報(bào)告-6G+AI即服務(wù)（AIaaS）需求研究

目錄CONTENTS第一章圖目錄/5表目錄/5引言/6現(xiàn)狀和發(fā)展趨勢/71.1AI的概念和應(yīng)用場景

1.1.1AI的概念及解讀1.1.2當(dāng)前AI的應(yīng)用場景

1.2AI應(yīng)用的現(xiàn)狀1.2.1MECAI1.2.2CloudAI1.2.35G網(wǎng)絡(luò)中的AI

1.2.4當(dāng)前AI應(yīng)用的不足1.3AI技術(shù)發(fā)展趨勢及對應(yīng)用/業(yè)務(wù)的影響

1.3.1AI技術(shù)發(fā)展趨勢1.3.2AI技術(shù)發(fā)展對業(yè)務(wù)/應(yīng)用的影響

1.3.3AI場景、用例和業(yè)務(wù)發(fā)展趨勢7778889910101112第二章6GAI即服務(wù)（AIaaS）概念與典型應(yīng)用場景/1313131313131315151717181919202121222325262728292.26GAIaaS典型場景2.2.1智慧城市

2.2.2智慧家庭

2.2.3智賦工業(yè)

2.2.4智賦農(nóng)業(yè)

2.2.5精準(zhǔn)醫(yī)療

2.2.6普智教育

2.2.7智慧能源

2.2.8超能交通

2.2.9網(wǎng)絡(luò)金融2.36GAIaaS典型應(yīng)用2.3.1無人出租汽車出行2.3.2工業(yè)機(jī)器人

2.3.3食物循環(huán)網(wǎng)絡(luò)

2.3.4居家健康2.3.5無人放牧2.3.6疾病診斷2.3.7虛擬課堂2.3.8電網(wǎng)智能巡檢3

第三章2.46GAIaaS典型服務(wù)

2.4.1模型推理服務(wù)

2.4.2模型訓(xùn)練服務(wù)

2.4.3模型生成服務(wù)

2.4.4模型優(yōu)化服務(wù)

2.4.5模型共享服務(wù)

2.4.6模型部署服務(wù)

2.4.7模型管理服務(wù)

2.4.8模型壓縮服務(wù)

2.4.9數(shù)據(jù)管理服務(wù)

2.4.10計(jì)算服務(wù)6GAI即服務(wù)（AIaaS）性能指標(biāo)/343.16GAIaaSQoAIS

3.1.1QoAIS定義

3.1.2QoAIS指標(biāo)體系3.1.3QoAIS映射模型3.1.4QoAIS具體場景指標(biāo)分析3.26GAIaaS關(guān)鍵性能指標(biāo)3.2.1性能指標(biāo)定義3.2.2性能指標(biāo)模型3.2.3性能指標(biāo)評估與計(jì)算方法

3.2.4性能指標(biāo)評估示例3030303131313232333333343434353638384041464第四章6GAI即服務(wù)（AIaaS）的技術(shù)優(yōu)勢、產(chǎn)業(yè)價(jià)值與潛在挑戰(zhàn)/4848484848484848484949504.1.1時(shí)延優(yōu)勢4.1.2算力調(diào)度優(yōu)勢

4.1.3成本優(yōu)勢4.2產(chǎn)業(yè)價(jià)值4.2.1對網(wǎng)絡(luò)自身的價(jià)值4.2.22B產(chǎn)業(yè)價(jià)值

4.2.32C產(chǎn)業(yè)價(jià)值4.3潛在挑戰(zhàn)縮略語簡表/52參考文獻(xiàn)/53

貢獻(xiàn)單位/54

目錄CONTENTS圖目錄圖2-1智慧城市

圖2-2智慧家庭

圖2-3智賦工業(yè)

圖2-4智賦農(nóng)業(yè)

圖2-5精準(zhǔn)醫(yī)療

圖2-6普智教育

圖2-7智慧能源

圖2-8超能交通

圖2-9網(wǎng)絡(luò)金融

圖2-10食物大循環(huán) 圖2-11AI模型推理業(yè)務(wù)圖2-12分布式AI模型訓(xùn)練業(yè)務(wù)圖3-1QoAIS和AIaaS關(guān)系圖示例圖3-2QoAIS指標(biāo)分解到各資源維度上的QoS指標(biāo)

圖3-3三種不同編排方案的AI任務(wù)分布圖圖3-4AI模型推理服務(wù)關(guān)鍵性能指標(biāo)體系圖3-5分布式AI模型訓(xùn)練服務(wù)關(guān)鍵性能指標(biāo)體系

圖3-6AI模型推理服務(wù)處理示意圖3-7左：分布式模型訓(xùn)練右：集中式模型訓(xùn)練

圖3-8AI數(shù)據(jù)服務(wù)流程圖3-9VGG-16模型分割示意圖表目錄表3-1AI訓(xùn)練服務(wù)的QoAIS指標(biāo)體系表3-2AI訓(xùn)練服務(wù)性能QoAIS到各資源維度的映射

表3-3用戶分布預(yù)測準(zhǔn)確度表3-4性能指標(biāo)界對比表3-5開銷對比表3-6AI服務(wù)的關(guān)鍵性能指標(biāo)表3-7通信相關(guān)的關(guān)鍵性能指標(biāo)表3-8AI模型和計(jì)算相關(guān)的關(guān)鍵性能指標(biāo)表3-9AI數(shù)據(jù)相關(guān)的關(guān)鍵性能指標(biāo)表3-10通信參數(shù)表3-11節(jié)點(diǎn)計(jì)算能力參數(shù)表3-12VGG-16模型參數(shù)表3-13不同模型分割情況下的性能指標(biāo)表3-14VGG-16模型分布式訓(xùn)練參數(shù)表3-15VGG-16模型分布式訓(xùn)練的關(guān)鍵性能指標(biāo)1415161717191920202330303435364041414345463536373737383939394646464747475

6引言半導(dǎo)體芯片生產(chǎn)成本逐年下降，芯片的算力體積比不斷提升，在更小體積的芯片中

得以運(yùn)行更多的任務(wù)。人工智能（AI）得以逐漸擺脫算力的桎梏，衍生出更多更具實(shí)用性的算法、模型和架構(gòu)。而隨著信息化進(jìn)程推進(jìn)，以及消費(fèi)電子類產(chǎn)品和各類型傳感器的更新和廣泛應(yīng)用各類系統(tǒng)趨向自動化為AI滲透到人類生活的各個(gè)方面提供了土壤。深入分析AI近十年的發(fā)展，會逐漸看到一個(gè)重要的現(xiàn)象：人工智能在感知方面取

得了重要進(jìn)展，已經(jīng)逐漸接近人類的水平，在語音、圖像、視頻處理等多個(gè)方面，人工智能處理的效率和效果都已經(jīng)超越了人類。隨著近兩年大模型的快速發(fā)展，人工智能在語言理解與處理方面也取得了重大進(jìn)展。比如，美國OpenAI研發(fā)的聊天機(jī)器人程序ChtGT，作為人工智能技術(shù)驅(qū)動的自然語言處理工具，它通過海量語言材料的學(xué)習(xí)，能夠?qū)崿F(xiàn)理解并基于人類的語言來進(jìn)行對話，還能根據(jù)聊天的上下文進(jìn)行互動，真正像人類一樣來聊天交流，甚至能完成撰寫郵件、視頻腳本、文案、翻譯、代碼、寫論文等任務(wù)。當(dāng)前，人工智能在通信生態(tài)系統(tǒng)中的架構(gòu)融合與功能應(yīng)用在3GPP、ESI中已有標(biāo)

準(zhǔn)化定義，通信人工智能的相關(guān)網(wǎng)元如NWDAF尚處于測試階段。通信人工智能面向網(wǎng)絡(luò)管理、業(yè)務(wù)管理以及應(yīng)用層的應(yīng)用較多，也取得了階段性成效。面向2030年，6G將與先進(jìn)計(jì)算大數(shù)據(jù)人工智能區(qū)塊鏈等信息技術(shù)交叉融合實(shí)現(xiàn)通信與感知計(jì)算、控制的深度耦合，實(shí)現(xiàn)eMBB、uRLC、mMC的不斷演進(jìn)，并在此基礎(chǔ)上新增人工智能服務(wù)和感知服務(wù)兩大超越通信的應(yīng)用場景。未來6G網(wǎng)絡(luò)的各個(gè)節(jié)點(diǎn)將具備提供分布式的高效、節(jié)能、安全的AI服務(wù)的能力。本報(bào)告旨在推進(jìn)AIaaS的應(yīng)用場景與技術(shù)指標(biāo)等的研究。AI即服務(wù)需求研究的目的

在于梳理AIaaS的潛在應(yīng)用場景、典型應(yīng)用、典型服務(wù)等，并在此基礎(chǔ)上完善AIaaS的技術(shù)指標(biāo)分析；從技術(shù)、商業(yè)、生態(tài)等的角度分析對比，給出6GAIaaS區(qū)別于現(xiàn)有AI服務(wù)的優(yōu)勢場景與應(yīng)用；從網(wǎng)絡(luò)AI服務(wù)能力的角度給出對應(yīng)業(yè)務(wù)的需求和指標(biāo)要求；針對未來AI技術(shù)的發(fā)展（大模型等），給出終端和網(wǎng)絡(luò)側(cè)能力演進(jìn)的趨勢和評估等。本報(bào)告在當(dāng)前AI現(xiàn)狀和發(fā)展趨勢進(jìn)行調(diào)研分析的基礎(chǔ)上，結(jié)合部分成員單位在AIaaS領(lǐng)域的研究工作，對AIaaS的場景、應(yīng)用、用例等做了詳細(xì)地分析和梳理，針對AIaaS的QoAIS和性能指標(biāo)等做了分析討論給出了相關(guān)的示例最后提出了AIaaS的技術(shù)優(yōu)勢、產(chǎn)業(yè)價(jià)值與潛在挑戰(zhàn)。

第一章現(xiàn)狀和發(fā)展趨勢1.1

AI的概念和應(yīng)用場景1.1.1AI的概念及解讀

AI是研究、開發(fā)能夠模擬、延伸和拓展人的智能的理論、方法及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。它涵蓋了訓(xùn)練計(jì)算機(jī)使其能夠完成自主學(xué)習(xí)、判斷、決策等人類行為的范疇。人工智能的目標(biāo)是讓機(jī)器能夠像人一樣理解、思考和學(xué)習(xí)，即用計(jì)算機(jī)或其他智能體去模擬人的智慧，甚至具備與人類相當(dāng)?shù)闹腔?。除?jì)算機(jī)科學(xué)外，人工智能還涉及信息論控制論自動化仿生學(xué)生物學(xué)心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能的研究范圍主要包括機(jī)器學(xué)習(xí)、語音識別、計(jì)算機(jī)視覺、自然語言處理、數(shù)據(jù)挖掘等。人工智能是更廣泛的概念，即讓機(jī)器能夠以人們認(rèn)為“智能”的方式執(zhí)行任務(wù)，而機(jī)器學(xué)習(xí)則是實(shí)現(xiàn)人工智能的一種方法作為一種數(shù)據(jù)驅(qū)動的決策方法，機(jī)器學(xué)習(xí)使計(jì)算機(jī)能夠自動解析數(shù)據(jù)、從中學(xué)習(xí)在沒有人工干預(yù)的情況下從中檢索出事件發(fā)展的內(nèi)在規(guī)律，從而對真實(shí)世界中的事件做出決策和預(yù)測。本報(bào)告聚焦于以機(jī)器學(xué)習(xí)（ML）為核心的AI，它包含AI模型/算法和數(shù)據(jù)等基本要素以算力資源作為支撐，依托于AI模型的生成訓(xùn)練推理等而實(shí)現(xiàn)智能化目標(biāo)。AI模型/算法從歷史數(shù)據(jù)中學(xué)習(xí)規(guī)則，并基于學(xué)習(xí)到的規(guī)則對新數(shù)據(jù)做出預(yù)測或決策。AI模型/算法指以機(jī)器學(xué)習(xí)模型為代表的各種算法，它通常具備可學(xué)習(xí)的參數(shù)，因此通信中傳統(tǒng)的確定規(guī)則的物理層或RRM算法就不是AI算法；AI模型/算法對推理結(jié)果的精準(zhǔn)性和安全性有特定的要求AI數(shù)據(jù)指和AI模型/算法強(qiáng)相關(guān)“訓(xùn)練樣本、“參數(shù)數(shù)據(jù)”和“輸入輸出數(shù)據(jù)”等，因此一般的網(wǎng)絡(luò)或用戶數(shù)據(jù)不一定是AI數(shù)據(jù)；AI數(shù)據(jù)對數(shù)據(jù)格式和質(zhì)量保障有特定的要求AI算力指算力中用于處理分析AI數(shù)據(jù)，執(zhí)行AI模型/算法的那部分算力，因此用于傳統(tǒng)基帶算法的算力就不是AI算力；AI算力對計(jì)算硬件資源類型屬性有特定的要求。1.1.2當(dāng)前AI的應(yīng)用場景

