面向全社會(huì)、全行業(yè)、全生態(tài)的網(wǎng)絡(luò)智能生成與自治白皮書

面向全社會(huì)、全行業(yè)、全生態(tài)的網(wǎng)絡(luò)

智能生成與自治白皮書

參與單位

大唐移動(dòng)通信設(shè)備有限公司

中國(guó)信息通信研究院

北京郵電大學(xué)

東南大學(xué)

中國(guó)移動(dòng)通信有限公司

前言

移動(dòng)通信系統(tǒng)已經(jīng)成功商用到第五代系統(tǒng)（5G），從基本的遠(yuǎn)程通話

和消息傳輸服務(wù)，到互聯(lián)網(wǎng)業(yè)務(wù)，再到增強(qiáng)的移動(dòng)寬帶多媒體交互、物聯(lián)

網(wǎng)連接以及垂直行業(yè)服務(wù)，移動(dòng)通信應(yīng)用的場(chǎng)景和業(yè)務(wù)不斷地?cái)U(kuò)展和延伸，

移動(dòng)通信系統(tǒng)功能和性能能力也在不斷提高。

第六代移動(dòng)通信系統(tǒng)（6G）的研究正穩(wěn)步開展。一方面，6G網(wǎng)絡(luò)的服

務(wù)場(chǎng)景和服務(wù)范式將發(fā)生變革性變化，突破傳統(tǒng)連接業(yè)務(wù)的局限，全面內(nèi)

生智能、算力、數(shù)據(jù)等新維度能力，面向全社會(huì)、全行業(yè)、全生態(tài)千差萬

別的場(chǎng)景和需求，提供精準(zhǔn)隨需的服務(wù)。另一方面，6G網(wǎng)絡(luò)新功能、新能

力、新服務(wù)的突破性增長(zhǎng)，相應(yīng)的對(duì)網(wǎng)絡(luò)運(yùn)行和維護(hù)復(fù)雜度和難度倍增，

需要借助蓬勃發(fā)展的人工智能技術(shù)，實(shí)現(xiàn)網(wǎng)絡(luò)的智能自主運(yùn)行和管理。

本白皮書針對(duì)上述6G網(wǎng)絡(luò)服務(wù)變革和難點(diǎn)，研究并提出了網(wǎng)絡(luò)適應(yīng)

能力的6G網(wǎng)絡(luò)新能力定義與指標(biāo)體系，實(shí)現(xiàn)以用戶需求為中心，網(wǎng)絡(luò)去

適應(yīng)用戶，而非用戶順從網(wǎng)絡(luò)。以此為中心，研究提出基于智能生成和智

能自治的全場(chǎng)景智適應(yīng)6G網(wǎng)絡(luò)架構(gòu)及系列關(guān)鍵技術(shù)。基于智能生成技術(shù)

全方位地生成網(wǎng)絡(luò)需求表征和網(wǎng)絡(luò)執(zhí)行模板，滿足各場(chǎng)景細(xì)致的差異，促

使6G網(wǎng)絡(luò)具備隨需千變的適應(yīng)能力。基于智能自治技術(shù)，實(shí)現(xiàn)6G網(wǎng)絡(luò)具

備跨多業(yè)務(wù)、多領(lǐng)域、全生命周期的全場(chǎng)景閉環(huán)自治能力，并實(shí)現(xiàn)完全自

治。另外，針對(duì)移動(dòng)通信系統(tǒng)的關(guān)鍵一環(huán)----無線智能組網(wǎng)，展開了詳細(xì)

的研究。實(shí)現(xiàn)6G網(wǎng)絡(luò)的智能生成和智能自治，數(shù)字孿生網(wǎng)絡(luò)是必不可缺

的基礎(chǔ)設(shè)施。本白皮書進(jìn)一步的對(duì)數(shù)字孿生網(wǎng)絡(luò)的架構(gòu)與關(guān)鍵技術(shù)進(jìn)行了

深入的研究與設(shè)計(jì)。

本白皮書為國(guó)家研發(fā)計(jì)劃重點(diǎn)專項(xiàng)“寬帶通信和新型網(wǎng)絡(luò)”項(xiàng)目《6G網(wǎng)絡(luò)架構(gòu)及關(guān)鍵

技術(shù)》（項(xiàng)目編號(hào)：2020YFB1806800）資助成果。

1面向全社會(huì)、全行業(yè)、全生態(tài)的6G網(wǎng)絡(luò)需求

1.1面向三全的6G網(wǎng)絡(luò)場(chǎng)景

國(guó)際電聯(lián)在6G建議書中描述了6G六大場(chǎng)景，分別為沉浸式通信、超大

規(guī)模連接、極高可靠低時(shí)延、人工智能與通信的融合、感知與通信的融合、

泛在連接。基于此，面向全社會(huì)、全行業(yè)、全生態(tài)的6G網(wǎng)絡(luò)典型場(chǎng)景示例如

下，包括全息通信、精確感知、空天海地全覆蓋、公共安全、智能工廠、網(wǎng)

絡(luò)自動(dòng)運(yùn)維管理等。

（1）全息通信

全息通信是面向未來虛擬與現(xiàn)實(shí)深度融合的一種新的呈現(xiàn)形式，它通過

物理世界數(shù)據(jù)信息自然逼真地呈現(xiàn)虛擬世界（包括針對(duì)視覺、觸覺、嗅覺等

多維感官的呈現(xiàn)），使人們不受時(shí)間、空間的限制，身臨其境般地享受完全

沉浸式的全息交互體驗(yàn)。借助全息通信，可以實(shí)現(xiàn)智能溝通、高效學(xué)習(xí)與教

育、醫(yī)療健康、智能顯示、自由娛樂，以及工業(yè)智能等眾多領(lǐng)域的新形態(tài)。

為了實(shí)現(xiàn)全息萬物智聯(lián)，6G系統(tǒng)將面臨更高的技術(shù)挑戰(zhàn)，例如：全息通

信的傳輸峰值帶寬將達(dá)Tbps量級(jí)，這也對(duì)終端解碼能力提出了更高的要求。

為實(shí)現(xiàn)全息遠(yuǎn)程醫(yī)療等場(chǎng)景中的精準(zhǔn)操作、沉浸式交互體驗(yàn)、全息無差錯(cuò)顯

示等，應(yīng)滿足納米（nm）級(jí)定位精度，端到端時(shí)延小于5ms，丟包率盡可能

為0，以及超高的計(jì)算能力等要求。

（2）精確感知

精確感知涵蓋精準(zhǔn)定位、4D成像以及物質(zhì)特性識(shí)別等多維度、深層次感

知服務(wù)，將是6G系統(tǒng)提供的一項(xiàng)重要服務(wù)能力，也是智能化網(wǎng)絡(luò)應(yīng)用的基

礎(chǔ)。借助于探測(cè)感知，6G系統(tǒng)將為智能工廠、智慧交通、智慧醫(yī)療等一系列

場(chǎng)景和應(yīng)用提供更為精準(zhǔn)和個(gè)性化的數(shù)據(jù)信息。

1

精確感知也可服務(wù)于通信系統(tǒng)本身，實(shí)現(xiàn)精準(zhǔn)賦形、干擾協(xié)調(diào)、流量控

制、網(wǎng)絡(luò)資源優(yōu)化等，全面提升系統(tǒng)性能。

精確感知對(duì)6G系統(tǒng)的性能提出了新的要求，包括感知精度、感知容量、

感知時(shí)延、感知范圍等。例如，對(duì)于智能工業(yè)場(chǎng)景，除了要求低時(shí)延高可靠，

還需要毫米級(jí)的感知定位精度以及高成像分辨率。

（3）空天海地全覆蓋

支持空天海地立體通信，實(shí)現(xiàn)全球范圍內(nèi)移動(dòng)通信的無縫覆蓋，是6G

系統(tǒng)的重要目標(biāo)之一。這意味著6G系統(tǒng)除了支持通信功能，還集成精確定位、

導(dǎo)航、實(shí)時(shí)地球觀測(cè)等各種新功能。從部署方式來看，可以在內(nèi)陸地區(qū)用地

面基站覆蓋，發(fā)揮容量?jī)?yōu)勢(shì)，滿足海量接入需求；在偏遠(yuǎn)地區(qū)或廣大海域用

衛(wèi)星或臨空平臺(tái)覆蓋，發(fā)揮覆蓋優(yōu)勢(shì)，節(jié)省基站建設(shè)成本。

支持空天海地立體全覆蓋的6G網(wǎng)絡(luò)需要滿足一系列技術(shù)需求，例如：

支持廣大時(shí)空?qǐng)鼍跋碌挠脩魳O簡(jiǎn)智能接入、高效天基計(jì)算、星地海多維空間

的通信功能柔性分割和智能重構(gòu)、多星協(xié)作和天地協(xié)作傳輸以及無線資源的

統(tǒng)一管控、提供廣域按需的時(shí)間確定性服務(wù)、提升系統(tǒng)的平均頻譜效率和邊

緣頻譜效率、支持各種形態(tài)的終端，等等；除此之外，網(wǎng)絡(luò)還需具有很好的

容災(zāi)抗毀能力。

（4）公共安全

公共安全的通信服務(wù)將進(jìn)一步從以語音為中心的群組通信模式，向全維

實(shí)時(shí)感知、增強(qiáng)多媒體(例如增強(qiáng)現(xiàn)實(shí)XR)信息共享的通信模式演進(jìn)。公共安

全部門通過在重點(diǎn)區(qū)域部署固定傳感器、移動(dòng)傳感器、可穿戴傳感設(shè)備等，

將不同來源的公共安全信息數(shù)據(jù)進(jìn)行融合處理，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的事件監(jiān)測(cè)、

跟蹤和預(yù)測(cè)，并借助數(shù)字孿生技術(shù)在后方構(gòu)建全景式虛擬現(xiàn)場(chǎng)環(huán)境，以期提

高指揮控制決策效率、實(shí)時(shí)反饋評(píng)估行動(dòng)效果。

2

為確保公共安全通信服務(wù)的實(shí)時(shí)性、可用性、可靠性和安全性，需要全

面提升公共安全通信系統(tǒng)的性能。例如，數(shù)據(jù)傳輸速率達(dá)到Tbps量級(jí)，以

滿足關(guān)鍵任務(wù)的超高清視頻多路并行傳輸需求和超大流量交互式數(shù)據(jù)傳輸需

求；系統(tǒng)具備分鐘級(jí)的快速機(jī)動(dòng)部署能力，以滿足突發(fā)公共安全事件的緊急

處置要求；系統(tǒng)具有極高可靠性，以滿足高精度對(duì)象（人臉、指紋、虹膜等）

識(shí)別的數(shù)據(jù)傳輸要求。

（5）智能工廠

未來工廠將呈現(xiàn)一系列全新特征，比如個(gè)性化、定制化生產(chǎn)；生產(chǎn)資料、

工藝以及生產(chǎn)地點(diǎn)的靈活配置；生產(chǎn)過程無人化；利用無人車、無人機(jī)進(jìn)行

產(chǎn)品自動(dòng)化交付等。在未來工廠中，以6G為基礎(chǔ)的信息通信系統(tǒng)將在需求

導(dǎo)入、工廠配置、生產(chǎn)制造、產(chǎn)品交付等過程中提供通信、感知、智能等一

系列能力，從而形成按需生產(chǎn)的智能工廠，服務(wù)于工廠業(yè)主以及最終用戶。

在未來的智能工廠中，智能化將貫穿未來工廠從需求導(dǎo)入到產(chǎn)品交付的

全過程，通信需求將呈現(xiàn)多樣化、差異化的特點(diǎn)：例如在需求交互過程中，采

用XR或者全息通信需要Tbps量級(jí)的傳輸速率；而在生產(chǎn)過程中僅需較低的

傳輸速率以傳遞控制命令，但需要極低的時(shí)延抖動(dòng)（比如1us）和極高的可

靠性（比如99.9999999%）。機(jī)器與機(jī)器之間的通信將是未來工廠中通信的

主體，定位與感知將成為輔助機(jī)器間通信以及行為的關(guān)鍵技術(shù)。利用人工智

能技術(shù)實(shí)現(xiàn)智能工廠的全流程控制，將更有利于實(shí)現(xiàn)產(chǎn)能、通信、感知、計(jì)

