為例，如圖4.1.2-2所示，通過機器人進行小番茄的智能采摘，小番茄體小果實密集且易破損，因此機器人要確保采摘的位置和力度的精準(zhǔn)。這一方面需要對機器人提供更高精度的定位信息，讓采摘機器人獲得動態(tài)厘米級和靜態(tài)毫米級的高精度定位；另一方面還需要在回傳視頻圖像的輔助下，為機器人提供高精度動作和力度控制。6G網(wǎng)絡(luò)提供的高精度定位和網(wǎng)絡(luò)AI的高精度控制模型將聯(lián)合支撐該類操作。圖4.1.2-2:機器人精準(zhǔn)采摘2)智慧牧場智慧牧場也是利用新一代信息通信技術(shù)，實現(xiàn)對牧場內(nèi)動物家畜的育種、放牧、飼喂、擠奶、宰殺等全生命周期自動管理和智能決策。智能決策的前提是傳感器的廣泛部署和數(shù)據(jù)的自動收集，在準(zhǔn)確性、及時性、全面性數(shù)據(jù)收集的基礎(chǔ)上，可構(gòu)建起牧場智能管理系統(tǒng)，而6G網(wǎng)絡(luò)AI將在其中發(fā)揮積極作用。以奶牛飼養(yǎng)為例，在奶牛身上可以廣泛安裝可穿戴設(shè)備(傳感器)，基于可穿戴設(shè)備可獲得奶牛的各類行為數(shù)據(jù)，包括采食、飲水、休息、站立、行走、反烏和各類身體指標(biāo)等，也可以基于牧場內(nèi)部署的高清攝像頭獲得奶牛位置、運動軌跡、運動行為等數(shù)據(jù)，或可基于6G通感一體技術(shù)在通信的同時實現(xiàn)對奶牛特征數(shù)據(jù)的采集；上述各類感知數(shù)據(jù)可以通過分布式的6G網(wǎng)絡(luò)AI進行本地處理，也可傳輸?shù)街悄芄芾硐到y(tǒng)后進行集中式處理；基于AI推理結(jié)果可控制擠奶機器人進行擠奶操作，包括擠奶位置、擠奶時間、持續(xù)時間、奶流量等，而擠奶機器人上的傳感器可獲得牛奶指標(biāo)和牛奶分析數(shù)據(jù)，如溫度、乳脂肪、乳蛋白、孕兩、兩體、體細胞和尿素水平等數(shù)據(jù)，并基于對上述數(shù)據(jù)的智能分析推理對奶牛的身體質(zhì)量進行評分和預(yù)警等。6G網(wǎng)絡(luò)AI可高效精準(zhǔn)地實現(xiàn)上述功能,包括:針對大面積牧場的多維感知數(shù)據(jù)采集、數(shù)據(jù)傳輸、模型訓(xùn)練、分布式或集中式智能處理、觸覺控制等,從而實現(xiàn)牧場工作效率提升和人工成本節(jié)省。3)智慧礦山智慧礦山是以礦山數(shù)字化、信息化為前提基礎(chǔ),進一步對礦山生產(chǎn)、職業(yè)健康與安全、技術(shù)支持與后勤保障等方面進行主動感知、自動分析、快速處理的完整智能體系。移動通信網(wǎng)絡(luò)特點十分適用于智慧礦山的建設(shè)運維管理。首先礦山地理位置大都比較偏僻,網(wǎng)絡(luò)覆蓋較差,通常需要單獨定制化建網(wǎng)；其次大部分礦山工程機械在施工操作時都處于移動的狀態(tài),這對于移動性管理的需求比較高；且礦山內(nèi)部時常要進行高強度爆破作業(yè),采用光纖等有線網(wǎng)絡(luò)不切實際。因此,智慧礦山建設(shè)運維管理一般會以移動通信系統(tǒng)為基礎(chǔ)設(shè)施。智慧礦山包括:安全礦山、清潔礦山、高效礦山等,尤其以安全礦山為重中之重。安全礦山是集數(shù)據(jù)采集傳輸、模型訓(xùn)練、算法分析、風(fēng)險推送為一體的綜合智能體系。具體場景包括:傳感數(shù)據(jù)和圖像數(shù)據(jù)的實時采集傳輸、移動終端高清圖像回傳、邊緣分布式計算與智能識別、集中式大數(shù)據(jù)分析、風(fēng)險預(yù)測預(yù)警、無人礦車自動駕駛與智能調(diào)度等。目前在5G網(wǎng)絡(luò)的支持下,安全礦山已取得一定的成效；但風(fēng)險預(yù)警發(fā)布和妥善處置,要求極高的推理精準(zhǔn)性、極低時延和極高可靠性,未來在6G網(wǎng)絡(luò)AI的助力下,安全礦山將有望迎來技術(shù)突破和應(yīng)用升級。綜上所述,農(nóng)林牧礦領(lǐng)域的6G網(wǎng)絡(luò)AI場景應(yīng)用,相比于工業(yè)智能制造、自動駕駛等領(lǐng)域,對數(shù)據(jù)采集傳輸和處理的時延敏感性方面要求稍弱一些,但對傳感器的部署規(guī)模、遠程操控的靈活性和精準(zhǔn)性、AI解決方案的綜合成本、以及安全性可靠性等方面也有較高的要求。