5G 发展和6G 研究现状

5G 的发展是全球通信领域的一个重要里程碑，它带来了更快的数据传输速度、更低的延迟和更大的网络容量，同时也带动了多个行业的数字化转型和创新，但应用深度有待进一步加强，缺乏真正的杀手级应用。目前5G ToC 业务承载流量的优势已初步显现，5G ToB 在煤矿、钢铁、港口等对生产安全性要求非常高的行业的应用取得了良好成效，但在其他行业的规模复制中面临诸多挑战，跨领域合作仍然存在壁垒，需求碎片化严重，行业间协调机制有待完善。5G 到现在正式商用已经有5 年，目前各产学研机构正在研究和积极推动5G-A 的标准化和商用，未来对于5G-A 垂直行业的探索和发展，将会培育新的产业生态和商业模式，也将为6G 实现“万物智联”奠定坚实基础。

6G 是继5G 之后的下一代通信技术，目前6G 处于早期研究和开发阶段，全球许多国家和行业组织已经开始布局6G 技术研究。诸多海外组织包括美国NextG 联盟、欧盟Hexa-X 和Hexa-X II、韩国三星及日本NTT DoCoMo，以及众多国内的产学研单位包括三大电信运营商、各大高校和厂商等，都在积极地参与6G 技术研发，提出各自的技术演进路线图，全球6G 技术竞争形势愈加激烈。

未来2025-2030 年，6G 将进入标准制定阶段，预计到2030 后进入商用阶段，6G技术逐步走向商用，应用于各行各业。

网络与AI 需求和驱动力

ITU 定义了5G 网络的eMBB、uRLLC、mMTC 三类场景，并在标准中定义了三类解决方案，同时引入了移动边缘计算和网络切片等新技术，以满足差异化和碎片化的应用场景需求，特别是面向2B 的差异化应用场景。一方面现有上述5G 能力无法满足6G 场景中超高峰值速率、超低时延、立体覆盖、超高精度定位能力和时延确定网络等要求，采用传统方法提升网络性能指标存在一定瓶颈，AI 技术可以提供一种新的实现方案；另一方面随着AI 技术的广泛应用，未来网络也要提供AI 相关的能力及服务，更好地满足未来业务的变化及需求。

由5G 需求驱动，在5G 网络中，已经开展了一些AI 技术应用相关的探索工作并取得了一定的成果。例如：利用AI 技术实现自组织网络（SON）的自配置、自优化和自修复，减少人工干预，提高网络管理效率；在5G 垂直行业如石油化工、建筑、矿场等应用中，5G 专网支持现场监控设备的连接，增强生产状态的监控能力同时通过AI 技术实现智能精准化异常故障预警和风险管理；AI 还能通过分析和优化网络流量、预测故障等方式，增强5G 网络的稳定性、安全性和智能化水平；3GPP 等国际标准化组织正在将AI 技术引入5G 的业务和网络架构中，以支持AI 和机器学习服务，包括模型分发、传递和训练等方面。AI 技术在5G和5G-A 时代的应用场景、潜在需求和网络架构设计方面的研究，正在为未来6G网络与AI 融合设计奠定基础，同时也在促进网络与AI 的深度融合，推动在6G网络架构的革新和技术的创新，实现6G 网络内生AI。

由6G 需求驱动，面向新场景，围绕6G“数字孪生，智慧泛在”总体愿景，未来移动通信网络将在智享生活、智赋生产、智焕社会三个方面催生全新的应用场景。2023 年6 月，国际电信联盟无线电通信部门（ITU-R）如期完成了《IMT 面向2030 及未来发展的框架和总体目标建议书》[1]，AI 与通信作为6G 的六个典型场景之一被提出，由此可见AI 将在6G 扮演重要的角色。6G 不再是仅仅提供连接能力的管道，而是通信、感知、计算、AI、大数据、安全等技术的深度融合、空天地一体全域覆盖的新一代移动通信网络，呈现出极强的跨学科、跨领域发展特征。6G 网络将具备“大算力”的硬件环境和条件，因此可有效地支撑各种AI应用的算力需求；6G 网络将具备“AI 全生命周期管理”的智慧内生能力，因此可有效地支撑AI（大）模型的构建训练推理优化等AI 业务；6G 无线系统将具备“无线感知+网络感知+用户感知”等更强大能力，因此可有效地支撑各类AI 应用的（大）数据需求。此外，6G 无线系统还天然具备着“更强大的超级终端”、“边缘式”（超级基站）、“分布式”（泛在组网）和“语义式”（基于本地智能体代理）等特征，因此，6G 网络和AI 的融合具备非常坚实的条件基础和发展必然性。AI 技术将成为6G 网络的内生能力，从而助力6G 网络适配更多应用场景。

