定制报告-个性化定制-按需专项定制研究报告

行业报告、薪酬报告

联系：400-6363-638

《中国移动：2024年6G通感算智融合原生基座技术白皮书（1.0）（24页）.pdf》由会员分享，可在线阅读，更多相关《中国移动：2024年6G通感算智融合原生基座技术白皮书（1.0）（24页）.pdf（24页珍藏版）》请在本站上搜索。 1、前前言言随着 5G 产业应用的持续发展，与个人通信的标准化模式不同，行业需求展现出定制化、差异化和碎片化的特点，对通信服务提出了灵活性、敏捷部署、简便使用和成本效益等更高要求。与此同时，随着数字孪生，智慧泛在16G 愿景的提出，以及 6G 典型场景的明确，6G 将实现从通信服务向信息服务的转变，通信、感知、计算、智能等多维能力内生融合成为业界共识。本白皮书旨在阐述 6G 通感算智融合的原生基座技术，包括其提出的背景与挑战、内涵与特点及对应的技术方案等。中国移动与未来产业的合作伙伴一直在积极推动业界开展 6G 通感算智融合的深入研究，并期望通过开放的基础底座、服务能力和合作范式，汇聚产业生态各方2、智慧，共同探索 6G 的全新创新模式。我们期待与产业伙伴的深度合作与多元创新，共同推进 6G 创新步伐，实现多维开放和众创共赢。目目录录1.6G 通感算智融合的需求与驱动力.11.1 差异化场景按需定制需求.11.2 多维能力内生融合需求.22.6G 通感算智融合的原生基座技术内涵.33.底座-通感算智融合的异构硬件.43.1 通感算智融合的异构硬件面临的挑战.43.2 相应技术方案.54.内核-通感算智融合的多维能力.74.1 通感融合.74.1.1 通感融合面临的挑战.84.1.2 相应技术方案.84.2 通算智融合.104.2.1 通算智融合面临的挑战.104.2.2 相应技术方案.113、5.中枢-通感算智融合的按需服务.135.1 平台化服务网络面临的挑战.135.2 相应技术方案.146.总结与展望.17缩略语列表.19参考文献.2011 1.6G6G 通感算智融合的需求与驱动力通感算智融合的需求与驱动力1.11.1 差异化场景按需定制需求差异化场景按需定制需求随着 5G 技术的持续演进，行业应用需求愈发呈现出定制化、差异化和碎片化的特征，从而催生了一系列对网络的核心需求：灵活定制灵活定制：在对通信服务的需求上，不同行业间展现出对性能的差异性需求，面对这些千差万别的需求，客户不仅期待定制化的解决方案以匹配其需求。通过灵活定制，按需提供包括通信、感知、计算、AI 以及安全在内4、的多维能力服务，以满足不同行业、不同场景的个性化需求，并确保服务的及时性和高效性。敏捷部署敏捷部署：行业客户的需求灵活且多变，其改造需求提出后往往期望能够迅速实施与部署，例如某些功能的升级，需要快速完成功能定义与实现，并在局部环境快速部署，例如工厂和车间所涉及的基站上完成改造。因此，针对定制化的行业要求，除了精准匹配客户需求外，还需适应市场节奏，快速交付与部署，确保时间效益的最大化。简便使用简便使用：定制服务不仅需要操作简便，还需要拥有完善的服务保障，确保客户体验的无缝衔接。客户在使用过程中无需进行繁琐的操作，能够即时获取所需的能力服务，做到产品互联网化、销售全流程线上化、使用简便化。成本敏感5、成本敏感：由于信息化改造预算有限，众多行业客户尤其是中小企业在改造时希望基础设施能力更加经济与高效，其需求不局限于网络连接的带宽、时延等方面，例如面向智能化的应用，需要在统一的基础设施上以可控的成本提供包括感知、计算、AI 在内的多维服务。6G 将在 5G 基础上实现向产业互联网的充分发展，场景更加丰富多样2，多样化、差异化的场景及新业务对通信网络的通信能力提出了更高性能要求，并催生了感知、计算、数据和人工智能等新领域的强烈需要。21.21.2 多维能力内生融合需求多维能力内生融合需求针对差异化、多样化的行业应用需求，业界对 6G 愿景展开深入研究。国际电信联盟（ITU-R）在IMT 面向 26、030 及未来发展的框架和总体目标建议书3中将 5G 三大典型场景（eMBB：增强移动宽带,uRLLC：超可靠低时延通信,mMTC：海量机器类通信）增强和拓展为六大场景。