為了能夠滿(mǎn)足未來(lái)6G網(wǎng)絡(luò)更加豐富的業(yè)務(wù)應(yīng)用以及極致的性能需求，需要在現(xiàn)有的新型無(wú)線網(wǎng)絡(luò)架構(gòu)基礎(chǔ)上，實(shí)現(xiàn)關(guān)鍵技術(shù)上的重要突破。而隨著人工智能(AI)的深入應(yīng)用，如何實(shí)現(xiàn)AI賦能新型無(wú)線網(wǎng)絡(luò)架構(gòu)，也是一個(gè)研究熱點(diǎn)。

現(xiàn)有的無(wú)線網(wǎng)絡(luò)架構(gòu)不具備支持AI原生的能力，缺少原生AI算法的運(yùn)行環(huán)境和基礎(chǔ)插件。此外，隨著新型垂直行業(yè)應(yīng)用的井噴式涌現(xiàn)，無(wú)線網(wǎng)絡(luò)資源利用率低、業(yè)務(wù)匹配性差，差異化實(shí)時(shí)性業(yè)務(wù)需求引起資源管控復(fù)雜度的急劇提升。未來(lái)，AI技術(shù)將賦能移動(dòng)通信系統(tǒng)，通過(guò)與無(wú)線架構(gòu)、無(wú)線數(shù)據(jù)、無(wú)線算法和無(wú)線應(yīng)用結(jié)合，構(gòu)建新型智能網(wǎng)絡(luò)架構(gòu)體系。AI原生的6G網(wǎng)絡(luò)不僅僅是將AI技術(shù)作為一種優(yōu)化工具，而是實(shí)現(xiàn)AI原生的新型無(wú)線網(wǎng)絡(luò)架構(gòu)和空口技術(shù)。

AI原生的6G網(wǎng)絡(luò)通過(guò)賦能網(wǎng)絡(luò)架構(gòu)，實(shí)現(xiàn)接入網(wǎng)和核心網(wǎng)網(wǎng)元的智能化管理和部署實(shí)現(xiàn)，支持智能的多類(lèi)型資源跨域管理。而AI原生的新空口技術(shù)能夠通過(guò)調(diào)用AI算法支持無(wú)線資源的智能調(diào)度，實(shí)現(xiàn)實(shí)時(shí)的業(yè)務(wù)需求匹配，將AI需求考慮在接口協(xié)議棧的設(shè)計(jì)中。 

1.AI原生的新型無(wú)線網(wǎng)絡(luò)架構(gòu)

AI原生的新型無(wú)線網(wǎng)絡(luò)架構(gòu)，要充分利用網(wǎng)絡(luò)節(jié)點(diǎn)之間的通信、計(jì)算和感知能力，通過(guò)分布式學(xué)習(xí)、群智式協(xié)同以及云邊端一體化算法部署，使得6G網(wǎng)絡(luò)原生支持各類(lèi)人工智能應(yīng)用，能夠構(gòu)建新的網(wǎng)絡(luò)生態(tài)，并實(shí)現(xiàn)以新型網(wǎng)絡(luò)使用者為中心的業(yè)務(wù)體驗(yàn)。利用原生的AI能力，6G可以更好地對(duì)無(wú)處不在的具有智慧感知、通信和計(jì)算能力的網(wǎng)絡(luò)、基站和終端進(jìn)行統(tǒng)籌管理，利用大規(guī)模的智能分布式協(xié)同服務(wù)，使網(wǎng)絡(luò)中的通信和算力效用最大化。

這將會(huì)帶來(lái)三點(diǎn)趨勢(shì)的轉(zhuǎn)變：①AI將會(huì)融入到6G網(wǎng)絡(luò)中，并對(duì)外提供服務(wù)，將創(chuàng)造新的市場(chǎng)價(jià)值，即AI引擎，利用AI引擎的智能化能力，可以對(duì)外提供智能管控等服務(wù);②AI將在端-霧-云間協(xié)同實(shí)現(xiàn)包括通信能力、計(jì)算、存儲(chǔ)等多種類(lèi)型、多種維度資源的智能調(diào)度，并使網(wǎng)絡(luò)總體效能得到提升;③AI能夠?qū)崿F(xiàn)對(duì)6G中廣域的數(shù)據(jù)測(cè)量與監(jiān)控，實(shí)現(xiàn)網(wǎng)絡(luò)的快速自動(dòng)化運(yùn)維、快速檢測(cè)和快速自修復(fù)，即AI原生的網(wǎng)絡(luò)維護(hù)。

