6G網絡內生智能2025年7月版權聲明 2 3 3 4 4 5 6 6 7 7 9 9 -4- 20 22 22 27 35 38 41-1-6G網絡發(fā)展的關鍵方向之一。本白皮書基于《中國聯(lián)通6G網絡體）：）：-2-一、6G網絡內生智能演進驅動力2023年11月，國際電信聯(lián)盟無線電通信部門ITU-R完成了列為6G系統(tǒng)的設計原則之一。AI主要以集中式云化部署提供智能化服務，需要網絡將數據傳送到云端，云端進行數據分析推理。其引入的AI技術是針對5G網絡中通過對現(xiàn)有系統(tǒng)進行修補和增強的方式很難徹底地發(fā)揮AI技術和通信技術融合的優(yōu)勢，AI模型及對應的訓練和泛化等均獨立于網絡，AI技術解決特定網絡優(yōu)化問題，通過增量式、補丁式實現(xiàn)網絡智能-3-要素、AI能力和AI服務，只負責AI相關數據傳遞，缺乏賦能是原生特性和基礎能力，也是服務，既服務6G系統(tǒng)本身，也服務網絡內外的AI服務需求，將6G網絡打造成服務于智能社會的基礎二、6G網絡內生智能場景與需求6G網絡內生智能主要體現(xiàn)和應用于對內的AIforNET和對外的對內的AIforNET服務主要是網絡自用AI服務，用于治理6G升網絡運行和信令交換的通信效率。主要場景包括：借助AI技術優(yōu)-4-析，建立AI模型，預測用戶/UE移動軌跡、用戶/UE行為，感知網NTN/6G接入）、不同系統(tǒng)（3GPP系統(tǒng)、非3GPP系統(tǒng)）、不同6G網絡將主動、自動地對環(huán)境、網絡資源及狀態(tài)、用戶需求/意圖、業(yè)務質量進行感知，結合AI技術，進行分析和推理，根據分-5-對外的NETforAI服務主要是面向6G的新業(yè)務應用，網絡賦體用例均屬于對外的NETforAI場景，其需要網絡支持分布式計算和AI應用，典型用例包括：輔助自動駕駛、醫(yī)療輔助應用設備間的放網絡的原生AI相關業(yè)務、能力及資源要素（如連接、數據、計算AI服務，個性化定制化更新迭代，面向企業(yè)、垂直行業(yè)的不同用戶-6-療，可以使各地醫(yī)療機構和從業(yè)人員通過網絡獲取AI模型算法、病-7-些計算任務卸載到6G網絡。6G網絡可以對計算任務進行編排和調三、6G網絡內生智能系統(tǒng)框架（一）架構設計原則面向6G智能服務泛在化的演進趨勢和多維場景服務需求，6G核心網將具備普遍的、泛在的AI和機器學習功能，-8-支持多種分布式學習方法，并接受中央AI的管理編排和任務下發(fā)，多資源要素協(xié)同：分布式AI需要來自各方的各類型資源的深度連接通信服務，AI類服務需要的資源調度除連接外還涉及各類型資源如計算、數據、模型等，需要以系統(tǒng)編排提供的終端提供的連接請求為依據，可以將復雜的AI任務分解為多任務下AI能力和服務開放：對智能終端、應用、平臺、第三方外部系-9-（二）內生智能能力框架基于6G內生智能的架構設計原則，本白皮書提出6G內生智能能力框架，如上圖所示，從邏輯層級自上而下依次為AI服務開放、能、資源調用，為外部AI服務的各類需求方提供接口和多模態(tài)6G網絡可通過服務的形式對外提供獨立或協(xié)同的-10-滿足未來超越連接的新業(yè)務場景。隨著AI領域智能體業(yè)務生態(tài)的不連接起來，按需提供對對應業(yè)務/服務對象的管理、控制和協(xié)同。傳輸智能業(yè)務需要的相關數據（感知數據、計算數據、AI算法數據、），模型服務：基于AI服務資源，結合連接服務、數據服務和計算-11-對AI任務進行統(tǒng)一的管理和編排，包含意圖解析、任務分解，多資源要素協(xié)同控制、算法模型管理、AI服務質量管控功能。以任務為中心，基于網絡內部或外部的各類AI服務需求，將需求轉化為為網絡需執(zhí)行的任務。借助AI技術如深度神經網絡建立意圖模型，-12-拆分策略，分解為多個子任務，實現(xiàn)AI任務的分解。例如分解為連時執(zhí)行。每個服務借助內嵌AI，將接收到的子任務進一步分解成子或獨立的模型服務，基于復雜AI任務的意圖解析、任務分解，不同存儲，支持基于任務、利用網絡資源和AI要素構建訓練模型和外部-13-整體作為智能化平臺以服務形式提供AI能力，其評價指標可以包含反映網絡提供AI服務的表現(xiàn)，可以使運營商更好地評估和優(yōu)化提供延等來表達AI數據性能，推理準確度、訓練或推理時延、訓練或推理數據密度、訓練或推理能耗等來表達計算/模型性能。此外需要建-14-存儲資源：用于存儲AI訓練數據、模型參數等信息。