图 1 6G 能力六角随着信息社会进入智能化时代，客户往往需要连接、计算和 AI 等多维能力融合服务。在当前阶段，这些能力往往以外挂的方式叠加在 5G 网络上，例如通过引入 NWDAF 模块进行数据分析和智能决策，以此提升网络性能和用户体验。然而，5G 阶段外挂式设计的效率与效果均不尽如人意，一方面，独立烟囱式支持效率差，另一方面难以实现能力间协作，服务质量难以保障。6G 扩展了 5G 的边界能力，将 5G 的传统通信能力三角7、增强为能力六角，如图 1 所示，六大典型场景要求网络能力更多维，网络需要内生支持感知、计算、AI 等新能力，6G 将在提供更高速率、更多连接、更低时延及更高可靠的基础上，实现空天地一体、通感一体及通算智一体,6G 将不再仅仅局限于提供连接服务，而是实现从移动通信网络向移动信息网络的转变4，通感算智等多维能力内生融合成为 6G 关键特征和发展趋势。32 2.6G6G 通感算智融合的原生基座技术通感算智融合的原生基座技术内涵内涵多样化、差异化的场景及新业务对 6G 网络提出了更高的要求，主要体现在两个方面：一是，6G 需要按需匹配更加差异化、碎片化、定制化的行业应用需求。传统网络在赋能行业应用时，8、通常采用外挂方式实现通信协议与行业协议的结合，存在功能冗余、实现复杂、成本高等问题，这些问题需要在 6G设计时充分考虑。二是，6G 需内生支持通感算智多维能力的融合与协作。传统网络对多种能力的支撑往往是烟囱式的，一方面经济效率差，另一方面难以实现要素间的协作，服务质量难保障。基于以上对 6G 场景需求及技术发展趋势的分析，6G 网络设计需要实现 2 大转变：转变转变 1 1：由刚性堆叠向按需服务转变。在网络能力最小化内核的基础上，按需组合各种网络能力，由此满足差异化场景需求。转变转变 2 2：从外挂式设计向内生式设计转变。由此，网络能力可以更及时、高效响应客户需求。基于以上设计思路，为了更有效9、地保障 6G 差异化、碎片化、定制化的应用需求并实现多维能力的融合，我们提出以 6G 通感算智多维能力内生融合为基础的原生基座技术，以云化、虚拟化异构硬件为底座，通感算智多维能力为内核，平台化服务网络为中枢，对内通过一体化设计实现网络内生支持通感算智多维融合能力，对外提供通感、通算智等多维按需服务。通过端到端服务化设计实现功能和资源的解耦，并以功能和资源灵活组合应对差异化业务应用需求，通过场景化原子能力聚合、冗余功能去重、串行变并行等方式，在实现网络架构、功能、协议、流程、管理等多维度的精简的同时，支持通感算智服务的快速引入，由此实现对业务应用的快速、高质量赋能。如图 2 所示，该基座技术提供10、多能力融合的平台。4图 2 6G 通感算智融合的原生基座技术底座底座-通感算智融合的异构硬件通感算智融合的异构硬件：通过云化将通用计算的 CPU、智能计算的GPU 以及专用处理芯片等有效融合。“算”是 6G 系统的基础能力，通过异构硬件云平台、资源灵活编排组合和弹性扩缩容，为 6G 通、感、算、智等功能提供资源底座。内核内核-通感算智融合的多维能力：通感算智融合的多维能力：以模块化方式承载的通信、感知、计算、AI 等多样性的多维能力，基于网络通感一体、内生 AI 和通算一体等技术实现通感、通算智融合，拓展 6G 网络新能力。中枢中枢-通感算智融合的按需服务：通感算智融合的按需服务：通过端到端的11、服务化设计，按需编排管理底座硬件资源和模块化的多维能力，对外提供个性化和定制化服务。利用服务化网络实现面向场景的服务灵活调用与按需组合，通过扁平化接口简化能力间协作，有效解决网络复杂的核心问题，实现功能和资源的解耦及灵活组合，从而应对差异化场景需求；端到端服务化赋能网络功能原子化，提供服务、功能和资源的按需编排，实现个性化和定制化的按需服务，提供从设备到应用、从网络到服务的全链条、端到端的服务能力。然而，实现基于 6G 通感算智融合的原生基座技术仍面临硬件资源云化难、多维能力融合难、网络按需服务难等三重挑战。3 3.