在現(xiàn)代化城市綜合治理中,政務(wù)辦公正在從數(shù)字化、網(wǎng)聯(lián)化走向智能化。在各級政府報告中頻繁出現(xiàn)的“一站式”、“跨省通辦”、“一網(wǎng)統(tǒng)管”等高頻熱詞,正是當(dāng)前智慧政務(wù)辦公的主要發(fā)展目標(biāo)和表現(xiàn)形式。6G時代的新型智慧政務(wù)辦公將會基于更先進高效且智能的“數(shù)字政府”形式,而6G網(wǎng)絡(luò)AI是支撐和實現(xiàn)“數(shù)字政府”的重要途徑手段。下面舉例說明。(1)虛擬政務(wù)大廳政務(wù)大廳是公民們集中辦理各類大小政務(wù)事件的主要場所。隨著AR/XR虛擬現(xiàn)實技術(shù)的發(fā)展,以及6G移動新網(wǎng)絡(luò)提供的更高速可靠的連接和邊緣算力服務(wù),虛擬政務(wù)大廳應(yīng)用將在未來成為現(xiàn)實,公民將實現(xiàn)足不出戶即可通辦所需的政務(wù)業(yè)務(wù)?；?G網(wǎng)絡(luò)AI,分析和引導(dǎo)每個公民的政務(wù)業(yè)務(wù)需求,實現(xiàn)以用戶為中心的定制化政務(wù)服務(wù)體驗。面向多場景、跨部門政務(wù)業(yè)務(wù)審批流程，可基于6G網(wǎng)絡(luò)Al的本地分析實現(xiàn)快速地評估流事中、事后的全數(shù)字化監(jiān)察體系，使得政府權(quán)力始終在陽光下透明公正地運行。(2)智能決策輔劣政務(wù)決策通常需要大量可信數(shù)據(jù)的支撐，以及對海量數(shù)據(jù)的分析評估推理。由于各級政府各部門“數(shù)據(jù)孤島”問題始終存在，政務(wù)數(shù)據(jù)量巨大且敏感，往往牽一發(fā)而動全身。未來基于6G網(wǎng)絡(luò)Al，實現(xiàn)跨不同部門的大數(shù)據(jù)智能化整合分析，為各級政策的決策提供更全面、及時、深入的輔助分析，且能對未來發(fā)展提供更精準(zhǔn)的預(yù)測展望。例如:在公共資源調(diào)配方面，基于6G網(wǎng)交通治理場景是指對公共交通系統(tǒng)的監(jiān)控、管理和維護，目標(biāo)是為社會提供更高效便捷的公共交通服務(wù)。基于6G網(wǎng)絡(luò)Al的公共交通治理追求的目標(biāo)是:公共利益最大化，包括提高公民滿意率，提升行政效率降低行政成本。在推動交通治理現(xiàn)代化進程中，數(shù)字化和智能化逐漸扮演越來越重要的角色。隨著大數(shù)據(jù)、人工智能以及通信等技術(shù)的快速發(fā)展，它們在城市交通智能化管理與服務(wù)、公眾出行智能化服務(wù)、公路智能化等領(lǐng)域都得到了廣泛應(yīng)用。6G新系統(tǒng)將從萬物互聯(lián)拓展到萬物智連。在傳統(tǒng)通信基礎(chǔ)設(shè)施之上，進一步融合數(shù)據(jù)、算法、算力等要素，通過內(nèi)生的網(wǎng)絡(luò)Al形式為各行各業(yè)提供智能普惠服務(wù)。6G網(wǎng)絡(luò)Al將會給城市交通的治理帶來全新升級，例如在自動駕駛、無人機快遞，無人出租車、車路協(xié)同等方向上推動著城市交通體系的持續(xù)變革。交通治理經(jīng)過幾十年的發(fā)展，目前已走到人工智能+大數(shù)據(jù)+算力的新發(fā)展階段，面臨著下面關(guān)鍵服務(wù)場景需要首先，是面向整個交通網(wǎng)的感知方面。在進行路網(wǎng)級的交通信號控制協(xié)同時，針對各種公路網(wǎng)的感知是極其關(guān)鍵的。目前對于公路網(wǎng)的感知主要是依靠城市卡口、微波雷達、以及基于手機的導(dǎo)航、基于GPS定位等數(shù)據(jù)源，來實現(xiàn)對公路網(wǎng)的感知，交通數(shù)據(jù)采集設(shè)備的部署總體來說還比較稀疏，在時空張量的環(huán)境下有價值的信息依然有限。6G網(wǎng)絡(luò)Al將融合了內(nèi)生感知和數(shù)據(jù)處理能力，有望通過廣域覆蓋提供更全方位更多維度第二是進行城市道路交通流量的預(yù)測和管控。交通流的預(yù)測精度和時效性對于交通的主動管控非常關(guān)鍵。