包括分布數據資源：是AI服務的核心基礎，包括網絡數據、用戶數據、算法與模型資源：包含各種AI算法框架（如TensorFlow、-15-（三）智能化多要素融合網絡功能和AI相結合，具備更強的自主決個網元能夠通過內置的AI模型實時分析本地的網絡數據，如負荷狀通過AI算法對6G網絡中的各種功能模塊進行動態(tài)編排和管理及策略生成。根據實時的網絡流量、業(yè)務需求和資源狀態(tài)，AI能夠利用。例如，基于AI的流量預測模型可以提前感知業(yè)務流量的變化-16-AI能夠促進不同網元之間的協(xié)同工作，打破傳統(tǒng)網絡中各網元相對獨立的模式。通過AI算法對網絡全局狀態(tài)的感知和分析，實現(xiàn)以通過AI模型進行聯(lián)合優(yōu)化，核心網根據無線接入網的信道狀態(tài)和-17-各種模型數據等等。這些長短期異構記憶數據和AI能力相輔相成，一方面，海量數據結合AI，能夠形成新型的智能數據服務，增強數對于數據的采集、訪問、處理、分析、存儲等可以結合AI提升的采集源以及點到點，點到多點和數據傳輸的SLA需要，可以智能轉發(fā)，AI可以優(yōu)化數據轉發(fā)路徑，形成最優(yōu)的數據路徑策略。采集歷史數據存儲。通過端到端的采集過程AI加持，保證數據采集流程-18-6G網絡中的多維數據不再是一個個的數據孤島，而是通過AI的數據，結合數據自解釋語義和AI能力，突破傳統(tǒng)網絡非結構化數未來網絡AI走向大模型和小模型混合形勢，模型的進階依賴海-19-同時對多模數據進行歸一化向量轉換等以方便網絡模型的合理使用和相似檢索。更進一步，AI的進化依賴多場景多元化的數據來進行微調和優(yōu)化，這就需要建立完備的記憶數據資-20-同感知目標類別下的不同感知對象數據可增隨著AI技術的迅猛發(fā)展，尤其是多模態(tài)大語言模型精準的智能決策與深度思考能力，以及高效的執(zhí)行能力。AI技術與-21-智算網絡能夠統(tǒng)一納管運營商網內的計算資源以及網外如OTT如邊緣計算節(jié)點、云計算中心或本地設備。AI可以實時監(jiān)控計算資CPU等）進行統(tǒng)一管理和協(xié)調，實時感知每種資源的性能、負載和效利用和任務的高效執(zhí)行。此外，通過AI技術可以分析計算任務的點，實現(xiàn)智能動態(tài)地將不同特性的計算任務分配-22-在保障數據隱私的前提下，進一步提升分布式計算四、6G網絡內生智能關鍵技術（一）意圖驅動“意圖驅動（Intent-Driven）”是一種以結果為中心的網絡控-23-資源匹配、執(zhí)行部署，并通過持續(xù)感知與反饋）：）：該層需要構建通用的意圖模型描述語言（如基于YANG -24-在6GAI內生架構下，意圖驅動提供了人與網絡、服務與能力過程，構成6GAI內生網絡意圖驅動功能的核心邏輯閉環(huán),關鍵技術業(yè)務API調用：面向業(yè)務系統(tǒng)或應用平臺，通過API傳遞結構帶寬≥100Mbps”；-25-將用戶輸入的非結構化或半結構化目標內容轉換為網絡可執(zhí)行的結-26-策略推理與優(yōu)化：通過規(guī)則庫、AI優(yōu)化算法或強化學習機制，該引擎的核心價值在于從海量狀態(tài)信息中快速選出滿足意圖目-27-反饋學習機制：將本次執(zhí)行中的偏差信息反饋至AI模型，優(yōu)化（二）機器學習在5G時代AI/ML已被引入移動通信網絡中，業(yè)界研究了聯(lián)邦學習的架構和流程以支持AI/ML業(yè)務，包括模型的訓練、分發(fā)等。通信和AI一體化的6G網絡將擁有5G無可比擬的智能化資源降低數據處理和AI服務提供時延，是保證通信系統(tǒng)的可擴展性和靈-28-按照模型訓練方式分類，機器學習可以分為監(jiān)督學習（ANN人工神經網絡類的CNN、貝葉斯類、決策樹類，獎勵-狀態(tài)-行動、時序差分學習）。智能體從帶有標簽的數據集（輸入-輸出對）中學習從輸入到輸-29-邏輯回歸：與始終輸出0或1的線性回歸不同，邏輯回歸是將量，較小的K值可能會使模型對噪聲更敏感，而較大的K值可能會景，在線加入新的數據實時更新，滿足不斷變化或其他形式的機器學習方法將它們預測進行組合形成集成模型的機-30-數據上使用不同類型的模型（SVM模型、邏輯回歸模型、決策樹模適應提升法通過增加在訓練集中被錯誤分類的訓練樣例權重和降低-31-學習狀態(tài)-動作的效用，評估當前策略的好壞，而不是改變其行為策-32--33-適用于不同的參與方客戶端的本地數據對于相同的樣本具有不同的特征空間。