底座底座-通感算智融合的异构硬件通感算智融合的异构硬件3.13.1 通感算智融12、合的异构硬件面临的挑战通感算智融合的异构硬件面临的挑战5通感算智融合的异构硬件作为原生基座技术的底座，面向通感算智需求，通过云化异构硬件，提供通感算智云化资源底座，满足通感算智融合对底层资源的多样化、碎片化需求。当前，云化异构硬件技术面临着三大挑战：挑战一：高通信带宽与低时延的严苛要求挑战一：高通信带宽与低时延的严苛要求对高带宽低时延的要求使得资源的调度方式非常重要，传统云化技术使用的非抢占式调度虽然能够实现毫秒级的任务中断响应，但已难以满足日益增长的网络需求。相比之下，抢占式调度以其微秒级的任务中断响应能力，为超大带宽网络转发提供了强有力的支持，成为解决这一挑战的关键所在。挑战二：挑战二：碎13、片化场景与多样化部署规模碎片化场景与多样化部署规模随着物联网、云计算等技术的广泛应用，碎片化、多样化的应用场景不断涌现，对基站软件容器化和 C-RAN 集中化架构提出了前所未有的挑战。如何实现传感器、终端、算力卡、服务器等不同对象的云化统一管理，成为当前亟待解决的问题。此外，分布式架构、混合异构云以及节点数目差异化的部署规模，也进一步加剧了云化异构硬件面临的挑战。挑战三：差异化高性能处理资源需求挑战三：差异化高性能处理资源需求不同行业用户对于高性能处理资源的需求呈现出显著的差异性。传统的FPGA 等加速器资源绑定使用方式已难以满足这种多样化的需求。因此，需要考虑 GPU、DPU、FPGA 等异14、构资源的统一管理与调度，根据应用需求进行确定性资源配置，以及通感算智多应用的融合协同。3.23.2 相应技术方案相应技术方案面向通感算智技术需求，研发高实时、高性能 6G 云化异构硬件，以支撑技术的联合验证，并面向上述挑战针对性地提出以下技术方案：方案一：支持超高实时响应的抢占式调度方案一：支持超高实时响应的抢占式调度面向 6G 的通感算智技术要求系统任务中断响应时延在 10s 以内。在未来的 6G 网络里，每个协议栈子帧都会在基站系统中映射为一个或一组任务中断。而任务中断的处理时间涵盖了系统任务中断响应时延以及子帧本身的处理时间，6系统任务中断响应时延由 6G 云化异构硬件云平台决定。通过使15、能核隔离、核绑定等优化技术，将传统的非抢占式调度系统调整为抢占式调度系统，并综合考虑稳定性、吞吐能力等因素，实现系统最大中断响应时延从的 5000s 以上优化到10s 以内，如图 3 所示，为无线侧处理时延提供有力保障。图 3 实时性测试结果对比方案二：支持敏捷化配置的高性能容器云方案二：支持敏捷化配置的高性能容器云6G 云化异构硬件云平台将会基于容器技术，实现云平台对各类资源信息的精准统计与全面收集，如图 4 所示。在架构层面，容器技术所具备轻量敏捷的特点，能够更好的适配 6G 网络对于灵活性的苛刻需求，实现网络的自动化部署以及敏捷化配置。在监控层面，云平台将支持不同类型的异构硬件，实现对各16、类资源的功耗、占用率等信息的多维度统一监控，并能够及时有效地发出各类告警信息。在软件方面，云平台将支持多种类型的操作系统。同时，为满足无线基站的离散型特点，云平台将实现分布式小集群的统一管理，实现无线侧云化资源的统筹管理。图 4 高性能容器云方案三：支持确定性配置的异构资源管理方案三：支持确定性配置的异构资源管理云平台初步支持 GPU、FPGA、智能网卡等多种异构资源的统一管理，并可根据应用需求进行确定性资源配置，对资源的独占、共享进行配置，如图 5 所示。7例如，无线基站的任务对实时性要求极为苛刻，通常在系统中分配独占的资源给特定任务，而 GPU 处理的任务通常是并行计算，多个任务同时处理。17、诸多类型的任务和不同类型的异构资源将被云平台统一管理和调度，共同为 6G 网络提供技术底座。这需要云平台系统对不同类别的资源实现统一的调度、分配、管理、编排等，将确定性的资源分配给基站及其他云平台上运行的业务，以保证每个业务都能获得所需的资源，更好的为 6G 网络提供服务。图 5 异构资源配置管理4.4.内核内核-通感算智融合的多维能力通感算智融合的多维能力6G 网络将通过跨层、跨域、一体融合式设计，实现端到端的通信、感知、计算、AI、安全等全要素的融合，以及一体化服务的网络新形态和新模式，打造平台化服务能力的网络。