特斯联 IoT 研发突破：支持用户业务定制的 6G 网络智能架构

近年来，物联网的发展和应用加快了物理世界和人类社会的数字化进程，人工智能算法能够整合不同应用场景中的用户需求、领域知识、操作流程和商业模式，进一步开发出海量物联网数据的商业价值；同时，利用来自用户设备及公共设施的数据和 AI 算法，能够尽力满足每个用户的个人要求与偏好，进一步提高公共服务的用户满意度。近日，特斯联首席科学家杨旸博士带领团队提出了，面向未来的数字世界场景，服务用户业务定制的 6G 网络智能架构，能够支持 6G 移动网络中泛在的人工智能方法和智能化业务定制服务。目前，该篇名为《服务用户业务定制的 6G 网络智能架构》（6G Network AI Architecture for Everyone-Centric Customized Services）的研究成果已被 2022 年 IEEE 收录。

6G 系统将加速引领未来数字世界智能化转型

我国高度重视第六代（6G）移动通信技术的发展。今年发布的《"十四五"数字经济发展规划》明确提出，前瞻布局 6G 网络技术储备，加大 6G 技术研发支持力度，积极参与推动 6G 国际标准化工作。行业普遍认为 6G 超强通信、基础信息和融合计算三大基础服务将衍生出丰富多彩的各类服务用例。第六代（6G）移动通信系统将在三个重要方面与第五代（5G）系统不同。首先，在目标方面，5G 旨在从根本上改善网络的关键性能指标（Key Performance Indicators，KPI），如峰值数据速率、频谱效率、能量效率、服务覆盖率、设备密度和空口时延，性能至少比第四代（4G）系统提升 10 倍。如同 4G 系统中将用户划分为城市、郊区和农村用户一样，5G 系统也针对不同应用场景和用户群提供设定好的标准化服务，比如：增强型移动宽带（enhanced Mobile BroadBand，eMBB）、超可靠低时延通信（Ultra-Reliable Low Latency Communications，URLLC）和大规模机器类型通信（massive Machine-Type Communications，mMTC）。这种传统的"以用户为中心"的服务模式能高效地为相似位置或应用场景中的典型用户提供良好性能的服务。然而，6G 的目标是根据不同用户业务的综合、动态、多维的服务要求，提供"以每个用户为中心"的定制化服务。为了保障每个用户的服务体验（Quality of Experience，QoE），6G 系统需要应对不同应用场景和网络条件，采用自适应调度算法为用户提供灵活可靠的端到端（End-To-End，E2E）服务编排。在数字世界里，先进的物联网技术和人工智能算法将帮助我们加速向 6G 的服务目标演进，从而在业务层面实现最精细的服务颗粒度，保障每个用户的个性化服务体验。

其次，在方法上，5G 通过投入更多的资源，如频谱、传输功率、天线阵列、密集小区、云计算和复杂算法，改善了一系列网络 KPI 指标。这种"技术驱动"的方法不能适应不断发展的新型应用，因为如果不了解动态的用户需求和网络状况，KPI 就很难被满足。随着用户对时延敏感型应用需求的增长，如自动驾驶和交互式虚拟现实 / 增强现实（VR / AR）游戏，5G 无法在有限的网络带宽上及时传输海量数据，导致云计算无法保证令人满意的 QoE。相比之下，6G 将采用"服务牵引"的方法，从云到网络，再到边缘，整合和利用无处不在的传感、存储、通信、计算、控制和人工智能（Sensing, Storage, Communication, Computing, Control, and AI, S2C3A）等系统资源，支持不同类型的、多维度个人需求的定制化服务。这种能力将一直延续到用户设备，并能敏捷地应对由于用户行为、应用场景和网络条件等意外原因造成的服务变化。异构网络资源和泛在人工智能算法将被共享和调度，以优化网络运行。通过支持定制化的 E2E 服务供应，系统能够最大化一定区域或时间范围内客户的满意度。