如何實現(xiàn)面向超大規(guī)模網(wǎng)絡(luò)交通狀態(tài)的準(zhǔn)確估計和快速預(yù)測，一直是交通治理面臨的問題。6G網(wǎng)絡(luò)Al更容易通過內(nèi)生Al環(huán)境，相比于傳統(tǒng)云端精準(zhǔn)短時延的預(yù)測結(jié)果。第三是需要大規(guī)模、多尺度的交通仿真優(yōu)化技術(shù)。對于一些尚無足夠歷史數(shù)據(jù)積淀的交通場景，或是有待于借助仿真工具來進行交通態(tài)勢演化推演的一些場景，它們需要多分辨率的、多尺合，通過虛實映射以及實時計算，形成基于仿真的交通管控優(yōu)化技術(shù)，能夠?qū)崿F(xiàn)在線的、實時的、快速的計算優(yōu)化。在災(zāi)難預(yù)防，保護，緩解，響應(yīng)和災(zāi)后恢復(fù)等所有的災(zāi)難管理場景中，最緊迫的應(yīng)用需求是快速建立和恢復(fù)通信網(wǎng)絡(luò)以實時收集數(shù)據(jù)，尤其是在救援人員、指揮人員、受災(zāi)人員之間保障進行可靠實時的信息交換。通常當(dāng)發(fā)生危機災(zāi)難之時，先前部署的通信網(wǎng)絡(luò)可能都將不可用，并且不同的涉事相關(guān)人員具有異構(gòu)的通信設(shè)備。由于態(tài)勢的緊急性和巨大影響，6G網(wǎng)絡(luò)AI需要根據(jù)網(wǎng)絡(luò)狀態(tài)、相關(guān)人員設(shè)備狀態(tài)等，實時規(guī)劃制定出網(wǎng)絡(luò)的恢復(fù)方案，并快速部署可靠魯棒，易于配置，可互操作，低成本的安全網(wǎng)絡(luò)。如何向需要者及時有效地提供信息是災(zāi)害管理中的關(guān)鍵環(huán)節(jié)。根據(jù)ITU-D建議，災(zāi)害管理的信息類型涉及非常廣泛，包括:災(zāi)害感應(yīng)和報警、損毀評估、庇護所位置、后勤和供應(yīng)鏈協(xié)調(diào)、應(yīng)急醫(yī)療支持、確定家庭和朋友安全無悲以及人員搜尋救助。因此公民、政府公共安全官員、救災(zāi)工作者、企業(yè)和其他機構(gòu)等，都對未來6G新網(wǎng)絡(luò)有著極高的需求，安防防災(zāi)和災(zāi)害管理將會是6G網(wǎng)絡(luò)AI的重要應(yīng)用場景。災(zāi)害管理包括:災(zāi)前災(zāi)中災(zāi)后不同管理階段的多個步驟，它們對災(zāi)害發(fā)生概率、地點和持續(xù)時間等數(shù)據(jù)，從而做好相應(yīng)的積極預(yù)備;2.基于6G網(wǎng)絡(luò)AI的災(zāi)害探測，包括對3.基于6G網(wǎng)絡(luò)AI的氣候變化預(yù)測，包括面向不同粒度大小地理區(qū)域的氣候和天氣預(yù)測;4.基于6G網(wǎng)絡(luò)AI的地震、海嘯、應(yīng)風(fēng)、森林草原火災(zāi)、石油天然氣泄漏等災(zāi)害的探測和跟蹤、警告/預(yù)警信息提供和相關(guān)損害評估；鑒于6G新網(wǎng)絡(luò)對于災(zāi)害管理的重要性，網(wǎng)絡(luò)連續(xù)性可用可達是災(zāi)害通信管理的重要前提。基于6G新網(wǎng)絡(luò)的災(zāi)害管理系統(tǒng)，應(yīng)當(dāng)是基于多種網(wǎng)絡(luò)技術(shù)的異構(gòu)系統(tǒng)，可相互提供連接備份，從而終端可在不同網(wǎng)絡(luò)(例如公共蜂窩網(wǎng)和衛(wèi)星網(wǎng)絡(luò))上使用系統(tǒng)，保障人們能在災(zāi)害中正常通信。多異構(gòu)網(wǎng)絡(luò)的系統(tǒng)管理需要6G網(wǎng)絡(luò)Al增強獨立運行的網(wǎng)絡(luò)能力(由不同組織采用不同政策擁有并/或操作)集成能力和管理效率。災(zāi)中和災(zāi)后,受害者或許需要實時聯(lián)系位置不明或不熟悉的醫(yī)院以及臨時庇護所。此外,因道路毀壞,受害者可能需要及時了解不熟悉的新路線,此時受害者可能僅持有計算能力和接入能力極為有限的終端設(shè)備。