上下文感知的6G无线网络

孙军帅，赵芸，王莹莹，李娜，张慧敏，孙欣，闫敏，赵泉，李刚，刘璇，刘光毅

（中国移动通信有限公司研究院，北京100053）

1 引言

ICDT深度融合是无线移动通信演进的重要技术趋势之一，如何实现无线网络和人工智能（artificial intelligence，AI）技术的深度融合是无线网络中演进的重要课题。传统的AI和无线网络结合的方式为外挂式。基站把AI需要的信息上报到AI节点，AI节点对数据进行处理产生策略，并把策略发送给基站，然后基站根据该策略产生相应的控制。外挂式AI存在如下问题。

根据文献[2]中的估计，将所有数据上报到AI节点进行处理将消耗过多的上行链路带宽，给基站和传输网络带来了巨大的开销。为了满足AI模型训练的需求，基站需要上报测量的数据量和频度超过了基站处理业务的运算负荷。

· 大量测量数据的上报，导致了基站信息的安全风险。为了训练AI模型，需要大量针对用户的详细数据，把基站内正常的用户数据信息上报到基站外的节点，造成了数据安全风险。

· AI产生策略只能是慢速的，比如秒级或者百毫秒级，无法完全适应无线网络信道变化迅速的需求。

· AI给基站带来的增益小于基站，为了支撑AI而提供的测量和数据处理开销。

· 无法实现AI和基站的深度融合。

针对外挂式AI存在的问题，内生AI（native AI）通过引入分布式AI体系，实现了测量和数据处理开销的降低，并实现了AI和基站功能的深度融合。目前多个行业组织（ITU、CCSA、6GANA等）开展了基于内生AI通信技术的研究和立项，其中涉及基础理论、网络架构、能力开放、典型用例的工作流程等多个方向。……