面向全社會、全行業(yè)、全生態(tài)的網(wǎng)絡(luò)智能生成與自治白皮書 2023

面向全社會、全行業(yè)、全生態(tài)的網(wǎng)絡(luò)智能生成與自治白皮書(2023)參與單位大唐移動通信設(shè)備有限公司中國信息通信研究院北京郵電大學(xué)東南大學(xué)中國移動通信有限公司移動通信系統(tǒng)已經(jīng)成功商用到第五代系統(tǒng)（5G），從基本的遠程通話和消息傳輸服務(wù)，到互聯(lián)網(wǎng)業(yè)務(wù)，再到增強的移動寬帶多媒體交互、物聯(lián)網(wǎng)連接以及垂直行業(yè)服務(wù)，移動通信應(yīng)用的場景和業(yè)務(wù)不斷地擴展和延伸，移動通信系統(tǒng)功能和性能能力也在不斷提高。第六代移動通信系統(tǒng)（6G）的研究正穩(wěn)步開展。一方面，6G網(wǎng)絡(luò)的服務(wù)場景和服務(wù)范式將發(fā)生變革性變化，突破傳統(tǒng)連接業(yè)務(wù)的局限，全面內(nèi)生智能、算力、數(shù)據(jù)等新維度能力，面向全社會、全行業(yè)、全生態(tài)千差萬別的場景和需求，提供精準隨需的服務(wù)。另一方面，6G網(wǎng)絡(luò)新功能、新能力、新服務(wù)的突破性增長，相應(yīng)的對網(wǎng)絡(luò)運行和維護復(fù)雜度和難度倍增，需要借助蓬勃發(fā)展的人工智能技術(shù)，實現(xiàn)網(wǎng)絡(luò)的智能自主運行和管理。本白皮書針對上述6G網(wǎng)絡(luò)服務(wù)變革和難點，研究并提出了網(wǎng)絡(luò)適應(yīng)能力的6G網(wǎng)絡(luò)新能力定義與指標體系，實現(xiàn)以用戶需求為中心，網(wǎng)絡(luò)去適應(yīng)用戶，而非用戶順從網(wǎng)絡(luò)。以此為中心，研究提出基于智能生成和智能自治的全場景智適應(yīng)6G網(wǎng)絡(luò)架構(gòu)及系列關(guān)鍵技術(shù)?；谥悄苌杉夹g(shù)全方位地生成網(wǎng)絡(luò)需求表征和網(wǎng)絡(luò)執(zhí)行模板，滿足各場景細致的差異，促使6G網(wǎng)絡(luò)具備隨需千變的適應(yīng)能力?；谥悄茏灾渭夹g(shù)，實現(xiàn)6G網(wǎng)絡(luò)具備跨多業(yè)務(wù)、多領(lǐng)域、全生命周期的全場景閉環(huán)自治能力，并實現(xiàn)完全自治。另外，針對移動通信系統(tǒng)的關(guān)鍵一環(huán)----無線智能組網(wǎng)，展開了詳細的研究。實現(xiàn)6G網(wǎng)絡(luò)的智能生成和智能自治，數(shù)字孿生網(wǎng)絡(luò)是必不可缺的基礎(chǔ)設(shè)施。本白皮書進一步的對數(shù)字孿生網(wǎng)絡(luò)的架構(gòu)與關(guān)鍵技術(shù)進行了深入的研究與設(shè)計。技術(shù)》（項目編號：2020YFB1806 1 1 4 5 7 7 8 11 12 12 13 14 16 17 18 19 20 21 25 25 26 29 30 31 31 33 341國際電聯(lián)在6G建議書中描述了6G六大場景，分別為沉浸式通信、超大規(guī)模連接、極高可靠低時延、人工智能與通信的融合、感知與通信的融合、泛在連接?；诖?，面向全社會、全行業(yè)、全生態(tài)的6G網(wǎng)絡(luò)典型場景示例如下，包括全息通信、精確感知、空天海地全覆蓋、公共安全、智能工廠、網(wǎng)絡(luò)自動運維管理等。（1）全息通信全息通信是面向未來虛擬與現(xiàn)實深度融合的一種新的呈現(xiàn)形式，它通過物理世界數(shù)據(jù)信息自然逼真地呈現(xiàn)虛擬世界（包括針對視覺、觸覺、嗅覺等多維感官的呈現(xiàn)），使人們不受時間、空間的限制，身臨其境般地享受完全沉浸式的全息交互體驗。借助全息通信，可以實現(xiàn)智能溝通、高效學(xué)習(xí)與教育、醫(yī)療健康、智能顯示、自由娛樂，以及工業(yè)智能等眾多領(lǐng)域的新形態(tài)。為了實現(xiàn)全息萬物智聯(lián)，6G系統(tǒng)將面臨更高的技術(shù)挑戰(zhàn)，例如：全息通信的傳輸峰值帶寬將達Tbps量級，這也對終端解碼能力提出了更高的要求。為實現(xiàn)全息遠程醫(yī)療等場景中的精準操作、沉浸式交互體驗、全息無差錯顯示等，應(yīng)滿足納米（nm）級定位精度，端到端時延小于5ms，丟包率盡可能為0，以及超高的計算能力等要求。（2）精確感知精確感知涵蓋精準定位、4D成像以及物質(zhì)特性識別等多維度、深層次感知服務(wù)，將是6G系統(tǒng)提供的一項重要服務(wù)能力，也是智能化網(wǎng)絡(luò)應(yīng)用的基礎(chǔ)。借助于探測感知，6G系統(tǒng)將為智能工廠、智慧交通、智慧醫(yī)療等一系列場景和應(yīng)用提供更為精準和個性化的數(shù)據(jù)信息。2精確感知也可服務(wù)于通信系統(tǒng)本身，實現(xiàn)精準賦形、干擾協(xié)調(diào)、流量控制、網(wǎng)絡(luò)資源優(yōu)化等，全面提升系統(tǒng)性能。精確感知對6G系統(tǒng)的性能提出了新的要求，包括感知精度、感知容量、感知時延、感知范圍等。例如，對于智能工業(yè)場景，除了要求低時延高可靠，還需要毫米級的感知定位精度以及高成像分辨率。（3）空天海地全覆蓋支持空天海地立體通信，實現(xiàn)全球范圍內(nèi)移動通信的無縫覆蓋，是6G系統(tǒng)的重要目標之一。這意味著6G系統(tǒng)除了支持通信功能，還集成精確定位、導(dǎo)航、實時地球觀測等各種新功能。從部署方式來看，可以在內(nèi)陸地區(qū)用地面基站覆蓋，發(fā)揮容量優(yōu)勢，滿足海量接入需求；在偏遠地區(qū)或廣大海域用衛(wèi)星或臨空平臺覆蓋，發(fā)揮覆蓋優(yōu)勢，節(jié)省基站建設(shè)成本。支持空天海地立體全覆蓋的6G網(wǎng)絡(luò)需要滿足一系列技術(shù)需求，例如：支持廣大時空場景下的用戶極簡智能接入、高效天基計算、星地海多維空間的通信功能柔性分割和智能重構(gòu)、多星協(xié)作和天地協(xié)作傳輸以及無線資源的統(tǒng)一管控、提供廣域按需的時間確定性服務(wù)、提升系統(tǒng)的平均頻譜效率和邊緣頻譜效率、支持各種形態(tài)的終端，等等；除此之外，網(wǎng)絡(luò)還需具有很好的容災(zāi)抗毀能力。（4）公共安全公共安全的通信服務(wù)將進一步從以語音為中心的群組通信模式，向全維實時感知、增強多媒體(例如增強現(xiàn)實XR)信息共享的通信模式演進。公共安全部門通過在重點區(qū)域部署固定傳感器、移動傳感器、可穿戴傳感設(shè)備等，將不同來源的公共安全信息數(shù)據(jù)進行融合處理，實現(xiàn)數(shù)據(jù)驅(qū)動的事件監(jiān)測、跟蹤和預(yù)測，并借助數(shù)字孿生技術(shù)在后方構(gòu)建全景式虛擬現(xiàn)場環(huán)境，以期提高指揮控制決策效率、實時反饋評估行動效果。3為確保公共安全通信服務(wù)的實時性、可用性、可靠性和安全性，需要全面提升公共安全通信系統(tǒng)的性能。例如，數(shù)據(jù)傳輸速率達到Tbps量級，以滿足關(guān)鍵任務(wù)的超高清視頻多路并行傳輸需求和超大流量交互式數(shù)據(jù)傳輸需求；系統(tǒng)具備分鐘級的快速機動部署能力，以滿足突發(fā)公共安全事件的緊急處置要求；系統(tǒng)具有極高可靠性，以滿足高精度對象（人臉、指紋、虹膜等）識別的數(shù)據(jù)傳輸要求。（5）智能工廠未來工廠將呈現(xiàn)一系列全新特征，比如個性化、定制化生產(chǎn)；生產(chǎn)資料、工藝以及生產(chǎn)地點的靈活配置；生產(chǎn)過程無人化；利用無人車、無人機進行產(chǎn)品自動化交付等。在未來工廠中，以6G為基礎(chǔ)的信息通信系統(tǒng)將在需求導(dǎo)入、工廠配置、生產(chǎn)制造、產(chǎn)品交付等過程中提供通信、感知、智能等一系列能力，從而形成按需生產(chǎn)的智能工廠，服務(wù)于工廠業(yè)主以及最終用戶。在未來的智能工廠中，智能化將貫穿未來工廠從需求導(dǎo)入到產(chǎn)品交付的全過程，通信需求將呈現(xiàn)多樣化、差異化的特點：例如在需求交互過程中，采用XR或者全息通信需要Tbps量級的傳輸速率；而在生產(chǎn)過程中僅需較低的傳輸速率以傳遞控制命令，但需要極低的時延抖動（比如1us）和極高的可靠性（比如99.9999999%）。