救災(zāi)指導(dǎo)系統(tǒng)可通過6G網(wǎng)絡(luò)Al提供的分析能力和網(wǎng)內(nèi)Al計算能力,通過多種方式(智能語音、短信、短報文、救災(zāi)機器人等)向受害者提供具有關(guān)鍵位置和可用線路的指導(dǎo)。普通消費者有大量的時間是在家庭生活中,生活家居類應(yīng)用也在不斷地向便利性、舒適性、安全性、隱私性等方向發(fā)展。隨著智能設(shè)備越來越多地滲透到生活家居,6G網(wǎng)絡(luò)Al在生活家居場景中有非常廣闊的應(yīng)用場景。6G網(wǎng)絡(luò)Al將可能用于家居控制、安防監(jiān)控、行為監(jiān)控、健康監(jiān)測等；通過Al能分析人們行為、了解人們意圖,從而創(chuàng)造更多的智能生活家居應(yīng)用。由于不需要購買和部署專用的家居Al設(shè)備,6G網(wǎng)絡(luò)Al可充分利用既有的6G網(wǎng)絡(luò)設(shè)施,在家居環(huán)境中高效4.1.6.1家居控制通過6G網(wǎng)絡(luò)Al感知和分析人的行為、手勢和位置等信息,并結(jié)合歷史數(shù)據(jù)刻畫出住戶習(xí)慣、意圖描述和家居環(huán)境,從而實現(xiàn)對各類家居設(shè)備(如電源開關(guān),電視冰箱,窗戶/簾等)的最優(yōu)控制。例如:利用6G網(wǎng)絡(luò)Al感知分析,實現(xiàn)人走到哪里,室內(nèi)燈光會相應(yīng)打開,離開也會自動熄滅；可根據(jù)人的數(shù)量多少和當(dāng)前行為,自動調(diào)節(jié)燈光亮度；小孩爬到窗口陽臺上,自動開窗器自動關(guān)好窗戶,防止孩子墜落；通過用戶不同手勢,可切換電視頻道和控制電器等。6G網(wǎng)絡(luò)Al能提供最便捷的方式讓人和家居設(shè)備交流。4.1.6.2安防監(jiān)控當(dāng)住戶離家或是熟睡的時候,若有人非法入侵,感知安防系統(tǒng)會自動發(fā)出報警信息,以呵阻入侵者動作,避免家庭財產(chǎn)受到損失。6G網(wǎng)絡(luò)Al能本地快速地分析并鑒別哪些行為是非法入侵,基于家庭成員畫像能區(qū)別是家庭成員的正常移動還是非法入侵,6G網(wǎng)絡(luò)Al還能進一步評估入侵動作的危險等級,自動觸發(fā)對應(yīng)報警等動作。4.1.6.3行為監(jiān)控網(wǎng)絡(luò)Al可分析:各個家庭成員看電腦、看電視、睡覺、走動等活動的時間比例，活動區(qū)間以及睡4.1.6.4健康監(jiān)測在生活家居健康監(jiān)測方面，6G網(wǎng)絡(luò)Al能帶來一場顛覆性的革命?；趥鞲袛?shù)據(jù)進行網(wǎng)絡(luò)Al識別分析，可實現(xiàn)對人或動物的健康監(jiān)測管理。如下圖4.1.6-1所示，基于網(wǎng)絡(luò)Al提取和分析無線信道的波動信息，可遠程測量人體的呼吸心率等指標(biāo)。當(dāng)6G新網(wǎng)絡(luò)發(fā)現(xiàn)呼吸心率異常時，能及時進行預(yù)警和治療。圖4.1.6-1:健康無線監(jiān)測應(yīng)用場景隨著可穿戴類設(shè)備和XR類全息技術(shù)應(yīng)用的發(fā)展，未來基于各種類型用戶終端的教育、培訓(xùn)、娛樂、休閑活動將會變得更豐富多彩，且更富于用戶沉浸式特色。為了支撐保障沉浸式類業(yè)務(wù)應(yīng)用的體驗(例如:低延時，高互動，高保真，強演染等)，6G新網(wǎng)絡(luò)需要在基站前端具備更強的空口感知，深度邊緣計算和智能推理決策的能力。以多路感知多業(yè)務(wù)流的協(xié)同傳輸為例，特定XR應(yīng)用下屬的不同業(yè)務(wù)流不僅自己需要有更強力的QoS傳輸質(zhì)量保證，它們之間的協(xié)同互動和傳輸同步也非常重要。傳統(tǒng)5G網(wǎng)絡(luò)偏集中式的QoS控制保障機制不夠動態(tài)靈活，無法動態(tài)適應(yīng)空口環(huán)境和用戶態(tài)勢變化，導(dǎo)致XR建、訓(xùn)練、推理和保障機制，有望使得6G基站前端具備更強的空口環(huán)境和用戶態(tài)勢適配能力，用戶XR應(yīng)用更強力的資源支持，不斷送代優(yōu)化各類用戶多種娛樂休閑業(yè)務(wù)的體驗。