第三，就影响而言，5G 的使命是完成数字化转型，而 6G 将引领未来数字世界的智能化转型。这一愿景的实现不仅仅是提升不同应用场景下的网络 KPI，更重要的是合理利用异构网络资源和无处不在的人工智能算法。6G 需要对不同业务领域、工业部门、应用场景、地理位置和数字社会的海量异构数据进行有效的整合、分析和协作，构建跨领域的原始创新生态系统。在智能化转型的过程中，这些新颖的创新生态系统将从多个角度考虑不同用户的个性化需求，研发具有多种目标的整体解决方案，有效促进社会进步和经济增长。新的数字基础设施、应用案例、协作方式和商业模式将被发明和实施，成为建立智能化社会的基石。

服务用户业务定制的 6G 网络智能架构将支持泛在 AI 方法及智能化业务定制服务

在前述背景下，特斯联团队面向未来的数字世界场景，提出了服务用户业务定制的 6G 网络智能架构，支持 6G 移动网络中泛在的人工智能方法和智能化业务定制服务。这一研究成果的主要贡献如下：

1，为了实现每个用户的复杂业务需求的可视化，团队提出了服务需求区（Service Requirement Zone，SRZ）新概念，通过一组用户服务性能指标的边界来描述其多维度的定制化服务需求，这决定了用户的端到端整体服务体验。

2，为了评估 6G 系统在保障每个用户服务体验方面的整体能力，团队提出了用户满意率（User Satisfaction Ratio，USR）新概念，通过逐一比较用户 SRZ 各个维度的需求边界与最终达到的系统性能结果，计算出所有已服务业务的用户满意比率。

3，在 6G 系统中，为了实现更高的 QoE 和 USR，团队提出了以多功能节点（mNodes）为基本网元的多层次网络智能架构，整合本地异构系统资源 S2C3A，提供一个原生的人工智能服务平台，支持不同用户的各种业务的定制化 SRZ 需求。

4，为了评估 6G 网络智能架构的性能，团队开展了大量的实验仿真工作。结果表明，与现有的云智能架构和边缘智能架构相比，网络智能架构在动态服务需求和网络条件下都能够实现最高的 USR 性能。

服务需求区（Service Requirement Zone）

带有多个指标的雷达图能够从一个综合系统的角度表明技术的进步和能力的提升。团队应用雷达图将每个业务的 SRZ 可视化，以描述用户的综合、多维的服务要求和偏好。有些网络 KPI 与用户自己的服务体验没有直接关系，例如设备密度、峰值数据率和网络容量。然而，许多服务 KPI 对他 / 她的 QoE 至关重要，因为它们共同决定了个性化的 SRZ。

图 1. 服务需求区

图 1 展示了八个服务关键绩效指标，它们在一个八角形的雷达图上定义了八维的 SRZ，即棕色区域。对于特定的业务，用户对存储、数据速率、安全性、可靠性和知识的要求存在下限，而对成本、时延和能耗的要求则是上限。由于系统能够实现比单个用户业务的 KPI 下限更好的性能，所以雷达图的颜色是从原点（即三个上限的最小值）到图外的虚线，代表五个下限的最大系统性能值。每个 SRZ 的尺寸和形状可以由不同类型的用户和应用要求决定。一般来说，面积较大的 SRZ 表示服务要求较低，反之亦然。

为保证每个用户的 QoE，未来的 6G 系统应该整合和协调多个领域的异构网络资源，随时随地提供以每个用户为中心的定制服务，从而将网络切片技术转移到业务层面的最细粒度。对于相应的用户来说，这种特定业务的 SRZ 可能看起来是一个巨大的负担。然而在实践中，每种类型的业务都有类似的 SRZ。图 1 中给出了交互式 VR / AR 网络游戏和移动银行服务的典型 SRZ。尽管用户行为和服务环境是动态的，但这些 SRZ 是相当稳定的，因为大多数用户通常不会妥协他们的服务要求和 QoE，除非服务的连续性和高质量不能同时得到满足。

