6G 網(wǎng)絡(luò) Al 關(guān)鍵指標(biāo)需求

6G網(wǎng)絡(luò)AI關(guān)鍵指標(biāo)需求1.背景及目標(biāo)6G網(wǎng)絡(luò)的發(fā)展帶來了不斷豐富的用戶場景，如沉浸式XR、自動(dòng)駕駛和智能協(xié)同控制等，網(wǎng)絡(luò)AI應(yīng)運(yùn)而生。網(wǎng)絡(luò)AI通過AI算法優(yōu)化網(wǎng)絡(luò)資源配置，提高網(wǎng)絡(luò)性能和可靠性，為用戶提供就近泛在的AI服務(wù)，具有泛在普惠、移動(dòng)性支持、帶有用戶屬性、極致性能、內(nèi)生安全隱私、可信等技術(shù)優(yōu)勢。現(xiàn)有的5G網(wǎng)絡(luò)服務(wù)等級(jí)協(xié)議（SLA）聚焦于面向會(huì)話連接的服務(wù)，例如時(shí)延、抖動(dòng)、誤碼率、峰值速率等，關(guān)注ToB業(yè)務(wù)的SLA，缺乏對(duì)6G網(wǎng)絡(luò)AI的刻畫與衡量。此外，云三類服務(wù)模式，對(duì)應(yīng)不同的服務(wù)指標(biāo)體系，不能相互兼容。云AI重點(diǎn)關(guān)注ToC業(yè)務(wù)的指標(biāo)，也不再符合6G網(wǎng)絡(luò)AI賦能千行百業(yè)的愿景。6G網(wǎng)絡(luò)引入多樣化AI能力與多維度AI資源，如何先擴(kuò)展后收斂、量化、標(biāo)準(zhǔn)化AI相關(guān)的指標(biāo)是6G網(wǎng)絡(luò)提供高效AI服務(wù)的必要條件。2.關(guān)鍵指標(biāo)設(shè)計(jì)原則和方法網(wǎng)絡(luò)AI的KPI設(shè)計(jì)原則如下：定量性：KPI盡可能是可以度量的，具體而清晰，能夠通過數(shù)據(jù)來驗(yàn)證。并且KPI應(yīng)該具有明確的指標(biāo)和測量方法，以便能夠收集和分析相關(guān)數(shù)據(jù)，并對(duì)其進(jìn)行評(píng)估。業(yè)務(wù)相關(guān)性：KPI應(yīng)該與AI業(yè)務(wù)目標(biāo)密切相關(guān)，并直接反映出AI服務(wù)對(duì)業(yè)務(wù)的影響。這有助于確保AI服務(wù)的價(jià)值與業(yè)務(wù)目標(biāo)保持一致?？刹僮餍裕篕PI應(yīng)該能夠?yàn)榫W(wǎng)絡(luò)決策、執(zhí)行、評(píng)估、保障提供指導(dǎo)，幫助網(wǎng)絡(luò)檢測識(shí)別問題并采取相應(yīng)的措施。因此，KPI應(yīng)該符合實(shí)際可操作測量和可改進(jìn)優(yōu)化的指標(biāo)，而不僅僅是簡單地度量性能。靈活性：面臨業(yè)務(wù)和技術(shù)不斷更新的變化，KPI可能存在頻繁調(diào)整的問題。因此，KPI的設(shè)計(jì)應(yīng)該具有一定的靈活性和適應(yīng)性，以應(yīng)對(duì)不斷變化的需求和挑戰(zhàn)。可定位性：KPI的變化應(yīng)該能夠追溯到特定的原因或事件，以便在需要時(shí)進(jìn)行調(diào)查和分析。這需要建立有效的數(shù)據(jù)收集和記錄機(jī)制，以便跟蹤KPI的變化。基于上述關(guān)鍵指標(biāo)的設(shè)計(jì)原則，潛在設(shè)計(jì)方法和路線如下：1.6G網(wǎng)絡(luò)AI關(guān)鍵指標(biāo)的潛在設(shè)計(jì)從典型場景的典型用例的出發(fā)，明確其需求和目的。2.明確不同6G網(wǎng)絡(luò)指標(biāo)的面向?qū)ο?，包括面向單個(gè)用戶的服務(wù)質(zhì)量、面多個(gè)用戶的服務(wù)質(zhì)量、面向網(wǎng)絡(luò)或系統(tǒng)的評(píng)估。3.通過分析現(xiàn)有ITU明確提出的6G的15個(gè)可量化的能力指標(biāo)（連接數(shù)密度、移動(dòng)性、時(shí)延、可靠性、定位精度、峰值速率、用戶體驗(yàn)速率、頻譜效率、區(qū)域流量密度、感知相關(guān)指標(biāo)、AI相關(guān)指標(biāo)、安全隱私韌性性能指標(biāo)、可持續(xù)性性能指標(biāo)、覆蓋、互操作）與典型場景的典型用例的關(guān)系，從15個(gè)指標(biāo)中先篩選出符合AI服務(wù)需求和目的的指標(biāo)形成合集，并且分析每個(gè)指標(biāo)能滿足服務(wù)質(zhì)量的定量描述，包括準(zhǔn)確數(shù)值或者一定范圍的數(shù)值。4.針對(duì)典型用例逐個(gè)分析，篩選出除15指標(biāo)以外新的指標(biāo)。新的指標(biāo)可以針在不同顆粒度上的、不同維度的指標(biāo)，例如針對(duì)在空口上、在整個(gè)AI服務(wù)質(zhì)量上等，并研究起定義、評(píng)估方法等。3.典型場景及新KPI3.1場景一——網(wǎng)絡(luò)輔助智能機(jī)器人機(jī)器人在工業(yè)、物流、醫(yī)療、教育等領(lǐng)域中有廣泛應(yīng)用，它們可以互相協(xié)作完成復(fù)雜任務(wù)，如搬運(yùn)貨物、制造商品等。協(xié)作機(jī)器人之間的任務(wù)規(guī)劃對(duì)它們完成任務(wù)的效率和質(zhì)量有重要影響。如果機(jī)器人各自決策并通過彼此協(xié)商來進(jìn)行任務(wù)規(guī)劃，當(dāng)參與任務(wù)的機(jī)器人數(shù)量較多時(shí)，通常需要經(jīng)過多輪協(xié)商，這將會(huì)非常消耗機(jī)器人的計(jì)算資源和電量。因此，6G網(wǎng)絡(luò)可以為多個(gè)協(xié)作機(jī)器人規(guī)劃任務(wù)，各機(jī)器人根據(jù)分配的任務(wù)進(jìn)行運(yùn)動(dòng)控制以執(zhí)行任務(wù)，這樣可以節(jié)約機(jī)器人的電力和計(jì)算資源，并提升任務(wù)規(guī)劃效率[1]。如圖3.1所示，廠房內(nèi)的機(jī)器人A，B，C，D，E，F(xiàn)需要協(xié)作將設(shè)備P1和P2搬到位置L。在這個(gè)用例中，我們假設(shè)機(jī)器人與6G網(wǎng)絡(luò)相連，機(jī)器人之間可以直接通信。其業(yè)務(wù)流程如下：1.機(jī)器人管理員給多個(gè)協(xié)作機(jī)器人部署設(shè)備搬運(yùn)任務(wù)，為了更高效地得出任務(wù)執(zhí)行策略，機(jī)器人向網(wǎng)絡(luò)發(fā)起任務(wù)分配和移動(dòng)路線規(guī)劃請(qǐng)求，提供任務(wù)需求（將設(shè)備P1、P2搬到位置L）、參與任務(wù)的多個(gè)機(jī)器人標(biāo)識(shí)、每個(gè)機(jī)器人的能力信息。