虛擬數(shù)字人已出現(xiàn)在大量的娛樂游戲場景中，真實物理用戶可以和虛擬數(shù)字人實時互動，為了增強互動效果，虛擬數(shù)字人需要在面部、姿態(tài)、語言動作反應(yīng)等方面構(gòu)建豐富的AI模型，經(jīng)歷大量訓(xùn)練和效果演染之后，這些虛擬數(shù)字人模型才能呈現(xiàn)出更好的擬真效果。海洋約占地球表面覆蓋面積的70%，其蘊含了豐富的海洋礦物資源、海水化學(xué)資源、海洋生物（水產(chǎn))資源和海洋動力資源等。如何利用AI技術(shù)幫助人類，去進一步探索挖掘和利用豐富的海洋資源，已成為業(yè)界熱點和未來必然發(fā)展趨勢。過去，海洋環(huán)境下的無線網(wǎng)絡(luò)構(gòu)建非常復(fù)雜，部署運行難度也更高，網(wǎng)絡(luò)連接計算性能不穩(wěn)定，這些都造成難以向海洋中的目標(biāo)對象提供較優(yōu)的通信計算和AI類服務(wù)。未來，基于6G移動新網(wǎng)絡(luò)的海洋治理場景可包含:智慧海港運營，海產(chǎn)養(yǎng)殖監(jiān)測，近海資源探索，海況檢測預(yù)警，油氣泄露探測，潮沙洋流發(fā)電，遠海事故搜救等。如圖4.1.8-1所示，海洋網(wǎng)絡(luò)可由眾多的異構(gòu)網(wǎng)元節(jié)點組成，由于海洋環(huán)境的特點，它更強調(diào)智能物聯(lián)和動態(tài)自治運維方面能力。通過借助海面浮動基站，高空平臺，天基衛(wèi)星等的通信計算能力，可提高海洋網(wǎng)絡(luò)的連接處理效率和監(jiān)測探測范圍。未來6G網(wǎng)絡(luò)AI有望進一步賦能海洋網(wǎng)絡(luò)，提升海洋網(wǎng)絡(luò)的物聯(lián)智能性(如節(jié)點感知定位，傳感節(jié)點節(jié)能，提升數(shù)據(jù)采集上報效率等)和網(wǎng)絡(luò)動態(tài)自治性能(如動態(tài)自組網(wǎng)，傳輸鏈路優(yōu)化，多智能體路由路徑規(guī)劃，水聲網(wǎng)絡(luò)拓撲分簇、節(jié)點功率分配等)，從而人類將獲得對廣裹海洋的更好治理利用。圖4.1.8-1海洋網(wǎng)絡(luò)部署應(yīng)用實例未來，智慧醫(yī)療在時間維度上，涉及到人類和動植物各類疾病的預(yù)防、預(yù)判、診治、推理、監(jiān)控、臨床手術(shù)、病患護理和疫苗藥物研制等全生命周期的諸多環(huán)節(jié)。智慧醫(yī)療在地域維度上，涉及到集中式各級醫(yī)院、分布式各級社區(qū)和家庭醫(yī)療場景。智慧醫(yī)療在專業(yè)維度上，涉及到跨不同的醫(yī)療學(xué)科之間的知識經(jīng)驗信息的融合利用。智慧醫(yī)療總體愿景是:使得個體能夠以更低成本、更便捷高效方式獲得對自身健康平安的更好呵護、治愈和保障。6G新系統(tǒng)不僅能夠更好地支撐智慧醫(yī)療相關(guān)的海量信息傳輸和同步，更能直接為醫(yī)療信息的處理醫(yī)療關(guān)乎個體的生命健康安全，因此預(yù)判、診療動作結(jié)果的準(zhǔn)確性、可靠性顯得很重要。傳統(tǒng)基于單體AI的預(yù)判診療執(zhí)行方式，由于受到AI模型算法成熟度和病例數(shù)據(jù)樣本的限制，預(yù)判診療動作結(jié)果的準(zhǔn)確性、可靠性、實時性等指標(biāo)還不是很理想。通過基于6G網(wǎng)絡(luò)AI，各個地理分散的醫(yī)療機構(gòu)個體醫(yī)者，能夠更廣泛地互聯(lián)，匯聚利用更多的AI模型算法和病例數(shù)據(jù)樣本，高速傳輸同步醫(yī)生和患者的相關(guān)信息，加深聯(lián)邦學(xué)習(xí)和群體學(xué)習(xí)，從而不斷送代提升預(yù)判診療動作結(jié)果的準(zhǔn)確性、可靠性、實時性，增強個體對智慧醫(yī)療前景的信賴。智慧醫(yī)療還能夠基于6G網(wǎng)絡(luò)AI，實現(xiàn)對各種醫(yī)療資源的更合理規(guī)劃和優(yōu)化分配使用，極大減輕醫(yī)患的體力心理壓力，避免“看病難”“排隊難”“過度醫(yī)療”等弊端問題。此外，對某些疾病預(yù)判和診療結(jié)果的隱私保護，也是非常重要的；通過6G網(wǎng)絡(luò)AI分布式技術(shù)，可以更好地保護個體醫(yī)療信息隱私。