6G網(wǎng)絡(luò)AI場(chǎng)景用例業(yè)務(wù)應(yīng)用需求詳解白皮書-6GANA

6G網(wǎng)絡(luò)AI場(chǎng)景用例業(yè)務(wù)應(yīng)用需求詳解白皮書未來，新一代6G移動(dòng)新系統(tǒng)將具備原生的網(wǎng)絡(luò)Al能力(簡稱NetwOrkAl)，它將進(jìn)一步為千行百業(yè)下的不同場(chǎng)景用戶和客戶，提供Al業(yè)務(wù)、服務(wù)、應(yīng)用和廣義智覺方面的深度賦能。本TG1白皮書首先旨在澄清和構(gòu)建6GANA技術(shù)體系下，關(guān)于“Al場(chǎng)景”、“Al用例”、“Al業(yè)務(wù)”、“Al應(yīng)用”等基本概念內(nèi)涵，再通過廣泛的信息收集、梳理分析、凝練闡述6G網(wǎng)絡(luò)Al在場(chǎng)景、用例、業(yè)務(wù)、應(yīng)用方面的潛在技術(shù)能力需求和應(yīng)用必要性。它涉及了TOC(普通消費(fèi)者)/TOB(垂直行業(yè)用戶)/TOH(家庭用戶)/TOG(政府用戶)等多個(gè)不同被服務(wù)主體對(duì)象，以及Al在不同發(fā)展階段的不同QOS服務(wù)質(zhì)量需求。此類結(jié)構(gòu)化的技術(shù)分解再匯集式地分析，有利于推動(dòng)未來6G時(shí)代下的各種“智能智覺類服務(wù)”在6G網(wǎng)絡(luò)Al新體系下的逐步導(dǎo)入和最終的普惠應(yīng)用，從而支撐和實(shí)現(xiàn)Al業(yè)務(wù)服務(wù)的科學(xué)良性發(fā)展和更大商業(yè)社會(huì)價(jià)值的落地兌現(xiàn)。移動(dòng)，上海諾基亞貝爾，北京郵電大學(xué)，上海科技大學(xué)，北京科技大學(xué)，重慶郵電大學(xué)，維沃，oppo，大連海事大學(xué)，鵬城實(shí)驗(yàn)室，中國電信，中國聯(lián)通，亞信，特斯聯(lián)科技集團(tuán)，愛立信，紫金山實(shí)驗(yàn)室，南京郵電大學(xué)，海能達(dá)等單位。謹(jǐn)此向各家貢獻(xiàn)單位表達(dá)誠摯衷心的感謝和敬意！??摘要 3 4 72.Al部署應(yīng)用體系現(xiàn)狀 8 82.2核心網(wǎng)Al 92.3網(wǎng)絡(luò)邊緣Al 92.4網(wǎng)管本地Al 2.5終端本地Al 2.6無線空口Al 3.3新業(yè)務(wù)應(yīng)用 4.6G網(wǎng)絡(luò)Al需求分解式詳解 4.1典型場(chǎng)景 工業(yè)智能制造............................................................................................................16 農(nóng)林牧礦場(chǎng)................................................................................................................17 政務(wù)辦公....................................................................................................................194.1.4場(chǎng)景4 交通治理....................................................................................................................20 災(zāi)害防控管理............................................................................................................21 生活家居....................................................................................................................22 教育文娛....................................................................................................................23 海洋治理開發(fā)............................................................................................................24 智慧醫(yī)療....................................................................................................................254.2典型用例 網(wǎng)絡(luò)多域功能性能優(yōu)化............................................................................................25 高水平運(yùn)維自治........................................................................................................26 移動(dòng)擴(kuò)展現(xiàn)實(shí)XR......................................................................................................274.2.4用例4 視頻圖片語音分析....................................................................................................28 無人車/機(jī)駕駛..........................................................................................................29 內(nèi)生安全....................................................................................................................30 終端AI計(jì)算卸載......................................................................................................31 智能意圖交互............................................................................................................32 空口性能提升...........................................................................................................334.2.10用例10 動(dòng)態(tài)環(huán)境感知預(yù)測(cè)..............................................................................................344.3典型業(yè)務(wù) 算力執(zhí)行....................................................................................................................34 算力部署....................................................................................................................36 模型生成....................................................................................................................384.3.4業(yè)務(wù)4 模型訓(xùn)練....................................................................................................................39 模型推理....................................................................................................................40 模型優(yōu)化....................................................................................................................41 模型壓縮....................................................................................................................44 模型驗(yàn)證....................................................................................................................45 模型部署....................................................................................................................464.3.10業(yè)務(wù)10—模型安全 4.3.11業(yè)務(wù)11 數(shù)據(jù)業(yè)務(wù)...............................................................................................................484.3.12業(yè)務(wù)12 數(shù)字李生業(yè)務(wù).......................................................................................................494.4典型應(yīng)用 定義和縮寫 511.前言和概念體系網(wǎng)絡(luò)原生AI被業(yè)界認(rèn)為是未來6G移動(dòng)新系統(tǒng)的核心特征之一[1]，它主要包含:利用AI技術(shù)進(jìn)行6G網(wǎng)絡(luò)端到端的自我賦能增強(qiáng)優(yōu)化、向終端用戶提供AI業(yè)務(wù)服務(wù)和應(yīng)用，和向第三方客戶提供AI類的服務(wù)等方面。無論何時(shí)何地，對(duì)于任何一個(gè)單體網(wǎng)元，都會(huì)面臨著有限的算力、智能和電量功耗等方面的約束和限制。6G網(wǎng)絡(luò)AI就是基于強(qiáng)大的6G移動(dòng)新系統(tǒng)平臺(tái)基座，把泛在分布的各個(gè)網(wǎng)元節(jié)點(diǎn)中的AI三要素資源能力都高效地協(xié)同運(yùn)轉(zhuǎn)和利用起來，并且實(shí)現(xiàn)泛在的AI賦能服務(wù)。