2.網(wǎng)絡(luò)定位參與任務(wù)的機(jī)器人以及需要搬運(yùn)的設(shè)備位置。3.網(wǎng)絡(luò)感知設(shè)備P1和P2的形狀和材質(zhì)。4.網(wǎng)絡(luò)收集工廠廠房的環(huán)境信息，進(jìn)行3D環(huán)境建模，識(shí)別障礙物。5.網(wǎng)絡(luò)決策每個(gè)機(jī)器人要執(zhí)行的任務(wù)以及移動(dòng)軌跡。6.網(wǎng)絡(luò)將任務(wù)分配信息和移動(dòng)軌跡發(fā)送給機(jī)器人。7.機(jī)器人根據(jù)部署的任務(wù)信息進(jìn)行運(yùn)動(dòng)控制推理，并執(zhí)行任務(wù)?！裣到y(tǒng)要求在網(wǎng)絡(luò)輔助智能機(jī)器人場景中，對(duì)系統(tǒng)具有下列要求：1.機(jī)器人與6G邊緣計(jì)算節(jié)點(diǎn)建立連接，機(jī)器人與機(jī)器人之間可以D2D通信；2.機(jī)器人具有感知能力、AI數(shù)據(jù)預(yù)處理能力、AI模型訓(xùn)練能力、AI分布式推理能力；3.各機(jī)器人利用本地?cái)?shù)據(jù)分布式訓(xùn)練AI模型，周期性將本地模型參數(shù)上傳到邊緣計(jì)算節(jié)點(diǎn)，完成模型聚合，構(gòu)成聯(lián)邦學(xué)習(xí)；●實(shí)體和交互●新增使能服務(wù)基于上述對(duì)AI任務(wù)和網(wǎng)絡(luò)輔助智能機(jī)器人場景的描述，網(wǎng)絡(luò)的使能服務(wù)包括：√6G邊緣計(jì)算節(jié)點(diǎn)的AI環(huán)境渲染服務(wù)；在經(jīng)濟(jì)價(jià)值方面，GGII預(yù)測顯示，到2027年，中國的移動(dòng)機(jī)器人將超過460億元。根據(jù)GGII的統(tǒng)計(jì)數(shù)據(jù)，截至2022年，全球移動(dòng)機(jī)器人市場的規(guī)模約為291.6億元，同比增長35.31%，預(yù)計(jì)到2027年將上。此外，艾瑞咨詢也預(yù)測，到2025年，中國的智能機(jī)器人市場規(guī)模圖3.2開源證券預(yù)測2018-2027年全球與國內(nèi)AGV市場規(guī)模圖3.3艾瑞咨詢2019-2025年中國智能機(jī)器人市場規(guī)模及預(yù)測在產(chǎn)業(yè)價(jià)值方面，隨著AMR技術(shù)的不斷成熟和市場需求不斷提升，AMR機(jī)器人的應(yīng)用場景也越來越多樣化。除了傳統(tǒng)的制造、物流領(lǐng)域，AMR機(jī)器預(yù)測在2027年，超過75%的公司將在其倉儲(chǔ)運(yùn)營中采用某種形式的智能物理自AMRs、AGVs、人形機(jī)器人、協(xié)作機(jī)器人等，以應(yīng)對(duì)不同任務(wù)和工作環(huán)境。通相機(jī)、處理器和FPGA，能夠在實(shí)時(shí)環(huán)境中做出決策。視覺能力得到提高，而智能城市等行業(yè)。機(jī)器人制造商提供多樣化的解決方案，如自主移動(dòng)機(jī)器人滿足不同行業(yè)的需求。圖3.4艾瑞咨詢總結(jié)商業(yè)服務(wù)領(lǐng)域痛點(diǎn)需求與產(chǎn)品類型圖3.5艾瑞咨詢總結(jié)2012-2022年智能機(jī)器人行業(yè)相關(guān)政策（國家級(jí)）在移動(dòng)性方面，3GPP提出的TR22.874協(xié)議指出，移動(dòng)機(jī)器人需要在不斷TR22.874協(xié)議要求：若機(jī)器人完全由云服務(wù)器控制，則行走任務(wù)往返時(shí)延需小于3ms；若采用分離控制，需小于25ms。而IMT20306G愿景白皮書提出，實(shí)現(xiàn)智能體對(duì)于人類的實(shí)時(shí)交互與反饋，傳輸時(shí)延要小于1ms，在隱私性方面，家庭機(jī)器人會(huì)涉及到更多的用戶隱私保護(hù)需求。在端邊協(xié)同方面，TR22.874協(xié)-邊-云”協(xié)同架構(gòu)，緩解終端數(shù)據(jù)處理壓力，增強(qiáng)機(jī)器人對(duì)環(huán)境變化的實(shí)時(shí)響3.1.3新KPI要求基于上述價(jià)值場景和典型用例，可以歸納得出的新的網(wǎng)絡(luò)如下AI關(guān)鍵指標(biāo)：環(huán)境渲染準(zhǔn)確性、D2D數(shù)據(jù)交互時(shí)延、模型聚合時(shí)延、模型聚合準(zhǔn)確性、系統(tǒng)魯棒性。1.環(huán)境渲染準(zhǔn)確性：利用已訓(xùn)練好的AI模型進(jìn)行環(huán)境渲染，與真實(shí)物理環(huán)境之間的誤差；2.D2D數(shù)據(jù)交互時(shí)延：機(jī)器人之間D2D數(shù)據(jù)交互的時(shí)長；3.模型聚合時(shí)延：從機(jī)器人的局部模型參數(shù)上傳給邊緣計(jì)算節(jié)點(diǎn)，到完成模型聚合的4.模型聚合準(zhǔn)確性：聚合后的全局模型推理準(zhǔn)確性；系統(tǒng)魯棒性：部分機(jī)器人的狀態(tài)反饋或局部模型訓(xùn)練缺乏時(shí)，邊緣計(jì)算節(jié)點(diǎn)的全局模型的可靠性。3.2場景二——XR智能場景XR技術(shù)在工業(yè)應(yīng)用、醫(yī)療領(lǐng)域、教育、軍事訓(xùn)練、電子商務(wù)、游戲娛樂、旅游文化、遠(yuǎn)程協(xié)作等多個(gè)場景中廣泛應(yīng)用，其中這些場景下的增強(qiáng)沉浸式體驗(yàn)、實(shí)時(shí)語音翻譯、圖像和物體識(shí)別、只能導(dǎo)航和地圖、實(shí)時(shí)內(nèi)容生成、數(shù)據(jù)分析和預(yù)測等功能上與AI技術(shù)結(jié)合，為用戶帶來更加豐富和深入的體驗(yàn)。充分發(fā)揮6G網(wǎng)絡(luò)能夠提供更低時(shí)延、高移動(dòng)性、隱私性保護(hù)、靈活的端邊協(xié)同的優(yōu)勢，在XR場景中的典型AR智能導(dǎo)航用例中，6G網(wǎng)絡(luò)在提高效率、增強(qiáng)用戶體驗(yàn)方面發(fā)揮著重要作用。其中涉及到的AI功能如下：1、地標(biāo)識(shí)別：AR導(dǎo)航可以識(shí)別并高亮顯示重要的地標(biāo)，如建筑物、雕塑或其他顯著特征，幫助用戶更好地理解周圍環(huán)境。