6G 网络与 AI 融合愿景 - 支持连接、计算、数据和 AI 算法/模型等元素的深度融合和高效协同,支持将 AI 能力按需编排到无线、传输、承载、核心等 [9][10] - 能够最大池化和共享复用内部的算力资源,灵活高效地支撑内外各种 AI 应用（大）算力需求 [9][10] - 能够高效高质量地支持 AI 应用各种需求,如基于感知采集、随路处理和特征提取为 AI 模块贡献高质量的数据集 [9][10] - 能够充分合理地利用"边缘式"、"分布式"和"语义式"等技术手段和它们的组合进行灵活操作,在线高效地完成 AI 任务 [9][10] 产业现状 - 国内外多家组织机构正在积极探索和研究 6G 网络与 AI 融合技术 [11] - 全球各大 AI 芯片厂商都在积极布局 AI 芯片市场,为 6G 网络内生 AI 提供硬件支撑 [11] 发展路径和指导原则 - AI for Net 和 Net for AI 是 6G 网络与 AI 融合的两个发展路径 [12][13] - 6G 网络设计要以提升通信网络服务的品质效率为首要目标,在此基础上拓展 AI 业务服务能力 [14][15] - 需要融合更可信更鲁棒的 AI 应用,提供更可信更鲁棒的 AI 服务能力 [14] - 需要考虑算力资源的合理配置和高效利用,支持异构算力模块间的大规模集成和高速互联传输 [14] - 6G 网元节点将具备本地智能体 Agent 能力,有更强的任务自规划、性能自寻优、运行自排障等决策能力 [15] AI for Net 技术 - 利用 AI 优化传统算法、优化网络功能、优化网络运维管理等,提升网络自身的性能、效率和用户服务体验 [31][32][33] - 在 RAN 侧引入 AI/ML 逻辑功能,支持数据采集、模型训练、模型推理和模型管理等 [33][34] - 在核心网利用 AI 技术进行网络数据分析、网络流量检测和智能分析、网络资源动态调整等 [35][36] - 通过 AI 预测无线信道和业务特征,实现跨层跨域的端到端 QoS 参数联合配置和智能调度 [37] Net for AI 技术 - 构建基于云化服务化的分层管控 6G 网络内生 AI 框架,提供 AI as a Service (AIaaS) [41] - 形成 AI 服务质量 (QoAIS) 指标体系和闭环反馈的 QoS 保障机制 [41][42] - 实现通信资源、计算资源、数据资源和模型资源的融合控制,满足 AI 任务的多维度资源需求 [42] - 在边缘侧建立 6G 云平台,提供灵活可定制的计算资源和异构加速器硬件 [43] 前沿技术研判 - 网络大模型需要针对网络语言特点进行个性化设计,解决预训练算力和数据资源的挑战 [45] - 基于 Agent 的架构与协议将成为未来通信网络设计的重要方向,支撑 Agent 间的无缝通信、高效协同与智能调度 [46][47] 产业倡议 - 需要努力提升智算硬件和芯片的技术能力,实现关键技术的国产替代 [49] - 需要坚持推进全球统一认知和标准,加强与国际标准组织的合作 [49] - 需要共同创建 6G 研发平台,集合多方资源和力量开展技术研发和创新 [49] - 需要提前准备应用布局,在有价值的业务逻辑较成熟的局域场景中试点应用 [50][51]