在農(nóng)業(yè)場景，主要包括有作物管理、害蟲和雜草處理疾病管理土壤管理產(chǎn)量預(yù)測和管理等作物管理，主要提供作物選擇，施肥建議，使得作物免受惡劣天氣影響等；害蟲和雜草處理，即識別害蟲和雜草，提供處理害蟲和雜草的相關(guān)建議，推測害蟲行進(jìn)路線和繁殖規(guī)模和速度，推測雜草的生長狀態(tài)和發(fā)展等；疾病管理，即預(yù)測、識別分類作物病害；土壤和作物管理，包括評估作物表面土壤濕度，預(yù)測天氣，結(jié)合天氣預(yù)測結(jié)果進(jìn)行灌溉等；產(chǎn)量預(yù)測和管理，根據(jù)氣候，季節(jié)等因素提供最佳播種時(shí)間建議，并預(yù)測最佳收成時(shí)間和最終產(chǎn)量等其主要運(yùn)用的AI技術(shù)最開始是基于規(guī)則的專家系統(tǒng)，發(fā)展到后來的模糊推理系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。主要涉及模式識別，圖像識別等用例[1][2]。在自動駕駛場景，分為感知和決策兩類主要場景，

感知類包括汽車定位、靜態(tài)障礙物映射、移動障礙物檢測跟蹤、道路映射、交通信號檢測和識別；決策類包括路線規(guī)劃、路徑規(guī)劃、行為選擇、運(yùn)動規(guī)劃和控制等[3]。其運(yùn)用到的AI技術(shù)主要是基于規(guī)則的推理模型，啟發(fā)式算法，近似推理，類人推理等。主要涉及的用例是圖像和語音識別，分析推理，分類，模型迭代等[4]。在醫(yī)療衛(wèi)生場景，主要有疾病診斷預(yù)測、臨床和患

者護(hù)理。疾病診斷預(yù)測包括前期疾病診斷預(yù)測，例如糖尿病、癌癥、結(jié)核病、精神疾病的預(yù)測診斷，和就診中的醫(yī)學(xué)成像和圖像診斷，例如腫瘤學(xué)影像、光學(xué)相干斷層掃描等。臨床包括臨床試驗(yàn)參與、機(jī)器人輔助手術(shù)系統(tǒng)和計(jì)算機(jī)輔助手術(shù)，減少用藥錯(cuò)誤。患者護(hù)理包括心力衰竭監(jiān)測、術(shù)后健康監(jiān)測、腫瘤患者的健康監(jiān)測，檢測例如血氧濃度，體溫，心率等參數(shù)并分析。除此之外近年來AI技術(shù)也在應(yīng)用到新藥研制場景中得到應(yīng)用。主要使用到的AI技術(shù)為神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等。主要涉及的用例是圖像識別、分析推理、分類等[5][6]。在網(wǎng)絡(luò)金融場景，主要包括信用預(yù)測和評估，根據(jù)

客戶的歷史交易數(shù)據(jù)、資金流動情況智能運(yùn)營聊天機(jī)器人應(yīng)答客戶部分疑問智能手續(xù)柜臺滿足客戶部分需求。交易風(fēng)險(xiǎn)預(yù)警，大數(shù)據(jù)分析歷史詐騙交易行為，提前為7

8客戶預(yù)警，進(jìn)行報(bào)警等。涉及的AI技術(shù)較為廣泛，包括支持向量機(jī)、決策樹、神經(jīng)網(wǎng)絡(luò)、K鄰近遺傳算法、隨機(jī)森林、Booting算法、集成學(xué)習(xí)、聚類等。主要涉及的用例是分析推理、模式識別、分類等[7][8]。在智慧城市場景，主要有公共設(shè)施控制，例如通過

控制交通信號燈等設(shè)施幫助監(jiān)控交通流量和增加城市連通性并減少交通事故和交通違法通過人臉識別門禁和安檢識別控制重要場所通行；災(zāi)害預(yù)測，例如預(yù)測建筑物火災(zāi)風(fēng)險(xiǎn)；人員識別和尋蹤，通過收集公共攝像頭的視頻圖像，分析其歷史行動軌跡等，鎖定犯罪分子或失蹤人員。主要涉及的AI技術(shù)有神經(jīng)網(wǎng)絡(luò)、演化算法、專家系統(tǒng)、分布式人工智能、機(jī)器視覺、決策網(wǎng)絡(luò)等。主要涉及的用例是圖像識別、推理分析等[9]。在電子商務(wù)場景主要用例是推薦系統(tǒng)欺詐識別、

營銷活動、產(chǎn)品退貨預(yù)測。推薦系統(tǒng)又可以細(xì)分為關(guān)系發(fā)現(xiàn)和購買預(yù)測關(guān)系發(fā)現(xiàn)包括商品之間的銷售量關(guān)系發(fā)現(xiàn)和客戶之間關(guān)系發(fā)現(xiàn)，購買預(yù)測包括購買預(yù)測和回購預(yù)測。推薦系統(tǒng)將根據(jù)內(nèi)容或商品之間的關(guān)聯(lián)度、用戶特征和商品的關(guān)聯(lián)度、甚至用戶之間的關(guān)聯(lián)度,向用戶發(fā)起推薦欺詐識別是通過分類或分析交易雙方交易行為識別非法交易或異常交易，識別交易欺詐[10][11]。此外，AI在網(wǎng)絡(luò)安全、物流運(yùn)輸、教育等方面均迎

來蓬勃發(fā)展。1.2

AI應(yīng)用的現(xiàn)狀1.2.1MECAI

MEC與AI的結(jié)合，一般來說，中心側(cè)與邊緣側(cè)對AI要求各不相同，越靠近邊緣側(cè)，AI推理程度增加，越靠近中心側(cè)AI訓(xùn)練程度增兩者互為補(bǔ)充一般來說，MEC對于AI來說，MEC部署在靠近數(shù)據(jù)源側(cè)，便于適應(yīng)邊緣原生的AI類應(yīng)用對時(shí)延、安全、隱私性的要求；AI對于MEC來說，在網(wǎng)絡(luò)資源復(fù)雜不確定性較強(qiáng)的情況下，AI可在準(zhǔn)確的時(shí)間和地點(diǎn)輔助邊緣節(jié)點(diǎn)資源分配，提升邊緣節(jié)點(diǎn)自治能力。AI類應(yīng)用場景，涉及行業(yè)眾多，常見場景例如智能

制造、智能安防、智慧醫(yī)療等：（1）智能制造，在某園區(qū)部署MEC平臺，基于該

平臺可實(shí)現(xiàn)預(yù)測性維護(hù)和AR遠(yuǎn)程協(xié)助/指導(dǎo)。預(yù)測性維護(hù)系統(tǒng)通過傳感器采集、監(jiān)控生產(chǎn)設(shè)備運(yùn)行狀態(tài)，實(shí)現(xiàn)設(shè)備運(yùn)行數(shù)據(jù)可視化，根據(jù)歷史數(shù)據(jù)和采集的實(shí)時(shí)數(shù)據(jù)，基于AI算法對設(shè)備潛在故障進(jìn)行預(yù)測，針對故障定位及部件損傷程度安排備品備件，制定檢修計(jì)劃，可提前預(yù)知重大故障隱患，避免突發(fā)停機(jī)風(fēng)險(xiǎn)。（2）智能安防，針對現(xiàn)代安防的特點(diǎn)結(jié)合5GMEC

技術(shù)，MEC平臺可提供開放能力調(diào)用接口，例如AI視頻分析、調(diào)度算法等以API的方式直接調(diào)用，大幅降低合作伙伴的開發(fā)難度和縮短研發(fā)周期。實(shí)際實(shí)施過程中通過在園區(qū)內(nèi)布置監(jiān)控?cái)z像頭以及巡檢機(jī)器人，實(shí)時(shí)巡檢監(jiān)控，結(jié)合AI人工智能視頻分析，遇到異常情況及時(shí)告警，同時(shí)聯(lián)動巡檢機(jī)器人到達(dá)現(xiàn)場排查，實(shí)現(xiàn)智能快速處理、實(shí)時(shí)響應(yīng)；在小區(qū)入口處設(shè)置門禁系統(tǒng)，通過識別來訪人的特征來判斷是否有允許進(jìn)入園區(qū)的權(quán)限等。（3）智慧醫(yī)療，一般來說5G+MEC智慧醫(yī)療可以為

醫(yī)院提供確定的網(wǎng)絡(luò)環(huán)境、算力保證和安全性保證，來確保醫(yī)院業(yè)務(wù)的實(shí)用性、穩(wěn)定性和安全性。針對院內(nèi)醫(yī)療應(yīng)用可將遠(yuǎn)程會診AS影像系統(tǒng)AI分析電子病歷、HIS系統(tǒng)等逐步遷移上MEC平臺上，可通過低時(shí)延的AI輔診發(fā)現(xiàn)和提示疑似病患情況提升閱片的速率。1.2.2CloudAI目前在CloudAI技術(shù)架構(gòu)中，邊緣節(jié)點(diǎn)側(cè)重多維感知數(shù)據(jù)采集和前端智能處理;邊緣域側(cè)重感知數(shù)據(jù)匯聚、存儲、處理和智能應(yīng)用;云中心側(cè)重業(yè)務(wù)數(shù)據(jù)融合及大數(shù)據(jù)多維分析應(yīng)用。數(shù)據(jù)從邊緣節(jié)點(diǎn)到邊緣域，實(shí)現(xiàn)“聚邊到域”；從邊緣域到云中心，實(shí)現(xiàn)“數(shù)據(jù)入云”。域和云中心可多級多類，根據(jù)不同應(yīng)用，邊緣域匯聚的數(shù)據(jù)和傳到云端的數(shù)據(jù)在模型和內(nèi)容上也會不同；CloudAI將提AI資源的可調(diào)度數(shù)據(jù)的按需匯聚應(yīng)用的場景化響應(yīng)、運(yùn)維的一體化建設(shè)，隨著云原生技術(shù)的快速更迭，業(yè)務(wù)需求得到進(jìn)一步的挖掘，技術(shù)邊界將從云上延展到邊緣，服務(wù)形態(tài)多元化，云原生將整合人工智能技術(shù)形成服務(wù)能力的調(diào)度中樞，促進(jìn)算力服務(wù)和運(yùn)營。未來將從傳統(tǒng)的CloudAI向NetworkAI轉(zhuǎn)變，智能

從應(yīng)用和云端走向網(wǎng)絡(luò)，實(shí)現(xiàn)網(wǎng)絡(luò)的自運(yùn)維、自檢測、自

修復(fù)智能在云-邊-端-網(wǎng)間協(xié)同提升網(wǎng)絡(luò)總體效能，促進(jìn)網(wǎng)絡(luò)內(nèi)生智能。1.2.35G網(wǎng)絡(luò)中的AI

當(dāng)前，在利用AI賦能和增強(qiáng)網(wǎng)絡(luò)各方面，在5G系統(tǒng)中已有著較多的應(yīng)用和價(jià)值探索（即AIforNetwork），它涉及到多個(gè)層面和不同的業(yè)務(wù)領(lǐng)域：首先，在非標(biāo)準(zhǔn)化方面，AI可以通過各個(gè)廠家私有實(shí)現(xiàn)的方式應(yīng)用在無線接入網(wǎng)域、承載網(wǎng)域、核心網(wǎng)域和網(wǎng)管域；無線接入網(wǎng)域，gNB基站可基于AI實(shí)現(xiàn)基站的動態(tài)節(jié)能、MIMO多天線權(quán)值尋優(yōu)和基站故障快速定位和預(yù)警等；承載網(wǎng)域，可基于AI實(shí)現(xiàn)云化超強(qiáng)管控和意圖承載快速部署；核心網(wǎng)域，可基于AI實(shí)現(xiàn)智能切片和SLA智能拆解網(wǎng)管域可基于AI實(shí)現(xiàn)網(wǎng)絡(luò)智能監(jiān)控、錯(cuò)誤根因分析、系統(tǒng)行為趨勢預(yù)測、全域全量數(shù)據(jù)關(guān)聯(lián)的數(shù)字化運(yùn)維和端到端感知保障等。上述諸多應(yīng)用已經(jīng)能夠彰顯AI手段在網(wǎng)絡(luò)智能化方面的價(jià)值意義。其次，在標(biāo)準(zhǔn)化方面，3GPPSA2、SA5已針對5G系統(tǒng)化智能和管理架構(gòu)方面，已有著手并拓展，標(biāo)準(zhǔn)化定義了NWDAF和MDAF功能和相關(guān)機(jī)制流程。3GPPRAN3和RAN1針對各自識別的關(guān)鍵用例，嘗試定義和引入可標(biāo)準(zhǔn)化的AI操作范式。總體來說，5G技術(shù)標(biāo)準(zhǔn)將AI技術(shù)引入網(wǎng)絡(luò)，可實(shí)現(xiàn)5G網(wǎng)絡(luò)自運(yùn)營和運(yùn)維；AI智能將數(shù)據(jù)轉(zhuǎn)化為信息，從實(shí)戰(zhàn)中學(xué)習(xí)積累知識和經(jīng)驗(yàn)，提供分析決策，為網(wǎng)絡(luò)使用者提供零等待、零接觸、零故障的網(wǎng)絡(luò)服務(wù)體驗(yàn)，也為網(wǎng)絡(luò)運(yùn)營者打造自配置自修復(fù)自優(yōu)化的運(yùn)維能力，實(shí)現(xiàn)通信網(wǎng)絡(luò)高度自治，實(shí)現(xiàn)無處不在的智慧內(nèi)核。此外5G網(wǎng)絡(luò)通過切片來實(shí)現(xiàn)能力按需部署，也可針對不同的業(yè)務(wù)自動化智能化調(diào)動網(wǎng)絡(luò)資源和算力，針對不同業(yè)務(wù)進(jìn)行差異化配置資源，滿足各行各業(yè)的差異化需求。總之網(wǎng)絡(luò)設(shè)計(jì)走向智能泛在通過有效連接局部數(shù)據(jù)，實(shí)現(xiàn)不同智能體之間的語音視覺等交互需要的泛在化，為用戶提供更加極致的網(wǎng)絡(luò)服務(wù)體驗(yàn)。1.2.4當(dāng)前AI應(yīng)用的不足