6G 网络旨在构建一个更加智能、高效、安全、可信的下一代移动通信网络和智能信息服务平台。未来，6G 网络与AI 将深度融合，实现内生AI。6G 网络内生AI 是在6G 网络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。

网络与AI 融合愿景

面向6G 智慧泛在愿景，现有“外挂式”和“碎片化”的网络智能化解决方案和云AI 服务供应方案存在效率较低，难以提供近实时高性能AI 应用和服务的弊端，无法满足未来网络智能化、垂直行业等对智能的需求。

6G 网络内生AI 的实现需要网络与AI 深度融合。，具体体现在以下四个方

面：

（1）在架构和业务能力方面，支持连接、计算、数据和AI 算法/模型等元素的深度融合和高效协同，支持将AI 能力按需编排到无线、传输、承载、核心等，支持“AI 全生命周期管理”和各种AI 业务能力，为高水平网络自治和多样化业务需求提供智能化所需的基础能力。

（2）在硬件平台资源和能力方面，6G 网络将能够最大池化和共享复用内部的算力资源，灵活高效地支撑内外各种AI 应用（大）算力需求，实现AI 四要素的按需调度。例如：基于泛在的算力感知和编排协同利用等。

（3）在数据获取流转和治理方面，6G 网络将能够高效高质量地支持AI 应用各种需求，例如：基于感知采集、随路处理和特征提取为AI 模块贡献高质量的数据集等。

（4）面对6G 网络内外各种不同的AI 应用需求，6G 无线系统将能够充分合理地利用“边缘式”、“分布式”和“语义式”等技术手段和它们的组合进行灵活操作，在线高效地完成AI 任务。

6G 网络AI 融合旨在研究内生AI 的关键技术体系，形成6G 网络与AI 双向赋能的理论与技术方案，并构建一套内生于网络架构的高效率高性能AI 服务供应系统，促进未来6G 网络实现从传统通信网络向智能信息服务网络的重大转变。

产业现状

在研究布局上，国内方面，2020 年12 月，中国移动联合多家成立专注于6G网络AI 技术的产业组织6GANA（6G Alliance of Network AI），并率先提出内生AI 的理念，旨在促进AI 与无线网络的深度融合。IMT2030-6G 推进组的无线AI 任务组发布《无线AI 技术研究报告》[3]，重点关注基于AI/ML 的物理层、链路层、网络层技术，从AI for Network 的角度探讨如何对网络进行预测、优化、管理、控制等。CCSA 成立无线通信技术工作委员会（TC5）前沿无线技术工作组（WG6），并发布了《面向原生智能的新一代无线通信与网络架构研究报告》、《新一代无线网络边缘智能技术研究》等与6G 网络内生AI 框架的研究报告。国外方面，O-RAN 联盟正在推动无线空口AI 和网络AI 标准化制定工作,标准初步支持AI for RAN 以及RAN for AI 的基础能力。国际标准组织ITU 将“通信与AI 融合”作为6G 网络的重要应用场景，强调了AI 与通信之间互利互惠的关系。3GPP RAN 在R18 通过“AL/ML for NR Air Interface”立项，旨在充分挖掘机器学习预测能力，探索AI 在物理层的应用，并开展支持AI 的5G 无线接入网总体功能框架设计。日本软银、美国英伟达牵头成立AI-RAN 联盟，旨在聚焦人工智能（AI）和无线接入网络（RAN）融合的6G 关键技术方向，升级现有网络基础设施、提高移动网络效率、部署边缘AI 服务。Next G Alliance 则发表了《Next G Alliance Roadmap to 6G》白皮书强调了6G 网络AI 功能方面，需要实现通信计算和数据的深度融合、移动和云系统的全面融合和大规模网络计算结构部署。

