中国移动研究院于2022年发布《6G无线内生AI架构与技术白皮书》，系统阐述了6G网络内生AI的设计理念、架构创新与关键技术。

一、驱动力与背景

5G网络智能化主要采用外挂AI模式，面临三大挑战：一是缺乏统一标准框架，AI应用缺乏有效验证和保障手段；二是外挂模式难以实现预验证、在线评估和优化的全自动闭环，模型迭代周期长、泛化性差；三是算力、数据、模型与通信连接分属不同技术体系，跨域协同时延大。面向6G，网络需助力千行百业数智化转型，提供实时性更高、性能更优的智能化服务，同时实现高水平网络自治和安全可信，这就要求AI能力从外挂走向内生。

二、内生AI的定义与内涵

6G内生AI是在架构层面通过内生设计模式支持AI，摒弃外挂打补丁的方式，实现通信连接、计算、数据和AI算法模型的深度融合。6G网络内生AI在架构内部提供数据采集、数据预处理、模型训练、模型推理、模型评估等AI工作流全生命周期的完整运行环境，将AI服务所需的算力、数据、算法、连接与网络功能、协议和流程进行深度融合设计。

三、三大新理念

1. AI服务质量（QoAIS）：提出了一套涵盖性能、开销、安全、隐私和自治等多维度的AI服务质量评估与保障指标体系。QoAIS从用户层面量化需求，并分解到连接、算力、算法、数据等资源维度的QoS指标上，由管理面和控制面协同保障。

2. AI全生命周期编排管理：6G网络为AI工作流的端到端各环节（数据管理、模型学习、模型验证、模型部署）提供完整运行环境，摒弃5G时代烟囱式研发模式，实现资源协同和共享。

3. AI计算与通信深度融合：在控制面提出三种融合模式——独立计算单元与基站通过标准接口交互、计算单元内置基站独立控制、计算与通信资源统一控制实体。在用户面上需对AI计算协议和通信协议进行联合设计和优化。

四、新架构设计

6G多维融合网络逻辑架构在横向分为资源层、网络功能层和应用与服务层（三层），在纵向新增数据面、计算面和智能面。数据面负责端到端数据采集、清理、处理和存储，采用集中式与分布式结合的架构。智能面提供内生AI全生命周期所需的完整运行环境，支持AI用例自生成和导入、QoAIS生成、工作流全生命周期承载、管理面与控制面协作保障QoAIS、以及集中式与分布式AI架构相结合。同时扩展传统控制面和用户面，新增AI控制面（AI CP）和AI用户面（AI UP），支持算力、算法和数据等新维度资源的管控。

五、关键技术

1. AI模型选择与再训练：比较了基础学习、迁移学习和元学习三种范式，提出根据源域与目标域数据分布差异及训练资源状况，动态选择基础模型的训练方法。

2. 终端与网络协作的AI模型训练：提出多种学习算法（零阶、一阶、二阶）动态转换机制，根据无线信道状态动态调整学习算法，平衡训练速度与资源开销。

3. 终端与网络协作的AI模型推理：提出基于模型分割的端边协作推理框架，通过强化学习联合决策模型分割点、终端侧和基站侧计算资源分配及空口无线资源分配。

4. 基于网络数字孪生的AI性能预验证：引入条件对抗生成网络（CGAN）在孪生网络层生成多样化数据样本，结合强化学习进行样本空间搜索，实现AI模型的性能预验证和闭环优化。

六、总结

白皮书指出，6G内生AI将从外挂式走向架构级融合，使网络不仅能服务自身优化，更能为千行百业提供智能化服务能力。未来研究方向包括：AI服务QoAIS指标体系的完善、AI与网络深度融合的架构和协议设计、分布式AI训练与推理技术、以及数字孪生与内生AI的协同等。