导航菜单
华夏信息网 > 科技 > 中国移动温子睿:6G应具有内生于网络的AI能力
百度

中国移动温子睿:6G应具有内生于网络的AI能力

今日,由中国移动研究院主办的遇见未来mdash,mdash,6G协同创新成果发布会在北京召开,发布了中国移动研究院在6G方面的阶段性成果中国移动研究院研究员温子睿对《6G无线内生AI架构与技术白皮书》进行了解读

中国移动温子睿:6G应具有内生于网络的AI能力

温子睿表示,最近几年来人工智能相关技术发展迅猛,并且在5G中已逐渐得到广泛的应用,但是当前以云端智能为主的实现方式正面临着诸多挑战,因此行业内考虑对网络架构进行革新,在网络中引入内生AI能力。

6G应具有内生于网络的AI能力

目前5G网络智能化主要采用外挂式AI,这种方式面临着诸多挑战,如:缺乏统一的标准框架,导致AI应用缺乏有效的验证和保障手段,外挂模式难以实现预验证,在线评估和优化的全自动闭环导致模型迭代周期较长,以及外挂模式下,算力,数据,模型和通信连接属于不同技术体系,导致跨技术域的协同性能低效。中兴通讯与中国移动智能家居运营中心共同打造全光生态,积极探索FTTR预装市场商业模式,与嘉兴移动,宁波移动共建全光科技住宅样板间。与此同时,中兴通讯与中国移动智能家居运营中心推出了老年人屏,满足老年人对家庭数字化生活的需求。作为智慧家庭生态的重要参与者和布局者,中兴通讯与中国移动多年来深度合作,双方致力于为智慧家庭创造美好生活。

与此同时,外挂式AI也难以适配未来6G应支持的如网络提供泛在AI服务与依靠AI对网络提供高水平自治等全新应用场景因此,与面向连接的传统通信网络不同,6G系统需要在设计阶段就考虑网络与AI的深度融合,增加算力,模型,数据等新资源维度,并对其实现端到端的控制和编排

为此业内需要构建AI的服务质量评估和保障体系,设计AI工作流端到端的编排管理,并实现计算与通信的深度融合,这些都需要通过对网络架构的革新来实现,包括新增数据面,新增智能面,扩展控制面,扩展用户面。长期以来,中兴通讯与中国移动在智能家居领域进行了全面深入的合作,成果显著。中兴全屋光纤组网一步解决布线瓶颈,实现全屋千兆Wi-Fi覆盖,满足家庭娱乐,在线教育,云办公等新业务需求,助力中国移动全光Wi-Fi解决方案商业化。通过在精装房内嵌入光纤,配备全光路由器,光板AP,智能音箱等一系列智能家居终端产品,让光纤在设计装修阶段就能提前部署到每个房间,一步解决FTTR布线问题,实现。光纤家庭无线网络家庭智能;三重体验推广。该产品已在福建移动成功应用。。

为解决5G网络智能化面临的挑战和6G智慧泛在新场景的需求,中国移动提出6G应具有内生于网络的AI能力《6G无线内生AI架构与技术白皮书》应运而生

温子睿介绍,在本白皮书中,首次阐述了内生AI的理念与技术内涵,创新性地提出了QoAIS,全生命周期编排,计算与通信融合3大新理念,提出了AI模型选择,分布式训练和推理以及预验证4大新技术,并设计了包含智能面,数据面,控制面等的全新网络架构与此同时,这也是业内首次对智能面技术架构进行系统阐述

新理念,新架构,新技术共促内生AI

温子睿指出,考虑到不同的智能应用场景对AI服务的质量将有着不同的需求,因此需要一套指标体系表达用户层面的需求,即QoAIS同时,白皮书指出,QoAIS还是网络内生AI编排管理系统和控制功能的重要输入

为保证各AI服务QoAIS的持续达成,需要对AI全生命周期进行编排管理工作流通过AI数据服务所对应的QoAIS产生,之后网络中的管理面对该工作流中每项任务所需的算力,算法,数据,连接等资源进行编排同时在管理面,根据QoAIS情况,不断优化方案和策略,实现智能化的编排管理

除管理面外,在用户面与控制面上实现计算与通信的融合也是保障AI服务QoAIS持续达成的有效手段与管理面在宏观视角上对资源的合理调配不同,这一方式为QoAIS目标的持续达成提供了较高实时性的保障手段,因此内生AI计算与通信的深度融合需依靠管理面,控制面,用户面三个维度共同实现

为通过管理面,用户面与控制面实现内生AI计算与通信的深度融合,就需要从架构设计上融入AI要素,使数据,算法和算力三大AI要素与网络连接一样成为网络内部的基本资源对于内生AI系统而言,前述3大新理念主要体现在资源层,网络功能层,应用与服务层,管理面以及6G新增的智能面,数据面和计算面上,而为了支持新增的三面,原有的控制面与用户面也需要进行相应的扩展

值得一提的是,在新增的三面中,白皮书首次系统阐述了智能面的功能架构设计并且为智能面功能架构总结出了五大技术特征:包括AI用例的自生成和导入,QoAIS的生成,AI工作流全生命周期的承载,管理面,控制面和用户面的协作以及AI集中式与分布式架构的结合

此外,白皮书还对可用于支撑内生AI架构的关键技术进行了归纳总结首先是AI模型的选择与再训练,平衡目标域训练开销与模型性能,其次是终端与网络协作的AI模型训练和推理,提高计算资源利用率,提升模型性能,保护数据隐私,最后是基于网络数字孪生的AI性能预验证技术,提升AI模型的泛化性与鲁棒性

郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。

百度