例如，對(duì)于某些計(jì)算資源少但通信資源豐富的節(jié)點(diǎn)，可實(shí)現(xiàn)所謂的“通信換計(jì)算/計(jì)算卸載”;反之對(duì)于某些計(jì)算資源多但通信資源醫(yī)乏的節(jié)點(diǎn)，可實(shí)現(xiàn)“計(jì)算換通信/智簡通信”。6G網(wǎng)絡(luò)AI原生地深度融合了6G移動(dòng)新系統(tǒng)和AI三要素(即算力、算法、數(shù)據(jù))，可實(shí)現(xiàn)對(duì)內(nèi)和對(duì)外更強(qiáng)大高效的AI賦能和應(yīng)用，它的發(fā)展演進(jìn)驅(qū)動(dòng)力至少有如下幾點(diǎn):-抑制“移動(dòng)基礎(chǔ)設(shè)施管道化”和當(dāng)前5GS系統(tǒng)技術(shù)方面的多個(gè)痛點(diǎn)，進(jìn)一步提升未來6G新網(wǎng)絡(luò)產(chǎn)品業(yè)務(wù)服務(wù)的品質(zhì)和競(jìng)爭力，加深和。DICT技術(shù)融合互惠;-開拓和高效支撐“智能智覺類AI業(yè)務(wù)服務(wù)應(yīng)用”，助力各方實(shí)現(xiàn)更大的創(chuàng)利營收;-提升移動(dòng)基礎(chǔ)設(shè)施資源的綜合利用率，實(shí)現(xiàn)6G平臺(tái)資產(chǎn)價(jià)值更大的兌現(xiàn);-更好地提供對(duì)用戶和行業(yè)數(shù)據(jù)隱私保護(hù)，實(shí)現(xiàn)“通感算智”可信和安全性保障;-利用AI手段輔助6G新系統(tǒng)的降本節(jié)能，實(shí)現(xiàn)6G綠色低碳運(yùn)維-增強(qiáng)跨行業(yè)生態(tài)協(xié)作升級(jí)，多方匯聚在6G平臺(tái)環(huán)境下形成更高效的協(xié)作創(chuàng)新共贏;-實(shí)現(xiàn)未來泛在的智能普惠，賦能更多的弱勢(shì)個(gè)體，推動(dòng)社會(huì)公平和文明進(jìn)步。6G網(wǎng)絡(luò)AI的相關(guān)基本概念和技術(shù)需求，已在前期發(fā)布的若干白皮書中[2-3]，進(jìn)行了初步的闡述涂釋。為了更好契合本白皮書的內(nèi)容闡述詳解，且推動(dòng)后續(xù)業(yè)界多方能在AI概念術(shù)語方面形成盡可能的統(tǒng)一共識(shí)，我們先針對(duì)AI術(shù)語中一些最基本概念給出如下的建議:“AI場(chǎng)景(AIScenario)”:利用或使用AI技術(shù)或AI三要素，發(fā)生效果作用的場(chǎng)合地方情境。注:“AI場(chǎng)景”內(nèi)涵非常地寬泛，且可有不同的維度劃分方式，例如:按照生效作用的地“AI用例(AIUseCase)”:利用或使用Al技術(shù)或Al三要素,可獲得的收益增益價(jià)值意義方面。例如:利用Al技術(shù)可進(jìn)行圖片視頻分析識(shí)別,提升頻譜利用率,實(shí)現(xiàn)基站終端節(jié)能,網(wǎng)絡(luò)自治等不同功效?！盇l用例”通常和具體的“Al場(chǎng)景”之間無必然的綁定關(guān)系?！癆I能力(AICaPabiIity)”:6G移動(dòng)新系統(tǒng)內(nèi)部所構(gòu)建和實(shí)現(xiàn)Al方面的功能性能,用以支撐和保障各種Al業(yè)務(wù)服務(wù)應(yīng)用。“AI業(yè)務(wù)(AIBusiness)”:利用或使用Al技術(shù)或Al三要素,做出服務(wù)于特定場(chǎng)景用例目的的系列行為操作。例如:Al模型生成/訓(xùn)練/驗(yàn)證/評(píng)估/優(yōu)化,利用Al模型進(jìn)行歸類,推理,決策,預(yù)測(cè),管理等?！癆l業(yè)務(wù)”通常和具體的Al場(chǎng)景和用例之間也無必然的綁定關(guān)系?！癆I服務(wù)(AIService)”:按需向被服務(wù)方提供Al技術(shù)、業(yè)務(wù)或Al三要素等內(nèi)容。注:“Al服務(wù)”范疇通常要大于“Al業(yè)務(wù)”,Al服務(wù)可涉及到Al相關(guān)的基本資源,Al功能技術(shù)和Al業(yè)務(wù)等不同層面的內(nèi)容。“AI應(yīng)用(AIAPPIication)”:面向終端用戶,網(wǎng)絡(luò)運(yùn)維人員,第三方客戶等應(yīng)用使用方,提供基于Al的用戶可感受到的互動(dòng)行為操作。注:“Al應(yīng)用”通常是多個(gè)Al業(yè)務(wù)或Al服務(wù)的有機(jī)綜合體,它和特定的Al場(chǎng)景用例也有著一定的對(duì)應(yīng)關(guān)系?？傮w上,“Al場(chǎng)景”、“Al用例”和“Al業(yè)務(wù)”三者之間,有著相對(duì)獨(dú)立解糯但又非常靈活的關(guān)聯(lián)支撐關(guān)系。例如:某“Al場(chǎng)景”A下,可同時(shí)有著不同的“Al用例”B和c,它們都會(huì)基于“Al業(yè)務(wù)”D,E,F等執(zhí)行實(shí)現(xiàn)。相同的“Al用例”B,會(huì)出現(xiàn)在不同的“Al場(chǎng)景”M,N下,但它們各自又具備不同的QOAlS性能需求。本白皮書將主要針對(duì)6G時(shí)代典型的“Al場(chǎng)景”、“Al用例”和“Al業(yè)務(wù)”需求方面,進(jìn)行全面分解式的闡述和詳解。2.AI部署應(yīng)用體系現(xiàn)狀當(dāng)下,各種Al技術(shù)手段已被廣泛地應(yīng)用于各領(lǐng)域行業(yè)。下面我們先從Al典型的部署應(yīng)用角度,簡要綜述幾種Al體系形態(tài),它們?cè)谖磥?G新時(shí)代下仍將會(huì)繼續(xù)存在和發(fā)展演進(jìn)。以亞馬遜網(wǎng)絡(luò)服務(wù)AWS、微軟Azure、谷歌云,阿里云、OpenAl等為代表的OTT公有云體系,已經(jīng)為廣大的互聯(lián)網(wǎng)用戶,提供了豐富多樣的云計(jì)算和云端Al類服務(wù),例如,大型數(shù)據(jù)庫檢索,數(shù)據(jù)深度挖掘,生物基因測(cè)序、大型cAD繪圖成像、chatGPT智能對(duì)話等應(yīng)用。OTT云中某個(gè)深度神經(jīng)網(wǎng)絡(luò)DNN，其模型可含有幾百萬個(gè)甚至千億級(jí)的參數(shù)，因此OTT云AI通常適合去解決重量級(jí)的多元多維高復(fù)雜的問題。為了克服OTT云AI資源能力和操控過度集中化的弊端，OTT廠家也在積極探索和部署所謂的分布式云AI服務(wù)，使得計(jì)算存儲(chǔ)和AI資源能力更貼近去解決全局類高復(fù)雜問題，可實(shí)現(xiàn)較高的AI模型泛化度和AI推理決策的準(zhǔn)確可靠度。雖然OTT云AI能力很強(qiáng)大，但當(dāng)它面臨著海量AI用戶并發(fā)的業(yè)務(wù)服務(wù)需求之時(shí)，也會(huì)出現(xiàn)擁塞和服務(wù)排隊(duì)等待延時(shí)，甚至云AI服務(wù)不可用；另外也面臨用戶隱私數(shù)據(jù)被大量地暴露濫用的風(fēng)險(xiǎn)。Rel-16引入的網(wǎng)絡(luò)數(shù)據(jù)分析功能NWDAF為代表的核心網(wǎng)AI，可用于對(duì)各類網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行采集、分析推理，包括:NWDAF從5G各個(gè)網(wǎng)絡(luò)功能NF實(shí)體收集網(wǎng)絡(luò)運(yùn)行數(shù)據(jù)、從網(wǎng)管OAM獲取終端和網(wǎng)絡(luò)相關(guān)運(yùn)行統(tǒng)計(jì)數(shù)據(jù)、從第三方應(yīng)用AF實(shí)例中獲取用戶應(yīng)用數(shù)據(jù)等。NWDAF包含分析邏輯功能AnLF和模型訓(xùn)練邏輯功能MTLF兩大部分，它們均可多實(shí)例化和分布式地部署在核心網(wǎng)域內(nèi)。NWDAF生成的分析、判定、預(yù)測(cè)等結(jié)果信息，會(huì)輸出到各個(gè)NF、OAM或AF上提供它們決策參考。當(dāng)下，NWDAF可提供典型的網(wǎng)絡(luò)數(shù)據(jù)分析和智能服務(wù)如:網(wǎng)絡(luò)切片負(fù)載評(píng)估預(yù)測(cè)，用戶業(yè)務(wù)體驗(yàn)MOS評(píng)估，AI預(yù)測(cè)的用戶移動(dòng)性和無線資源配置優(yōu)化等方面。盡管NWDAF支持分布式多實(shí)例化的配置部署，但核心網(wǎng)AI總體上還是偏運(yùn)營商“移動(dòng)邊緣計(jì)算MEC，已經(jīng)在電信運(yùn)營商網(wǎng)絡(luò)中有著非常豐富的實(shí)踐，提供著豐富多樣的邊緣計(jì)算和AI服務(wù)，例如，基于邊緣計(jì)算的視頻影像識(shí)別，終端用戶特征行為提取，邊緣輔助的自動(dòng)駕駛等。網(wǎng)絡(luò)邊緣AI實(shí)際就是基于MEC計(jì)算平臺(tái)，為MEC中的各個(gè)功能應(yīng)用進(jìn)行AI賦能。網(wǎng)絡(luò)邊緣AI重在解決計(jì)算智能類服務(wù)中的低延時(shí)，快速響應(yīng)和用戶數(shù)據(jù)隱私保護(hù)等問題，但網(wǎng)絡(luò)中各個(gè)邊緣AI節(jié)點(diǎn)，例如無線基站之間的有機(jī)協(xié)作性和其自身AI功能自生長演進(jìn)性并不強(qiáng)大。網(wǎng)絡(luò)邊緣AI雖不具備像云AI那么巨大的計(jì)算存儲(chǔ)數(shù)據(jù)資源能力，但也具備相當(dāng)強(qiáng)的本地計(jì)算存儲(chǔ)數(shù)據(jù)資源能力。網(wǎng)絡(luò)邊緣AI通常適合去解決中量級(jí)的較復(fù)雜問題。邊緣節(jié)點(diǎn)中適用的AI算法模型，需考慮到MEC算力和數(shù)據(jù)資源受限約束，例如，邊緣AI通常以中小規(guī)模AI模型，和有限小數(shù)據(jù)樣本AI模型訓(xùn)練為主。為了能更好地匹配適應(yīng)網(wǎng)絡(luò)邊緣側(cè)的不同工作環(huán)境特征，邊緣AI模型算法通常還需動(dòng)態(tài)地進(jìn)行本地化優(yōu)化，例如，邊緣AI利用實(shí)時(shí)感知采集到的本地?cái)?shù)據(jù)進(jìn)行AI模型優(yōu)化。由于網(wǎng)絡(luò)邊緣AI專注于解決局部問題，強(qiáng)調(diào)實(shí)時(shí)短周期內(nèi)執(zhí)行，因此相關(guān)AI數(shù)據(jù)的可獲得性較弱，邊緣AI模型的泛化度、推理決策正確可靠度有時(shí)候也會(huì)受到挑戰(zhàn)，這就需要網(wǎng)絡(luò)邊緣AI和云AI或計(jì)算超腦進(jìn)行跨層的AI能力協(xié)同。網(wǎng)絡(luò)邊緣AI并不一定意味著要進(jìn)行分布式AI協(xié)作，但當(dāng)MEC節(jié)點(diǎn)中有富余的算力存儲(chǔ)數(shù)據(jù)等資源，也可通過分布式協(xié)作方式，為當(dāng)前，網(wǎng)絡(luò)設(shè)備商和移動(dòng)運(yùn)營商多以“數(shù)智中臺(tái)”的方式，去支撐賦能自己的網(wǎng)管。AM系統(tǒng)，進(jìn)一步增強(qiáng)電信網(wǎng)絡(luò)的智能運(yùn)維管控能力。網(wǎng)管AI通常面向全網(wǎng)中公共類的應(yīng)用場(chǎng)景和問題，例如，智能化網(wǎng)絡(luò)切片管理，無線覆蓋優(yōu)化，用戶流量預(yù)測(cè)等。