互聯(lián)網行業(yè)6G網絡內生智能架構及關鍵技術白皮書

6G網絡內生智能架構及關鍵技術白皮書

--以數據為中心&ICDT深度融合的

網絡架構

參與單位

華為技術有限公司

中國移動通信有限公司

鵬城實驗室

前言

6G將超越通信，成為智能普惠的新型基礎設施已逐漸成為業(yè)界共識。

這使得6G網絡不僅聚焦于支持更為極致的無線連接業(yè)務，還將支持智能

普惠所需的新型智能業(yè)務，這就要求6G網絡將需要原生支持新型智能業(yè)

務所需要的連接、數據、計算和算法等多個維度的編排、協(xié)同和控制，來

構建6G的智能內生的網絡架構。

由此，本白皮書以6G超越通信的智能普惠愿景為基礎假設，在第一

章首先描述當前6G相關研究的背景，之后第二章描述無線網絡智能化演

進及趨勢，第三章重點描述內生智能架構，從5G網絡智能化實踐的啟示

和6G智能普惠場景和需求出發(fā)，深入分析演繹6G內生智能架構研究問題，

包括涉及6G架構的網絡功能、協(xié)議和信令流程設計等。之后在第四、五

章分別重點描述6G內生智能架構的關鍵特性：以數據為中心的獨立數據

面，以及面向任務的ICDT深度融合?；讵毩祿妫С?G智能普惠

所需的數據服務，基于任務，支持連接、數據、計算和算法等多個維度的

一體化智能編排和管控。最后結合之前的描述，總結相關研究成果和結論。

該白皮書基于國家重點研發(fā)計劃重點專項“6G網絡架構及關鍵技術”

項目下的課題2方向“以數據為中心的ICDT深度融合”的研究成果梳

理撰寫，由華為技術有限公司牽頭，中國移動通信有限公司、鵬城實驗室

聯(lián)合參與完成。

本白皮書為國家研發(fā)計劃重點專項“寬帶通信和新型網絡”項目《6G網絡架構及關鍵

技術》（項目編號：2020YFB1806800）資助成果。

1引言

移動互聯(lián)網已深入到人們生活的方方面面，從專業(yè)活動到休閑、教育、

娛樂等，完成了數字化并產生了海量的數據，為未來走向智能化時代奠定

了數據基礎。而隨著以深度學習為代表的AI技術的成熟，并在越來越多

的領域得到應用，到6G時代實現智能普惠已逐漸成為廣泛的共識。

毫無疑問，AI將不僅惠及消費者業(yè)務，還將使能千行百業(yè)走向智能化，

影響社會的各個方面。從是事務第一性原理出發(fā)，所有AI應用都離不開

收集、分析各種類型的數據，然后將分析的結果用于執(zhí)行特定的一系列動

作。如今，大多數AI采用集中式學習范式，將數據信息集中匯集一起進

行訓練，通常是在專門用于AI計算的云，這樣的AI訓練范式稱為云AI。

云AI利用網絡將基本的數據信息或模型梯度信息傳送到云端，云端是數

據處理的智能中心。6G提出了一種基于內生智能架構來更高效的使能未來

AI業(yè)務的方法，在本白皮書中稱為網絡AI。從AI三要素角度出發(fā)，網絡

AI與移動通信系統(tǒng)進行深度融合設計的分析如下[1]。

·數據是AI的關鍵資產，堪比“原油”。最早一批AI業(yè)務更多聚焦

于B2C消費者應用，因此終端用戶成為直接的數據源。垂直行業(yè)2B場景，

涉及不同的應用、商業(yè)模式和技術需求，對數據的安全隱私將更為關注，

例如行業(yè)數據通常將在系統(tǒng)邊緣(一般位于企業(yè)內部)進行處理。因此，行

業(yè)AI服務將側重本地，以分布式的方式提供。這一趨勢將引發(fā)一系列關

于數據管理、處理、所有權等需求的討論，一個既能滿足這些需求又能充

分遵守數據治理規(guī)定的移動通信系統(tǒng)變得尤為重要。

1

·算力是AI行業(yè)的根本動力。AI應用越強大，所需的計算資源就越多，

而基于中心云的計算資源池模型可能缺乏可擴展性，導致無法應對未來的

變化。尤其當考慮到垂直行業(yè)中計算向邊緣遷移這一趨勢時，在中心云上

運行AI應用可能就行不通。因此，新的協(xié)同背景下，AI要從云端深人到

移動通信系統(tǒng)中。移動通信系統(tǒng)作為擁有超高性能的基礎設施，能夠有效

管理異構資源，具有可擴展性和彈性，并適配無線動態(tài)環(huán)境的變化。這一

研究領域既有廣闊前景又具有挑戰(zhàn)，因為它可能完全重構傳統(tǒng)的系統(tǒng)架構

和設計理念。

·算法是整個AI業(yè)務的核心，定義了AI應用提供的智能類型，以及

AI應用所需的數據類型和消耗的算力。基礎設施不需要知道AI算法是如

何定義的，但是它應該更好地支持這些算法的運行。例如，深度學習的實

現(聯(lián)邦學習等）依賴于通信，這可能涉及算法可伸縮性、帶寬和時延要

求。因此，網絡系統(tǒng)架構的設計需要適配并可能影響AI算法的訓練方式

以及AI推理的執(zhí)行方式。

2驅動力趨勢與愿景

2.1趨勢

從移動通信網絡演進歷史來看，從2G到5G的演進，提供了不同類型

的普惠性質的基礎服務，其背后都離不開原生架構能力的支持[3]。例如2G

的普惠性質的基礎服務是語音服務，與此匹配的2G端到端網絡架構就是

為語音原生設計的；到了3G和4G，普惠性質的基礎服務邊為了數據服務，

2

但3G架構還不是原生的數據架構，更多是將數據服務疊加在傳統(tǒng)網絡基

礎上，帶來的問題是不高效，而這個問題在4G上才得以徹底解決，4G架

構是完全基于數據服務來原生設計的，語音等傳統(tǒng)業(yè)務都要基于基礎數據

服務來提供（VoLTE，VoiceoverLongTermEvolution，基于4G的高清

語音通話）；5G提供的基礎服務是萬物互聯(lián)，從URLLC（ultra-reliable

lowlatencycommunications，超可靠低延時通信）,mMTC（massive

MachineTypeCommunications，海量機器通信）,eMBB（EnhancedMobile

Broadband，增強寬帶通信）到切片等，5G設計了很多原生的架構能力來

支持，但在智能化領域，5G更多是采取如NWDAF這樣功能疊加的方式。5G

網絡設計也希望能更好地支持AI業(yè)務，尤其是在核心網側。為此，5G引

入了網絡數據分析功能（NetWorkDataAnalyticsFunction，NWDAF)[4]，

其主要目的就是提升數據采集和分析能力。例如，NWDAF可以為其他網絡

功能提供分析結果，輔助網絡業(yè)務發(fā)放。NWDAF可以從5G網絡功能和運行、

管理和維護(Operation，Administration，andManagement，OA&M)[3]系統(tǒng)

中采集數據。為此，NWDAF還提供了專門服務，用于相應網絡功能的注冊

和元數據開放。

3

圖1.2G到5G系統(tǒng)演進.