算等資源的優(yōu)化配置。

（6）網(wǎng)絡(luò)自動(dòng)運(yùn)維管理

隨著移動(dòng)通信系統(tǒng)的演進(jìn)，網(wǎng)絡(luò)的架構(gòu)、功能、支持的業(yè)務(wù)等不斷擴(kuò)展

并愈加復(fù)雜，使得依靠人工進(jìn)行網(wǎng)絡(luò)運(yùn)維管理的難度大大增加。運(yùn)營(yíng)商迫切

需要實(shí)現(xiàn)網(wǎng)絡(luò)的自動(dòng)運(yùn)營(yíng)、維護(hù)、管理和優(yōu)化。AI/ML技術(shù)的成熟為實(shí)現(xiàn)網(wǎng)

絡(luò)自動(dòng)化提供了新的方向。例如，基于AI/ML快速識(shí)別新業(yè)務(wù)，全面洞察用

3

戶行為，并根據(jù)不同業(yè)務(wù)類型和用戶體驗(yàn)需求實(shí)現(xiàn)網(wǎng)絡(luò)精細(xì)化運(yùn)營(yíng)，等等。

6G網(wǎng)絡(luò)可以基于內(nèi)生AI，提高網(wǎng)絡(luò)自動(dòng)運(yùn)維和管理的效率，并推動(dòng)業(yè)務(wù)創(chuàng)新，

逐步向更高級(jí)別的自動(dòng)化網(wǎng)絡(luò)(即自治網(wǎng)絡(luò))演進(jìn)。網(wǎng)絡(luò)自治將成為6G時(shí)代移

動(dòng)通信網(wǎng)絡(luò)的核心要素。

1.2當(dāng)前網(wǎng)絡(luò)的局限性

4G改變生活，5G改變社會(huì)。推動(dòng)數(shù)字經(jīng)濟(jì)快速發(fā)展，使能千行百業(yè)，加

速行業(yè)數(shù)字化、智能化，5G網(wǎng)絡(luò)發(fā)揮了排頭兵的使能作用。“5G改變社會(huì)”

的核心在于使能千行百業(yè)。也就是說，與4G不同，5G直接服務(wù)的對(duì)象不只

是各個(gè)消費(fèi)者用戶，還包括各個(gè)垂直行業(yè)用戶。5G+工業(yè)、5G+醫(yī)療、5G+港口、

5G+煤礦等眾多行業(yè)通過使用5G技術(shù)，提升各領(lǐng)域生產(chǎn)效率。5G在垂直行業(yè)

的應(yīng)用，需滿足各行業(yè)低時(shí)延、高帶寬、高可靠、確定性傳輸、定位等千差

萬別的業(yè)務(wù)需求。網(wǎng)絡(luò)部署時(shí)需根據(jù)業(yè)務(wù)需求確定網(wǎng)絡(luò)的容量、部署位置、

時(shí)延/帶寬要求，將行業(yè)需求SLA轉(zhuǎn)換為網(wǎng)絡(luò)數(shù)據(jù)，指導(dǎo)網(wǎng)絡(luò)建設(shè)。目前，5G

網(wǎng)絡(luò)可通過網(wǎng)絡(luò)切片技術(shù)或行業(yè)專網(wǎng)為行業(yè)提供共享或?qū)Ｏ碣Y源，滿足行業(yè)

需求。但由于5G核心網(wǎng)全面引入云化，設(shè)備級(jí)的維護(hù)難度加大，另外網(wǎng)絡(luò)切

片的引入，需要無線接入網(wǎng)、承載網(wǎng)和核心網(wǎng)實(shí)現(xiàn)跨層級(jí)的端到端協(xié)同，給

網(wǎng)絡(luò)管理帶來了巨大挑戰(zhàn)的同時(shí)，網(wǎng)絡(luò)切片的架構(gòu)相對(duì)統(tǒng)一，無法靈活保障

不同2B業(yè)務(wù)和專網(wǎng)運(yùn)營(yíng)需求。

6G應(yīng)用場(chǎng)景更加多樣化，云XR、元宇宙、全息通信等場(chǎng)景，需要網(wǎng)絡(luò)按

需構(gòu)建、適時(shí)釋放，網(wǎng)絡(luò)的動(dòng)態(tài)構(gòu)建將成為一種新的特征。這樣以來，如果

沿用5G的建網(wǎng)及維護(hù)方式，難以實(shí)現(xiàn)網(wǎng)絡(luò)效率的優(yōu)化。6G網(wǎng)絡(luò)需通過對(duì)網(wǎng)

絡(luò)、功能、新技術(shù)的智能編排，從集中式向分布式轉(zhuǎn)變，根據(jù)多變的環(huán)境快

速自適應(yīng)地進(jìn)行網(wǎng)絡(luò)組件及功能和服務(wù)的調(diào)整，同時(shí)具備較高的自我管理、

自我優(yōu)化、自我演進(jìn)的能力，從而實(shí)現(xiàn)網(wǎng)絡(luò)的智能自治。

（1）服務(wù)場(chǎng)景和業(yè)務(wù)的局限

4

移動(dòng)通信網(wǎng)絡(luò)在過去的40多年間，從1G到如今的5G，主要面向用戶提

供通信服務(wù)（例如人與人之間的語音、視頻、消息和多媒體）。5G雖然開始

嘗試向垂直行業(yè)的場(chǎng)景進(jìn)行擴(kuò)展，但仍是以傳統(tǒng)通信業(yè)務(wù)為主。相應(yīng)地，衡

量網(wǎng)絡(luò)服務(wù)質(zhì)量的參數(shù)（例如傳輸速率、時(shí)延、錯(cuò)誤率）也主要針對(duì)傳統(tǒng)通

信業(yè)務(wù)，且難以做到快速動(dòng)態(tài)配置，無法滿足一些垂直行業(yè)的特殊需求。

（2）缺乏靈活性

在目前的網(wǎng)絡(luò)運(yùn)營(yíng)模式中，依據(jù)需求規(guī)劃和建設(shè)網(wǎng)絡(luò)，用戶使用建成網(wǎng)

絡(luò)的服務(wù)；在網(wǎng)絡(luò)建成后，若用戶和業(yè)務(wù)需求發(fā)生變化，例如用戶數(shù)量增加、

出現(xiàn)新的業(yè)務(wù)形態(tài)，則需要對(duì)網(wǎng)絡(luò)進(jìn)行軟件升級(jí)甚至硬件改造。即：網(wǎng)絡(luò)無

法依據(jù)需求的變化，采用自適應(yīng)方式，例如：靈活地發(fā)現(xiàn)、擴(kuò)展、協(xié)同和重

組網(wǎng)絡(luò)資源、調(diào)整網(wǎng)絡(luò)架構(gòu)，來提升網(wǎng)絡(luò)的能力(容量、能效、服務(wù)種類/等

級(jí)等)。

（3）缺乏智能性

現(xiàn)有網(wǎng)絡(luò)中，面對(duì)海量用戶和突發(fā)的業(yè)務(wù)量，可能會(huì)出現(xiàn)通信業(yè)務(wù)擁塞

甚至中斷等情況，因此需要不斷優(yōu)化網(wǎng)絡(luò)控制和管理機(jī)制，識(shí)別可能的網(wǎng)絡(luò)

問題和故障，以提升網(wǎng)絡(luò)的適應(yīng)能力。而當(dāng)前網(wǎng)絡(luò)往往缺少一種持續(xù)優(yōu)化網(wǎng)

絡(luò)控制和管理機(jī)制、識(shí)別可能的網(wǎng)絡(luò)問題和故障的有效方法，這樣可能導(dǎo)致

網(wǎng)絡(luò)運(yùn)行僵化、故障識(shí)別滯后，造成不必要的經(jīng)濟(jì)和社會(huì)損失。

1.3網(wǎng)絡(luò)智能和網(wǎng)絡(luò)自治的需求分析

（1）網(wǎng)絡(luò)智能的需求分析

6G網(wǎng)絡(luò)的應(yīng)用場(chǎng)景，如元宇宙、數(shù)字孿生、全息通信、智慧城市、智慧

交通、智慧家庭等，為了給用戶提供更好的服務(wù)體驗(yàn)，需要利用AI技術(shù)增強(qiáng)

應(yīng)用場(chǎng)景的服務(wù)能力。眾多6G應(yīng)用的智能需求需要優(yōu)質(zhì)的AI模型算法和海

量數(shù)據(jù)作為輸入，通過強(qiáng)大的算力進(jìn)行AI訓(xùn)練和推理，提高智能服務(wù)效率。

5

例如：在如智慧交通場(chǎng)景中，對(duì)于自動(dòng)駕駛場(chǎng)景需要計(jì)算密集型的AI，

車輛需要不斷感知周圍環(huán)境、車況、路況等，采集海量的環(huán)境數(shù)據(jù)做復(fù)雜計(jì)

算，同時(shí)由于自動(dòng)駕駛場(chǎng)景的高實(shí)時(shí)性要求，需要網(wǎng)絡(luò)快速處理大量數(shù)據(jù)并

做出準(zhǔn)確及時(shí)的推理。在數(shù)字孿生場(chǎng)景中，需要對(duì)物理空間進(jìn)行描述、診斷、

預(yù)測(cè)、決策進(jìn)而實(shí)現(xiàn)物理空間與虛擬空間的交互映射，對(duì)物理實(shí)體的智能感

知，需要智能化傳感器實(shí)現(xiàn)自維護(hù)、自感知、自采集，依靠強(qiáng)大算力對(duì)海量

數(shù)據(jù)進(jìn)行智能處理和分析，從而實(shí)現(xiàn)精準(zhǔn)、可靠的數(shù)字建模。此外，數(shù)字孿

生體需要對(duì)物理世界進(jìn)行仿真，通過AI模型在數(shù)字世界進(jìn)行智能診斷和預(yù)測(cè)，

得出仿真結(jié)果再作用到物理世界中。

基于上述網(wǎng)絡(luò)智能需求得到如下智能服務(wù)需求：

-以用戶為中心，對(duì)場(chǎng)景、業(yè)務(wù)、用戶需求和通信資源進(jìn)行精確感知和

判斷，以指導(dǎo)網(wǎng)絡(luò)資源的智能生成，提供精準(zhǔn)、可定制的服務(wù)。

-依據(jù)智能感知得到的信息（例如：場(chǎng)景、用戶、業(yè)務(wù)、通信資源），

智能生成網(wǎng)絡(luò)資源，靈活構(gòu)建網(wǎng)絡(luò)架構(gòu)和功能，以實(shí)現(xiàn)網(wǎng)絡(luò)資源對(duì)場(chǎng)景、用

戶與業(yè)務(wù)需求的精確適配和保障。

-對(duì)網(wǎng)絡(luò)資源進(jìn)行動(dòng)態(tài)和高效的調(diào)度，實(shí)現(xiàn)對(duì)智能生成的網(wǎng)絡(luò)資源的最

優(yōu)使用，取得最大效能。

-實(shí)現(xiàn)不同網(wǎng)絡(luò)資源之間的協(xié)作、配合與互通，實(shí)現(xiàn)網(wǎng)絡(luò)服務(wù)和能力的

最優(yōu)化。

（2）網(wǎng)絡(luò)自治的需求分析：

自治網(wǎng)絡(luò)在5G時(shí)代已經(jīng)漸成共識(shí)，業(yè)界標(biāo)準(zhǔn)組織、運(yùn)營(yíng)商和設(shè)備商已啟

動(dòng)相關(guān)研究和探索。隨著技術(shù)的發(fā)展和軟硬件能力的大幅提升，6G應(yīng)用將出

現(xiàn)多樣化的趨勢(shì)，如云XR、全息通信、智慧交互和全域覆蓋等，這就對(duì)網(wǎng)絡(luò)