當(dāng)前網(wǎng)管本地AI更像一種“外掛的”部署方式，并沒能深度內(nèi)嵌融合到各個(gè)網(wǎng)元節(jié)點(diǎn)之中，未能與移動(dòng)網(wǎng)絡(luò)內(nèi)的各種資源發(fā)生聯(lián)動(dòng)，無法實(shí)現(xiàn)網(wǎng)絡(luò)的深度自治[3]。網(wǎng)管平臺(tái)通過搜集匯聚網(wǎng)絡(luò)運(yùn)營中的各類數(shù)據(jù)，基于網(wǎng)管本地AI進(jìn)行分析判斷和預(yù)測(cè)，進(jìn)一步生成網(wǎng)管新策略和系列管控動(dòng)作。網(wǎng)管平臺(tái)可利用自己相對(duì)充足的算力數(shù)據(jù)資源先進(jìn)行泛化的“AI元模型”生成訓(xùn)練，再進(jìn)一步分發(fā)加載給核心網(wǎng)網(wǎng)元和無線基站去利用。此外，網(wǎng)管本地AI“系統(tǒng)大閉環(huán)”的運(yùn)行方式，導(dǎo)致AI分析判別推理和服務(wù)響應(yīng)周期都較長，通常只能針對(duì)大時(shí)間和大地域尺度的網(wǎng)絡(luò)問題。未來的6G網(wǎng)絡(luò)AI，則有望通過“本地小閉環(huán)”的方式去實(shí)現(xiàn)更短的AI分析推理響應(yīng)周期，從而靈活應(yīng)對(duì)各類時(shí)間地域尺度的網(wǎng)絡(luò)問題。相比網(wǎng)絡(luò)側(cè)，智能終端本地具備非常有限的算力，數(shù)據(jù)資源和電量，因此終端對(duì)可執(zhí)行的AI模型算法有著較高的約束和限制。由于AI模型訓(xùn)練需要消耗大量的算力，內(nèi)存和功率資源，因此通常終端不本地執(zhí)行AI模型訓(xùn)練，或僅進(jìn)行輕量級(jí)的訓(xùn)練優(yōu)化，例如:終端可基于AI元模型和少量數(shù)據(jù)樣本進(jìn)行AI模型更新適配。終端通常申請(qǐng)從網(wǎng)絡(luò)應(yīng)用側(cè)的AI模型庫中，下載所需的AI模型，或?qū)⑺璧腁I訓(xùn)練任務(wù)委托交付給網(wǎng)絡(luò)應(yīng)用側(cè)，但AI模型推理對(duì)終端算力和內(nèi)存資源要求相對(duì)并不高，因此為了實(shí)現(xiàn)更小的分析推理決策延時(shí)，通導(dǎo)致終端的耗電過高，內(nèi)存占用過大，因此終端如果能將推理計(jì)算一部分任務(wù)從空口上傳卸載到網(wǎng)絡(luò)側(cè)節(jié)點(diǎn)，這可顯著地降低終端功耗和本地硬件資源的占用。AI技術(shù)在過去十年中取得了長足的應(yīng)用和發(fā)展。近年來，AI涉及使能無線系統(tǒng)的應(yīng)用案例已大量地涌現(xiàn)。首先，在追求更卓越的通信連接性能指標(biāo)或更低的通信運(yùn)算復(fù)雜度方面，AI有望在空口層1、層2、層3協(xié)議的某些處理算法上，突破傳統(tǒng)的模塊化系統(tǒng)建模和知識(shí)模型近似方式所導(dǎo)致的性能瓶頸，例如:無線信道估計(jì)、導(dǎo)頻檢測(cè)、信號(hào)均衡以及多用戶資源調(diào)度等。其次，AI被寄予厚望以隱式的學(xué)習(xí)方式，去解決空口小區(qū)部署優(yōu)化問題，典型用例包括:小區(qū)流量模式識(shí)別、空口自動(dòng)化配置和波束優(yōu)化以提高無線網(wǎng)絡(luò)覆蓋等?？紤]到實(shí)際空口部署中極復(fù)雜的優(yōu)化目標(biāo)、約束限制條件和多變量參數(shù)等，AI在某些空口性能優(yōu)化方面，是傳統(tǒng)的知識(shí)模型方法所無法達(dá)到的，特別在復(fù)雜無線環(huán)境下的空口自優(yōu)化自診斷方面。無線空口AI技術(shù)還可和現(xiàn)有其它網(wǎng)絡(luò)技術(shù)結(jié)合，帶來一系列的應(yīng)用突破，例如:利用AI提高終端用戶的定位準(zhǔn)確度和精度。通信感知一體化被認(rèn)為是未來6G移動(dòng)新系統(tǒng)的重要特征之一，而無線空口AI也是支持空口深度感知的關(guān)鍵技術(shù)之一。未來，6G網(wǎng)絡(luò)AI將不同于上述章節(jié)2中枚舉的幾種AI典型部署應(yīng)用方式，其中AI資源和能力將與未來6G移動(dòng)新系統(tǒng)(包含網(wǎng)絡(luò)側(cè)和終端群)深度地原生內(nèi)生融合，AI將作用于6G新系統(tǒng)內(nèi)的各個(gè)地方，各個(gè)方面和各個(gè)層級(jí)，例如:功能級(jí)AI，網(wǎng)元級(jí)AI，系統(tǒng)級(jí)AI，服務(wù)級(jí)AI等。6G網(wǎng)絡(luò)AI在AI功能性能和AI業(yè)務(wù)應(yīng)用現(xiàn)6G時(shí)代萬物智聯(lián)和智能普惠之愿景。6G網(wǎng)絡(luò)AI的新功能主要體現(xiàn)在:新算力，新算法，新數(shù)據(jù)和新工作范式方面。-異構(gòu)算力管控，6G網(wǎng)絡(luò)AI支持面向網(wǎng)絡(luò)內(nèi)生的各種異構(gòu)算力/存儲(chǔ)資源的靈活編排管控功能。6G移動(dòng)新系統(tǒng)中的各種異構(gòu)算力資源不一定會(huì)和AI操作強(qiáng)綁定，且它們具備異構(gòu)化、分布式、動(dòng)態(tài)性等基本特征。面向6G新業(yè)務(wù)應(yīng)用典型的算力用例有:AI模型訓(xùn)練推理(例如:圖像影像視頻的分析識(shí)別)，大數(shù)據(jù)類處理(例如:數(shù)據(jù)壓縮、特征提取、深度搜索、根因挖掘等)，語音視頻快速編解碼，動(dòng)態(tài)多數(shù)據(jù)流合成(例如:全息通信3D成像演染等)。6G移動(dòng)新系統(tǒng)需對(duì)上述不同的算力用例及其資源進(jìn)行高效地管控。-算法模型管理,6G新系統(tǒng)中的各級(jí)網(wǎng)元將具備Al模型自生成訓(xùn)練,模型自評(píng)估驗(yàn)證優(yōu)化,模型壓縮部署,模型推理等Al基本業(yè)務(wù)功能。面向6G的分布式Al模型訓(xùn)練方式方法已多種多樣,例如:以“聯(lián)邦學(xué)習(xí)”為代表的分布式送代訓(xùn)練,以“Al元模型繼承學(xué)習(xí)”、“元學(xué)習(xí)”和“遷移學(xué)習(xí)”為代表的小樣本學(xué)習(xí)訓(xùn)練,它們有利于增強(qiáng)Al算法模型的本地適配度和情境定制化,以快速適應(yīng)本地應(yīng)用不同的多任務(wù)環(huán)境等。針對(duì)某些結(jié)構(gòu)復(fù)雜且參數(shù)量巨大的Al模型,6G新網(wǎng)絡(luò)網(wǎng)元還可通過模型壓縮技術(shù)(例如,模型參數(shù)量化、模型稀疏化、知識(shí)蒸餾等)獲得較小的壓縮Al模型,從而減輕各個(gè)網(wǎng)元待處理的數(shù)據(jù)量和6G新系統(tǒng)硬件平臺(tái)負(fù)擔(dān),同時(shí)還可加速Al模型的推理決策?？傮w上,6G移動(dòng)新系統(tǒng)將實(shí)現(xiàn)對(duì)豐富的Al算法模型的全生命周期管理。-海量數(shù)據(jù)治理,6G新系統(tǒng)將支持海量數(shù)據(jù)采集,數(shù)據(jù)預(yù)處理,數(shù)據(jù)分布式存儲(chǔ),數(shù)據(jù)高速傳輸?shù)然緮?shù)據(jù)類業(yè)務(wù)。隨著未來6G時(shí)代數(shù)據(jù)量的膨脹式增長,海量大數(shù)據(jù)資源既是“6G網(wǎng)絡(luò)Al”不斷發(fā)展演進(jìn)的動(dòng)力燃料,同時(shí)也蘊(yùn)藏著巨大的數(shù)據(jù)價(jià)值。當(dāng)下在數(shù)據(jù)采集框架標(biāo)準(zhǔn)化方面,業(yè)界已有一些成功的實(shí)踐,例如:prometheus已成為云原生Telemetry數(shù)據(jù)采集框架標(biāo)準(zhǔn),它可實(shí)現(xiàn)網(wǎng)絡(luò)邊緣節(jié)點(diǎn)從硬件、操作系統(tǒng)、容器編排、到微服務(wù)每一層的數(shù)據(jù)采集與管理[4]。鑒于此,未來6G移動(dòng)新系統(tǒng)有望進(jìn)一步統(tǒng)一數(shù)據(jù)業(yè)務(wù)和服務(wù)的標(biāo)準(zhǔn),包括:統(tǒng)一6G無線網(wǎng)絡(luò)相關(guān)的數(shù)據(jù)格式、參數(shù)定義、計(jì)算方式等。如此,未來海量的無線數(shù)據(jù)資源,可實(shí)現(xiàn)在6G新系統(tǒng)內(nèi)的快速流轉(zhuǎn)共享應(yīng)用,實(shí)現(xiàn)以數(shù)據(jù)為中心的智能計(jì)算。-“以任務(wù)為中心”AI工作流編管控,6G新系統(tǒng)各個(gè)網(wǎng)元將進(jìn)一步提升各自的業(yè)務(wù)任務(wù)環(huán)境感知能力,并主動(dòng)地實(shí)時(shí)觸發(fā)各種類型的Al任務(wù)。在6G網(wǎng)絡(luò)Al新體系下,Al三要素資源能力和Al任務(wù)都可承載在6G網(wǎng)絡(luò)內(nèi)部,即某網(wǎng)元內(nèi)部或不同網(wǎng)元之間都可緊密地通過協(xié)作,去完成特定的Al任務(wù),而無需人工干預(yù)或上游集中式錨點(diǎn)網(wǎng)元的集中管控,從而本地高效地實(shí)現(xiàn)Al任務(wù)全生命周期的自管理自執(zhí)行。例如:面向以“聯(lián)邦學(xué)習(xí)”為代表的分布式Al學(xué)習(xí)任務(wù),6G新網(wǎng)絡(luò)需能支持多個(gè)節(jié)點(diǎn)之間的協(xié)同Al學(xué)習(xí)和任務(wù)工作流編排；面向“分割推理”為代表的分布式Al推理任務(wù),6G新網(wǎng)絡(luò)需能支持高效合理的跨網(wǎng)元分割推理模式和任務(wù)分割點(diǎn)選取等。“以任務(wù)為中心”Al工作流編管控,將成為6G網(wǎng)絡(luò)Al的新工作范式。未來,來自終端用戶、網(wǎng)絡(luò)內(nèi)部和第三方客戶的各種Al業(yè)務(wù)服務(wù)需求,將會(huì)變得更加多樣、泛在和密集,因此6G網(wǎng)絡(luò)Al在系統(tǒng)性能層面需有足夠的應(yīng)對(duì)支撐能力。首先,6G網(wǎng)絡(luò)Al的架構(gòu)設(shè)計(jì)將會(huì)是實(shí)現(xiàn)高性能的關(guān)鍵方面。射頻和算力資源的分布既要適度地集中化,又要適度地分布化,例如:基于分布式算力和天線技術(shù),cell-less組網(wǎng)等,需要在分布式與集中式之間尋求折中權(quán)衡。其次，未來6G新系統(tǒng)所包含的計(jì)算類型將會(huì)更加多元化，既有傳統(tǒng)的代數(shù)計(jì)算，還有各類AI算法模型等其他各類復(fù)雜計(jì)算，下沉到網(wǎng)絡(luò)邊緣與基站共享算力的應(yīng)用計(jì)算。6G新系統(tǒng)需要將各類異構(gòu)算力，盡可能地適配上層的各類計(jì)算類型；同時(shí)AI算法模型也需要適度地解構(gòu)，在滿足計(jì)算性能約束的前提下實(shí)現(xiàn)能效最優(yōu)化。異構(gòu)計(jì)算研究結(jié)果表明:無論是機(jī)器學(xué)習(xí)這類計(jì)算數(shù)據(jù)密集型算法，還是通信基帶處理這類實(shí)時(shí)性要求較高的算法，卸載處理，都能針對(duì)特定算法進(jìn)行更高能效的處理?？傮w上，在正確的時(shí)間用正確的計(jì)算處理器去做正確的計(jì)算類型任務(wù)是異構(gòu)計(jì)算的核心要義。