2、步行路線規(guī)劃：通過分析用戶的當(dāng)前位置和目的地，AR導(dǎo)航可以提供最佳的步行路線，并在用戶行走時(shí)實(shí)時(shí)更新路徑。3、緊急導(dǎo)航：在緊急情況下，如火災(zāi)或地震，AR導(dǎo)航可以提供快速疏散路徑，指導(dǎo)用戶安全撤離。4、個(gè)性化導(dǎo)航：基于用戶的歷史行為和偏好，AR導(dǎo)航可以提供個(gè)性化的路線建議，例如推薦風(fēng)景優(yōu)美的路線或避開用戶不喜歡的區(qū)域。5、增強(qiáng)的旅游體驗(yàn)：在旅游領(lǐng)域，AR導(dǎo)航不僅可以指引方向，還可以提供關(guān)于景點(diǎn)的歷史信息、圖片和視頻，增強(qiáng)用戶的旅游體驗(yàn)。假設(shè)用戶AI在城市的旅游中使用AR導(dǎo)航，并實(shí)時(shí)顯示周圍城市信息：其業(yè)務(wù)流程如下：1、用戶啟動(dòng)應(yīng)用：游客在智能手機(jī)或AR眼鏡上啟動(dòng)專門的文旅AR導(dǎo)航應(yīng)用。這個(gè)應(yīng)用可能是旅游景點(diǎn)提供的，也可能是第三方開發(fā)的，專門為文旅導(dǎo)航設(shè)計(jì)。2、位置識(shí)別與環(huán)境感知：應(yīng)用通過GPS、6G網(wǎng)絡(luò)、wifi、藍(lán)牙信標(biāo)等技術(shù)確定用戶的當(dāng)前位置，并利用攝像頭捕獲周圍環(huán)境的視覺信息。3、地圖加載與融合：應(yīng)用加載景點(diǎn)的數(shù)字地圖，與用戶的實(shí)際視野相融合。地圖上可能會(huì)標(biāo)記出各種興趣點(diǎn)（POI如歷史建筑、藝術(shù)雕塑、文化展覽信息等。4、目標(biāo)選擇：游客可以通過語音命令、觸摸屏幕或頭部移動(dòng)等方式選擇他們感興趣的目的地或景點(diǎn)。5、路徑規(guī)劃：應(yīng)用根據(jù)用戶的位置和偏好，利用AI算法計(jì)算出一條最佳路徑。路徑規(guī)劃會(huì)考慮到景點(diǎn)的開放時(shí)間、游客流量、步行距離等因素。6、AR導(dǎo)航指引生成：識(shí)別圖像，生成AR導(dǎo)航指引，如虛擬箭頭、路徑線、3D模型等，并將這些元素疊加在用戶的實(shí)際視野之上。7、導(dǎo)航指引展示：AR指引在用戶的設(shè)備屏幕上實(shí)時(shí)顯示，引導(dǎo)游客沿著規(guī)劃好的路徑前進(jìn)。指引可以根據(jù)用戶的移動(dòng)速度和方向動(dòng)態(tài)調(diào)整。8、互動(dòng)體驗(yàn)增強(qiáng)：在導(dǎo)航過程中利用AI算法，識(shí)別環(huán)境、可以提供額外的互動(dòng)體驗(yàn)，如生成歷史故事講解、文化背景介紹、趣味問答等，增加游客的參與感和沉浸感。9、實(shí)時(shí)反饋與調(diào)整：游客可以對(duì)導(dǎo)航路徑進(jìn)行實(shí)時(shí)反饋，利用AI算法選擇繞路以避開人多的地方或延長游覽時(shí)間。應(yīng)用根據(jù)反饋調(diào)整導(dǎo)航指引。10、結(jié)束導(dǎo)航：當(dāng)游客到達(dá)目的地后，AR導(dǎo)航指引會(huì)消失或提示游客已經(jīng)到達(dá)。游客可以對(duì)整個(gè)導(dǎo)航體驗(yàn)進(jìn)行評(píng)價(jià)，提供反饋?！裣到y(tǒng)要求在AR職能導(dǎo)航場景中，對(duì)系統(tǒng)具有下列要求：4.AR眼鏡或者移動(dòng)終端與6G網(wǎng)絡(luò)邊緣計(jì)算節(jié)點(diǎn)建立連接；5.AR眼鏡或者移動(dòng)終端具有感知能力、AI數(shù)據(jù)預(yù)處理能力、和或AI模型推理能力。6.網(wǎng)絡(luò)具有AI數(shù)據(jù)預(yù)處理能力、AI模型推理能力、AI模型訓(xùn)練能力；7.網(wǎng)絡(luò)具有AI模型下發(fā)能力；8.網(wǎng)絡(luò)具有擴(kuò)展性和兼容性：網(wǎng)絡(luò)系統(tǒng)能夠支持未來的技術(shù)升級(jí)和與其他設(shè)備的兼容。9.安全性和隱私保護(hù)：確保用戶數(shù)據(jù)安全，防止未經(jīng)授權(quán)的訪問和數(shù)據(jù)泄露，同時(shí)保護(hù)用戶的隱私。10.系統(tǒng)冗余和容錯(cuò)能力（包括算法在關(guān)鍵組件（如傳感器、執(zhí)行器、計(jì)算平臺(tái)）出現(xiàn)故障時(shí)，系統(tǒng)仍能保持一定程度的導(dǎo)航功能?！駥?shí)體和交互新增實(shí)體與交互的需求包括：√網(wǎng)絡(luò)與AR眼鏡或者移動(dòng)終端的交互具有低時(shí)延；√網(wǎng)絡(luò)和移動(dòng)終端能夠協(xié)同算力和連接資源；√對(duì)于需要實(shí)時(shí)數(shù)據(jù)交互需要一定的穩(wěn)定性，交互可靠，抖動(dòng)時(shí)延低；●新增使能服務(wù)新增的使能服務(wù)包括：√文字、語音、圖像、視頻的AI生成內(nèi)容√AI數(shù)據(jù)分析和預(yù)測√AI圖像處理、識(shí)別、檢測、渲染在經(jīng)濟(jì)價(jià)值方面，據(jù)IDC預(yù)計(jì)，2023年AR/VR耳機(jī)的總出貨量將增長14%，并在2023-2027年的預(yù)測期內(nèi)加速增長，五年復(fù)合年增長率（CAGR）為32.6%。圖3.2.1IDC預(yù)測全球AR/VR頭戴設(shè)備產(chǎn)量預(yù)測在產(chǎn)業(yè)價(jià)值方面，Gartner預(yù)測，到2025年，收入超過10億美元的組織中，有15%將使用AR云，通過新的交互和商業(yè)模式從物理世界中獲利。雖然AR云的許多機(jī)會(huì)還需要數(shù)年時(shí)間，但企業(yè)可以采取近期行動(dòng)來利用這一新興技術(shù)。此外，艾瑞咨詢在《中國增強(qiáng)現(xiàn)實(shí)行業(yè)研究報(bào)告》中提出，在樂觀預(yù)測下，預(yù)計(jì)2025年前，包括蘋果在內(nèi)的互聯(lián)網(wǎng)企業(yè)、手機(jī)廠商等頭部企業(yè)將陸續(xù)推出切入XR領(lǐng)域的新品刺激行業(yè)正向推動(dòng)；2030年左右，AR產(chǎn)業(yè)或?qū)⑼黄片F(xiàn)有技術(shù)瓶頸，推動(dòng)供應(yīng)鏈走向成熟，終端設(shè)備單價(jià)進(jìn)一步降低。