但是，5G沒能通過NWDAF為AI提供原生支持，有以下幾個原因：

·數據源有限：NWDAF采集和分析的數據主要是5G網絡功能接收的數

據，并沒有考慮來自基礎設施、環(huán)境、終端和傳感器的數據。

·缺少數據隱私保護：5G中的數據源主要來自同一業(yè)務領域，因此基

礎設計中數據隱私保護考慮不足。

·不支持外部AI服務：NWDAF是5G核心網功能，外部AI服務不能直

接在5G核心網或無線接人網（RadioAccessNetwork，RAN)中使用。

·基礎設施利用不充分：網絡切片、URLLC、mMTC等5G架構的關鍵

特性在設計上都是為了在性能、功能和運營角度滿足垂直需求，并未專門

考慮原生AI支持(如數據管理、分布式架構等)。

·數據治理缺失：AI不只涉及數據采集和分析兩方面。為了給AI提

供原生支持，需要專門對數據治理進行設計，而這并不在5G的考慮范圍

之內。

4

2.2愿景

如圖2所示，ITU-R將AI與通信融合作為IMT2030的新增應用場景。

ITU-R愿景建議書的新興技術趨勢描述了無線網絡與AI的關系：AI優(yōu)化

無線網絡場景下，需要支持AI原生的新空口來增強無線連接性能，如符

號檢測/解碼，信道估計等；在無線網絡使能AI應用場景下，AI原生的無

線網絡可以實現自動化及智能網絡服務，如智能數據感知、按需能力供給

礎能力，從而更好的支持各種AI應用，如包括聯(lián)邦學習在內的深度邊緣、

分布式學習。

ITU-R愿景建議書的智能普惠的應用趨勢中描述了網絡與AI的關系：

在AI優(yōu)化網絡場景下，描述了包括AI使能網絡自動管理的應用，如自監(jiān)

控、自組織、自優(yōu)化、自愈等能力；在網絡使能。并在智能普惠章節(jié)描述

了NET4AI，6G網絡基礎設施將成為AI使能器，為智能應用提供計算和數

據服務，支持推理、模型訓練、模型部署、跨網絡和終端的分布式計算等

能力。

圖2.IMT-2030愿景中的新業(yè)務場景：通信與AI融合[8].

5

因此，6G要提供智能普惠的基礎服務，關鍵是在網絡架構層面設計相

應的原生能力。傳統(tǒng)的通信系統(tǒng)是面向連接的，對于這種系統(tǒng)，典型的服

務可以是在兩個特定終端之間建立連接。因此，通信源和目的地由最終用

戶及其打算使用的服務或他們計劃與之通信的其他用戶明確定義。在6G

中，除了面向連接的服務外，它還應該提供基于人工智能的服務，例如為

汽車執(zhí)行完全自動駕駛的預測QoS（QualityofService，服務質量）服

務。為了滿足此類服務，許多終端和網絡設備之間以主動或被動的方式顯

式或隱式建立連接，并調度計算、模型、數據資源，在多終端、多基站之

間進行高效的協(xié)調和通信。通過連接、計算、模型、數據資源間的高效協(xié)

同（ICDT深度融合），可以在保證人工智能服務的服務質量前提下，提升

資源利用率。ICDT的深度融合對6G網絡功能平面的設計提出了新的挑戰(zhàn)，

為了對連接、計算、模型、數據資源進行高效的管理和控制，可能會出現

新的功能和新的協(xié)議棧。

36G網絡內生智能架構

3.15G網絡智能化實踐啟示

隨著5G系統(tǒng)全面商用，面對5G運營中出現的基站建設成本升高、網

絡復雜性增加等問題導致的增量難增收的窘況，電信運營商迫切需要探索

合理高效的網絡架構和部署方式來保證網絡建設的經濟性。面對5G網絡

復雜化、業(yè)務差異化、用戶需求多樣化等一系列挑戰(zhàn)，利用人工智能(AI,

6

ArtificialIntelligence)技術進行網元智能化、網絡智能化和業(yè)務智能

化，是業(yè)界普遍認同的技術路徑。比如在網絡運維方面，利用AI的數據

感知、智能分析能力，可在海量運維數據中抽取隱含的關聯(lián)特征和規(guī)則，

追溯根因、定位故障，進行主動式的網絡運維，實現全面的網絡端到端部

署自動化。目前，AI的數據驅動特性、自動控制能力、各種學習方法已經

被成功地用于解決通信網絡中的一些問題。業(yè)界普遍認為：引入AI技術

后的5G網絡，將具備更廣闊的覆蓋范圍、更大的通信容量、更小的傳輸

時延和更多的用戶連接能力，實現更加泛在、智能、安全、可信的公共移

動信息基礎服務能力。

但在智能化領域，5G更多是采取如NWDAF進行功能疊加或是單獨提供

AI算法等外掛的方式。5G網絡中基于場景驅動的“外掛式”和“疊加式”

的網絡智能化實踐面臨諸多挑戰(zhàn)，包括數據獲取困難、數據質量難以保證、

AI模型的應用效果缺乏有效的驗證和保障手段等，這些因素導致了人工智

能的性能和效率低于預期。面對上述挑戰(zhàn)，6G網絡需要內生智能的網絡架

構，即在架構層面將網絡連接與人工智能三要素中的算力、算法及數據完

成深度融合，構建網絡內完整的智能體系，從而實現智能服務的高效與高

質量保障。

3.26G智能普惠場景和需求

6G網絡內生智能架構，就是要在網絡內通過統(tǒng)一的架構設計來提供完

整的AI環(huán)境和AI服務。網絡內生智能，主要面對高實時性能、高安全隱

7

私或低綜合能耗等需求，在網絡內進行AI訓練、驗證或推理，提供適應

不同應用場景的智能能力；網絡內生智能可以是云AI的有益補充。

網絡內生智能的主要場景可以分為三個類別：網元智能、網絡智能、

業(yè)務智能，如圖3所示。其中網元智能是指網元設備的內生智能化；網絡

智能是指多個智體網元協(xié)同產生網絡級的群體智能；業(yè)務智能是指整個無

線通信系統(tǒng)為業(yè)務提供的智能服務，一般由外部業(yè)務觸發(fā)，無線網絡負責

執(zhí)行，其中的業(yè)務邏輯可以對無線通信系統(tǒng)透明。

圖3.6G網絡內生智能的場景需求.