的時(shí)延、可靠性、吞吐量、連接數(shù)密度等指標(biāo)提出了不同的需求。同時(shí)，6G

網(wǎng)絡(luò)需根據(jù)全社會(huì)、全行業(yè)、全生態(tài)的業(yè)務(wù)場(chǎng)景，針對(duì)不同垂直行業(yè)場(chǎng)景的

6

實(shí)際需求，提供滿足業(yè)務(wù)場(chǎng)景差異化需求的網(wǎng)絡(luò)能力，因此，6G網(wǎng)絡(luò)需要提

供更高的靈活性，滿足網(wǎng)絡(luò)自治的能力。

基于上述網(wǎng)絡(luò)自治需求得到如下智能運(yùn)維需求：

-網(wǎng)絡(luò)的運(yùn)維管理通過網(wǎng)絡(luò)自身實(shí)現(xiàn)，自動(dòng)動(dòng)態(tài)調(diào)整以適應(yīng)網(wǎng)絡(luò)業(yè)務(wù)與

狀態(tài)變化，將人工干預(yù)降到最低，實(shí)現(xiàn)零接觸“zero-touch”的網(wǎng)絡(luò)智能運(yùn)

行。

-自主實(shí)現(xiàn)意圖處理(IntentHandling)、感知(Awareness)、分析

（Analysis)、決策(Decision)和執(zhí)行(Execution)的網(wǎng)絡(luò)優(yōu)化工作流程，實(shí)

現(xiàn)完全的網(wǎng)絡(luò)自治。

-按照功能、服務(wù)、地域等劃分成多個(gè)網(wǎng)絡(luò)自治域，允許不同網(wǎng)絡(luò)自治

域之間的協(xié)同交互，以實(shí)現(xiàn)資源的聯(lián)動(dòng)與優(yōu)化，提高服務(wù)或網(wǎng)絡(luò)整體性能。

-滿足高可靠性、實(shí)時(shí)性和安全性的運(yùn)維需求。

2全場(chǎng)景智適應(yīng)6G網(wǎng)絡(luò)的適應(yīng)能力

2.1概述

5G網(wǎng)絡(luò)從三大應(yīng)用場(chǎng)景入手（eMBB、uRLLC、mMTC），拉開了移動(dòng)通信網(wǎng)

絡(luò)與行業(yè)場(chǎng)景深度融合的序幕。6G網(wǎng)絡(luò)將在進(jìn)一步加強(qiáng)網(wǎng)絡(luò)自身能力的基礎(chǔ)

上，面向更多場(chǎng)景進(jìn)行更深入的融合，向全社會(huì)、全行業(yè)、全生態(tài)等提供隨

需的服務(wù)。

面對(duì)萬千場(chǎng)景千差萬別的需求和網(wǎng)絡(luò)綠色節(jié)能的要求，網(wǎng)絡(luò)如何精準(zhǔn)適應(yīng)

網(wǎng)絡(luò)場(chǎng)景需求，提供按需的網(wǎng)絡(luò)服務(wù)，逐漸凝聚出6G網(wǎng)絡(luò)適應(yīng)能力研究的

6G研究新方向。相較5G及之前的網(wǎng)絡(luò)能力和關(guān)鍵技術(shù)研究，網(wǎng)絡(luò)適應(yīng)能力

是伴隨6G研究首次出現(xiàn)的新的研究方向，對(duì)移動(dòng)通信網(wǎng)絡(luò)從以連接為中心，

向以用戶為中心具有重大影響。

7

2.26G網(wǎng)絡(luò)適應(yīng)能力

6G網(wǎng)絡(luò)性能的研究，一方面延續(xù)了歷代移動(dòng)通信系統(tǒng)研究的方式，在速

率、時(shí)延、密度、可靠性等網(wǎng)絡(luò)的傳統(tǒng)連接性能方面進(jìn)一步提高網(wǎng)絡(luò)能力。

另一方面，對(duì)于同等重要的數(shù)據(jù)、AI和計(jì)算等新型網(wǎng)絡(luò)能力的指標(biāo)，以及網(wǎng)

絡(luò)適應(yīng)能力的度量和保障指標(biāo)也在不斷探索中。

2.2.1網(wǎng)絡(luò)適應(yīng)能力的定義

5G及歷代移動(dòng)通信系統(tǒng)中，沒有網(wǎng)絡(luò)適應(yīng)能力的定義，網(wǎng)絡(luò)適應(yīng)能力是

世界6G研究領(lǐng)域的全新問題。因此，6G網(wǎng)絡(luò)適應(yīng)能力研究的首要問題是研

究?jī)?nèi)容和范圍的定義。結(jié)合目前的研究進(jìn)展和成果，本白皮書對(duì)網(wǎng)絡(luò)適應(yīng)能

力的定義如下：

6G網(wǎng)絡(luò)的適應(yīng)能力，指的是網(wǎng)絡(luò)可以對(duì)不同社會(huì)/行業(yè)場(chǎng)景進(jìn)行針對(duì)性

的構(gòu)建網(wǎng)絡(luò)架構(gòu)和功能，提供滿足需求的服務(wù)，體現(xiàn)為滿足社會(huì)/行業(yè)場(chǎng)景需

求的數(shù)量和程度。進(jìn)一步的，6G網(wǎng)絡(luò)的適應(yīng)能力可以分解為：基礎(chǔ)適應(yīng)能力

（邊界容納能力）和智能適應(yīng)能力（自主調(diào)整能力）。

網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力，即網(wǎng)絡(luò)可以提供服務(wù)的能力邊界和能力顆粒度。網(wǎng)

絡(luò)能力邊界的范圍，決定了網(wǎng)絡(luò)能力可以覆蓋哪些社會(huì)/行業(yè)場(chǎng)景需求，網(wǎng)絡(luò)

可提供的網(wǎng)絡(luò)服務(wù)是否適應(yīng)社會(huì)/行業(yè)場(chǎng)景需求。網(wǎng)絡(luò)服務(wù)能力邊界范圍越大，

以及能力顆粒度越細(xì)，可服務(wù)的社會(huì)/行業(yè)場(chǎng)景越多，以及對(duì)社會(huì)/行業(yè)場(chǎng)景

的能力需求支持程度越大。網(wǎng)絡(luò)基礎(chǔ)服務(wù)適應(yīng)能力可分解為峰值速率、時(shí)延、

定位精度和可靠性等技術(shù)指標(biāo)。

網(wǎng)絡(luò)智能適應(yīng)能力即為網(wǎng)絡(luò)在網(wǎng)絡(luò)基礎(chǔ)服務(wù)能力的范圍內(nèi)，針對(duì)不同社

會(huì)/行業(yè)場(chǎng)景的個(gè)性化和智能化需求，對(duì)網(wǎng)絡(luò)架構(gòu)、資源進(jìn)行自主的編排，自

主適應(yīng)社會(huì)/行業(yè)場(chǎng)景的個(gè)性需求和智能需求的能力。

2.2.2網(wǎng)絡(luò)適應(yīng)能力指標(biāo)體系

網(wǎng)絡(luò)適應(yīng)能力指標(biāo)應(yīng)從多維度來考量，體現(xiàn)6G網(wǎng)絡(luò)用戶的需求，以及6G

8

網(wǎng)絡(luò)的能力。在網(wǎng)絡(luò)適應(yīng)能力的定義中，網(wǎng)絡(luò)適應(yīng)能力對(duì)應(yīng)的分為了兩部分，

網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力和網(wǎng)絡(luò)智能適應(yīng)能力，因此指標(biāo)體系也將此兩方面進(jìn)行定

義。

（1）網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力

從網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力的定義中可以看出，網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力是網(wǎng)絡(luò)資源對(duì)

網(wǎng)絡(luò)用戶需求的適應(yīng)能力，因此，網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力的多項(xiàng)指標(biāo)與網(wǎng)絡(luò)性能

KPI重疊，但兩者有明顯的區(qū)別。根據(jù)目前跟蹤業(yè)界對(duì)6G網(wǎng)絡(luò)的研究進(jìn)展，

選取的網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力指標(biāo)如下表所示。

表1.網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力指標(biāo).

維度量化指標(biāo)5G6G

陸地約20%;地球表

1）覆蓋地球表面積100%

面積約6%

2）時(shí)延毫秒級(jí)時(shí)延0.1ms

3）抖動(dòng)微秒微秒，可靠性99.99999%

連接峰值速率Tbit/s級(jí)

4）速率Gbit/s

（可擴(kuò)用戶體驗(yàn)速率100Gbit/s

展）

5）移動(dòng)性500km/h1000km/h

6）定位精度亞米級(jí)厘米級(jí)

7）連接密度100萬/km21億/km3

8）能效/比特傳輸能效

網(wǎng)絡(luò)基

網(wǎng)絡(luò)算力、終端算力、第三方算

礎(chǔ)適應(yīng)1）算力總量RAN、CN各自算力

力

能力

2）算力能效/綠色低碳6G

計(jì)算

3）算力使用率各自使用算網(wǎng)融合統(tǒng)一使用

4）算力調(diào)度準(zhǔn)確

各自調(diào)度算力網(wǎng)絡(luò)統(tǒng)一調(diào)度

率

1）數(shù)據(jù)種類域內(nèi)隔離，業(yè)務(wù)隔離跨域跨業(yè)務(wù)流通數(shù)據(jù)

數(shù)據(jù)2）數(shù)據(jù)利用率業(yè)務(wù)數(shù)據(jù)隔離跨域、跨業(yè)務(wù)數(shù)據(jù)編織

3）安全隱私級(jí)數(shù)//

算法較少(感知;解

1）算法數(shù)量豐富

AI析;適配)

2）算法準(zhǔn)確率較低較高

9

6G網(wǎng)絡(luò)KPI的研究相較6G網(wǎng)絡(luò)適應(yīng)能力的研究要超前一些。而由于網(wǎng)絡(luò)

適應(yīng)能力的指標(biāo)中，有部分指標(biāo)與網(wǎng)絡(luò)KPI指標(biāo)存在一定重疊，且網(wǎng)絡(luò)適應(yīng)

能力還沒有較精準(zhǔn)的定義和指標(biāo)。因此，在研究過程中，總會(huì)使研究者對(duì)兩

者的關(guān)系產(chǎn)生困惑，產(chǎn)生網(wǎng)絡(luò)適應(yīng)能力與網(wǎng)絡(luò)KPI沒有太大區(qū)別的誤解。根

據(jù)我們目前的研究，兩者的關(guān)系的主要區(qū)別在于：

網(wǎng)絡(luò)KPI的指標(biāo)，諸如移動(dòng)性、速率、時(shí)延等，均是網(wǎng)絡(luò)性能的最大值，

是衡量網(wǎng)絡(luò)建設(shè)是否達(dá)到了建設(shè)前期設(shè)定的目標(biāo)值。

網(wǎng)絡(luò)適應(yīng)能力，是網(wǎng)絡(luò)對(duì)用戶需求精確適應(yīng)，按需提供服務(wù)的能力，并不

是提供的服務(wù)越大越強(qiáng)就越好，更關(guān)注需求滿足的精準(zhǔn)精確。其中的一些指

標(biāo)，如移動(dòng)性、速率、時(shí)延等，與網(wǎng)絡(luò)KPI最大性能的指標(biāo)重疊，但只是指

最大適應(yīng)的能力邊界，除此之外，還對(duì)控制顆粒度等問題有較大關(guān)注，邊界

反而只是其中之一，精確精準(zhǔn)的能力更是與網(wǎng)絡(luò)KPI有著本質(zhì)的區(qū)別。

（2）智能適應(yīng)能力

針對(duì)網(wǎng)絡(luò)智能適應(yīng)能力,從四個(gè)維度進(jìn)行研究，分別為智能感知、智能解

析、智能適配和智能自演進(jìn)，其定義分別如下：

智能感知：對(duì)業(yè)務(wù)需求等全方位感知，進(jìn)行網(wǎng)絡(luò)模型的適配。針對(duì)已有的

行業(yè)，6G網(wǎng)絡(luò)完成其網(wǎng)絡(luò)模型的定義；網(wǎng)絡(luò)智能感知功能選擇一個(gè)已有的網(wǎng)