圖3.2.22020-2036年中國AR終端設(shè)備出貨量預(yù)測在戰(zhàn)略意義方面，“十三五”首次提及虛擬現(xiàn)實(shí)，AR被視為具有重大戰(zhàn)略價(jià)值和應(yīng)用前景的創(chuàng)新先進(jìn)技術(shù)。圖3.2.3艾瑞咨詢總結(jié)2016-2020年中國VR/AR行業(yè)相關(guān)政策艾瑞咨詢在《中國增強(qiáng)現(xiàn)實(shí)行業(yè)研究報(bào)告》中指出，在生態(tài)成熟度方面，企業(yè)級(jí)和公共服務(wù)類應(yīng)用仍在試探嘗新階段，AR產(chǎn)業(yè)生態(tài)整體處于試探性階段。在技術(shù)成熟度方面，短期內(nèi)（3-5年）可商業(yè)化落地的技術(shù)已實(shí)現(xiàn)較大飛躍，長期來看（5年后各關(guān)鍵技術(shù)的發(fā)展路徑相對(duì)明確。在商業(yè)模式方面，AR消費(fèi)級(jí)下游內(nèi)容生態(tài)商業(yè)模式多基于已有成熟內(nèi)容生態(tài)做延伸。短期內(nèi)或?qū)⒚媾R商業(yè)變現(xiàn)增長乏力問題。但在長期來看，隨著技術(shù)不斷迭代，B端場景將愈發(fā)走向?qū)I(yè)化，C端場景或?qū)⑦M(jìn)一步細(xì)分，AR市場的快速增長和規(guī)模上量仍將依賴于C端市場的推動(dòng)與爆發(fā)。在政策支持方面，AR在“十四五”中被列為數(shù)字經(jīng)濟(jì)重點(diǎn)產(chǎn)業(yè)，為雙千兆網(wǎng)絡(luò)強(qiáng)應(yīng)用場景。圖3.2.4艾瑞咨詢總結(jié)2021-2023年中國VR/AR行業(yè)相關(guān)政策在移動(dòng)性方面，華為在《AR洞察與應(yīng)用實(shí)踐白皮書》中指出，AR具備強(qiáng)移動(dòng)性，在移動(dòng)場景的應(yīng)用將為用戶帶來切實(shí)價(jià)值，這與移動(dòng)網(wǎng)絡(luò)完美結(jié)合。圖3.2.5AR導(dǎo)航（來源：Shutterstock）在實(shí)時(shí)性方面，賽迪智庫提出，新形勢下高質(zhì)量AR/VR業(yè)務(wù)對(duì)帶寬、時(shí)延要求逐漸提升，時(shí)延降低到5ms以下。而在3GPPTR22.874協(xié)議中，對(duì)AR游戲、遠(yuǎn)程控制機(jī)器人、遠(yuǎn)程駕駛的圖像識(shí)別時(shí)延要求在5ms以下。圖3.2.6AR/VR應(yīng)用場景參數(shù)指標(biāo)在隱私性方面，根據(jù)Kaspersky提出的文章，增強(qiáng)現(xiàn)實(shí)的最大可見危險(xiǎn)之一是隱私。用戶的隱私面臨風(fēng)險(xiǎn)，因?yàn)锳R技術(shù)可以看到用戶在做什么。AR收集了很多關(guān)于用戶是誰以及他們正在做什么的信息，比社交媒體網(wǎng)絡(luò)或其他形式的技術(shù)程度更深。在端邊協(xié)同方面，3GPP在TR22.874協(xié)議中指出，AR計(jì)算密集型任務(wù)可以完全或部分卸載?；谏鲜鰞r(jià)值場景和典型用例，可以歸納得出的新的網(wǎng)絡(luò)如下AI關(guān)鍵指標(biāo)：AI服務(wù)的時(shí)延、AI服務(wù)推理的準(zhǔn)確度、系統(tǒng)的魯棒性；3.4場景四——終端智能應(yīng)用場景音頻轉(zhuǎn)文字包括語音識(shí)別和跨語言翻譯，已廣泛應(yīng)用于視頻通話配字幕，語音通話配字幕，以及會(huì)議直播配字幕等場景[2]。目前，在5G增強(qiáng)的IMS新通話已包含音頻轉(zhuǎn)文字功能。具體實(shí)現(xiàn)方式是通過在IMS調(diào)用第三方的媒體能力平臺(tái)中的API完成[1]。由于語音流需要先傳到第三方服務(wù)器進(jìn)行AI模型推理，再反饋回IMS，因此，存在業(yè)務(wù)時(shí)延大的問題。此外，在線會(huì)議系統(tǒng)（例如，騰訊會(huì)議，微軟Teams等）的應(yīng)用中包括實(shí)時(shí)配字幕功能，但明顯可以觀察到出錯(cuò)現(xiàn)象，特別是在涉及一些領(lǐng)域?qū)Ｓ忻~，或者中英文混雜表達(dá)時(shí)，出錯(cuò)概率更高。如圖3.3-1所示，假設(shè)由接收側(cè)IMS調(diào)用第三方API接口，在5G增強(qiáng)的IMS新通話已實(shí)現(xiàn)的音頻轉(zhuǎn)文字功能的流程如下：1.發(fā)送手機(jī)將語音流透傳到接收側(cè)IMS。2.接收側(cè)的IMS解碼出語音流，并將語音流發(fā)送到媒體能力平臺(tái)，由第三方的服務(wù)器完成AI模型的推理，獲得語音識(shí)別結(jié)果或翻譯結(jié)果，然后反饋給IMS.3.接收側(cè)的IMS將文字流透傳到接收手機(jī)。一種方式是將語音流和文字流分兩路傳輸給接收終端；另一種方式是在接收側(cè)的IMS將語音流和文字流合并為一路數(shù)據(jù)，合并發(fā)送給接收終端。圖3.3-15G新通話實(shí)現(xiàn)音頻轉(zhuǎn)文字的示意圖在6G，音頻轉(zhuǎn)文字可以在終端和IMS之間通過分割推理完成。例如，在接收IMS和接收終端進(jìn)行分割推理。如圖3.3-2所示，流程包括1.發(fā)送手機(jī)將語音流透傳到接收側(cè)IMS。2.接收側(cè)的IMS解碼出語音流，進(jìn)行AI模型第一分量的推理后，獲得分割層結(jié)果。3.接收側(cè)的IMS將分割層結(jié)果透傳到接收手機(jī)。一種方式是將語音流和分割層結(jié)果分兩路傳輸給接收終端；另一種方式是在接收側(cè)的IMS將語音流和分割層結(jié)果合并為一路數(shù)據(jù)，合并發(fā)送給接收終端。4.接收終端將分割層的結(jié)果作為AI模型第二分量的模型輸入，進(jìn)行模型推理后，獲得推理后的文字。圖3.3-2基于終端和IMS分割推理實(shí)現(xiàn)音頻轉(zhuǎn)文字的示意圖●系統(tǒng)要求為了支持在6G系統(tǒng)內(nèi)完成實(shí)時(shí)音頻轉(zhuǎn)文字功能，6G系統(tǒng)需要具有模型推理能力，模型部署能力，計(jì)算能力。可選的，6G系統(tǒng)需要具有模型監(jiān)控能力和訓(xùn)練數(shù)據(jù)收集能力。●實(shí)體和交互對(duì)于在接收IMS和接收終端做分割推理實(shí)現(xiàn)音頻轉(zhuǎn)文字用例，涉及的實(shí)體包括終端和IMS。