網元智能場景包括傳統(tǒng)的無線資源管理(RRM,RadioResource

Management)、無線傳輸技術(RTT,RadioTransmissionTechnology)的

智能化，以及網元自身的原生智能化，如網元智能體。網元智能可以發(fā)生

在網元、終端的功能和協(xié)議棧，影響從空口物理層到高層，如RTT智能化

算法主要在PHY層，RRM智能化算法主要是MAC層（如調度、MIMO配對、

功率控制、MCS選擇等算法）和RRC層（如切換、負載均衡等算法）。

8

網絡智能場景主要是網絡系統(tǒng)層面的優(yōu)化場景，最為典型的場景是自

動駕駛網絡（ADN,AutonomousDrivingNetwork），即通過數據與知識

驅動的智能極簡網絡，實現網絡自動、自愈、自優(yōu)、自治，使能新業(yè)務并

實現極致客戶體驗、全自動運維、高效資源和能源利用。

網元智能和網絡智能從網絡和AI關系的角度，可以認為是AI4NET（AI

forNetwork），即使用AI來輔助通信效率、用戶業(yè)務體驗等的提升。AI4NET

也在ITU-RWP5D第44次會議正式通過了《IMT面向2030及未來發(fā)展的框

架和總體目標建議書》的新興技術趨勢和智能普惠章節(jié)得到了明確的闡述，

指出AI4NET需要支持AI原生的新空口來增強無線連接性能，并使能網絡

的自動駕駛，包括自監(jiān)控、自組織、自優(yōu)化、自愈等能力[8]。

業(yè)務智能場景主要是第三方通過網絡為AI提供多種支撐能力，使得

AI訓練/推理可以實現得更有效率、更實時，或者提升數據安全隱私保護

等。例如用戶可以利用6G網絡的基礎模型、數據集、算力、連接等服務，

輔助和優(yōu)化其業(yè)務的AI訓練或推理，從而更高效、安全的獲得期望的AI

模型，例如6G網絡可以為完全自動駕駛汽車提供QoS預測和保障的輔助

服務，從而進一步降低交通事故的發(fā)生風險。特別注意的是，業(yè)務智能不

是說6G網絡要做業(yè)務本身，而是網絡為業(yè)務的智能化提供更好的資源、

功能或服務方面的支持。業(yè)務智能從網絡和AI關系的角度，可以認為是

NET4AI（NetworkForAI），即基于6G網絡的原生AI能力輔助業(yè)務提升

效率和體驗。NET4AI也在ITU-R建議書的新興技術趨勢和智能普惠章節(jié)得

到了明確的闡述，指出6G網絡基礎設施將成為AI使能器，為智能應用提

9

供服務，包括計算和數據服務，支持推理、模型訓練、模型部署、跨網絡

和終端的分布式計算等能力[8]。

3.36G內生智能網絡架構

傳統(tǒng)通信系統(tǒng)是以通信連接為中心的設計，其典型的應用場景是為特

定終端之間、或為終端與服務器之間提供連接，網絡在架構上為會話提供

了完整的生命周期管理機制（例如端到端通信隧道的創(chuàng)建、修改、刪除、

錨點遷移等流程）和QoS保障。其主要目的是為數據傳輸提供連接、支持

用戶移動性、保證其業(yè)務體驗。在資源類型上，非云化部署的設備通常采

用專用算力資源，對計算和存儲資源的需求量均不高。與傳統(tǒng)通信業(yè)務不

同，AI屬于數據和計算密集型業(yè)務，為使6G網絡具備原生的AI能力，6G

網絡需引入新的資源維度，包括異構的算力資源和存儲資源、新的計算任

務（AI相關計算）以及新的數據類型（AI計算輸入輸出數據）等，需要

設計相應的管控機制。

如圖4所示，6G內生智能網絡架構從邏輯層次上分為2大層，從下到

上依次為異構資源層、功能和編排管理層。

異構資源層是網絡連接、算力、算法和數據資源等多維在網資源的基

礎設施提供者。網絡連接資源包括為網絡各角落提供無處不在網絡連接的

路由、傳輸和交換資源；算力資源包括CPU、GPU、NPU等以計算能力為主

的處理器，和具備存儲能力的各類獨立存儲或分布式存儲，以及通過操作

系統(tǒng)邏輯化的各種具備數據處理能力的設備；數據資源包括：網絡環(huán)境數

10

據、用戶數據、網絡配置數據、網絡運行數據、業(yè)務運行數據、AI相關數

據等資源。通過云化、中間件等技術向功能和編排管理層提供抽象的資源

視圖和調用接口，實現資源的融合和共享[7]。

功能和編排管理層包括網絡AI編排管理功能、協(xié)同控制功能、連接

功能、計算功能、數據功能和算法功能，通過對多維在網資源（計算、數

據、算法模型、頻譜\帶寬）的實時監(jiān)控、融合調度、聯(lián)合編排、以及對

各種任務實例的全生命周期的實時管理與控制，提供AI相關的融合服務。

該層是提供融合服務的核心功能層。其中，編排管理功能負責面向融合服

務的任務編排和需求服務映射，通過合理的任務編排，實現服務與業(yè)務功

能需求的最優(yōu)匹配，并將編排結果發(fā)送給協(xié)同控制功能或各個業(yè)務功能。

同時編排管理功能負責對異構資源的感知、度量和管理。協(xié)同控制功能負

責接收編排管理功能的任務編排結果，并對連接功能、計算面的計算功能、

數據面的數據功能和算法功能進行協(xié)同聯(lián)合控制，包括融合服務的聯(lián)合調

度、路由、融合QoS保障等。

11

圖4.6G內生智能網絡架構.