絡(luò)模型。針對(duì)新的行業(yè)，網(wǎng)絡(luò)智能感知功能從已有的6G網(wǎng)絡(luò)模型中選擇一個(gè)

最為貼合需求的模型（從資源需求維度進(jìn)行判斷選擇）。

智能解析：將感知到的業(yè)務(wù)需求轉(zhuǎn)譯為網(wǎng)絡(luò)模型和資源方面需求。已有行

業(yè)將不需要此步驟；針對(duì)新的行業(yè)，此步驟將感知的需求，轉(zhuǎn)譯為網(wǎng)絡(luò)模型

各維度和新增維度的網(wǎng)絡(luò)資源需求。智能解析的指標(biāo)為智能轉(zhuǎn)譯的準(zhǔn)確率。

智能適配：根據(jù)適配于行業(yè)的網(wǎng)絡(luò)模型下發(fā)網(wǎng)絡(luò)功能實(shí)體和終端(例如機(jī)

器設(shè)備)的配置參數(shù)，持續(xù)對(duì)網(wǎng)絡(luò)監(jiān)控、評(píng)估和優(yōu)化。針對(duì)已有行業(yè)，根據(jù)適

配于行業(yè)的網(wǎng)絡(luò)模型下發(fā)網(wǎng)絡(luò)功能實(shí)體和終端(例如機(jī)器設(shè)備)的配置參數(shù)，

10

持續(xù)對(duì)網(wǎng)絡(luò)監(jiān)控、評(píng)估和優(yōu)化。針對(duì)新的行業(yè)，根據(jù)網(wǎng)絡(luò)資源需求，將網(wǎng)絡(luò)

模型原有各維度參數(shù)和新增維度的參數(shù)，下發(fā)為網(wǎng)絡(luò)功能實(shí)體和終端(例如機(jī)

器設(shè)備)配置參數(shù)，持續(xù)監(jiān)控、評(píng)估、優(yōu)化。

智能自演進(jìn)：形成新的網(wǎng)絡(luò)模型的能力。經(jīng)過優(yōu)化迭代，針對(duì)新行業(yè)形成

新的網(wǎng)絡(luò)模型。

表2網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力指標(biāo)

維度量化指標(biāo)5G6G

1）感知行業(yè)數(shù)量

智能感知暫無通感一體；用例自生成

2）感知準(zhǔn)確率

1）控制面資源轉(zhuǎn)譯準(zhǔn)確率

智能解析2）用戶面資源轉(zhuǎn)譯準(zhǔn)確率暫無智能內(nèi)生；功能原子化

3）AI資源轉(zhuǎn)譯準(zhǔn)確率

網(wǎng)絡(luò)智能

適應(yīng)能力

1）配置創(chuàng)建成功率

2）資源配置準(zhǔn)確率

智能適配3）優(yōu)化提升百分比/按需配置

4）感知-創(chuàng)建時(shí)長(zhǎng)

5）已有網(wǎng)絡(luò)影響程度

1）新網(wǎng)絡(luò)模型準(zhǔn)確率

智能自演進(jìn)暫無智能內(nèi)生

2）形成新模型時(shí)長(zhǎng)

2.36G網(wǎng)絡(luò)適應(yīng)能力與網(wǎng)絡(luò)智能

在6G網(wǎng)絡(luò)能力研究中，6G網(wǎng)絡(luò)除了提供更強(qiáng)的連接服務(wù)外，還將提供

數(shù)據(jù)、AI、計(jì)算等多項(xiàng)服務(wù)，為6G網(wǎng)絡(luò)用戶及自身的業(yè)務(wù)提供服務(wù)保障。面

對(duì)多樣的服務(wù)能力和復(fù)雜的網(wǎng)絡(luò)場(chǎng)景，以網(wǎng)絡(luò)為主的傳統(tǒng)方式將面臨巨大挑

戰(zhàn)。因此，6G網(wǎng)絡(luò)將轉(zhuǎn)變?yōu)橐杂脩魹橹行?，根?jù)場(chǎng)景和用戶的需求，網(wǎng)絡(luò)個(gè)

性化的提供精準(zhǔn)的服務(wù)，網(wǎng)絡(luò)去適應(yīng)用戶，而非用戶順從網(wǎng)絡(luò)。

11

6G智能內(nèi)生網(wǎng)絡(luò)使用微服務(wù)等技術(shù)，重新劃分網(wǎng)絡(luò)功能和服務(wù)，使得網(wǎng)

絡(luò)功能與服務(wù)的顆粒細(xì)化，實(shí)現(xiàn)網(wǎng)絡(luò)功能和服務(wù)的細(xì)粒度地柔性分割和按需

擴(kuò)展。在分層的網(wǎng)絡(luò)架構(gòu)中，網(wǎng)絡(luò)功能和服務(wù)通過能力分級(jí)，不同層的網(wǎng)絡(luò)

部署不同級(jí)別的網(wǎng)絡(luò)功能和服務(wù)，既為網(wǎng)絡(luò)功能的高效交互提供了支持，又

清晰界定了不同層的網(wǎng)絡(luò)功能和服務(wù)的能力范圍。使得跨層跨域的功能交互

具有功能一致性，具備跨層跨域高效交互的能力，更高層級(jí)在解決局部網(wǎng)絡(luò)

問題時(shí)，提出全局最優(yōu)的解決方案。在中央智能與邊緣智能的網(wǎng)絡(luò)中，通過

邊緣智能網(wǎng)絡(luò)的自主感知，為本地及中央超腦提供源源不斷的高質(zhì)量數(shù)據(jù)。

在邊緣網(wǎng)絡(luò)的構(gòu)建過程中，通過自主精準(zhǔn)感知場(chǎng)景細(xì)致差異，針對(duì)不同社會(huì)、

行業(yè)等場(chǎng)景的差異，精準(zhǔn)適應(yīng)場(chǎng)景對(duì)網(wǎng)絡(luò)能力和服務(wù)的需求?；谥悄軆?nèi)生，

6G網(wǎng)絡(luò)自構(gòu)建最適配的網(wǎng)絡(luò)架構(gòu)，提供極細(xì)粒度的網(wǎng)絡(luò)功能和服務(wù)供給，精

準(zhǔn)實(shí)例化滿足需求的網(wǎng)絡(luò)功能和服務(wù)，實(shí)現(xiàn)網(wǎng)絡(luò)架構(gòu)、功能和服務(wù)的自構(gòu)建

和精準(zhǔn)適應(yīng)，以及網(wǎng)絡(luò)資源的高效利用和服務(wù)的精準(zhǔn)保障。

在6G智能網(wǎng)絡(luò)的服務(wù)用例適應(yīng)方面，6G智能網(wǎng)絡(luò)通過網(wǎng)絡(luò)服務(wù)用例的

管理將服務(wù)用例部署到網(wǎng)絡(luò)中，網(wǎng)絡(luò)編排管理功能或協(xié)同管控功能，根據(jù)服

務(wù)用例的描述按需調(diào)配網(wǎng)絡(luò)元素（包括數(shù)據(jù)、算法、算力、連接等）以適應(yīng)

滿足該用例的性能需求。網(wǎng)絡(luò)服務(wù)用例是用戶在對(duì)應(yīng)場(chǎng)景下向網(wǎng)絡(luò)提出的一

次服務(wù)請(qǐng)求，一個(gè)服務(wù)用例可能涉及到一類或多類網(wǎng)絡(luò)內(nèi)生服務(wù)（如AI服務(wù)、

計(jì)算服務(wù)、連接服務(wù)）的調(diào)用。

3基于智能生成與自治的6G智適應(yīng)網(wǎng)絡(luò)架構(gòu)

3.16G網(wǎng)絡(luò)架構(gòu)的智能

作為5G移動(dòng)通信網(wǎng)絡(luò)的進(jìn)一步演進(jìn)，6G網(wǎng)絡(luò)將具有智能內(nèi)生的特征，

即：網(wǎng)絡(luò)的控制、服務(wù)與運(yùn)維等借助人工智能（AI）/機(jī)器學(xué)習(xí)（ML）等技術(shù)

12

實(shí)現(xiàn)智能化和自動(dòng)化。6G智能內(nèi)生網(wǎng)絡(luò)架構(gòu)可以基于智能自治域和智能生成

域來實(shí)現(xiàn)。

6G智能生成域(IGD:IntelligentGenerativeDomain)的主要特征是依

據(jù)外部與內(nèi)部需求，智能生成和調(diào)度資源，以滿足6G系統(tǒng)通信和智能業(yè)務(wù)的

需要。6G智能自治域(IAD:IntelligentAutonomousDomain)的主要特征是

網(wǎng)絡(luò)自身自動(dòng)自主地進(jìn)行運(yùn)維管理，動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)配置以適應(yīng)網(wǎng)絡(luò)業(yè)務(wù)與狀

態(tài)的變化，將人工干預(yù)降到最低。第3.2、3.3和3.4節(jié)依次對(duì)智能生成域、

6G智能自治域以及雙域之間的交互進(jìn)行詳細(xì)介紹。

3.2智能生成域

智能生成域指的是網(wǎng)絡(luò)執(zhí)行智能生成功能的邏輯域。智能生成過程包括

網(wǎng)絡(luò)根據(jù)感知、數(shù)據(jù)采集等獲得信息，智能地分析網(wǎng)絡(luò)行為在連接、計(jì)算、

數(shù)據(jù)、算法、安全等一種或多種要素需求，在架構(gòu)、功能、服務(wù)、資源、協(xié)

同關(guān)系等方面精準(zhǔn)分析適配網(wǎng)絡(luò)需求，智能生成網(wǎng)絡(luò)行為描述模板。

智能生成域負(fù)責(zé)6G網(wǎng)絡(luò)的智能按需生成，智能生成域的構(gòu)建是實(shí)現(xiàn)6G

智慧內(nèi)生網(wǎng)絡(luò)的核心關(guān)鍵基礎(chǔ)問題。智能生成域與網(wǎng)絡(luò)傳統(tǒng)的接入網(wǎng)域、核

心網(wǎng)域等網(wǎng)絡(luò)實(shí)體功能域不同，其是一個(gè)邏輯功能域，通過泛在的網(wǎng)絡(luò)資源

和內(nèi)生智能，智能生成網(wǎng)絡(luò)執(zhí)行描述模板。網(wǎng)絡(luò)依據(jù)網(wǎng)絡(luò)執(zhí)行描述模板中的

執(zhí)行內(nèi)容，進(jìn)行網(wǎng)絡(luò)行為。網(wǎng)絡(luò)執(zhí)行行為可以是一次網(wǎng)絡(luò)計(jì)算資源調(diào)整、一

次網(wǎng)絡(luò)功能創(chuàng)建、一次子網(wǎng)構(gòu)造等。智能生成域的工作流程示例如圖1所示，

具體過程詳細(xì)描述如下：

13

圖1.智能生成域工作流程示例.