未來，6G網(wǎng)絡(luò)AI的用例也非常廣闊，并且各個大用例類型下，還可包含諸多的子用例。典型的大用例門類諸如:網(wǎng)絡(luò)功能性能優(yōu)化，系統(tǒng)智能運維自治，終端優(yōu)化，自動控制，無人駕駛，安全內(nèi)生，多媒體視頻語音識別，智能意圖交互，動態(tài)環(huán)境感知等。注:AI場景和AI用例之間可能有交叉的多對多的關(guān)聯(lián)匹配關(guān)系，即某個特定的AI場景下可涉及到多個不同的例；而某個特定的AI用例，在不同AI場景下可能有不同的具體呈現(xiàn)和QoS性能指標(biāo)需求。從某大用例到子用例再到子子用例等，6G網(wǎng)絡(luò)AI其實有著很多的用例方面實例。4.2.1用例1--網(wǎng)絡(luò)多域功能性能優(yōu)化在當(dāng)下5GS系統(tǒng)和未來的6G移動新系統(tǒng)中，利用網(wǎng)絡(luò)AI手段去賦能和增強優(yōu)化系統(tǒng)功能和性能的多個方面，都將會有更豐富的用例和更大的增益，且必定會涉及到系統(tǒng)不同層面和功能域 (例如“無線接入網(wǎng)域”、“邊緣節(jié)點域”、“承載網(wǎng)域”、“核心網(wǎng)域”和“網(wǎng)管域”等)。在產(chǎn)品非標(biāo)實現(xiàn)方面，無線基站已可基于AI推理實現(xiàn):動態(tài)開關(guān)節(jié)能、MIMO多天線權(quán)值尋優(yōu)和基站故障快速定位預(yù)警等優(yōu)化；邊緣節(jié)點已可基于AI實現(xiàn)智能CDN內(nèi)容分發(fā)和云邊協(xié)同等；IP承載已可基于AI實現(xiàn)云化超強管控和力實現(xiàn)智能的網(wǎng)絡(luò)性能優(yōu)化和用戶體驗提升，如智能精準(zhǔn)尋呼、用戶業(yè)務(wù)SLA保障；核心網(wǎng)網(wǎng)管已可基于AI實現(xiàn)智能化容量預(yù)測、故障根因分析、KPI指標(biāo)劣化分析等。上述豐富實踐已充分證明了AI在網(wǎng)絡(luò)多域功能方面的不同優(yōu)化用例。在標(biāo)準(zhǔn)化方面，3GPPSA2和SA5已針對5GS系統(tǒng)如何利用AI/ML實現(xiàn)網(wǎng)絡(luò)維，標(biāo)準(zhǔn)定義了NWDAF和MDAF功能和相關(guān)流程。例如NWDAF輔助實現(xiàn)用戶面智能選擇、智能選頻、異常終端行為檢測與防護等場景。MDAF實現(xiàn)SLA分析、故障告警分析等場景。RAN3和RAN1也針對各自識別的關(guān)鍵功能性能優(yōu)化用例，嘗試定義和引入可標(biāo)準(zhǔn)化的AI操作范式流程。例如，作為SON技術(shù)延伸，RAN3嘗試利用基站AI推理去實現(xiàn)“移動性優(yōu)化”、“網(wǎng)元節(jié)能”和“負載均衡”等用例，RAN1嘗試利用物理層AI內(nèi)嵌手段去壓縮減少CSI信息反債，實現(xiàn)波束優(yōu)化管理和定位精度提升等用例。SA2嘗試利用AI去實現(xiàn)無線接入制式的優(yōu)優(yōu)化，輔助app檢測，URSP優(yōu)化等用例?？傮w上，通過在6G網(wǎng)絡(luò)AI體系下各個網(wǎng)元協(xié)議中部署特定的AI/ML，可增強和優(yōu)化相關(guān)的策略功能、資源工作效率和參數(shù)精準(zhǔn)度，可有效地提升各種資源的利用率，改善用戶業(yè)務(wù)體驗等。未來6G移動新網(wǎng)絡(luò)面向任何特定的目標(biāo)服務(wù)場景，需具備從“場景用例識別”，“服務(wù)環(huán)一系列全生命周期的自治能力，提供“零等待、零故障、零接觸”的新型網(wǎng)絡(luò)自治服務(wù)。從未來無線網(wǎng)絡(luò)優(yōu)質(zhì)高效、綠色節(jié)能的目標(biāo)出發(fā)，如何實現(xiàn)業(yè)務(wù)感知、基于SLA的服務(wù)保障、業(yè)務(wù)驅(qū)動的自治網(wǎng)絡(luò)，特別是動態(tài)自適應(yīng)地滿足“網(wǎng)絡(luò)資源的精準(zhǔn)編織供給”是6G網(wǎng)絡(luò)AI研究的重要方向。全生命周期包含業(yè)務(wù)實例從初始實例化到最終結(jié)束的全過程。