6G網絡通過ICDT的深度融合，圍繞數據為中心，構建內生支持AI的

網絡架構，支持6G新型智能業(yè)務涉及的各類AI任務在網絡內的執(zhí)行（包

括訓練和推理等）。6G網絡內生智能架構的設計遵循了“從連接為中心到

數據為中心”、“從面向會話管控到面向任務管控”范式的轉變，接下來

將詳細介紹這兩個范式轉變的具體含義，并將基于這兩個范式轉變設計相

應的以數據為中心的獨立數據面及基于任務的管理編排架構。

3.3.1從連接為中心到數據為中心

網絡正從連接為中心向數據為中心轉變。網絡中正日益產生和消費海

量數據，而6G時代，XR，AI等新終端、新業(yè)務、新功能等更是在6G生態(tài)

中產生大量數據，并可能處理第三方的行業(yè)數據。6G時代，數據將成為網

絡中流淌的新“石油”，促使網絡從現在的應用為中心向數據為中心轉變。

而數據多源異構，數據的產生和消費跨不同的端、RAN、TN、CN等域，需

要統(tǒng)一跨域的數據服務，從全局的視角進行數據管理，充分高效地挖掘6G

12

網絡中海量數據的價值[6]。

現有通信網絡作為數據傳輸的“管道”，通過集成單點技術實現數據

處理、數據監(jiān)管及安全隱私保護，為智能應用提供特定數據服務能力，但

缺乏歸一化的數據服務框架，并面臨著數據治理層面的諸多挑戰(zhàn)。5G通信

網絡是基于會話構建的，其用戶面用于承載會話數據。由于無法滿足6G

數據網絡中海量數據需要的“隨路計算”和“任意拓撲”支持，用戶面無

法承載6G網絡新的數據類型。5G用戶面的會話連接實現兩個通信設備之

間的信息交互，具體是由協(xié)議數據單元（ProtocolDataUnit，PDU）會

話提供用戶終端設備和網絡之間端到端的用戶面連接。而6G數據面?zhèn)鬏?/p>

則由數據采集、預處理、轉發(fā)、存儲和分析等功能組成。用戶面?zhèn)鬏斒轻?/p>

對人與人或人與機器之間的通信連接，而數據面處理的數據是由機器/算

法生產和消費的。5G用戶面會話只實現數據包傳輸，而6G數據面?zhèn)鬏斁W

絡則需要實現隨路計算，在數據管道中，數據被轉換和優(yōu)化以達到數據分

析和智能應用所需狀態(tài)。在數據轉發(fā)行為上，會話的數據包基于目標地址

進行轉發(fā)；而數據管道中，數據包則基于數據服務和數據管道標識進行轉

發(fā)?；?G用戶面會話的數據轉發(fā)屬于TCP/IP層，而數據面的數據轉發(fā)

則屬于應用層。此外，基于會話的拓撲是點對點的連接，而6G數據面則

需要支持任意拓撲結構（如數據分發(fā)和數據聚合需要的樹形結構）。如果

沿用現有用戶面承載所有6G網絡數據，數據的起始和終結只能在PDU會

話的兩端，即用戶設備（UserEquipment，UE）或用戶面功能（UserPlane

Functions，UPF），無法滿足對感知數據、AI數據、網絡行為和狀態(tài)數據

13

的分布式管控。因此，6G網絡需要引入獨立的數據面，構建架構級的統(tǒng)一

可信、動態(tài)靈活的數據服務框架，在滿足數據法規(guī)監(jiān)管要求的同時，提升

數據分析和處理效率，實現跨域跨廠家的可信數據共享，并通過各類智能

應用實現數據的價值變現。3.3.2從面向會話管控到面向任務管控

6G需要支持包括AI與通信融合、感知與通信融合的新業(yè)務，由此在

6G網絡中需要引入AI、計算、數據、感知等新功能，并支持基于通算融

合的分布式計算、數據收集及就近處理、AI推理和訓練等新服務[8]。6G

網絡需要原生支持AI，一個很重要的問題就是6G網絡架構如何對引入的

AI功能、計算功能、數據功能進行管控，更好的保證AI服務的QoS。因

此，如圖5所示的6G無線網絡架構會發(fā)生根本性改變，體現為：

圖5.會話控制到任務控制范式轉變.

變化1：無線網絡系統(tǒng)中的管控對象由“會話”變?yōu)椤叭蝿铡保?/p>

變化2：調度資源從連接資源轉變?yōu)檫B接、計算、數據和算法的四

要素資源（ICDT深度融合）；

變化3：基于任務粒度的管控，實現四要素的深度協(xié)同，提供高效

的任務運行環(huán)境。

為了方便理解，對任務、任務管控進行進一步說明：

14

1）任務內涵

現有的通信網絡包括核心網（CN,CoreNetwork）、承載網和無線接

入網（RAN,RadioAccessNetwork），包含的典型網元有核心網網元、

接入網網元、和用戶設備（UE,UserEquipment）等。

如上所述，任務是指網絡新能力涉及到多節(jié)點場景下算力、連接、算

法、數據資源的協(xié)同和調配，以共同完成某個特定的目標。根據不同目的，

任務分為AI推理、AI訓練、計算、感知等多種類型[5]。

根據參與任務的節(jié)點數量、又可以分為協(xié)作類和非協(xié)作類：

非協(xié)作類任務：單個節(jié)點執(zhí)行的非協(xié)作類任務。例如可以在UE單

獨執(zhí)行，也可以在RAN、或CN網元上單獨執(zhí)行。

協(xié)作類任務：涉及到兩個或多個節(jié)點的協(xié)作任務。例如協(xié)作節(jié)點可

以是UE和RAN、UE和CN、RAN網元間、CN網元間、以及RAN和

CN等。

圖6是以AI推理任務為例，說明單點、兩點、多點任務的工作機理；

AI訓練任務、計算任務、感知任務等類似，不再贅述。圖中，模型1是指

在基站或UE側進行單點推理，或者UE請求基站側推理；模型2對應兩節(jié)

點聯(lián)合推理，UE先經過推理獲得輸出1，上傳到基站側并作為基站推理的

輸入，基站獲得輸出2并使用，或發(fā)送給UE使用；模型3對應多節(jié)點聯(lián)

合推理，3個UE先各自推理并分別將輸出1、輸出2、輸出3發(fā)送給基站，

基站整合后作為自身推理的輸入，并推理得出輸出4并使用（即基站使用

推理結果）。

15

圖6.6GAI推理模型示意圖.

通常來說，針對一個具體任務的執(zhí)行，需要兩個維度的協(xié)同：

四要素協(xié)同（ICDT深度融合）

一個任務的執(zhí)行可能同時需要連接、計算、數據、算法的部分或全部

四要素資源。例如，在任務部署階段提供四要素資源的配置，以及在任務

執(zhí)行期間進行實時的四要素資源調度。

多節(jié)點協(xié)同

首先，在傳統(tǒng)通信網絡中連接相關的計算處理大多是在單個網元內實

現的，網元間一般無需算力共享和算力協(xié)同。隨著越來越多的AI場景伴

隨著大規(guī)模的AI訓練、大模型的AI推理、和海量的感知圖像處理，這些

對算力的需求量遠超傳統(tǒng)網絡，通過簡單的擴容逐個網元的計算能力，會

導致整網部署成本過高。而分布式計算可通過算力共享的方式來協(xié)同完成

任務，因此協(xié)同任務（即涉及多節(jié)點協(xié)同的任務）需要節(jié)點間算力層面的

協(xié)同。其次，隨著社會的進步和數據所有權意識的提升，數據隱私保護的

要求也越來越高，例如UE的原始數據由于隱私原因無法上傳到網絡進行

訓練，而聯(lián)邦學習通過協(xié)同學習和梯度傳遞的方式在一定程度上解決了該

16

問題，協(xié)同任務需要多節(jié)點間進行數據層面的協(xié)同。最后，為了支持內生

AI，模型的訓練需要消耗較大的計算和存儲資源，一個好的模型也需要在

網絡內共享以提升整網效率，協(xié)同任務需要多節(jié)點間進行AI模型層面的

協(xié)同。

2）任務管控

任務管控是指伴隨在整個任務的運行過程中的管理和控制行為，包括

任務部署階段的多節(jié)點協(xié)同的調配（例如參與節(jié)點的選擇）、任務的生命

周期管理和控制（例如任務的創(chuàng)建、修改、暫停、刪除等）和四要素參數

配置（例如參與節(jié)點使用的輸入數據、模型參數等）；以及在任務執(zhí)行期

間為了滿足QoS要求進行的QoS監(jiān)控和資源調度，其中資源調度包括多節(jié)