通信与感知融合作为 6G 关键技术之一，为通信系统赋能感知，成为推动 6G 通18、感融合业务蓬勃发展的重要环节5。通感网络数据量的急剧膨胀,也要求网络具有高计算效率、强隐私保护、快实时性等计算特征,即具有坚实的算力底座。而计算能力的提升,带来网络 AI 内生的能力。基于通感算智多维能力融合的内核，6G 网络将能够实现在统一算网基础上，以软件形式灵活按需加载网络功能，融合感知、计算、AI 多种能力，提供一体化移动信息服务。4.14.1 通感融合通感融合84.1.14.1.1 通感融合面临的挑战通感融合面临的挑战通信和感知融合是 6G 移动信息网络的重要技术特征，是实现信息服务全过程的重要环节。感知将成为 6G 网络中的原生能力，与通信能力互助共生，并为6G 开辟新的应用前景。19、通过通信与感知的融合内生，赋能一网多能新业态。当前，通感融合技术面临着三大挑战：挑战一：通感硬件资源分立挑战一：通感硬件资源分立独立感知模式下的通感融合系统存在自干扰，要求感知节点具备全双工能力。为实现通感融合，需要对 AAU 硬件架构进行一系列复杂改动，产生较高的硬件改动成本。此外，受到业界可实现天线收发隔离度的限制，感知覆盖距离受限。如何实现低成本全域覆盖具有极大的挑战。挑战二：通感空口资源竞争挑战二：通感空口资源竞争通信和感知空口资源共享程度可分成高共享度、合适共享度、低共享度三个等级。在高共享度下，通感信号全域共享，感知精度和覆盖能力不足，网络效率高、网络质量不足；在低共享度下，通感资20、源完全分立，通信能力、感知能力优异，但网络效率低；在合适共享度下，通感资源通过适当的共用，可使网络效率与质量均达到较高要求。基于上述思想，如何优化通感优先级配置以规避感知与通信资源冲突，如何设计合适共享度的通感空口传输方案与高效的多维资源分配方法，破解效率与能力之间的矛盾，是通感一体化面临的技术挑战。挑战三：通感组网干扰复杂挑战三：通感组网干扰复杂通感融合网络的干扰类型复杂，除传统通信系统干扰外，还包括通信信号与感知信号之间的干扰、基站间上下行交叉链路干扰以及感知与感知信号之间的干扰等。特别地，独立感知网络还存在感知基站自干扰。此外，由于感知基站及用户调度，通感融合网络干扰具有时变性。如何识别21、干扰类型并针对性地有效抑制，如何设计灵活的协作节点的选择及收发调度方案，如何设计全局普适的干扰识别与控制方法，是保证干扰管理效果的重要内容。4.1.24.1.2 相应技术方案相应技术方案9为有效应对通感融合中的硬件资源分立、空口资源竞争和组网干扰复杂等挑战，提出以下技术方案，实现低成本、高效率的通感融合网络。方案一：协作通感内生设计方案一：协作通感内生设计协作波束管理协作波束管理：为实现目标精准估计，需要协作节点间匹配收发波束。波束管理时，需要设计灵活的波束扫描、切换机制，保证感知性能同时降低波束开销。考虑不同区域下感知目标的分布存在差异性，可设计非均匀的预编码码本，在通感重点区域与非重点区域22、配置不同波束扫描粒度。协作多源信息融合协作多源信息融合：多节点协作感知可以在不同位置接收回波信号，获得分集增益，实现高精度泛在通感。随接收节点数目增加，感知定位误差逐渐降低并收敛，可用于指导优化协作节点选择方案。方案二：交替优化资源分配方案二：交替优化资源分配考虑通信与感知空口资源正交性，如图 6 所示，首先对通感网络时域、频域、功率资源分配方式进行优化，在满足总功率约束，测速、测距、测角克拉美罗下界约束条件下，建立优化问题，保障感知性能要求，同时实现通信速率最大化。通过不等式转化，将原非凸优化问题转化为半正定规划凸问题，可通过传统凸优化算法实现求解。图 6 交替优化资源分配方案原理图在上述通23、感资源分配的基础上继续执行感知算法，进一步实现对目标的低复杂度、高精度感知。仿真结果表明，所述通感资源分配及感知方案可以获得通信10速率与感知性能的最优折中，所述交替优化感知算法相比传统算法可获得更高的感知性能。方案三：多维干扰识别与智控方案三：多维干扰识别与智控考虑点、簇、网多维协同设计，通过感知组网设计及多维干扰智控技术，实现全局通感资源高效调度及网络质量提升。