機器與機器之間的通信將是未來工廠中通信的主體，定位與感知將成為輔助機器間通信以及行為的關(guān)鍵技術(shù)。利用人工智能技術(shù)實現(xiàn)智能工廠的全流程控制，將更有利于實現(xiàn)產(chǎn)能、通信、感知、計算等資源的優(yōu)化配置。（6）網(wǎng)絡(luò)自動運維管理隨著移動通信系統(tǒng)的演進，網(wǎng)絡(luò)的架構(gòu)、功能、支持的業(yè)務(wù)等不斷擴展并愈加復(fù)雜，使得依靠人工進行網(wǎng)絡(luò)運維管理的難度大大增加。運營商迫切需要實現(xiàn)網(wǎng)絡(luò)的自動運營、維護、管理和優(yōu)化。AI/ML技術(shù)的成熟為實現(xiàn)網(wǎng)絡(luò)自動化提供了新的方向。例如，基于AI/ML快速識別新業(yè)務(wù)，全面洞察用4戶行為，并根據(jù)不同業(yè)務(wù)類型和用戶體驗需求實現(xiàn)網(wǎng)絡(luò)精細化運營，等等。逐步向更高級別的自動化網(wǎng)絡(luò)(即自治網(wǎng)絡(luò))演進。網(wǎng)絡(luò)自治將成為6G時代移動通信網(wǎng)絡(luò)的核心要素。4G改變生活，5G改變社會。推動數(shù)字經(jīng)濟快速發(fā)展，使能千行百業(yè)，加速行業(yè)數(shù)字化、智能化，5G網(wǎng)絡(luò)發(fā)揮了排頭兵的使能作用?！?G改變社會”的核心在于使能千行百業(yè)。也就是說，與4G不同，5G直接服務(wù)的對象不只是各個消費者用戶，還包括各個垂直行業(yè)用戶。5G+工業(yè)、5G+醫(yī)療、5G+港口、5G+煤礦等眾多行業(yè)通過使用5G技術(shù)，提升各領(lǐng)域生產(chǎn)效率。5G在垂直行業(yè)的應(yīng)用，需滿足各行業(yè)低時延、高帶寬、高可靠、確定性傳輸、定位等千差萬別的業(yè)務(wù)需求。網(wǎng)絡(luò)部署時需根據(jù)業(yè)務(wù)需求確定網(wǎng)絡(luò)的容量、部署位置、時延/帶寬要求，將行業(yè)需求SLA轉(zhuǎn)換為網(wǎng)絡(luò)數(shù)據(jù)，指導(dǎo)網(wǎng)絡(luò)建設(shè)。目前，5G網(wǎng)絡(luò)可通過網(wǎng)絡(luò)切片技術(shù)或行業(yè)專網(wǎng)為行業(yè)提供共享或?qū)Ｏ碣Y源，滿足行業(yè)需求。但由于5G核心網(wǎng)全面引入云化，設(shè)備級的維護難度加大，另外網(wǎng)絡(luò)切片的引入，需要無線接入網(wǎng)、承載網(wǎng)和核心網(wǎng)實現(xiàn)跨層級的端到端協(xié)同，給網(wǎng)絡(luò)管理帶來了巨大挑戰(zhàn)的同時，網(wǎng)絡(luò)切片的架構(gòu)相對統(tǒng)一，無法靈活保障不同2B業(yè)務(wù)和專網(wǎng)運營需求。6G應(yīng)用場景更加多樣化，云XR、元宇宙、全息通信等場景，需要網(wǎng)絡(luò)按需構(gòu)建、適時釋放，網(wǎng)絡(luò)的動態(tài)構(gòu)建將成為一種新的特征。這樣以來，如果沿用5G的建網(wǎng)及維護方式，難以實現(xiàn)網(wǎng)絡(luò)效率的優(yōu)化。6G網(wǎng)絡(luò)需通過對網(wǎng)絡(luò)、功能、新技術(shù)的智能編排，從集中式向分布式轉(zhuǎn)變，根據(jù)多變的環(huán)境快速自適應(yīng)地進行網(wǎng)絡(luò)組件及功能和服務(wù)的調(diào)整，同時具備較高的自我管理、自我優(yōu)化、自我演進的能力，從而實現(xiàn)網(wǎng)絡(luò)的智能自治。（1）服務(wù)場景和業(yè)務(wù)的局限5移動通信網(wǎng)絡(luò)在過去的40多年間，從1G到如今的5G，主要面向用戶提供通信服務(wù)（例如人與人之間的語音、視頻、消息和多媒體）。5G雖然開始嘗試向垂直行業(yè)的場景進行擴展，但仍是以傳統(tǒng)通信業(yè)務(wù)為主。相應(yīng)地，衡量網(wǎng)絡(luò)服務(wù)質(zhì)量的參數(shù)（例如傳輸速率、時延、錯誤率）也主要針對傳統(tǒng)通信業(yè)務(wù)，且難以做到快速動態(tài)配置，無法滿足一些垂直行業(yè)的特殊需求。（2）缺乏靈活性在目前的網(wǎng)絡(luò)運營模式中，依據(jù)需求規(guī)劃和建設(shè)網(wǎng)絡(luò)，用戶使用建成網(wǎng)絡(luò)的服務(wù)；在網(wǎng)絡(luò)建成后，若用戶和業(yè)務(wù)需求發(fā)生變化，例如用戶數(shù)量增加、出現(xiàn)新的業(yè)務(wù)形態(tài)，則需要對網(wǎng)絡(luò)進行軟件升級甚至硬件改造。即：網(wǎng)絡(luò)無法依據(jù)需求的變化，采用自適應(yīng)方式，例如：靈活地發(fā)現(xiàn)、擴展、協(xié)同和重組網(wǎng)絡(luò)資源、調(diào)整網(wǎng)絡(luò)架構(gòu)，來提升網(wǎng)絡(luò)的能力(容量、能效、服務(wù)種類/等級等)。（3）缺乏智能性現(xiàn)有網(wǎng)絡(luò)中，面對海量用戶和突發(fā)的業(yè)務(wù)量，可能會出現(xiàn)通信業(yè)務(wù)擁塞甚至中斷等情況，因此需要不斷優(yōu)化網(wǎng)絡(luò)控制和管理機制，識別可能的網(wǎng)絡(luò)問題和故障，以提升網(wǎng)絡(luò)的適應(yīng)能力。而當前網(wǎng)絡(luò)往往缺少一種持續(xù)優(yōu)化網(wǎng)絡(luò)控制和管理機制、識別可能的網(wǎng)絡(luò)問題和故障的有效方法，這樣可能導(dǎo)致網(wǎng)絡(luò)運行僵化、故障識別滯后，造成不必要的經(jīng)濟和社會損失。（1）網(wǎng)絡(luò)智能的需求分析6G網(wǎng)絡(luò)的應(yīng)用場景，如元宇宙、數(shù)字孿生、全息通信、智慧城市、智慧交通、智慧家庭等，為了給用戶提供更好的服務(wù)體驗，需要利用AI技術(shù)增強應(yīng)用場景的服務(wù)能力。眾多6G應(yīng)用的智能需求需要優(yōu)質(zhì)的AI模型算法和海量數(shù)據(jù)作為輸入，通過強大的算力進行AI訓(xùn)練和推理，提高智能服務(wù)效率。6例如：在如智慧交通場景中，對于自動駕駛場景需要計算密集型的AI，車輛需要不斷感知周圍環(huán)境、車況、路況等，采集海量的環(huán)境數(shù)據(jù)做復(fù)雜計算，同時由于自動駕駛場景的高實時性要求，需要網(wǎng)絡(luò)快速處理大量數(shù)據(jù)并做出準確及時的推理。在數(shù)字孿生場景中，需要對物理空間進行描述、診斷、預(yù)測、決策進而實現(xiàn)物理空間與虛擬空間的交互映射，對物理實體的智能感知，需要智能化傳感器實現(xiàn)自維護、自感知、自采集，依靠強大算力對海量數(shù)據(jù)進行智能處理和分析，從而實現(xiàn)精準、可靠的數(shù)字建模。此外，數(shù)字孿生體需要對物理世界進行仿真，通過AI模型在數(shù)字世界進行智能診斷和預(yù)測，得出仿真結(jié)果再作用到物理世界中?；谏鲜鼍W(wǎng)絡(luò)智能需求得到如下智能服務(wù)需求：-以用戶為中心，對場景、業(yè)務(wù)、用戶需求和通信資源進行精確感知和判斷，以指導(dǎo)網(wǎng)絡(luò)資源的智能生成，提供精準、可定制的服務(wù)。-依據(jù)智能感知得到的信息（例如：場景、用戶、業(yè)務(wù)、通信資源），智能生成網(wǎng)絡(luò)資源，靈活構(gòu)建網(wǎng)絡(luò)架構(gòu)和功能，以實現(xiàn)網(wǎng)絡(luò)資源對場景、用戶與業(yè)務(wù)需求的精確適配和保障。-對網(wǎng)絡(luò)資源進行動態(tài)和高效的調(diào)度，實現(xiàn)對智能生成的網(wǎng)絡(luò)資源的最優(yōu)使用，取得最大效能。-實現(xiàn)不同網(wǎng)絡(luò)資源之間的協(xié)作、配合與互通，實現(xiàn)網(wǎng)絡(luò)服務(wù)和能力的最優(yōu)化。（2）網(wǎng)絡(luò)自治的需求分析：自治網(wǎng)絡(luò)在5G時代已經(jīng)漸成共識，業(yè)界標準組織、運營商和設(shè)備商已啟動相關(guān)研究和探索。隨著技術(shù)的發(fā)展和軟硬件能力的大幅提升，6G應(yīng)用將出現(xiàn)多樣化的趨勢，如云XR、全息通信、智慧交互和全域覆蓋等，這就對網(wǎng)絡(luò)的時延、可靠性、吞吐量、連接數(shù)密度等指標提出了不同的需求。