發(fā)送終端到接收IMS之間交互的是加密的語音流；接收IMS到接收終端之間交互的是加密的語音流和加密的文字流。其中，加密的語音流和加密的文字流可以分開傳輸，或者合并傳輸。●新增使能服務(wù)相比于5G增強(qiáng)系統(tǒng)，6G系統(tǒng)可以提供時(shí)延更低和準(zhǔn)確率都更有保障的實(shí)時(shí)音頻轉(zhuǎn)文字/實(shí)時(shí)音頻翻譯服務(wù)。音頻轉(zhuǎn)文字中語音識(shí)別功能可以在視頻或音頻傳輸質(zhì)量欠佳的情況下，通過文字信息幫助接收者獲得更多有效的信息。此外，它還可以幫助聽力殘障人士通過文字信息獲得有用信息。音頻轉(zhuǎn)文字中的跨語言翻譯功能，可以幫助不同語言的人們進(jìn)行更有效的溝通和交流。這些應(yīng)用為人們提供了更多便利和可及性，促進(jìn)了信息的傳遞和交流。相比于5G的實(shí)現(xiàn)方式，6G的實(shí)現(xiàn)方式的技術(shù)優(yōu)勢體現(xiàn)在提升推理精度、降低推理時(shí)延和保護(hù)用戶隱私。提升推理精度：假設(shè)相比于5G系統(tǒng)，6G系統(tǒng)使用模型尺寸更大、精度更高的模型；另一方面，通過在IMS和終端分割推理的方式保證推理時(shí)延不大于5G系統(tǒng)的推理時(shí)延，則6G系統(tǒng)可以獲得更高的推理精度。降低推理時(shí)延：假設(shè)6G系統(tǒng)和5G系統(tǒng)使用模型尺寸類似且精度類似的模型，則通過將推理節(jié)點(diǎn)部署在網(wǎng)絡(luò)內(nèi)部（IMS和終端而不需要將語音流發(fā)到第三方平臺(tái)再傳回IMS，即縮短了數(shù)據(jù)流轉(zhuǎn)的路徑，因此，可以獲得更低的推理時(shí)延。保護(hù)用戶隱私：相比5G的實(shí)現(xiàn)方式，6G的實(shí)現(xiàn)方式中AI的處理位于6G系統(tǒng)內(nèi)部，不用把用戶語音流發(fā)到第三方平臺(tái)，可以更好地保護(hù)用戶隱私。對(duì)于音頻轉(zhuǎn)文字用例，潛在需要的KPI包括AI服務(wù)的時(shí)延，推理精度，服務(wù)密度等?；?.3.2小節(jié)的分析，6G實(shí)現(xiàn)方式相比于5G現(xiàn)有實(shí)現(xiàn)方式的技術(shù)優(yōu)勢包括了提升推理精度和降低推理時(shí)延。因此，可以將AI服務(wù)時(shí)延和推理精度作為潛在KPI。此外，考慮到存在多個(gè)用戶同時(shí)觸發(fā)音頻轉(zhuǎn)文字用例，即6G系統(tǒng)需要同時(shí)為多個(gè)用戶提供AI服務(wù)的情況，因此，可以考慮將服務(wù)密度作為6G系統(tǒng)提供AI服務(wù)的KPI。4.網(wǎng)絡(luò)AIKPI指標(biāo)設(shè)計(jì)方案4.1網(wǎng)絡(luò)AIKPI定義通信網(wǎng)絡(luò)的KPI是網(wǎng)絡(luò)在不同場景下所能提供的能力的關(guān)鍵量化指標(biāo)。代際之間，典型場景演進(jìn)的指標(biāo)度量，乃至新場景的關(guān)鍵能力的定義都需要網(wǎng)絡(luò)KPI。實(shí)際上，代際網(wǎng)絡(luò)架構(gòu)的規(guī)劃是圍繞網(wǎng)絡(luò)KPI進(jìn)行的。ITU-R愿景定義了6G網(wǎng)絡(luò)的6類典型場景，其中之一就是integratedAIandcommunication。6類典型場景中有3個(gè)是5G原有典型場景的增強(qiáng)，如immersivecommunication就是eMBB場景的增強(qiáng)，因此在KPI指標(biāo)方面更多考慮的是原有指標(biāo)的數(shù)值變化。而integratedAIandcommunication是6G全新定義的場景，因此，對(duì)于新場景，更為緊迫的問題是如何定義能夠度量新場景能力的指標(biāo)[3]。IntegratedAIandcommunication場景，在通信方面，需要支持高區(qū)域流量容量和用戶體驗(yàn)數(shù)據(jù)速率，以及低延遲和高可靠性。除了通信方面，該使用場景預(yù)計(jì)引入融合的計(jì)算和AI新功能，包括從不同來源進(jìn)行數(shù)據(jù)采集、準(zhǔn)備和處理，分布式AI模型訓(xùn)練，跨IMT系統(tǒng)的模型共享和分布式推理，以及計(jì)算資源編排和鏈接。綜上，網(wǎng)絡(luò)AIKPI是度量ITU-R愿景中IntegratedAIandCommunication場景的關(guān)鍵能力的指標(biāo)或指標(biāo)組合。前一章節(jié)講了網(wǎng)絡(luò)KPI的定義，實(shí)際回答了為什么需要KPI以及網(wǎng)絡(luò)的哪些能力需要涉及KPI，涉及的方式可以是數(shù)值的變更也可以是新的指標(biāo)定義。本章節(jié)主要圍繞網(wǎng)絡(luò)KPI的模型展開，想要回答的問題是，網(wǎng)絡(luò)能力和KPI指標(biāo)之間的關(guān)系，以及KPI指標(biāo)之間的相互關(guān)系是什么。通過本章節(jié)，我們希望能夠得出網(wǎng)絡(luò)AIKPI模型乃至整個(gè)網(wǎng)絡(luò)的KPI模型。4.2.15GITUKPI模型ITU-RM.2410-0報(bào)告中提到，最小技術(shù)性能需求首先需要包括EMBB/URLLC/MMTC三大典型場景。此外，需要從用戶、制造商、應(yīng)用開發(fā)商、網(wǎng)絡(luò)運(yùn)營商、服務(wù)和內(nèi)容提供商的角度去設(shè)計(jì)KPI模型[4]。ITU-RM.2410-0最后形成的KPI模型如下：1.無線資源——速率/譜效/帶寬（考慮CA）√峰值速率/峰值譜效√用戶體驗(yàn)速率/第五百分位的用戶譜效√平均譜效√區(qū)域通信容量√用戶面時(shí)延√控制面時(shí)延3.用戶數(shù)√連接密度（mMTC）4.運(yùn)營效率類√能效5.可靠性√丟包率PDR（URLLC）6.移動(dòng)性√終端移動(dòng)性√切換時(shí)延和LTE的KPI進(jìn)行對(duì)比，5G很明顯的一個(gè)特征在于，淡化了小區(qū)的概念，強(qiáng)化了用戶的概念[5]。除此以外，5G新增了區(qū)域通信容量/連接密度/可靠性這三個(gè)KPI指標(biāo)。而新增指標(biāo)則是由新的三類場景引入的。區(qū)域通信容量這一指標(biāo)的設(shè)計(jì)思路是在原有帶寬/速率/譜效公式之上引入一個(gè)TRxP密度系數(shù)。連接密度和可靠性則直接來自于mMTC和URLLC場景最核心的需求，前者要求海量連接，后者要求高可靠，這兩者都直接和通信相關(guān)。