感知组网设计感知组网设计：基于现有六边形蜂窝网络架构，设计“环状”感知组网，如图 7 所示。小区内同站址三扇区的帧结构同时设置为下行/上行，周边六个小区的帧结构设置为与该小区相反。该方案可有效避免邻区基站及同站址邻扇区之间的上下行交24、叉链路干扰，感知资源开销约占 10%。图 7 环形组网多维多维干扰智控技术干扰智控技术：通过特征提取及 AI 智能分析，实现干扰特征提取及干扰源定位。通过以下多维干扰智控技术实现干扰抑制：在时域，可将收发节点成对配置帧结构、优化时隙调度、在保护间隔中感知；在频域，可为通信与感知划分不同的子带；在空域，可设计波束管理及自适应波束赋形方案，将收发波束精确对准目标，并压缩旁瓣；在码域，可为相邻基站设计正交序列及正交覆盖码；在功率域，可设计自适应发送功率分配及干扰删除方案。4.24.2 通算智融合通算智融合4.2.14.2.1 通算智融合面临的挑战通算智融合面临的挑战未来，6G 网络与计算、AI 将深25、度融合，旨在构建一个更加智能、高效、安全的下一代移动信息网络，通过构建通信、计算和智能相融合的 6G 网络内生能11力，支持 AI 赋能网络和网络使能 AI 场景，从而助力 6G 网络适配更多应用场景。当前，通算智融合技术面临着三大挑战：挑战一：挑战一：AIAI 赋能网络赋能网络-技术范式变革技术范式变革AI 赋能网络是指通过 AI 提升网络自身的性能、效率和用户体验，包括网络运行和网络运维两大场景。AI 赋能网络的挑战主要体现在：一是如何突破空口传输多模块和链路级神经网络设计，提升网络性能，降低复杂度？二是如何在复杂信道环境下保证空口 AI 和网络 AI 模型的泛化性、实时性和可靠性？挑战二26、：网络使能挑战二：网络使能 AI-AI-服务范式变革服务范式变革网络使能 AI 是指通过网络为 AI 提供多种支撑能力，使得 AI 数据的传输以及 AI 训练/推理更有效率、更实时，或者提升数据安全隐私保护等。主要挑战是考虑端网云差异化、通信计算能力和复杂组网拓扑，如何高效利用网络通算数智资源，满足 AI 服务需求，并降低成本和能耗？挑战三：统一的通算智融合架构挑战三：统一的通算智融合架构网络为了支撑不同层、不同方式的 AI 技术的融入，要考虑设计统一通算智融合架构，满足 AI 赋能网络和网络使能 AI 不同逻辑的需求，实现网络架构升维，使网络具有开放、服务化、灵活可扩展的特性。4.2.24.27、2.2 相应技术方案相应技术方案针对上述挑战，提出以下技术方案。针对上述挑战，提出以下技术方案。方案一：方案一：AIAI 使能高性能物理层和高层功能使能高性能物理层和高层功能在物理层方面，关键技术包括在接收端部署轻量化非线性均衡 AI 模型，补偿链路整体非线性畸变，优化高阶调制提升谱效;基于 AI 的信道估计、预测、压缩反馈等模块设使能的高精度信道获取;在基站和终端算力约束下基于 AI 技术联合优化数据流数、导频开销、信道精度以及算法复杂度；基于通信知识的无线信道数据集构建方法，降低了对昂贵且耗时的现场测量的依赖。在高层方面，在基站侧闭环实现业务级的更细时间粒度的感知和调度，利用AI 实现 R28、AN 感知的视频 SLA 保障。在节能方面，可以利用深度学习构建能耗仿12真模型进行节能参数的智能寻优，同时利用 AI 进行负荷预测，精准预测节能时段和时长。方案二：端边云协作的通算智管控方案二：端边云协作的通算智管控面向需求各异的 AI 任务，通过端边云协作的 AI 服务编排和实时精准的通算智资源控制技术，以较低的成本和能耗，按需高效提供高质量的 AI 服务。根据业务的需求、响应的实时性、算力的可获得性等要求，模型将按需分规模、分层次部署在云、边、端的设备上。比如云端部署万亿级，边端部署千亿级，终端部署百亿级模型，同时在网络内部实现大、中、小模型的协作服务、协同进化。此外，根据数据和计算资源29、分布，利用网络边缘能力实现通用大模型边缘个性化增强，利用分层、分布式学习技术达成模型的高效迭代优化也将进步增强网络面向泛在 AI 的服务能力。