例如可以通過縱向聯(lián)邦學習訓練端到端（用戶設備-無線-34-和智能體執(zhí)行的動作決定，則環(huán)境是確定性進而執(zhí)行一個動作，下一回合不依賴于之前回合的動作和決策,每回合作的多智能體環(huán)境，如自動駕駛，自動智能駕駛車輛/智能體要避-35-AgenticAI范式逐漸成熟，AI使能新能力，新服務不斷涌現(xiàn)，個簡單例子，用戶可以要求一個基于AgenticAI的智能助理“請幫或問答語言模型的AI系統(tǒng)，該系統(tǒng)夠執(zhí)行各種各-36-目標任務的復雜程度。即，系統(tǒng)需要處理的目標任務對人類的屬性可以包括可靠性、速度和安全性等級別。例如，一個能夠正確幫助用戶分析關于跨計算機和法學領域問題的系統(tǒng)，將比一個只能將用戶輸入分類為屬于計算機領域或法學領域的分類器具環(huán)境的復雜程度。即，系統(tǒng)能夠實現(xiàn)目標任務的環(huán)境有多復雜，包括：環(huán)境所涉及跨領域的程度、是否涉及多個相關利益方、是否需要將操作維持在較長時間范圍內、是否涉及使用多個外部工自適應的能力。即，系統(tǒng)對新的或意外情況的適應和反應能力如獨立的執(zhí)行能力。即，在有限的人為干預或監(jiān)督下，系統(tǒng)能在多-37-汽車，在某些情況下可以在不需要人為干預的情況下運行，與需一個AgenticAI系統(tǒng)通常需要達成目標任務，這個目標任務也常將表現(xiàn)出高度Agentic程度的系統(tǒng)稱為AgenticAI系統(tǒng)。值得一界的影響相互綁定。甚至，許多數字系統(tǒng)可能比機器人更AgenticAgentic系統(tǒng)的基礎通常需要基于LLM增強模塊，即，通過檢成信息摘要等，這些增強功能可以基于通用標準MCP（Model-38-），工作流模式。在該模式下，利用工作流，將任務分解為固定子任務的情況，每個子任務可以調用LLM，通過這種方式，使每個和規(guī)劃、可靠地使用工具以及從錯誤中不斷反思優(yōu)化。一旦用戶用戶交互以獲取更多信息，在系統(tǒng)執(zhí)行過程中，每一步將從環(huán)境中獲取真實情況（例如工具調用或代碼執(zhí)行），以評估目標任務達成情況，系統(tǒng)可以在一些檢查點或遇到阻塞時停下來以獲取人通常只是在循環(huán)中基于環(huán)境反饋利用LLM使（四）評估技術與自演進目前工業(yè)界和學術界對于Agent評估的研究還處在初步探索階人工評估：指由人類評估者直接參與，根據預定義的標準，對-39-基于模型的評估，使用裁判員模型作為評估器，常用的裁判員模型有兩種：通用的、高能力的模型，或者專門針對偏好數據進行訓練的小專家模型。特點：成本低，靈活，但是模型在評估時傾自真實任務環(huán)境的反饋或者接近真實任務環(huán)境的虛擬仿真環(huán)境的反饋，例如軟件開發(fā)場景可以以代碼解釋器的結果作為反饋。特點：這種方法能夠提供端到端的性能洞察，但通常需要復雜的監(jiān)-40-在實際的Agent評估中，通常會結合使用這兩種方法，形成一根據Agent自演進的理念和常見的實現(xiàn)模式，其核心功能模塊定的目標，生成多步驟的執(zhí)行計劃，并選擇調用外部工具來與外或定性的分析反饋。具體來說，根據預設的評估標準，判斷任務（如規(guī)劃過程、工具調用序列）是否成功，以及成功或失敗的程度。具體的評估方案，可以采用前文提到的人工評估和自動評估-41-者的反饋，分析這些反饋，并通過反思決定如何調整參與者的行案例或規(guī)則到Agent的長期記憶中；修改提示詞(Prompt反思執(zhí)行者將反思成果轉化為Agent實際能力的提升。演進提供了關鍵的反饋和明確的改進方向；而Agent的逐步演進又轉化為Agent自身能力的實際提升，從而形成一個持續(xù)優(yōu)化、不斷6G網絡的內生智能不僅是技術進步的體現(xiàn)，更將是網絡架構和通信-42--43-參考文獻[1]中國聯(lián)通.6G網絡體系架構白皮書[R].2023.[2]中國聯(lián)通.6G核心網系統(tǒng)架構及關鍵技術展望白皮書[R].2024.[3]IMT-2030(6G)推進組.面向6G網絡的智能內生體系架構研究報告[R].2022.[4]IMT-2030(6G)推進組.6GAI即服務（AIaaS）需求研究[R].2023.[5]3GPP.3GPPTS23.288v19.0.0:Architectureenhancementsfor5GSystem(5GS)tosupportnetworkdataanalyticsservices(Release19)[S].2024[R].2023.[R].2024.[8]加童文,加朱佩英.6G無線通信新征程: