【华为】面向多维立体全场景的6G绿色无线接入网白皮书_54页_2mb

6G绿色无线接入网络架构：设计原则、场景部署与关键使能技术

一、背景与愿景

1. 趋势驱动需求
   随着5G商用化，人工智能、云计算等技术深度融合，推动社会数字化转型。6G将在5G基础上深化AI与通信融合，支持空天地立体组网（AISI融合），提供感知、通信、计算一体化的全场景服务能力，覆盖沉浸式通信、超低时延、泛在连接等场景。

2. 核心挑战

• 传统集中式架构无法满足低时延、泛在网络智能需求，需推动分布式、内生智能设计。
• 低频（广覆盖）与高频（高容量）协同、多接入网络异构融合、多维资源（通信、计算、数据）智能管理亟待突破。
• 多系统信息交互复杂、协议效率低下，需整合通信与AI协同技术。

二、架构设计原则

• 分布式与内生智能：解决网络灵活性与自治性需求。
• 一体至简：通过协议简化、资源虚拟化降低运维复杂度。
• 空天地泛在接入：支持地面、空基（UAV/无人机）、天基（卫星）网络的协同。
• 绿色节能：减少信令开销、实现资源按需编排、能耗优化。

三、场景部署结构

（1）高频与低频协同组网

• 解耦设计：低频节点提供广域控制信令（如700MHz），高频节点（如毫米波）处理数据传输。
• 动态启闭机制：基于用户移动性预测和流量预测，控制高频基站按需启闭，降低能耗。
• 案例：体育馆赛事场景，高频基站提升容量，低频基站保障广覆盖。

（2）空天地融合网络

• 分层立体架构：地基网络聚焦局部，空基网络（UAV/高空平台）提供中继，天基网络（卫星）实现全球覆盖。
• 性能优化：通过星上批量接入、合作计算卸载降低卫星资源消耗。
• 案例：偏远山区覆盖、海洋通信、无人机自组网协同。

（3）无线内生智能接入

• 混合学习架构：支持集中式与分布式协同的AI模型训练。
• 自适应分层学习：通过联邦学习、元学习实现多节点协同推理。
• 能耗优化：结合模型量化与通信压缩，降低分布式学习中的资源开销。

四、关键技术使能

（1）多网共生融合技术

• UCN主动接入：用户中心网络增强灵活性，通过深度学习提升接入可靠性。
• 高低频分层聚合：动态切片管理、资源统一调度满足差异化业务需求。
• 卫星与地面协同：星地融合接入优化频谱使用，平衡覆盖与容量。

（2）无线内生智能技术

• 分布式协同智能：基于强化学习和分层联邦学习的模型聚合机制。
• 资源动态管理：针对RAN切片的动态配置方案，结合动态规划与分布式学习。
• 能量效率优化：LEO卫星合作计算卸载、边缘计算低能耗网络关联。

五、架构特征

• 绿色设计：信令广域覆盖、小区按需激活降低能耗。
• 多维资源：通信、存储、算力统一管理，支持AI服务快速下沉至边缘。
• 立体全场景：实现空天地海全域覆盖与沉浸式通信、通信AI一体化等新型服务。
• 泛在连接：一颗服务于多样应用场景与终端设备的整合基础设施。

六、主要成果

• 设计原则与架构：提出“分布式、内生智能、一体至简、空天地泛在接入”的6G总体架构。
• 标准推进：文献中行为预测、资源共享、多网协同机制设计为未来标准化重点。
• 产学研合作：涵盖北京邮电大学、华为、中国信科等机构，推动技术落地与测试验证。