最后，相比于LTE，5G的KPI新增能效這一效率類的指標(biāo)，這里可以看出，雖然LTE和5G的ITU最小需求描述中都提到了“需要從用戶、制造商、應(yīng)用開發(fā)商、網(wǎng)絡(luò)運(yùn)營商、服務(wù)和內(nèi)容提供商的角度去設(shè)計(jì)KPI模型”，但LTE只涉及譜效，5G在譜效之外新增能效（效率趨勢）。綜上，根據(jù)5GITU最小技術(shù)性能報(bào)告，可以總結(jié)出引入新場景后KPI指標(biāo)設(shè)計(jì)的幾個(gè)規(guī)律：●新場景KPI設(shè)計(jì)需要考慮對(duì)于連接的要求有沒有新增的維度；●新場景KPI設(shè)計(jì)需要考慮指標(biāo)是否需要面向新的對(duì)象；●新場景KPI設(shè)計(jì)需要考慮資源效率；4.2.2Hexa-XKPI模型在Hexa-XD1.2中的第五章節(jié)Keyvalueandperformanceindicators（KVIs/KPIsHexa-X定義了6G的KPI模型[6]。Hexa-X在報(bào)告中把KPI指標(biāo)分為四個(gè)來源：第一類是現(xiàn)有5GKPI指標(biāo)演進(jìn)，包括速率，容量，定位精度和連接密度等。根據(jù)6G新的場景的業(yè)務(wù)需求來對(duì)既有指標(biāo)進(jìn)行數(shù)值上的更新和演進(jìn)；第二類是現(xiàn)有5GKPI指標(biāo)的重定義，包括服務(wù)可獲得性，服務(wù)確定性，覆蓋和網(wǎng)絡(luò)能效。這類指標(biāo)原有定義已經(jīng)無法適配新的場景的業(yè)務(wù)需求的評(píng)估，比如網(wǎng)絡(luò)能效的定義，5GITU-R定義的能效區(qū)分了負(fù)載場景和空載場景，在網(wǎng)絡(luò)負(fù)載峰谷不同狀態(tài)有不同的度量方式，而考慮到6G引入的新的場景，能效的度量可能會(huì)變?yōu)榉?wù)級(jí)的，甚至能效的度量會(huì)拓展到總體資源消耗的維度；第三類是是新的能力引入的新的KPI指標(biāo)，新的能力包括通信感知融合，通信AI融合，本地計(jì)算集成等，以本地計(jì)算集成而言，新的KPI可能包括計(jì)算和存儲(chǔ)的時(shí)延，但是Hexa-X也提到，也未必一定需要直接定義這些“底層”指標(biāo)，可以通過場景層面的指標(biāo)來間接表征這些底層的需求。而通信AI融合相關(guān)的指標(biāo)包括收斂時(shí)間，新能力帶來的額外能耗，錯(cuò)誤率等，考慮到AI/ML的特點(diǎn)，這些指標(biāo)必須是靈活的；第四類是KVI，包括可持續(xù)，可信，包容性和可依賴性等，這類KVI指標(biāo)是比較上位抽象的概念，存在一定程度上的定義困難。綜上，Hexa-X的KPI/KVI模型提供了如下KPI模型設(shè)計(jì)的思路：●KPI指標(biāo)的分類設(shè)計(jì)，現(xiàn)有指標(biāo)演進(jìn)，現(xiàn)有指標(biāo)重定義，新能力指標(biāo)定義以及KVI；●現(xiàn)有指標(biāo)重定義關(guān)注6G新場景對(duì)于現(xiàn)有指標(biāo)度量方式的維度拓展；●指標(biāo)設(shè)計(jì)從資源級(jí)向服務(wù)級(jí)演指標(biāo)來隱式表達(dá)；4.2.35GPPP/6GSANDBOXKPI模型6GSANDBOX/5GPPP在KPI模型設(shè)計(jì)上都對(duì)于6GKPI指標(biāo)進(jìn)行了劃分，通過對(duì)于KPIfamily的劃分，可以實(shí)現(xiàn)代際網(wǎng)絡(luò)核心能力的量化同時(shí)實(shí)現(xiàn)KPIfamily之間的正交。但是在涉及新能力的指標(biāo)的劃分方式上，5GPPP和6GSANDBOX之間存在一定的差異，6GSANDBOX把AI和計(jì)算單獨(dú)列了出來作為一個(gè)family，而5GPPP則是把計(jì)算單獨(dú)列為5GPPP6GSANDBOXcomputecomputeenergyenergychannelchannelEMFEMFsensing從時(shí)間的先后順序來看，5GPPP的這個(gè)報(bào)告在6GSANDBOX之前，且兩者報(bào)告中存在相關(guān)內(nèi)容上的相互引用，且都采用了family的劃分這種方式，然而AI的KPI是否單獨(dú)列為一個(gè)family卻存在分歧。從5GPPP的觀點(diǎn)看，首先，AI雖然是新能力，但是并非是通信/計(jì)算之類的基礎(chǔ)性的，底層的資源，無法遵從資源劃分的范式；第二，能夠讓AI成為某個(gè)單獨(dú)family的指標(biāo)，比如accuracy/precision，這些指標(biāo)超出了網(wǎng)絡(luò)提供的服務(wù)范疇（尤human-in-the-loop的方式進(jìn)行度量的，可能存在定量度量的困難。5GPPP中涉及AIKPIfamily包括：latency，compute，energy，security，channel，■Latency◆Newlatencycontributioncomponents◆Runtimedelay（LCM處理時(shí)延）■Compute■Security◆Anomalydetectionprecision6GSANDBOX總共分了11類KPIfamily，包括容量，時(shí)延，信道，EMF，可靠性，計(jì)算，能耗，安全，定位，服務(wù)可獲得性，AI/ML，感知。因?yàn)锳I被單獨(dú)列為一個(gè)family，所以除了時(shí)延外和其他KPIfamily基本正交。AI的KPIfamily包括：AIMLaccuracy，AIMLprocessingresources。無論是5GPPP還是6GSANDBOX，KPIfamily的劃分的方法，也就是KPI的模型，可以總結(jié)如下思路:■KPI模型盡可能和ITU-R的指標(biāo)形式靠攏；■KPIfamily的劃分（部分）解決指標(biāo)之間相互正交的問題，比如，不同服務(wù)有不同時(shí)延構(gòu)成（控制面/用戶面/計(jì)算&AI處理■KPIfamily的劃分包含基礎(chǔ)資源，如頻譜/計(jì)算/能耗等；從AIKPI模型來看，5GPPP不單獨(dú)列出AIKPIfamily，而6Gsandbox單獨(dú)列出了KPI。結(jié)合ITU-R從IMT-advanced到IMT-2020的KPI的演進(jìn)來看，新增場景必然會(huì)有至少一個(gè)代表性的獨(dú)立的KPI，而非僅僅只是對(duì)于既有KPI進(jìn)行重新定義。