同時，6G網(wǎng)絡(luò)需根據(jù)全社會、全行業(yè)、全生態(tài)的業(yè)務(wù)場景，針對不同垂直行業(yè)場景的7實際需求，提供滿足業(yè)務(wù)場景差異化需求的網(wǎng)絡(luò)能力，因此，6G網(wǎng)絡(luò)需要提供更高的靈活性，滿足網(wǎng)絡(luò)自治的能力?；谏鲜鼍W(wǎng)絡(luò)自治需求得到如下智能運維需求：-網(wǎng)絡(luò)的運維管理通過網(wǎng)絡(luò)自身實現(xiàn)，自動動態(tài)調(diào)整以適應(yīng)網(wǎng)絡(luò)業(yè)務(wù)與狀態(tài)變化，將人工干預(yù)降到最低，實現(xiàn)零接觸“zero-touch”的網(wǎng)絡(luò)智能運-自主實現(xiàn)意圖處理(IntentHandling)、感知(Awareness)、分析（Analysis)、決策(Decision)和執(zhí)行(Execution)的網(wǎng)絡(luò)優(yōu)化工作流程，實現(xiàn)完全的網(wǎng)絡(luò)自治。-按照功能、服務(wù)、地域等劃分成多個網(wǎng)絡(luò)自治域，允許不同網(wǎng)絡(luò)自治域之間的協(xié)同交互，以實現(xiàn)資源的聯(lián)動與優(yōu)化，提高服務(wù)或網(wǎng)絡(luò)整體性能。-滿足高可靠性、實時性和安全性的運維需求。5G網(wǎng)絡(luò)從三大應(yīng)用場景入手（eMBB、uRLLC、mMTC），拉開了移動通信網(wǎng)絡(luò)與行業(yè)場景深度融合的序幕。6G網(wǎng)絡(luò)將在進一步加強網(wǎng)絡(luò)自身能力的基礎(chǔ)上，面向更多場景進行更深入的融合，向全社會、全行業(yè)、全生態(tài)等提供隨需的服務(wù)。面對萬千場景千差萬別的需求和網(wǎng)絡(luò)綠色節(jié)能的要求，網(wǎng)絡(luò)如何精準適應(yīng)網(wǎng)絡(luò)場景需求，提供按需的網(wǎng)絡(luò)服務(wù)，逐漸凝聚出6G網(wǎng)絡(luò)適應(yīng)能力研究的6G研究新方向。相較5G及之前的網(wǎng)絡(luò)能力和關(guān)鍵技術(shù)研究，網(wǎng)絡(luò)適應(yīng)能力是伴隨6G研究首次出現(xiàn)的新的研究方向，對移動通信網(wǎng)絡(luò)從以連接為中心，向以用戶為中心具有重大影響。86G網(wǎng)絡(luò)性能的研究，一方面延續(xù)了歷代移動通信系統(tǒng)研究的方式，在速率、時延、密度、可靠性等網(wǎng)絡(luò)的傳統(tǒng)連接性能方面進一步提高網(wǎng)絡(luò)能力。另一方面，對于同等重要的數(shù)據(jù)、AI和計算等新型網(wǎng)絡(luò)能力的指標，以及網(wǎng)絡(luò)適應(yīng)能力的度量和保障指標也在不斷探索中。5G及歷代移動通信系統(tǒng)中，沒有網(wǎng)絡(luò)適應(yīng)能力的定義，網(wǎng)絡(luò)適應(yīng)能力是世界6G研究領(lǐng)域的全新問題。因此，6G網(wǎng)絡(luò)適應(yīng)能力研究的首要問題是研究內(nèi)容和范圍的定義。結(jié)合目前的研究進展和成果，本白皮書對網(wǎng)絡(luò)適應(yīng)能力的定義如下：6G網(wǎng)絡(luò)的適應(yīng)能力，指的是網(wǎng)絡(luò)可以對不同社會/行業(yè)場景進行針對性的構(gòu)建網(wǎng)絡(luò)架構(gòu)和功能，提供滿足需求的服務(wù)，體現(xiàn)為滿足社會/行業(yè)場景需求的數(shù)量和程度。進一步的，6G網(wǎng)絡(luò)的適應(yīng)能力可以分解為：基礎(chǔ)適應(yīng)能力（邊界容納能力）和智能適應(yīng)能力（自主調(diào)整能力）。網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力，即網(wǎng)絡(luò)可以提供服務(wù)的能力邊界和能力顆粒度。網(wǎng)絡(luò)能力邊界的范圍，決定了網(wǎng)絡(luò)能力可以覆蓋哪些社會/行業(yè)場景需求，網(wǎng)絡(luò)可提供的網(wǎng)絡(luò)服務(wù)是否適應(yīng)社會/行業(yè)場景需求。網(wǎng)絡(luò)服務(wù)能力邊界范圍越大，以及能力顆粒度越細，可服務(wù)的社會/行業(yè)場景越多，以及對社會/行業(yè)場景的能力需求支持程度越大。網(wǎng)絡(luò)基礎(chǔ)服務(wù)適應(yīng)能力可分解為峰值速率、時延、定位精度和可靠性等技術(shù)指標。網(wǎng)絡(luò)智能適應(yīng)能力即為網(wǎng)絡(luò)在網(wǎng)絡(luò)基礎(chǔ)服務(wù)能力的范圍內(nèi)，針對不同社會/行業(yè)場景的個性化和智能化需求，對網(wǎng)絡(luò)架構(gòu)、資源進行自主的編排，自主適應(yīng)社會/行業(yè)場景的個性需求和智能需求的能力。網(wǎng)絡(luò)適應(yīng)能力指標應(yīng)從多維度來考量，體現(xiàn)6G網(wǎng)絡(luò)用戶的需求，以及6G9網(wǎng)絡(luò)的能力。在網(wǎng)絡(luò)適應(yīng)能力的定義中，網(wǎng)絡(luò)適應(yīng)能力對應(yīng)的分為了兩部分，網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力和網(wǎng)絡(luò)智能適應(yīng)能力，因此指標體系也將此兩方面進行定（1）網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力從網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力的定義中可以看出，網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力是網(wǎng)絡(luò)資源對網(wǎng)絡(luò)用戶需求的適應(yīng)能力，因此，網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力的多項指標與網(wǎng)絡(luò)性能KPI重疊，但兩者有明顯的區(qū)別。根據(jù)目前跟蹤業(yè)界對6G網(wǎng)絡(luò)的研究進展，選取的網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力指標如下表所示。表1.網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力指標.連接（可擴展）1）覆蓋陸地約20%;地球表面積約6%地球表面積100%2）時延毫秒級時延0.1ms3）抖動微秒微秒，可靠性99.99999%4）速率Gbit/s峰值速率Tbit/s級用戶體驗速率100Gbit/s5）移動性500km/h1000km/h6）定位精度亞米級厘米級7）連接密度100萬/km21億/km38）能效/比特傳輸能效計算1）算力總量RAN、CN各自算力網(wǎng)絡(luò)算力、終端算力、第三方算力2）算力能效/綠色低碳6G3）算力使用率各自使用算網(wǎng)融合統(tǒng)一使用4）算力調(diào)度準確率各自調(diào)度算力網(wǎng)絡(luò)統(tǒng)一調(diào)度數(shù)據(jù)1）數(shù)據(jù)種類域內(nèi)隔離，業(yè)務(wù)隔離跨域跨業(yè)務(wù)流通數(shù)據(jù)2）數(shù)據(jù)利用率業(yè)務(wù)數(shù)據(jù)隔離跨域、跨業(yè)務(wù)數(shù)據(jù)編織3）安全隱私級數(shù)//AI1）算法數(shù)量算法較少(感知;解析;適配)豐富2）算法準確率較低較高6G網(wǎng)絡(luò)KPI的研究相較6G網(wǎng)絡(luò)適應(yīng)能力的研究要超前一些。而由于網(wǎng)絡(luò)適應(yīng)能力的指標中，有部分指標與網(wǎng)絡(luò)KPI指標存在一定重疊，且網(wǎng)絡(luò)適應(yīng)能力還沒有較精準的定義和指標。因此，在研究過程中，總會使研究者對兩者的關(guān)系產(chǎn)生困惑，產(chǎn)生網(wǎng)絡(luò)適應(yīng)能力與網(wǎng)絡(luò)KPI沒有太大區(qū)別的誤解。根據(jù)我們目前的研究，兩者的關(guān)系的主要區(qū)別在于：網(wǎng)絡(luò)KPI的指標，諸如移動性、速率、時延等，均是網(wǎng)絡(luò)性能的最大值，是衡量網(wǎng)絡(luò)建設(shè)是否達到了建設(shè)前期設(shè)定的目標值。網(wǎng)絡(luò)適應(yīng)能力，是網(wǎng)絡(luò)對用戶需求精確適應(yīng)，按需提供服務(wù)的能力，并不是提供的服務(wù)越大越強就越好，更關(guān)注需求滿足的精準精確。其中的一些指標，如移動性、速率、時延等，與網(wǎng)絡(luò)KPI最大性能的指標重疊，但只是指最大適應(yīng)的能力邊界，除此之外，還對控制顆粒度等問題有較大關(guān)注，邊界反而只是其中之一，精確精準的能力更是與網(wǎng)絡(luò)KPI有著本質(zhì)的區(qū)別。（2）智能適應(yīng)能力針對網(wǎng)絡(luò)智能適應(yīng)能力,從四個維度進行研究，分別為智能感知、智能解析、智能適配和智能自演進，其定義分別如下：智能感知：對業(yè)務(wù)需求等全方位感知，進行網(wǎng)絡(luò)模型的適配。針對已有的行業(yè)，6G網(wǎng)絡(luò)完成其網(wǎng)絡(luò)模型的定義；網(wǎng)絡(luò)智能感知功能選擇一個已有的網(wǎng)絡(luò)模型。針對新的行業(yè)，網(wǎng)絡(luò)智能感知功能從已有的6G網(wǎng)絡(luò)模型中選擇一個最為貼合需求的模型（從資源需求維度進行判斷選擇）。智能解析：將感知到的業(yè)務(wù)需求轉(zhuǎn)譯為網(wǎng)絡(luò)模型和資源方面需求。已有行業(yè)將不需要此步驟；針對新的行業(yè)，此步驟將感知的需求，轉(zhuǎn)譯為網(wǎng)絡(luò)模型各維度和新增維度的網(wǎng)絡(luò)資源需求。智能解析的指標為智能轉(zhuǎn)譯的準確率。智能適配：根據(jù)適配于行業(yè)的網(wǎng)絡(luò)模型下發(fā)網(wǎng)絡(luò)功能實體和終端(例如機器設(shè)備)的配置參數(shù)，持續(xù)對網(wǎng)絡(luò)監(jiān)控、評估和優(yōu)化。針對已有行業(yè)，根據(jù)適配于行業(yè)的網(wǎng)絡(luò)模型下發(fā)網(wǎng)絡(luò)功能實體和終端(例如機器設(shè)備)的配置參數(shù)，持續(xù)對網(wǎng)絡(luò)監(jiān)控、評估和優(yōu)化。針對新的行業(yè)，根據(jù)網(wǎng)絡(luò)資源需求，將網(wǎng)絡(luò)模型原有各維度參數(shù)和新增維度的參數(shù)，下發(fā)為網(wǎng)絡(luò)功能實體和終端(例如機器設(shè)備)配置參數(shù)，持續(xù)監(jiān)控、評估、優(yōu)化。智能自演進：形成新的網(wǎng)絡(luò)模型的能力。經(jīng)過優(yōu)化迭代，針對新行業(yè)形成新的網(wǎng)絡(luò)模型。表2網(wǎng)絡(luò)基礎(chǔ)適應(yīng)能力指標智能感知1）感知行業(yè)數(shù)量2）感知準確率暫無通感一體；用例自生成智能解析1）控制面資源轉(zhuǎn)譯準確率2）用戶面資源轉(zhuǎn)譯準確率3）AI資源轉(zhuǎn)譯準確率暫無智能內(nèi)生；功能原子化智能適配1）配置創(chuàng)建成功率2）資源配置準確率3）優(yōu)化提升百分比4）感知-創(chuàng)建時長5）已有網(wǎng)絡(luò)影響程度/按需配置智能自演進1）新網(wǎng)絡(luò)模型準確率2）形成新模型時長暫無智能內(nèi)生在6G網(wǎng)絡(luò)能力研究中，6G網(wǎng)絡(luò)除了提供更強的連接服務(wù)外，還將提供數(shù)據(jù)、AI、計算等多項服務(wù)，為6G網(wǎng)絡(luò)用戶及自身的業(yè)務(wù)提供服務(wù)保障。面對多樣的服務(wù)能力和復(fù)雜的網(wǎng)絡(luò)場景，以網(wǎng)絡(luò)為主的傳統(tǒng)方式將面臨巨大挑戰(zhàn)。因此，6G網(wǎng)絡(luò)將轉(zhuǎn)變?yōu)橐杂脩魹橹行?，根?jù)場景和用戶的需求，網(wǎng)絡(luò)個性化的提供精準的服務(wù)，網(wǎng)絡(luò)去適應(yīng)用戶，而非用戶順從網(wǎng)絡(luò)。6G智能內(nèi)生網(wǎng)絡(luò)使用微服務(wù)等技術(shù)，重新劃分網(wǎng)絡(luò)功能和服務(wù)，使得網(wǎng)絡(luò)功能與服務(wù)的顆粒細化，實現(xiàn)網(wǎng)絡(luò)功能和服務(wù)的細粒度地柔性分割和按需擴展。在分層的網(wǎng)絡(luò)架構(gòu)中，網(wǎng)絡(luò)功能和服務(wù)通過能力分級，不同層的網(wǎng)絡(luò)部署不同級別的網(wǎng)絡(luò)功能和服務(wù)，既為網(wǎng)絡(luò)功能的高效交互提供了支持，又清晰界定了不同層的網(wǎng)絡(luò)功能和服務(wù)的能力范圍。使得跨層跨域的功能交互具有功能一致性，具備跨層跨域高效交互的能力，更高層級在解決局部網(wǎng)絡(luò)問題時，提出全局最優(yōu)的解決方案。在中央智能與邊緣智能的網(wǎng)絡(luò)中，通過邊緣智能網(wǎng)絡(luò)的自主感知，為本地及中央超腦提供源源不斷的高質(zhì)量數(shù)據(jù)。在邊緣網(wǎng)絡(luò)的構(gòu)建過程中，通過自主精準感知場景細致差異，針對不同社會、行業(yè)等場景的差異，精準適應(yīng)場景對網(wǎng)絡(luò)能力和服務(wù)的需求?；谥悄軆?nèi)生，6G網(wǎng)絡(luò)自構(gòu)建最適配的網(wǎng)絡(luò)架構(gòu)，提供極細粒度的網(wǎng)絡(luò)功能和服務(wù)供給，精準實例化滿足需求的網(wǎng)絡(luò)功能和服務(wù)，實現(xiàn)網(wǎng)絡(luò)架構(gòu)、功能和服務(wù)的自構(gòu)建和精準適應(yīng)，以及網(wǎng)絡(luò)資源的高效利用和服務(wù)的精準保障。在6G智能網(wǎng)絡(luò)的服務(wù)用例適應(yīng)方面，6G智能網(wǎng)絡(luò)通過網(wǎng)絡(luò)服務(wù)用例的管理將服務(wù)用例部署到網(wǎng)絡(luò)中，網(wǎng)絡(luò)編排管理功能或協(xié)同管控功能，根據(jù)服務(wù)用例的描述按需調(diào)配網(wǎng)絡(luò)元素（包括數(shù)據(jù)、算法、算力、連接等）以適應(yīng)滿足該用例的性能需求。網(wǎng)絡(luò)服務(wù)用例是用戶在對應(yīng)場景下向網(wǎng)絡(luò)提出的一次服務(wù)請求，一個服務(wù)用例可能涉及到一類或多類網(wǎng)絡(luò)內(nèi)生服務(wù)（如AI服務(wù)、計算服務(wù)、連接服務(wù)）的調(diào)用。作為5G移動通信網(wǎng)絡(luò)的進一步演進，6G網(wǎng)絡(luò)將具有智能內(nèi)生的特征，即：網(wǎng)絡(luò)的控制、服務(wù)與運維等借助人工智能（AI）/機器學(xué)習(xí)（ML）等技術(shù)實現(xiàn)智能化和自動化。6G智能內(nèi)生網(wǎng)絡(luò)架構(gòu)可以基于智能自治域和智能生成域來實現(xiàn)。6G智能生成域(IGD:IntelligentGenerativeDomain)的主要特征是依據(jù)外部與內(nèi)部需求，智能生成和調(diào)度資源，以滿足6G系統(tǒng)通信和智能業(yè)務(wù)的需要。6G智能自治域(IAD:IntelligentAutonomousDomain)的主要特征是網(wǎng)絡(luò)自身自動自主地進行運維管理，動態(tài)調(diào)整網(wǎng)絡(luò)配置以適應(yīng)網(wǎng)絡(luò)業(yè)務(wù)與狀態(tài)的變化，將人工干預(yù)降到最低。第3.2、3.3和3.4節(jié)依次對智能生成域、6G智能自治域以及雙域之間的交互進行詳細介紹。智能生成域指的是網(wǎng)絡(luò)執(zhí)行智能生成功能的邏輯域。智能生成過程包括網(wǎng)絡(luò)根據(jù)感知、數(shù)據(jù)采集等獲得信息，智能地分析網(wǎng)絡(luò)行為在連接、計算、數(shù)據(jù)、算法、安全等一種或多種要素需求，在架構(gòu)、功能、服務(wù)、資源、協(xié)同關(guān)系等方面精準分析適配網(wǎng)絡(luò)需求，智能生成網(wǎng)絡(luò)行為描述模板。