其中，我們可以通過使用智能和自動化系統(tǒng)來保障端到端的SLA。這里的“網(wǎng)絡(luò)資源”主要指:空口時頻資源，信號功率資源，天線射頻資源，基帶算力資源和AI算法資源等方面，對應(yīng)于時頻域，功率能量域，空間域和用戶業(yè)務(wù)域等方面系統(tǒng)能力和操作。這里的“精準(zhǔn)編織供給”主要指:無線網(wǎng)絡(luò)能夠?qū)崟r感知和預(yù)測目標(biāo)服務(wù)場景態(tài)勢，按需動態(tài)地精準(zhǔn)匹配，預(yù)備編排，調(diào)用使用上述各種(非)云化的“網(wǎng)絡(luò)資源”。通過基于6G網(wǎng)絡(luò)AI全生命周期管理(特別是基站邊緣內(nèi)更貼近空口的)，實現(xiàn)6G下面具體舉例說明:某港區(qū)集裝箱碼頭場景下，存在著多種不同類型的用戶和子業(yè)務(wù)作業(yè)群(指揮，運輸，監(jiān)控等)，且不同類型用戶的物理分布和移動性特征也較動態(tài)。此外，由于碼頭上眾多集裝箱的堆形和數(shù)量密度每天都在動態(tài)地變化，港區(qū)內(nèi)6G無線信號受到集裝箱遮擋或反射折射的情形也隨之改變，造成港區(qū)內(nèi)6G小區(qū)覆蓋以及小區(qū)間干擾也隨之變化。面向如此復(fù)雜且高動態(tài)變化的目標(biāo)服務(wù)場景，傳統(tǒng)的網(wǎng)絡(luò)規(guī)劃治理方案很難實現(xiàn)全生命周期的無線網(wǎng)絡(luò)資源精準(zhǔn)編織供給，帶來諸如:無線覆蓋欠佳，無線切片資源預(yù)留過度，差異化定制化程度弱，終端基站能耗較高，算力資源閑置流失，用戶業(yè)務(wù)綜合體驗不佳等弊端。站(和邊緣節(jié)點)能夠?qū)崟r動態(tài)感知港區(qū)集裝箱碼頭的場景態(tài)勢，無線空口環(huán)境和用戶分布移動性業(yè)務(wù)動態(tài)特征等，通過6G基站(和邊緣節(jié)點)本地的或集中AI智能訓(xùn)練推理預(yù)測等操作，快速制定出最佳的終端基站側(cè)資源配置、功能資源調(diào)用動作決策，并且和全局策略精準(zhǔn)協(xié)同，不斷優(yōu)化網(wǎng)絡(luò)部署運維不同環(huán)節(jié)階段的相關(guān)參數(shù)，實現(xiàn)全生命周期的“網(wǎng)絡(luò)資源的精準(zhǔn)編織供給”和網(wǎng)絡(luò)傳輸及計算能力的增強對于游戲和演染業(yè)務(wù)非常有幫助。AI與XR技術(shù)一直密XR本身就是AI技術(shù)的一個分支，XR對于對象位置、運動追蹤，處理反應(yīng)都依賴于AI的能力。所以6G網(wǎng)絡(luò)AI能力對于未來XR業(yè)務(wù)非常重要，同時也密不可分。如圖4.2.3-1所示，移動擴展現(xiàn)實XR將提供諸如:XR沉浸式云游戲;XR沉浸式旅游;XR沉浸式醫(yī)療和教育等酷炫應(yīng)用。由于受限于終端的體積功耗成本，XR終端將較大地依賴于6G網(wǎng)絡(luò)AI超能力，去實現(xiàn)3D環(huán)境重構(gòu)和互動情境的立體呈現(xiàn)，背景強化效果演染等。例如，在教育培訓(xùn)領(lǐng)域，高度沉浸式的XR應(yīng)用可提高學(xué)生們的注意力和興趣，更好地為學(xué)生涂釋抽象晦澀的理論定義等;在醫(yī)學(xué)方面，XR技術(shù)可廣泛地應(yīng)用于遠程醫(yī)學(xué)診斷和會診等;在工程、建筑和地理信息科學(xué)領(lǐng)域，可以借助XR技術(shù)簡化復(fù)雜結(jié)構(gòu)的建模，進行可視化全景分析。6G網(wǎng)絡(luò)AI將提供更為豐富的AI算力算法資源，將能更實時高效地保證上述各種XR業(yè)務(wù)應(yīng)用的執(zhí)行和用戶卓圖4.2.3-1移動擴展現(xiàn)實XR應(yīng)用實例除了AR、VR業(yè)務(wù)以外,需要面向未來6G網(wǎng)絡(luò)和計算繼續(xù)打造網(wǎng)絡(luò)圖形的業(yè)務(wù)能力。從技術(shù)線說,希望把圖形圖像業(yè)務(wù)和6G網(wǎng)絡(luò)相融合,通過6G網(wǎng)絡(luò)把視頻流傳輸?shù)奖镜?控制本地的燈光和屏幕。