用户满意率（User Satisfaction Ratio）

考虑具有相似网络资源量的不同系统。USR 越高，系统在利用有限的网络资源为不同的业务提供服务时就越智能。今天的 5G 主要集中在改善供应方的独立和客观的 KPI，如信号强度、服务覆盖、设备密度以及频谱和能量效率。然而，6G 寻求满足每个用户在需求侧由 SRZ 表示的个人主观要求。多个领域的异构 6G 网络资源应该被有效地整合和利用，以共同提高每个用户的 QoE 和系统的 USR。

三种智能架构和系统模型

1，云智能和边缘智能架构

为解决云端集中式 AI 应用的低速度、长时延、隐私性差、高碳排放等问题，边缘智能架构将计算能力从云端延伸到物理上更接近终端用户的位置。虽然在用户附近广泛部署边缘云的成本很高，但这种 "云-边缘-终端" 结构因其在支持计算密集型、时延受限、安全有保障和隐私敏感的应用方面更为有效（如：如交互式 VR / AR 游戏、自动驾驶和智能制造），在各种具有高附加值的应用场景中越来越受欢迎。

图 2.三种智能架构和系统模型

如图 2（a）所示，中心云、本地云和边缘云由高速、昂贵的承载网络连接，这些网络只是具有巨大带宽的流量管道。这些附属的计算资源，用于提高不同应用场景和网络位置的 AI 服务能力。严格来说，本地云和边缘云是作为附属的 Over-The-Top（OTT）服务部署的，以支持计算密集型应用。它们通常与现有的网络元素共处一地，但不嵌入移动网络中。因此，这些本地 / 边缘云和终端用户之间的跨域资源协调和服务协调需要通过移动网络进行数据传输。而实际的服务程序非常复杂，费时费力，并且可能产生一系列的管理和技术问题，如冗余的部署成本、迂回的数据路径、频繁的异步合作。云智能和边缘智能架构很难保证动态应用场景和移动环境下复杂的跨域服务的服务质量。

2，带有多层 mNodes 的 6G 网络智能架构

为解决前述挑战，网络空间和服务网络中分别实现了两级数字孪生和边缘-云网络孪生。团队提出了具有多层 mNodes 的 6G 网络智能架构，以整合和协调跨域的 S2C3A 资源来处理本地 / 区域的用户数据，执行分布式 AI 算法，并尽可能地为每个用户提供定制服务。这种架构改变了经典的设计范式，即假设移动网络仅作为数据传输的管道。基于 mNodes 的层次结构，网络异构资源和独立功能被有效整合，以支持跨域、广域和时延敏感的应用，例如自动驾驶。与边缘智能架构相比，所提出的 6G 网络智能架构可以在 E2E 服务性能、管理开销以及部署和维护成本之间实现更好的平衡。

作为 6G 的关键网元，mNode 不仅要像服务提供商一样，为 E2E 服务拍卖协调本地资源，还要整合基本的 S2C3A 资源和各种功能，以支持每个用户为中心的定制服务。与传统的在无线接入网（Radio Access Network, RAN）或核心网（Core Network, CN）中具有专门职责和独立功能的刚性硬件部署不同，mNodes 将采用先进的网络功能虚拟化（Network Function Virtualization, NFV）技术，在 6G 移动网络中根据需要扮演不同的角色，如 e / g 节点基站（e / g Node Base-station, xNB）、P / S 网关（P / S-Gateway, xGW）、接入和移动管理功能（Access and Mobility Management Function, AMF）以及边缘 / 雾服务节点。除了通用计算单元，越来越多的 AI 处理器将被广泛集成并由 mNodes 共享，以提供 6G 原生智能服务平台。基于此，大多数具有较小 SRZ 的业务，即对数据速率、时延、安全、隐私和能耗有严格要求的 KPI，将被自动分配给附近的 mNode，从而在动态的用户环境、应用场景和网络条件下满足每个用户的 QoE 与个人服务需求。