點協(xié)同的調配（例如協(xié)同節(jié)點的增加、刪除、變更等操作）和四要素資源

協(xié)同的調度（例如參與節(jié)點的四要素變更、或參與節(jié)點自身的資源分配）

等。

在引入任務為中心架構后，一種方式是任務為中心完全融合會話為中

心，即基于純連接的會話管理流程作為任務為中心的其中一個分支運行

（四要素中僅有連接需求）；另一種方式是任務為中心和會話為中心的兩

種架構和流程同時存在，例如當發(fā)起會話管理流程時啟用會話為中心架構，

當發(fā)起計算、AI、感知、數據處理等6G新業(yè)務時啟用任務為中心架構。

兩種方式對于方案的統(tǒng)一性、與5G純連接系統(tǒng)的兼容性、標準復雜度、

部署靈活性等存在不同的影響。

3）任務QoS

17

面向各行各業(yè)對6G網絡內生智能千差萬別的需求，將用戶的需求轉

化為網絡可以理解的對AI服務能力的要求是亟需解決的問題。6G網絡將

不再只是服務于傳統(tǒng)通信業(yè)務的管道，不同的智能應用場景對AI服務的

質量將有著不同的需求，需要一套指標體系通過量化或分級的方式傳達用

戶的需求以及網絡編排控制AI各要素（包括連接、計算、數據和算法等）

的綜合效果。為此，提出AI服務質量，即QoAIS（QualityofAIService）

的概念，QoAIS是對AI服務質量進行評估和保障的一套指標體系和流程機

制。

6G網絡的AI服務可以分為AI數據類、AI訓練類、AI推理類和AI驗

證類，每一類AI服務均需要一套QoAIS。在具體指標體系設計上，傳統(tǒng)通

信網絡的QoS主要考慮通信業(yè)務的時延和吞吐率（MBR、GBR）等與連接相

關的性能指標，6G網絡除了傳統(tǒng)通信資源外，還將引入分布式異構算力資

源、存儲資源、數據資源、AI算法等AI服務編排的多種資源元素，因而

需要從連接、算力、算法、數據等多個維度來綜合評估網絡內生AI的服

務質量。同時，隨著“碳中和”和“碳達峰”政策的實施、全球智能應用

行業(yè)對數據安全性和隱私性關注程度的普遍加強，以及用戶對網絡自治能

力需求的提升，未來性能相關指標將不再是用戶關注的唯一指標，開銷、

安全、隱私和自治方面的需求將逐漸深化，從而成為評估服務質量的新維

度。而不同行業(yè)和場景在這些新維度上的具體需求也將千差萬別，需要進

行量化或分級評估。因此，QoAIS指標體系從初始設計時，即需要考慮涵

蓋性能、開銷、安全、隱私和自治等多個方面，需從內容上進行擴展。

18

表1.AI訓練服務的QoAIS指標體系

評估維度

AI服務類型QoAIS指標

性能性能指標界、訓練耗時、泛化性、可重用性、魯棒性、

AI訓練

可解釋性、損失函數與優(yōu)化目標的一致性、公平性

存儲開銷、計算開銷、傳輸開銷、能耗

開銷*

存儲安全、計算安全、傳輸安全

安全*

數據隱私等級、算法隱私等級

隱私*

自治完全自治、部分人工可控、全部人工可控

表1提供了一種針對AI訓練服務的QoAIS指標設計方式。QoAIS是

網絡內生AI編排管理系統(tǒng)和控制功能的重要輸入，管理編排系統(tǒng)對頂層

的QoAIS進行分解和映射，生成AI任務的QoS需求，再將任務QoS映射

到對數據、算法、算力、連接等多維度資源的QoS要求上，通過管理面、

控制面和用戶面相關機制的設計獲得持續(xù)保障。圖7所示為AI用例、AI

服務和AI任務的邏輯關系。AI用例是用戶在智能應用場景下向網絡提出

的一次AI服務請求，一個AI用例可能涉及到一類或多類網絡內生AI服

務（如AI訓練、驗證和推理服務）的調用。

圖7.AI服務(QoAIS)和AI任務（任務QoS）間的邏輯關系示例.

4以數據為中心的獨立數據面

19

數據的價值“金礦”已被市場廣泛認知和期待，未來6G的生態(tài)系統(tǒng)

本身將會產生、處理、消費海量的數據，從運營到管理，從控制到用戶，

從環(huán)境感知到終端，并可能處理第三方的行業(yè)數據，這些數據將使能更加

完善的智能服務，為運營商增值，但同時給高效地組織和管理數據帶來了

新的挑戰(zhàn)。同時，隨著ICT的廣泛及深度應用，數據安全和隱私泄露事故

的不斷披露，人們越來越意識到隱私和數據所有權的重要性。各主要國家

和組織也紛紛出臺相關法律法規(guī)來規(guī)范數據的使用，明確用戶對個人數據

的控制權，數據主體應能夠自主決定是否將個人數據變現、共享或提供給

AI模型進行訓練。

現有網絡作為數據傳輸的“管道”，通過單點技術實現數據處理、服

務及安全隱私保護，而在6G時代，將需要引入獨立的數據面，構建架構

級的統(tǒng)一可信的數據服務框架，在滿足數據法規(guī)的監(jiān)管要求的同時，提供

可信的數據服務，為運營商提高運營效率，并智能增值。

4.16G數據服務框架設計原則

從單點技術向歸一化系統(tǒng)架構轉化?，F有通信網絡作為數據傳輸的

“管道”，通過單點技術實現數據處理、服務及安全隱私保護，而在6G時

代，為系統(tǒng)性地解決數據服務挑戰(zhàn)，滿足新業(yè)務，以及法律法規(guī)等要求，

將需要引入獨立的數據面，構建架構級的統(tǒng)一可信的數據服務框架，解決

數據孤島問題，在滿足數據法規(guī)的監(jiān)管要求的同時，提供可信的數據服務，

實現跨域跨廠家的數據共享，為運營商提高運營效率，并通過各類智能應

20

用實現數據的價值變現。

從集中式信任向去中心化信任轉化。移動通信系統(tǒng)的網絡架構從傳統(tǒng)

