互聯(lián)網(wǎng)行業(yè)6G網(wǎng)絡(luò)內(nèi)生智能架構(gòu)及關(guān)鍵技術(shù)白皮書

6G網(wǎng)絡(luò)內(nèi)生智能架構(gòu)及關(guān)鍵技術(shù)白皮書

--以數(shù)據(jù)為中心&ICDT深度融合的

網(wǎng)絡(luò)架構(gòu)

參與單位

華為技術(shù)有限公司

中國移動通信有限公司

鵬城實驗室

前言

6G將超越通信，成為智能普惠的新型基礎(chǔ)設(shè)施已逐漸成為業(yè)界共識。

這使得6G網(wǎng)絡(luò)不僅聚焦于支持更為極致的無線連接業(yè)務(wù)，還將支持智能

普惠所需的新型智能業(yè)務(wù)，這就要求6G網(wǎng)絡(luò)將需要原生支持新型智能業(yè)

務(wù)所需要的連接、數(shù)據(jù)、計算和算法等多個維度的編排、協(xié)同和控制，來

構(gòu)建6G的智能內(nèi)生的網(wǎng)絡(luò)架構(gòu)。

由此，本白皮書以6G超越通信的智能普惠愿景為基礎(chǔ)假設(shè)，在第一

章首先描述當(dāng)前6G相關(guān)研究的背景，之后第二章描述無線網(wǎng)絡(luò)智能化演

進(jìn)及趨勢，第三章重點描述內(nèi)生智能架構(gòu)，從5G網(wǎng)絡(luò)智能化實踐的啟示

和6G智能普惠場景和需求出發(fā)，深入分析演繹6G內(nèi)生智能架構(gòu)研究問題，

包括涉及6G架構(gòu)的網(wǎng)絡(luò)功能、協(xié)議和信令流程設(shè)計等。之后在第四、五

章分別重點描述6G內(nèi)生智能架構(gòu)的關(guān)鍵特性：以數(shù)據(jù)為中心的獨立數(shù)據(jù)

面，以及面向任務(wù)的ICDT深度融合?；讵毩?shù)據(jù)面，支持6G智能普惠

所需的數(shù)據(jù)服務(wù)，基于任務(wù)，支持連接、數(shù)據(jù)、計算和算法等多個維度的

一體化智能編排和管控。最后結(jié)合之前的描述，總結(jié)相關(guān)研究成果和結(jié)論。

該白皮書基于國家重點研發(fā)計劃重點專項“6G網(wǎng)絡(luò)架構(gòu)及關(guān)鍵技術(shù)”

項目下的課題2方向“以數(shù)據(jù)為中心的ICDT深度融合”的研究成果梳

理撰寫，由華為技術(shù)有限公司牽頭，中國移動通信有限公司、鵬城實驗室

聯(lián)合參與完成。

本白皮書為國家研發(fā)計劃重點專項“寬帶通信和新型網(wǎng)絡(luò)”項目《6G網(wǎng)絡(luò)架構(gòu)及關(guān)鍵

技術(shù)》（項目編號：2020YFB1806800）資助成果。

1引言

移動互聯(lián)網(wǎng)已深入到人們生活的方方面面，從專業(yè)活動到休閑、教育、

娛樂等，完成了數(shù)字化并產(chǎn)生了海量的數(shù)據(jù)，為未來走向智能化時代奠定

了數(shù)據(jù)基礎(chǔ)。而隨著以深度學(xué)習(xí)為代表的AI技術(shù)的成熟，并在越來越多

的領(lǐng)域得到應(yīng)用，到6G時代實現(xiàn)智能普惠已逐漸成為廣泛的共識。

毫無疑問，AI將不僅惠及消費者業(yè)務(wù)，還將使能千行百業(yè)走向智能化，

影響社會的各個方面。從是事務(wù)第一性原理出發(fā)，所有AI應(yīng)用都離不開

收集、分析各種類型的數(shù)據(jù)，然后將分析的結(jié)果用于執(zhí)行特定的一系列動

作。如今，大多數(shù)AI采用集中式學(xué)習(xí)范式，將數(shù)據(jù)信息集中匯集一起進(jìn)

行訓(xùn)練，通常是在專門用于AI計算的云，這樣的AI訓(xùn)練范式稱為云AI。

云AI利用網(wǎng)絡(luò)將基本的數(shù)據(jù)信息或模型梯度信息傳送到云端，云端是數(shù)

據(jù)處理的智能中心。6G提出了一種基于內(nèi)生智能架構(gòu)來更高效的使能未來

AI業(yè)務(wù)的方法，在本白皮書中稱為網(wǎng)絡(luò)AI。從AI三要素角度出發(fā)，網(wǎng)絡(luò)

AI與移動通信系統(tǒng)進(jìn)行深度融合設(shè)計的分析如下[1]。

·數(shù)據(jù)是AI的關(guān)鍵資產(chǎn)，堪比“原油”。最早一批AI業(yè)務(wù)更多聚焦

于B2C消費者應(yīng)用，因此終端用戶成為直接的數(shù)據(jù)源。垂直行業(yè)2B場景，

涉及不同的應(yīng)用、商業(yè)模式和技術(shù)需求，對數(shù)據(jù)的安全隱私將更為關(guān)注，

例如行業(yè)數(shù)據(jù)通常將在系統(tǒng)邊緣(一般位于企業(yè)內(nèi)部)進(jìn)行處理。因此，行

業(yè)AI服務(wù)將側(cè)重本地，以分布式的方式提供。這一趨勢將引發(fā)一系列關(guān)

于數(shù)據(jù)管理、處理、所有權(quán)等需求的討論，一個既能滿足這些需求又能充

分遵守數(shù)據(jù)治理規(guī)定的移動通信系統(tǒng)變得尤為重要。

1

·算力是AI行業(yè)的根本動力。AI應(yīng)用越強(qiáng)大，所需的計算資源就越多，

而基于中心云的計算資源池模型可能缺乏可擴(kuò)展性，導(dǎo)致無法應(yīng)對未來的

變化。尤其當(dāng)考慮到垂直行業(yè)中計算向邊緣遷移這一趨勢時，在中心云上

運行AI應(yīng)用可能就行不通。因此，新的協(xié)同背景下，AI要從云端深人到

移動通信系統(tǒng)中。移動通信系統(tǒng)作為擁有超高性能的基礎(chǔ)設(shè)施，能夠有效

管理異構(gòu)資源，具有可擴(kuò)展性和彈性，并適配無線動態(tài)環(huán)境的變化。這一

研究領(lǐng)域既有廣闊前景又具有挑戰(zhàn)，因為它可能完全重構(gòu)傳統(tǒng)的系統(tǒng)架構(gòu)

和設(shè)計理念。

·算法是整個AI業(yè)務(wù)的核心，定義了AI應(yīng)用提供的智能類型，以及

AI應(yīng)用所需的數(shù)據(jù)類型和消耗的算力?；A(chǔ)設(shè)施不需要知道AI算法是如

何定義的，但是它應(yīng)該更好地支持這些算法的運行。例如，深度學(xué)習(xí)的實

現(xiàn)(聯(lián)邦學(xué)習(xí)等）依賴于通信，這可能涉及算法可伸縮性、帶寬和時延要

求。因此，網(wǎng)絡(luò)系統(tǒng)架構(gòu)的設(shè)計需要適配并可能影響AI算法的訓(xùn)練方式

以及AI推理的執(zhí)行方式。

2驅(qū)動力趨勢與愿景

2.1趨勢

從移動通信網(wǎng)絡(luò)演進(jìn)歷史來看，從2G到5G的演進(jìn)，提供了不同類型

的普惠性質(zhì)的基礎(chǔ)服務(wù)，其背后都離不開原生架構(gòu)能力的支持[3]。例如2G

的普惠性質(zhì)的基礎(chǔ)服務(wù)是語音服務(wù)，與此匹配的2G端到端網(wǎng)絡(luò)架構(gòu)就是

為語音原生設(shè)計的；到了3G和4G，普惠性質(zhì)的基礎(chǔ)服務(wù)邊為了數(shù)據(jù)服務(wù)，

2

但3G架構(gòu)還不是原生的數(shù)據(jù)架構(gòu)，更多是將數(shù)據(jù)服務(wù)疊加在傳統(tǒng)網(wǎng)絡(luò)基

礎(chǔ)上，帶來的問題是不高效，而這個問題在4G上才得以徹底解決，4G架

構(gòu)是完全基于數(shù)據(jù)服務(wù)來原生設(shè)計的，語音等傳統(tǒng)業(yè)務(wù)都要基于基礎(chǔ)數(shù)據(jù)

服務(wù)來提供（VoLTE，VoiceoverLongTermEvolution，基于4G的高清

語音通話）；5G提供的基礎(chǔ)服務(wù)是萬物互聯(lián)，從URLLC（ultra-reliable

lowlatencycommunications，超可靠低延時通信）,mMTC（massive

MachineTypeCommunications，海量機(jī)器通信）,eMBB（EnhancedMobile

Broadband，增強(qiáng)寬帶通信）到切片等，5G設(shè)計了很多原生的架構(gòu)能力來

支持，但在智能化領(lǐng)域，5G更多是采取如NWDAF這樣功能疊加的方式。5G

網(wǎng)絡(luò)設(shè)計也希望能更好地支持AI業(yè)務(wù)，尤其是在核心網(wǎng)側(cè)。為此，5G引

入了網(wǎng)絡(luò)數(shù)據(jù)分析功能（NetWorkDataAnalyticsFunction，NWDAF)[4]，

其主要目的就是提升數(shù)據(jù)采集和分析能力。例如，NWDAF可以為其他網(wǎng)絡(luò)

功能提供分析結(jié)果，輔助網(wǎng)絡(luò)業(yè)務(wù)發(fā)放。NWDAF可以從5G網(wǎng)絡(luò)功能和運行、

管理和維護(hù)(Operation，Administration，andManagement，OA&M)[3]系統(tǒng)

中采集數(shù)據(jù)。為此，NWDAF還提供了專門服務(wù)，用于相應(yīng)網(wǎng)絡(luò)功能的注冊

和元數(shù)據(jù)開放。

3

圖1.2G到5G系統(tǒng)演進(jìn).