图 8 一种基于端边云模型协同的大模型轻量化部署方案方案三：方案三：6G6G 网络与网络与 AIAI 融合逻辑架构设计融合逻辑架构设计为了避免过度设计，架构设计首先要遵循适用原则：满足“二八定律”，核心功能支持 80%业务需求，20%长尾需求；考虑到高效低成本、稳定高可用需求，避免不必要的复杂性，应遵循至简原则：即“简单优于复杂”，如果没有必要，不增加实体；为了满足各类智能应用场景下多样化 AI 服务需求，也要基于柔性原则：即“柔性动态优于一步到位”，支30、持快速上线新服务。下图示例了一种 6G 网络与 AI 融合的无线网络逻辑架构。逻辑架构中，无线系统从“功能独立、资源隔离”向“通算融合”、从“烟囱式设计”向“网络平台化”、从“单一能力”向“服务多样化”的设计转变，满足 6G 与 AI 的融合发展、通感一体、多维能力融合等需求。6G 网络与 AI 融合的无线网络系统架构不仅支持 AI 赋能网络，13提升其智能化水平，同时支持网络使能场景，促进 AI 与网络技术的双向赋能与协同发展。图 9 6G 网络与 AI 融合的无线接入网络系统框架5.5.中枢中枢-通感算智融合的按需服务通感算智融合的按需服务5.15.1 平台化服务网络面临的挑战平台化服务网31、络面临的挑战作为 6G 通感算智融合原生基座技术的中枢，平台化服务网络赋能网络功能柔化，开启网络即服务能力，通过端到端服务化设计为通感算智一体融合提供高效平台，实现服务、功能和资源的按需编排和组合，满足个性化和定制化的按需服务，推动从固定供给向灵活供给的业务范式转变；同时服务化设计便于引入通感算智多维能力，由外挂式能力转变为内生能力，更容易实现能力扩展。当前，实现该技术面临着四大挑战：挑战一：网络功能耦合，拆分难挑战一：网络功能耦合，拆分难核心网的服务化本身就很有挑战性，而无线网络的服务化更是面临着更加复杂的难题，无线网络经过数十年的发展，已成为一个规模庞大、功能繁多，耦合性强的综合性系统，各32、功能模块与各流程间上下文强关联，互相依赖，不合理的功能拆分很可能导致形成分布式单体。另外，拆分后如何合理控制各功能间的交互复杂度，确保系统的高效运作与稳定性，也成为了 RAN（无线接入网）服务化14进程中亟待解决的关键问题。因此有效拆分紧耦合功能是 RAN 服务化需要重点考虑的问题。挑战二：网络性能损失，保障难挑战二：网络性能损失，保障难相比核心网，RAN 对性能要求更为严苛，功能的拆分、接口的开放化以及软硬件的解耦，可能会在一定程度上导致网络性能的损失，尤其是响应时延的损失。在接入网服务化设计中，需要考虑如何通过网络元素的合理连接和配置，实现高性能保障。挑战三：服务要素增加，组合难挑战三：服33、务要素增加，组合难在端到端全服务化网络中，原子服务的高效组合对于保障用户多样化业务体验至关重要。6G 需要考虑通感智算安等多维能力的深度融合及对外能力提供，6G 网络要提供个性化的定制化业务服务，需要实现多要素的按需灵活编排以满足用户对通感算智的个性化需求。高效的编排管理可以将服务有机地整合在一起，在保证用户性能需求的同时，最大化各类网络资源的利用效率，所以，如何支持多要素按需服务是 6G 通感算智深度融合的重要能力。面对复杂的网络能力与多样化业务，如何实现原子服务的高效组合以对外提供综合服务能力，成为了平台化服务网络的核心挑战之一。挑战四：数据传输效率挑战四：数据传输效率提升难提升难随着新的34、应用场景将不断涌现，6G 将提供比 5G 更快的数据传输速率，可能达到太比特每秒（Tbps）级别，高清视频、虚拟现实（VR）、增强现实（AR）以及全息通信等大数据量应用将产生大量新的数据类型和交互模式。同时，随着AI、计算等技术的引入，网元间需要交互大量的 AI 训练数据、推理数据、模型数据等，进一步推动数据交互量的增长，使用单一的 HTTP/2 协议将无法满足 6G网络的数据传输效率需求。需要考虑如何提升网络数据传输效率，满足新的应用场景与通感算智多维能力的性能需求。5.25.2 相应技术方案相应技术方案为应对上述挑战，基于业务模型设计“高内聚”“松耦合”功能服务；突破15传统分层协议模型，35、设计并行化流程及并行化处理机制；提出通感算智服务按需动态编排机制，实现网络功能按需组合；设计 6G 网络双总线架构，提升数据传输效率。