智能生成域負責6G網(wǎng)絡(luò)的智能按需生成，智能生成域的構(gòu)建是實現(xiàn)6G智慧內(nèi)生網(wǎng)絡(luò)的核心關(guān)鍵基礎(chǔ)問題。智能生成域與網(wǎng)絡(luò)傳統(tǒng)的接入網(wǎng)域、核心網(wǎng)域等網(wǎng)絡(luò)實體功能域不同，其是一個邏輯功能域，通過泛在的網(wǎng)絡(luò)資源和內(nèi)生智能，智能生成網(wǎng)絡(luò)執(zhí)行描述模板。網(wǎng)絡(luò)依據(jù)網(wǎng)絡(luò)執(zhí)行描述模板中的執(zhí)行內(nèi)容，進行網(wǎng)絡(luò)行為。網(wǎng)絡(luò)執(zhí)行行為可以是一次網(wǎng)絡(luò)計算資源調(diào)整、一次網(wǎng)絡(luò)功能創(chuàng)建、一次子網(wǎng)構(gòu)造等。智能生成域的工作流程示例如圖1所示，具體過程詳細描述如下：圖1.智能生成域工作流程示例.（1）感知：6G網(wǎng)絡(luò)將實現(xiàn)通信感知一體化。通過泛在的感知設(shè)備、感知信號、遙測信令等，對網(wǎng)絡(luò)用戶/場景進行全方位的需求感知。（2）分析：根據(jù)網(wǎng)絡(luò)無時無刻的感知數(shù)據(jù)，6G網(wǎng)絡(luò)基于內(nèi)生智能得到用戶/場景等的精準需求，并通過6NAI（6GNetworkAdaptabilityIndex，6G網(wǎng)絡(luò)適應(yīng)能力索引）索引參數(shù)描述，用于指導(dǎo)后續(xù)網(wǎng)絡(luò)執(zhí)行行為。6NAI的組成主要分為連接、計算、數(shù)據(jù)、智能和安全等部分，分別對應(yīng)不同用戶在連接、計算、數(shù)據(jù)、智能和安全等各部分的需求。（3）適配：基于6NAI要求，6G網(wǎng)絡(luò)自構(gòu)建所對應(yīng)的架構(gòu)、功能、硬件資源等網(wǎng)絡(luò)資源要素，將網(wǎng)絡(luò)需求適配為網(wǎng)絡(luò)可理解的參數(shù)。（4）生成：根據(jù)網(wǎng)絡(luò)參數(shù)，網(wǎng)絡(luò)生成下一步的執(zhí)行動作集，即網(wǎng)絡(luò)執(zhí)行描述模板。網(wǎng)絡(luò)執(zhí)行描述模板揭示了面向全行業(yè)、全社會、全生態(tài)的業(yè)務(wù)需求、網(wǎng)絡(luò)資源及接入方式等網(wǎng)絡(luò)元素之間的關(guān)聯(lián)關(guān)系，以及網(wǎng)絡(luò)狀態(tài)的轉(zhuǎn)移關(guān)系，是智能生成域與網(wǎng)絡(luò)自治域之間進行網(wǎng)絡(luò)狀態(tài)預(yù)測與反饋的依據(jù)。自治域是能夠?qū)崿F(xiàn)特定網(wǎng)絡(luò)操作生命周期的閉環(huán)自動化的網(wǎng)絡(luò)功能的業(yè)務(wù)配置。換句話說，它們是網(wǎng)絡(luò)資源閉環(huán)的實例化，執(zhí)行網(wǎng)絡(luò)資源和功能的自動管理。自治域根據(jù)每個通信服務(wù)提供商（CSP：CommunicationServiceProvider）的業(yè)務(wù)邏輯將網(wǎng)絡(luò)劃分為一組協(xié)作域。比如，從無線接入網(wǎng)角度看，自治域包括RAN，CN，TN的閉環(huán)，從業(yè)務(wù)角度看包括網(wǎng)絡(luò)切片、NB-IOT、AR/VR等。自治域的基本特征包括供上層用戶使用這些自治功能的服務(wù)化開放接口（API）以及維護該域相關(guān)服務(wù)和資源實例的清單，并且代表相同邏輯的網(wǎng)元應(yīng)位于一個且僅一個自治域中。通過人工智能等技術(shù)的引入，6G自治網(wǎng)絡(luò)的最終目標是構(gòu)建一個具備跨多業(yè)務(wù)、多領(lǐng)域、全生命周期的全場景閉環(huán)自治能力的網(wǎng)絡(luò)，并實現(xiàn)完全自治。自治域作為網(wǎng)絡(luò)的基礎(chǔ)單元，通過人工智能等技術(shù)的引入，實現(xiàn)網(wǎng)絡(luò)，服務(wù)，業(yè)務(wù)的智能化，并推動通信網(wǎng)絡(luò)向自配置、自治愈、自優(yōu)化、自演進的新一代網(wǎng)絡(luò)發(fā)展，從而進化成面向全社會、全行業(yè)、全生態(tài)的智能網(wǎng)絡(luò)“智能自治域”。為了滿足不同客戶和應(yīng)用場景對通信網(wǎng)絡(luò)的差異化服務(wù)能力的需求，服務(wù)化技術(shù)，超大規(guī)模天線技術(shù)，人工智能技術(shù)的引入，讓6G網(wǎng)絡(luò)部署更加動態(tài)和復(fù)雜。為了降低網(wǎng)絡(luò)復(fù)雜性，自治網(wǎng)絡(luò)分解為多個智能自治域，這些域通過意圖驅(qū)動的接口與其他層/域/用戶交互。此外，隨著智能的分布化、云計算的分布式發(fā)展,要求新的連接、新的網(wǎng)絡(luò)也向分布式逐漸演進。在分布有眾多節(jié)點(例如終端、邊緣網(wǎng)絡(luò)設(shè)備、云端設(shè)備)的智能網(wǎng)絡(luò)系統(tǒng)中，每個節(jié)點都具有高度自治的特征，并且可以滿足邊緣自治的高實時性需求。節(jié)點之間彼此可以自由連接，形成新的連接，這些節(jié)點組成的網(wǎng)絡(luò)連接也可成為一個智能網(wǎng)絡(luò)自治域。如圖2所示。圖2.智能自治域分布式體系和基本框架.智能自治域是一種自治系統(tǒng)的實例化，通過在SLA和意圖業(yè)務(wù)目標的驅(qū)動下持續(xù)有效地感知和分析，借助AI/ML能力做出決策，并不斷地配置、修復(fù)和優(yōu)化網(wǎng)絡(luò)，從而構(gòu)建出具有全場景閉環(huán)自治能力的網(wǎng)絡(luò)。智能自治域可以動態(tài)適應(yīng)環(huán)境的變化，并且優(yōu)化和個性化所提供服務(wù)的最終用戶體驗，并且從整體上提高了6G網(wǎng)絡(luò)的敏捷性、安全性和彈性。6G網(wǎng)絡(luò)可以依據(jù)網(wǎng)絡(luò)形態(tài)、服務(wù)區(qū)域或其它特征劃分為多個智能自治域或智能生成域，例如：1）依據(jù)網(wǎng)絡(luò)形態(tài)：接入網(wǎng)(AN)和核心網(wǎng)(CN)可以作為兩個不同的智能自治域或智能生成域；終端之間直接通信的子網(wǎng)可以作為獨立的智能自治域或智能生成域；2）依據(jù)服務(wù)區(qū)域或服務(wù)對象：服務(wù)于不同區(qū)域的邊緣(/本地)網(wǎng)絡(luò)可以作為不同的智能自治域或智能生成域；虛擬(/專用)子網(wǎng)可以作為獨立的智能自治域或智能生成域；3）依據(jù)支持的業(yè)務(wù)和應(yīng)用場景：支持不同業(yè)務(wù)的子網(wǎng)絡(luò)（類似與5G系統(tǒng)中的網(wǎng)絡(luò)切片）可以作為不同的智能自治域或智能生成域?？梢砸罁?jù)業(yè)務(wù)的智能化需求，按照業(yè)務(wù)類別的不同劃分不同粒度的智能自治域或智能生成域，例如分別用于支持公共安全業(yè)務(wù)、智慧醫(yī)療、智慧工廠的子網(wǎng)絡(luò)可以作為不同的智能自治域或智能生成域。6G智能生成域與智能自治域之間可以互通與協(xié)作，例如：智能生成域可以感知智能自治域的資源狀態(tài)，進行業(yè)務(wù)需求與資源狀態(tài)的適配和分析，并將生成的資源配置決策輸入到智能自治域，以輔助智能自治域?qū)崿F(xiàn)自治，如圖3.智能自治域與智能生成域的互動.不同運營商的網(wǎng)絡(luò)也可以作為不同的智能生成域或自治網(wǎng)絡(luò)域，通過域間互通與協(xié)同，提高漫游場景下的智能通信性能和業(yè)務(wù)體驗。由于高頻段的使用，基站的覆蓋范圍相比5G將更小，站間距將更小，6G無線網(wǎng)絡(luò)將是超高密集的網(wǎng)絡(luò)，基站數(shù)量將非常多。由于網(wǎng)絡(luò)節(jié)點高度異構(gòu)，使得網(wǎng)絡(luò)結(jié)構(gòu)非常復(fù)雜。將支持更多類型、具有高度異構(gòu)QoS要求的業(yè)務(wù)，支持更高的移動速度、更高的連接密度、更高的數(shù)據(jù)速率、更高的可靠性、更低的時延，使得6G無線網(wǎng)絡(luò)的系統(tǒng)參數(shù)數(shù)量將非常龐大。這些因素，導(dǎo)致其在網(wǎng)絡(luò)規(guī)劃、部署、優(yōu)化、故障恢復(fù)等方面，相比于現(xiàn)有系統(tǒng)，復(fù)雜度有非常顯著的增加。6G無線網(wǎng)絡(luò)是智慧內(nèi)生的無線網(wǎng)絡(luò)，具備強大的數(shù)據(jù)采集、存儲、分析、處理能力，使得人工智能和大數(shù)據(jù)的應(yīng)用，以及通過無線網(wǎng)絡(luò)自動駕駛（包括網(wǎng)絡(luò)規(guī)劃、部署、優(yōu)化、故障恢復(fù)的自治）實現(xiàn)智能無線網(wǎng)絡(luò)組網(wǎng)成為可能。無線網(wǎng)絡(luò)規(guī)劃是在網(wǎng)絡(luò)部署前，對基站位置、數(shù)量的規(guī)劃。需要考慮包括網(wǎng)絡(luò)部署成本和網(wǎng)絡(luò)性能在內(nèi)的多個因素，以確定適當?shù)幕緮?shù)量和最佳的部署位置，以滿足覆蓋和初始容量的需求。在6G無線網(wǎng)絡(luò)中，隨著網(wǎng)絡(luò)的密集化與異構(gòu)性的不斷發(fā)展，覆蓋的立體化，以及網(wǎng)絡(luò)基礎(chǔ)設(shè)施的移動性，網(wǎng)絡(luò)層數(shù)和基站數(shù)量急劇增加，網(wǎng)絡(luò)拓撲時變、復(fù)雜，每個基站服務(wù)的用戶數(shù)量很少，用戶在時間和空間上的分布更為不均勻，使得基站規(guī)劃問題變得更加復(fù)雜。System，AIS）等，但大多基于用戶均勻分布的假設(shè)。然而實際用戶分布往往是不均勻的，不均勻的用戶分布對多層網(wǎng)絡(luò)的部署影響顯著。。在用戶分布不均勻的場景下，可以基于增強型人工免疫策略用于多層無線網(wǎng)絡(luò)的基站規(guī)劃。首先對規(guī)劃區(qū)域進行覆蓋規(guī)劃和容量規(guī)劃，以獲得滿足覆蓋規(guī)劃和容量規(guī)劃所得的初始基站數(shù)量，然后，基于增強型人工免疫策略進行冗余基站的刪除，在滿足網(wǎng)絡(luò)覆蓋與容量需求的前提下，使得網(wǎng)絡(luò)部署成本最低。6G無線接入網(wǎng)絡(luò)呈現(xiàn)多層次、異質(zhì)性、平臺服務(wù)能力差異化的特性，無線通信用戶表現(xiàn)出高動態(tài)特性，作業(yè)環(huán)境復(fù)雜，業(yè)務(wù)隨時間和空間需求動態(tài)變化，現(xiàn)有地面通信設(shè)施難以滿足復(fù)雜場景下的用戶通信需求，例如偏遠地區(qū)、災(zāi)后環(huán)境，流量熱點地區(qū)等。因此，需要智能化部署來提高無線通信系統(tǒng)的服務(wù)能力，實現(xiàn)網(wǎng)絡(luò)的按需部署。智能化部署本質(zhì)上是通過動態(tài)網(wǎng)絡(luò)接入適配實時業(yè)務(wù)需求，因此獲取業(yè)務(wù)信息是必要前提。由于業(yè)務(wù)種類繁多，業(yè)務(wù)分布與體量動態(tài)變化，大范圍業(yè)務(wù)的實時、精確獲取極具挑戰(zhàn)性，多接入方式對實時業(yè)務(wù)的適配是一個重要的問題。不同接入方式的選擇不僅與信道質(zhì)量、調(diào)制編碼方式、傳輸能效等物理層參數(shù)有關(guān)，與業(yè)務(wù)類型、業(yè)務(wù)流量、包到達間隔、包長特征等業(yè)務(wù)相關(guān)特征也有緊密的聯(lián)系。因此，需要通過提取業(yè)務(wù)類型與流量的時空特征，建立業(yè)務(wù)時空分布與傳輸效能的預(yù)測模型，基于預(yù)測結(jié)果實現(xiàn)實時業(yè)務(wù)的接入方式選擇，最終實現(xiàn)動態(tài)網(wǎng)絡(luò)節(jié)點高效地獲取業(yè)務(wù)分布以及接入方式等信根據(jù)業(yè)務(wù)分布和業(yè)務(wù)預(yù)測的智能化獲取，針對空天地異質(zhì)平臺的服務(wù)場景，對空基接入點進行動態(tài)/半靜態(tài)的智能按需部署，對天基和地基接入點進行適應(yīng)性調(diào)控，以實現(xiàn)序列化任務(wù)的三維立體覆蓋，通過網(wǎng)絡(luò)適配業(yè)務(wù)的工作模式實現(xiàn)綠色動態(tài)組網(wǎng)?；谏疃葘W(xué)習(xí)的網(wǎng)絡(luò)流量短期和長期預(yù)測，根據(jù)網(wǎng)絡(luò)流量序列具有的近鄰性、周期性和趨勢性這三種時間特性，分別構(gòu)建三類輸入數(shù)據(jù)采用編碼器-解碼器結(jié)構(gòu)進行流量預(yù)測。在編碼器中，采用空間注意力機制進行全局空間依賴關(guān)系進行建模，并且采用多層3D-CNN和ConvLSTM模塊進行時空特征的提取，在解碼器中，采用基于SE模塊的時間注意力機制，自適應(yīng)地對流量序列復(fù)雜的時間相關(guān)性進行建模。然后，基于多層感知機（MLP）進行單步預(yù)測輸出。通過深度學(xué)習(xí)技術(shù)更好地提取歷史流量序列的時間相關(guān)性和空間相關(guān)性，提高了網(wǎng)絡(luò)流量預(yù)測的準確性。無線網(wǎng)絡(luò)自優(yōu)化，是指根據(jù)用戶和基站測量到的相關(guān)性能數(shù)據(jù)自發(fā)地進行網(wǎng)絡(luò)參數(shù)調(diào)整來優(yōu)化網(wǎng)絡(luò)性能、提高網(wǎng)絡(luò)質(zhì)量。包括小區(qū)間干擾協(xié)調(diào)（InterCellInterfaceCoordination,ICIC）、移動性負載均衡（MobilityLoadBalancing,MLB）、覆蓋和容量（CapacityandCoverageOptimization,CCO）、移動健壯性（MobilityRobustnessOptimization,MRO）、節(jié)能優(yōu)化等優(yōu)化功能。6G無線網(wǎng)絡(luò)在運營過程中，由于業(yè)務(wù)和用戶分布的時間、空間變化，以及網(wǎng)絡(luò)的高度異構(gòu)性、超密集性，使得上述優(yōu)化更具挑戰(zhàn)性。在異構(gòu)超密集網(wǎng)絡(luò)環(huán)境下，用戶在基站覆蓋區(qū)的分布往往是不均勻的，導(dǎo)致負載的分布不均勻。有的基站連接用戶數(shù)少而資源空閑，而有的基站用戶多，負載很重。為保障用戶通信質(zhì)量的前提下提高資源利用率，可以通過移動性負載均衡實現(xiàn)負載均衡。移動性負載均衡指小區(qū)之間通過轉(zhuǎn)移部分業(yè)務(wù)量來達到平衡通信網(wǎng)絡(luò)負載的目的，通常可以通過優(yōu)化小區(qū)切換參數(shù)進行用戶的切換實現(xiàn)負載均衡，也可以通過強制切換部分用戶來實現(xiàn)負載均衡。但是不合理的切換參數(shù)可以使得部分用戶發(fā)生切換后QoS下降、通信鏈路失敗或者導(dǎo)致切換后鄰基站出現(xiàn)超載現(xiàn)象等問題，因此在保證用戶通信質(zhì)量情況下的切換參數(shù)的優(yōu)化、強制切換用戶的優(yōu)化選擇是實現(xiàn)負載均衡的重要前提。基于單智能體的移動性負載均衡方法，將負載均衡問題建模成馬爾可夫決策過程，智能體通過不斷訓(xùn)練學(xué)習(xí)最優(yōu)的基站移動性參數(shù)CIO的調(diào)整策略，為了更準確地描述通信環(huán)境狀態(tài)，在基站負載狀態(tài)作為狀態(tài)空間組成元素的基礎(chǔ)上，引入基站邊緣用戶的統(tǒng)計信息作為另一個重要的狀態(tài)空間組成元素，并且將獎勵函數(shù)定義為基站剩余負載的冪函數(shù)合成，實現(xiàn)降低基站負載、改善基站負載不均衡性、擴大基站接入新用戶能力的優(yōu)化目標，方案借助柔性演員-評論家（SoftActor-Critic,SAC）算法對該問題進行求解，使得智能體根據(jù)環(huán)境狀態(tài)決策所有基站的移動性參數(shù)CIO調(diào)整值，實現(xiàn)移動性負載均衡?；诙嘀悄荏w強化學(xué)習(xí)的負載均衡方法，將負載均衡問題建模成馬爾可夫博弈過程，即建立與重載基站中邊緣用戶一一對應(yīng)的智能體，各個智能體之間建模成合作關(guān)系，共同實現(xiàn)負載均衡的目標，方案借助多智能體深度確定性策略梯度（Multi-agentDeepDeterministicPolicyGradient,MADDPG）算法對問題進行求解，使得每個智能體根據(jù)環(huán)境狀態(tài)決策對應(yīng)用戶是否執(zhí)行切換操作，實現(xiàn)降低網(wǎng)絡(luò)中基站負載、更精細化決策切換用戶的目的，以改善網(wǎng)絡(luò)負載不均衡性。