但是，5G沒能通過NWDAF為AI提供原生支持，有以下幾個原因：

·數(shù)據(jù)源有限：NWDAF采集和分析的數(shù)據(jù)主要是5G網(wǎng)絡(luò)功能接收的數(shù)

據(jù)，并沒有考慮來自基礎(chǔ)設(shè)施、環(huán)境、終端和傳感器的數(shù)據(jù)。

·缺少數(shù)據(jù)隱私保護(hù)：5G中的數(shù)據(jù)源主要來自同一業(yè)務(wù)領(lǐng)域，因此基

礎(chǔ)設(shè)計中數(shù)據(jù)隱私保護(hù)考慮不足。

·不支持外部AI服務(wù)：NWDAF是5G核心網(wǎng)功能，外部AI服務(wù)不能直

接在5G核心網(wǎng)或無線接人網(wǎng)（RadioAccessNetwork，RAN)中使用。

·基礎(chǔ)設(shè)施利用不充分：網(wǎng)絡(luò)切片、URLLC、mMTC等5G架構(gòu)的關(guān)鍵

特性在設(shè)計上都是為了在性能、功能和運營角度滿足垂直需求，并未專門

考慮原生AI支持(如數(shù)據(jù)管理、分布式架構(gòu)等)。

·數(shù)據(jù)治理缺失：AI不只涉及數(shù)據(jù)采集和分析兩方面。為了給AI提

供原生支持，需要專門對數(shù)據(jù)治理進(jìn)行設(shè)計，而這并不在5G的考慮范圍

之內(nèi)。

4

2.2愿景

如圖2所示，ITU-R將AI與通信融合作為IMT2030的新增應(yīng)用場景。

ITU-R愿景建議書的新興技術(shù)趨勢描述了無線網(wǎng)絡(luò)與AI的關(guān)系：AI優(yōu)化

無線網(wǎng)絡(luò)場景下，需要支持AI原生的新空口來增強(qiáng)無線連接性能，如符

號檢測/解碼，信道估計等；在無線網(wǎng)絡(luò)使能AI應(yīng)用場景下，AI原生的無

線網(wǎng)絡(luò)可以實現(xiàn)自動化及智能網(wǎng)絡(luò)服務(wù)，如智能數(shù)據(jù)感知、按需能力供給

礎(chǔ)能力，從而更好的支持各種AI應(yīng)用，如包括聯(lián)邦學(xué)習(xí)在內(nèi)的深度邊緣、

分布式學(xué)習(xí)。

ITU-R愿景建議書的智能普惠的應(yīng)用趨勢中描述了網(wǎng)絡(luò)與AI的關(guān)系：

在AI優(yōu)化網(wǎng)絡(luò)場景下，描述了包括AI使能網(wǎng)絡(luò)自動管理的應(yīng)用，如自監(jiān)

控、自組織、自優(yōu)化、自愈等能力；在網(wǎng)絡(luò)使能。并在智能普惠章節(jié)描述

了NET4AI，6G網(wǎng)絡(luò)基礎(chǔ)設(shè)施將成為AI使能器，為智能應(yīng)用提供計算和數(shù)

據(jù)服務(wù)，支持推理、模型訓(xùn)練、模型部署、跨網(wǎng)絡(luò)和終端的分布式計算等

能力。

圖2.IMT-2030愿景中的新業(yè)務(wù)場景：通信與AI融合[8].

5

因此，6G要提供智能普惠的基礎(chǔ)服務(wù)，關(guān)鍵是在網(wǎng)絡(luò)架構(gòu)層面設(shè)計相

應(yīng)的原生能力。傳統(tǒng)的通信系統(tǒng)是面向連接的，對于這種系統(tǒng)，典型的服

務(wù)可以是在兩個特定終端之間建立連接。因此，通信源和目的地由最終用

戶及其打算使用的服務(wù)或他們計劃與之通信的其他用戶明確定義。在6G

中，除了面向連接的服務(wù)外，它還應(yīng)該提供基于人工智能的服務(wù)，例如為

汽車執(zhí)行完全自動駕駛的預(yù)測QoS（QualityofService，服務(wù)質(zhì)量）服

務(wù)。為了滿足此類服務(wù)，許多終端和網(wǎng)絡(luò)設(shè)備之間以主動或被動的方式顯

式或隱式建立連接，并調(diào)度計算、模型、數(shù)據(jù)資源，在多終端、多基站之

間進(jìn)行高效的協(xié)調(diào)和通信。通過連接、計算、模型、數(shù)據(jù)資源間的高效協(xié)

同（ICDT深度融合），可以在保證人工智能服務(wù)的服務(wù)質(zhì)量前提下，提升

資源利用率。ICDT的深度融合對6G網(wǎng)絡(luò)功能平面的設(shè)計提出了新的挑戰(zhàn)，

為了對連接、計算、模型、數(shù)據(jù)資源進(jìn)行高效的管理和控制，可能會出現(xiàn)

新的功能和新的協(xié)議棧。

36G網(wǎng)絡(luò)內(nèi)生智能架構(gòu)

3.15G網(wǎng)絡(luò)智能化實踐啟示

隨著5G系統(tǒng)全面商用，面對5G運營中出現(xiàn)的基站建設(shè)成本升高、網(wǎng)

絡(luò)復(fù)雜性增加等問題導(dǎo)致的增量難增收的窘?jīng)r，電信運營商迫切需要探索

合理高效的網(wǎng)絡(luò)架構(gòu)和部署方式來保證網(wǎng)絡(luò)建設(shè)的經(jīng)濟(jì)性。面對5G網(wǎng)絡(luò)

復(fù)雜化、業(yè)務(wù)差異化、用戶需求多樣化等一系列挑戰(zhàn)，利用人工智能(AI,

6

ArtificialIntelligence)技術(shù)進(jìn)行網(wǎng)元智能化、網(wǎng)絡(luò)智能化和業(yè)務(wù)智能

化，是業(yè)界普遍認(rèn)同的技術(shù)路徑。比如在網(wǎng)絡(luò)運維方面，利用AI的數(shù)據(jù)

感知、智能分析能力，可在海量運維數(shù)據(jù)中抽取隱含的關(guān)聯(lián)特征和規(guī)則，

追溯根因、定位故障，進(jìn)行主動式的網(wǎng)絡(luò)運維，實現(xiàn)全面的網(wǎng)絡(luò)端到端部

署自動化。目前，AI的數(shù)據(jù)驅(qū)動特性、自動控制能力、各種學(xué)習(xí)方法已經(jīng)

被成功地用于解決通信網(wǎng)絡(luò)中的一些問題。業(yè)界普遍認(rèn)為：引入AI技術(shù)

后的5G網(wǎng)絡(luò)，將具備更廣闊的覆蓋范圍、更大的通信容量、更小的傳輸

時延和更多的用戶連接能力，實現(xiàn)更加泛在、智能、安全、可信的公共移

動信息基礎(chǔ)服務(wù)能力。

但在智能化領(lǐng)域，5G更多是采取如NWDAF進(jìn)行功能疊加或是單獨提供

AI算法等外掛的方式。5G網(wǎng)絡(luò)中基于場景驅(qū)動的“外掛式”和“疊加式”

的網(wǎng)絡(luò)智能化實踐面臨諸多挑戰(zhàn)，包括數(shù)據(jù)獲取困難、數(shù)據(jù)質(zhì)量難以保證、

AI模型的應(yīng)用效果缺乏有效的驗證和保障手段等，這些因素導(dǎo)致了人工智

能的性能和效率低于預(yù)期。面對上述挑戰(zhàn)，6G網(wǎng)絡(luò)需要內(nèi)生智能的網(wǎng)絡(luò)架

構(gòu)，即在架構(gòu)層面將網(wǎng)絡(luò)連接與人工智能三要素中的算力、算法及數(shù)據(jù)完

成深度融合，構(gòu)建網(wǎng)絡(luò)內(nèi)完整的智能體系，從而實現(xiàn)智能服務(wù)的高效與高

質(zhì)量保障。

3.26G智能普惠場景和需求

6G網(wǎng)絡(luò)內(nèi)生智能架構(gòu)，就是要在網(wǎng)絡(luò)內(nèi)通過統(tǒng)一的架構(gòu)設(shè)計來提供完

整的AI環(huán)境和AI服務(wù)。網(wǎng)絡(luò)內(nèi)生智能，主要面對高實時性能、高安全隱

7

私或低綜合能耗等需求，在網(wǎng)絡(luò)內(nèi)進(jìn)行AI訓(xùn)練、驗證或推理，提供適應(yīng)

不同應(yīng)用場景的智能能力；網(wǎng)絡(luò)內(nèi)生智能可以是云AI的有益補(bǔ)充。

網(wǎng)絡(luò)內(nèi)生智能的主要場景可以分為三個類別：網(wǎng)元智能、網(wǎng)絡(luò)智能、

業(yè)務(wù)智能，如圖3所示。其中網(wǎng)元智能是指網(wǎng)元設(shè)備的內(nèi)生智能化；網(wǎng)絡(luò)

智能是指多個智體網(wǎng)元協(xié)同產(chǎn)生網(wǎng)絡(luò)級的群體智能；業(yè)務(wù)智能是指整個無

線通信系統(tǒng)為業(yè)務(wù)提供的智能服務(wù)，一般由外部業(yè)務(wù)觸發(fā)，無線網(wǎng)絡(luò)負(fù)責(zé)

執(zhí)行，其中的業(yè)務(wù)邏輯可以對無線通信系統(tǒng)透明。

圖3.6G網(wǎng)絡(luò)內(nèi)生智能的場景需求.

