2023-09-25-中国移动研究院-基于数字孪生和内生AI的网络自治_17页_1mb

基于数字孪生和内生AI的网络自治总结

核心内容

基于数字孪生和内生AI技术，中国移动研究院提出构建6G网络的高水平自治体系，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、零故障的创新网络服务与ICT业务。该体系通过智能面与数字孪生网络的融合，实现网络全生命周期（规划、建设、运维、优化）的自治。

主要观点

• 网络自治水平提升：当前网络自治水平处于L2-L3等级，目标是提升至L5等级，实现高度自治。
• 智能面与数字孪生网络的融合：6G网络新增内生智能面和数字孪生网络，二者结合实现网络自治。
• 多形态智能架构：网络从集中式智能向多形态智能演进，实现云边端协同，提高模型训练和响应效率。
• 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。
• AI训练与推理服务：AI训练服务支持模型参数优化，AI推理服务实现端到端任务执行与反馈。

关键信息

网络自治等级

6G网络自治目标

• 实现全自动、零等待、零接触、零故障的网络服务。
• 构建自服务、自治愈、自优化、自演进的通信网络。

数字孪生网络关键技术特征

• 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网络逻辑功能部署选项（以ORAN为例）

AI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AI服务对应的QoAIS，下发至基站；
4. 基站分解QoS为资源QoS需求，明确四要素（连接、计算、数据、算法/模型）；
5. 基站实时调整计算分配、优化通信连接质量、采集处理数据、更换或优化算法模型；
6. 基站将结果反馈给用户。

通信网络大模型应用场景

通信网络大模型挑战

有待研究的技术问题

内生AI

1. 如何基于三层QoAIS指标体系，设计面向网络自治用例的QoAIS指标？
2. 如何以AI任务为中心，实现灵活的多维资源编管控？
3. 网络运维和网络运行是否存在通用智能大模型？对数据有何要求？代价如何？网络如何满足运行态大模型对存储、算力和数据的需求？是否影响网络架构？

数字孪生网络

1. 如何对无线网元和网络进行功能和性能建模？如何依据不同网络自治场景的需求，按需生成网元和网络的数字孪生体？
2. 如何构建低成本、满足精度和实时性需求的数字孪生预验证环境和迭代优化闭环？
3. 通用网络AI大模型与网络数字孪生的关系？与网络数字孪生模型的关系？

结论

基于数字孪生和内生AI技术，6G网络将实现高度自治，提升运营效率和服务质量。该体系通过多形态智能架构、QoAIS保障机制、AI训练与推理服务、大模型应用等关键技术，推动通信网络向自服务、自治愈、自优化、自演进方向发展。然而，仍需解决一系列技术问题，以确保网络自治的可行性与可持续性。