從指標(biāo)本身的角度，從時(shí)延維度，兩者都包含了訓(xùn)練時(shí)延和推理時(shí)延，5GPPP在這兩者之外還列了LCM處理時(shí)延；從精度而言，5GPPP是在availability（需求滿足時(shí)間占比）一個(gè)異常檢測precision的KPI，而6GSANDBOX中明確AIML就包含兩種類型，分類和回歸，因此在推理精度指標(biāo)上細(xì)分了precision和accuracy。但是5GPPP和6GSANDBOX的指標(biāo)維度的差異，前者通過vehicledensity這個(gè)指標(biāo)表征了AI服務(wù)的用戶密度或者服務(wù)密度，而后者則對(duì)于訓(xùn)練效率提供了一種度量思路。5GPPP6GSANDBOXNewlatencycontributioncomponentsRuntimedelay（LCM處理時(shí)延）AIMLprocessingtimeAIMLprocessingresourcesAIMLprecisionAIMLaccuracy4.2.46G網(wǎng)絡(luò)AIKPI參考模型綜合考慮ITU-R，Hexa-x，5GPPP和6Gsandbox的KPI模型，以及前文第三章場景化的新KPI的討論，本章節(jié)試圖歸納得出一種網(wǎng)絡(luò)AIKPI參考模型。KPI模型首先必須覆蓋所有場景中的關(guān)鍵能力，通信和AI融合場景中，ITU愿景中提到的網(wǎng)絡(luò)關(guān)鍵能力，除了通信增強(qiáng)外，在非通信方面，包括融合的計(jì)算和AI新功能，包括從不同來源進(jìn)行數(shù)據(jù)采集、準(zhǔn)備和處理，分布式AI模型訓(xùn)練，模型共享和分布式推理，以及計(jì)算資源編排。同時(shí)，正如ITU-R的IMT-advanced和IMT-2020的最小需求報(bào)告中，都提到了“需要從用戶、制造商、應(yīng)用開發(fā)商、網(wǎng)絡(luò)運(yùn)營商、服務(wù)和內(nèi)容提供商的角度考慮”。不同角色對(duì)于網(wǎng)絡(luò)的需求是不同的，因此對(duì)應(yīng)需求的KPI也是不同的。這兩點(diǎn)可以作為KPI模型設(shè)計(jì)思考的起點(diǎn)。然而對(duì)于這一點(diǎn)，有一個(gè)問題需要額外考慮，從IMT-advanced到IMT-2020，網(wǎng)絡(luò)提供服務(wù)的范式并沒有非常顯著的變化。假如將上述角色進(jìn)行劃分，分為服務(wù)提供者provider，服務(wù)使能者enabler和服務(wù)消費(fèi)者consumer。以toC業(yè)務(wù)為例，終端用戶是服務(wù)的消費(fèi)者，而服務(wù)本身的提供者一般不是運(yùn)營商，而是OTT（服務(wù)和內(nèi)容提供商和應(yīng)用開發(fā)商）。而運(yùn)營商和制造商則是服務(wù)的使能者，通過網(wǎng)絡(luò)提供的管道功能，使能OTT給終端用戶提供個(gè)性化的服務(wù)。然而，6G引入的AI與通信融合場景，是否會(huì)突破上述的角色限制，比如，以運(yùn)營商可能作為AI服務(wù)的提供者，使能者和消費(fèi)者；OTT可能是AI服務(wù)的提供者，消費(fèi)者，或部分使能者（如模型歸屬而這取決于未來6G時(shí)代，AI業(yè)務(wù)的商業(yè)模式究竟是什么樣的。網(wǎng)絡(luò)KPI模型設(shè)計(jì)必須考慮涵蓋6G網(wǎng)絡(luò)的關(guān)鍵能力和適配網(wǎng)絡(luò)中不同的角色的需求。在此基礎(chǔ)上，考慮到5G及之前的KPI模型實(shí)際還是圍繞純通信展開設(shè)計(jì)的，然而6G引入AI感知等新的網(wǎng)絡(luò)能力之后，這些新能力和原有通信的KPI之間是什么關(guān)系？是直接把非通信KPI指標(biāo)和通信KPI指標(biāo)在結(jié)構(gòu)上進(jìn)行并列？還是參考Hexa-X的方式，對(duì)概念上相對(duì)重疊的指標(biāo)諸如時(shí)延進(jìn)行概念上的重定義，而新能力的KPI指標(biāo)單獨(dú)列出？這兩種選項(xiàng)都有可能，但是從標(biāo)準(zhǔn)化的角度看，后者的可能性更大。在假設(shè)確定了新能力指標(biāo)可能所屬的指標(biāo)結(jié)構(gòu)后，對(duì)于網(wǎng)絡(luò)AI這一新能力，KPI指標(biāo)設(shè)計(jì)時(shí)需要涵蓋三個(gè)不同的層次：第一個(gè)層次是用戶SLA，這個(gè)層次是面向的是AI服務(wù)的消費(fèi)者。這個(gè)層次的網(wǎng)絡(luò)KPI需要涵蓋最終用戶可感知的服務(wù)質(zhì)量。第二個(gè)層次是性能，這個(gè)層次面向的是AI服務(wù)提供者，可以理解為AI服務(wù)提供者對(duì)于AI服務(wù)使能者（比如運(yùn)營商和設(shè)備商）的要求。這個(gè)層次的網(wǎng)絡(luò)KPI需要從整網(wǎng)角度去評(píng)估網(wǎng)絡(luò)的好與壞。第三個(gè)層次是效率，這個(gè)層次面向的是AI服務(wù)的使能者，可以理解是運(yùn)營商對(duì)于設(shè)備商的要求。這個(gè)層次的網(wǎng)絡(luò)KPI主要關(guān)注投資和運(yùn)營的效率，用盡量少的投資，盡量少的運(yùn)營成本，來承載更多的用戶和業(yè)務(wù)。而這三個(gè)層次，都必須考慮到ITU-R提到的不同角色類型“用戶、制造商、應(yīng)用開發(fā)商、網(wǎng)絡(luò)運(yùn)營商、服務(wù)和內(nèi)容提供商”和服務(wù)提供者，消費(fèi)者，以及使能者之間的相互關(guān)系。從前文KPI模型角度出發(fā)，網(wǎng)絡(luò)AIKPI指標(biāo)需要：1）涵蓋網(wǎng)絡(luò)AI的各種關(guān)鍵能力；2）涵蓋用戶SLA，網(wǎng)絡(luò)性能和網(wǎng)絡(luò)效率這三個(gè)維度；3）涵蓋網(wǎng)絡(luò)中不同的角色類型。同時(shí)，結(jié)合第三章中從網(wǎng)絡(luò)AI典型場景中推導(dǎo)得到該場景下所需要的新KPI，在此基礎(chǔ)上進(jìn)行一定的上位抽象或者裁剪，可得到最能代表網(wǎng)絡(luò)AI業(yè)務(wù)本質(zhì)的KPI?；诖?，總結(jié)得出以下可能的網(wǎng)絡(luò)AI的KPI指標(biāo)，以下為這些指標(biāo)的定義?！