網(wǎng)元智能場景包括傳統(tǒng)的無線資源管理(RRM,RadioResource

Management)、無線傳輸技術(shù)(RTT,RadioTransmissionTechnology)的

智能化，以及網(wǎng)元自身的原生智能化，如網(wǎng)元智能體。網(wǎng)元智能可以發(fā)生

在網(wǎng)元、終端的功能和協(xié)議棧，影響從空口物理層到高層，如RTT智能化

算法主要在PHY層，RRM智能化算法主要是MAC層（如調(diào)度、MIMO配對、

功率控制、MCS選擇等算法）和RRC層（如切換、負(fù)載均衡等算法）。

8

網(wǎng)絡(luò)智能場景主要是網(wǎng)絡(luò)系統(tǒng)層面的優(yōu)化場景，最為典型的場景是自

動駕駛網(wǎng)絡(luò)（ADN,AutonomousDrivingNetwork），即通過數(shù)據(jù)與知識

驅(qū)動的智能極簡網(wǎng)絡(luò)，實現(xiàn)網(wǎng)絡(luò)自動、自愈、自優(yōu)、自治，使能新業(yè)務(wù)并

實現(xiàn)極致客戶體驗、全自動運維、高效資源和能源利用。

網(wǎng)元智能和網(wǎng)絡(luò)智能從網(wǎng)絡(luò)和AI關(guān)系的角度，可以認(rèn)為是AI4NET（AI

forNetwork），即使用AI來輔助通信效率、用戶業(yè)務(wù)體驗等的提升。AI4NET

也在ITU-RWP5D第44次會議正式通過了《IMT面向2030及未來發(fā)展的框

架和總體目標(biāo)建議書》的新興技術(shù)趨勢和智能普惠章節(jié)得到了明確的闡述，

指出AI4NET需要支持AI原生的新空口來增強(qiáng)無線連接性能，并使能網(wǎng)絡(luò)

的自動駕駛，包括自監(jiān)控、自組織、自優(yōu)化、自愈等能力[8]。

業(yè)務(wù)智能場景主要是第三方通過網(wǎng)絡(luò)為AI提供多種支撐能力，使得

AI訓(xùn)練/推理可以實現(xiàn)得更有效率、更實時，或者提升數(shù)據(jù)安全隱私保護(hù)

等。例如用戶可以利用6G網(wǎng)絡(luò)的基礎(chǔ)模型、數(shù)據(jù)集、算力、連接等服務(wù)，

輔助和優(yōu)化其業(yè)務(wù)的AI訓(xùn)練或推理，從而更高效、安全的獲得期望的AI

模型，例如6G網(wǎng)絡(luò)可以為完全自動駕駛汽車提供QoS預(yù)測和保障的輔助

服務(wù)，從而進(jìn)一步降低交通事故的發(fā)生風(fēng)險。特別注意的是，業(yè)務(wù)智能不

是說6G網(wǎng)絡(luò)要做業(yè)務(wù)本身，而是網(wǎng)絡(luò)為業(yè)務(wù)的智能化提供更好的資源、

功能或服務(wù)方面的支持。業(yè)務(wù)智能從網(wǎng)絡(luò)和AI關(guān)系的角度，可以認(rèn)為是

NET4AI（NetworkForAI），即基于6G網(wǎng)絡(luò)的原生AI能力輔助業(yè)務(wù)提升

效率和體驗。NET4AI也在ITU-R建議書的新興技術(shù)趨勢和智能普惠章節(jié)得

到了明確的闡述，指出6G網(wǎng)絡(luò)基礎(chǔ)設(shè)施將成為AI使能器，為智能應(yīng)用提

9

供服務(wù)，包括計算和數(shù)據(jù)服務(wù)，支持推理、模型訓(xùn)練、模型部署、跨網(wǎng)絡(luò)

和終端的分布式計算等能力[8]。

3.36G內(nèi)生智能網(wǎng)絡(luò)架構(gòu)

傳統(tǒng)通信系統(tǒng)是以通信連接為中心的設(shè)計，其典型的應(yīng)用場景是為特

定終端之間、或為終端與服務(wù)器之間提供連接，網(wǎng)絡(luò)在架構(gòu)上為會話提供

了完整的生命周期管理機(jī)制（例如端到端通信隧道的創(chuàng)建、修改、刪除、

錨點遷移等流程）和QoS保障。其主要目的是為數(shù)據(jù)傳輸提供連接、支持

用戶移動性、保證其業(yè)務(wù)體驗。在資源類型上，非云化部署的設(shè)備通常采

用專用算力資源，對計算和存儲資源的需求量均不高。與傳統(tǒng)通信業(yè)務(wù)不

同，AI屬于數(shù)據(jù)和計算密集型業(yè)務(wù)，為使6G網(wǎng)絡(luò)具備原生的AI能力，6G

網(wǎng)絡(luò)需引入新的資源維度，包括異構(gòu)的算力資源和存儲資源、新的計算任

務(wù)（AI相關(guān)計算）以及新的數(shù)據(jù)類型（AI計算輸入輸出數(shù)據(jù)）等，需要

設(shè)計相應(yīng)的管控機(jī)制。

如圖4所示，6G內(nèi)生智能網(wǎng)絡(luò)架構(gòu)從邏輯層次上分為2大層，從下到

上依次為異構(gòu)資源層、功能和編排管理層。

異構(gòu)資源層是網(wǎng)絡(luò)連接、算力、算法和數(shù)據(jù)資源等多維在網(wǎng)資源的基

礎(chǔ)設(shè)施提供者。網(wǎng)絡(luò)連接資源包括為網(wǎng)絡(luò)各角落提供無處不在網(wǎng)絡(luò)連接的

路由、傳輸和交換資源；算力資源包括CPU、GPU、NPU等以計算能力為主

的處理器，和具備存儲能力的各類獨立存儲或分布式存儲，以及通過操作

系統(tǒng)邏輯化的各種具備數(shù)據(jù)處理能力的設(shè)備；數(shù)據(jù)資源包括：網(wǎng)絡(luò)環(huán)境數(shù)

10

據(jù)、用戶數(shù)據(jù)、網(wǎng)絡(luò)配置數(shù)據(jù)、網(wǎng)絡(luò)運行數(shù)據(jù)、業(yè)務(wù)運行數(shù)據(jù)、AI相關(guān)數(shù)

據(jù)等資源。通過云化、中間件等技術(shù)向功能和編排管理層提供抽象的資源

視圖和調(diào)用接口，實現(xiàn)資源的融合和共享[7]。

功能和編排管理層包括網(wǎng)絡(luò)AI編排管理功能、協(xié)同控制功能、連接

功能、計算功能、數(shù)據(jù)功能和算法功能，通過對多維在網(wǎng)資源（計算、數(shù)

據(jù)、算法模型、頻譜\帶寬）的實時監(jiān)控、融合調(diào)度、聯(lián)合編排、以及對

各種任務(wù)實例的全生命周期的實時管理與控制，提供AI相關(guān)的融合服務(wù)。

該層是提供融合服務(wù)的核心功能層。其中，編排管理功能負(fù)責(zé)面向融合服

務(wù)的任務(wù)編排和需求服務(wù)映射，通過合理的任務(wù)編排，實現(xiàn)服務(wù)與業(yè)務(wù)功

能需求的最優(yōu)匹配，并將編排結(jié)果發(fā)送給協(xié)同控制功能或各個業(yè)務(wù)功能。

同時編排管理功能負(fù)責(zé)對異構(gòu)資源的感知、度量和管理。協(xié)同控制功能負(fù)

責(zé)接收編排管理功能的任務(wù)編排結(jié)果，并對連接功能、計算面的計算功能、

數(shù)據(jù)面的數(shù)據(jù)功能和算法功能進(jìn)行協(xié)同聯(lián)合控制，包括融合服務(wù)的聯(lián)合調(diào)

度、路由、融合QoS保障等。

11

圖4.6G內(nèi)生智能網(wǎng)絡(luò)架構(gòu).

6G網(wǎng)絡(luò)通過ICDT的深度融合，圍繞數(shù)據(jù)為中心，構(gòu)建內(nèi)生支持AI的

網(wǎng)絡(luò)架構(gòu)，支持6G新型智能業(yè)務(wù)涉及的各類AI任務(wù)在網(wǎng)絡(luò)內(nèi)的執(zhí)行（包

括訓(xùn)練和推理等）。6G網(wǎng)絡(luò)內(nèi)生智能架構(gòu)的設(shè)計遵循了“從連接為中心到

數(shù)據(jù)為中心”、“從面向會話管控到面向任務(wù)管控”范式的轉(zhuǎn)變，接下來

將詳細(xì)介紹這兩個范式轉(zhuǎn)變的具體含義，并將基于這兩個范式轉(zhuǎn)變設(shè)計相

應(yīng)的以數(shù)據(jù)為中心的獨立數(shù)據(jù)面及基于任務(wù)的管理編排架構(gòu)。

3.3.1從連接為中心到數(shù)據(jù)為中心

網(wǎng)絡(luò)正從連接為中心向數(shù)據(jù)為中心轉(zhuǎn)變。網(wǎng)絡(luò)中正日益產(chǎn)生和消費海

量數(shù)據(jù)，而6G時代，XR，AI等新終端、新業(yè)務(wù)、新功能等更是在6G生態(tài)

中產(chǎn)生大量數(shù)據(jù)，并可能處理第三方的行業(yè)數(shù)據(jù)。6G時代，數(shù)據(jù)將成為網(wǎng)

絡(luò)中流淌的新“石油”，促使網(wǎng)絡(luò)從現(xiàn)在的應(yīng)用為中心向數(shù)據(jù)為中心轉(zhuǎn)變。

而數(shù)據(jù)多源異構(gòu)，數(shù)據(jù)的產(chǎn)生和消費跨不同的端、RAN、TN、CN等域，需

要統(tǒng)一跨域的數(shù)據(jù)服務(wù)，從全局的視角進(jìn)行數(shù)據(jù)管理，充分高效地挖掘6G

12

網(wǎng)絡(luò)中海量數(shù)據(jù)的價值[6]。

現(xiàn)有通信網(wǎng)絡(luò)作為數(shù)據(jù)傳輸?shù)摹肮艿馈保ㄟ^集成單點技術(shù)實現(xiàn)數(shù)據(jù)