方案一：方案一：“高内聚高内聚”“”“松耦合松耦合”的服务拆分机制的服务拆分机制参照按领域驱动设计（DDD）的子域分解和按业务能力分解两种主要的服务分解模式，将 RAN 可以对外提供的业务能力定义为服务。在服务定义过程中同步考虑“自包含”“可重用”“独立性”三个原则，“自包含”保证了 RAN 功能服务之间相互不依赖，“可重用”确保了服务的复用价值，“独立性”可实现服务独立的生命周期管理，使得不同服务可以独立地部署、升级、迁移。图 10 NGAP/XNAP 相关功36、能进行原子服务分解的举例方案二：流程与处理并行化机制方案二：流程与处理并行化机制传统信令串行执行，不必要的转发步骤导致端到端时延长，串行流程也阻碍了新功能的快速引入，同时，传统的协议栈分层架构也限制了网元处理局限于链式串联，由此产生了较长的处理时延。在平台化服务网络中引入并行化机制，由此降低服务化对网络性能，尤其是时延的影响，并行化设计包括流程与处理两个方面:并行化流程并行化流程：RAN 服务化之后，端到端流程可以被进一步拆解、并支持多个子流程的并行执行，如图 11 所示，一方面可以缩短信令流程、避免响应等待导致的端到端时延长问题，另一方面可以缓解服务调用栈太深导致的新功能引入门16槛高、调用37、失败回退流程长等问题。由此降低端到端时延，便于新功能引入。图 11 端到端流程并行化并行化处理并行化处理：处理顺序不仅包括链式串联，还包括并行处理。用户面上，可引入并行化处理，允许多个处理功能并行执行，例如，现有 PDCP 层会先执行完整性保护、再执行加密、添加 PDCP 头的操作，考虑到加密对象主要是 IP 及 IP以上的包头、数据域、MAC-I，但 MAC-I 加密的必要性并不大，可以将加密、完整性保护等服务并行执行，由此可以有效提升数据的处理效率，结合服务级扩缩容，实现计算资源利用率最优化。图 12 多服务并行处理方案三：方案三：通感算智通感算智服务服务按需动态编排按需动态编排网络基于对38、通感、计算、AI 的业务需求，进行网络统一编排调度调整，包括跨层多维能力按需智能编排、网络功能的按需调整等方式，以适配用户对通感算智的需求，实现“网随人变”、“网随业务变”的目标。在 ITU-R 建议的 6 大场景中，不同的应用场景有不同的网络需求，比如自动驾驶等极高可靠低时延类通信场景对抖动、时延、同步精度等有业务需求；数字孪生体域网、智能家居/17城市/农业等超大规模连接通信场景对感知精度、连接密度、时延、无抖动等有业务要求。针对不同的应用场景，网络考虑终端能力，通过对多维能力（频谱、感知、计算、AI、数据等）统一进行按需编排，提供与用户能力匹配的多维能力编排调度方案，实现“精准”按需服务39、，满足不同通信场景下的差异化需求。整体上功能服务的按需编排包括两种可行的方式：基于模版、动态组合。对于第一种方式，类似网络切片，基于业务需求提前确定模版，当业务数据流到达时调用相应的模版即可；第二种方式适用于新兴业务场景，业务数据流到达时按需选择相应服务。当用户所处的环境变化时，网络通过分布式组网技术、算网一体编排、分层分级的数据服务等技术，以提供“个性化/定制化”服务保障。通过通感算智的深度融合使得网络成为“确保所需”的定制化信息服务网络。方案四：方案四：6G6G 网络双总线架构提升数据传输效率网络双总线架构提升数据传输效率针对单一的 HTTP/2 协议将无法满足 6G 网络的数据传输效率需40、求问题，提出6G 网络双总线架构技术方案。如图 13 所示，在 SBI 总线的基础上扩展数据通道总线（DCI），其中 SBI 主要用于网络单元之间信令以及少量数据的交互；DCI主要用于网络中大量数据的搬迁，支持多种数据格式和数据类型的数据传输，为通感、扩展现实（XR）、智能等新兴服务提供数据传输管道，同时支持多种的数据传输协议、传输技术、消息中间件、加速和加密方式等。图 13 6G 网络双总线架构方案6.6.