基于数字孪生和内生AI的网络自治-中国移动研究院_17页_1mb

基于数字孪生和内生AI的网络自治总结

核心内容

本文主要探讨了基于数字孪生和内生AI技术实现6G网络高水平自治的路径与方法，提出了从当前L2-L3等级的网络自治向L5等级自动驾驶网络演进的愿景。通过数字孪生网络与内生AI的结合，实现网络的自服务、自治愈、自优化和自演进，从而提升网络的智能化水平和服务质量。

主要观点

• 网络自治等级提升：目标是实现L5等级的自动驾驶网络，提供全自动、零等待、零接触、零故障的通信服务。
• 数字孪生与内生AI的融合：数字孪生网络用于生成数据样本和预验证环境，内生AI则为数字孪生网络提供智能能力支撑，优化网络性能。
• 架构演进：从集中式智能向多形态智能演进，实现云边端协同，提升模型训练和响应效率。
• 任务为中心的AI管理：AI管理编排（AIMO）、任务锚点（TA）、任务控制（TC）和任务执行（TE）构成6G内生智能面的逻辑功能，支持任务拆解、管理、资源配置与调度。
• QoAIS保障体系：引入三层闭环QoAIS（服务质量、任务质量、资源质量）保障机制，突破传统QoS指标维度，实现更全面的服务质量控制。
• 多维资源调度：涵盖连接、计算、数据和模型，支持资源的灵活配置与优化。

关键信息

网络自治水平现状与目标

• 当前网络自治水平处于L2-L3等级。
• 2025年目标：网络运维自治水平达到L4等级，实现高级自动驾驶网络。

数字孪生网络功能

• 数字孪生网络：生成数据样本，为AI模型提供预验证和优化环境。
• 关键技术特征：
  • 集中与分布相结合
  • 按需建模、高效交互的数字孪生体
  • 低成本预验证试错环境
  • 内闭环数字域寻优，外闭环校正

内生AI网络功能部署选项（以ORAN为例）

AI训练与推理服务流程

1. 用户发起AI推理请求。
2. AI用例导入网管设备。
3. 解析QoAIS，下发至基站。
4. 基站分解QoS为资源QoS需求，明确所需四要素（连接、计算、数据、算法/模型）。
5. 基站实时配置资源，执行AI推理，确保任务QoS达成。
6. 基站将结果反馈给用户。

6G网络智能模型演进

通信网络大模型应用用例

• 网络运营：
  • 调用大模型服务提升信息通信服务能力。
  • 增强智能客服、经营分析和智能营销。
• 网络运维：
  • 利用大模型进行故障识别、定位和自愈。
  • 支持网络优化和运维决策。
• 网络运行：
  • 实现无线信道建模和语义通信。
  • 利用多模态输入输出技术补充数据集。
  • 语义通信中使用ChatGPT作为编码器和解码器。

通信网络大模型挑战

有待研究的技术问题