處理、數(shù)據(jù)監(jiān)管及安全隱私保護(hù)，為智能應(yīng)用提供特定數(shù)據(jù)服務(wù)能力，但

缺乏歸一化的數(shù)據(jù)服務(wù)框架，并面臨著數(shù)據(jù)治理層面的諸多挑戰(zhàn)。5G通信

網(wǎng)絡(luò)是基于會話構(gòu)建的，其用戶面用于承載會話數(shù)據(jù)。由于無法滿足6G

數(shù)據(jù)網(wǎng)絡(luò)中海量數(shù)據(jù)需要的“隨路計算”和“任意拓?fù)洹敝С?，用戶面無

法承載6G網(wǎng)絡(luò)新的數(shù)據(jù)類型。5G用戶面的會話連接實現(xiàn)兩個通信設(shè)備之

間的信息交互，具體是由協(xié)議數(shù)據(jù)單元（ProtocolDataUnit，PDU）會

話提供用戶終端設(shè)備和網(wǎng)絡(luò)之間端到端的用戶面連接。而6G數(shù)據(jù)面?zhèn)鬏?/p>

則由數(shù)據(jù)采集、預(yù)處理、轉(zhuǎn)發(fā)、存儲和分析等功能組成。用戶面?zhèn)鬏斒轻?/p>

對人與人或人與機(jī)器之間的通信連接，而數(shù)據(jù)面處理的數(shù)據(jù)是由機(jī)器/算

法生產(chǎn)和消費的。5G用戶面會話只實現(xiàn)數(shù)據(jù)包傳輸，而6G數(shù)據(jù)面?zhèn)鬏斁W(wǎng)

絡(luò)則需要實現(xiàn)隨路計算，在數(shù)據(jù)管道中，數(shù)據(jù)被轉(zhuǎn)換和優(yōu)化以達(dá)到數(shù)據(jù)分

析和智能應(yīng)用所需狀態(tài)。在數(shù)據(jù)轉(zhuǎn)發(fā)行為上，會話的數(shù)據(jù)包基于目標(biāo)地址

進(jìn)行轉(zhuǎn)發(fā)；而數(shù)據(jù)管道中，數(shù)據(jù)包則基于數(shù)據(jù)服務(wù)和數(shù)據(jù)管道標(biāo)識進(jìn)行轉(zhuǎn)

發(fā)?；?G用戶面會話的數(shù)據(jù)轉(zhuǎn)發(fā)屬于TCP/IP層，而數(shù)據(jù)面的數(shù)據(jù)轉(zhuǎn)發(fā)

則屬于應(yīng)用層。此外，基于會話的拓?fù)涫屈c對點的連接，而6G數(shù)據(jù)面則

需要支持任意拓?fù)浣Y(jié)構(gòu)（如數(shù)據(jù)分發(fā)和數(shù)據(jù)聚合需要的樹形結(jié)構(gòu)）。如果

沿用現(xiàn)有用戶面承載所有6G網(wǎng)絡(luò)數(shù)據(jù)，數(shù)據(jù)的起始和終結(jié)只能在PDU會

話的兩端，即用戶設(shè)備（UserEquipment，UE）或用戶面功能（UserPlane

Functions，UPF），無法滿足對感知數(shù)據(jù)、AI數(shù)據(jù)、網(wǎng)絡(luò)行為和狀態(tài)數(shù)據(jù)

13

的分布式管控。因此，6G網(wǎng)絡(luò)需要引入獨立的數(shù)據(jù)面，構(gòu)建架構(gòu)級的統(tǒng)一

可信、動態(tài)靈活的數(shù)據(jù)服務(wù)框架，在滿足數(shù)據(jù)法規(guī)監(jiān)管要求的同時，提升

數(shù)據(jù)分析和處理效率，實現(xiàn)跨域跨廠家的可信數(shù)據(jù)共享，并通過各類智能

應(yīng)用實現(xiàn)數(shù)據(jù)的價值變現(xiàn)。3.3.2從面向會話管控到面向任務(wù)管控

6G需要支持包括AI與通信融合、感知與通信融合的新業(yè)務(wù)，由此在

6G網(wǎng)絡(luò)中需要引入AI、計算、數(shù)據(jù)、感知等新功能，并支持基于通算融

合的分布式計算、數(shù)據(jù)收集及就近處理、AI推理和訓(xùn)練等新服務(wù)[8]。6G

網(wǎng)絡(luò)需要原生支持AI，一個很重要的問題就是6G網(wǎng)絡(luò)架構(gòu)如何對引入的

AI功能、計算功能、數(shù)據(jù)功能進(jìn)行管控，更好的保證AI服務(wù)的QoS。因

此，如圖5所示的6G無線網(wǎng)絡(luò)架構(gòu)會發(fā)生根本性改變，體現(xiàn)為：

圖5.會話控制到任務(wù)控制范式轉(zhuǎn)變.

變化1：無線網(wǎng)絡(luò)系統(tǒng)中的管控對象由“會話”變?yōu)椤叭蝿?wù)”；

變化2：調(diào)度資源從連接資源轉(zhuǎn)變?yōu)檫B接、計算、數(shù)據(jù)和算法的四

要素資源（ICDT深度融合）；

變化3：基于任務(wù)粒度的管控，實現(xiàn)四要素的深度協(xié)同，提供高效

的任務(wù)運行環(huán)境。

為了方便理解，對任務(wù)、任務(wù)管控進(jìn)行進(jìn)一步說明：

14

1）任務(wù)內(nèi)涵

現(xiàn)有的通信網(wǎng)絡(luò)包括核心網(wǎng)（CN,CoreNetwork）、承載網(wǎng)和無線接

入網(wǎng)（RAN,RadioAccessNetwork），包含的典型網(wǎng)元有核心網(wǎng)網(wǎng)元、

接入網(wǎng)網(wǎng)元、和用戶設(shè)備（UE,UserEquipment）等。

如上所述，任務(wù)是指網(wǎng)絡(luò)新能力涉及到多節(jié)點場景下算力、連接、算

法、數(shù)據(jù)資源的協(xié)同和調(diào)配，以共同完成某個特定的目標(biāo)。根據(jù)不同目的，

任務(wù)分為AI推理、AI訓(xùn)練、計算、感知等多種類型[5]。

根據(jù)參與任務(wù)的節(jié)點數(shù)量、又可以分為協(xié)作類和非協(xié)作類：

非協(xié)作類任務(wù)：單個節(jié)點執(zhí)行的非協(xié)作類任務(wù)。例如可以在UE單

獨執(zhí)行，也可以在RAN、或CN網(wǎng)元上單獨執(zhí)行。

協(xié)作類任務(wù)：涉及到兩個或多個節(jié)點的協(xié)作任務(wù)。例如協(xié)作節(jié)點可

以是UE和RAN、UE和CN、RAN網(wǎng)元間、CN網(wǎng)元間、以及RAN和

CN等。

圖6是以AI推理任務(wù)為例，說明單點、兩點、多點任務(wù)的工作機(jī)理；

AI訓(xùn)練任務(wù)、計算任務(wù)、感知任務(wù)等類似，不再贅述。圖中，模型1是指

在基站或UE側(cè)進(jìn)行單點推理，或者UE請求基站側(cè)推理；模型2對應(yīng)兩節(jié)

點聯(lián)合推理，UE先經(jīng)過推理獲得輸出1，上傳到基站側(cè)并作為基站推理的

輸入，基站獲得輸出2并使用，或發(fā)送給UE使用；模型3對應(yīng)多節(jié)點聯(lián)

合推理，3個UE先各自推理并分別將輸出1、輸出2、輸出3發(fā)送給基站，

基站整合后作為自身推理的輸入，并推理得出輸出4并使用（即基站使用

推理結(jié)果）。

15

圖6.6GAI推理模型示意圖.

通常來說，針對一個具體任務(wù)的執(zhí)行，需要兩個維度的協(xié)同：

四要素協(xié)同（ICDT深度融合）

一個任務(wù)的執(zhí)行可能同時需要連接、計算、數(shù)據(jù)、算法的部分或全部

四要素資源。例如，在任務(wù)部署階段提供四要素資源的配置，以及在任務(wù)

執(zhí)行期間進(jìn)行實時的四要素資源調(diào)度。

多節(jié)點協(xié)同

首先，在傳統(tǒng)通信網(wǎng)絡(luò)中連接相關(guān)的計算處理大多是在單個網(wǎng)元內(nèi)實

現(xiàn)的，網(wǎng)元間一般無需算力共享和算力協(xié)同。隨著越來越多的AI場景伴

隨著大規(guī)模的AI訓(xùn)練、大模型的AI推理、和海量的感知圖像處理，這些

對算力的需求量遠(yuǎn)超傳統(tǒng)網(wǎng)絡(luò)，通過簡單的擴(kuò)容逐個網(wǎng)元的計算能力，會

導(dǎo)致整網(wǎng)部署成本過高。而分布式計算可通過算力共享的方式來協(xié)同完成

任務(wù)，因此協(xié)同任務(wù)（即涉及多節(jié)點協(xié)同的任務(wù)）需要節(jié)點間算力層面的

協(xié)同。其次，隨著社會的進(jìn)步和數(shù)據(jù)所有權(quán)意識的提升，數(shù)據(jù)隱私保護(hù)的

要求也越來越高，例如UE的原始數(shù)據(jù)由于隱私原因無法上傳到網(wǎng)絡(luò)進(jìn)行

訓(xùn)練，而聯(lián)邦學(xué)習(xí)通過協(xié)同學(xué)習(xí)和梯度傳遞的方式在一定程度上解決了該

16

問題，協(xié)同任務(wù)需要多節(jié)點間進(jìn)行數(shù)據(jù)層面的協(xié)同。最后，為了支持內(nèi)生

AI，模型的訓(xùn)練需要消耗較大的計算和存儲資源，一個好的模型也需要在

網(wǎng)絡(luò)內(nèi)共享以提升整網(wǎng)效率，協(xié)同任務(wù)需要多節(jié)點間進(jìn)行AI模型層面的

協(xié)同。

2）任務(wù)管控

任務(wù)管控是指伴隨在整個任務(wù)的運行過程中的管理和控制行為，包括

任務(wù)部署階段的多節(jié)點協(xié)同的調(diào)配（例如參與節(jié)點的選擇）、任務(wù)的生命

周期管理和控制（例如任務(wù)的創(chuàng)建、修改、暫停、刪除等）和四要素參數(shù)

配置（例如參與節(jié)點使用的輸入數(shù)據(jù)、模型參數(shù)等）；以及在任務(wù)執(zhí)行期

間為了滿足QoS要求進(jìn)行的QoS監(jiān)控和資源調(diào)度，其中資源調(diào)度包括多節(jié)

點協(xié)同的調(diào)配（例如協(xié)同節(jié)點的增加、刪除、變更等操作）和四要素資源

協(xié)同的調(diào)度（例如參與節(jié)點的四要素變更、或參與節(jié)點自身的資源分配）

等。

在引入任務(wù)為中心架構(gòu)后，一種方式是任務(wù)為中心完全融合會話為中

心，即基于純連接的會話管理流程作為任務(wù)為中心的其中一個分支運行

（四要素中僅有連接需求）；另一種方式是任務(wù)為中心和會話為中心的兩

種架構(gòu)和流程同時存在，例如當(dāng)發(fā)起會話管理流程時啟用會話為中心架構(gòu)，

當(dāng)發(fā)起計算、AI、感知、數(shù)據(jù)處理等6G新業(yè)務(wù)時啟用任務(wù)為中心架構(gòu)。

兩種方式對于方案的統(tǒng)一性、與5G純連接系統(tǒng)的兼容性、標(biāo)準(zhǔn)復(fù)雜度、

部署靈活性等存在不同的影響。

3）任務(wù)QoS

17

面向各行各業(yè)對6G網(wǎng)絡(luò)內(nèi)生智能千差萬別的需求，將用戶的需求轉(zhuǎn)

化為網(wǎng)絡(luò)可以理解的對AI服務(wù)能力的要求是亟需解決的問題。6G網(wǎng)絡(luò)將

不再只是服務(wù)于傳統(tǒng)通信業(yè)務(wù)的管道，不同的智能應(yīng)用場景對AI服務(wù)的

質(zhì)量將有著不同的需求，需要一套指標(biāo)體系通過量化或分級的方式傳達(dá)用

戶的需求以及網(wǎng)絡(luò)編排控制AI各要素（包括連接、計算、數(shù)據(jù)和算法等）

的綜合效果。為此，提出AI服務(wù)質(zhì)量，即QoAIS（QualityofAIService）

的概念，QoAIS是對AI服務(wù)質(zhì)量進(jìn)行評估和保障的一套指標(biāo)體系和流程機(jī)

制。

6G網(wǎng)絡(luò)的AI服務(wù)可以分為AI數(shù)據(jù)類、AI訓(xùn)練類、AI推理類和AI驗

證類，每一類AI服務(wù)均需要一套QoAIS。在具體指標(biāo)體系設(shè)計上，傳統(tǒng)通

信網(wǎng)絡(luò)的QoS主要考慮通信業(yè)務(wù)的時延和吞吐率（MBR、GBR）等與連接相

關(guān)的性能指標(biāo)，6G網(wǎng)絡(luò)除了傳統(tǒng)通信資源外，還將引入分布式異構(gòu)算力資

源、存儲資源、數(shù)據(jù)資源、AI算法等AI服務(wù)編排的多種資源元素，因而

需要從連接、算力、算法、數(shù)據(jù)等多個維度來綜合評估網(wǎng)絡(luò)內(nèi)生AI的服

務(wù)質(zhì)量。同時，隨著“碳中和”和“碳達(dá)峰”政策的實施、全球智能應(yīng)用

行業(yè)對數(shù)據(jù)安全性和隱私性關(guān)注程度的普遍加強(qiáng)，以及用戶對網(wǎng)絡(luò)自治能

力需求的提升，未來性能相關(guān)指標(biāo)將不再是用戶關(guān)注的唯一指標(biāo)，開銷、

安全、隱私和自治方面的需求將逐漸深化，從而成為評估服務(wù)質(zhì)量的新維

度。而不同行業(yè)和場景在這些新維度上的具體需求也將千差萬別，需要進(jìn)

行量化或分級評估。因此，QoAIS指標(biāo)體系從初始設(shè)計時，即需要考慮涵

蓋性能、開銷、安全、隱私和自治等多個方面，需從內(nèi)容上進(jìn)行擴(kuò)展。

18

表1.AI訓(xùn)練服務(wù)的QoAIS指標(biāo)體系

評估維度

AI服務(wù)類型QoAIS指標(biāo)

性能性能指標(biāo)界、訓(xùn)練耗時、泛化性、可重用性、魯棒性、

AI訓(xùn)練

可解釋性、損失函數(shù)與優(yōu)化目標(biāo)的一致性、公平性

存儲開銷、計算開銷、傳輸開銷、能耗

開銷*

存儲安全、計算安全、傳輸安全

安全*

數(shù)據(jù)隱私等級、算法隱私等級

隱私*

自治完全自治、部分人工可控、全部人工可控

表1提供了一種針對AI訓(xùn)練服務(wù)的QoAIS指標(biāo)設(shè)計方式。QoAIS是

網(wǎng)絡(luò)內(nèi)生AI編排管理系統(tǒng)和控制功能的重要輸入，管理編排系統(tǒng)對頂層

的QoAIS進(jìn)行分解和映射，生成AI任務(wù)的QoS需求，再將任務(wù)QoS映射

到對數(shù)據(jù)、算法、算力、連接等多維度資源的QoS要求上，通過管理面、

控制面和用戶面相關(guān)機(jī)制的設(shè)計獲得持續(xù)保障。圖7所示為AI用例、AI

服務(wù)和AI任務(wù)的邏輯關(guān)系。AI用例是用戶在智能應(yīng)用場景下向網(wǎng)絡(luò)提出

的一次AI服務(wù)請求，一個AI用例可能涉及到一類或多類網(wǎng)絡(luò)內(nèi)生AI服

務(wù)（如AI訓(xùn)練、驗證和推理服務(wù)）的調(diào)用。

圖7.AI服務(wù)(QoAIS)和AI任務(wù)（任務(wù)QoS）間的邏輯關(guān)系示例.

4以數(shù)據(jù)為中心的獨立數(shù)據(jù)面

19

數(shù)據(jù)的價值“金礦”已被市場廣泛認(rèn)知和期待，未來6G的生態(tài)系統(tǒng)

本身將會產(chǎn)生、處理、消費海量的數(shù)據(jù)，從運營到管理，從控制到用戶，

從環(huán)境感知到終端，并可能處理第三方的行業(yè)數(shù)據(jù)，這些數(shù)據(jù)將使能更加

完善的智能服務(wù)，為運營商增值，但同時給高效地組織和管理數(shù)據(jù)帶來了

新的挑戰(zhàn)。同時，隨著ICT的廣泛及深度應(yīng)用，數(shù)據(jù)安全和隱私泄露事故

的不斷披露，人們越來越意識到隱私和數(shù)據(jù)所有權(quán)的重要性。各主要國家

和組織也紛紛出臺相關(guān)法律法規(guī)來規(guī)范數(shù)據(jù)的使用，明確用戶對個人數(shù)據(jù)

的控制權(quán)，數(shù)據(jù)主體應(yīng)能夠自主決定是否將個人數(shù)據(jù)變現(xiàn)、共享或提供給

AI模型進(jìn)行訓(xùn)練。

現(xiàn)有網(wǎng)絡(luò)作為數(shù)據(jù)傳輸?shù)摹肮艿馈保ㄟ^單點技術(shù)實現(xiàn)數(shù)據(jù)處理、服

務(wù)及安全隱私保護(hù)，而在6G時代，將需要引入獨立的數(shù)據(jù)面，構(gòu)建架構(gòu)

級的統(tǒng)一可信的數(shù)據(jù)服務(wù)框架，在滿足數(shù)據(jù)法規(guī)的監(jiān)管要求的同時，提供

可信的數(shù)據(jù)服務(wù)，為運營商提高運營效率，并智能增值。

4.16G數(shù)據(jù)服務(wù)框架設(shè)計原則

從單點技術(shù)向歸一化系統(tǒng)架構(gòu)轉(zhuǎn)化?，F(xiàn)有通信網(wǎng)絡(luò)作為數(shù)據(jù)傳輸?shù)?/p>

“管道”，通過單點技術(shù)實現(xiàn)數(shù)據(jù)處理、服務(wù)及安全隱私保護(hù)，而在6G時

代，為系統(tǒng)性地解決數(shù)據(jù)服務(wù)挑戰(zhàn)，滿足新業(yè)務(wù)，以及法律法規(guī)等要求，

將需要引入獨立的數(shù)據(jù)面，構(gòu)建架構(gòu)級的統(tǒng)一可信的數(shù)據(jù)服務(wù)框架，解決

數(shù)據(jù)孤島問題，在滿足數(shù)據(jù)法規(guī)的監(jiān)管要求的同時，提供可信的數(shù)據(jù)服務(wù)，

實現(xiàn)跨域跨廠家的數(shù)據(jù)共享，為運營商提高運營效率，并通過各類智能應(yīng)