通過適當(dāng)?shù)挠?jì)算資源編排調(diào)度，根據(jù)不同計(jì)算類型任務(wù)，去選擇最適當(dāng)?shù)挠?jì)算處理器，從而充分發(fā)揮出不同類型計(jì)算處理器單元的長處。異構(gòu)計(jì)算資源的共享與虛擬化，一直是值得更深入探討的問題。-網(wǎng)絡(luò)連接性能，6G新系統(tǒng)無論在空口還是網(wǎng)元之間的連接方面，傳輸吞吐率相比5G系統(tǒng)都需要至少提高10倍，例如，為了更實(shí)時(shí)地支撐同步聯(lián)邦學(xué)習(xí)梯度和模型信息的交互等操作。由于6G新網(wǎng)絡(luò)具備更強(qiáng)的無線自感知和數(shù)據(jù)發(fā)現(xiàn)搜集能力，6G新網(wǎng)絡(luò)的上行流量、上行傳輸吞吐率和實(shí)時(shí)性的要求也將隨之增大。伴隨著相鄰多基站之間，或基站和多終端之間進(jìn)行廣泛的分布式AI協(xié)作(垂直或水平聯(lián)邦學(xué)習(xí)、分割學(xué)習(xí)、DNN分割推理等)，基站和終端之間的各種“垂直連接”和“水平連接”之中的數(shù)據(jù)流量和傳輸吞吐率也將會(huì)較大地變大，同時(shí)它們對(duì)空口無線鏈路的時(shí)延、同步精度和可靠魯棒性的性能要求也將大幅度地提升，以避免AI模型送代訓(xùn)練或推理過程中受阻而滯后。-網(wǎng)絡(luò)算力性能，隨著6G時(shí)代更先進(jìn)的智能終端和無線邊緣設(shè)備的增多，基站算力(非)云化拓展，邊緣側(cè)的算力資源將會(huì)越來越豐富且強(qiáng)大。隨著智能終端和邊緣設(shè)備的計(jì)算硬件配置不斷地提升(例如GPU，DPU，TPU，IPU等)，過去某些中大型的AI算法模型，將也可能在智能終端側(cè)或邊緣側(cè)被加載執(zhí)行。6G新系統(tǒng)中各級(jí)網(wǎng)元設(shè)備中的算力，并不一定只用于AI相關(guān)操作，例如:XR業(yè)務(wù)高速編解碼并不需要基于AI模型執(zhí)行，但需大量算力去支撐大量的多媒體圖形擬音成像等計(jì)算操作。總體上，6G網(wǎng)絡(luò)AI中的算力性能將至少有幾倍的拓展和提升。-網(wǎng)絡(luò)AI模型性能，這主要考慮AI模型的推理成功率/正確率，推理延時(shí)等關(guān)鍵性能指標(biāo)。對(duì)于某些AI應(yīng)用，例如，自動(dòng)駕駛和人臉認(rèn)證，它們需要極高的推理成功率/正確率，否則后果極其嚴(yán)重。對(duì)于某些AI應(yīng)用，例如，AI互動(dòng)游戲和人機(jī)交互等，它們需要極低的推理延時(shí)如10ms到~100ms，否則導(dǎo)致用戶體驗(yàn)的糟糕不暢。AI模型性能主要受到AI模型質(zhì)量，部署方式，節(jié)點(diǎn)計(jì)算資源，網(wǎng)絡(luò)傳輸資源等多因素的影響，一直是值得更深入探討的問題。-網(wǎng)絡(luò)AI能效表現(xiàn),中國計(jì)劃于2030年實(shí)現(xiàn)碳達(dá)峰,這對(duì)于屆時(shí)已商用部署的6G移動(dòng)新網(wǎng)絡(luò)來說,能效的指標(biāo)尤其重要。5GNR網(wǎng)絡(luò)相對(duì)于4GLTE在能效方面已實(shí)現(xiàn)了大幅提升,而6G新網(wǎng)絡(luò)將需支撐更高的能效指標(biāo)需求,而能效表現(xiàn)也將成為在系統(tǒng)滿足基本性能需求前提下衡量6G網(wǎng)絡(luò)AI的重要KPI指標(biāo)。未來6G網(wǎng)絡(luò)AI的能效綜合表現(xiàn),將進(jìn)一步依賴于多方面技術(shù)手段融合與創(chuàng)新,例如:通感一體化技術(shù),基于AI深度節(jié)能,基于AI智簡網(wǎng)絡(luò)等。通過諸多更先進(jìn)的AI模型壓縮技術(shù)(模型參數(shù)量化、稀疏化、知識(shí)蒸餾等),在一定的性能損失容忍限度內(nèi),可獲得逼近本尊的AI小模型,較大地降低AI模型執(zhí)行能耗。通過分布式并行異構(gòu)計(jì)算,可將較重的AI任務(wù)卸載分擔(dān)到高計(jì)算能效的節(jié)點(diǎn)上去執(zhí)行完成。在6G整體能效繼續(xù)提升的大目標(biāo)下,6G網(wǎng)絡(luò)AI將會(huì)使得6G移動(dòng)新系統(tǒng)成為一個(gè)高能效的分布式通感算智信的超融合平臺(tái),其綜合能效表現(xiàn)相比5G將至少提高2-5未來,6G移動(dòng)新系統(tǒng)將會(huì)支撐和提供諸多6G的新業(yè)務(wù)應(yīng)用,而它們將會(huì)和6G網(wǎng)絡(luò)AI之間發(fā)生密切聯(lián)系和相互影響。1.面向終端用戶,以全息通信和移動(dòng)XR為代表的6G新業(yè)務(wù)應(yīng)用,將極大提升用戶移動(dòng)應(yīng)用的沉浸感。全息通信成像和移動(dòng)XR對(duì)空口傳輸吞吐量的要求可達(dá)Gbps甚至Tbps級(jí),對(duì)系統(tǒng)端到端傳輸時(shí)延要求可達(dá)亞ms級(jí),不同信息流之間的時(shí)間同步精度要求可達(dá)幾十ns級(jí)。如何實(shí)現(xiàn)全息通信和移動(dòng)XR終端設(shè)備的輕質(zhì)化與便攜性,是其在未來商用成功應(yīng)用之路上不可繞過的問題。受限于智能終端自身的算力、存儲(chǔ)、智能和功耗等因素,全息通信和移動(dòng)XR這類高端業(yè)務(wù)應(yīng)用,通常需依賴于6G網(wǎng)絡(luò)AI的強(qiáng)力支撐賦能,如此從終端的角度實(shí)現(xiàn)“通信換計(jì)算”增益。2.面向網(wǎng)管運(yùn)維,以“L5等級(jí)網(wǎng)絡(luò)高自治”為代表的6G新業(yè)務(wù)應(yīng)用,可極大提升6G新系統(tǒng)運(yùn)維管理的效率性能,而它通常也需依賴于6G網(wǎng)絡(luò)AI的強(qiáng)力支撐。目前網(wǎng)絡(luò)運(yùn)維水平低、運(yùn)維成本過高,如何提升網(wǎng)絡(luò)運(yùn)維自治水平,打造自修復(fù)、自優(yōu)化、自治愈的通信網(wǎng)絡(luò),是下一代無線網(wǎng)絡(luò)重需突破的關(guān)鍵技術(shù)問題。6G網(wǎng)絡(luò)的高水平自治需要依賴于數(shù)字李生網(wǎng)絡(luò)技術(shù)。當(dāng)前網(wǎng)元內(nèi)部的大量數(shù)據(jù)并未對(duì)運(yùn)營商開放,導(dǎo)致運(yùn)營商對(duì)于網(wǎng)絡(luò)真實(shí)狀態(tài)無法做到全面、實(shí)時(shí)和精細(xì)的感知,對(duì)網(wǎng)絡(luò)的管控只能停留在各類長周期統(tǒng)計(jì)數(shù)據(jù)所能支持的范疇；基于軟硬采、路測(cè)、MDT、MR和網(wǎng)管數(shù)據(jù)提取等方式雖已能獲得大量數(shù)據(jù),但存在數(shù)據(jù)質(zhì)量差、價(jià)值密度低、獲取效率低、時(shí)效性差等問題；傳統(tǒng)網(wǎng)絡(luò)智能化實(shí)踐中采用人工發(fā)現(xiàn)問題并使用AI解決問題的方式,始終受到專家認(rèn)知的局限性；同時(shí),依賴人工的、煙囪式解決問題的方式,往往在不同網(wǎng)絡(luò)運(yùn)維優(yōu)化用例之間產(chǎn)生效果的沖突；現(xiàn)有網(wǎng)絡(luò)中的運(yùn)維優(yōu)化決策在實(shí)施之前通常會(huì)由專家進(jìn)行評(píng)估論證，新功能的引入一般需要先進(jìn)行長時(shí)間的內(nèi)外場(chǎng)測(cè)試，決策實(shí)施后的效果主要通過統(tǒng)計(jì)或路測(cè)相關(guān)網(wǎng)絡(luò)性能指標(biāo)獲知，送代優(yōu)化周期長、成本高。針對(duì)上述挑戰(zhàn)，6G新網(wǎng)絡(luò)需要通過數(shù)字李生網(wǎng)絡(luò)，去解決數(shù)據(jù)的深度開放共享問題、提升數(shù)據(jù)價(jià)值密度、自動(dòng)生成網(wǎng)絡(luò)自治需求并支持低成探索出尚未部署到現(xiàn)網(wǎng)的新業(yè)務(wù)需求并在李生的數(shù)字化網(wǎng)絡(luò)中驗(yàn)證效果，從而實(shí)現(xiàn)網(wǎng)絡(luò)的自演進(jìn)。數(shù)字李生網(wǎng)絡(luò)與網(wǎng)絡(luò)智能的融合設(shè)計(jì)體現(xiàn)在兩個(gè)方面:一是網(wǎng)絡(luò)智能將利用數(shù)字李生網(wǎng)絡(luò)進(jìn)行AI工作流、模型或決策的效果預(yù)驗(yàn)證；二是數(shù)字李生網(wǎng)絡(luò)將利用網(wǎng)絡(luò)智能獲得數(shù)字李生體模型，優(yōu)化數(shù)據(jù)采集、處理和預(yù)驗(yàn)證性能，或分析各級(jí)網(wǎng)絡(luò)數(shù)字李生體表征的網(wǎng)絡(luò)實(shí)時(shí)狀態(tài)生成新的網(wǎng)絡(luò)3.面向第三方客戶和廣泛的TOB用戶，6G網(wǎng)絡(luò)AI還可通過AIaas的方式，精準(zhǔn)按需地對(duì)外提供各種AI三要素資源和服務(wù)等。對(duì)于TOB領(lǐng)域，業(yè)、學(xué)校、研究機(jī)構(gòu)等，利用6G新網(wǎng)絡(luò)更高效地提供AI服務(wù)，為各垂直行業(yè)提供賦能降本增效的能力，并進(jìn)一步促進(jìn)其產(chǎn)業(yè)升級(jí)，有極大的應(yīng)用價(jià)值。TOB客戶可從自身的生產(chǎn)數(shù)據(jù)中挖掘出有用的AI模型，幫助自身優(yōu)化生產(chǎn)，方便復(fù)制當(dāng)前的生產(chǎn)模式，或者通過分享AI模型獲得收益。運(yùn)營商構(gòu)建AI平臺(tái)獲得平臺(tái)收益。例如，某工廠在生產(chǎn)過程中產(chǎn)生了大量數(shù)據(jù)，用這些數(shù)據(jù)在AI平臺(tái)上訓(xùn)練了一個(gè)AI生產(chǎn)模型或者平臺(tái)根據(jù)這個(gè)模型對(duì)工廠的生產(chǎn)調(diào)度進(jìn)行優(yōu)化，生成一個(gè)新模型。當(dāng)企業(yè)在AI平臺(tái)上將這個(gè)模型設(shè)置為私有服務(wù)，這些模型會(huì)被用在這個(gè)工廠本身或者被這個(gè)企業(yè)作為模板復(fù)用在新的連鎖工廠方便擴(kuò)大生產(chǎn)。當(dāng)企業(yè)將這個(gè)模型設(shè)置為公有服務(wù)，就可以將這個(gè)模型開放交易給合作伙伴，用于賦能同類型工廠的生產(chǎn)。在這個(gè)例子中，運(yùn)營商需要運(yùn)營一個(gè)AI平臺(tái)(提供算力訓(xùn)練模型，提供模型存放空間，提供服務(wù)開放接口，作為模型中間商參與多方的合作)，收取平臺(tái)服務(wù)費(fèi)。工廠提供數(shù)據(jù)，得到模型，并且分享賣模型的收益，同時(shí)也方便未來，6G網(wǎng)絡(luò)AI新范式可應(yīng)用的場(chǎng)景非常廣闊，并且在各個(gè)行業(yè)領(lǐng)域的大應(yīng)用場(chǎng)景下，還可包含諸多的子場(chǎng)景。最典型的大場(chǎng)景領(lǐng)域門類諸如:工業(yè)智能制造，農(nóng)林牧礦場(chǎng)，政務(wù)辦公，交通治理，災(zāi)害管理，生活家居，娛樂游戲等。以備受業(yè)界期待的“工業(yè)智能制造”應(yīng)用大場(chǎng)景為例，其相關(guān)的細(xì)分子場(chǎng)景又可包含:“工業(yè)園區(qū)內(nèi)的動(dòng)態(tài)環(huán)境監(jiān)測(cè)”、“廠區(qū)內(nèi)開放式多智能體任務(wù)協(xié)作“、”車間室內(nèi)的產(chǎn)品生產(chǎn)線機(jī)器視覺“、”物流倉儲(chǔ)內(nèi)的AGV管控協(xié)同“等；而上述每個(gè)應(yīng)用子場(chǎng)景對(duì)6G網(wǎng)絡(luò)AI的能力性能需求又不盡相同,甚至差異很大。以此邏輯類推,從某大場(chǎng)景到子場(chǎng)景再到子子場(chǎng)景等,6G網(wǎng)絡(luò)AI其實(shí)有著很多的應(yīng)用場(chǎng)景實(shí)例。隨著工業(yè)互聯(lián)網(wǎng)應(yīng)用的深入發(fā)展,工業(yè)園區(qū)可視化運(yùn)維、智能柔性制造、可編排產(chǎn)品生產(chǎn)流水線、移動(dòng)倉儲(chǔ)物流等技術(shù)已逐漸地被應(yīng)用,它們可充分利用AI等先進(jìn)技術(shù)手段,去替代或輔助傳統(tǒng)的人工操控和專家經(jīng)驗(yàn),從而大大縮短工業(yè)產(chǎn)品的智能設(shè)計(jì)制造周期和降低企業(yè)生產(chǎn)運(yùn)營成本等。例如,基于6G網(wǎng)絡(luò)AI服務(wù)器平臺(tái)的園區(qū)可視化運(yùn)維應(yīng)用系統(tǒng),可通過廣泛的傳感器部署和信息采集、實(shí)時(shí)監(jiān)控全園區(qū)內(nèi)各種生產(chǎn)、輔助和環(huán)境配套設(shè)備的運(yùn)行狀態(tài),實(shí)現(xiàn)全園區(qū)整體的可視化安全監(jiān)控運(yùn)維(如圖4.1.1-1所示),從而預(yù)防杜絕設(shè)備故障和生產(chǎn)人員的隱患災(zāi)害等。針對(duì)此類應(yīng)用,6G網(wǎng)絡(luò)AI可充分地發(fā)揮無線覆蓋廣、多無線傳感終端服務(wù)能力強(qiáng)、系統(tǒng)AI服務(wù)響應(yīng)及時(shí)、監(jiān)測(cè)的數(shù)據(jù)本地可快速協(xié)同等技術(shù)優(yōu)勢(shì)。工業(yè)智能生產(chǎn)通常有著較高的傳輸和處理時(shí)延/魯棒性/可靠性要求,由于工業(yè)智能制造相對(duì)地本地局域化部署執(zhí)行的特點(diǎn),6G網(wǎng)絡(luò)AI中的基站側(cè)傳輸、算力、算法資源和能力的拓展非常重要,它能比傳統(tǒng)的云AI方案,提供更低的計(jì)算傳輸延時(shí)和抖動(dòng),從而實(shí)現(xiàn)更魯棒可靠的工業(yè)級(jí)信號(hào)處理的確定性保障。此外在6G網(wǎng)絡(luò)AI體系下,工業(yè)智能生產(chǎn)線上的任何智能終端,都可能具備本地更強(qiáng)大的無線感知和數(shù)據(jù)分析推理決策能力等,如此能靈活地去勝任復(fù)雜工業(yè)生產(chǎn)線上的各類復(fù)雜編排作業(yè)任務(wù)(例如:探測(cè),分類,裝配,焊接,質(zhì)檢等)。為了進(jìn)一步增強(qiáng)工業(yè)制造的自動(dòng)化和智能化度,通過生產(chǎn)多智能體之間的群體學(xué)習(xí)、聯(lián)邦學(xué)習(xí),工業(yè)機(jī)器人群和工業(yè)智能終端還有望在線學(xué)習(xí)、聯(lián)合開發(fā)、聚合產(chǎn)生新的生產(chǎn)操作模型,不斷送代提升各自的生產(chǎn)操作動(dòng)作的策略和精準(zhǔn)度,從而提升工業(yè)智能生產(chǎn)效率和體系安全性。圖4.1.1-1:工業(yè)園區(qū)的安全監(jiān)控農(nóng)林牧礦場(chǎng)是指農(nóng)場(chǎng)、林場(chǎng)、牧場(chǎng)和礦山礦場(chǎng)等場(chǎng)景,其特點(diǎn)是場(chǎng)區(qū)經(jīng)營和運(yùn)維管理規(guī)模大,且各地的自然條件、資源基礎(chǔ)、經(jīng)濟(jì)與社會(huì)發(fā)展水平差異較大。隨著未來農(nóng)林牧礦場(chǎng)的規(guī)?；瘜I(yè)化水平不斷地提高,它們對(duì)于行業(yè)可持續(xù)、高效率、高質(zhì)量發(fā)展的需求愈加迫切,因此加快推進(jìn)數(shù)字化智能化轉(zhuǎn)型已成為農(nóng)林牧礦場(chǎng)發(fā)展經(jīng)營的重要目標(biāo)。6G網(wǎng)絡(luò)AI將為農(nóng)林牧礦場(chǎng)的數(shù)字化智能化轉(zhuǎn)型,提供必要的網(wǎng)絡(luò)基礎(chǔ)設(shè)施和高效智能化支持。下面將以智慧農(nóng)場(chǎng)、智慧牧場(chǎng)和智慧礦山為例,給出一些典型子場(chǎng)景示例。1)智慧農(nóng)場(chǎng)智慧農(nóng)場(chǎng)指運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新一代信息通信技術(shù),實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的全流程自動(dòng)化,并通過智能化控制精準(zhǔn)地管理農(nóng)場(chǎng)的生產(chǎn)規(guī)劃與執(zhí)行。與傳統(tǒng)手工或機(jī)械化農(nóng)場(chǎng)相比,智慧農(nóng)場(chǎng)將采用基于AI新型的農(nóng)場(chǎng)生產(chǎn)作業(yè)模式,如通過傳感器采集農(nóng)場(chǎng)片區(qū)的各類數(shù)據(jù),基于海量感知數(shù)據(jù)及人工智能技術(shù),智能調(diào)控農(nóng)作物的生長環(huán)境,使其更好地滿足作物生長需要,并將各類型農(nóng)業(yè)機(jī)器人應(yīng)用到耕地、播種、噴藥、收割、采摘、包裝等農(nóng)業(yè)作業(yè)環(huán)節(jié)中,如圖4.1.2-1所示,為通過6G網(wǎng)絡(luò)AI管控下的無人機(jī)實(shí)現(xiàn)智能噴藥。未來6G網(wǎng)絡(luò)AI賦能將進(jìn)一步提高農(nóng)場(chǎng)作業(yè)質(zhì)量及效率,減少人工投入,實(shí)現(xiàn)降本增產(chǎn)提質(zhì)增效。圖4.1.2-1:無人機(jī)噴藥6G網(wǎng)絡(luò)AI將能為智慧農(nóng)場(chǎng)提供各種AI業(yè)務(wù)支持,包括:基于農(nóng)場(chǎng)內(nèi)廣泛部署的多類傳感器的感知數(shù)據(jù)精準(zhǔn)獲取與傳輸、基于海量數(shù)據(jù)的分布式智能AI模型訓(xùn)練、模型參數(shù)的高效傳輸與聚合、無人機(jī)噴灑作業(yè)路線的精準(zhǔn)規(guī)劃和飛行控制、農(nóng)機(jī)自動(dòng)駕駛路線規(guī)劃等。在整個(gè)農(nóng)場(chǎng)全流程自動(dòng)化實(shí)現(xiàn)過程中，無論是對(duì)作物的全生命周期管控，還是本地各個(gè)環(huán)節(jié)的精細(xì)化智能操作，6G網(wǎng)絡(luò)AI都將發(fā)揮作用。再以農(nóng)場(chǎng)智能采摘為例，如圖4.1.2-2所示，通過機(jī)器人進(jìn)行小番茄的智能采摘，小番茄體小果實(shí)密集且易破損，因此機(jī)器人要確保采摘的位置和力度的精準(zhǔn)。這一方面需要對(duì)機(jī)器人提供更高精度的定位信息，讓采摘機(jī)器人獲得動(dòng)態(tài)厘米級(jí)和靜態(tài)毫米級(jí)的高精度定位；另一方面還需要在回傳視頻圖像的輔助下，為機(jī)器人提供高精度動(dòng)作和力度控制。6G網(wǎng)絡(luò)提供的高精度定位和網(wǎng)絡(luò)AI的高精度控制模型將聯(lián)合支撐該類操作。圖4.1.2-2:機(jī)器人精準(zhǔn)采摘2)智慧牧場(chǎng)智慧牧場(chǎng)也是利用新一代信息通信技術(shù)，實(shí)現(xiàn)對(duì)牧場(chǎng)內(nèi)動(dòng)物家畜的育種、放牧、飼喂、擠奶、宰殺等全生命周期自動(dòng)管理和智能決策。智能決策的前提是傳感器的廣泛部署和數(shù)據(jù)的自動(dòng)收集，在準(zhǔn)確性、及時(shí)性、全面性數(shù)據(jù)收集的基礎(chǔ)上，可構(gòu)建起牧場(chǎng)智能管理系統(tǒng)，而6G網(wǎng)絡(luò)AI將在其中發(fā)揮積極作用。以奶牛飼養(yǎng)為例，在奶牛身上可以廣泛安裝可穿戴設(shè)備(傳感器)，基于可穿戴設(shè)備可獲得奶牛的各類行為數(shù)據(jù)，包括采食、飲水、休息、站立、行走、反烏和各類身體指標(biāo)等，也可以基于牧場(chǎng)內(nèi)部署的高清攝像頭獲得奶牛位置、運(yùn)動(dòng)軌跡、運(yùn)動(dòng)行為等數(shù)據(jù)，或可基于6G通感一體技術(shù)在通信的同時(shí)實(shí)現(xiàn)對(duì)奶牛特征數(shù)據(jù)的采集；上述各類感知數(shù)據(jù)可以通過分布式的6G網(wǎng)絡(luò)AI進(jìn)行本地處理，也可傳輸?shù)街悄芄芾硐到y(tǒng)后進(jìn)行集中式處理；基于AI推理結(jié)果可控制擠奶機(jī)器人進(jìn)行擠奶操作，包括擠奶位置、擠奶時(shí)間、持續(xù)時(shí)間、奶流量等，而擠奶機(jī)器人上的傳感器可獲得牛奶指標(biāo)和牛奶分析數(shù)據(jù)，如溫度、乳脂肪、乳蛋白、孕兩、兩體、體細(xì)胞和尿素水平等數(shù)據(jù)，并基于對(duì)上述數(shù)據(jù)的智能分析推理對(duì)奶牛的身體質(zhì)量進(jìn)行評(píng)分和預(yù)警等。6G網(wǎng)絡(luò)AI可高效精準(zhǔn)地實(shí)現(xiàn)上述功能,包括:針對(duì)大面積牧場(chǎng)的多維感知數(shù)據(jù)采集、數(shù)據(jù)傳輸、模型訓(xùn)練、分布式或集中式智能處理、觸覺控制等,從而實(shí)現(xiàn)牧場(chǎng)工作效率提升和人工成本節(jié)省。3)智慧礦山智慧礦山是以礦山數(shù)字化、信息化為前提基礎(chǔ),進(jìn)一步對(duì)礦山生產(chǎn)、職業(yè)健康與安全、技術(shù)支持與后勤保障等方面進(jìn)行主動(dòng)感知、自動(dòng)分析、快速處理的完整智能體系。移動(dòng)通信網(wǎng)絡(luò)特點(diǎn)十分適用于智慧礦山的建設(shè)運(yùn)維管理。首先礦山地理位置大都比較偏僻,網(wǎng)絡(luò)覆蓋較差,通常需要單獨(dú)定制化建網(wǎng)；其次大部分礦山工程機(jī)械在施工操作時(shí)都處于移動(dòng)的狀態(tài),這對(duì)于移動(dòng)性管理的需求比較高；且礦山內(nèi)部時(shí)常要進(jìn)行高強(qiáng)度爆破作業(yè),采用光纖等有線網(wǎng)絡(luò)不切實(shí)際。因此,智慧礦山建設(shè)運(yùn)維管理一般會(huì)以移動(dòng)通信系統(tǒng)為基礎(chǔ)設(shè)施。智慧礦山包括:安全礦山、清潔礦山、高效礦山等,尤其以安全礦山為重中之重。安全礦山是集數(shù)據(jù)采集傳輸、模型訓(xùn)練、算法分析、風(fēng)險(xiǎn)推送為一體的綜合智能體系。具體場(chǎng)景包括:傳感數(shù)據(jù)和圖像數(shù)據(jù)的實(shí)時(shí)采集傳輸、移動(dòng)終端高清圖像回傳、邊緣分布式計(jì)算與智能識(shí)別、集中式大數(shù)據(jù)分析、風(fēng)險(xiǎn)預(yù)測(cè)預(yù)警、無人礦車自動(dòng)駕駛與智能調(diào)度等。目前在5G網(wǎng)絡(luò)的支持下,安全礦山已取得一定的成效；但風(fēng)險(xiǎn)預(yù)警發(fā)布和妥善處置,要求極高的推理精準(zhǔn)性、極低時(shí)延和極高可靠性,未來在6G網(wǎng)絡(luò)AI的助力下,安全礦山將有望迎來技術(shù)突破和應(yīng)用升級(jí)。