本白皮书由中国移动研究院（CMRI）于2022年发布，系统阐述了6G网络原生AI的架构理念与技术方案，是6G智能化研究领域的重要参考文献。

一、从"补丁式"到"原生AI"的范式转变

当前5G网络中的AI应用多以"外挂插件"方式引入，存在三大痛点：
1. 缺乏统一验证框架：AI效果在部署后验证，整体流程长、人力干预多；
2. 难以实现全自动化闭环：数据采集困难、标注成本高，模型迭代周期长、泛化性差；
3. 跨系统协同开销大：算力、数据、模型、网络分属不同技术体系，管理面协调时延达秒级甚至更高。

6G原生AI则在网络架构设计阶段即深度融合AI能力，实现算力、数据、算法与网络连接在架构层面的内生整合。

二、QoAIS：AI服务质量新指标体系

传统QoS关注连接质量（时延、速率），而6G原生AI引入AI服务质量（QoAIS），从五大维度评估AI服务：
? 性能：准确率、泛化性、鲁棒性、可解释性、公平性
? 开销：存储、计算、传输、能耗
? 安全：存储安全、计算安全、传输安全
? 隐私：数据隐私、算法隐私
? 自主性：完全自主/部分人工可控/完全人工可控

三、6G原生AI新架构：三层四面

白皮书提出三层四面的逻辑架构：

（1）资源层：提供无线接入、计算、存储等底层资源。

（2）网络功能层：由控制面和用户面扩展而成，新增AI控制面（AI-CP）和AI用户面（AI-UP），支持多维资源（算力、算法、数据、连接）的按需动态编排。

（3）应用与服务层：面向客户业务需求提供智能化服务。

数据面：负责全网端到端数据采集、清洗、处理与存储，解决5G时代数据采集接口有限、格式不统一等难题。

智能面：提供原生AI全生命周期运营环境，包括AI用例自生成、QoAIS生成、端到端AI工作流编排及中央+边缘协同推理。

算力面：提供统一算力仓库，感知算力需求、管理计算任务、路由调度算力资源。

四、AI计算与通信深度融合（三种模式）

? 模式一：基站外独立新增计算单元（NC），通过标准化接口与基站RRC交互，解耦性好但交互时延较大。
? 模式二：计算单元内嵌于基站，RRC与CRC内部交互，性能与可扩展性兼顾。
? 模式三：RRC与CRC融合为统一资源控制实体（xRC），性能最优但复杂度最高。

五、关键技术方向

? AI模型选择与微调：根据场景自适应选型
? 终端-网络协同AI模型训练：联邦学习等分布式训练
? 终端-网络协同AI推理：边缘推理卸载
? 基于数字孪生的AI性能预验证

本白皮书为6G网络智能化提供了从理念、架构到关键技术的完整框架，对推动6G标准化与产业化具有重要参考价值。