雖然當(dāng)前國內(nèi)AI技術(shù)逐漸成熟提升，服務(wù)種類不斷豐富，但是在MEC與人工智能結(jié)合進(jìn)行開發(fā)和應(yīng)用時(shí)仍然面臨著技術(shù)不達(dá)預(yù)期的問題。究其原因，主要?dú)w納為以下幾方面：（1）MEC+AI類行業(yè)應(yīng)用，存在應(yīng)用部署障礙，究

其原因主要是生產(chǎn)環(huán)境對AI基礎(chǔ)設(shè)施、算法及數(shù)據(jù)質(zhì)量要求較高，但是企業(yè)IT基礎(chǔ)設(shè)施在海量數(shù)據(jù)參與運(yùn)算及分布式架構(gòu)條件下，存在算力不足以及不兼容等問題。（2）MEC+AI類行業(yè)應(yīng)用，存在投入產(chǎn)出比不足，

企業(yè)應(yīng)用人工智能的回報(bào)不及預(yù)期；在成本支出方面，企業(yè)所需的AI開發(fā)人才及IT資源相對稀缺，價(jià)值回報(bào)方面，雖然部分場景效果得到驗(yàn)證，但是在不同企業(yè)和具體工作環(huán)境下，效果并不穩(wěn)定。（3）CloudAI技術(shù)架構(gòu)中,邊緣域與云中心側(cè)對AI

計(jì)算能力要求不同，云側(cè)在滿足運(yùn)算效能的前提下，希望針對不同網(wǎng)絡(luò)有更優(yōu)化的性能表現(xiàn)；邊側(cè)，在能耗為首要要求情況下，更加注重推斷運(yùn)算的性能；此外，數(shù)據(jù)入云過程中，由于數(shù)據(jù)流通不暢、數(shù)據(jù)質(zhì)量良莠不齊和關(guān)鍵數(shù)據(jù)缺失問題，會影響有效的智能分析結(jié)果。（4）在AI賦能5G網(wǎng)絡(luò)方面，目前由于大數(shù)據(jù)和AI

的智能化水平并不完美，算法模型研發(fā)整體規(guī)劃不足，各種AI/ML算法模型基本都是針對已識別的特定通信問題弊端缺陷而開發(fā)，缺乏系統(tǒng)性、全局性、可解釋性方面的考慮，限制了系統(tǒng)AI能力服務(wù)的可拓展性、迭代增強(qiáng)性和AI模型泛化應(yīng)用能在實(shí)際場景中設(shè)備功耗、計(jì)算能力、應(yīng)用場景等多種因素限制了AI算法在5G系統(tǒng)中真正部署當(dāng)前5G系統(tǒng)中的各種AI資源能（涵蓋AI算力，AI算法和AI數(shù)據(jù)方面）適配性待完善，尚不具備開放可交易性和服務(wù)化的特征，大部分僅僅限于5G系統(tǒng)內(nèi)的應(yīng)用。綜上，AI技術(shù)發(fā)展已進(jìn)入行業(yè)深水區(qū)，亟待進(jìn)一步

向前發(fā)展。9

101.3

AI技術(shù)發(fā)展趨勢及對應(yīng)用/業(yè)務(wù)的影響1.3.1AI技術(shù)發(fā)展趨勢

基于深度學(xué)習(xí)的人工智能方法在許多場景取得了重要突破但仍然存在模型可解釋性差對抗樣本魯棒性差、數(shù)據(jù)與算力需求大、理論基礎(chǔ)薄弱等問題。未來，人工智能需要突破的主要領(lǐng)域有：可解釋人工智能和魯棒人工智能理論與方法、通用人工智能理論與方法、安全、可靠、可信及可擴(kuò)展的人工智能技術(shù)、類腦智能等。從感知智能走向認(rèn)知智能是人工智能技術(shù)發(fā)展的趨

勢。認(rèn)知智能是人工智能技術(shù)的高級階段，旨在賦予機(jī)器數(shù)據(jù)理解、知識表達(dá)、邏輯推理、自主學(xué)習(xí)等能力，使機(jī)器成為人類改造世界、提升能力的得力助手。在從感知智能到認(rèn)知智能的發(fā)展過程中，語義及知識的表達(dá)和邏輯推理是進(jìn)行認(rèn)知的重要手段，而多模態(tài)學(xué)習(xí)則是獲得信息融合和協(xié)同的重要手段。通過構(gòu)建多模態(tài)的大規(guī)?；A(chǔ)模型，可以學(xué)習(xí)多種信息的融合表征，建立模態(tài)轉(zhuǎn)換和協(xié)同關(guān)聯(lián)，從而提高AI系統(tǒng)對復(fù)雜環(huán)境的認(rèn)知和理解能力，進(jìn)而獲得多場景多任務(wù)的AI應(yīng)用能力。?通用基礎(chǔ)大模型:

從弱人工智能到強(qiáng)人工智能發(fā)展的路線上，提高機(jī)器解決問題“泛化能力是重要的手段在場景泛化、模態(tài)泛化、任務(wù)泛化等方面，通過大規(guī)?；A(chǔ)模型的領(lǐng)域通用方法，賦予AI系統(tǒng)解決多問題的能力。隨著數(shù)據(jù)規(guī)模逐漸擴(kuò)大，數(shù)據(jù)模態(tài)進(jìn)一步豐富，預(yù)訓(xùn)練大模型充分學(xué)習(xí)不同模態(tài)數(shù)據(jù)的表征，通過預(yù)訓(xùn)練-微調(diào)的模式，完成多種類型的任務(wù)。預(yù)訓(xùn)練模型與領(lǐng)域數(shù)據(jù)結(jié)合，基于多場景數(shù)據(jù)進(jìn)行學(xué)習(xí)，將成為一種完成下游任務(wù)的基礎(chǔ)模型，應(yīng)對更為復(fù)雜的智能決策場景。傳統(tǒng)的AI是企業(yè)或組織根據(jù)自身已部署數(shù)據(jù)收集系統(tǒng)來收集數(shù)據(jù)，根據(jù)執(zhí)行系統(tǒng)設(shè)計(jì)執(zhí)行動作，從根本上導(dǎo)致的同一問題的模型多樣化，然后這樣會導(dǎo)致重復(fù)的模型訓(xùn)練工作，并且一個(gè)模型只能用在一個(gè)系統(tǒng)中，導(dǎo)致資源浪費(fèi)。為提高資源利用率，同時(shí)得益于多點(diǎn)協(xié)作等技術(shù)的應(yīng)用帶來的通用基礎(chǔ)設(shè)施和通用數(shù)據(jù)集AI模型亦將趨向通用化。?邊緣人工智能:

面向手機(jī)、可穿戴設(shè)備、傳感器等海量邊緣設(shè)備，通過模型壓縮與優(yōu)化加速技術(shù)，將智能賦予邊緣設(shè)備。基于預(yù)訓(xùn)練大模型，根據(jù)邊緣設(shè)備的計(jì)算、存儲、功耗等限制，設(shè)計(jì)特定的低精度和稀疏化等模式，并通過知識蒸餾等方法實(shí)現(xiàn)小尺寸低復(fù)雜度低功耗等目標(biāo)進(jìn)一步，邊緣設(shè)備可基于本地?cái)?shù)據(jù)訓(xùn)練的模型優(yōu)化大模型的性能。

?自動自治AI:目前，深度學(xué)習(xí)的開發(fā)及應(yīng)用并未突破主流監(jiān)督學(xué)

習(xí)的模式，數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注，模型的設(shè)計(jì)、開發(fā)、訓(xùn)練和部署等都需要大量人力投入。遷移學(xué)習(xí)、小樣本、零樣本、自監(jiān)督、弱監(jiān)督、半監(jiān)督、無監(jiān)督及主動學(xué)習(xí)等新方法將推動人工智最終實(shí)現(xiàn)“自治”，解決模型訓(xùn)練、迭代設(shè)計(jì)對人工的依賴未來AI自治使得模型更加歸一，數(shù)據(jù)規(guī)模進(jìn)一步擴(kuò)大，不再需要人工干預(yù)，模型可以在線學(xué)習(xí)吸收新的數(shù)據(jù)知識，實(shí)現(xiàn)自身能力的迭代提升。數(shù)據(jù)規(guī)模擴(kuò)大及在線學(xué)習(xí)將使模型的生產(chǎn)更加集約化，各行業(yè)的業(yè)務(wù)模型會匯聚成幾個(gè)甚至一個(gè)超大模型。運(yùn)用AI技術(shù)的本質(zhì)就是要減少人工參與，甚至消除

人工參與，當(dāng)前AI在應(yīng)用過程中往往與多種傳感器系統(tǒng)和聯(lián)網(wǎng)的策略和執(zhí)行功能組件配合，避免過多人工收集處理數(shù)據(jù)作為AI進(jìn)行自我更新的輸入，也減少人工參與AI輸出結(jié)果的分析和執(zhí)行。人類社會是實(shí)時(shí)變化的，固化的算法模型無法滿足即便是單一的業(yè)務(wù)，因此，為保障整個(gè)系統(tǒng)的有效性或準(zhǔn)確性，AI系統(tǒng)需要實(shí)時(shí)接收反饋，不斷更新自身。以便系統(tǒng)向精準(zhǔn)化邁進(jìn)。?隱私保護(hù)學(xué)習(xí):

數(shù)據(jù)匿名化、聯(lián)邦學(xué)習(xí)、差分隱私等一系列隱私保護(hù)學(xué)習(xí)方法，可以解決包括用戶數(shù)據(jù)在授權(quán)范圍以外被使用、模型訓(xùn)練后存在數(shù)據(jù)記憶等隱私泄露問題。聯(lián)邦學(xué)習(xí)將數(shù)據(jù)保存在本地，通過模型融合，實(shí)現(xiàn)多個(gè)參與方在保護(hù)數(shù)據(jù)隱私要求的前提下進(jìn)行機(jī)器學(xué)習(xí)，合作進(jìn)行模型訓(xùn)練，實(shí)現(xiàn)用戶間的數(shù)據(jù)聯(lián)合建模。更加靈活高效的保護(hù)用戶數(shù)據(jù)隱私的AI學(xué)習(xí)方法將幫助AI算法在各種場景中持續(xù)地進(jìn)化，讓數(shù)據(jù)被有效利用，充分發(fā)揮其商業(yè)、科學(xué)和社會價(jià)值，為用戶提供高效優(yōu)質(zhì)的服務(wù)。?類腦人工智能:

類腦人工智能期望借鑒和模仿生物神經(jīng)元的工作模式通過構(gòu)建功能更加豐富的神經(jīng)元建立具有事件觸發(fā)、脈沖編碼、時(shí)間和空間信息協(xié)同處理的能力；利用神經(jīng)動力學(xué)原理，可實(shí)現(xiàn)短時(shí)可塑性和長期記憶，在開放環(huán)境中具備自適應(yīng)調(diào)整和學(xué)習(xí)能力；借鑒生物腦的稀疏連接和遞歸特性可大大減少能耗如果能夠突破相關(guān)技術(shù)，未來五到十年類腦計(jì)算可能會在眾多計(jì)算任務(wù)中展現(xiàn)出性能和功耗優(yōu)勢，并在智能終端、穿戴式設(shè)備、自動駕駛等領(lǐng)域得到應(yīng)用。?大小模型端云協(xié)同進(jìn)化：

云上大模型全局知識向端上小模型有效降維遷移和大規(guī)模端上小模型學(xué)習(xí)所得新知識向大模型升維融合。異構(gòu)終端輕量化模型彈性構(gòu)建、端側(cè)模型個(gè)性化增強(qiáng)學(xué)習(xí)、端云協(xié)同模型訓(xùn)練框架設(shè)計(jì)和分布式多擎計(jì)算，構(gòu)建完善的大小模型端云協(xié)同進(jìn)化技術(shù)體系，形成包含端云一致高性能模型運(yùn)行容器、低時(shí)延端云模型遷移通道和端云協(xié)同進(jìn)化部署的研發(fā)工具鏈。?多智能體博弈智能：