鯝I服務(wù)精度AI服務(wù)精度的定義是：在給定時(shí)延范圍內(nèi)，對(duì)給定的AI推理/訓(xùn)練任務(wù)進(jìn)行高精度處理的能力，通過AI服務(wù)的輸出與給定輸入的真實(shí)值相同的程度來衡量。AI服務(wù)精度度量網(wǎng)絡(luò)提供AI服務(wù)的質(zhì)量。這里的AI服務(wù)精度并非僅僅由模型或設(shè)備內(nèi)部實(shí)現(xiàn)決定，傳輸?shù)膸捄蛠G包率也影響著AI服務(wù)的精度，而且此兩者的相互影響并非單純的線性疊加，通信和計(jì)算之間可以進(jìn)行跨要素的協(xié)同實(shí)現(xiàn)整體AI服務(wù)精度。因此，雖然該指標(biāo)是從業(yè)務(wù)實(shí)際結(jié)果層面進(jìn)行定義的，但是其內(nèi)涵是超越單一內(nèi)部實(shí)現(xiàn)范疇的?！鯝I服務(wù)時(shí)延AI服務(wù)時(shí)延的定義是：在給定準(zhǔn)確率要求下，網(wǎng)絡(luò)執(zhí)行給定的AI推理/學(xué)習(xí)任務(wù)的端到端時(shí)延。這里的端到端時(shí)延包括三個(gè)部分，分別是：1)部署時(shí)延2)處理時(shí)延3)傳輸時(shí)延部署時(shí)延指的是某一特定AI服務(wù)從觸發(fā)到部署響應(yīng)的時(shí)延，是原有控制面時(shí)延概念上的拓展；處理時(shí)延指的是AI服務(wù)執(zhí)行過程中，所涉及的執(zhí)行體的處理功能的時(shí)延；傳輸時(shí)延指的是AI服務(wù)的業(yè)務(wù)數(shù)據(jù)在網(wǎng)絡(luò)內(nèi)傳遞的時(shí)延，是原有用戶面時(shí)延概念上的值得一提的是，處理時(shí)延（無論是在終端側(cè)還是在RAN/CN側(cè)）和設(shè)備內(nèi)部實(shí)現(xiàn)相關(guān)，這部分內(nèi)容可能最后并不會(huì)標(biāo)準(zhǔn)化，因此，如何在評(píng)估中對(duì)于處理時(shí)延進(jìn)行建模還需要進(jìn)一步研究。■AI服務(wù)密度AI服務(wù)密度的定義是：AI服務(wù)密度是指單位時(shí)間、單位算力（TFLOPS）、單位帶寬（MHz）約束下，單位覆蓋區(qū)域內(nèi)可執(zhí)行滿足AI業(yè)務(wù)準(zhǔn)確度和時(shí)延要求的AI業(yè)務(wù)數(shù)AI服務(wù)密度指標(biāo)度量網(wǎng)絡(luò)所能提供的AI服務(wù)的容量，區(qū)別于原先通信業(yè)務(wù)通過連接密度和傳輸容量來刻畫網(wǎng)絡(luò)提供服務(wù)的容量特征，因?yàn)锳I服務(wù)本身的特殊性，容量的度量方式將從用戶粒度轉(zhuǎn)化為服務(wù)粒度?！鯝I服務(wù)效率AI服務(wù)效率（資源利用效率）的定義是：單位覆蓋區(qū)域內(nèi)，給定時(shí)延范圍和AI推理/訓(xùn)練任務(wù)的數(shù)量和精度，網(wǎng)絡(luò)通信資源、計(jì)算資源，數(shù)據(jù)資源的綜合消耗。無論是從節(jié)能/可持續(xù)角度，還是從網(wǎng)絡(luò)運(yùn)維的成本角度，AI服務(wù)效率都是無法避免的指標(biāo)。對(duì)于5G通信而言，ITU定義的效率指標(biāo)包括譜效和能效兩個(gè)方面。之所以通過兩個(gè)獨(dú)立的指標(biāo)衡量，本質(zhì)是因?yàn)轭l譜的稀缺性要遠(yuǎn)遠(yuǎn)大于能源的稀缺性，因此根本不存在譜效和能效之間的協(xié)同，實(shí)際上，無論什么時(shí)候，譜效都是第一位的。但是，在新業(yè)務(wù)背景下，除了譜效之外，計(jì)算效率/存儲(chǔ)效率都具有遠(yuǎn)勝于能效的重要性，因此存在譜效和計(jì)算效率/存儲(chǔ)效率之間協(xié)同的可能性。除此以外，從AI服務(wù)本身來說，單純的譜效和計(jì)算效率是無法代表整個(gè)AI服務(wù)的效率的，因此需要一個(gè)統(tǒng)一的效率指標(biāo)?！銎渌笜?biāo)抖動(dòng)（傳輸抖動(dòng)&處理抖動(dòng)）能效從定義來說，AI服務(wù)精度和時(shí)延屬于用戶SLA層面的指標(biāo)，這兩個(gè)指標(biāo)是影響用戶體驗(yàn)的最重要的指標(biāo)，且覆蓋了AI推理和訓(xùn)練兩類AI服務(wù)內(nèi)容。AI服務(wù)密度則屬于網(wǎng)絡(luò)性能層次，該指標(biāo)實(shí)際反映了網(wǎng)絡(luò)提供AI服務(wù)的容量和覆蓋。而AI服務(wù)效率則屬于網(wǎng)絡(luò)效率層次，該指標(biāo)實(shí)際反映了網(wǎng)絡(luò)提供給定AI服務(wù)的資源利用效率。4.4網(wǎng)絡(luò)AIKPI評(píng)估和計(jì)算方法4.4.1AI服務(wù)準(zhǔn)確率（確定時(shí)延要求）步驟1：采用InH/DenseUrban-AIAC測試環(huán)境評(píng)估參數(shù)運(yùn)行上行或下行系統(tǒng)仿真，獲得上行或下行的：1）丟包率PDR；或2）時(shí)延預(yù)算T內(nèi)成功傳輸?shù)臄?shù)據(jù)量；步驟2：根據(jù)PDR，或成功傳輸?shù)臄?shù)據(jù)量，運(yùn)行AI處理仿真，得到AI服務(wù)精度，即在滿足時(shí)延要求的條件下綜合考慮了通信和AI模型的推理準(zhǔn)確率；步驟3：統(tǒng)計(jì)小區(qū)內(nèi)多用戶的平均服務(wù)準(zhǔn)確率，CDFY%的推理準(zhǔn)確率；4.4.2AI服務(wù)時(shí)延（確定準(zhǔn)確率要求）步驟1：采用InH/DenseUrban-AIAC測試環(huán)境AI相關(guān)配置，仿真不同PDR/數(shù)據(jù)量下的AI服務(wù)精度，獲取AI服務(wù)精度滿足要求的最大PDR/最小數(shù)據(jù)量；步驟2：采用InH/DenseUrban-AIAC測試環(huán)境評(píng)估參數(shù)（包括AI服務(wù)的計(jì)算時(shí)延，端到端時(shí)延預(yù)算PDB）運(yùn)行上行或下行系統(tǒng)仿真，獲得上行或下行的PDR/成功傳輸和端到端時(shí)延分布；步驟3：不斷調(diào)整PDB，重復(fù)步驟2，知道PDR小于步驟1中的最大PDR或成功傳輸數(shù)據(jù)量大于步驟1中的最小數(shù)據(jù)量，獲取的端到端時(shí)延為AI服務(wù)時(shí)延；4.4.3AI服務(wù)密度（確定精度&時(shí)延要求）步驟1：設(shè)置服務(wù)用戶數(shù)為N；步驟2：采