20

用實現(xiàn)數(shù)據(jù)的價值變現(xiàn)。

從集中式信任向去中心化信任轉(zhuǎn)化。移動通信系統(tǒng)的網(wǎng)絡(luò)架構(gòu)從傳統(tǒng)

的分層結(jié)構(gòu)走向扁平化，控制方式從集中演進(jìn)到分布式，同時適應(yīng)數(shù)據(jù)天

然的分布式屬性，算力的分布式部署，去中心化的信任模式成為必然。區(qū)

塊鏈技術(shù)的發(fā)展為構(gòu)建可信的認(rèn)證、授權(quán)、及數(shù)據(jù)訪問控制提供了技術(shù)支

撐。去中心化信任體系將信任的錨點從傳統(tǒng)的權(quán)威機(jī)構(gòu)或第三方背書轉(zhuǎn)化

為多邊共識，并依賴底層的密碼學(xué)技術(shù)，為分布式數(shù)據(jù)處理、存儲、訪問

控制、溯源等提供安全的可信服務(wù)。

從數(shù)據(jù)驅(qū)動向數(shù)據(jù)和知識雙驅(qū)動轉(zhuǎn)化。6G網(wǎng)絡(luò)數(shù)據(jù)服務(wù)框架需要適

配終端的多樣性，支持異構(gòu)多源的數(shù)據(jù)接入，收集、處理及存儲海量數(shù)據(jù)。

數(shù)據(jù)的高價值備受企業(yè)期望，人工智能和知識圖譜等技術(shù)的發(fā)展為從海量

數(shù)據(jù)中進(jìn)行知識抽取提供了支撐，通過知識圖譜結(jié)合人工智能等手段創(chuàng)新

性地挖掘數(shù)據(jù)之間的關(guān)聯(lián)，從多樣化和內(nèi)在關(guān)聯(lián)的數(shù)據(jù)中發(fā)現(xiàn)新機(jī)會、創(chuàng)

造新的價值，將數(shù)據(jù)轉(zhuǎn)化為知識以實現(xiàn)基于認(rèn)知的智能，使能應(yīng)用的智能

化及多樣性。一方面，通過知識圖譜、網(wǎng)絡(luò)AI等將業(yè)務(wù)場景與數(shù)據(jù)關(guān)聯(lián)，

對數(shù)據(jù)的標(biāo)準(zhǔn)提要求，提高數(shù)據(jù)質(zhì)量；另一方面，通過將所形成的業(yè)務(wù)關(guān)

聯(lián)知識逐步沉淀到知識圖譜、網(wǎng)絡(luò)AI中，進(jìn)一步釋放新的價值。

4.26G數(shù)據(jù)服務(wù)框架

當(dāng)前3GPPTS23.288定義了網(wǎng)絡(luò)數(shù)據(jù)分析功能（NWDAF），數(shù)據(jù)采

集協(xié)同功能（DCCF），消息框架適配功能（ＭFAF）；3GPPTS28.104、

21

TS28.537、TS28.622定義了數(shù)據(jù)服務(wù)能力和管理數(shù)據(jù)分析框架包括管理

數(shù)據(jù)分析管理功能（MDAMF）。其主要功能聚焦于采集數(shù)據(jù)提供數(shù)據(jù)分析

報告給管理數(shù)據(jù)分析消費者。

ETSIZSM定義的數(shù)據(jù)服務(wù)框架包括數(shù)據(jù)持久性和不同域之間的數(shù)據(jù)分

享，支持不同的存儲和數(shù)據(jù)庫技術(shù)并能自動選擇和適配相應(yīng)技術(shù)?？商峁?/p>

管理數(shù)據(jù)如性能、告警、跟蹤、配置、日志、網(wǎng)絡(luò)拓?fù)?、目錄?shù)據(jù)等。

上述數(shù)據(jù)服務(wù)框架已經(jīng)不能完全滿足6G時代的海量數(shù)據(jù)分析處理

可信等要求。通過設(shè)計原則的轉(zhuǎn)變，借助多層級的數(shù)據(jù)去隱私和安全保護(hù)

技術(shù)，6G網(wǎng)絡(luò)數(shù)據(jù)服務(wù)框架將提供數(shù)據(jù)主體對數(shù)據(jù)的自主控制權(quán)、安全

可信的數(shù)據(jù)訪問控制機(jī)制，滿足監(jiān)管、審計和溯源要求，并消除單點信任

及單點失效的風(fēng)險，提供可信的智能數(shù)據(jù)服務(wù)。

6G數(shù)據(jù)服務(wù)框架如圖8所示。通過對現(xiàn)有單點技術(shù)的增強(qiáng)和優(yōu)化，

以及引入新的創(chuàng)新數(shù)據(jù)保護(hù)技術(shù)，基于去中心化的可信機(jī)制，按需調(diào)用數(shù)

據(jù)保護(hù)技術(shù)，為網(wǎng)絡(luò)AI及各類應(yīng)用提供可信數(shù)據(jù)服務(wù)。同時基于數(shù)據(jù)和

知識雙驅(qū)動的智能分析，通過數(shù)據(jù)的知識化，賦能智能應(yīng)用。隨著6G網(wǎng)

絡(luò)進(jìn)一步朝資源邊緣化和網(wǎng)絡(luò)分布式演進(jìn)，基于云邊協(xié)同的計算將為數(shù)據(jù)

服務(wù)網(wǎng)絡(luò)提供算力、通信和存儲支持。

基礎(chǔ)設(shè)施層。6G網(wǎng)絡(luò)的數(shù)據(jù)源來自于基礎(chǔ)設(shè)施層的各類網(wǎng)絡(luò)，包括移

動通信網(wǎng)絡(luò)、IoT感知網(wǎng)絡(luò)、車聯(lián)網(wǎng)或物聯(lián)網(wǎng)等基礎(chǔ)網(wǎng)絡(luò)。根據(jù)來源分為

四大類，即網(wǎng)絡(luò)運營數(shù)據(jù)，感知數(shù)據(jù)，AI數(shù)據(jù)，以及用戶簽約數(shù)據(jù)。

22

圖8.數(shù)據(jù)服務(wù)框架.

數(shù)據(jù)服務(wù)層。按場景和分級實施端到端的數(shù)據(jù)和隱私保護(hù)，實現(xiàn)合理

合規(guī)的數(shù)據(jù)的采集、預(yù)處理及存儲。同時，對于AI以及關(guān)鍵任務(wù)類應(yīng)用

等安全和隱私保護(hù)要求高的場景，需要增強(qiáng)的數(shù)據(jù)保護(hù)技術(shù)。區(qū)別于傳統(tǒng)

移動網(wǎng)絡(luò)中集中式的認(rèn)證授權(quán)和粗粒度的訪問控制方法，6G網(wǎng)絡(luò)數(shù)據(jù)服

務(wù)框架依據(jù)數(shù)據(jù)天然具有的分布式特點，以及與之適配的分布式部署的算

力和智能，通過數(shù)據(jù)和應(yīng)用程序的解耦，基于區(qū)塊鏈以及分布式存儲等去

中心化的技術(shù)構(gòu)建可信數(shù)據(jù)服務(wù)，實現(xiàn)對任何數(shù)據(jù)的訪問進(jìn)行認(rèn)證授權(quán)，

并在鏈上保存相關(guān)操作記錄。

網(wǎng)絡(luò)AI。通過隱私保護(hù)處理及授權(quán)后，可由機(jī)器學(xué)習(xí)結(jié)合知識圖譜等

AI工具實現(xiàn)數(shù)據(jù)知識化，使能多樣化的應(yīng)用。網(wǎng)絡(luò)AI層對內(nèi)能夠利用智

能來優(yōu)化網(wǎng)絡(luò)性能，增強(qiáng)用戶體驗，自動化網(wǎng)絡(luò)運營，實現(xiàn)智能連接和智

能管理；同時對外能夠為各行業(yè)用戶提供實時AI服務(wù)、實時計算類新業(yè)

23

務(wù)，從而構(gòu)建完善的AIaaS平臺來提供訓(xùn)練和推理服務(wù)。機(jī)器學(xué)習(xí)與知

識圖譜相結(jié)合，降低AI不可解釋性的風(fēng)險，并將人工智能從感知層面提

升到認(rèn)知層面，從海量的分散數(shù)據(jù)中學(xué)習(xí)出背后隱含的關(guān)聯(lián)特征，實現(xiàn)數(shù)

據(jù)分析向知識加工的躍變，成為推動應(yīng)用智能化升級的引擎。

4.3獨立數(shù)據(jù)面邏輯架構(gòu)

現(xiàn)有通信網(wǎng)絡(luò)作為數(shù)據(jù)傳輸?shù)摹肮艿馈?，通過集成單點技術(shù)實現(xiàn)數(shù)據(jù)

處理、數(shù)據(jù)監(jiān)管及安全隱私保護(hù)，為智能應(yīng)用提供特定數(shù)據(jù)服務(wù)能力，但

缺乏歸一化的數(shù)據(jù)服務(wù)框架，并面臨著數(shù)據(jù)治理層面的諸多挑戰(zhàn)。5G通信

網(wǎng)絡(luò)是基于會話構(gòu)建的，其用戶面用于承載會話數(shù)據(jù)。由于無法滿足6G

數(shù)據(jù)承載所需要的“隨路計算”和“任意拓?fù)洹敝С郑脩裘鏌o法承載6G

網(wǎng)絡(luò)新的數(shù)據(jù)類型。5G用戶面的會話連接實現(xiàn)兩個通信設(shè)備之間的信息交

互，具體是由協(xié)議數(shù)據(jù)單元（ProtocolDataUnit，PDU）會話提供用戶

終端設(shè)備和網(wǎng)絡(luò)之間端到端的用戶面連接。而6G數(shù)據(jù)面?zhèn)鬏攧t由數(shù)據(jù)采

集、預(yù)處理、轉(zhuǎn)發(fā)、存儲和分析等功能組成。用戶面?zhèn)鬏斒轻槍θ伺c人或

人與機(jī)器之間的通信連接，而數(shù)據(jù)面處理的數(shù)據(jù)是由機(jī)器/算法生產(chǎn)和消

費的。5G用戶面會話只實現(xiàn)數(shù)據(jù)包傳輸，而6G數(shù)據(jù)面?zhèn)鬏斁W(wǎng)絡(luò)則需要實

現(xiàn)隨路計算，在數(shù)據(jù)管道中，數(shù)據(jù)被轉(zhuǎn)換和優(yōu)化以達(dá)到數(shù)據(jù)分析和智能應(yīng)