在图 2（a）中，所提出的 6G 网络智能架构由三个关键单元组成，它们在 6G 中构建了全面、分布式、可扩展的 AI 服务（AI as a Service, AIaaS）平台。首先，网络基础设施由多层移动网络中分散的 mNodes 组成。其次，每个网络智能逻辑和控制（Network AI Logic and Control, NALC）单元是面向业务的，通过有效的信令方案管理本地 / 区域内的多层 mNodes。在 6G 移动网络中，NALC 负责协调集成的 S2C3A 资源和功能，为实时和近实时应用（即 E2E 时延范围从几毫秒到几十毫秒）中的每个业务提供服务。每个业务的服务程序和定制 QoE 由相应的 NALC 不断监测和优化。第三，网络智能管理和协调（Network AI Management and Orchestration, NAMO）单元通过跨域资源协调、服务协调和 E2E 服务质量保证协议，管理具有多个 NALC 的 AIaaS 平台，以支持广域网应用。在 6G 系统中，NALC 和 NAMO 应紧密合作，以有效平衡不同应用场景下对 E2E 短时延和宽服务覆盖的要求。对于有些 IT 厂商愿意贡献额外的云计算和边缘计算资源的情况，NAMO 将协调厂商资源以支持不同智能架构的复杂应用。因此，提出的 6G 网络智能架构既可以独立服务于各种业务，也可以与云智能和边缘智能架构互补，以满足具有挑战性的 SRZ 目标的复杂用户需求。

3，系统模型

为了研究具有分散计算资源和普适智能的典型 6G 系统，图 2（b）展示了不同智能架构的系统模型。我们考虑一系列的业务，每个业务都有一个定制的 SRZ，以每秒 λ 个业务的速度到达系统中。这些业务是由使用移动互联网服务的终端用户或嵌入工业物联网应用的各种设备和事物随机产生的。在接入网和承载网中部署更多的计算资源作为附属的 AI 算力，同时保持不同的服务功能分离（如前几代的移动网络），将产生重大的管理和技术问题。因此，在不失一般性的情况下，团队考虑一个三层 6G 网络智能架构，有三种类型的 mNodes，用蓝色矩形框表示。在第 i 层中，mNodes 的数量、计算能力（FLOPS：每秒浮点运算）和网络数据率（每秒字节数）分别用, 和表示。在它们上面存在云层，云层有最高的数据速率和最强的计算能力。这个系统模型可以很容易地简化为云智能和边缘智能架构，即对 i ≥1 和 i ≥2 分别设置。

对于任意的业务 T，其服务提供程序是由具体的业务调度算法决定的。业务 T 到达后，它的 SRZ 首先由边缘第一层 mNode 处理，即分析利用附近的网络资源满足该 SRZ 的可能性。如果本地资源充足，业务 T 将立即由这个 mNode 提供服务。如果不是，将启动一个更强大的第二级 mNode，以执行在更大的邻域中识别可行的网络资源的工作。如果区域资源仍然不足，则将调用更强大的第三级 mNode，在更大的区域内进行多域资源协调。在某些情况下，业务 T 非常复杂，大量的网络资源将被用来收集和处理本地和区域数据，甚至全球数据。如果业务 T 可以被分割成多个子业务，那么水平或垂直方向上的 mNode 可以共享其资源和能力，共同为业务 T 服务。如果业务 T 无法被分割，则必须通过多层网络上传到云端。这会导致端到端的传输时延、能量消耗和总成本的增加。传统的云智能架构依赖于远程超强的计算资源，而边缘智能架构则利用了本地轻量级计算资源的优势。作为下一阶段，6G 网络智能架构整合了云和边缘计算资源，在 6G 系统中配置多层次、更普遍的智能。

总体而言，与现有的 4G / 5G 系统为不同的应用场景提供标准的移动服务不同，6G 系统应该能够定制个性化的服务，以满足每个用户的个性化需求。从用户的角度来看，团队首先创造了 SRZ 的概念，以描述每个业务的综合性能要求。接下来，从系统的角度，团队引入了 USR 的概念来评估系统满足不同业务的单个 SRZ 的整体服务能力。然后，在动态业务密度、业务规模、计算需求、网络数据速率和两种业务调度算法下，研究并比较了云、边缘和 6G 网络智能架构。通过部署多层 mNodes，所提出的具有集成 S2C3A 资源的 6G 网络智能架构可以有效地支持不同 SRZ 的各种用户业务的定制服务，从而在不同服务需求和动态网络条件下实现最高的 USR。