的分層結構走向扁平化，控制方式從集中演進到分布式，同時適應數據天

然的分布式屬性，算力的分布式部署，去中心化的信任模式成為必然。區(qū)

塊鏈技術的發(fā)展為構建可信的認證、授權、及數據訪問控制提供了技術支

撐。去中心化信任體系將信任的錨點從傳統(tǒng)的權威機構或第三方背書轉化

為多邊共識，并依賴底層的密碼學技術，為分布式數據處理、存儲、訪問

控制、溯源等提供安全的可信服務。

從數據驅動向數據和知識雙驅動轉化。6G網絡數據服務框架需要適

配終端的多樣性，支持異構多源的數據接入，收集、處理及存儲海量數據。

數據的高價值備受企業(yè)期望，人工智能和知識圖譜等技術的發(fā)展為從海量

數據中進行知識抽取提供了支撐，通過知識圖譜結合人工智能等手段創(chuàng)新

性地挖掘數據之間的關聯(lián)，從多樣化和內在關聯(lián)的數據中發(fā)現新機會、創(chuàng)

造新的價值，將數據轉化為知識以實現基于認知的智能，使能應用的智能

化及多樣性。一方面，通過知識圖譜、網絡AI等將業(yè)務場景與數據關聯(lián)，

對數據的標準提要求，提高數據質量；另一方面，通過將所形成的業(yè)務關

聯(lián)知識逐步沉淀到知識圖譜、網絡AI中，進一步釋放新的價值。

4.26G數據服務框架

當前3GPPTS23.288定義了網絡數據分析功能（NWDAF），數據采

集協(xié)同功能（DCCF），消息框架適配功能（ＭFAF）；3GPPTS28.104、

21

TS28.537、TS28.622定義了數據服務能力和管理數據分析框架包括管理

數據分析管理功能（MDAMF）。其主要功能聚焦于采集數據提供數據分析

報告給管理數據分析消費者。

ETSIZSM定義的數據服務框架包括數據持久性和不同域之間的數據分

享，支持不同的存儲和數據庫技術并能自動選擇和適配相應技術。可提供

管理數據如性能、告警、跟蹤、配置、日志、網絡拓撲、目錄數據等。

上述數據服務框架已經不能完全滿足6G時代的海量數據分析處理

可信等要求。通過設計原則的轉變，借助多層級的數據去隱私和安全保護

技術，6G網絡數據服務框架將提供數據主體對數據的自主控制權、安全

可信的數據訪問控制機制，滿足監(jiān)管、審計和溯源要求，并消除單點信任

及單點失效的風險，提供可信的智能數據服務。

6G數據服務框架如圖8所示。通過對現有單點技術的增強和優(yōu)化，

以及引入新的創(chuàng)新數據保護技術，基于去中心化的可信機制，按需調用數

據保護技術，為網絡AI及各類應用提供可信數據服務。同時基于數據和

知識雙驅動的智能分析，通過數據的知識化，賦能智能應用。隨著6G網

絡進一步朝資源邊緣化和網絡分布式演進，基于云邊協(xié)同的計算將為數據

服務網絡提供算力、通信和存儲支持。

基礎設施層。6G網絡的數據源來自于基礎設施層的各類網絡，包括移

動通信網絡、IoT感知網絡、車聯(lián)網或物聯(lián)網等基礎網絡。根據來源分為

四大類，即網絡運營數據，感知數據，AI數據，以及用戶簽約數據。

22

圖8.數據服務框架.

數據服務層。按場景和分級實施端到端的數據和隱私保護，實現合理

合規(guī)的數據的采集、預處理及存儲。同時，對于AI以及關鍵任務類應用

等安全和隱私保護要求高的場景，需要增強的數據保護技術。區(qū)別于傳統(tǒng)

移動網絡中集中式的認證授權和粗粒度的訪問控制方法，6G網絡數據服

務框架依據數據天然具有的分布式特點，以及與之適配的分布式部署的算

力和智能，通過數據和應用程序的解耦，基于區(qū)塊鏈以及分布式存儲等去

中心化的技術構建可信數據服務，實現對任何數據的訪問進行認證授權，

并在鏈上保存相關操作記錄。

網絡AI。通過隱私保護處理及授權后，可由機器學習結合知識圖譜等

AI工具實現數據知識化，使能多樣化的應用。網絡AI層對內能夠利用智

能來優(yōu)化網絡性能，增強用戶體驗，自動化網絡運營，實現智能連接和智

能管理；同時對外能夠為各行業(yè)用戶提供實時AI服務、實時計算類新業(yè)

23

務，從而構建完善的AIaaS平臺來提供訓練和推理服務。機器學習與知

識圖譜相結合，降低AI不可解釋性的風險，并將人工智能從感知層面提

升到認知層面，從海量的分散數據中學習出背后隱含的關聯(lián)特征，實現數

據分析向知識加工的躍變，成為推動應用智能化升級的引擎。

4.3獨立數據面邏輯架構

現有通信網絡作為數據傳輸的“管道”，通過集成單點技術實現數據

處理、數據監(jiān)管及安全隱私保護，為智能應用提供特定數據服務能力，但

缺乏歸一化的數據服務框架，并面臨著數據治理層面的諸多挑戰(zhàn)。5G通信

網絡是基于會話構建的，其用戶面用于承載會話數據。由于無法滿足6G

數據承載所需要的“隨路計算”和“任意拓撲”支持，用戶面無法承載6G

網絡新的數據類型。5G用戶面的會話連接實現兩個通信設備之間的信息交

互，具體是由協(xié)議數據單元（ProtocolDataUnit，PDU）會話提供用戶

終端設備和網絡之間端到端的用戶面連接。而6G數據面?zhèn)鬏攧t由數據采

集、預處理、轉發(fā)、存儲和分析等功能組成。用戶面?zhèn)鬏斒轻槍θ伺c人或

人與機器之間的通信連接，而數據面處理的數據是由機器/算法生產和消

費的。5G用戶面會話只實現數據包傳輸，而6G數據面?zhèn)鬏斁W絡則需要實

現隨路計算，在數據管道中，數據被轉換和優(yōu)化以達到數據分析和智能應

用所需狀態(tài)。在數據轉發(fā)行為上，會話的數據包基于目標地址進行轉發(fā)；

而數據管道中，數據包則基于數據服務和數據管道標識進行轉發(fā)。基于5G

用戶面會話的數據轉發(fā)屬于TCP/IP層，而數據面的數據轉發(fā)則屬于應用

24

層。此外，基于會話的拓撲是點對點的連接，而6G數據面則需要支持任

意拓撲結構（如數據分發(fā)和數據聚合需要的樹形結構）。如果沿用現有用

戶面承載所有6G網絡數據，數據的起始和終結只能在PDU會話的兩端，

即用戶設備（UserEquipment，UE）或用戶面功能（UserPlaneFunctions，

UPF），無法滿足對感知數據、AI數據、網絡行為和狀態(tài)數據的分布式管

控。因此，6G網絡需要引入獨立的數據面，構建架構級的統(tǒng)一可信、動態(tài)