面向未來,網(wǎng)絡(luò)圖形圖像能力不僅僅包括cloudXR,還有云游戲、智慧城市、數(shù)字李生城市、數(shù)字可視化。之后通過流化方式部署業(yè)務(wù),從而針對不同垂直領(lǐng)域,在不同時間點可以生成出不同的業(yè)務(wù)。類似于AR、VR,網(wǎng)絡(luò)圖形圖像能力也需要不同的圖像處理AI算法,以及其需求的計算平臺和硬件。同時,圖形圖像處理過程中存在大量的數(shù)據(jù)傳輸,這也需要AI對網(wǎng)絡(luò)傳輸進行調(diào)優(yōu),保證網(wǎng)絡(luò)的通暢和業(yè)務(wù)的時效性。4.2.4用例4--視頻圖片語音分析隨著未來社會信息化和智能化各類需求的快速增長,各行各業(yè)對前端攝像頭所采集的視頻圖片信息的實時處理,和即時服務(wù)響應(yīng)的應(yīng)用需求也隨之快速地爆發(fā)。例如,基于攝像頭視頻信息,實時檢測并做出告警等響應(yīng)的應(yīng)用場景層出不窮。在公共安全衛(wèi)生方面,例如對目標(biāo)人群口罩佩戴的識別,包括對視頻中正臉側(cè)臉等多種人像角度識別,在廣場、車站、醫(yī)院、酒店、餐廚等業(yè)務(wù)場景有著強烈的需求。在智慧工地、智慧工廠、智慧電力等業(yè)務(wù)場景下,監(jiān)管方通常需要安全帽佩戴和工作服的識別模型,用于支持不同顏色、不同類別安全帽工作服的佩戴識別,用于提升對中高危作業(yè)區(qū)域的監(jiān)管效率和安全防護。在居民小區(qū)、校園樓宇等安防監(jiān)控場景下,通常需要職業(yè)服飾的識別模型,例如支持美團、京東、順豐、餓了么等多種不同顏色服飾,用于對人體職業(yè)廠家屬性的增強。對于園區(qū)小區(qū)的扶梯/樓梯、老幼活動區(qū)等場所,沖撞和摔倒識別的模型,結(jié)合目標(biāo)檢測與圖像分類技術(shù),自動識別扶梯/樓梯、老幼活動區(qū)等場所人員沖撞和摔倒危險行為。通過基于6G網(wǎng)絡(luò)AI賦能,可實現(xiàn)快速精準(zhǔn)的視頻識別服務(wù),及時實施安全防護和救援,從而大大地提高人工監(jiān)管效果，保障生命財產(chǎn)安全。在機場、車站、商場、展會、景區(qū)等人群超密集場所，需要高效率的靜態(tài)人流量識別模型，適用于中遠距離俯拍，以人群頭部為識別目標(biāo)，快速統(tǒng)計出視頻圖片中的瞬時人數(shù)。在商場、辦公樓、礦洞等入口場景，需要恰當(dāng)?shù)膭討B(tài)人流量識別模型，通過目標(biāo)檢測與目標(biāo)跟蹤技術(shù)，分析目標(biāo)軌跡和進出區(qū)域方向，實現(xiàn)動態(tài)人流量的統(tǒng)計和趨勢判定。在病人監(jiān)護、人機交互、虛擬現(xiàn)實、人體動畫、運動員輔助訓(xùn)練等場景，需要人體關(guān)鍵點識別模型，采用自上而下的識別方法，精準(zhǔn)檢測人體的關(guān)節(jié)、五官等關(guān)鍵位置。通過基于6G網(wǎng)絡(luò)AI賦能，上述各類面向視頻圖片的識別和處理反債，能夠變得更加高效實時且精準(zhǔn)。無人駕駛機理是:車輛依靠對各類傳感器收集到的數(shù)據(jù)和/或從車聯(lián)網(wǎng)中獲得的定位、道路情況、周邊環(huán)境信息進行動態(tài)信息綜合處理，從而進行合理的路徑車道策略規(guī)劃、狀態(tài)預(yù)測及駕駛指令的下發(fā)。6G無人駕駛用例的總體愿景是:使得無人駕駛車輛以更低的成本為用戶提供更安全、高效、舒適的乘車體驗。過去大部分智能車輛基于車載GPS，慣性測量裝置、毫米波/激光雷達、攝像頭收集獲得感知數(shù)據(jù)，再利用車載計算資源處理感知到的數(shù)據(jù)，基于本地AI算法識別出環(huán)境和車道信息，交通燈信息，以及周圍物體類型相對位置運動等信息。在6G網(wǎng)絡(luò)AI中，一方面6G網(wǎng)絡(luò)可直接從基站傳感器或路邊站采集交通數(shù)據(jù)，再基于網(wǎng)絡(luò)側(cè)AI模型推理，提供額外的智能感知信息，提升車輛感知完整度。另一方面，車輛感知采集的數(shù)據(jù)可傳輸?shù)骄W(wǎng)絡(luò)側(cè)，進行感知結(jié)果計算推理，從而降低車輛本地的計算需求。無人駕駛感知用例中的感知結(jié)果