weixin_42875834的博客

3GPP标准组织发布的R18的RRC协议标准

6GANA TG2是6GANA下负责研究基础网络架构的工作组，其将识别6G网络内生AI的基本技术特征，研究其对6G网络架构的影响，对标准化的影响，构建6G网络内生AI整体框架，定义基础架构，并对涉及的关键使能技术进行探讨。面向该目标，TG2 成员单位经过全面收集和充分探讨，凝练出现阶段业界广泛关注的、对 6G 网络架构存在潜在影响的十大核心技术问题。针对每项问题，从特征内涵、必要性、可行性、对网络架构的影响等四个方面展开分析，研究该问题所示技术特征是否6G网络内生AI架构所需，并给出了TG2的观点和建议。这十个问题分别是： 一、 为什么需要AI 用例自生成？ 三、 如何支持AI生命周期管理？ 二、 为什么需要QoAIS？ 四、 是否以任务为中心？ 五、 如何支持算网融合？ 七、 为什么需要自生长和可信的算法？ 六、 为什么需要自生长的数据服务？ 八、 如何理解分布式AI架构？ 九、 分布式AI架构中不同节点如何协同？ 十、 可以对外开放哪些AI能力？

人工智能与通信的融合包括通信网络本身的智能化（AI for Networks）和网络提供的新型智能化服务(Networks for AI)两大场景，在 6GANA 相关白皮书中已有详尽的描述，而无论哪类场景，从算法角度，在 6G 网络中主要体现为分布式学习和推理的范式。因此，本白皮书将对 6G 网络分布式算法理论、关键问题和潜在应用进行系统化梳理和总结，分析 6G 网络中的分布式学习范式应该具备的特征和预期的目标。并从无线网络本身具备的特点出发，给出分布式学习在应用到 6G 网络中时面临的关键技术挑战。综合分析相应的核心技术框架、指出研发中遇到的关键问题和应对策略，详细描述在各个关键技术挑战方向上的研究进展和存在的问题，并在此基础上分析相应分布式算法的合理性，应用服务中的一致性以及算法性能可靠性的应用边界等问题，为后续研究提供参考并指示方向。另外，本白皮书还将给出分布式学习在无线网络中的一些典型应用场景，并分析未未来技术发展的趋势和需要进一步提升的核心研究要点和方向。

5G通信系统采用了NWDAF的叠加方式在核心网内支持人工智能(Artificial Intelligence, AI)，其应用场景较为有限，为同时满足6G的AI4NET和NET4AI场景，以及更高效的执行效率等需求，6G通信系统、尤其是RAN网络需从架构层面考虑对AI的内生支持。本白皮书提出了一种面向任务的智慧内生RAN架构，重点阐述了如何在RAN网络中基于统一框架支持多样性的6G AI业务。白皮书第一章阐述了网络智慧内生的驱动力，并进一步提出了通过架构的原生设计来支持内生智能，系统级提升网络AI的运行效率。第二章节阐述了RAN智慧内生架构所面临的技术挑战。第三章节提出了面向任务的设计理念、三层的RAN架构总体视图（资源层、功能层、服务层）、以及任务为中心的逻辑架构。第四章节针对任务为中心的架构，进一步描述了在RAN网络部署任务功能的关键技术，包括：通信、计算、数据和模型四要素协同机制、任务接口和协议设计、新的任务空口承载设计、以及基于服务和任务的QoAIS保障机制等，以达成QoS实时保障的目标。第五章节基于前述的任务架构及其关键技术进行了流程演绎。第六章节对未来进行了展望。