無線網(wǎng)絡(luò)的自愈合技術(shù)指當網(wǎng)絡(luò)發(fā)生故障時，實現(xiàn)網(wǎng)絡(luò)的自動恢復(fù)。自愈合技術(shù)包括故障自動檢測、故障根因自動分析（故障定位）、系統(tǒng)自動恢隨著無線通信網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜化和基站部署的密集化，無線網(wǎng)絡(luò)中故障發(fā)生的概率大大增加。有統(tǒng)計表明，運營商每年花費其總營收的1.7%用于解決網(wǎng)絡(luò)故障問題。因此，自愈合技術(shù)對降低網(wǎng)絡(luò)運維成本、提高網(wǎng)絡(luò)運維效率具有重要意義，自愈合技術(shù)也因此受到廣泛關(guān)注。如圖4所示，在自愈合流程中，中斷檢測首先執(zhí)行。信息收集模塊所收集的表征網(wǎng)絡(luò)運行狀態(tài)的KPI數(shù)據(jù)被送入中斷檢測系統(tǒng)，通過分析輸入的KPI數(shù)據(jù)的實際值是否與期望值相符來檢測和定位中斷。若檢測到中斷的存在，則進入故障診斷階段，根據(jù)KPI指標的變化情況分析導(dǎo)致中斷發(fā)生的根本原因，并根據(jù)原因提出相應(yīng)解決措施，開展中斷恢復(fù)操作，徹底解決網(wǎng)絡(luò)中斷。在故障診斷的同時，為了保障故障小區(qū)內(nèi)用戶服務(wù)體驗，中斷補償操作也會同步開展。中斷補償一般通過鄰居小區(qū)間協(xié)作實現(xiàn)，通過調(diào)節(jié)鄰居小區(qū)基站系統(tǒng)參數(shù)，如天線傾角、發(fā)射功率等，擴大鄰居小區(qū)覆蓋范圍，為中斷小區(qū)內(nèi)用戶提供服務(wù)，暫時性補償由于基站故障導(dǎo)致的系統(tǒng)性能損失，最小化中斷的影響。作為故障診斷和中斷補償?shù)幕A(chǔ)，中斷檢測在無線網(wǎng)絡(luò)自愈合中起重要作用。當一個小區(qū)中的基站因為內(nèi)部故障或外部環(huán)境影響等因素出現(xiàn)性能下降時，稱該小區(qū)處于中斷狀態(tài)。根據(jù)性能下降程度的不同，中斷小區(qū)被劃分為三類。第一類為輕度中斷小區(qū)(degradedcell)，該類小區(qū)負載能力相較于正常小區(qū)有輕微下降，這類小區(qū)的出現(xiàn)往往由環(huán)境因素導(dǎo)致，當不利因素消除后，該類小區(qū)一般可恢復(fù)到正常狀態(tài)。第二類為中度中斷小區(qū)(crippledcell)，該類小區(qū)雖然仍具有負載能力，但性能較正常小區(qū)有大幅下降。第三類為重度中斷小區(qū)(catatoniccell)，此時小區(qū)完全失去負載能力，會導(dǎo)致系統(tǒng)警報的出現(xiàn)以及大量用戶切換事件和鏈路失敗事件的發(fā)生。根據(jù)所檢測中斷小區(qū)類型的不同，中斷檢測問題可進一步被分為完全中斷檢測(fulloutagedetection)和部分中斷檢測(partialoutagedetection)。其中，完全中斷檢測問題僅著眼于重度中斷小區(qū)的檢測，而部分中斷檢測則致力于檢測三種類型中斷小區(qū)。相較于完全中斷檢測，部分中斷檢測能夠及時探測網(wǎng)絡(luò)中可能存在的多種故障，因此對后續(xù)故障診斷和中斷補償工作的開展更具有指導(dǎo)意義。6G無線網(wǎng)絡(luò)中，為了保證高可靠的傳輸，對系統(tǒng)故障發(fā)生概率、故障恢復(fù)時間等，相比于5G系統(tǒng)有更高的要求，而系統(tǒng)的高度異構(gòu)性和復(fù)雜性，6G通常，對網(wǎng)絡(luò)故障的檢測需要基于網(wǎng)絡(luò)KPI數(shù)據(jù)。但由于在實際網(wǎng)絡(luò)中，故障的發(fā)生是小概率事件，與故障相關(guān)的數(shù)據(jù)數(shù)量遠少于正常數(shù)據(jù)。在這種情況下，基于機器學(xué)習(xí)方法的模型分類結(jié)果會偏向于多數(shù)類，故障檢測性能會因為數(shù)據(jù)不平衡問題顯著下降。并且，實際采集到的數(shù)據(jù)，往往是沒有標簽的，可獲得的信息有限。此外，當網(wǎng)絡(luò)中存在不止一種類型的故障時，不同類型的故障數(shù)據(jù)間往往會存在較嚴重的類間重合。數(shù)據(jù)不平衡是指數(shù)據(jù)集中一類樣本數(shù)量遠超過其它類樣本數(shù)量的現(xiàn)象。在無線網(wǎng)絡(luò)中，中斷的發(fā)生是一個小概率事件，所能收集到的中斷數(shù)據(jù)量遠少于正常數(shù)據(jù)，因此導(dǎo)致了數(shù)據(jù)不平衡現(xiàn)象。其中，正常數(shù)據(jù)為多數(shù)類，中斷數(shù)據(jù)為少數(shù)類。使用這樣的不平衡數(shù)據(jù)集訓(xùn)練分類模型會導(dǎo)致分類結(jié)果向正常類偏倚，造成中斷檢測性能下降。數(shù)據(jù)類間重疊是指數(shù)據(jù)集中多種類別數(shù)據(jù)混雜分布于特征空間中的同一區(qū)域內(nèi)的現(xiàn)象，如圖所示。雖然這些樣本具有不同的類別標簽，但是在特征上卻有一定相似性，這會引起分類邊界扭曲，造成誤分類現(xiàn)象的發(fā)生。當網(wǎng)絡(luò)中存在多種類型中斷時，不同類別數(shù)據(jù)間的差異度降低，造成了類間重疊現(xiàn)象的進一步加重。因此，解決數(shù)據(jù)不平衡和類間重疊問題對提高無線網(wǎng)絡(luò)中斷檢測性能具有重要意義。圖5.數(shù)據(jù)類間重疊示意圖.現(xiàn)有研究引入了人工少數(shù)類過采樣法（SyntheticMinorityOversamplingTechnique，SMOTE），自適應(yīng)合成抽樣技術(shù)（AdaptiveSyntheticSampling，ADASYN），生成對抗網(wǎng)絡(luò)（GenerativeAdversarialNetwork,GAN）等方法對故障數(shù)據(jù)進行過采樣，生成大量類故障數(shù)據(jù)，利用新的合成數(shù)據(jù)集提高基于機器學(xué)習(xí)方法的分類模型的準確性。然而，當數(shù)據(jù)不平衡的比例較大時，故障檢測性能仍然有待提高。提出了基于混合生成對抗網(wǎng)絡(luò)和重疊敏感的人工神經(jīng)網(wǎng)絡(luò)的故障檢測方法解決上述問題，結(jié)合混合GAN和人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN）的性能優(yōu)勢，能產(chǎn)生高質(zhì)量的少數(shù)類數(shù)據(jù)，解決故障檢測中的數(shù)據(jù)不平衡和數(shù)據(jù)類間重疊的問題，在數(shù)據(jù)不平衡很嚴重的情況下性能依然很好。提出了基于稀疏自編碼器的無線網(wǎng)絡(luò)中斷檢測算法，解決了無線網(wǎng)絡(luò)由于中斷是小概率事件，很難搜集到足夠的帶有中斷事件的樣本，數(shù)據(jù)樣本的不平衡性顯著的問題。提出了采用條件生成對抗網(wǎng)絡(luò)學(xué)習(xí)中斷數(shù)據(jù)特征，并合成中斷數(shù)據(jù)來校準數(shù)據(jù)分布，解決數(shù)據(jù)不平衡問題。之后基于KNN算法計算校準后數(shù)據(jù)集中樣本類間重疊程度，并據(jù)此為樣本分配權(quán)重。最后，將校準后數(shù)據(jù)集與所得樣本權(quán)重集合結(jié)合對人工神經(jīng)網(wǎng)絡(luò)進行加權(quán)訓(xùn)練，解決數(shù)據(jù)類間重疊問題。提出了基于自組織映射的無線網(wǎng)絡(luò)中斷檢測算法，解決了無線網(wǎng)絡(luò)所的大量數(shù)據(jù)難以被標注，數(shù)據(jù)沒有標簽，可獲得的信息有限的問題。在6G系統(tǒng)中，網(wǎng)絡(luò)智能生成和自治的目標是實現(xiàn)高效、智能的網(wǎng)絡(luò)運維和資源利用。為了實現(xiàn)這一目標，數(shù)字孿生技術(shù)，可以實現(xiàn)物理網(wǎng)絡(luò)實體的數(shù)字虛擬映射，將成為推動從傳統(tǒng)方式向自動化、智能化網(wǎng)絡(luò)和服務(wù)管理轉(zhuǎn)變的關(guān)鍵驅(qū)動力。