【来源】AI-for-6G 白皮书

【核心观点】
随着AI成为新一轮产业变革的核心驱动力，6G网络与AI的深度融合已成必然趋势。本白皮书系统阐述了"AI for Networks"和"Networks for AI"双向赋能的技术路径，提出6G原生AI架构设计原则与关键特征。

【一、驱动因素】
AI for Networks：传统通信系统面临性能瓶颈，AI可提升信道信息准确性、定位精度、干扰消除能力、能效和频谱容量，解决大规模MIMO信道估计、密集基站干扰、异构网络路由等难题。

Networks for AI：ITU将6G场景扩展至泛在智能，网络需内生提供AI服务，实现"随时随地获取AI"的愿景，支持低时延AI推理/训练、移动AI、AI服务质量保障。

【二、6G原生AI架构】
6G网络架构实现"四要素协同"——通信、数据、计算、智能深度融合：
? 数据平面：管理网络数据，提供数据服务
? 计算平面：管理计算资源，提供计算服务
? 智能平面：提供AI全生命周期运行环境
? 控制/用户平面扩展：支持AI任务调度与资源控制

【三、三大关键特征】
1. QoAIS（AI服务质量）：在传统QoS基础上，增加安全、隐私、自治、资源开销等评价维度，形成标准化AI服务质量评价体系。

2. 算通深度融合：设计原生AI协议，通过管理面、控制面、用户面三维度实现计算与通信深度协同，满足差异化QoAIS需求。

3. 数据生成与可信AI：利用网络数字孪生实现按需数据生成、AI预验证和迭代优化，降低试错成本，提升AI可靠性。

【四、6G与大模型】
白皮书探讨了Foundation Model与6G的双向赋能：
? Networks for Foundation Models：6G网络为大模型训练提供数据采集与预处理服务，为大模型推理提供模型分割/分发服务，实现边缘部署降低时延。
? Foundation Models for Networks：大模型在网络运维、执行、验证阶段发挥关键作用，实现故障检测与方案生成、任务编排调度、全局协同控制。

【五、挑战与展望】
? 数据开放与标准化：需行业协同建立数据开放生态
? 评估体系：建立覆盖能力、效率、质量、实时性、可靠性、成本的综合评价指标体系
? 从场景化小模型向统一大模型演进，探索网络运维通用大模型可行性

附件下载：见下方附件