（1）感知：6G網(wǎng)絡(luò)將實(shí)現(xiàn)通信感知一體化。通過泛在的感知設(shè)備、感

知信號(hào)、遙測(cè)信令等，對(duì)網(wǎng)絡(luò)用戶/場(chǎng)景進(jìn)行全方位的需求感知。

（2）分析：根據(jù)網(wǎng)絡(luò)無時(shí)無刻的感知數(shù)據(jù)，6G網(wǎng)絡(luò)基于內(nèi)生智能得到

用戶/場(chǎng)景等的精準(zhǔn)需求，并通過6NAI（6GNetworkAdaptabilityIndex，

6G網(wǎng)絡(luò)適應(yīng)能力索引）索引參數(shù)描述，用于指導(dǎo)后續(xù)網(wǎng)絡(luò)執(zhí)行行為。6NAI的

組成主要分為連接、計(jì)算、數(shù)據(jù)、智能和安全等部分，分別對(duì)應(yīng)不同用戶在

連接、計(jì)算、數(shù)據(jù)、智能和安全等各部分的需求。

（3）適配：基于6NAI要求，6G網(wǎng)絡(luò)自構(gòu)建所對(duì)應(yīng)的架構(gòu)、功能、硬件

資源等網(wǎng)絡(luò)資源要素，將網(wǎng)絡(luò)需求適配為網(wǎng)絡(luò)可理解的參數(shù)。

（4）生成：根據(jù)網(wǎng)絡(luò)參數(shù)，網(wǎng)絡(luò)生成下一步的執(zhí)行動(dòng)作集，即網(wǎng)絡(luò)執(zhí)行

描述模板。網(wǎng)絡(luò)執(zhí)行描述模板揭示了面向全行業(yè)、全社會(huì)、全生態(tài)的業(yè)務(wù)需

求、網(wǎng)絡(luò)資源及接入方式等網(wǎng)絡(luò)元素之間的關(guān)聯(lián)關(guān)系，以及網(wǎng)絡(luò)狀態(tài)的轉(zhuǎn)移

關(guān)系，是智能生成域與網(wǎng)絡(luò)自治域之間進(jìn)行網(wǎng)絡(luò)狀態(tài)預(yù)測(cè)與反饋的依據(jù)。

3.3智能自治域

14

自治域是能夠?qū)崿F(xiàn)特定網(wǎng)絡(luò)操作生命周期的閉環(huán)自動(dòng)化的網(wǎng)絡(luò)功能的業(yè)

務(wù)配置。換句話說，它們是網(wǎng)絡(luò)資源閉環(huán)的實(shí)例化，執(zhí)行網(wǎng)絡(luò)資源和功能的

自動(dòng)管理。自治域根據(jù)每個(gè)通信服務(wù)提供商（CSP：CommunicationService

Provider）的業(yè)務(wù)邏輯將網(wǎng)絡(luò)劃分為一組協(xié)作域。比如，從無線接入網(wǎng)角度

看，自治域包括RAN，CN，TN的閉環(huán)，從業(yè)務(wù)角度看包括網(wǎng)絡(luò)切片、NB-IOT、

AR/VR等。

自治域的基本特征包括供上層用戶使用這些自治功能的服務(wù)化開放接口

（API）以及維護(hù)該域相關(guān)服務(wù)和資源實(shí)例的清單，并且代表相同邏輯的網(wǎng)元

應(yīng)位于一個(gè)且僅一個(gè)自治域中。

通過人工智能等技術(shù)的引入，6G自治網(wǎng)絡(luò)的最終目標(biāo)是構(gòu)建一個(gè)具備跨

多業(yè)務(wù)、多領(lǐng)域、全生命周期的全場(chǎng)景閉環(huán)自治能力的網(wǎng)絡(luò)，并實(shí)現(xiàn)完全自

治。自治域作為網(wǎng)絡(luò)的基礎(chǔ)單元，通過人工智能等技術(shù)的引入，實(shí)現(xiàn)網(wǎng)絡(luò)，

服務(wù)，業(yè)務(wù)的智能化，并推動(dòng)通信網(wǎng)絡(luò)向自配置、自治愈、自優(yōu)化、自演進(jìn)

的新一代網(wǎng)絡(luò)發(fā)展，從而進(jìn)化成面向全社會(huì)、全行業(yè)、全生態(tài)的智能網(wǎng)絡(luò)“智

能自治域”。

為了滿足不同客戶和應(yīng)用場(chǎng)景對(duì)通信網(wǎng)絡(luò)的差異化服務(wù)能力的需求，服

務(wù)化技術(shù)，超大規(guī)模天線技術(shù)，人工智能技術(shù)的引入，讓6G網(wǎng)絡(luò)部署更加動(dòng)

態(tài)和復(fù)雜。為了降低網(wǎng)絡(luò)復(fù)雜性，自治網(wǎng)絡(luò)分解為多個(gè)智能自治域，這些域

通過意圖驅(qū)動(dòng)的接口與其他層/域/用戶交互。此外，隨著智能的分布化、云

計(jì)算的分布式發(fā)展,要求新的連接、新的網(wǎng)絡(luò)也向分布式逐漸演進(jìn)。在分布

有眾多節(jié)點(diǎn)(例如終端、邊緣網(wǎng)絡(luò)設(shè)備、云端設(shè)備)的智能網(wǎng)絡(luò)系統(tǒng)中，每個(gè)

節(jié)點(diǎn)都具有高度自治的特征，并且可以滿足邊緣自治的高實(shí)時(shí)性需求。節(jié)點(diǎn)

之間彼此可以自由連接，形成新的連接，這些節(jié)點(diǎn)組成的網(wǎng)絡(luò)連接也可成為

一個(gè)智能網(wǎng)絡(luò)自治域。如圖2所示。

15

圖2.智能自治域分布式體系和基本框架.

智能自治域是一種自治系統(tǒng)的實(shí)例化，通過在SLA和意圖業(yè)務(wù)目標(biāo)的驅(qū)

動(dòng)下持續(xù)有效地感知和分析，借助AI/ML能力做出決策，并不斷地配置、修

復(fù)和優(yōu)化網(wǎng)絡(luò)，從而構(gòu)建出具有全場(chǎng)景閉環(huán)自治能力的網(wǎng)絡(luò)。智能自治域可

以動(dòng)態(tài)適應(yīng)環(huán)境的變化，并且優(yōu)化和個(gè)性化所提供服務(wù)的最終用戶體驗(yàn)，并

且從整體上提高了6G網(wǎng)絡(luò)的敏捷性、安全性和彈性。

3.4雙域互動(dòng)

6G網(wǎng)絡(luò)可以依據(jù)網(wǎng)絡(luò)形態(tài)、服務(wù)區(qū)域或其它特征劃分為多個(gè)智能自治域

或智能生成域，例如：

1）依據(jù)網(wǎng)絡(luò)形態(tài)：接入網(wǎng)(AN)和核心網(wǎng)(CN)可以作為兩個(gè)不同的智能自

治域或智能生成域；終端之間直接通信的子網(wǎng)可以作為獨(dú)立的智能自治域或

智能生成域；

2）依據(jù)服務(wù)區(qū)域或服務(wù)對(duì)象：服務(wù)于不同區(qū)域的邊緣(/本地)網(wǎng)絡(luò)可以

作為不同的智能自治域或智能生成域；虛擬(/專用)子網(wǎng)可以作為獨(dú)立的智能

自治域或智能生成域；

16

3）依據(jù)支持的業(yè)務(wù)和應(yīng)用場(chǎng)景：支持不同業(yè)務(wù)的子網(wǎng)絡(luò)（類似與5G系

統(tǒng)中的網(wǎng)絡(luò)切片）可以作為不同的智能自治域或智能生成域?？梢砸罁?jù)業(yè)務(wù)

的智能化需求，按照業(yè)務(wù)類別的不同劃分不同粒度的智能自治域或智能生成

域，例如分別用于支持公共安全業(yè)務(wù)、智慧醫(yī)療、智慧工廠的子網(wǎng)絡(luò)可以作

為不同的智能自治域或智能生成域。

6G智能生成域與智能自治域之間可以互通與協(xié)作，例如：智能生成域可

以感知智能自治域的資源狀態(tài)，進(jìn)行業(yè)務(wù)需求與資源狀態(tài)的適配和分析，并

將生成的資源配置決策輸入到智能自治域，以輔助智能自治域?qū)崿F(xiàn)自治，如

圖3所示。

圖3.智能自治域與智能生成域的互動(dòng).

不同運(yùn)營(yíng)商的網(wǎng)絡(luò)也可以作為不同的智能生成域或自治網(wǎng)絡(luò)域，通過域

間互通與協(xié)同，提高漫游場(chǎng)景下的智能通信性能和業(yè)務(wù)體驗(yàn)。

46G網(wǎng)絡(luò)智能自治的智能無線組網(wǎng)

由于高頻段的使用，基站的覆蓋范圍相比5G將更小，站間距將更小，6G

17

無線網(wǎng)絡(luò)將是超高密集的網(wǎng)絡(luò)，基站數(shù)量將非常多。由于網(wǎng)絡(luò)節(jié)點(diǎn)高度異構(gòu)，

使得網(wǎng)絡(luò)結(jié)構(gòu)非常復(fù)雜。將支持更多類型、具有高度異構(gòu)QoS要求的業(yè)務(wù)，

支持更高的移動(dòng)速度、更高的連接密度、更高的數(shù)據(jù)速率、更高的可靠性、

更低的時(shí)延，使得6G無線網(wǎng)絡(luò)的系統(tǒng)參數(shù)數(shù)量將非常龐大。這些因素，導(dǎo)致

其在網(wǎng)絡(luò)規(guī)劃、部署、優(yōu)化、故障恢復(fù)等方面，相比于現(xiàn)有系統(tǒng)，復(fù)雜度有

非常顯著的增加。6G無線網(wǎng)絡(luò)是智慧內(nèi)生的無線網(wǎng)絡(luò)，具備強(qiáng)大的數(shù)據(jù)采集、

存儲(chǔ)、分析、處理能力，使得人工智能和大數(shù)據(jù)的應(yīng)用，以及通過無線網(wǎng)絡(luò)

自動(dòng)駕駛（包括網(wǎng)絡(luò)規(guī)劃、部署、優(yōu)化、故障恢復(fù)的自治）實(shí)現(xiàn)智能無線網(wǎng)

絡(luò)組網(wǎng)成為可能。

4.1無線網(wǎng)絡(luò)智能規(guī)劃

無線網(wǎng)絡(luò)規(guī)劃是在網(wǎng)絡(luò)部署前，對(duì)基站位置、數(shù)量的規(guī)劃。需要考慮包

括網(wǎng)絡(luò)部署成本和網(wǎng)絡(luò)性能在內(nèi)的多個(gè)因素，以確定適當(dāng)?shù)幕緮?shù)量和最佳

的部署位置，以滿足覆蓋和初始容量的需求。

在6G無線網(wǎng)絡(luò)中，隨著網(wǎng)絡(luò)的密集化與異構(gòu)性的不斷發(fā)展，覆蓋的立體

化，以及網(wǎng)絡(luò)基礎(chǔ)設(shè)施的移動(dòng)性，網(wǎng)絡(luò)層數(shù)和基站數(shù)量急劇增加，網(wǎng)絡(luò)拓?fù)?/p>

時(shí)變、復(fù)雜，每個(gè)基站服務(wù)的用戶數(shù)量很少，用戶在時(shí)間和空間上的分布更

為不均勻，使得基站規(guī)劃問題變得更加復(fù)雜。

目前的基站規(guī)劃通常采用的方法包括遺傳算法（GeneticAlgorithm，GA）、

粒子群優(yōu)化（ParticleSwarmOptimization，PSO）和人工免疫（ArtificialImmune

System，AIS）等，但大多基于用戶均勻分布的假設(shè)。然而實(shí)際用戶分布往往

是不均勻的，不均勻的用戶分布對(duì)多層網(wǎng)絡(luò)的部署影響顯著。。

在用戶分布不均勻的場(chǎng)景下，可以基于增強(qiáng)型人工免疫策略用于多層無線

網(wǎng)絡(luò)的基站規(guī)劃。首先對(duì)規(guī)劃區(qū)域進(jìn)行覆蓋規(guī)劃和容量規(guī)劃，以獲得滿足覆

蓋規(guī)劃和容量規(guī)劃所得的初始基站數(shù)量，然后，基于增強(qiáng)型人工免疫策略進(jìn)