通過使用數(shù)字孿生體，可以創(chuàng)建一個當前網(wǎng)絡(luò)狀態(tài)的副本作為“孿生體”。數(shù)字孿生實體作為一個獨立的網(wǎng)絡(luò)子系統(tǒng)或網(wǎng)絡(luò)功能，可以為網(wǎng)絡(luò)智能生成領(lǐng)域和自治領(lǐng)域提供基于服務(wù)的接口?？梢栽跀?shù)字孿生中生成和部署對性能有不同要求的新服務(wù)及其相關(guān)的服務(wù)水平協(xié)議（SLA并通過分析模型來模擬和分析閉環(huán)環(huán)境中的服務(wù)性能，網(wǎng)絡(luò)可以實現(xiàn)自組織和自優(yōu)化。智能生成則是指依據(jù)智能感知得到的信息（例如：場景、用戶、業(yè)務(wù)、網(wǎng)絡(luò)資源），智能生成與場景、用戶與業(yè)務(wù)需求等精確適配的網(wǎng)絡(luò)資源，從而實現(xiàn)網(wǎng)絡(luò)資源使用的最優(yōu)化。數(shù)字孿生網(wǎng)絡(luò)作為物理網(wǎng)絡(luò)實體的數(shù)字化虛擬映射，通過與物理網(wǎng)絡(luò)實體之間進行實時交互，可以實現(xiàn)6G系統(tǒng)網(wǎng)絡(luò)智能生成與自治的目標（圖6）。圖6.具有網(wǎng)絡(luò)智能生成和自治的數(shù)字孿生.為了實現(xiàn)網(wǎng)絡(luò)智能生成和自治，將數(shù)字孿生模型與其他6G網(wǎng)絡(luò)技術(shù)一起部署，可以更好地適應(yīng)6G網(wǎng)絡(luò)高度動態(tài)和不斷變化的應(yīng)用需求。通過數(shù)字孿生構(gòu)建網(wǎng)絡(luò)智能生成和自治的網(wǎng)絡(luò)模型（圖7），核心要素是模型、數(shù)據(jù)、交互和映射。首先，數(shù)字孿生需要數(shù)據(jù)模型和數(shù)據(jù)結(jié)構(gòu)來表示6G各種網(wǎng)絡(luò)對象的觀察、狀態(tài)和關(guān)系。其次，通過實時或者非實時的數(shù)據(jù)采集方式將物理網(wǎng)絡(luò)層的數(shù)據(jù)主要包括物理實體數(shù)據(jù)、空間數(shù)據(jù)、資源數(shù)據(jù)等，來填充這些模型以創(chuàng)建數(shù)字孿生實例。第三，借助人工智能、AI算法、專家經(jīng)驗、大數(shù)據(jù)分析等技術(shù)從數(shù)字孿生體中提取洞察的分析模型。通過使用分析模型來模擬和分析集中式和分布式數(shù)字孿生域的服務(wù)性能，6G系統(tǒng)將實現(xiàn)自動閉環(huán)控制，并實現(xiàn)復(fù)雜網(wǎng)絡(luò)或服務(wù)的簡化控制。最后，服務(wù)層將提供兼容性接口，通過不同的API（如意圖驅(qū)動）以實現(xiàn)數(shù)字孿生網(wǎng)絡(luò)和6G業(yè)務(wù)層之間的交互操作。圖7.網(wǎng)絡(luò)自主和智能生成的數(shù)字孿生架構(gòu).AI，人工智能；ML，機器學(xué)習(xí)；NRM，網(wǎng)絡(luò)資源模型數(shù)字孿生網(wǎng)絡(luò)的總體目標是為電信業(yè)務(wù)提供端到端的自治網(wǎng)絡(luò)。數(shù)字孿生使用機器學(xué)習(xí)、數(shù)據(jù)分析和多物理場仿真來研究特定系統(tǒng)的動態(tài)，這可以使6G系統(tǒng)有效地簡化程序并提供有價值的信息。表3中給出的基于數(shù)字孿生的6G架構(gòu)的七大設(shè)計原則，并對相關(guān)原則所設(shè)計的關(guān)鍵性技術(shù)進行一般性描述。表3數(shù)字孿生架構(gòu)原則架構(gòu)原則描述01:解耦分離物理對象和數(shù)字孿生對象，實現(xiàn)操作的靈活02:交互支持極簡網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)之間的交互。支持內(nèi)生智能作為極簡網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)的基礎(chǔ)能力。04:分布式支持分布式機器學(xué)習(xí)和實時機器學(xué)習(xí)。05:異構(gòu)支持數(shù)據(jù)編織以實現(xiàn)靈活和可重用的異構(gòu)數(shù)據(jù)集成管道、業(yè)務(wù)和語義。支持單域自治和跨域協(xié)作。通過意圖驅(qū)動接口支持閉環(huán)自動化。解耦：將物理對象和數(shù)字孿生對象解耦，實現(xiàn)操作的靈活性。整體架構(gòu)應(yīng)符合分層架構(gòu)模式。物理系統(tǒng)向數(shù)字孿生對象的轉(zhuǎn)化主要是基于解耦，可分為信息解耦和系統(tǒng)功能解耦。各系統(tǒng)、各層都以自運行模式運行，并隱藏域信息的細節(jié)，6G網(wǎng)絡(luò)的系統(tǒng)功能和公共數(shù)據(jù)庫以分布式方式交付。交互：支持極簡網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)之間的交互。極簡網(wǎng)絡(luò)將網(wǎng)絡(luò)功能分解為微服務(wù)，使網(wǎng)絡(luò)運行在以微服務(wù)為中心的架構(gòu)上。極簡網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)之間的接口應(yīng)提供簡化的交互能力，用于交換感知數(shù)據(jù)和信息、映射數(shù)字空間和實時反饋。內(nèi)生AI：支持內(nèi)生智能作為基礎(chǔ)功能。內(nèi)生智能的局部應(yīng)用是極簡網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)內(nèi)部模型的核心原則。極簡網(wǎng)絡(luò)和數(shù)字孿生網(wǎng)絡(luò)都引入了更多的實時傳感組件和人工智能推理能力，以提高對資源、服務(wù)和周圍環(huán)境的可觀察性或數(shù)字意識。分布式：支持分布式機器學(xué)習(xí)和實時機器學(xué)習(xí)。在為大型數(shù)據(jù)集訓(xùn)練孿生模型時存在許多挑戰(zhàn)，具有分布式機器學(xué)習(xí)的分布式數(shù)字孿生系統(tǒng)可以提高模型性能、提高模型準確性并擴展到更大的輸入數(shù)據(jù)。多個模型可以在分布式地點訓(xùn)練，以減少模型訓(xùn)練時間。在模型推理階段，模型的性能可以通過結(jié)合多個貢獻模型的預(yù)測結(jié)果來提高。此外，聯(lián)邦學(xué)習(xí)可以使機器學(xué)習(xí)模型從不同位置的不同數(shù)據(jù)集中獲得經(jīng)驗，并對數(shù)據(jù)進行安全保護，這對于實現(xiàn)可擴展的、基于分布式機器學(xué)習(xí)的孿生模型來說是一個很有前途的解決方案。實時機器學(xué)習(xí)通過運行實時數(shù)據(jù)來訓(xùn)練機器學(xué)習(xí)模型，以不斷改進模型。它通過識別新的模式并適應(yīng)這些模式，為物理對象和數(shù)字孿生對象提供更直接的準確性。異構(gòu)性：支持數(shù)據(jù)編織以實現(xiàn)靈活且可重用的異構(gòu)數(shù)據(jù)集成管道、業(yè)務(wù)和語義。數(shù)據(jù)編制是一種作為數(shù)據(jù)和連接過程的集成層（結(jié)構(gòu)）的設(shè)計概念。數(shù)據(jù)編織利用實時數(shù)據(jù)、歷史數(shù)據(jù)、網(wǎng)絡(luò)資源模型（NRM）和機器學(xué)習(xí)來統(tǒng)一數(shù)字孿生系統(tǒng)中各種類型和端點的數(shù)據(jù)。自治：支持單域自治和跨域協(xié)作。數(shù)字孿生應(yīng)該具這也是自治網(wǎng)絡(luò)的核心原則。自治域是指自治網(wǎng)絡(luò)架構(gòu)中具有自治能力的原子單元。閉環(huán)：支持意圖驅(qū)動接口的閉環(huán)自動化。閉環(huán)自動化是網(wǎng)絡(luò)自動化的監(jiān)督者?？刂苹芈吠ㄟ^感知、分析、決策、執(zhí)行的循環(huán)來進行自我調(diào)整和適應(yīng)，使物理系統(tǒng)和數(shù)字孿生系統(tǒng)都保持在所需狀態(tài)，而無需任何人為干預(yù)。意圖驅(qū)動的接口可以利用閉環(huán)自動化機制，在意圖驅(qū)動的閉環(huán)中，意圖被用于控制閉環(huán)自動化，也