在硬件支撑上，6G 网络的内生智能技术将使网络从传统的连接管道转变为提供多元化服务的平台，这将需要更智能的硬件支持，包括AI 加速器和智能处理单元。AI 芯片技术正在快速发展，包括更高效的算法、更先进的芯片制造技术、更强大的计算能力，这些技术进步为AI 应用提供了更强大的硬件支持，并且产品结构多样化，包括GPU、FPGA、ASIC 及类脑芯片等，GPU 因其并行计算和浮点运算能力在AI 芯片市场中占据主导地位。全球各大AI 芯片厂商都在积极布局AI 芯片市场，例如英伟达、高通、英特尔、三星、联发科、华为海思、寒武纪、地平线等。

发展路径和指导原则

发展路径：

从AI 赋能网络和网络使能AI 两方面考虑内生AI 技术的发展路径如图2-1，研究基于AI 提升通信系统性能的技术，以及将通信系统作为平台为用户提供更好的AI 服务的技术，二者“双向驱动”。

AI for Net（AI for Network，AI4NET）：即AI 赋能网络，通过AI 提升网络自身的性能、效率和用户服务体验。AI 赋能网络主要研究包括利用AI 优化传统算法（如空口信道编码、调制）、优化网络功能（如移动性优化、会话管理优化）、优化网络运维管理（如资源管理优化、规划管理优化）等。

Net for AI（Network for AI，NET4AI）：即网络使能AI，通过网络为AI 提供多种支撑能力，使得AI 训练/推理可以实现的更有效率、更实时，或者提升数据安全隐私保护等。NET4AI 将传统网络范围从连接服务，扩展到算力、数据、算法等层面。

指导原则：

（1）3GPP 已在5G-A 阶段标准化AI for Net，并进一步研究Net for AI，但两者在时间节奏上不同。3GPP 从CT 视角融合利用AI，以可验证可变现的价值用例为先导，不主张盲目夸大AI 价值。因此，6G 网络与AI 融合发展应遵从“可验证可变现的价值”原则，并与5G-A 融合AI 应用范式保持演进性和继承性。

（2）6G 系统设计要以提升通信网络服务的品质效率为首要目标。6G 网络的基础逻辑架构和协议流程等，首先要优先适配通信网络类服务，产品规格和资源配置也是以保障提升通信网络类服务为主。在此之上，通过叠加AI 功能模块和资源，进一步拓展AI 业务服务能力，共享利用内部资源，实现更大的价值开发解锁。

（3）当前AI/ML 机制存在局限和不确定性，6G 网络需要融合更可信更鲁棒的AI 应用，提供更可信更鲁棒的AI 服务能力，需要支持从外部网管到核心网再到基站终端的孪生仿真（预）验证功能，实现在线强化学习和快速AI 模型调优能力。

（4）虽然3GPP 标准不考虑算力要素和实现方式，但6G 网络设计必须考虑算力资源的合理配置和高效利用。传统通信业务控制面和用户面功能依赖ASIC、CPU 和DPU 等算力，性价比越来越好，供应链也安全有保障，这些算力将继续被维护和大规模应用。异构算力模块间大规模集成和高速互联传输方式可能带来更多跨厂家的规范标准化需求。

（5）6G 网络是分布式系统，包含多种网元节点，如终端、基站和核心网元。4/5G 网络的智能化程度较低，没有任务自驱动、资源自编排和业务自管理能力。

6G 网元节点将具备本地智能体Agent 能力，有更强的任务自规划、性能自寻优、运行自排障等决策能力。Agent 之间的交互协作形式可采取更灵活泛化的语义式Chat 形式，弱化放松不同网元间的协议化组网限制。