靈活的數據服務框架，在滿足數據法規(guī)監(jiān)管要求的同時，提升數據分析和

處理效率，實現跨域跨廠家的可信數據共享，并通過各類智能應用實現數

據的價值變現。

6G移動通信網絡數據面架構如下圖所示，主要由四部分功能組成：數

據編排器（DataOrchestrator，DO）（和數據控制器（DataController，

DC）），數據代理（DataAgent，DA），可信錨點代理（TrustAnchorAgent，

TAA），數據存儲功能（DataStorageFunction，DSF）。DO支持可編程

數據管道并實現數據服務請求轉換（根據數據服務請求實現數據管道的構

建）。DA可內置于網絡功能或獨立部署，執(zhí)行數據管道中編排的數據采集、

數據預處理、數據存儲、數據分析、數據共享和其他數據服務。TAA是在

數據面架構中定義的專用于保障6G數據可信度的獨立組件。數據在處理

和使用過程中要滿足PIPL/GDPR等法規(guī)的監(jiān)管要求，如果遭受來自網絡內

部和外部實體的各種安全隱私攻擊，會造成嚴重隱患。因此，TAA在6G網

絡中扮演著保護數據機密性、完整性和可靠性的重要角色。DSF在需要大

規(guī)模數據存儲或長期存儲時充當DA的存儲擴展組件。數據面功能架構如

25

圖9所示：

圖9.數據面功能框架.

根據任務的實時性需求和跨域情況，將數據編排器細分為兩類：DO和

DC。DO負責粗粒度、非實時的數據編排，DC則負責細粒度的實時的編排

任務，DO與DC二者協(xié)同實現了數據管道的彈性和可編程性。DO主要具備

以下功能：首先，DO是接收數據服務請求的門戶，并且將數據服務請求轉

化為對數據管道的組合請求。此外，DO與其他網絡服務展開協(xié)作，比如算

力網絡服務對算力進行編排，而DO對數據進行編排?；跀祿照埱?/p>

和DA的服務能力，DO實現了跨域的粗粒度的數據管道編排。同時，DO內

置了一個數據安全防護和隱私保護技術庫（DataProtectionTechnology

Repository，DPTR），包含差分隱私、同態(tài)加密、安全多方計算、零知識

證明等技術，提供數據安全隱私保護能力，并按需將數據保護技術（Data

ProtectionTechnology，DPT）賦能給DA。相反，DC實現了細粒度的DA

26

編排，在本地域中依據DA的能力和數據服務請求對數據管道進行組合，

實現實時高效的服務管理。其次，DC接收DA的能力報告并實現對DA的注

冊和撤銷功能，通過監(jiān)測DA的心跳實現對DA的實時監(jiān)管。此外，DC內置

了可信錨點客戶端（TrustAnchorClient，TAC），向TAA發(fā)起認證、授

權、訪問控制等安全機制的請求，以及申請對數據訪問的溯源和審計服務。

DC可部署在RAN側和CN側。

DA可選的部署在每個NF、RAN、TN節(jié)點終端及OAM上，同時支持獨立

部署，通過建立一個動態(tài)的數據管道（pipeline）,由一系列的數據處理

單元按需按序組成，前一個單元的輸出是下一個單元的輸入。從而形成從

數據采集、預處理、存儲、到應用/分析、都可按需從DA輸出的數據流，

對外提供接口訪問數據服務。

?數據采集從數據源獲取數據，支持訂閱/通知的方式，也支持請求/響

應的方式，數據獲取請求中指示數據上報的觸發(fā)方式，觸發(fā)條件，

上報的周期，數據量等。支持對用戶數據、網絡數據、AI數據、IoT

數據的采集。支持流式數據采集和批數據采集，實時數據與非實時

數據采集。

?數據預處理指對采集到的原始數據所進行的諸如“清洗、填補、平滑、

合并、規(guī)格化、和一致性檢驗”等一系列操作，旨在提高數據質量，

為后期分析工作奠定基礎。原始數據中，通常會存在臟數據，如數

據缺失、數據噪聲、數據冗余、數據集不均衡等。

?數據隱私保護對采集到的數據進行例如諸如k-anonymity(k-匿名

27

化),l-diversity(l-多樣化),t-closeness和ε-differential

privacy(差分隱私)等技術對數據進行處理，使得惡意攻擊者無法從

經過脫敏處理的數據中直接獲取敏感信息，從而實現對機密及隱私

的防護。數據保護技術可以預裝在DA中，也可以由DO按需推送，

可對DA的每一層級的數據進行安全和隱私保護。

?數據分析功能與DA松耦合，可按需與DA分開部署。支持各類數據分

析技術，例如AI/ML、Hive、Spark等。數據分析功能通過API調用

DA的數據采集、預處理、存儲等各層級的數據服務。所需的AI模

型可以預裝或由NetworkService推送。

5基于任務的管理編排架構

智能普惠需要原生智能的架構設計，在架構層面原生支持連接、計算、

數據和算法（四要素）的深度融合，即面向任務的四要素深度融合，并以

任務為單位進行實時管控、以及QoS保障。

5.1任務邏輯架構

現有通信系統(tǒng)包括管理域和控制域，其中管理域部署的網管設備通過

非實時的管理層面信令（通常為分鐘級別）對網元設備進行操作和管理。

控制域包括核心網設備、基站設備、以及終端設備，其間的控制層面信令

更為實時（通常為毫秒級別），例如用戶進行語音通話時建立的端到端隧

道通常在幾十毫秒內完成。

以任務為中心的架構包括兩大部分：網絡AI管理編排和任務管控，

28

如圖10所示。基于任務管控各階段對實時性不同要求、任務管控范圍等

因素的考慮，引入網絡AI管理編排（NetworkAIManagement&

Orchestration,NAMO），來完成從AI業(yè)務到任務的分解、映射和AI業(yè)

務流編排，NAMO通常是非實時的，一般部署在管理域；任務管控則是在控

制層面引入任務錨點功能（TaskAnchor,TA）、任務調度功能（Task

Scheduler,TS）、任務執(zhí)行功能（TaskExecuter,TE），對任務進行分

層的控制，以在任務范圍和任務實時調度之間尋求平衡。

圖10.以任務為中心的邏輯架構.