多智能體多回合復(fù)雜合作和沖突博弈可以實(shí)現(xiàn)自我學(xué)習(xí)和自我演化，以強(qiáng)化學(xué)習(xí)為基礎(chǔ)的學(xué)習(xí)推理模型發(fā)展出面向進(jìn)化的多維評估管理方法，結(jié)合合作和非合作博弈智能模型實(shí)現(xiàn)對復(fù)雜問題的人機(jī)協(xié)同求解。?3D視覺：3D視覺技術(shù)是視覺AI領(lǐng)域多年熱點(diǎn)研究方向之一，核心任務(wù)是對三維空間、物體及環(huán)境進(jìn)行真實(shí)還原與重建。隨著相關(guān)算法與硬件計(jì)算能力的不斷升級，3D視覺算法效果得到大幅提升，三維幾何重建更加精細(xì)，表面紋理重建更加清晰，帶來更加逼真的視覺觀感?；?D虛擬形象的舞臺演出、直播帶貨、教育互動等應(yīng)用層出不窮，成為AI內(nèi)容產(chǎn)業(yè)全新發(fā)展方向。?公平性AI算法：

由于數(shù)據(jù)偏差、算法本身缺陷、甚至是人為偏見的存在，現(xiàn)有AI算法普遍存在對于某些特定人群效果不公平的"歧視性現(xiàn)象"。隨著AI算法在社會各行業(yè)的廣泛落地應(yīng)用，作為輔助人們決策的重要工具，算法的公平性問題正受到越來越多的關(guān)注。過去的幾年業(yè)界已在逐步探索一些針對性的解決方案包括構(gòu)建更公正的數(shù)據(jù)集、算法訓(xùn)練中引入公平性約束損失、提高機(jī)器學(xué)習(xí)算法的可解釋性等。?安全AI：

近年來算法后門攻擊、對抗樣本攻擊、模型竊取攻擊等針對人工智能算法的攻擊技術(shù)持續(xù)發(fā)展，通過篡改構(gòu)造特殊數(shù)據(jù)誘騙人工智能應(yīng)用產(chǎn)生不可信的錯(cuò)誤結(jié)果，帶來了更大的算法安全風(fēng)險(xiǎn)，因此保障人工智能應(yīng)用安全可靠的需求日漸迫切。未來人工智能技術(shù)將向著安全智能方向持續(xù)演化，一方面從算法的可解釋性入手提升模型的魯棒性，另一方面化被動為主動，通過主動安全檢測機(jī)制對各類攻擊進(jìn)行偵測與攔截，最終實(shí)現(xiàn)人工智能可用性與可信性雙軌并重的現(xiàn)實(shí)需求，推動人工智能技術(shù)在更廣泛領(lǐng)域的安全落地。?可解釋性：

隨著AI深入到生活的各個(gè)領(lǐng)域，特別是涉及多個(gè)系統(tǒng)多個(gè)責(zé)任對象的領(lǐng)域安全可信和責(zé)任相關(guān)問題凸顯。要求AI不可再作為黑盒子存在，而應(yīng)該呈現(xiàn)AI在發(fā)揮作用的每一個(gè)階段的具體作用，是否符合法規(guī)等。例如自動駕駛領(lǐng)域，近期的特斯拉交通事故?？山忉屝砸矠楣こ處熖峁﹥?yōu)化模型的依據(jù)。因此，學(xué)術(shù)界和業(yè)界正在AI的可解釋性方面進(jìn)行了較大的投入。?多點(diǎn)協(xié)作：

在AI技術(shù)發(fā)展過程中，算力、數(shù)據(jù)和模型作為人工智能三要素被呈現(xiàn)，然而實(shí)際上位于大型數(shù)據(jù)中心或者說云端的大算力節(jié)點(diǎn)不具備訪問位于邊緣的具備海量數(shù)據(jù)的節(jié)點(diǎn)的權(quán)限；位于邊緣的具備海量數(shù)據(jù)的節(jié)點(diǎn)不具備將數(shù)據(jù)轉(zhuǎn)化為模型的算力，導(dǎo)致單一節(jié)點(diǎn)通常因?yàn)槲茨苋繚M足三要素導(dǎo)致難以完成任務(wù)。此外，5G網(wǎng)絡(luò)部署擴(kuò)展以及未來6G網(wǎng)絡(luò)部署，為多節(jié)點(diǎn)的互通提供更多的通信資源。這些因素促使AI技術(shù)向多點(diǎn)協(xié)作的方向發(fā)展。1.3.2AI技術(shù)發(fā)展對業(yè)務(wù)/應(yīng)用的影響

無處不在的智能應(yīng)用：通過AI技術(shù)重構(gòu)智能邊緣，在移動通信網(wǎng)絡(luò)2030架構(gòu)中，6G網(wǎng)絡(luò)將綜合AI面向業(yè)務(wù)的感知能力構(gòu)建原生智能。原生智能要支持基于AI的業(yè)務(wù)感知能力：面向消費(fèi)者將針對全感全息類通信業(yè)務(wù)11

12提供高效編解碼傳輸優(yōu)化體驗(yàn)保障協(xié)同調(diào)度的能；面向行業(yè)可基于確定性操作系統(tǒng)，強(qiáng)化系統(tǒng)調(diào)度框架，為千行百業(yè)提供業(yè)務(wù)保障。如6GAI推理服務(wù)，以機(jī)器視覺處理為例在邊緣側(cè)采用AI圖像特征識別的處理方式，可以降低傳輸帶寬要求，并提高業(yè)務(wù)實(shí)時(shí)性。分布式學(xué)習(xí)與推理：如果把所有原始數(shù)據(jù)全部上傳

到中心云，不僅會對網(wǎng)絡(luò)帶寬造成很大壓力，也會給中心云的算力帶來巨大挑戰(zhàn)。分布式地組織AI任務(wù)，并結(jié)合協(xié)同AI和機(jī)器學(xué)習(xí)，可以減輕這些壓力。隨著智能手機(jī)和物聯(lián)網(wǎng)設(shè)備的計(jì)算能力越來越強(qiáng)，用戶對數(shù)據(jù)隱私的保護(hù)越來越重視，移動設(shè)備會進(jìn)行更多的AI計(jì)算和訓(xùn)練。分布式學(xué)習(xí)將使AI離用戶和數(shù)據(jù)更近，能更迅速地進(jìn)行迭代升級。深度實(shí)時(shí)邊緣計(jì)算：網(wǎng)絡(luò)節(jié)點(diǎn)和機(jī)器人之間的低時(shí)

延通信至關(guān)重要，為了打消數(shù)據(jù)隱私方面的顧慮，同時(shí)也為了保證低時(shí)延，可以使用邊緣節(jié)點(diǎn)，而不是把所有信息都發(fā)送到云端。邊緣節(jié)點(diǎn)在物理位置上更靠近AI應(yīng)用，一定程度上可以提供一些特殊的即時(shí)服務(wù)。網(wǎng)絡(luò)高帶寬全連接需求：分布式學(xué)習(xí)將匯聚大規(guī)模

節(jié)點(diǎn)的集體智能，并使智能普惠到所有人。分布式訓(xùn)練對各智能節(jié)點(diǎn)的AI模型進(jìn)行融合進(jìn)化。模型的持續(xù)增大促進(jìn)智能持續(xù)增強(qiáng)需要網(wǎng)絡(luò)提供大規(guī)模的高帶寬連接，支持節(jié)點(diǎn)之間的實(shí)時(shí)模型傳輸。分布式推理通過網(wǎng)絡(luò)與終端的協(xié)作，將智能帶給所有終端，特別是計(jì)算能力低的設(shè)備，需要網(wǎng)絡(luò)通過全連接為人、機(jī)、物、環(huán)境等提供實(shí)時(shí)智能服務(wù)。1.3.3AI場景、用例和業(yè)務(wù)發(fā)展趨勢

綜上，AI的場景、用例和業(yè)務(wù)的發(fā)展趨勢呈現(xiàn)以下幾種特性：

?場景擴(kuò)張到各方面用例與日俱增業(yè)務(wù)百花齊放。AI技術(shù)被應(yīng)用到生產(chǎn)生活的各個(gè)方面，囊括農(nóng)業(yè)，自動駕駛，醫(yī)療衛(wèi)生，網(wǎng)絡(luò)金融，智慧城市，消費(fèi)者業(yè)務(wù)等多個(gè)場景。?加強(qiáng)了業(yè)務(wù)/用例細(xì)分。多種模型協(xié)作。在AI發(fā)展過程中，人們逐漸意識到單一的AI算法和模型幾乎不可能完全解決或應(yīng)對某一大概念的場景往往將大的場景劃分為更細(xì)分的業(yè)務(wù)，例如在農(nóng)業(yè)場景，某一種算法模型可能只識別一種害蟲。所以種植某一種植物的AI系統(tǒng)通常通過多種算法模型協(xié)作也包含多個(gè)方面的細(xì)分業(yè)務(wù)。

應(yīng)用場景第二章6GAI即服務(wù)（AIaaS應(yīng)用場景在業(yè)界廣泛開展的關(guān)于6G愿景的討論中，“6G將為人和物提供更好的連接，推動人聯(lián)、物聯(lián)向智聯(lián)轉(zhuǎn)變，開啟智能社會”目前已成為一個(gè)基本共識[12]。在大模型機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析支持下，普惠智能將是未來商業(yè)和經(jīng)濟(jì)模式的重要基礎(chǔ)。6G將是使能該服務(wù)的基礎(chǔ)平臺，在5G三大應(yīng)用場景基礎(chǔ)上，新增人工智能作為應(yīng)用場景。普惠智能要求6G網(wǎng)絡(luò)支持原生智能架構(gòu)、對用戶數(shù)據(jù)的隱私保護(hù)、可信的網(wǎng)絡(luò)和支持消費(fèi)者和垂直市場的多元化生態(tài)系統(tǒng)。6G網(wǎng)絡(luò)將通信、信息和數(shù)據(jù)技術(shù)以及工業(yè)智能深度集成到無線網(wǎng)絡(luò)，并且具備大規(guī)模分布式訓(xùn)練、實(shí)時(shí)邊緣推理和本地?cái)?shù)據(jù)脫敏的能力。在6G網(wǎng)絡(luò)中，網(wǎng)絡(luò)邊緣運(yùn)行的分布式AI在提供高性能的同時(shí)，也能解決個(gè)人和企業(yè)都十分關(guān)心的數(shù)據(jù)所有權(quán)問題。普惠智能與深度融合的IT系統(tǒng)相結(jié)合，在網(wǎng)絡(luò)邊緣提供多樣化的連接、計(jì)算和存儲資源，將成為6G的固有特征。2.16GAIaaS概念6GAI即服務(wù)（AIaaS）：6G移動新網(wǎng)絡(luò)提供泛在的智能服務(wù)。6GAI即服務(wù)是通過網(wǎng)絡(luò)（包括6G核心網(wǎng)、6G無線接入網(wǎng)和6G終端）內(nèi)的連接、計(jì)算、數(shù)據(jù)、模型等資源和功能，構(gòu)建分布式的高效、節(jié)能、安全的AI服務(wù)（包括AI模型訓(xùn)練、推理、部署等）和開放生態(tài)。6G將為AI相關(guān)業(yè)務(wù)和應(yīng)用提供高效的端到端支持，將分布式智能體智能地連接起來以便在各行各業(yè)大規(guī)模部署AI。AI業(yè)務(wù)和應(yīng)用既包括為6G網(wǎng)絡(luò)自身性能優(yōu)化提供的智能能力，即AI4NET（AIforNetwork），如利用端到端AI實(shí)現(xiàn)空口和網(wǎng)絡(luò)的定制優(yōu)化和自動化運(yùn)維，提供滿足多樣化需求的最佳解決方案；也包括向第三方業(yè)務(wù)提供的智能能力，即NET4AI（NetworkforAI），如通過6G網(wǎng)元將具有的原生集成通信、計(jì)算和感知能力，加速云上集中智能向深度邊緣泛在智能演進(jìn)，為AI提供分布式學(xué)習(xí)基礎(chǔ)設(shè)施。6GAI服務(wù)主要面對高實(shí)時(shí)性能、高安全隱私或低綜合能耗等需求，在網(wǎng)絡(luò)內(nèi)進(jìn)行AI訓(xùn)練或推理，提供適應(yīng)不同應(yīng)用場景的智能能力。6G網(wǎng)絡(luò)作為原生智能架構(gòu)，通過網(wǎng)絡(luò)內(nèi)的通信、計(jì)算、數(shù)據(jù)集、基礎(chǔ)模型等資源和功能，具備大規(guī)模分布式AI的高效訓(xùn)練或推理能力，為用戶提供無所不在的高性能AI服務(wù)，同時(shí)降低由于超大規(guī)模AI模型相關(guān)的訓(xùn)練和部署導(dǎo)致的通信和計(jì)算開銷，提供一個(gè)低碳節(jié)能的開放生態(tài)。2.26GAIaaS典型場景AI場景是指AI技術(shù)或AI資源要素發(fā)生作用的場合

和情境它可有不同的維度劃分方式例地理區(qū)域、環(huán)境特征、領(lǐng)域行業(yè)等。6GAIaaS典型場景是6G網(wǎng)絡(luò)AI發(fā)生作用的典型場合和情境包括但不限于工業(yè)農(nóng)業(yè)、生活、教育、醫(yī)療等不同行業(yè)和領(lǐng)域。2.2.1智慧城市