用所需狀態(tài)。在數(shù)據(jù)轉(zhuǎn)發(fā)行為上，會話的數(shù)據(jù)包基于目標(biāo)地址進(jìn)行轉(zhuǎn)發(fā)；

而數(shù)據(jù)管道中，數(shù)據(jù)包則基于數(shù)據(jù)服務(wù)和數(shù)據(jù)管道標(biāo)識進(jìn)行轉(zhuǎn)發(fā)?；?G

用戶面會話的數(shù)據(jù)轉(zhuǎn)發(fā)屬于TCP/IP層，而數(shù)據(jù)面的數(shù)據(jù)轉(zhuǎn)發(fā)則屬于應(yīng)用

24

層。此外，基于會話的拓?fù)涫屈c對點的連接，而6G數(shù)據(jù)面則需要支持任

意拓?fù)浣Y(jié)構(gòu)（如數(shù)據(jù)分發(fā)和數(shù)據(jù)聚合需要的樹形結(jié)構(gòu)）。如果沿用現(xiàn)有用

戶面承載所有6G網(wǎng)絡(luò)數(shù)據(jù)，數(shù)據(jù)的起始和終結(jié)只能在PDU會話的兩端，

即用戶設(shè)備（UserEquipment，UE）或用戶面功能（UserPlaneFunctions，

UPF），無法滿足對感知數(shù)據(jù)、AI數(shù)據(jù)、網(wǎng)絡(luò)行為和狀態(tài)數(shù)據(jù)的分布式管

控。因此，6G網(wǎng)絡(luò)需要引入獨立的數(shù)據(jù)面，構(gòu)建架構(gòu)級的統(tǒng)一可信、動態(tài)

靈活的數(shù)據(jù)服務(wù)框架，在滿足數(shù)據(jù)法規(guī)監(jiān)管要求的同時，提升數(shù)據(jù)分析和

處理效率，實現(xiàn)跨域跨廠家的可信數(shù)據(jù)共享，并通過各類智能應(yīng)用實現(xiàn)數(shù)

據(jù)的價值變現(xiàn)。

6G移動通信網(wǎng)絡(luò)數(shù)據(jù)面架構(gòu)如下圖所示，主要由四部分功能組成：數(shù)

據(jù)編排器（DataOrchestrator，DO）（和數(shù)據(jù)控制器（DataController，

DC）），數(shù)據(jù)代理（DataAgent，DA），可信錨點代理（TrustAnchorAgent，

TAA），數(shù)據(jù)存儲功能（DataStorageFunction，DSF）。DO支持可編程

數(shù)據(jù)管道并實現(xiàn)數(shù)據(jù)服務(wù)請求轉(zhuǎn)換（根據(jù)數(shù)據(jù)服務(wù)請求實現(xiàn)數(shù)據(jù)管道的構(gòu)

建）。DA可內(nèi)置于網(wǎng)絡(luò)功能或獨立部署，執(zhí)行數(shù)據(jù)管道中編排的數(shù)據(jù)采集、

數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)共享和其他數(shù)據(jù)服務(wù)。TAA是在

數(shù)據(jù)面架構(gòu)中定義的專用于保障6G數(shù)據(jù)可信度的獨立組件。數(shù)據(jù)在處理

和使用過程中要滿足PIPL/GDPR等法規(guī)的監(jiān)管要求，如果遭受來自網(wǎng)絡(luò)內(nèi)

部和外部實體的各種安全隱私攻擊，會造成嚴(yán)重隱患。因此，TAA在6G網(wǎng)

絡(luò)中扮演著保護(hù)數(shù)據(jù)機(jī)密性、完整性和可靠性的重要角色。DSF在需要大

規(guī)模數(shù)據(jù)存儲或長期存儲時充當(dāng)DA的存儲擴(kuò)展組件。數(shù)據(jù)面功能架構(gòu)如

25

圖9所示：

圖9.數(shù)據(jù)面功能框架.

根據(jù)任務(wù)的實時性需求和跨域情況，將數(shù)據(jù)編排器細(xì)分為兩類：DO和

DC。DO負(fù)責(zé)粗粒度、非實時的數(shù)據(jù)編排，DC則負(fù)責(zé)細(xì)粒度的實時的編排

任務(wù)，DO與DC二者協(xié)同實現(xiàn)了數(shù)據(jù)管道的彈性和可編程性。DO主要具備

以下功能：首先，DO是接收數(shù)據(jù)服務(wù)請求的門戶，并且將數(shù)據(jù)服務(wù)請求轉(zhuǎn)

化為對數(shù)據(jù)管道的組合請求。此外，DO與其他網(wǎng)絡(luò)服務(wù)展開協(xié)作，比如算

力網(wǎng)絡(luò)服務(wù)對算力進(jìn)行編排，而DO對數(shù)據(jù)進(jìn)行編排?；跀?shù)據(jù)服務(wù)請求

和DA的服務(wù)能力，DO實現(xiàn)了跨域的粗粒度的數(shù)據(jù)管道編排。同時，DO內(nèi)

置了一個數(shù)據(jù)安全防護(hù)和隱私保護(hù)技術(shù)庫（DataProtectionTechnology

Repository，DPTR），包含差分隱私、同態(tài)加密、安全多方計算、零知識

證明等技術(shù)，提供數(shù)據(jù)安全隱私保護(hù)能力，并按需將數(shù)據(jù)保護(hù)技術(shù)（Data

ProtectionTechnology，DPT）賦能給DA。相反，DC實現(xiàn)了細(xì)粒度的DA

26

編排，在本地域中依據(jù)DA的能力和數(shù)據(jù)服務(wù)請求對數(shù)據(jù)管道進(jìn)行組合，

實現(xiàn)實時高效的服務(wù)管理。其次，DC接收DA的能力報告并實現(xiàn)對DA的注

冊和撤銷功能，通過監(jiān)測DA的心跳實現(xiàn)對DA的實時監(jiān)管。此外，DC內(nèi)置

了可信錨點客戶端（TrustAnchorClient，TAC），向TAA發(fā)起認(rèn)證、授

權(quán)、訪問控制等安全機(jī)制的請求，以及申請對數(shù)據(jù)訪問的溯源和審計服務(wù)。

DC可部署在RAN側(cè)和CN側(cè)。

DA可選的部署在每個NF、RAN、TN節(jié)點終端及OAM上，同時支持獨立

部署，通過建立一個動態(tài)的數(shù)據(jù)管道（pipeline）,由一系列的數(shù)據(jù)處理

單元按需按序組成，前一個單元的輸出是下一個單元的輸入。從而形成從

數(shù)據(jù)采集、預(yù)處理、存儲、到應(yīng)用/分析、都可按需從DA輸出的數(shù)據(jù)流，

對外提供接口訪問數(shù)據(jù)服務(wù)。

?數(shù)據(jù)采集從數(shù)據(jù)源獲取數(shù)據(jù)，支持訂閱/通知的方式，也支持請求/響

應(yīng)的方式，數(shù)據(jù)獲取請求中指示數(shù)據(jù)上報的觸發(fā)方式，觸發(fā)條件，

上報的周期，數(shù)據(jù)量等。支持對用戶數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)、AI數(shù)據(jù)、IoT

數(shù)據(jù)的采集。支持流式數(shù)據(jù)采集和批數(shù)據(jù)采集，實時數(shù)據(jù)與非實時

數(shù)據(jù)采集。

?數(shù)據(jù)預(yù)處理指對采集到的原始數(shù)據(jù)所進(jìn)行的諸如“清洗、填補(bǔ)、平滑、

合并、規(guī)格化、和一致性檢驗”等一系列操作，旨在提高數(shù)據(jù)質(zhì)量，

為后期分析工作奠定基礎(chǔ)。原始數(shù)據(jù)中，通常會存在臟數(shù)據(jù)，如數(shù)

據(jù)缺失、數(shù)據(jù)噪聲、數(shù)據(jù)冗余、數(shù)據(jù)集不均衡等。

?數(shù)據(jù)隱私保護(hù)對采集到的數(shù)據(jù)進(jìn)行例如諸如k-anonymity(k-匿名

27

化),l-diversity(l-多樣化),t-closeness和ε-differential

privacy(差分隱私)等技術(shù)對數(shù)據(jù)進(jìn)行處理，使得惡意攻擊者無法從

經(jīng)過脫敏處理的數(shù)據(jù)中直接獲取敏感信息，從而實現(xiàn)對機(jī)密及隱私

的防護(hù)。數(shù)據(jù)保護(hù)技術(shù)可以預(yù)裝在DA中，也可以由DO按需推送，

可對DA的每一層級的數(shù)據(jù)進(jìn)行安全和隱私保護(hù)。

?數(shù)據(jù)分析功能與DA松耦合，可按需與DA分開部署。支持各類數(shù)據(jù)分

析技術(shù)，例如AI/ML、Hive、Spark等。數(shù)據(jù)分析功能通過API調(diào)用

DA的數(shù)據(jù)采集、預(yù)處理、存儲等各層級的數(shù)據(jù)服務(wù)。所需的AI模

型可以預(yù)裝或由NetworkService推送。

5基于任務(wù)的管理編排架構(gòu)

智能普惠需要原生智能的架構(gòu)設(shè)計，在架構(gòu)層面原生支持連接、計算、

數(shù)據(jù)和算法（四要素）的深度融合，即面向任務(wù)的四要素深度融合，并以

任務(wù)為單位進(jìn)行實時管控、以及QoS保障。

5.1任務(wù)邏輯架構(gòu)