綜上所述,農(nóng)林牧礦領(lǐng)域的6G網(wǎng)絡(luò)AI場(chǎng)景應(yīng)用,相比于工業(yè)智能制造、自動(dòng)駕駛等領(lǐng)域,對(duì)數(shù)據(jù)采集傳輸和處理的時(shí)延敏感性方面要求稍弱一些,但對(duì)傳感器的部署規(guī)模、遠(yuǎn)程操控的靈活性和精準(zhǔn)性、AI解決方案的綜合成本、以及安全性可靠性等方面也有較高的要求。在現(xiàn)代化城市綜合治理中,政務(wù)辦公正在從數(shù)字化、網(wǎng)聯(lián)化走向智能化。在各級(jí)政府報(bào)告中頻繁出現(xiàn)的“一站式”、“跨省通辦”、“一網(wǎng)統(tǒng)管”等高頻熱詞,正是當(dāng)前智慧政務(wù)辦公的主要發(fā)展目標(biāo)和表現(xiàn)形式。6G時(shí)代的新型智慧政務(wù)辦公將會(huì)基于更先進(jìn)高效且智能的“數(shù)字政府”形式,而6G網(wǎng)絡(luò)AI是支撐和實(shí)現(xiàn)“數(shù)字政府”的重要途徑手段。下面舉例說明。(1)虛擬政務(wù)大廳政務(wù)大廳是公民們集中辦理各類大小政務(wù)事件的主要場(chǎng)所。隨著AR/XR虛擬現(xiàn)實(shí)技術(shù)的發(fā)展,以及6G移動(dòng)新網(wǎng)絡(luò)提供的更高速可靠的連接和邊緣算力服務(wù),虛擬政務(wù)大廳應(yīng)用將在未來成為現(xiàn)實(shí),公民將實(shí)現(xiàn)足不出戶即可通辦所需的政務(wù)業(yè)務(wù)?；?G網(wǎng)絡(luò)AI,分析和引導(dǎo)每個(gè)公民的政務(wù)業(yè)務(wù)需求,實(shí)現(xiàn)以用戶為中心的定制化政務(wù)服務(wù)體驗(yàn)。面向多場(chǎng)景、跨部門政務(wù)業(yè)務(wù)審批流程，可基于6G網(wǎng)絡(luò)Al的本地分析實(shí)現(xiàn)快速地評(píng)估流事中、事后的全數(shù)字化監(jiān)察體系，使得政府權(quán)力始終在陽光下透明公正地運(yùn)行。(2)智能決策輔劣政務(wù)決策通常需要大量可信數(shù)據(jù)的支撐，以及對(duì)海量數(shù)據(jù)的分析評(píng)估推理。由于各級(jí)政府各部門“數(shù)據(jù)孤島”問題始終存在，政務(wù)數(shù)據(jù)量巨大且敏感，往往牽一發(fā)而動(dòng)全身。未來基于6G網(wǎng)絡(luò)Al，實(shí)現(xiàn)跨不同部門的大數(shù)據(jù)智能化整合分析，為各級(jí)政策的決策提供更全面、及時(shí)、深入的輔助分析，且能對(duì)未來發(fā)展提供更精準(zhǔn)的預(yù)測(cè)展望。例如:在公共資源調(diào)配方面，基于6G網(wǎng)交通治理場(chǎng)景是指對(duì)公共交通系統(tǒng)的監(jiān)控、管理和維護(hù)，目標(biāo)是為社會(huì)提供更高效便捷的公共交通服務(wù)。基于6G網(wǎng)絡(luò)Al的公共交通治理追求的目標(biāo)是:公共利益最大化，包括提高公民滿意率，提升行政效率降低行政成本。在推動(dòng)交通治理現(xiàn)代化進(jìn)程中，數(shù)字化和智能化逐漸扮演越來越重要的角色。隨著大數(shù)據(jù)、人工智能以及通信等技術(shù)的快速發(fā)展，它們?cè)诔鞘薪煌ㄖ悄芑芾砼c服務(wù)、公眾出行智能化服務(wù)、公路智能化等領(lǐng)域都得到了廣泛應(yīng)用。6G新系統(tǒng)將從萬物互聯(lián)拓展到萬物智連。在傳統(tǒng)通信基礎(chǔ)設(shè)施之上，進(jìn)一步融合數(shù)據(jù)、算法、算力等要素，通過內(nèi)生的網(wǎng)絡(luò)Al形式為各行各業(yè)提供智能普惠服務(wù)。6G網(wǎng)絡(luò)Al將會(huì)給城市交通的治理帶來全新升級(jí)，例如在自動(dòng)駕駛、無人機(jī)快遞，無人出租車、車路協(xié)同等方向上推動(dòng)著城市交通體系的持續(xù)變革。交通治理經(jīng)過幾十年的發(fā)展，目前已走到人工智能+大數(shù)據(jù)+算力的新發(fā)展階段，面臨著下面關(guān)鍵服務(wù)場(chǎng)景需要首先，是面向整個(gè)交通網(wǎng)的感知方面。在進(jìn)行路網(wǎng)級(jí)的交通信號(hào)控制協(xié)同時(shí)，針對(duì)各種公路網(wǎng)的感知是極其關(guān)鍵的。目前對(duì)于公路網(wǎng)的感知主要是依靠城市卡口、微波雷達(dá)、以及基于手機(jī)的導(dǎo)航、基于GPS定位等數(shù)據(jù)源，來實(shí)現(xiàn)對(duì)公路網(wǎng)的感知，交通數(shù)據(jù)采集設(shè)備的部署總體來說還比較稀疏，在時(shí)空張量的環(huán)境下有價(jià)值的信息依然有限。6G網(wǎng)絡(luò)Al將融合了內(nèi)生感知和數(shù)據(jù)處理能力，有望通過廣域覆蓋提供更全方位更多維度第二是進(jìn)行城市道路交通流量的預(yù)測(cè)和管控。交通流的預(yù)測(cè)精度和時(shí)效性對(duì)于交通的主動(dòng)管控非常關(guān)鍵。如何實(shí)現(xiàn)面向超大規(guī)模網(wǎng)絡(luò)交通狀態(tài)的準(zhǔn)確估計(jì)和快速預(yù)測(cè)，一直是交通治理面臨的問題。6G網(wǎng)絡(luò)Al更容易通過內(nèi)生Al環(huán)境，相比于傳統(tǒng)云端精準(zhǔn)短時(shí)延的預(yù)測(cè)結(jié)果。第三是需要大規(guī)模、多尺度的交通仿真優(yōu)化技術(shù)。對(duì)于一些尚無足夠歷史數(shù)據(jù)積淀的交通場(chǎng)景，或是有待于借助仿真工具來進(jìn)行交通態(tài)勢(shì)演化推演的一些場(chǎng)景，它們需要多分辨率的、多尺合，通過虛實(shí)映射以及實(shí)時(shí)計(jì)算，形成基于仿真的交通管控優(yōu)化技術(shù)，能夠?qū)崿F(xiàn)在線的、實(shí)時(shí)的、快速的計(jì)算優(yōu)化。在災(zāi)難預(yù)防，保護(hù)，緩解，響應(yīng)和災(zāi)后恢復(fù)等所有的災(zāi)難管理場(chǎng)景中，最緊迫的應(yīng)用需求是快速建立和恢復(fù)通信網(wǎng)絡(luò)以實(shí)時(shí)收集數(shù)據(jù)，尤其是在救援人員、指揮人員、受災(zāi)人員之間保障進(jìn)行可靠實(shí)時(shí)的信息交換。通常當(dāng)發(fā)生危機(jī)災(zāi)難之時(shí)，先前部署的通信網(wǎng)絡(luò)可能都將不可用，并且不同的涉事相關(guān)人員具有異構(gòu)的通信設(shè)備。由于態(tài)勢(shì)的緊急性和巨大影響，6G網(wǎng)絡(luò)AI需要根據(jù)網(wǎng)絡(luò)狀態(tài)、相關(guān)人員設(shè)備狀態(tài)等，實(shí)時(shí)規(guī)劃制定出網(wǎng)絡(luò)的恢復(fù)方案，并快速部署可靠魯棒，易于配置，可互操作，低成本的安全網(wǎng)絡(luò)。如何向需要者及時(shí)有效地提供信息是災(zāi)害管理中的關(guān)鍵環(huán)節(jié)。根據(jù)ITU-D建議，災(zāi)害管理的信息類型涉及非常廣泛，包括:災(zāi)害感應(yīng)和報(bào)警、損毀評(píng)估、庇護(hù)所位置、后勤和供應(yīng)鏈協(xié)調(diào)、應(yīng)急醫(yī)療支持、確定家庭和朋友安全無悲以及人員搜尋救助。因此公民、政府公共安全官員、救災(zāi)工作者、企業(yè)和其他機(jī)構(gòu)等，都對(duì)未來6G新網(wǎng)絡(luò)有著極高的需求，安防防災(zāi)和災(zāi)害管理將會(huì)是6G網(wǎng)絡(luò)AI的重要應(yīng)用場(chǎng)景。災(zāi)害管理包括:災(zāi)前災(zāi)中災(zāi)后不同管理階段的多個(gè)步驟，它們對(duì)災(zāi)害發(fā)生概率、地點(diǎn)和持續(xù)時(shí)間等數(shù)據(jù)，從而做好相應(yīng)的積極預(yù)備;2.基于6G網(wǎng)絡(luò)AI的災(zāi)害探測(cè)，包括對(duì)3.基于6G網(wǎng)絡(luò)AI的氣候變化預(yù)測(cè)，包括面向不同粒度大小地理區(qū)域的氣候和天氣預(yù)測(cè);4.基于6G網(wǎng)絡(luò)AI的地震、海嘯、應(yīng)風(fēng)、森林草原火災(zāi)、石油天然氣泄漏等災(zāi)害的探測(cè)和跟蹤、警告/預(yù)警信息提供和相關(guān)損害評(píng)估；鑒于6G新網(wǎng)絡(luò)對(duì)于災(zāi)害管理的重要性，網(wǎng)絡(luò)連續(xù)性可用可達(dá)是災(zāi)害通信管理的重要前提。基于6G新網(wǎng)絡(luò)的災(zāi)害管理系統(tǒng)，應(yīng)當(dāng)是基于多種網(wǎng)絡(luò)技術(shù)的異構(gòu)系統(tǒng)，可相互提供連接備份，從而終端可在不同網(wǎng)絡(luò)(例如公共蜂窩網(wǎng)和衛(wèi)星網(wǎng)絡(luò))上使用系統(tǒng)，保障人們能在災(zāi)害中正常通信。多異構(gòu)網(wǎng)絡(luò)的系統(tǒng)管理需要6G網(wǎng)絡(luò)Al增強(qiáng)獨(dú)立運(yùn)行的網(wǎng)絡(luò)能力(由不同組織采用不同政策擁有并/或操作)集成能力和管理效率。災(zāi)中和災(zāi)后,受害者或許需要實(shí)時(shí)聯(lián)系位置不明或不熟悉的醫(yī)院以及臨時(shí)庇護(hù)所。此外,因道路毀壞,受害者可能需要及時(shí)了解不熟悉的新路線,此時(shí)受害者可能僅持有計(jì)算能力和接入能力極為有限的終端設(shè)備。救災(zāi)指導(dǎo)系統(tǒng)可通過6G網(wǎng)絡(luò)Al提供的分析能力和網(wǎng)內(nèi)Al計(jì)算能力,通過多種方式(智能語音、短信、短報(bào)文、救災(zāi)機(jī)器人等)向受害者提供具有關(guān)鍵位置和可用線路的指導(dǎo)。普通消費(fèi)者有大量的時(shí)間是在家庭生活中,生活家居類應(yīng)用也在不斷地向便利性、舒適性、安全性、隱私性等方向發(fā)展。隨著智能設(shè)備越來越多地滲透到生活家居,6G網(wǎng)絡(luò)Al在生活家居場(chǎng)景中有非常廣闊的應(yīng)用場(chǎng)景。6G網(wǎng)絡(luò)Al將可能用于家居控制、安防監(jiān)控、行為監(jiān)控、健康監(jiān)測(cè)等；通過Al能分析人們行為、了解人們意圖,從而創(chuàng)造更多的智能生活家居應(yīng)用。由于不需要購買和部署專用的家居Al設(shè)備,6G網(wǎng)絡(luò)Al可充分利用既有的6G網(wǎng)絡(luò)設(shè)施,在家居環(huán)境中高效4.1.6.1家居控制通過6G網(wǎng)絡(luò)Al感知和分析人的行為、手勢(shì)和位置等信息,并結(jié)合歷史數(shù)據(jù)刻畫出住戶習(xí)慣、意圖描述和家居環(huán)境,從而實(shí)現(xiàn)對(duì)各類家居設(shè)備(如電源開關(guān),電視冰箱,窗戶/簾等)的最優(yōu)控制。例如:利用6G網(wǎng)絡(luò)Al感知分析,實(shí)現(xiàn)人走到哪里,室內(nèi)燈光會(huì)相應(yīng)打開,離開也會(huì)自動(dòng)熄滅；可根據(jù)人的數(shù)量多少和當(dāng)前行為,自動(dòng)調(diào)節(jié)燈光亮度；小孩爬到窗口陽臺(tái)上,自動(dòng)開窗器自動(dòng)關(guān)好窗戶,防止孩子墜落；通過用戶不同手勢(shì),可切換電視頻道和控制電器等。6G網(wǎng)絡(luò)Al能提供最便捷的方式讓人和家居設(shè)備交流。4.1.6.2安防監(jiān)控當(dāng)住戶離家或是熟睡的時(shí)候,若有人非法入侵,感知安防系統(tǒng)會(huì)自動(dòng)發(fā)出報(bào)警信息,以呵阻入侵者動(dòng)作,避免家庭財(cái)產(chǎn)受到損失。6G網(wǎng)絡(luò)Al能本地快速地分析并鑒別哪些行為是非法入侵,基于家庭成員畫像能區(qū)別是家庭成員的正常移動(dòng)還是非法入侵,6G網(wǎng)絡(luò)Al還能進(jìn)一步評(píng)估入侵動(dòng)作的危險(xiǎn)等級(jí),自動(dòng)觸發(fā)對(duì)應(yīng)報(bào)警等動(dòng)作。4.1.6.3行為監(jiān)控網(wǎng)絡(luò)Al可分析:各個(gè)家庭成員看電腦、看電視、睡覺、走動(dòng)等活動(dòng)的時(shí)間比例，活動(dòng)區(qū)間以及睡4.1.6.4健康監(jiān)測(cè)在生活家居健康監(jiān)測(cè)方面，6G網(wǎng)絡(luò)Al能帶來一場(chǎng)顛覆性的革命。基于傳感數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)Al識(shí)別分析，可實(shí)現(xiàn)對(duì)人或動(dòng)物的健康監(jiān)測(cè)管理。如下圖4.1.6-1所示，基于網(wǎng)絡(luò)Al提取和分析無線信道的波動(dòng)信息，可遠(yuǎn)程測(cè)量人體的呼吸心率等指標(biāo)。當(dāng)6G新網(wǎng)絡(luò)發(fā)現(xiàn)呼吸心率異常時(shí)，能及時(shí)進(jìn)行預(yù)警和治療。圖4.1.6-1:健康無線監(jiān)測(cè)應(yīng)用場(chǎng)景隨著可穿戴類設(shè)備和XR類全息技術(shù)應(yīng)用的發(fā)展，未來基于各種類型用戶終端的教育、培訓(xùn)、娛樂、休閑活動(dòng)將會(huì)變得更豐富多彩，且更富于用戶沉浸式特色。為了支撐保障沉浸式類業(yè)務(wù)應(yīng)用的體驗(yàn)(例如:低延時(shí)，高互動(dòng)，高保真，強(qiáng)演染等)，6G新網(wǎng)絡(luò)需要在基站前端具備更強(qiáng)的空口感知，深度邊緣計(jì)算和智能推理決策的能力。以多路感知多業(yè)務(wù)流的協(xié)同傳輸為例，特定XR應(yīng)用下屬的不同業(yè)務(wù)流不僅自己需要有更強(qiáng)力的QoS傳輸質(zhì)量保證，它們之間的協(xié)同互動(dòng)和傳輸同步也非常重要。傳統(tǒng)5G網(wǎng)絡(luò)偏集中式的QoS控制保障機(jī)制不夠動(dòng)態(tài)靈活，無法動(dòng)態(tài)適應(yīng)空口環(huán)境和用戶態(tài)勢(shì)變化，導(dǎo)致XR建、訓(xùn)練、推理和保障機(jī)制，有望使得6G基站前端具備更強(qiáng)的空口環(huán)境和用戶態(tài)勢(shì)適配能力，用戶XR應(yīng)用更強(qiáng)力的資源支持，不斷送代優(yōu)化各類用戶多種娛樂休閑業(yè)務(wù)的體驗(yàn)。虛擬數(shù)字人已出現(xiàn)在大量的娛樂游戲場(chǎng)景中，真實(shí)物理用戶可以和虛擬數(shù)字人實(shí)時(shí)互動(dòng)，為了增強(qiáng)互動(dòng)效果，虛擬數(shù)字人需要在面部、姿態(tài)、語言動(dòng)作反應(yīng)等方面構(gòu)建豐富的AI模型，經(jīng)歷大量訓(xùn)練和效果演染之后，這些虛擬數(shù)字人模型才能呈現(xiàn)出更好的擬真效果。海洋約占地球表面覆蓋面積的70%，其蘊(yùn)含了豐富的海洋礦物資源、海水化學(xué)資源、海洋生物（水產(chǎn))資源和海洋動(dòng)力資源等。如何利用AI技術(shù)幫助人類，去進(jìn)一步探索挖掘和利用豐富的海洋資源，已成為業(yè)界熱點(diǎn)和未來必然發(fā)展趨勢(shì)。過去，海洋環(huán)境下的無線網(wǎng)絡(luò)構(gòu)建非常復(fù)雜，部署運(yùn)行難度也更高，網(wǎng)絡(luò)連接計(jì)算性能不穩(wěn)定，這些都造成難以向海洋中的目標(biāo)對(duì)象提供較優(yōu)的通信計(jì)算和AI類服務(wù)。未來，基于6G移動(dòng)新網(wǎng)絡(luò)的海洋治理場(chǎng)景可包含:智慧海港運(yùn)營，海產(chǎn)養(yǎng)殖監(jiān)測(cè)，近海資源探索，海況檢測(cè)預(yù)警，油氣泄露探測(cè)，潮沙洋流發(fā)電，遠(yuǎn)海事故搜救等。如圖4.1.8-1所示，海洋網(wǎng)絡(luò)可由眾多的異構(gòu)網(wǎng)元節(jié)點(diǎn)組成，由于海洋環(huán)境的特點(diǎn)，它更強(qiáng)調(diào)智能物聯(lián)和動(dòng)態(tài)自治運(yùn)維方面能力。通過借助海面浮動(dòng)基站，高空平臺(tái)，天基衛(wèi)星等的通信計(jì)算能力，可提高海洋網(wǎng)絡(luò)的連接處理效率和監(jiān)測(cè)探測(cè)范圍。未來6G網(wǎng)絡(luò)AI有望進(jìn)一步賦能海洋網(wǎng)絡(luò)，提升海洋網(wǎng)絡(luò)的物聯(lián)智能性(如節(jié)點(diǎn)感知定位，傳感節(jié)點(diǎn)節(jié)能，提升數(shù)據(jù)采集上報(bào)效率等)和網(wǎng)絡(luò)動(dòng)態(tài)自治性能(如動(dòng)態(tài)自組網(wǎng)，傳輸鏈路優(yōu)化，多智能體路由路徑規(guī)劃，水聲網(wǎng)絡(luò)拓?fù)浞执?、?jié)點(diǎn)功率分配等)，從而人類將獲得對(duì)廣裹海洋的更好治理利用。圖4.1.8-1海洋網(wǎng)絡(luò)部署應(yīng)用實(shí)例未來，智慧醫(yī)療在時(shí)間維度上，涉及到人類和動(dòng)植物各類疾病的預(yù)防、預(yù)判、診治、推理、監(jiān)控、臨床手術(shù)、病患護(hù)理和疫苗藥物研制等全生命周期的諸多環(huán)節(jié)。智慧醫(yī)療在地域維度上，涉及到集中式各級(jí)醫(yī)院、分布式各級(jí)社區(qū)和家庭醫(yī)療場(chǎng)景。智慧醫(yī)療在專業(yè)維度上，涉及到跨不同的醫(yī)療學(xué)科之間的知識(shí)經(jīng)驗(yàn)信息的融合利用。智慧醫(yī)療總體愿景是:使得個(gè)體能夠以更低成本、更便捷高效方式獲得對(duì)自身健康平安的更好呵護(hù)、治愈和保障。6G新系統(tǒng)不僅能夠更好地支撐智慧醫(yī)療相關(guān)的海量信息傳輸和同步，更能直接為醫(yī)療信息的處理醫(yī)療關(guān)乎個(gè)體的生命健康安全，因此預(yù)判、診療動(dòng)作結(jié)果的準(zhǔn)確性、可靠性顯得很重要。傳統(tǒng)基于單體AI的預(yù)判診療執(zhí)行方式，由于受到AI模型算法成熟度和病例數(shù)據(jù)樣本的限制，預(yù)判診療動(dòng)作結(jié)果的準(zhǔn)確性、可靠性、實(shí)時(shí)性等指標(biāo)還不是很理想。通過基于6G網(wǎng)絡(luò)AI，各個(gè)地理分散的醫(yī)療機(jī)構(gòu)個(gè)體醫(yī)者，能夠更廣泛地互聯(lián)，匯聚利用更多的AI模型算法和病例數(shù)據(jù)樣本，高速傳輸同步醫(yī)生和患者的相關(guān)信息，加深聯(lián)邦學(xué)習(xí)和群體學(xué)習(xí)，從而不斷送代提升預(yù)判診療動(dòng)作結(jié)果的準(zhǔn)確性、可靠性、實(shí)時(shí)性，增強(qiáng)個(gè)體對(duì)智慧醫(yī)療前景的信賴。智慧醫(yī)療還能夠基于6G網(wǎng)絡(luò)AI，實(shí)現(xiàn)對(duì)各種醫(yī)療資源的更合理規(guī)劃和優(yōu)化分配使用，極大減輕醫(yī)患的體力心理壓力，避免“看病難”“排隊(duì)難”“過度醫(yī)療”等弊端問題。此外，對(duì)某些疾病預(yù)判和診療結(jié)果的隱私保護(hù)，也是非常重要的；通過6G網(wǎng)絡(luò)AI分布式技術(shù)，可以更好地保護(hù)個(gè)體醫(yī)療信息隱私。未來，6G網(wǎng)絡(luò)AI的用例也非常廣闊，并且各個(gè)大用例類型下，還可包含諸多的子用例。典型的大用例門類諸如:網(wǎng)絡(luò)功能性能優(yōu)化，系統(tǒng)智能運(yùn)維自治，終端優(yōu)化，自動(dòng)控制，無人駕駛，安全內(nèi)生，多媒體視頻語音識(shí)別，智能意圖交互，動(dòng)態(tài)環(huán)境感知等。注:AI場(chǎng)景和AI用例之間可能有交叉的多對(duì)多的關(guān)聯(lián)匹配關(guān)系，即某個(gè)特定的AI場(chǎng)景下可涉及到多個(gè)不同的例；而某個(gè)特定的AI用例，在不同AI場(chǎng)景下可能有不同的具體呈現(xiàn)和QoS性能指標(biāo)需求。從某大用例到子用例再到子子用例等，6G網(wǎng)絡(luò)AI其實(shí)有著很多的用例方面實(shí)例。4.2.1用例1--網(wǎng)絡(luò)多域功能性能優(yōu)化在當(dāng)下5GS系統(tǒng)和未來的6G移動(dòng)新系統(tǒng)中，利用網(wǎng)絡(luò)AI手段去賦能和增強(qiáng)優(yōu)化系統(tǒng)功能和性能的多個(gè)方面，都將會(huì)有更豐富的用例和更大的增益，且必定會(huì)涉及到系統(tǒng)不同層面和功能域 (例如“無線接入網(wǎng)域”、“邊緣節(jié)點(diǎn)域”、“承載網(wǎng)域”、“核心網(wǎng)域”和“網(wǎng)管域”等)。在產(chǎn)品非標(biāo)實(shí)現(xiàn)方面，無線基站已可基于AI推理實(shí)現(xiàn):動(dòng)態(tài)開關(guān)節(jié)能、MIMO多天線權(quán)值尋優(yōu)和基站故障快速定位預(yù)警等優(yōu)化；邊緣節(jié)點(diǎn)已可基于AI實(shí)現(xiàn)智能CDN內(nèi)容分發(fā)和云邊協(xié)同等；IP承載已可基于AI實(shí)現(xiàn)云化超強(qiáng)管控和力實(shí)現(xiàn)智能的網(wǎng)絡(luò)性能優(yōu)化和用戶體驗(yàn)提升，如智能精準(zhǔn)尋呼、用戶業(yè)務(wù)SLA保障；核心網(wǎng)網(wǎng)管已可基于AI實(shí)現(xiàn)智能化容量預(yù)測(cè)、故障根因分析、KPI指標(biāo)劣化分析等。上述豐富實(shí)踐已充分證明了AI在網(wǎng)絡(luò)多域功能方面的不同優(yōu)化用例。在標(biāo)準(zhǔn)化方面，3GPPSA2和SA5已針對(duì)5GS系統(tǒng)如何利用AI/ML實(shí)現(xiàn)網(wǎng)絡(luò)維，標(biāo)準(zhǔn)定義了NWDAF和MDAF功能和相關(guān)流程。例如NWDAF輔助實(shí)現(xiàn)用戶面智能選擇、智能選頻、異常終端行為檢測(cè)與防護(hù)等場(chǎng)景。MDAF實(shí)現(xiàn)SLA分析、故障告警分析等場(chǎng)景。RAN3和RAN1也針對(duì)各自識(shí)別的關(guān)鍵功能性能優(yōu)化用例，嘗試定義和引入可標(biāo)準(zhǔn)化的AI操作范式流程。例如，作為SON技術(shù)延伸，RAN3嘗試?yán)没続I推理去實(shí)現(xiàn)“移動(dòng)性優(yōu)化”、“網(wǎng)元節(jié)能”和“負(fù)載均衡”等用例，RAN1嘗試?yán)梦锢韺覣I內(nèi)嵌手段去壓縮減少CSI信息反債，實(shí)現(xiàn)波束優(yōu)化管理和定位精度提升等用例。