城市是一個(gè)囊括住房、交通、衛(wèi)生、公用事業(yè)、土地使用、商品生產(chǎn)等系統(tǒng)的龐大而復(fù)雜的實(shí)體[13]。智慧城市將從城市生命、城市健康、城市發(fā)展、城市幸福等領(lǐng)域出發(fā)，促進(jìn)城市的各個(gè)系統(tǒng)數(shù)字化，智能化。政府部門，企業(yè)，相關(guān)組織甚至個(gè)人得以更便捷更高效地參與城市的生產(chǎn)生活。5G網(wǎng)絡(luò)的部署為城市中個(gè)體和組織的互聯(lián)提供較大

的帶寬，較強(qiáng)接入能力，物聯(lián)網(wǎng)終端或傳感器以此散落到城市中的部分角落。一些獨(dú)立的智能系統(tǒng)開始在城市中萌芽，例如智能應(yīng)急調(diào)度系統(tǒng)，智能市政照明，智能燃?xì)獬淼龋欢@些系統(tǒng)和部分?jǐn)?shù)據(jù)等基本不互通，其AI模型亦沒有共享的意愿。這些AI系統(tǒng)雖然對城市有一定的優(yōu)化作用，但隨著城市的繼續(xù)發(fā)展，這種優(yōu)化將到達(dá)瓶頸。城市中的各個(gè)部分或系統(tǒng)是相互交叉相互滲透的。

6G網(wǎng)絡(luò)將為城市的各個(gè)部分或系統(tǒng)提供相互交互的通道，13

14為城市時(shí)刻生產(chǎn)的數(shù)據(jù)提供存儲之處，也為這些數(shù)據(jù)提供處理它們的算力?；?G網(wǎng)絡(luò)的AIaaS也以此對城市的各個(gè)領(lǐng)域發(fā)揮作用。圖2-1智慧城市城市生命

城市存在的前提是人存在人們在城市中生存能源、水、食物必不可少。依托6GAIaaS平臺的管理系統(tǒng)將更實(shí)時(shí)地監(jiān)控分析城市各處電表、水表、燃?xì)獗恚細(xì)庹境鋈胭~，食品倉庫和食品交易市場出入賬本，每個(gè)人或家庭的能源食物水的賬本實(shí)時(shí)獲得城市各處的能源水、食物輸入和消耗狀況，及時(shí)發(fā)現(xiàn)缺口或者異常，從而優(yōu)化能源、食物的供給路線和數(shù)量，優(yōu)化水管道壓力和分配，及時(shí)修補(bǔ)能源或水管泄露等。例如與6G網(wǎng)絡(luò)中的交通系統(tǒng)交互，提前為運(yùn)輸能源的管控交通，規(guī)劃路線。例如與倉儲系統(tǒng)交互根據(jù)各區(qū)的消耗情況及時(shí)在各個(gè)倉庫之間調(diào)度食物，甚至提前控制倉庫內(nèi)部擺放順序，優(yōu)化進(jìn)出倉庫的能源和時(shí)間的消耗。例如與金融系統(tǒng)交互，通過分析輸入城市的資源和人們消耗的資源賬本發(fā)現(xiàn)資源浪費(fèi)甚至相關(guān)違法犯罪行為。同時(shí)AIaaS平臺依據(jù)實(shí)時(shí)收集的數(shù)據(jù)不斷優(yōu)化算法模型以期進(jìn)一步優(yōu)化相關(guān)管理措施。城市健康

城市健康必須兼顧人文環(huán)境和自然環(huán)境兩個(gè)方面?；?G網(wǎng)絡(luò)的AI，將與智能警務(wù)系統(tǒng)交互，協(xié)同分析監(jiān)控?cái)z像頭數(shù)據(jù)重點(diǎn)場所進(jìn)出數(shù)據(jù)銀行金融交易數(shù)據(jù)等，同時(shí)從AIaaS平臺中獲取優(yōu)秀的相關(guān)分析模型，以識別不文明行為違法犯罪，維護(hù)城市安全和文明?；?G網(wǎng)絡(luò)的AI也將復(fù)用交通系統(tǒng)中的傳感器、攝像頭，協(xié)同車聯(lián)網(wǎng)AI和車載攝像頭等，分析推算路面建筑健康度，提醒相關(guān)部門及時(shí)執(zhí)行維護(hù)工作。6G網(wǎng)絡(luò)AI也將通過與環(huán)境監(jiān)測系統(tǒng)交互，分析空氣環(huán)境變化，生成適用于城市整體的環(huán)境治理模型，促進(jìn)環(huán)境治理自動化智能化，降低環(huán)境治理的成本等。城市發(fā)展

城市發(fā)展又有城市基建擴(kuò)展，城市經(jīng)濟(jì)發(fā)展，城市文化發(fā)展三個(gè)要素?；?G網(wǎng)絡(luò)的城建系統(tǒng)將通過AIaaS平臺分析當(dāng)前城市的氣候變化、地質(zhì)情況、城市已有的基礎(chǔ)設(shè)施數(shù)據(jù)，以及政府和人民的需求，發(fā)現(xiàn)城市基建缺陷以及為新區(qū)域規(guī)劃提供相關(guān)建議等以此保證城市基建擴(kuò)展合理，也符合需求；基于6G網(wǎng)絡(luò)的政務(wù)系統(tǒng)通過AIaaS平臺將收集更細(xì)化的稅務(wù)，消費(fèi)相關(guān)數(shù)據(jù)，也將以強(qiáng)大算力分析相關(guān)數(shù)據(jù)發(fā)掘當(dāng)前城市產(chǎn)業(yè)發(fā)展的薄弱之處或者未來發(fā)展的經(jīng)濟(jì)風(fēng)險(xiǎn)為相關(guān)組織或系統(tǒng)生成改進(jìn)建議等，為城市經(jīng)濟(jì)發(fā)展保駕護(hù)航；AIaaS系統(tǒng)也將會更高效實(shí)時(shí)地收集分析城市人口的實(shí)際構(gòu)成數(shù)據(jù)人口的流動數(shù)據(jù)為相關(guān)部門調(diào)整教育政策和人才政策提供參考，同時(shí)也通過相關(guān)城市廣告系統(tǒng)和政務(wù)發(fā)布系統(tǒng)，向不同區(qū)域的人員推送相關(guān)公益材料以促進(jìn)城市文化發(fā)展。AIaaS將承載城市各系統(tǒng)之間的數(shù)據(jù)交互，相互借鑒相關(guān)數(shù)據(jù)和模型，減少重復(fù)工作，進(jìn)一步推理城市發(fā)展?fàn)顟B(tài)，優(yōu)化城市發(fā)展投入。城市幸福

城市生命，健康，發(fā)展是城市幸福的前提。醫(yī)療住房是當(dāng)今城市幸福的兩個(gè)突出問題，依托6G的AIaaS系統(tǒng)將以分布式AI，在保護(hù)每位市民隱私的前提下分析市民的病例或相關(guān)匯總數(shù)據(jù)，發(fā)現(xiàn)區(qū)域性疾病，合理分配醫(yī)生以及器材及時(shí)將高需求藥品和器材納入醫(yī)保系統(tǒng)等。AIaaS系統(tǒng)將實(shí)時(shí)分析人們的收入變動、物價(jià)變化、貨幣通脹率等經(jīng)濟(jì)因素，生成合理的房產(chǎn)指導(dǎo)價(jià)，或通過分析城市交通數(shù)據(jù)為市民生成合理的通勤路線或購房區(qū)域建議。AIaaS也將通過分析政務(wù)評價(jià)系統(tǒng)收集相關(guān)反饋，以進(jìn)一步優(yōu)化模型。此外，依托6G網(wǎng)絡(luò)，AIaaS將能收集、處理海量數(shù)據(jù)生成巨量模型滿足人們各個(gè)方面的需求，提升城市幸福度。

2.2.2智慧家庭

家庭住宅環(huán)境是人類生活的主要活動場所，每個(gè)人平均下來可能有近一半以上的時(shí)間在居家環(huán)境中度過智慧家庭是以居家住宅類型的環(huán)境為平臺，將通信、檢測等技術(shù)相結(jié)合起來形成一個(gè)高效的居家事務(wù)的管理與更加舒適和智能的生活體驗(yàn)。目前，越來越多的智能網(wǎng)絡(luò)設(shè)備已經(jīng)開始滲透入居家生活當(dāng)中而家庭環(huán)境的智能性現(xiàn)在主要體現(xiàn)在被動的控制與檢測如通過人的語音或用手機(jī)操作對家用電器進(jìn)行控制或者通過視頻監(jiān)控設(shè)備進(jìn)行監(jiān)控。隨著社會與技術(shù)的進(jìn)步，人們對居家生活的智能性也提出更高的要求，在需要更廣泛的交互式、主動式的服務(wù)同時(shí)，也需要及時(shí)、準(zhǔn)確和智能化的服務(wù)，從而我們的居家生活也不斷地向更加便利、安全，具有好的隱私性以及舒適性等發(fā)展，極大地改進(jìn)生活體驗(yàn)。圖2-2智慧家庭AI技術(shù)無疑是居家智能化的重要技術(shù)和巨大推力，這使得在6G時(shí)代網(wǎng)絡(luò)AI會在居家生活中具有非常廣闊的應(yīng)用場景。網(wǎng)絡(luò)AI的技術(shù)將會被用于家居控制，安防監(jiān)控和行為監(jiān)控居家健康服務(wù)和家庭娛樂等各個(gè)方面。而在6G的智慧家庭的智能性，主要體現(xiàn)在利用人工智能的技術(shù)，可以通過對人的生活模式、喜好等進(jìn)行智能化的分析與了解，并作用于每個(gè)人的生活中，就像一位智能化的管家一樣。這要求人工智能技術(shù)有長期不斷學(xué)習(xí)、準(zhǔn)確理解人類行為模式的能力。而在其他不同的應(yīng)用方面，對于AI的服務(wù)與網(wǎng)絡(luò)計(jì)算的要求也有所不同。如對于居家電器等的一般控制，與家庭健康的日常檢測，對于通信的及時(shí)性與AI的計(jì)算力要求相對不是很高。然而在與安全與突發(fā)健康時(shí)間有關(guān)的如陌生人闖入老人突然跌倒等，一方面要求AI技術(shù)可以準(zhǔn)確捕捉到相關(guān)時(shí)間，另一方面也要求及時(shí)通信告知與響應(yīng)。而對于家庭娛樂的一些應(yīng)用，特別是虛擬現(xiàn)實(shí)等技術(shù)的家庭化，對AI的算力以及通信能力都會有較高的要求。與此同時(shí)，在智慧家庭場景中，家庭既有的網(wǎng)絡(luò)設(shè)備應(yīng)該被充分利用來實(shí)現(xiàn)居家的智能化，這樣也可以降低家庭購買專用設(shè)備的開銷，從而更加經(jīng)濟(jì)地讓智能生活走進(jìn)每個(gè)人的家庭。2.2.3智賦工業(yè)

工業(yè)生產(chǎn)的全生命周期業(yè)務(wù)流程主要涵蓋產(chǎn)品的前期設(shè)計(jì)生產(chǎn)制造運(yùn)輸運(yùn)維倉儲以及用戶交付等。6GAIaaS具有廣泛覆蓋、密集連接、極速傳輸?shù)纫幌盗刑攸c(diǎn)，在未來場景下，可以智賦工業(yè)，為工業(yè)生產(chǎn)提供AI數(shù)據(jù)、AI訓(xùn)練、AI推理、AI驗(yàn)證等服務(wù)，支持其朝向數(shù)字化、網(wǎng)絡(luò)化、智能化的方向加速轉(zhuǎn)型。智賦工業(yè)機(jī)器人

在未來工業(yè)制造、運(yùn)輸?shù)葓鼍跋?，工業(yè)機(jī)器人將被廣泛使用。例如建筑機(jī)器人能在遠(yuǎn)程控制下完成工地建設(shè)任務(wù)。而特別是在高溫、高空等極端工作場景下，工業(yè)機(jī)器人也將被考慮使用以代替工人完成高危作業(yè)，人們只需利用手中的終端設(shè)備實(shí)現(xiàn)真正“無人工廠。在完成智能機(jī)器人的AI訓(xùn)練之后，需要在AI模型部署之前對其進(jìn)行驗(yàn)證，最終實(shí)現(xiàn)智能機(jī)器人安全高效地生產(chǎn)任務(wù)。6GAIaaS為機(jī)器人提供AI訓(xùn)練服務(wù)，例如通過機(jī)器

人收集數(shù)據(jù)，應(yīng)用模型訓(xùn)練進(jìn)行多智能體學(xué)習(xí)，并將訓(xùn)練后的模型分發(fā)給機(jī)器人。而6G的極致傳輸能力將支持機(jī)器人與網(wǎng)絡(luò)側(cè)之間進(jìn)行快速模型訓(xùn)練與參數(shù)交換。6GAIaaS還提供多系統(tǒng)聯(lián)動能力，各類終端設(shè)備都能夠與機(jī)器人進(jìn)行靈活組網(wǎng)，人們利用電腦、手機(jī)、VR設(shè)備即可遠(yuǎn)程遙控。6G移動通信系統(tǒng)的覆蓋對象還從傳統(tǒng)的用戶終端擴(kuò)展到了環(huán)境感知設(shè)備，機(jī)器人能夠通過6GAIaaS的感知技術(shù)實(shí)現(xiàn)與環(huán)境的連接與交互，甚至還能向不同部門的機(jī)器人跨環(huán)境、跨系統(tǒng)學(xué)習(xí)，共享經(jīng)驗(yàn)。同時(shí)，6G網(wǎng)絡(luò)可利用數(shù)字孿生網(wǎng)絡(luò)提供AI驗(yàn)證服務(wù)，通過性能預(yù)驗(yàn)證迭代訓(xùn)練魯棒性更強(qiáng)，性能更優(yōu)的AI模型。6G15