現(xiàn)有通信系統(tǒng)包括管理域和控制域，其中管理域部署的網(wǎng)管設(shè)備通過

非實時的管理層面信令（通常為分鐘級別）對網(wǎng)元設(shè)備進(jìn)行操作和管理。

控制域包括核心網(wǎng)設(shè)備、基站設(shè)備、以及終端設(shè)備，其間的控制層面信令

更為實時（通常為毫秒級別），例如用戶進(jìn)行語音通話時建立的端到端隧

道通常在幾十毫秒內(nèi)完成。

以任務(wù)為中心的架構(gòu)包括兩大部分：網(wǎng)絡(luò)AI管理編排和任務(wù)管控，

28

如圖10所示。基于任務(wù)管控各階段對實時性不同要求、任務(wù)管控范圍等

因素的考慮，引入網(wǎng)絡(luò)AI管理編排（NetworkAIManagement&

Orchestration,NAMO），來完成從AI業(yè)務(wù)到任務(wù)的分解、映射和AI業(yè)

務(wù)流編排，NAMO通常是非實時的，一般部署在管理域；任務(wù)管控則是在控

制層面引入任務(wù)錨點功能（TaskAnchor,TA）、任務(wù)調(diào)度功能（Task

Scheduler,TS）、任務(wù)執(zhí)行功能（TaskExecuter,TE），對任務(wù)進(jìn)行分

層的控制，以在任務(wù)范圍和任務(wù)實時調(diào)度之間尋求平衡。

圖10.以任務(wù)為中心的邏輯架構(gòu).

僅通過管理域的NAMO對任務(wù)進(jìn)行管控，存在如下問題：

1)NAMO無法直接管理UE，涉及UE的任務(wù)需通過應(yīng)用層來部署，網(wǎng)絡(luò)

無法感知，因此也無法實現(xiàn)四要素協(xié)同來管控和保障任務(wù)QoS；

2)NAMO信令時延較大（一般是分鐘級別），導(dǎo)致任務(wù)管控不及時，

29

難以滿足嚴(yán)格的任務(wù)QoS保障要求；

3)NAMO管理的節(jié)點多，如果進(jìn)行高度集中的任務(wù)管控，信令消耗大，

容易成為瓶頸。

任務(wù)錨點TA來負(fù)責(zé)任務(wù)的生命周期管控；該節(jié)點部署在控制面，能

夠保證信令的實時快速傳輸（毫秒級別），使得任務(wù)控制更為實時和高效。

在任務(wù)范圍較大的場景，TA部署位置可能較高（例如部署在核心網(wǎng)）。TS

的部署位置取決于四要素資源控制的實時性需求，比如控制連接資源的TS

部分需要部署在靠近TE的位置，以便更實時地感知連接資源狀態(tài)，以及

進(jìn)行實時QoS質(zhì)量監(jiān)控和資源調(diào)整。

基于上述的TA、TS、TE三級架構(gòu)，下面分別闡述每個邏輯功能的功

能特性。

任務(wù)錨點功能TA（TaskAnchor）

TA負(fù)責(zé)任務(wù)的生命周期管理，基于任務(wù)QoS需求完成任務(wù)部署、啟動、

刪除、修改、監(jiān)控等，包括調(diào)控四要素資源來進(jìn)行任務(wù)的QoS保障。

任務(wù)調(diào)度功能TS（TaskScheduler）

TS負(fù)責(zé)任務(wù)的控制，在任務(wù)實例的部署過程中，TS會建立并維護(hù)任

務(wù)相關(guān)的上下文信息，從而對任務(wù)進(jìn)行控制。針對任務(wù)控制功能，TS主要

有三大核心特性：其一，TS需要接受TA的管理控制。TS不能作為網(wǎng)絡(luò)架

構(gòu)外的功能獨立存在，其需要由TA來管理控制。其二，TS負(fù)責(zé)任務(wù)執(zhí)行

的實時控制，實現(xiàn)通算深度融合。TS實時感知網(wǎng)絡(luò)環(huán)境的變化，如終端切

換、鏈路狀態(tài)變化等，通過自身或者通知TA來實時調(diào)整任務(wù)配置，保障

30

任務(wù)的順利執(zhí)行和QoS要求。其三，TS負(fù)責(zé)任務(wù)相關(guān)TE間資源的調(diào)度。

比如，任務(wù)執(zhí)行是一個過程，期間對于算力的需求是不斷變化的，需要TS

進(jìn)行實時的算力調(diào)度。

任務(wù)執(zhí)行功能TE（TaskExecutor）

TE負(fù)責(zé)任務(wù)的具體執(zhí)行，并進(jìn)行業(yè)務(wù)邏輯上的數(shù)據(jù)交互。同一個服務(wù)

的工作流可能被實例化為多個任務(wù)，部署在多個TE間執(zhí)行，因此TE間存

在數(shù)據(jù)的交互。

TA對TE的管理需要具備實時、靈活等要求，在RAN域內(nèi)部署RANTA

實現(xiàn)對RANTE的管理更為合理，同理CNTA對CNTE類似。這是因為TE

的狀態(tài)是實時變化的（例如CPU負(fù)載、內(nèi)存、電量、UE的信道狀況等），

TA/TS的就近部署能夠帶來更少的管理時延；此外，根據(jù)3GPP的設(shè)計邏輯，

CN和RAN需要盡量解耦，例如RANRRM和RTT優(yōu)化不應(yīng)對CN感知，因此

由CNTA來管理RANTE并執(zhí)行RAN任務(wù)，會導(dǎo)致業(yè)務(wù)邏輯強(qiáng)耦合。因此，

分別在CN域和RAN域都獨立部署TA/TS，達(dá)到實時管理和業(yè)務(wù)解耦的目的。

5.2任務(wù)部署架構(gòu)

TA對TE的管理需要具備實時、靈活等要求，在RAN域內(nèi)部署RANTA

實現(xiàn)對RANTE的管理更為合理，同理CNTA對CNTE類似。這是因為TE

的狀態(tài)是實時變化的（例如CPU負(fù)載、內(nèi)存、電量、UE的信道狀況等），

TA/TS的就近部署能夠帶來更少的管理時延；此外，根據(jù)3GPP的設(shè)計邏輯，

CN和RAN需要盡量解耦，例如RANRRM和RTT優(yōu)化不應(yīng)對CN感知，因此

31

由CNTA來管理RANTE并執(zhí)行RAN任務(wù)，會導(dǎo)致業(yè)務(wù)邏輯強(qiáng)耦合。因此，

在CN域和RAN域都獨立部署TA/TS，可以達(dá)到實時管理和業(yè)務(wù)解耦的目的。

以基站和終端進(jìn)行聯(lián)邦學(xué)習(xí)為例，下面詳細(xì)說明TA、TS、和TE如何

部署。由于6G架構(gòu)未定，以5GRAN架構(gòu)為例進(jìn)行說明，如圖11所示：

圖11.以任務(wù)為中心的部署架構(gòu)-站內(nèi)任務(wù)協(xié)同.

1)場景1：gNB+UE場景

其中g(shù)NB同時是TA和TS，UE是TE；此時UE是算力提供方和任務(wù)執(zhí)

行方，接受gNB的任務(wù)管理和任務(wù)四要素調(diào)度（例如UE側(cè)與基站的連接

建立、空口資源的實時調(diào)度、以及AI模型的分配和實時調(diào)整等）。

2)場景2：CU+DU場景

其中CU同時是TA和TS，DU是TE；此時DU是算力提供方和任務(wù)執(zhí)行

方。

3)場景3：CU+DU+UE場景

其中CU是TA，DU是TS，UE是TE；此時UE是算力提供方和任務(wù)執(zhí)行

方，CU是任務(wù)管理者，DU感知CU給UE分配的任務(wù)、并進(jìn)行四要素資源

調(diào)度和任務(wù)實時QoS保障。在該場景中，TA和TS是分開部署的，TS部署

比TA位置更低，因此能夠更實時感知TE的連接、算力、模型等狀態(tài)，從

32

而更為實時監(jiān)控任務(wù)QoS和快速調(diào)整四要素資源。

4)場景4：復(fù)雜任務(wù)場景

上述三個場景都是對應(yīng)一個簡單任務(wù)，僅包括一個TA、TS和TE；對

于計算量更大的任務(wù)，僅有一個TE是不夠的，因此需要多個TE共同參與

同一個任務(wù)。針對本場景，CU是TA，在接受一個大任務(wù)后，將部分任務(wù)

分給DU1進(jìn)行處理（此時DU1是TE，CU還是該TE的TS），并將剩余任務(wù)

交給DU2下的UE1和UE2處理（DU2是該子任務(wù)的TS，UE1和UE2是對應(yīng)

TE）。

5)場景5：跨站協(xié)同場景

下圖所示場景是針對在一個基站內(nèi)進(jìn)行任務(wù)執(zhí)行的，場景5則重點關(guān)

注基站間聯(lián)合進(jìn)行聯(lián)邦學(xué)習(xí)。為簡單起見，以兩個基站為例進(jìn)行說明。如

圖12所示，由于在無線通信系統(tǒng)中，基站與基站之間的拓?fù)涫菍Φ鹊模?/p>

因此可以采用集中式或分布式方案來實施任務(wù)協(xié)同。其中分布式方案是指

每個基站既是TE、又是TS，兩個TS之間通過協(xié)商的方式來協(xié)同算力分配

或模型更改，此時兩個基站是對等的，沒有決策者和決策執(zhí)行者的區(qū)分；

而集中式是指在兩個基站間選擇一個節(jié)點作為邏輯的TS，并對兩個站的

TE資源進(jìn)行調(diào)度（連接優(yōu)化、算力調(diào)度、模型變更、數(shù)據(jù)配置等），此時

兩個基站是不對等的，其中一個是資源調(diào)度的決策