SA2嘗試?yán)肁I去實(shí)現(xiàn)無線接入制式的優(yōu)優(yōu)化，輔助app檢測(cè)，URSP優(yōu)化等用例?？傮w上，通過在6G網(wǎng)絡(luò)AI體系下各個(gè)網(wǎng)元協(xié)議中部署特定的AI/ML，可增強(qiáng)和優(yōu)化相關(guān)的策略功能、資源工作效率和參數(shù)精準(zhǔn)度，可有效地提升各種資源的利用率，改善用戶業(yè)務(wù)體驗(yàn)等。未來6G移動(dòng)新網(wǎng)絡(luò)面向任何特定的目標(biāo)服務(wù)場(chǎng)景，需具備從“場(chǎng)景用例識(shí)別”，“服務(wù)環(huán)一系列全生命周期的自治能力，提供“零等待、零故障、零接觸”的新型網(wǎng)絡(luò)自治服務(wù)。從未來無線網(wǎng)絡(luò)優(yōu)質(zhì)高效、綠色節(jié)能的目標(biāo)出發(fā)，如何實(shí)現(xiàn)業(yè)務(wù)感知、基于SLA的服務(wù)保障、業(yè)務(wù)驅(qū)動(dòng)的自治網(wǎng)絡(luò)，特別是動(dòng)態(tài)自適應(yīng)地滿足“網(wǎng)絡(luò)資源的精準(zhǔn)編織供給”是6G網(wǎng)絡(luò)AI研究的重要方向。全生命周期包含業(yè)務(wù)實(shí)例從初始實(shí)例化到最終結(jié)束的全過程。其中，我們可以通過使用智能和自動(dòng)化系統(tǒng)來保障端到端的SLA。這里的“網(wǎng)絡(luò)資源”主要指:空口時(shí)頻資源，信號(hào)功率資源，天線射頻資源，基帶算力資源和AI算法資源等方面，對(duì)應(yīng)于時(shí)頻域，功率能量域，空間域和用戶業(yè)務(wù)域等方面系統(tǒng)能力和操作。這里的“精準(zhǔn)編織供給”主要指:無線網(wǎng)絡(luò)能夠?qū)崟r(shí)感知和預(yù)測(cè)目標(biāo)服務(wù)場(chǎng)景態(tài)勢(shì)，按需動(dòng)態(tài)地精準(zhǔn)匹配，預(yù)備編排，調(diào)用使用上述各種(非)云化的“網(wǎng)絡(luò)資源”。通過基于6G網(wǎng)絡(luò)AI全生命周期管理(特別是基站邊緣內(nèi)更貼近空口的)，實(shí)現(xiàn)6G下面具體舉例說明:某港區(qū)集裝箱碼頭場(chǎng)景下，存在著多種不同類型的用戶和子業(yè)務(wù)作業(yè)群(指揮，運(yùn)輸，監(jiān)控等)，且不同類型用戶的物理分布和移動(dòng)性特征也較動(dòng)態(tài)。此外，由于碼頭上眾多集裝箱的堆形和數(shù)量密度每天都在動(dòng)態(tài)地變化，港區(qū)內(nèi)6G無線信號(hào)受到集裝箱遮擋或反射折射的情形也隨之改變，造成港區(qū)內(nèi)6G小區(qū)覆蓋以及小區(qū)間干擾也隨之變化。面向如此復(fù)雜且高動(dòng)態(tài)變化的目標(biāo)服務(wù)場(chǎng)景，傳統(tǒng)的網(wǎng)絡(luò)規(guī)劃治理方案很難實(shí)現(xiàn)全生命周期的無線網(wǎng)絡(luò)資源精準(zhǔn)編織供給，帶來諸如:無線覆蓋欠佳，無線切片資源預(yù)留過度，差異化定制化程度弱，終端基站能耗較高，算力資源閑置流失，用戶業(yè)務(wù)綜合體驗(yàn)不佳等弊端。站(和邊緣節(jié)點(diǎn))能夠?qū)崟r(shí)動(dòng)態(tài)感知港區(qū)集裝箱碼頭的場(chǎng)景態(tài)勢(shì)，無線空口環(huán)境和用戶分布移動(dòng)性業(yè)務(wù)動(dòng)態(tài)特征等，通過6G基站(和邊緣節(jié)點(diǎn))本地的或集中AI智能訓(xùn)練推理預(yù)測(cè)等操作，快速制定出最佳的終端基站側(cè)資源配置、功能資源調(diào)用動(dòng)作決策，并且和全局策略精準(zhǔn)協(xié)同，不斷優(yōu)化網(wǎng)絡(luò)部署運(yùn)維不同環(huán)節(jié)階段的相關(guān)參數(shù)，實(shí)現(xiàn)全生命周期的“網(wǎng)絡(luò)資源的精準(zhǔn)編織供給”和網(wǎng)絡(luò)傳輸及計(jì)算能力的增強(qiáng)對(duì)于游戲和演染業(yè)務(wù)非常有幫助。AI與XR技術(shù)一直密XR本身就是AI技術(shù)的一個(gè)分支，XR對(duì)于對(duì)象位置、運(yùn)動(dòng)追蹤，處理反應(yīng)都依賴于AI的能力。所以6G網(wǎng)絡(luò)AI能力對(duì)于未來XR業(yè)務(wù)非常重要，同時(shí)也密不可分。如圖4.2.3-1所示，移動(dòng)擴(kuò)展現(xiàn)實(shí)XR將提供諸如:XR沉浸式云游戲;XR沉浸式旅游;XR沉浸式醫(yī)療和教育等酷炫應(yīng)用。由于受限于終端的體積功耗成本，XR終端將較大地依賴于6G網(wǎng)絡(luò)AI超能力，去實(shí)現(xiàn)3D環(huán)境重構(gòu)和互動(dòng)情境的立體呈現(xiàn)，背景強(qiáng)化效果演染等。例如，在教育培訓(xùn)領(lǐng)域，高度沉浸式的XR應(yīng)用可提高學(xué)生們的注意力和興趣，更好地為學(xué)生涂釋抽象晦澀的理論定義等;在醫(yī)學(xué)方面，XR技術(shù)可廣泛地應(yīng)用于遠(yuǎn)程醫(yī)學(xué)診斷和會(huì)診等;在工程、建筑和地理信息科學(xué)領(lǐng)域，可以借助XR技術(shù)簡化復(fù)雜結(jié)構(gòu)的建模，進(jìn)行可視化全景分析。6G網(wǎng)絡(luò)AI將提供更為豐富的AI算力算法資源，將能更實(shí)時(shí)高效地保證上述各種XR業(yè)務(wù)應(yīng)用的執(zhí)行和用戶卓圖4.2.3-1移動(dòng)擴(kuò)展現(xiàn)實(shí)XR應(yīng)用實(shí)例除了AR、VR業(yè)務(wù)以外,需要面向未來6G網(wǎng)絡(luò)和計(jì)算繼續(xù)打造網(wǎng)絡(luò)圖形的業(yè)務(wù)能力。從技術(shù)線說,希望把圖形圖像業(yè)務(wù)和6G網(wǎng)絡(luò)相融合,通過6G網(wǎng)絡(luò)把視頻流傳輸?shù)奖镜?控制本地的燈光和屏幕。面向未來,網(wǎng)絡(luò)圖形圖像能力不僅僅包括cloudXR,還有云游戲、智慧城市、數(shù)字李生城市、數(shù)字可視化。之后通過流化方式部署業(yè)務(wù),從而針對(duì)不同垂直領(lǐng)域,在不同時(shí)間點(diǎn)可以生成出不同的業(yè)務(wù)。類似于AR、VR,網(wǎng)絡(luò)圖形圖像能力也需要不同的圖像處理AI算法,以及其需求的計(jì)算平臺(tái)和硬件。同時(shí),圖形圖像處理過程中存在大量的數(shù)據(jù)傳輸,這也需要AI對(duì)網(wǎng)絡(luò)傳輸進(jìn)行調(diào)優(yōu),保證網(wǎng)絡(luò)的通暢和業(yè)務(wù)的時(shí)效性。4.2.4用例4--視頻圖片語音分析隨著未來社會(huì)信息化和智能化各類需求的快速增長,各行各業(yè)對(duì)前端攝像頭所采集的視頻圖片信息的實(shí)時(shí)處理,和即時(shí)服務(wù)響應(yīng)的應(yīng)用需求也隨之快速地爆發(fā)。例如,基于攝像頭視頻信息,實(shí)時(shí)檢測(cè)并做出告警等響應(yīng)的應(yīng)用場(chǎng)景層出不窮。在公共安全衛(wèi)生方面,例如對(duì)目標(biāo)人群口罩佩戴的識(shí)別,包括對(duì)視頻中正臉側(cè)臉等多種人像角度識(shí)別,在廣場(chǎng)、車站、醫(yī)院、酒店、餐廚等業(yè)務(wù)場(chǎng)景有著強(qiáng)烈的需求。在智慧工地、智慧工廠、智慧電力等業(yè)務(wù)場(chǎng)景下,監(jiān)管方通常需要安全帽佩戴和工作服的識(shí)別模型,用于支持不同顏色、不同類別安全帽工作服的佩戴識(shí)別,用于提升對(duì)中高危作業(yè)區(qū)域的監(jiān)管效率和安全防護(hù)。在居民小區(qū)、校園樓宇等安防監(jiān)控場(chǎng)景下,通常需要職業(yè)服飾的識(shí)別模型,例如支持美團(tuán)、京東、順豐、餓了么等多種不同顏色服飾,用于對(duì)人體職業(yè)廠家屬性的增強(qiáng)。對(duì)于園區(qū)小區(qū)的扶梯/樓梯、老幼活動(dòng)區(qū)等場(chǎng)所,沖撞和摔倒識(shí)別的模型,結(jié)合目標(biāo)檢測(cè)與圖像分類技術(shù),自動(dòng)識(shí)別扶梯/樓梯、老幼活動(dòng)區(qū)等場(chǎng)所人員沖撞和摔倒危險(xiǎn)行為。通過基于6G網(wǎng)絡(luò)AI賦能,可實(shí)現(xiàn)快速精準(zhǔn)的視頻識(shí)別服務(wù),及時(shí)實(shí)施安全防護(hù)和救援,從而大大地提高人工監(jiān)管效果，保障生命財(cái)產(chǎn)安全。在機(jī)場(chǎng)、車站、商場(chǎng)、展會(huì)、景區(qū)等人群超密集場(chǎng)所，需要高效率的靜態(tài)人流量識(shí)別模型，適用于中遠(yuǎn)距離俯拍，以人群頭部為識(shí)別目標(biāo)，快速統(tǒng)計(jì)出視頻圖片中的瞬時(shí)人數(shù)。在商場(chǎng)、辦公樓、礦洞等入口場(chǎng)景，需要恰當(dāng)?shù)膭?dòng)態(tài)人流量識(shí)別模型，通過目標(biāo)檢測(cè)與目標(biāo)跟蹤技術(shù)，分析目標(biāo)軌跡和進(jìn)出區(qū)域方向，實(shí)現(xiàn)動(dòng)態(tài)人流量的統(tǒng)計(jì)和趨勢(shì)判定。在病人監(jiān)護(hù)、人機(jī)交互、虛擬現(xiàn)實(shí)、人體動(dòng)畫、運(yùn)動(dòng)員輔助訓(xùn)練等場(chǎng)景，需要人體關(guān)鍵點(diǎn)識(shí)別模型，采用自上而下的識(shí)別方法，精準(zhǔn)檢測(cè)人體的關(guān)節(jié)、五官等關(guān)鍵位置。通過基于6G網(wǎng)絡(luò)AI賦能，上述各類面向視頻圖片的識(shí)別和處理反債，能夠變得更加高效實(shí)時(shí)且精準(zhǔn)。無人駕駛機(jī)理是:車輛依靠對(duì)各類傳感器收集到的數(shù)據(jù)和/或從車聯(lián)網(wǎng)中獲得的定位、道路情況、周邊環(huán)境信息進(jìn)行動(dòng)態(tài)信息綜合處理，從而進(jìn)行合理的路徑車道策略規(guī)劃、狀態(tài)預(yù)測(cè)及駕駛指令的下發(fā)。6G無人駕駛用例的總體愿景是:使得無人駕駛車輛以更低的成本為用戶提供更安全、高效、舒適的乘車體驗(yàn)。過去大部分智能車輛基于車載GPS，慣性測(cè)量裝置、毫米波/激光雷達(dá)、攝像頭收集獲得感知數(shù)據(jù)，再利用車載計(jì)算資源處理感知到的數(shù)據(jù)，基于本地AI算法識(shí)別出環(huán)境和車道信息，交通燈信息，以及周圍物體類型相對(duì)位置運(yùn)動(dòng)等信息。在6G網(wǎng)絡(luò)AI中，一方面6G網(wǎng)絡(luò)可直接從基站傳感器或路邊站采集交通數(shù)據(jù)，再基于網(wǎng)絡(luò)側(cè)AI模型推理，提供額外的智能感知信息，提升車輛感知完整度。另一方面，車輛感知采集的數(shù)據(jù)可傳輸?shù)骄W(wǎng)絡(luò)側(cè)，進(jìn)行感知結(jié)果計(jì)算推理，從而降低車輛本地的計(jì)算需求。無人駕駛感知用例中的感知結(jié)果