行冗余基站的刪除，在滿足網(wǎng)絡(luò)覆蓋與容量需求的前提下，使得網(wǎng)絡(luò)部署成

18

本最低。

4.2無線網(wǎng)絡(luò)智能部署

6G無線接入網(wǎng)絡(luò)呈現(xiàn)多層次、異質(zhì)性、平臺(tái)服務(wù)能力差異化的特性，無

線通信用戶表現(xiàn)出高動(dòng)態(tài)特性，作業(yè)環(huán)境復(fù)雜，業(yè)務(wù)隨時(shí)間和空間需求動(dòng)態(tài)

變化，現(xiàn)有地面通信設(shè)施難以滿足復(fù)雜場(chǎng)景下的用戶通信需求，例如偏遠(yuǎn)地

區(qū)、災(zāi)后環(huán)境，流量熱點(diǎn)地區(qū)等。因此，需要智能化部署來提高無線通信系

統(tǒng)的服務(wù)能力，實(shí)現(xiàn)網(wǎng)絡(luò)的按需部署。

智能化部署本質(zhì)上是通過動(dòng)態(tài)網(wǎng)絡(luò)接入適配實(shí)時(shí)業(yè)務(wù)需求，因此獲取業(yè)

務(wù)信息是必要前提。由于業(yè)務(wù)種類繁多，業(yè)務(wù)分布與體量動(dòng)態(tài)變化，大范圍

業(yè)務(wù)的實(shí)時(shí)、精確獲取極具挑戰(zhàn)性，多接入方式對(duì)實(shí)時(shí)業(yè)務(wù)的適配是一個(gè)重

要的問題。不同接入方式的選擇不僅與信道質(zhì)量、調(diào)制編碼方式、傳輸能效

等物理層參數(shù)有關(guān)，與業(yè)務(wù)類型、業(yè)務(wù)流量、包到達(dá)間隔、包長(zhǎng)特征等業(yè)務(wù)

相關(guān)特征也有緊密的聯(lián)系。因此，需要通過提取業(yè)務(wù)類型與流量的時(shí)空特征，

建立業(yè)務(wù)時(shí)空分布與傳輸效能的預(yù)測(cè)模型，基于預(yù)測(cè)結(jié)果實(shí)現(xiàn)實(shí)時(shí)業(yè)務(wù)的接

入方式選擇，最終實(shí)現(xiàn)動(dòng)態(tài)網(wǎng)絡(luò)節(jié)點(diǎn)高效地獲取業(yè)務(wù)分布以及接入方式等信

息。

根據(jù)業(yè)務(wù)分布和業(yè)務(wù)預(yù)測(cè)的智能化獲取，針對(duì)空天地異質(zhì)平臺(tái)的服務(wù)場(chǎng)

景，對(duì)空基接入點(diǎn)進(jìn)行動(dòng)態(tài)/半靜態(tài)的智能按需部署，對(duì)天基和地基接入點(diǎn)進(jìn)

行適應(yīng)性調(diào)控，以實(shí)現(xiàn)序列化任務(wù)的三維立體覆蓋，通過網(wǎng)絡(luò)適配業(yè)務(wù)的工

作模式實(shí)現(xiàn)綠色動(dòng)態(tài)組網(wǎng)。

基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量短期和長(zhǎng)期預(yù)測(cè)，根據(jù)網(wǎng)絡(luò)流量序列具有的近

鄰性、周期性和趨勢(shì)性這三種時(shí)間特性，分別構(gòu)建三類輸入數(shù)據(jù)采用編碼器-

解碼器結(jié)構(gòu)進(jìn)行流量預(yù)測(cè)。在編碼器中，采用空間注意力機(jī)制進(jìn)行全局空間

依賴關(guān)系進(jìn)行建模，并且采用多層3D-CNN和ConvLSTM模塊進(jìn)行時(shí)空特征

的提取，在解碼器中，采用基于SE模塊的時(shí)間注意力機(jī)制，自適應(yīng)地對(duì)流量

19

序列復(fù)雜的時(shí)間相關(guān)性進(jìn)行建模。然后，基于多層感知機(jī)（MLP）進(jìn)行單步

預(yù)測(cè)輸出。通過深度學(xué)習(xí)技術(shù)更好地提取歷史流量序列的時(shí)間相關(guān)性和空間

相關(guān)性，提高了網(wǎng)絡(luò)流量預(yù)測(cè)的準(zhǔn)確性。

4.3無線網(wǎng)絡(luò)自優(yōu)化技術(shù)

無線網(wǎng)絡(luò)自優(yōu)化，是指根據(jù)用戶和基站測(cè)量到的相關(guān)性能數(shù)據(jù)自發(fā)地進(jìn)

行網(wǎng)絡(luò)參數(shù)調(diào)整來優(yōu)化網(wǎng)絡(luò)性能、提高網(wǎng)絡(luò)質(zhì)量。包括小區(qū)間干擾協(xié)調(diào)（Inter

CellInterfaceCoordination,ICIC）、移動(dòng)性負(fù)載均衡（MobilityLoadBalancing,

MLB）、覆蓋和容量（CapacityandCoverageOptimization,CCO）、移動(dòng)健壯

性（MobilityRobustnessOptimization,MRO）、節(jié)能優(yōu)化等優(yōu)化功能。

6G無線網(wǎng)絡(luò)在運(yùn)營(yíng)過程中，由于業(yè)務(wù)和用戶分布的時(shí)間、空間變化，以

及網(wǎng)絡(luò)的高度異構(gòu)性、超密集性，使得上述優(yōu)化更具挑戰(zhàn)性。

在異構(gòu)超密集網(wǎng)絡(luò)環(huán)境下，用戶在基站覆蓋區(qū)的分布往往是不均勻的，

導(dǎo)致負(fù)載的分布不均勻。有的基站連接用戶數(shù)少而資源空閑，而有的基站用

戶多，負(fù)載很重。為保障用戶通信質(zhì)量的前提下提高資源利用率，可以通過

移動(dòng)性負(fù)載均衡實(shí)現(xiàn)負(fù)載均衡。移動(dòng)性負(fù)載均衡指小區(qū)之間通過轉(zhuǎn)移部分業(yè)

務(wù)量來達(dá)到平衡通信網(wǎng)絡(luò)負(fù)載的目的，通常可以通過優(yōu)化小區(qū)切換參數(shù)進(jìn)行

用戶的切換實(shí)現(xiàn)負(fù)載均衡，也可以通過強(qiáng)制切換部分用戶來實(shí)現(xiàn)負(fù)載均衡。

但是不合理的切換參數(shù)可以使得部分用戶發(fā)生切換后QoS下降、通信鏈路失

敗或者導(dǎo)致切換后鄰基站出現(xiàn)超載現(xiàn)象等問題，因此在保證用戶通信質(zhì)量情

況下的切換參數(shù)的優(yōu)化、強(qiáng)制切換用戶的優(yōu)化選擇是實(shí)現(xiàn)負(fù)載均衡的重要前

提。

基于單智能體的移動(dòng)性負(fù)載均衡方法，將負(fù)載均衡問題建模成馬爾可夫

決策過程，智能體通過不斷訓(xùn)練學(xué)習(xí)最優(yōu)的基站移動(dòng)性參數(shù)CIO的調(diào)整策略，

為了更準(zhǔn)確地描述通信環(huán)境狀態(tài)，在基站負(fù)載狀態(tài)作為狀態(tài)空間組成元素的

基礎(chǔ)上，引入基站邊緣用戶的統(tǒng)計(jì)信息作為另一個(gè)重要的狀態(tài)空間組成元素，

20

并且將獎(jiǎng)勵(lì)函數(shù)定義為基站剩余負(fù)載的冪函數(shù)合成，實(shí)現(xiàn)降低基站負(fù)載、改

善基站負(fù)載不均衡性、擴(kuò)大基站接入新用戶能力的優(yōu)化目標(biāo)，方案借助柔性

演員-評(píng)論家（SoftActor-Critic,SAC）算法對(duì)該問題進(jìn)行求解，使得智能體

根據(jù)環(huán)境狀態(tài)決策所有基站的移動(dòng)性參數(shù)CIO調(diào)整值，實(shí)現(xiàn)移動(dòng)性負(fù)載均衡。

基于多智能體強(qiáng)化學(xué)習(xí)的負(fù)載均衡方法，將負(fù)載均衡問題建模成馬爾可夫

博弈過程，即建立與重載基站中邊緣用戶一一對(duì)應(yīng)的智能體，各個(gè)智能體之

間建模成合作關(guān)系，共同實(shí)現(xiàn)負(fù)載均衡的目標(biāo)，方案借助多智能體深度確定

性策略梯度（Multi-agentDeepDeterministicPolicyGradient,MADDPG）算

法對(duì)問題進(jìn)行求解，使得每個(gè)智能體根據(jù)環(huán)境狀態(tài)決策對(duì)應(yīng)用戶是否執(zhí)行切

換操作，實(shí)現(xiàn)降低網(wǎng)絡(luò)中基站負(fù)載、更精細(xì)化決策切換用戶的目的，以改善

網(wǎng)絡(luò)負(fù)載不均衡性。

4.4無線網(wǎng)絡(luò)自愈合技術(shù)

無線網(wǎng)絡(luò)的自愈合技術(shù)指當(dāng)網(wǎng)絡(luò)發(fā)生故障時(shí)，實(shí)現(xiàn)網(wǎng)絡(luò)的自動(dòng)恢復(fù)。自

愈合技術(shù)包括故障自動(dòng)檢測(cè)、故障根因自動(dòng)分析（故障定位）、系統(tǒng)自動(dòng)恢

復(fù)等。

隨著無線通信網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜化和基站部署的密集化，無線網(wǎng)絡(luò)中故障

發(fā)生的概率大大增加。有統(tǒng)計(jì)表明，運(yùn)營(yíng)商每年花費(fèi)其總營(yíng)收的1.7%用于解

決網(wǎng)絡(luò)故障問題。因此，自愈合技術(shù)對(duì)降低網(wǎng)絡(luò)運(yùn)維成本、提高網(wǎng)絡(luò)運(yùn)維效

率具有重要意義，自愈合技術(shù)也因此受到廣泛關(guān)注。

如圖4所示，在自愈合流程中，中斷檢測(cè)首先執(zhí)行。信息收集模塊所收

集的表征網(wǎng)絡(luò)運(yùn)行狀態(tài)的KPI數(shù)據(jù)被送入中斷檢測(cè)系統(tǒng)，通過分析輸入的KPI

數(shù)據(jù)的實(shí)際值是否與期望值相符來檢測(cè)和定位中斷。若檢測(cè)到中斷的存在，

則進(jìn)入故障診斷階段，根據(jù)KPI指標(biāo)的變化情況分析導(dǎo)致中斷發(fā)生的根本原

因，并根據(jù)原因提出相應(yīng)解決措施，開展中斷恢復(fù)操作，徹底解決網(wǎng)絡(luò)中斷。

21

在故障診斷的同時(shí)，為了保障故障小區(qū)內(nèi)用戶服務(wù)體驗(yàn)，中斷補(bǔ)償操作也會(huì)

同步開展。中斷補(bǔ)償一般通過鄰居小區(qū)間協(xié)作實(shí)現(xiàn)，通過調(diào)節(jié)鄰居小區(qū)基站

系統(tǒng)參數(shù)，如天線傾角、發(fā)射功率等，擴(kuò)大鄰居小區(qū)覆蓋范圍，為中斷小區(qū)

內(nèi)用戶提供服務(wù)，暫時(shí)性補(bǔ)償由于基站故障導(dǎo)致的系統(tǒng)性能損失，最小化中

斷的影響。

圖4.自愈合流程.