总结与展望总结与展望按需匹配客户需求，并实现通感算智等多能力融合将成为 6G 网络的需要，本白皮书首先从差异化场景按需定制需求与多维能力内生融合需求两方面分析18了 6G 发展的驱动力，提41、出了 6G 通感算智融合的原生基座技术，并对其底座、内核、中枢及其面临的挑战与技术方案进行了详细阐述。通过端到端服务化设计，实现通感算智多能力的高效融合，该原生基座技术具有共享性、灵活性和开放性三大特点，将为 6G 理论突破与试验验证提供重要技术支撑：共享性共享性：该基座技术通过统一的硬件架构，实现从网络连接、感知处理到人工智能渲染等多维度业务的支持，从而实现资源的集约共享，不仅可以提高经济性，也可以实现更为显著的节能降耗效果。通过灵活资源编排组合和弹性扩缩容动态对内提供所需算力，同时对外开放共享，满足多样业务对算力的需求。灵活性灵活性：该基座技术所具备的多维能力，均采用了模块化的设计理念，使42、其能够灵活地部署与定制，以满足大量客户对于差异性服务的需求。这种灵活性不仅使得平台能够迅速响应市场变化，也确保了用户需求的个性化满足，同时保持了较高的成本性价比。开放性：开放性：该基座技术具备开放的 API 接口，未来还将进一步开放数据接口、平台能力等。开放性的设计，有助于促进对外多维能力开放，同时方便引入外部更多能力。从而实现全新的范式变革，为实现联合产业伙伴多元众创提供平台，加速技术创新与网络演进。目前，该原生基座技术及其所承载的能力已初步构建，我们热切期待更多的开发者、学者及研发团队能够加入其中，汇聚各方智慧，共同探索 6G 的全新创新模式，通过产业伙伴的深度合作与多元创新，加速技术突破43、与网络演进。期望通过该原生基座技术的系统实现，打造开放的基础底座、可扩展的服务能力，形成协同众创的合作范式与格局。未来，我们将继续深耕 6G 技术的研究与开发，协同全球合作伙伴，共同推动 6G 技术的进步，共赢开放多元的未来。19缩略语列表缩略语列表缩略语缩略语英文全称英文全称中文解释中文解释AIArtificial Intelligence人工智能ARAugmented Reality增强现实CPUCentral Processing Unit中央处理器DCIData Communication Interface数据通信接口DPUData Processing Unit数据处理器eMBBE44、nhanced Mobile Broadband增强型移动宽带FPGAField Programmable Gate Array现场可编程门阵列GPUGraphics Processing Unit图形处理器HTTPHypertext Transfer Protocol超文本传输协议MACMediaAccess Control媒体访问控制mMTCMassive Machine Type Communication海量机器类通信NWDAFNetwork DataAnalytics Function网络数据分析功能PDCPPacket Data Convergence Protocol分组数据汇聚45、协议RANRadioAccess Network无线接入网SBIService-Based Interface服务化接口SLAService-Level Agreement服务等级协议UPFUser Plane Function用户面功能uRLLCUltra-Reliable Low-Latency Communications低时延高可靠通信VRVirtual Reality虚拟现实XRExtended Reality扩展现实20参考文献参考文献1中国移动,2030+愿景与需求白皮书,2019.2中国联通,6G 通感智算一体化无线网络白皮书,2023.3ITU-RR-REC-M.2160,FrameworkandOverallObjectivesoftheFutureDevelopment of IMT for 2030 and Beyond,2023.4刘光毅,张慧敏,佟舟,等.6G 移动信息网络架构:从通信到一切皆服务的变迁.中国科学:信息科学,2024,54:12361266.5中国移动,网络协作通感一体化技术白皮书,2023.