16AIaaS為訓(xùn)練好的模型提供AI驗(yàn)證服務(wù)，要求數(shù)字孿生網(wǎng)絡(luò)產(chǎn)生比物理環(huán)境更多場景下的樣本數(shù)據(jù)，降低對物理網(wǎng)絡(luò)數(shù)據(jù)采集開銷和性能影響，進(jìn)一步提高AI模型的穩(wěn)定性和性能。智賦工業(yè)機(jī)器人對算法維度性能指標(biāo)界、訓(xùn)練耗時(shí)

和算力維度計(jì)算精度時(shí)長效率的服務(wù)質(zhì)量存在需求。隨著智能終端類型近年來不斷豐富，5G可能將逐漸無法承擔(dān)更多設(shè)備的AI訓(xùn)練需求這要求6G提供超大連接、低時(shí)延、穩(wěn)定的AI訓(xùn)練服務(wù)；AI驗(yàn)證服務(wù)要求6G網(wǎng)絡(luò)為數(shù)字孿生網(wǎng)絡(luò)的虛擬環(huán)境提供海量數(shù)據(jù)采集、精準(zhǔn)定位和超低時(shí)延傳輸?shù)饶芰Α４送?，智賦工業(yè)機(jī)器人場景對自治維度的服務(wù)質(zhì)量指標(biāo)存在需求。工業(yè)機(jī)器人的安全性可以避免很多因人為疏忽或疲勞工作引起的隱患，這要求6GAIaaS提供完全自治、部分人工可控和全部人工可控三方面的高質(zhì)量服務(wù)。智賦生產(chǎn)過程

在將訓(xùn)練好的AI模型部署到各類智能生產(chǎn)設(shè)備（機(jī)械操作臂、機(jī)器人等）后，工廠開啟智能運(yùn)行模式，智能生產(chǎn)設(shè)備進(jìn)行AI推理獲得高效的生產(chǎn)決策。當(dāng)智能生產(chǎn)設(shè)備需完成一項(xiàng)模型推理任務(wù)而自身算力又不夠時(shí)，6G網(wǎng)絡(luò)側(cè)提供算力資源和AI推理的協(xié)助，將推理模型進(jìn)行分割，部署在端側(cè)和網(wǎng)絡(luò)測，共同完成推理任務(wù)，滿足推理的性能需求。為及時(shí)將經(jīng)過訓(xùn)練好后的AI模型部署到生產(chǎn)線，6G

AIaaS提供強(qiáng)大的推理服務(wù)能力，通過云、邊、端分布式部署的協(xié)同算力進(jìn)行網(wǎng)絡(luò)內(nèi)生的AI推理，實(shí)時(shí)按需動態(tài)調(diào)整各類生產(chǎn)設(shè)備的配置參數(shù)，實(shí)現(xiàn)各種工業(yè)生產(chǎn)場景的靈活適配。智賦生產(chǎn)過程場景對算法性能指標(biāo)界、計(jì)算開銷、

傳輸開銷、能耗等服務(wù)質(zhì)量存在需求。6GAIaaS使能工業(yè)生產(chǎn)中的AI快速推理過程，而時(shí)延和準(zhǔn)確度是AI推理服務(wù)的兩項(xiàng)重要性能指標(biāo)。模型分割點(diǎn)的決策將影響終端側(cè)和基站側(cè)分別負(fù)責(zé)的計(jì)算任務(wù)量，以及空口需要傳輸?shù)臄?shù)據(jù)量，這要求6GAIaaS在算法性能指標(biāo)界、計(jì)算開銷與傳輸開銷方面提供高質(zhì)量服務(wù)。影響這兩個(gè)指標(biāo)的還包括終端側(cè)計(jì)算資源分配、空口無線資源分配和基站側(cè)計(jì)算資源分配等環(huán)節(jié)，需要進(jìn)行通信與計(jì)算資源的協(xié)同調(diào)度，這與能耗服務(wù)質(zhì)量指標(biāo)則有著密切的聯(lián)系。尤其是當(dāng)終端和基站側(cè)均存在多種異構(gòu)計(jì)算資源時(shí)，計(jì)算單元類型和數(shù)量的分配會對推理時(shí)延產(chǎn)生直接影響。而6G以網(wǎng)絡(luò)智簡為升級目標(biāo)，將通過簡化架構(gòu)、功能和協(xié)議來降低開銷、節(jié)約能耗，實(shí)現(xiàn)輕量級的無線網(wǎng)絡(luò)。智賦用戶交互

當(dāng)工業(yè)產(chǎn)品經(jīng)過設(shè)計(jì)、制造、運(yùn)輸?shù)炔襟E，最終出廠交付給用戶后，智賦工業(yè)的全生命周期流程并未完全結(jié)束。隨產(chǎn)品攜帶的傳感器將收集產(chǎn)品在用戶使用過程中的運(yùn)行狀態(tài)，此類用戶信息將反饋傳輸回企業(yè)，用于進(jìn)一步優(yōu)化產(chǎn)品，改善用戶體驗(yàn)，以適應(yīng)個(gè)性化、定制化的工業(yè)制造趨勢。6G網(wǎng)絡(luò)提供AI數(shù)據(jù)服務(wù)，為上述過程提供智能的數(shù)

據(jù)采集、處理、流轉(zhuǎn)策略，按需采集數(shù)據(jù)，防止出現(xiàn)數(shù)據(jù)冗余的情況。在采集海量用戶數(shù)據(jù)后，6GAIaaS進(jìn)一步提供數(shù)據(jù)特征提取服務(wù)，通過AI模型挖掘數(shù)據(jù)價(jià)值，精準(zhǔn)定位用戶使用工業(yè)產(chǎn)品過程中的問題，這要求6G網(wǎng)絡(luò)提供海量數(shù)據(jù)的AI處理能力。智賦用戶交互場景對性能指標(biāo)界、計(jì)算開銷和時(shí)長

等服務(wù)質(zhì)量指標(biāo)存在需求，6G網(wǎng)絡(luò)超高速的數(shù)據(jù)傳輸速率與超低的時(shí)延抖動將保障交互過程的實(shí)時(shí)、高效和智能化，對于用戶而言，通過產(chǎn)品與企業(yè)進(jìn)行良好交互，減少甚至消除故障，產(chǎn)品使用滿意度將得到大幅度提升。另外，智賦用戶交互涉及海量隱私數(shù)據(jù)的特點(diǎn)，還要求6GAIaaS能夠保障安全與隱私維度存儲、計(jì)算、傳輸安全和數(shù)據(jù)隱私等級四方面的服務(wù)質(zhì)量，6G網(wǎng)絡(luò)無限接近有線傳輸?shù)目煽啃院桶踩詫⒋_保收集和處理后的數(shù)據(jù)能夠精準(zhǔn)、可信、不冗余地通過網(wǎng)絡(luò)傳輸?shù)狡髽I(yè)，使企業(yè)更好地洞察用戶需求，提前優(yōu)化研發(fā)設(shè)計(jì)。圖2-3智賦工業(yè)

圖2-4智賦農(nóng)業(yè)2.2.4智賦農(nóng)業(yè)

農(nóng)業(yè)包括種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)、副業(yè)五種產(chǎn)業(yè)形式,當(dāng)今世界農(nóng)業(yè)的發(fā)展需求是提高土地產(chǎn)出率、農(nóng)業(yè)勞動生產(chǎn)率、農(nóng)產(chǎn)品商品率和國際市場競爭力[14]。農(nóng)民和農(nóng)業(yè)組織為此不斷地追求科學(xué)化自動化精準(zhǔn)化，學(xué)界和產(chǎn)業(yè)界因此逐漸嘗試將AI技術(shù)應(yīng)用到農(nóng)業(yè)生產(chǎn)活動中。傳統(tǒng)基于單體AI的農(nóng)業(yè)智能自動化系統(tǒng)構(gòu)建成本極高體現(xiàn)在搭建數(shù)據(jù)采集網(wǎng)絡(luò)購買租用算力基礎(chǔ)設(shè)施，聘用AI工程師訓(xùn)練AI模型。農(nóng)民/農(nóng)業(yè)組織是成本極度敏感的個(gè)體除卻巨型農(nóng)業(yè)組織或企業(yè)大部分農(nóng)民或農(nóng)業(yè)組織不具有相應(yīng)的經(jīng)濟(jì)實(shí)力造成模型通用性差農(nóng)業(yè)AI的模型種類也不多。針對單一的農(nóng)業(yè)問題，企業(yè)也因?yàn)槠湎到y(tǒng)的獨(dú)立性無法與其他企業(yè)共享不得不大量重復(fù)投入?；?G網(wǎng)絡(luò)的AIaaS平臺允許農(nóng)民或農(nóng)業(yè)組織以較低成本租用運(yùn)營商已有基礎(chǔ)設(shè)施，例如算力節(jié)點(diǎn)和6G通感一體網(wǎng)絡(luò)中的數(shù)據(jù)收集節(jié)點(diǎn)；還能通過AIaaS平臺與遙遠(yuǎn)的農(nóng)業(yè)生產(chǎn)實(shí)體共享AI模型；農(nóng)民或農(nóng)業(yè)組織也可通過AIaaS與高校等研究機(jī)構(gòu)合作，農(nóng)民提供試驗(yàn)環(huán)境，研究機(jī)構(gòu)提供AI人才，雙方共享研究成果。AIaaS將從數(shù)據(jù)收集到模型生成，極大地降低了農(nóng)業(yè)AI實(shí)施成本。降低的AI實(shí)施成本終將更多追求精準(zhǔn)化自動化的農(nóng)民和組織統(tǒng)合到6G網(wǎng)絡(luò)中，6G網(wǎng)絡(luò)的其他單元也能藉此更深度地參與農(nóng)業(yè)生產(chǎn)活動。更多的數(shù)據(jù)，更多的場景也會帶來更豐富的模型，AIaaS平臺本身也將有相對應(yīng)的增長。2.2.5精準(zhǔn)醫(yī)療

未來，智慧醫(yī)療在時(shí)間維度上，涉及到各類疾病的預(yù)防、預(yù)判、診治、推理、監(jiān)控、臨床手術(shù)、病患護(hù)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(yàn)信息的融合利用。智慧醫(yī)療總體愿景是：使得個(gè)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(hù)、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)療信息的處理和決策賦能。醫(yī)療關(guān)乎個(gè)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(shí)時(shí)性等指標(biāo)還不是很理想。通過基于6G網(wǎng)絡(luò)AI，各個(gè)地理分散的醫(yī)療機(jī)構(gòu)個(gè)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)，從而不斷迭代提升預(yù)判診療動作結(jié)果的準(zhǔn)確性可靠性、實(shí)時(shí)性，增強(qiáng)個(gè)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(shí)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)患者的體力心理壓力，避“看病難“排隊(duì)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(hù)，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(hù)個(gè)體醫(yī)療信息隱私。圖2-5精準(zhǔn)醫(yī)療17

182.2.6普智教育

未來的教育將依托6G網(wǎng)絡(luò)和AIaaS智能內(nèi)生能力，在消除教育鴻溝，提高教育手段方面實(shí)現(xiàn)質(zhì)的飛躍。在2030年代實(shí)現(xiàn)普智教育。面向基礎(chǔ)教育方面，城市與鄉(xiāng)村之間，以及不同地

區(qū)之間的教育差距歷來是一個(gè)難以逾越鴻溝，其中最重要的是師資與實(shí)驗(yàn)設(shè)備的差距。在2030年代6G網(wǎng)絡(luò)廣域覆蓋的基礎(chǔ)上，依托AR/VR等智能交互技術(shù)，AIaaS將讓教學(xué)名師和教學(xué)儀器設(shè)備“真實(shí)”的走進(jìn)每一個(gè)課堂中即使在偏遠(yuǎn)的鄉(xiāng)村學(xué)生可以與教學(xué)名師實(shí)時(shí)互動，操作實(shí)驗(yàn)設(shè)備，達(dá)到身臨其境的學(xué)習(xí)。6GAIaaS還可以在課堂上實(shí)時(shí)的分析每個(gè)學(xué)生的學(xué)習(xí)狀態(tài)，一方面監(jiān)督促進(jìn)學(xué)生學(xué)另一方面針對不同學(xué)生的狀態(tài)與興趣，智能的安排個(gè)性化的學(xué)習(xí)課程與學(xué)習(xí)進(jìn)度，依托智能分析實(shí)現(xiàn)個(gè)性化教育。面向行業(yè)智能教育方面，基于6GAIaaS內(nèi)生智能能