作為故障診斷和中斷補(bǔ)償?shù)幕A(chǔ)，中斷檢測(cè)在無線網(wǎng)絡(luò)自愈合中起重要

作用。當(dāng)一個(gè)小區(qū)中的基站因?yàn)閮?nèi)部故障或外部環(huán)境影響等因素出現(xiàn)性能下

降時(shí)，稱該小區(qū)處于中斷狀態(tài)。根據(jù)性能下降程度的不同，中斷小區(qū)被劃分

為三類。第一類為輕度中斷小區(qū)(degradedcell)，該類小區(qū)負(fù)載能力相較于正

常小區(qū)有輕微下降，這類小區(qū)的出現(xiàn)往往由環(huán)境因素導(dǎo)致，當(dāng)不利因素消除

后，該類小區(qū)一般可恢復(fù)到正常狀態(tài)。第二類為中度中斷小區(qū)(crippledcell)，

該類小區(qū)雖然仍具有負(fù)載能力，但性能較正常小區(qū)有大幅下降。第三類為重

度中斷小區(qū)(catatoniccell)，此時(shí)小區(qū)完全失去負(fù)載能力，會(huì)導(dǎo)致系統(tǒng)警報(bào)的

出現(xiàn)以及大量用戶切換事件和鏈路失敗事件的發(fā)生。根據(jù)所檢測(cè)中斷小區(qū)類

型的不同，中斷檢測(cè)問題可進(jìn)一步被分為完全中斷檢測(cè)(fulloutagedetection)

和部分中斷檢測(cè)(partialoutagedetection)。其中，完全中斷檢測(cè)問題僅著眼于

重度中斷小區(qū)的檢測(cè)，而部分中斷檢測(cè)則致力于檢測(cè)三種類型中斷小區(qū)。相

較于完全中斷檢測(cè)，部分中斷檢測(cè)能夠及時(shí)探測(cè)網(wǎng)絡(luò)中可能存在的多種故障，

22

因此對(duì)后續(xù)故障診斷和中斷補(bǔ)償工作的開展更具有指導(dǎo)意義。

6G無線網(wǎng)絡(luò)中，為了保證高可靠的傳輸，對(duì)系統(tǒng)故障發(fā)生概率、故障恢

復(fù)時(shí)間等，相比于5G系統(tǒng)有更高的要求，而系統(tǒng)的高度異構(gòu)性和復(fù)雜性，6G

無線網(wǎng)絡(luò)的故障類型比5G系統(tǒng)更多，因此，給自愈合技術(shù)帶來了更大的挑戰(zhàn)。

通常，對(duì)網(wǎng)絡(luò)故障的檢測(cè)需要基于網(wǎng)絡(luò)KPI數(shù)據(jù)。但由于在實(shí)際網(wǎng)絡(luò)中，

故障的發(fā)生是小概率事件，與故障相關(guān)的數(shù)據(jù)數(shù)量遠(yuǎn)少于正常數(shù)據(jù)。在這種

情況下，基于機(jī)器學(xué)習(xí)方法的模型分類結(jié)果會(huì)偏向于多數(shù)類，故障檢測(cè)性能

會(huì)因?yàn)閿?shù)據(jù)不平衡問題顯著下降。并且，實(shí)際采集到的數(shù)據(jù)，往往是沒有標(biāo)

簽的，可獲得的信息有限。此外，當(dāng)網(wǎng)絡(luò)中存在不止一種類型的故障時(shí)，不

同類型的故障數(shù)據(jù)間往往會(huì)存在較嚴(yán)重的類間重合。數(shù)據(jù)不平衡是指數(shù)據(jù)集

中一類樣本數(shù)量遠(yuǎn)超過其它類樣本數(shù)量的現(xiàn)象。在無線網(wǎng)絡(luò)中，中斷的發(fā)生

是一個(gè)小概率事件，所能收集到的中斷數(shù)據(jù)量遠(yuǎn)少于正常數(shù)據(jù)，因此導(dǎo)致了

數(shù)據(jù)不平衡現(xiàn)象。其中，正常數(shù)據(jù)為多數(shù)類，中斷數(shù)據(jù)為少數(shù)類。使用這樣

的不平衡數(shù)據(jù)集訓(xùn)練分類模型會(huì)導(dǎo)致分類結(jié)果向正常類偏倚，造成中斷檢測(cè)

性能下降。數(shù)據(jù)類間重疊是指數(shù)據(jù)集中多種類別數(shù)據(jù)混雜分布于特征空間中

的同一區(qū)域內(nèi)的現(xiàn)象，如圖所示。雖然這些樣本具有不同的類別標(biāo)簽，但是

在特征上卻有一定相似性，這會(huì)引起分類邊界扭曲，造成誤分類現(xiàn)象的發(fā)生。

當(dāng)網(wǎng)絡(luò)中存在多種類型中斷時(shí)，不同類別數(shù)據(jù)間的差異度降低，造成了類間

重疊現(xiàn)象的進(jìn)一步加重。因此，解決數(shù)據(jù)不平衡和類間重疊問題對(duì)提高無線

網(wǎng)絡(luò)中斷檢測(cè)性能具有重要意義。

23

圖5.數(shù)據(jù)類間重疊示意圖.

現(xiàn)有研究引入了人工少數(shù)類過采樣法（SyntheticMinorityOversampling

Technique，SMOTE），自適應(yīng)合成抽樣技術(shù)（AdaptiveSyntheticSampling，

ADASYN），生成對(duì)抗網(wǎng)絡(luò)（GenerativeAdversarialNetwork,GAN）等方法

對(duì)故障數(shù)據(jù)進(jìn)行過采樣，生成大量類故障數(shù)據(jù)，利用新的合成數(shù)據(jù)集提高基

于機(jī)器學(xué)習(xí)方法的分類模型的準(zhǔn)確性。然而，當(dāng)數(shù)據(jù)不平衡的比例較大時(shí)，

故障檢測(cè)性能仍然有待提高。

提出了基于混合生成對(duì)抗網(wǎng)絡(luò)和重疊敏感的人工神經(jīng)網(wǎng)絡(luò)的故障檢測(cè)方

法解決上述問題，結(jié)合混合GAN和人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，

ANN）的性能優(yōu)勢(shì)，能產(chǎn)生高質(zhì)量的少數(shù)類數(shù)據(jù)，解決故障檢測(cè)中的數(shù)據(jù)不

平衡和數(shù)據(jù)類間重疊的問題，在數(shù)據(jù)不平衡很嚴(yán)重的情況下性能依然很好。

提出了基于稀疏自編碼器的無線網(wǎng)絡(luò)中斷檢測(cè)算法，解決了無線網(wǎng)絡(luò)由

于中斷是小概率事件，很難搜集到足夠的帶有中斷事件的樣本，數(shù)據(jù)樣本的

不平衡性顯著的問題。

提出了采用條件生成對(duì)抗網(wǎng)絡(luò)學(xué)習(xí)中斷數(shù)據(jù)特征，并合成中斷數(shù)據(jù)來校

準(zhǔn)數(shù)據(jù)分布，解決數(shù)據(jù)不平衡問題。之后基于KNN算法計(jì)算校準(zhǔn)后數(shù)據(jù)集中

樣本類間重疊程度，并據(jù)此為樣本分配權(quán)重。最后，將校準(zhǔn)后數(shù)據(jù)集與所得

樣本權(quán)重集合結(jié)合對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行加權(quán)訓(xùn)練，解決數(shù)據(jù)類間重疊問題。

提出了基于自組織映射的無線網(wǎng)絡(luò)中斷檢測(cè)算法，解決了無線網(wǎng)絡(luò)所的大

24

量數(shù)據(jù)難以被標(biāo)注，數(shù)據(jù)沒有標(biāo)簽，可獲得的信息有限的問題。

5數(shù)字孿生網(wǎng)絡(luò)賦能6G網(wǎng)絡(luò)智能生成和自治

5.1數(shù)字孿生網(wǎng)絡(luò)

在6G系統(tǒng)中，網(wǎng)絡(luò)智能生成和自治的目標(biāo)是實(shí)現(xiàn)高效、智能的網(wǎng)絡(luò)運(yùn)維

和資源利用。為了實(shí)現(xiàn)這一目標(biāo)，數(shù)字孿生技術(shù)，可以實(shí)現(xiàn)物理網(wǎng)絡(luò)實(shí)體的

數(shù)字虛擬映射，將成為推動(dòng)從傳統(tǒng)方式向自動(dòng)化、智能化網(wǎng)絡(luò)和服務(wù)管理轉(zhuǎn)

變的關(guān)鍵驅(qū)動(dòng)力。

通過使用數(shù)字孿生體，可以創(chuàng)建一個(gè)當(dāng)前網(wǎng)絡(luò)狀態(tài)的副本作為“孿生體”。

數(shù)字孿生實(shí)體作為一個(gè)獨(dú)立的網(wǎng)絡(luò)子系統(tǒng)或網(wǎng)絡(luò)功能，可以為網(wǎng)絡(luò)智能生成

領(lǐng)域和自治領(lǐng)域提供基于服務(wù)的接口?？梢栽跀?shù)字孿生中生成和部署對(duì)性能

有不同要求的新服務(wù)及其相關(guān)的服務(wù)水平協(xié)議（SLA），并通過分析模型來模

擬和分析閉環(huán)環(huán)境中的服務(wù)性能，網(wǎng)絡(luò)可以實(shí)現(xiàn)自組織和自優(yōu)化。

智能生成則是指依據(jù)智能感知得到的信息（例如：場(chǎng)景、用戶、業(yè)務(wù)、

網(wǎng)絡(luò)資源），智能生成與場(chǎng)景、用戶與業(yè)務(wù)需求等精確適配的網(wǎng)絡(luò)資源，從

而實(shí)現(xiàn)網(wǎng)絡(luò)資源使用的最優(yōu)化。數(shù)字孿生網(wǎng)絡(luò)作為物理網(wǎng)絡(luò)實(shí)體的數(shù)字化虛

擬映射，通過與物理網(wǎng)絡(luò)實(shí)體之間進(jìn)行實(shí)時(shí)交互，可以實(shí)現(xiàn)6G系統(tǒng)網(wǎng)絡(luò)智能

生成與自治的目標(biāo)（圖6）。

25

圖6.具有網(wǎng)絡(luò)智能生成和自治的數(shù)字孿生.

為了實(shí)現(xiàn)網(wǎng)絡(luò)智能生成和自治，將數(shù)字孿生模型與其他6G網(wǎng)絡(luò)技術(shù)一起

部署，可以更好地適應(yīng)6G網(wǎng)絡(luò)高度動(dòng)態(tài)和不斷變化的應(yīng)用需求。

5.2數(shù)字孿生的架構(gòu)設(shè)計(jì)和設(shè)計(jì)原則

通過數(shù)字孿生構(gòu)建網(wǎng)絡(luò)智能生成和自治的網(wǎng)絡(luò)模型（圖7），核心要素

是模型、數(shù)據(jù)、交互和映射。首先，數(shù)字孿生需要數(shù)據(jù)模型和數(shù)據(jù)結(jié)構(gòu)來表

示6G各種網(wǎng)絡(luò)對(duì)象的觀察、狀態(tài)和關(guān)系。其次，通過實(shí)時(shí)或者非實(shí)時(shí)的數(shù)據(jù)

采集方式將物理網(wǎng)絡(luò)層的數(shù)據(jù)主要包括物理實(shí)體數(shù)據(jù)、空間數(shù)據(jù)、資源數(shù)據(jù)

等，來填充這些模型以創(chuàng)建數(shù)字孿生實(shí)例。第三，借助人工智能、AI算法、

專家經(jīng)驗(yàn)、大數(shù)據(jù)分析等技術(shù)從數(shù)字孿生體中提取洞察的分析模型。通過使

用分析模型來模擬和分析集中式和分布式數(shù)字孿生域的服務(wù)性能，6G系統(tǒng)將

實(shí)現(xiàn)自動(dòng)閉環(huán)控制，并實(shí)現(xiàn)復(fù)雜網(wǎng)絡(luò)或服務(wù)的簡(jiǎn)化控制。最后，服務(wù)層將提

供兼容性接口，通過不同的API（如意圖驅(qū)動(dòng)）以實(shí)現(xiàn)數(shù)字孿生網(wǎng)絡(luò)和6G業(yè)

務(wù)層之間的交互操作。

26

圖7.網(wǎng)絡(luò)自主和智能生成的數(shù)字孿生架構(gòu).