僅通過管理域的NAMO對任務進行管控，存在如下問題：

1)NAMO無法直接管理UE，涉及UE的任務需通過應用層來部署，網絡

無法感知，因此也無法實現四要素協(xié)同來管控和保障任務QoS；

2)NAMO信令時延較大（一般是分鐘級別），導致任務管控不及時，

29

難以滿足嚴格的任務QoS保障要求；

3)NAMO管理的節(jié)點多，如果進行高度集中的任務管控，信令消耗大，

容易成為瓶頸。

任務錨點TA來負責任務的生命周期管控；該節(jié)點部署在控制面，能

夠保證信令的實時快速傳輸（毫秒級別），使得任務控制更為實時和高效。

在任務范圍較大的場景，TA部署位置可能較高（例如部署在核心網）。TS

的部署位置取決于四要素資源控制的實時性需求，比如控制連接資源的TS

部分需要部署在靠近TE的位置，以便更實時地感知連接資源狀態(tài)，以及

進行實時QoS質量監(jiān)控和資源調整。

基于上述的TA、TS、TE三級架構，下面分別闡述每個邏輯功能的功

能特性。

任務錨點功能TA（TaskAnchor）

TA負責任務的生命周期管理，基于任務QoS需求完成任務部署、啟動、

刪除、修改、監(jiān)控等，包括調控四要素資源來進行任務的QoS保障。

任務調度功能TS（TaskScheduler）

TS負責任務的控制，在任務實例的部署過程中，TS會建立并維護任

務相關的上下文信息，從而對任務進行控制。針對任務控制功能，TS主要

有三大核心特性：其一，TS需要接受TA的管理控制。TS不能作為網絡架

構外的功能獨立存在，其需要由TA來管理控制。其二，TS負責任務執(zhí)行

的實時控制，實現通算深度融合。TS實時感知網絡環(huán)境的變化，如終端切

換、鏈路狀態(tài)變化等，通過自身或者通知TA來實時調整任務配置，保障

30

任務的順利執(zhí)行和QoS要求。其三，TS負責任務相關TE間資源的調度。

比如，任務執(zhí)行是一個過程，期間對于算力的需求是不斷變化的，需要TS

進行實時的算力調度。

任務執(zhí)行功能TE（TaskExecutor）

TE負責任務的具體執(zhí)行，并進行業(yè)務邏輯上的數據交互。同一個服務

的工作流可能被實例化為多個任務，部署在多個TE間執(zhí)行，因此TE間存

在數據的交互。

TA對TE的管理需要具備實時、靈活等要求，在RAN域內部署RANTA

實現對RANTE的管理更為合理，同理CNTA對CNTE類似。這是因為TE

的狀態(tài)是實時變化的（例如CPU負載、內存、電量、UE的信道狀況等），

TA/TS的就近部署能夠帶來更少的管理時延；此外，根據3GPP的設計邏輯，

CN和RAN需要盡量解耦，例如RANRRM和RTT優(yōu)化不應對CN感知，因此

由CNTA來管理RANTE并執(zhí)行RAN任務，會導致業(yè)務邏輯強耦合。因此，

分別在CN域和RAN域都獨立部署TA/TS，達到實時管理和業(yè)務解耦的目的。

5.2任務部署架構

TA對TE的管理需要具備實時、靈活等要求，在RAN域內部署RANTA

實現對RANTE的管理更為合理，同理CNTA對CNTE類似。這是因為TE

的狀態(tài)是實時變化的（例如CPU負載、內存、電量、UE的信道狀況等），

TA/TS的就近部署能夠帶來更少的管理時延；此外，根據3GPP的設計邏輯，

CN和RAN需要盡量解耦，例如RANRRM和RTT優(yōu)化不應對CN感知，因此

31

由CNTA來管理RANTE并執(zhí)行RAN任務，會導致業(yè)務邏輯強耦合。因此，

在CN域和RAN域都獨立部署TA/TS，可以達到實時管理和業(yè)務解耦的目的。

以基站和終端進行聯(lián)邦學習為例，下面詳細說明TA、TS、和TE如何

部署。由于6G架構未定，以5GRAN架構為例進行說明，如圖11所示：

圖11.以任務為中心的部署架構-站內任務協(xié)同.

1)場景1：gNB+UE場景

其中gNB同時是TA和TS，UE是TE；此時UE是算力提供方和任務執(zhí)

行方，接受gNB的任務管理和任務四要素調度（例如UE側與基站的連接

建立、空口資源的實時調度、以及AI模型的分配和實時調整等）。

2)場景2：CU+DU場景

其中CU同時是TA和TS，DU是TE；此時DU是算力提供方和任務執(zhí)行

方。

3)場景3：CU+DU+UE場景

其中CU是TA，DU是TS，UE是TE；此時UE是算力提供方和任務執(zhí)行

方，CU是任務管理者，DU感知CU給UE分配的任務、并進行四要素資源

調度和任務實時QoS保障。在該場景中，TA和TS是分開部署的，TS部署

比TA位置更低，因此能夠更實時感知TE的連接、算力、模型等狀態(tài)，從

32

而更為實時監(jiān)控任務QoS和快速調整四要素資源。

4)場景4：復雜任務場景

上述三個場景都是對應一個簡單任務，僅包括一個TA、TS和TE；對

于計算量更大的任務，僅有一個TE是不夠的，因此需要多個TE共同參與

同一個任務。針對本場景，CU是TA，在接受一個大任務后，將部分任務

分給DU1進行處理（此時DU1是TE，CU還是該TE的TS），并將剩余任務

交給DU2下的UE1和UE2處理（DU2是該子任務的TS，UE1和UE2是對應

TE）。

5)場景5：跨站協(xié)同場景

下圖所示場景是針對在一個基站內進行任務執(zhí)行的，場景5則重點關

注基站間聯(lián)合進行聯(lián)邦學習。為簡單起見，以兩個基站為例進行說明。如

圖12所示，由于在無線通信系統(tǒng)中，基站與基站之間的拓撲是對等的，

因此可以采用集中式或分布式方案來實施任務協(xié)同。其中分布式方案是指

每個基站既是TE、又是TS，兩個TS之間通過協(xié)商的方式來協(xié)同算力分配

或模型更改，此時兩個基站是對等的，沒有決策者和決策執(zhí)行者的區(qū)分；

而集中式是指在兩個基站間選擇一個節(jié)點作為邏輯的TS，并對兩個站的

TE資源進行調度（連接優(yōu)化、算力調度、模型變更、數據配置等），此時

兩個基站是不對等的，其中一個是資源調度的決策