力，利用XR、數(shù)字孿生、智能交互等技術(shù)，構(gòu)建面向各行各業(yè)的教學(xué)與實(shí)踐環(huán)境。將貴重、復(fù)雜、龐大的行業(yè)裝備，如航空航天、芯片制造、醫(yī)療器械、交通運(yùn)輸?shù)刃袠I(yè)的裝備，展現(xiàn)在行業(yè)教育的虛擬實(shí)踐環(huán)境中。學(xué)生的實(shí)際操作動作和設(shè)計(jì)作品，通過6G網(wǎng)絡(luò)和智能內(nèi)生的能力，智能分析反饋操作行為結(jié)果，針對設(shè)計(jì)作品分析其優(yōu)點(diǎn)與缺點(diǎn)，不斷提高學(xué)生的設(shè)計(jì)能力，切實(shí)提升行業(yè)尖端技術(shù)的教育水平。教師可以使用AI系統(tǒng)瀏覽學(xué)生的論文并檢查語法、

句子結(jié)構(gòu)和抄襲查看學(xué)生是否準(zhǔn)確理解了他們的作業(yè)，以及他們是否正確地寫下了給他們的提示。教師可以讓AI在進(jìn)行自己的復(fù)習(xí)之前先通過每篇論文，而不是花費(fèi)無數(shù)小時(shí)仔細(xì)瀏覽一頁又一頁的論文，讓他們有更多的空閑時(shí)間與學(xué)生一對一地工作或完成其他必要的任務(wù)。實(shí)時(shí)筆記

通過AIaaS創(chuàng)建實(shí)時(shí)筆記AI服務(wù)，錄制講座和使用語音轉(zhuǎn)文本技術(shù)來生產(chǎn)實(shí)時(shí)筆記。此外，如果學(xué)生因?yàn)槊τ谧龉P記而在課堂上難以集中注意力，人工智能可用于創(chuàng)建與課堂錄音同步的文本，以便學(xué)生可以回去聽或閱讀老師在特定時(shí)刻所說的話這也為教師騰出了時(shí)間，因?yàn)樗麄儾槐貫閷W(xué)生提供自己的課程回顧和筆記。通過6G的泛在全連接，學(xué)生可以隨時(shí)隨地進(jìn)行筆記學(xué)習(xí)和回顧。學(xué)生和班級理解

借助人工智能驅(qū)動的見解，教師可以根據(jù)作業(yè)和測試的個(gè)人和集體分?jǐn)?shù)快速了解學(xué)生或班級對主題的理解程度。然后，教師可以使用這些信息來確定他們是否需要在課堂上再次討論這些主題，或者根據(jù)個(gè)人知識差距以某種方式個(gè)性化學(xué)生的學(xué)習(xí)。同樣，這些信息可以幫助管理人員確定這些主題是否在教室和其他學(xué)校中得到普遍理解，從而為課程變更提供信息或確定需要改進(jìn)的地方。6G網(wǎng)絡(luò)需要通過高寬帶的實(shí)時(shí)通信能力，AIaaS提供秒級別的反饋延遲。個(gè)性化學(xué)習(xí)

每一個(gè)人，無論是孩子還是成年人，都有獨(dú)特的思維特點(diǎn)和學(xué)習(xí)方式。個(gè)性化學(xué)習(xí)就是通過收集和分析學(xué)生的學(xué)習(xí)數(shù)據(jù)，用人工智能勾勒出每個(gè)學(xué)生的學(xué)習(xí)方式和特點(diǎn)，然后自動調(diào)整教學(xué)內(nèi)容、方式和節(jié)奏，使每個(gè)孩子都能得到最適合自己的教育。隨著時(shí)間的推移，數(shù)據(jù)積累逐漸增多，人工智能也就越“聰明”，對學(xué)生學(xué)習(xí)的適應(yīng)也就越精準(zhǔn)，這樣形成良性循環(huán)，效果越來越好。除了通過提供分析能力和存儲計(jì)算能力，6GAIaaS還會通過安全措施保障個(gè)人隱私。虛擬導(dǎo)師

虛擬導(dǎo)師其實(shí)也是一種自適應(yīng)學(xué)習(xí)系統(tǒng)，只不過焦點(diǎn)在學(xué)生的課后自學(xué)和答疑，而不是課堂教學(xué)上。這個(gè)領(lǐng)域目前還在早期發(fā)展階段，進(jìn)一步的推動則依賴于一些關(guān)鍵技術(shù)的發(fā)展，如語音語義的識別，以及數(shù)據(jù)的進(jìn)一步采集和分析。虛擬導(dǎo)師也許幾年內(nèi)還不能代替真人輔導(dǎo)，但一定會在課后輔導(dǎo)行業(yè)中逐漸占有一席之地。虛擬導(dǎo)師把教學(xué)從一對多模式變成了一對一模式，這需要6G網(wǎng)絡(luò)提供高帶寬低延遲的網(wǎng)絡(luò)保障交互過程的用戶體驗(yàn)，同時(shí)，對于虛擬導(dǎo)師形象進(jìn)行結(jié)合本地特征的渲染保障交互過程的真實(shí)性。教育機(jī)器人

用機(jī)器人充當(dāng)教育者的角色直接和孩子交流，已經(jīng)不只屬于科幻小說了。目前，一些新興的創(chuàng)新公司正在開發(fā)可以成為孩子的老師和朋友的機(jī)器人。機(jī)器人在聽到孩子的問題之后，可以自動連接網(wǎng)絡(luò)尋找答案，并且通過和孩子的交流逐漸學(xué)習(xí)和了解孩子的情緒和個(gè)性。目前，機(jī)

器人能夠流暢交流的話題還是相對有限，需要持續(xù)開發(fā)研究。6G網(wǎng)絡(luò)互聯(lián)了海量的知識倉庫，供機(jī)器人搜素和自動學(xué)習(xí)答案生成，構(gòu)建強(qiáng)人工智能如ChtGT。場景式教育

將虛擬現(xiàn)（VR和增強(qiáng)現(xiàn)（AR運(yùn)用在教育中，想象空間是不可估量的，益處也是顯而易見的。課堂不再局限于小小的教室、白板和PT，而是整個(gè)宇宙。6G網(wǎng)絡(luò)為提供高帶寬低延遲的傳輸能力同時(shí)AIaaS提供基于邊緣和基于云的計(jì)算，AI建模分析能力。圖2-6普智教育2.2.7智慧能源

未來的電力系統(tǒng)，將包括大量分布式的基于可再生能源的發(fā)電裝置，并通過大規(guī)模輸配電網(wǎng)絡(luò)將電能交付給消費(fèi)者。由于大多數(shù)可再生能源本質(zhì)上是動態(tài)性的，而需求也呈現(xiàn)高度的動態(tài)性，為了實(shí)現(xiàn)供需之間的平衡，必須讓電力系統(tǒng)更加靈活。智慧能源將通過智能優(yōu)化和調(diào)度分布式能源系統(tǒng)，實(shí)現(xiàn)高效的清潔能源利用，降低甚至取代化石燃料的電力[15]。智能既體現(xiàn)在通過人工智能算法優(yōu)化能源的生產(chǎn)如通過AI控制光伏面板角度提升發(fā)電量、通過智能攝像頭進(jìn)行設(shè)備狀態(tài)檢測等；也體現(xiàn)在能源的智能分配和使用如通過算法實(shí)現(xiàn)對分布式能源的生產(chǎn)預(yù)測、基于歷史數(shù)據(jù)的負(fù)荷預(yù)測、動態(tài)需求響應(yīng)的實(shí)時(shí)分析判斷等。通過人工智能技術(shù)的加持，目標(biāo)是實(shí)現(xiàn)能量在生產(chǎn)和消費(fèi)者之間按需自由流動，最終實(shí)現(xiàn)整個(gè)能源系統(tǒng)的綠色低碳、安全穩(wěn)定。6G系統(tǒng)作為未來信息通信技術(shù)的新基礎(chǔ)設(shè)施，將為智慧能源相關(guān)數(shù)據(jù)的實(shí)時(shí)傳輸和智能決策提供支持，實(shí)現(xiàn)全網(wǎng)智能化。圖2-7智慧能源AI模型的性能依賴于可用于模型訓(xùn)練的大量數(shù)據(jù)、

強(qiáng)大的模型和推理時(shí)數(shù)據(jù)的實(shí)時(shí)可靠傳輸，而智慧能源的不同業(yè)務(wù)對AI模型的準(zhǔn)確性、時(shí)延等可能具有不同的要求。6GAIaaS一方面通過融合大量分布式能源生產(chǎn)設(shè)備或能源消費(fèi)節(jié)點(diǎn)基于本地?cái)?shù)據(jù)訓(xùn)練的模型，在保護(hù)各節(jié)點(diǎn)數(shù)據(jù)和隱私的前提下，提供高準(zhǔn)確度的AI模型，為各個(gè)分散的能源生產(chǎn)節(jié)點(diǎn)提供更高效的配置算法，為分散的能源消費(fèi)節(jié)點(diǎn)提供更準(zhǔn)確的預(yù)測算法；另一方面，通過實(shí)時(shí)高速匯聚能源生產(chǎn)節(jié)點(diǎn)的狀態(tài)與消費(fèi)者的需求，并基于網(wǎng)絡(luò)內(nèi)的AI模型推理能力，為智慧能源的生產(chǎn)和消費(fèi)提供實(shí)時(shí)的優(yōu)化，實(shí)現(xiàn)極致高效的能源利用。2.2.8超能交通

未來超能交通在時(shí)間維度上涉及到高清地圖下載、車輛環(huán)境感知、環(huán)境預(yù)測和路徑規(guī)劃等環(huán)節(jié)。超能交通在地域維度上，涉及到高速公路、城市道路、封閉區(qū)域等場景。超能交通的總體愿景是：使得智能車輛以更低的成本為用戶提供安全、高效、舒適的乘車體驗(yàn)。6G系統(tǒng)作為未來信息通信技術(shù)的新基礎(chǔ)設(shè)施，具有超低時(shí)延高可靠傳輸、超強(qiáng)算力、精準(zhǔn)感知等一系列特點(diǎn)，將為超能交通相關(guān)數(shù)據(jù)的實(shí)時(shí)傳輸、處理和智能決策提供支持，實(shí)現(xiàn)全網(wǎng)智能化。在超能交通場景中，以自動駕駛為例，6G系統(tǒng)可以

提供基于AI的數(shù)據(jù)服務(wù)、AI算力卸載服務(wù)和基于AI的環(huán)境預(yù)測或路徑規(guī)劃。其中，基于AI的數(shù)據(jù)服務(wù)是指6G系統(tǒng)為自動駕駛車輛提供基于AI的環(huán)境感知結(jié)果例如，當(dāng)自動駕駛車輛存在感知盲區(qū)時(shí)，6G系統(tǒng)通過傳感器或無線信號采集感知數(shù)據(jù)，再通過AI模型推理，得到盲區(qū)19

20圖2-8超能交通環(huán)境的感知結(jié)果，反饋?zhàn)詣玉{駛車輛，從而提升駕駛安全性?；贏I的算力卸載是指自動駕駛車輛將一部分AI模型推理或訓(xùn)練的算力卸載到6G系統(tǒng)。例如，當(dāng)車輛行駛到路況復(fù)雜路段時(shí)，自動駕駛車輛對AI模型推理所需算力急劇增高，造成時(shí)延無法滿足需求時(shí)，車輛可以將一部分AI計(jì)算任務(wù)卸載到6G系統(tǒng)，從而降低了對自動駕駛車輛處理芯片的需求。面向海陸地空立體交通方式，通過6G網(wǎng)絡(luò)廣域覆蓋

及其智能能力實(shí)現(xiàn)車輛的自動駕駛和智能交通管理船舶和航空領(lǐng)域的智能調(diào)度，對水上、陸地、地下及空中交通工具實(shí)現(xiàn)統(tǒng)一的控制管理調(diào)度。在6G網(wǎng)絡(luò)具備的深度學(xué)習(xí)多傳感器融合等方法下形成車輛路側(cè)云端的全場景一體化感知決策架構(gòu)進(jìn)一步推動出行智能化、服務(wù)泛在化管控全局化的新時(shí)代智能交通愿景的實(shí)現(xiàn)。在交通出行方面，實(shí)現(xiàn)個(gè)人最優(yōu)出行方案以及整個(gè)交通的最高效使用的有機(jī)統(tǒng)一。2.2.9網(wǎng)絡(luò)金融

網(wǎng)絡(luò)金融，即通過網(wǎng)絡(luò)技術(shù)支持全球范圍內(nèi)的金融服務(wù)活動包括網(wǎng)絡(luò)銀行網(wǎng)絡(luò)證券網(wǎng)絡(luò)保險(xiǎn)網(wǎng)絡(luò)信托、股票交易等。網(wǎng)絡(luò)金融安全和網(wǎng)絡(luò)金融監(jiān)管等底層保障也重度依賴通信技術(shù)自身的安全防護(hù)能力。網(wǎng)絡(luò)內(nèi)的連接、高性能計(jì)算、大數(shù)據(jù)傳輸、和泛在

分布的AI能力賦能高頻金融交易和保障交易數(shù)據(jù)的安全可靠傳輸，降低金融惡性交易風(fēng)險(xiǎn)。通過6GAIaaS提供智能數(shù)據(jù)路由和轉(zhuǎn)發(fā)自適應(yīng)，降低交易數(shù)據(jù)傳輸時(shí)延，保證金融交易的實(shí)時(shí)性，助力金融交易發(fā)展。高頻金融交易

以股票交易為例的高密度、高交易額的金融交易，在交易日內(nèi)的任意時(shí)刻股票價(jià)格都是動態(tài)變化的。6GAIaaS可以在高頻金融交易中發(fā)揮高速交易數(shù)據(jù)傳遞的關(guān)鍵作用。利用6GAIaaS提供的服務(wù)選擇適當(dāng)?shù)臄?shù)據(jù)轉(zhuǎn)發(fā)路由算法進(jìn)行金融交易業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)發(fā)模型的訓(xùn)練優(yōu)化及部署。6G智能化的數(shù)據(jù)傳輸能力，能夠讓用戶第一時(shí)間獲得近實(shí)時(shí)的交易現(xiàn)狀數(shù)據(jù)，在確定交易時(shí)機(jī)后，通過6G網(wǎng)絡(luò)快速回傳交易請求。基于6GAIaaS的智能路由能力，避免將交易信息流轉(zhuǎn)到擁塞的網(wǎng)絡(luò)鏈路中，優(yōu)化全體用戶的交易速率和頻率。電信金融詐騙

電信詐騙一直是網(wǎng)絡(luò)金融領(lǐng)域一直難以杜絕的難題，4G/5G階段實(shí)現(xiàn)雙向互認(rèn)后改善了電話詐騙的風(fēng)險(xiǎn)?？萍嫉倪M(jìn)步帶來的便利，也被不法分子利用到詐騙中。近年來，電信詐騙正在從以電話詐騙逐步向網(wǎng)絡(luò)詐騙轉(zhuǎn)變。網(wǎng)絡(luò)詐騙具有多樣化的特性詐騙分子可以通過竊取用戶社交賬戶、向網(wǎng)絡(luò)用戶發(fā)送詐騙鏈接、APP夾帶詐騙鏈接等實(shí)施詐騙，手段層出不窮。用戶登錄的網(wǎng)站多樣，網(wǎng)址派生快，APP夾帶的廣告網(wǎng)址具有隨機(jī)性。用戶社交軟件被竊取利用的難易程度、用戶自身的社交圈、用戶接入網(wǎng)絡(luò)的目的、習(xí)慣、用戶的支付手段、用戶的反詐騙意識等不同對于輔助用戶反詐的難以程度也有所不同。網(wǎng)絡(luò)詐騙具備持續(xù)周期短、往往用戶還沒反省過來，財(cái)產(chǎn)已被分散無法追回了。AI在廣連接、泛算力算力的支持下提供更快的數(shù)據(jù)

處理分析能力，以應(yīng)對區(qū)域內(nèi)全用戶、全異常網(wǎng)站的監(jiān)測圖2-9網(wǎng)絡(luò)金融

數(shù)據(jù)分析。6GAIaaS可以提供更高速度的信息采集傳輸能力，通過對用戶惡意消費(fèi)AI模型的不斷訓(xùn)練優(yōu)化，提供更加精準(zhǔn)的惡意消費(fèi)判別，更低的模型反應(yīng)周期，應(yīng)對詐騙分子登錄周期短，無法定位犯罪分子位置信息的問題。具體的6GAIaaS基于其自身高安全級別和異常網(wǎng)址、異常交易分析的敏捷性，可以輔助監(jiān)管機(jī)構(gòu)降低網(wǎng)絡(luò)詐騙發(fā)生的概率。6GAIaaS配合金融機(jī)構(gòu)對用戶的異常登錄、異常消費(fèi)、短時(shí)間的跨地域支付、高頻次的支付等進(jìn)行特征分析，即時(shí)將異常用戶推送給金融監(jiān)管機(jī)構(gòu)，配合監(jiān)管機(jī)構(gòu)阻斷資金外流。6GAIaaS可配合國家有關(guān)網(wǎng)絡(luò)安全監(jiān)管機(jī)構(gòu)對網(wǎng)址進(jìn)行優(yōu)劣甄別，對惡劣網(wǎng)站判定后具備網(wǎng)頁拒絕訪問。2.36GAIaaS典型應(yīng)用AI應(yīng)用是指向用戶提供相對可管可控的AI服務(wù)，通常是基于多個(gè)AI服務(wù)的集合。6GAIaaS典型應(yīng)用是指在6G網(wǎng)絡(luò)內(nèi)面向終端用戶、網(wǎng)絡(luò)運(yùn)維人員、第三方客戶等對象提供的6GAIaaS服務(wù)。2.3.1無人出租汽車出行背景

個(gè)人打車出行先后經(jīng)歷了出租汽車網(wǎng)約車的時(shí)代，兩個(gè)時(shí)代中都面臨著打車需求與載客服務(wù)不匹配的問題，即經(jīng)常面臨客戶打不到車、司機(jī)空跑無客的情況。隨著無人駕駛/自動駕駛技術(shù)的成熟，個(gè)人打車必將進(jìn)入無人駕駛出租汽車的時(shí)代。由于個(gè)人出行需求、個(gè)人定位/軌跡等敏感的個(gè)人信息，與無人出租汽車的位置信息、以及巡行路線是兩座無法直接相通的信息孤島，基于網(wǎng)約車提交訂單接單匹配的打車方式個(gè)人快速打車的需求，以及出租汽車高效使用的需求不能高效結(jié)合。6G智能內(nèi)生網(wǎng)絡(luò)作為智能普惠時(shí)代的紐帶和基石，將通過AIaaS服務(wù)，面向個(gè)人和無人出租汽車，分別提供數(shù)據(jù)管理、模型訓(xùn)練（可選）、模型優(yōu)化等AI服務(wù)，個(gè)人與無人出租汽車數(shù)據(jù)脫敏后的聯(lián)合訓(xùn)練，以及AIaaS的開放服務(wù)，實(shí)現(xiàn)個(gè)人個(gè)性化出行需求的快速服務(wù)，以及無人出租汽車的高效管理。此外，在無人車輛駕駛過程中，6G智能內(nèi)生網(wǎng)絡(luò)V2X場景功能，可以為無人出租汽車提供更安全的自動駕駛輔助服務(wù)。角色和前提假設(shè)

（1）角色：無人出租車、打車乘客、無人出租車傳感器、通感融合基站、道路傳感器（V2X）、提供智能服務(wù)的網(wǎng)絡(luò)運(yùn)營商。（2）前提假設(shè)：a.網(wǎng)絡(luò)為本場景的運(yùn)行提供執(zhí)行特定任務(wù)的AI能力。

b.無人出租車、用戶終端、基站、傳感器、網(wǎng)絡(luò)運(yùn)營商網(wǎng)絡(luò)之間能夠按需傳遞相關(guān)信息。在提供智能服務(wù)的網(wǎng)絡(luò)運(yùn)營商網(wǎng)絡(luò)能夠根據(jù)乘車人的請求、當(dāng)前位置，選派一輛滿足乘車人需求的無人出租車；c.無人出租車傳感器通感融合基站道路傳感器，

都能夠及時(shí)完成感知，并將感知信息及時(shí)傳遞到網(wǎng)絡(luò)；d.無人出租車(含傳感器)、通感融合基站、道路傳

感器、用戶終端之間，可以直接通信。應(yīng)用需求（1）業(yè)務(wù)需求a.根據(jù)道路信息、歷史區(qū)域需求、脫敏用戶位置和需求信息、目前無人出租車的運(yùn)行情況等，智能編排空載車輛的巡行路線或待客區(qū)域。b.接收到打車乘客需求信息后，根據(jù)路況信息和車

輛運(yùn)行情況，智能安排汽車前往上車點(diǎn)。c.在無人汽車前往途中，以及接到乘客后前往目的

地途中，根據(jù)路況信息，智能規(guī)劃路線，以及調(diào)度更換無人汽車。d.行駛過程中，根據(jù)不同汽車的傳感器生成更及時(shí)

的道路信息，如突發(fā)狀況，包括檢修、事故、坑洼等，以及訓(xùn)練無人汽車面對不同突發(fā)狀況的反應(yīng)模型。（2）AIaaS需求a.數(shù)據(jù)服務(wù)：網(wǎng)絡(luò)提供AIaaS的數(shù)據(jù)服務(wù)包括：

個(gè)人的與區(qū)域的用戶數(shù)據(jù)的管理與脫敏，包括標(biāo)識信息、定位/軌跡信息、習(xí)慣信息等；

道路狀態(tài)信息的收集和更新，包括通感融合基站感知道路信息、突發(fā)情況等。

b.計(jì)算服務(wù)：網(wǎng)絡(luò)提供AIaaS的計(jì)算服務(wù)包括：無人出租車的卸載數(shù)據(jù)的計(jì)算包括感知數(shù)據(jù)計(jì)算，

突發(fā)情況規(guī)避動作計(jì)算等。c.模型訓(xùn)網(wǎng)絡(luò)提供AIaaS的模型訓(xùn)練服務(wù)包：

根據(jù)用戶數(shù)據(jù)，訓(xùn)練用戶出行模型；

根據(jù)區(qū)域用戶數(shù)據(jù)，訓(xùn)練區(qū)域出租車需求模型；21

22根據(jù)通感融合基站和道路傳感器數(shù)據(jù)，訓(xùn)練高效導(dǎo)

航路線，包括巡行、前往上車點(diǎn)、前往目的地等。d.推理決網(wǎng)絡(luò)提供AIaaS的推理決策服務(wù)包：

推理區(qū)域動態(tài)出租車出行需求。e.模型優(yōu)網(wǎng)絡(luò)提供AIaaS的訓(xùn)練優(yōu)化服務(wù)包：

根據(jù)道路交通狀況，無人汽車巡行路線/待客區(qū)域的優(yōu)化；

根據(jù)區(qū)域出行需求，調(diào)度區(qū)域出租車數(shù)量及出租車分布；根據(jù)基站/道路感知數(shù)據(jù)，優(yōu)化出租汽車自動駕駛

和突發(fā)情況駕駛動作。.開放服務(wù)：網(wǎng)絡(luò)提供AIaaS的開放服務(wù)包括：

數(shù)據(jù)開放：基站感知數(shù)據(jù)及道路傳感器（V2X）數(shù)據(jù)的開放；

算力開放：網(wǎng)絡(luò)算力的開放。模型開放：用戶出行模型推理數(shù)據(jù)脫敏后的開放，

包括個(gè)人需求推理、目的地推理、區(qū)域需求推理。潛在技術(shù)需求

（1隱私數(shù)據(jù)管理與脫涉及乘車人的身份信息、目的地信息、行程信息；

（2）算力服務(wù)：網(wǎng)絡(luò)為無人出租車提供算力；（3）模型訓(xùn)練服務(wù)：用戶需求軌跡預(yù)測、出租車運(yùn)

營負(fù)荷/路線預(yù)測等；（4）模型優(yōu)化服務(wù)：針對上述模型，進(jìn)行優(yōu)化，提

升準(zhǔn)確性等；（5）開放服務(wù)：算力、數(shù)據(jù)、軌跡模型等方面的開

放給需要相關(guān)方；（6）超低時(shí)延高可靠傳輸：或者歸為時(shí)延確定性傳

輸，針對保證行車安全、感知等信息，需要確定的時(shí)延抖動等方面的保證。2.3.2工業(yè)機(jī)器人背景

隨著工業(yè)生產(chǎn)的數(shù)字化和自動化的轉(zhuǎn)型，具備高度靈活性的機(jī)器人開始被廣泛應(yīng)用于工業(yè)如搬運(yùn)機(jī)器人、焊接機(jī)器人、裝配機(jī)器人、質(zhì)檢機(jī)器人等。傳統(tǒng)的工業(yè)機(jī)器人需要進(jìn)行生產(chǎn)設(shè)備操作的預(yù)設(shè)，一個(gè)工業(yè)品的生產(chǎn)流程需要多種類機(jī)器人的配合，特定的生產(chǎn)環(huán)節(jié)需要設(shè)計(jì)專用的機(jī)器人，這會增加生產(chǎn)的成本，并且無法處理未知情況以及生產(chǎn)過程中的隨機(jī)因素。因此，承擔(dān)不同生產(chǎn)操作的通用型機(jī)器人對降低成本、提高魯棒性十分重要。通用性工業(yè)機(jī)器人可以使用多種生產(chǎn)工具，來進(jìn)行不同的操作。同時(shí)，一個(gè)生產(chǎn)環(huán)節(jié)可能也需要多個(gè)同種類機(jī)器人的配合，因此機(jī)器人之間、機(jī)器人和環(huán)境之間需要通信與交互，并且期望機(jī)器人可以根據(jù)交互過程中的信息改進(jìn)自身的決策，在復(fù)雜的環(huán)境中提高生產(chǎn)效率。利用人工智能，特別強(qiáng)化學(xué)習(xí)，機(jī)器人可以具備智能決策能力，學(xué)習(xí)如何操作、規(guī)劃移動路線，從而可以執(zhí)行許多任務(wù)并適應(yīng)新環(huán)境?？紤]到智能機(jī)器人的感知環(huán)境范圍受限和移動性等

特征6G網(wǎng)絡(luò)可以為工業(yè)機(jī)器人的協(xié)同生產(chǎn)提供AI服務(wù)。工業(yè)生產(chǎn)擁有較高的時(shí)延敏感性，需要通過無線網(wǎng)絡(luò)為移動中的機(jī)器人提供確定性時(shí)延的傳輸條件。為了實(shí)現(xiàn)協(xié)同生產(chǎn)，需要廣泛收集不同機(jī)器人的數(shù)據(jù)進(jìn)