AI，人工智能；ML，機(jī)器學(xué)習(xí)；NRM，網(wǎng)絡(luò)資源模型

數(shù)字孿生網(wǎng)絡(luò)的總體目標(biāo)是為電信業(yè)務(wù)提供端到端的自治網(wǎng)絡(luò)。數(shù)字

孿生使用機(jī)器學(xué)習(xí)、數(shù)據(jù)分析和多物理場(chǎng)仿真來研究特定系統(tǒng)的動(dòng)態(tài)，這

可以使6G系統(tǒng)有效地簡(jiǎn)化程序并提供有價(jià)值的信息。表3中給出的基于

數(shù)字孿生的6G架構(gòu)的七大設(shè)計(jì)原則，并對(duì)相關(guān)原則所設(shè)計(jì)的關(guān)鍵性技術(shù)

進(jìn)行一般性描述。

表3數(shù)字孿生架構(gòu)原則

架構(gòu)原則描述

01:解耦分離物理對(duì)象和數(shù)字孿生對(duì)象，實(shí)現(xiàn)操作的靈活

性。

02:交互支持極簡(jiǎn)網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)之間的交互。

03:內(nèi)生AI支持內(nèi)生智能作為極簡(jiǎn)網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)的

基礎(chǔ)能力。

27

04:分布式支持分布式機(jī)器學(xué)習(xí)和實(shí)時(shí)機(jī)器學(xué)習(xí)。

05:異構(gòu)支持?jǐn)?shù)據(jù)編織以實(shí)現(xiàn)靈活和可重用的異構(gòu)數(shù)據(jù)

集成管道、業(yè)務(wù)和語義。

06:自治支持單域自治和跨域協(xié)作。

07:閉環(huán)通過意圖驅(qū)動(dòng)接口支持閉環(huán)自動(dòng)化。

解耦：將物理對(duì)象和數(shù)字孿生對(duì)象解耦，實(shí)現(xiàn)操作的靈活性。整體架

構(gòu)應(yīng)符合分層架構(gòu)模式。物理系統(tǒng)向數(shù)字孿生對(duì)象的轉(zhuǎn)化主要是基于解耦，

可分為信息解耦和系統(tǒng)功能解耦。各系統(tǒng)、各層都以自運(yùn)行模式運(yùn)行，并

隱藏域信息的細(xì)節(jié)，6G網(wǎng)絡(luò)的系統(tǒng)功能和公共數(shù)據(jù)庫以分布式方式交付。

交互：支持極簡(jiǎn)網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)之間的交互。極簡(jiǎn)網(wǎng)絡(luò)將網(wǎng)絡(luò)功

能分解為微服務(wù)，使網(wǎng)絡(luò)運(yùn)行在以微服務(wù)為中心的架構(gòu)上。極簡(jiǎn)網(wǎng)絡(luò)和數(shù)

字孿生網(wǎng)絡(luò)之間的接口應(yīng)提供簡(jiǎn)化的交互能力，用于交換感知數(shù)據(jù)和信息、

映射數(shù)字空間和實(shí)時(shí)反饋。

內(nèi)生AI：支持內(nèi)生智能作為基礎(chǔ)功能。內(nèi)生智能的局部應(yīng)用是極簡(jiǎn)網(wǎng)

絡(luò)和數(shù)字孿生網(wǎng)絡(luò)內(nèi)部模型的核心原則。極簡(jiǎn)網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)都引入

了更多的實(shí)時(shí)傳感組件和人工智能推理能力，以提高對(duì)資源、服務(wù)和周圍

環(huán)境的可觀察性或數(shù)字意識(shí)。

分布式：支持分布式機(jī)器學(xué)習(xí)和實(shí)時(shí)機(jī)器學(xué)習(xí)。在為大型數(shù)據(jù)集訓(xùn)練

孿生模型時(shí)存在許多挑戰(zhàn)，具有分布式機(jī)器學(xué)習(xí)的分布式數(shù)字孿生系統(tǒng)可

以提高模型性能、提高模型準(zhǔn)確性并擴(kuò)展到更大的輸入數(shù)據(jù)。多個(gè)模型可

以在分布式地點(diǎn)訓(xùn)練，以減少模型訓(xùn)練時(shí)間。在模型推理階段，模型的性

能可以通過結(jié)合多個(gè)貢獻(xiàn)模型的預(yù)測(cè)結(jié)果來提高。此外，聯(lián)邦學(xué)習(xí)可以使

機(jī)器學(xué)習(xí)模型從不同位置的不同數(shù)據(jù)集中獲得經(jīng)驗(yàn)，并對(duì)數(shù)據(jù)進(jìn)行安全保

護(hù)，這對(duì)于實(shí)現(xiàn)可擴(kuò)展的、基于分布式機(jī)器學(xué)習(xí)的孿生模型來說是一個(gè)很

有前途的解決方案。

28

實(shí)時(shí)機(jī)器學(xué)習(xí)通過運(yùn)行實(shí)時(shí)數(shù)據(jù)來訓(xùn)練機(jī)器學(xué)習(xí)模型，以不斷改進(jìn)模

型。它通過識(shí)別新的模式并適應(yīng)這些模式，為物理對(duì)象和數(shù)字孿生對(duì)象提

供更直接的準(zhǔn)確性。

異構(gòu)性：支持?jǐn)?shù)據(jù)編織以實(shí)現(xiàn)靈活且可重用的異構(gòu)數(shù)據(jù)集成管道、業(yè)

務(wù)和語義。數(shù)據(jù)編制是一種作為數(shù)據(jù)和連接過程的集成層（結(jié)構(gòu)）的設(shè)計(jì)

概念。數(shù)據(jù)編織利用實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)、網(wǎng)絡(luò)資源模型（NRM）和機(jī)器

學(xué)習(xí)來統(tǒng)一數(shù)字孿生系統(tǒng)中各種類型和端點(diǎn)的數(shù)據(jù)。

自治：支持單域自治和跨域協(xié)作。數(shù)字孿生應(yīng)該具有獨(dú)立自治的能力，

這也是自治網(wǎng)絡(luò)的核心原則。自治域是指自治網(wǎng)絡(luò)架構(gòu)中具有自治能力的

原子單元。

閉環(huán)：支持意圖驅(qū)動(dòng)接口的閉環(huán)自動(dòng)化。閉環(huán)自動(dòng)化是網(wǎng)絡(luò)自動(dòng)化的

監(jiān)督者?？刂苹芈吠ㄟ^感知、分析、決策、執(zhí)行的循環(huán)來進(jìn)行自我調(diào)整和

適應(yīng)，使物理系統(tǒng)和數(shù)字孿生系統(tǒng)都保持在所需狀態(tài)，而無需任何人為干

預(yù)。意圖驅(qū)動(dòng)的接口可以利用閉環(huán)自動(dòng)化機(jī)制，在意圖驅(qū)動(dòng)的閉環(huán)中，意

圖被用于控制閉環(huán)自動(dòng)化，也就是說可以將意圖轉(zhuǎn)化為策略和管理任務(wù)來

執(zhí)行閉環(huán)自動(dòng)化。

5.3分布式數(shù)字孿生系統(tǒng)

6G數(shù)字孿生網(wǎng)絡(luò)是一個(gè)虛擬的數(shù)字網(wǎng)絡(luò)，具有通信網(wǎng)絡(luò)全域的實(shí)時(shí)狀

態(tài)，包括用戶、接入網(wǎng)、傳輸網(wǎng)、核心網(wǎng)、管理系統(tǒng)等。然而，針對(duì)大數(shù)

據(jù)集訓(xùn)練數(shù)字孿生模型可能面臨許多挑戰(zhàn)，例如，需要處理大型數(shù)據(jù)集和

訓(xùn)練高復(fù)雜度模型的高計(jì)算能力，以及大型數(shù)據(jù)集的收集。此外，當(dāng)數(shù)字

孿生系統(tǒng)進(jìn)行推理時(shí)，這可能會(huì)導(dǎo)致速度緩慢且效率低下。

為了應(yīng)對(duì)這些挑戰(zhàn)，我們可以采用分布式孿生架構(gòu)模型。集中式數(shù)字

孿生實(shí)體可以通過數(shù)據(jù)編織技術(shù)從其他分布式數(shù)字孿生系統(tǒng)中收集數(shù)據(jù)

集，生成基于物理的模型并進(jìn)行數(shù)字仿真，從而建立具有全局視圖的數(shù)字

孿生模型。分布式數(shù)字孿生實(shí)體也可以利用本地?cái)?shù)據(jù)集或來自其他數(shù)字孿

29

生實(shí)體的必要數(shù)據(jù)自行生成數(shù)字模型，實(shí)現(xiàn)自己領(lǐng)域內(nèi)的數(shù)字孿生仿真。

在6G數(shù)字孿生網(wǎng)絡(luò)方面，通過劃分物理區(qū)域和功能域來構(gòu)建分布式小型

數(shù)字孿生系統(tǒng)。相比之下，分布式的數(shù)字孿生系統(tǒng)的設(shè)備和信息數(shù)量將大

大減少，物理網(wǎng)絡(luò)的信息采集和物理網(wǎng)絡(luò)與孿生系統(tǒng)的信息同步將更加實(shí)

時(shí)。分布式數(shù)字孿生系統(tǒng)協(xié)作可以通過傳輸網(wǎng)絡(luò)模型描述或特定描述信息

來實(shí)現(xiàn)全局?jǐn)?shù)字孿生網(wǎng)絡(luò)功能，并大大壓縮需要傳輸?shù)臄?shù)據(jù)量。因此，中

央數(shù)字孿生網(wǎng)絡(luò)同步獲取全局物理網(wǎng)絡(luò)狀態(tài)的延遲和開銷將得到極大的

改善。

5.4特征網(wǎng)絡(luò)模型構(gòu)建

模型構(gòu)建是從物理網(wǎng)絡(luò)到虛擬網(wǎng)絡(luò)映射的基礎(chǔ)，包括網(wǎng)絡(luò)模型構(gòu)建和

數(shù)據(jù)模型構(gòu)建。

在6G數(shù)字孿生網(wǎng)絡(luò)中，可以通過構(gòu)建具有場(chǎng)景網(wǎng)絡(luò)需求特征的網(wǎng)絡(luò)

模型作為該場(chǎng)景的網(wǎng)絡(luò)驗(yàn)證的起始網(wǎng)絡(luò)狀態(tài)，進(jìn)而進(jìn)行后續(xù)一系列的研究。

在智能生成域的智能生成過程中，網(wǎng)絡(luò)模型描述可以作為基于數(shù)字孿生網(wǎng)

絡(luò)的起始網(wǎng)絡(luò)狀態(tài)及目標(biāo)網(wǎng)絡(luò)狀態(tài)，進(jìn)行網(wǎng)絡(luò)優(yōu)化的驗(yàn)證。網(wǎng)絡(luò)模型構(gòu)建

中可以選取網(wǎng)絡(luò)驗(yàn)證環(huán)境的地理位置、功能域的范圍，在涉及本地區(qū)域的

基礎(chǔ)上，進(jìn)行一定的擴(kuò)大，進(jìn)而從區(qū)域最優(yōu)優(yōu)化，擺脫煙囪式優(yōu)化。進(jìn)一

步的，根據(jù)6G數(shù)字孿生網(wǎng)絡(luò)，不斷地優(yōu)化各種不同特征的網(wǎng)絡(luò)模型。

圖8.特征網(wǎng)絡(luò)模型構(gòu)建.

在數(shù)字孿生網(wǎng)絡(luò)中，對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行建模，可以使物理網(wǎng)絡(luò)中的各種

數(shù)據(jù)基于統(tǒng)一的模型在孿生網(wǎng)絡(luò)中進(jìn)行高效處理。

30

數(shù)據(jù)模型構(gòu)建是一個(gè)過程，用來定義和分析數(shù)據(jù)的需