2_6G_网络原生人工智能技术需求白皮书_33页_2mb

报告摘要

6G Mobile System Native AI Design Summary

背景与动机

下一代6G移动系统旨在支持万物智能连接、服务与任务智能关联以及包容性智能，成为强大智能基础设施。原生AI设计通过深度集成人工智能能力，提供端到端网络自治、隐私保护、节能优化和跨行业联邦学习支持。相对于5G，6G原生AI更强调分布式计算、边缘协同，并针对未来场景如沉浸式XR、工业数字化等需求进行优化。

AI与5G整合现状

当前AI与5G系统（如5GS）已初步整合，通过网络数据功能节点（NWDAF）和智能模块优化网络性能，但存在数据源有限、隐私保护不足、计算资源利用率低等问题。挑战包括数据传输开销大、AI模型迭代困难，以及缺乏统一架构支持外部AI服务。标准化组织如3GPP、ITU-T和ETSI正推动相关研究，但5G AI尚未实现全面原生集成。

6G原生AI机制

原生AI在6G系统中通过计算、算法和数据三要素深度耦合，实现“通信+计算+智能收敛”。其优势包括：本地低延迟任务处理、隐私保护（如联邦学习）、资源高效调度和敌对网络环境自治。机制分析显示，6G原生AI能支持跨行业智能共享、提升服务质量（QoAIS）和数字孪生应用，但需克服资源异构性、实时性保证和模型验证挑战。

技术要求

技术要求覆盖能力、服务和架构三个方面：

能力要求：包括计算资源发现、统一衡量方法、动态调度和隐私保护。计算资源需分布式管理，支持统一维度量化。
服务要求：提供计算服务（如低延迟、隐私敏感服务）、算法服务（标准化描述、认证和重用）、数据服务（采集、分析和交易）。还涉及AIaaS（人工智能即服务）和QoAIS评价系统。
架构要求：设计云-边-端多层集成架构，强调分布式部署、网络AI融合（如in-network computing）、数据治理和多方协作。功能实体如数据暴露功能（DEF）和数据安全功能（DSMF）需标准化整合。