2.支持AI引擎的無(wú)線智能管控

長(zhǎng)期以來(lái)，基于數(shù)值迭代優(yōu)化的解決方案在無(wú)線通信、信號(hào)處理任務(wù)之中發(fā)揮了重要作用。在迭代算法中，需要優(yōu)化的問(wèn)題參數(shù)作為迭代算法的輸入，多次迭代后的結(jié)果是迭代算法的輸出結(jié)果。在6G中，需要優(yōu)化的問(wèn)題規(guī)模通常比較大，使用迭代優(yōu)化算法往往會(huì)使計(jì)算復(fù)雜度非常高，無(wú)法滿(mǎn)足資源調(diào)度的實(shí)時(shí)性要求。而深度神經(jīng)網(wǎng)絡(luò)具有黑箱式強(qiáng)大的函數(shù)逼近能力，其能夠在接近迭代優(yōu)化算法性能的同時(shí)不會(huì)造成過(guò)高的計(jì)算復(fù)雜度。 

如何利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)智能化的無(wú)線網(wǎng)絡(luò)資源管理是一個(gè)值得研究的問(wèn)題。首先，需要設(shè)計(jì)出一種針對(duì)某一類(lèi)無(wú)線資源管理問(wèn)題的迭代資源優(yōu)化算法;對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)，設(shè)計(jì)時(shí)可以巧妙利用迭代優(yōu)化算法的特點(diǎn)來(lái)對(duì)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)的參數(shù)進(jìn)行設(shè)置，具體來(lái)說(shuō)，就是可以將迭代優(yōu)化算法的輸入?yún)?shù)作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，而迭代優(yōu)化算法的輸出結(jié)果將作為神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果;對(duì)于單獨(dú)不同的問(wèn)題實(shí)例，可以使用迭代資源優(yōu)化算法計(jì)算得到最優(yōu)的資源管理策略作為參考結(jié)果，從而形成訓(xùn)練樣本集;選擇損失函數(shù)，利用訓(xùn)練樣本集進(jìn)行訓(xùn)練神經(jīng)網(wǎng)絡(luò)可以得到網(wǎng)絡(luò)模型;當(dāng)遇到新的問(wèn)題實(shí)例時(shí)，可以利用神經(jīng)網(wǎng)絡(luò)模型計(jì)算資源管理策略。

利用上述設(shè)計(jì)思路，可以求解幾乎所有無(wú)線資源優(yōu)化問(wèn)題，同時(shí)可以較為有效地提升在進(jìn)行資源分配策略時(shí)的計(jì)算速度并節(jié)省計(jì)算開(kāi)銷(xiāo)。當(dāng)在進(jìn)行神經(jīng)網(wǎng)絡(luò)類(lèi)型選擇時(shí)，除了一般的前饋神經(jīng)網(wǎng)絡(luò)，也可以考慮諸如卷積神經(jīng)網(wǎng)絡(luò)或圖神經(jīng)網(wǎng)絡(luò)等，后者已被證明能夠有效求解整數(shù)規(guī)劃問(wèn)題。而在進(jìn)行神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)時(shí)，一般無(wú)線資源優(yōu)化問(wèn)題的目標(biāo)函數(shù)通常是系統(tǒng)效用，如系統(tǒng)頻效、能效等。因此，對(duì)于面向無(wú)線資源智能管理所使用的神經(jīng)網(wǎng)絡(luò)，除了可以選均方誤差函數(shù)作為神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，也可以直接使用系統(tǒng)效用函數(shù)作為神經(jīng)網(wǎng)絡(luò)的損失函數(shù);還可以利用無(wú)線資源優(yōu)化問(wèn)題的最優(yōu)解結(jié)構(gòu)，將算法的先驗(yàn)信息融入到神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)中，從而達(dá)到簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的輸入輸出設(shè)計(jì)，這樣不僅可以加速神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度，而且同時(shí)能夠極大提高神經(jīng)網(wǎng)絡(luò)逼近迭代算法的能力。

3.AI原生的新型空口

AI賦能的新型協(xié)議棧，即深度融合AI、機(jī)器學(xué)習(xí)技術(shù)，突破了現(xiàn)有空口的模塊化設(shè)計(jì)的框架，實(shí)現(xiàn)無(wú)線環(huán)境、資源、干擾以及業(yè)務(wù)等多維特性的深度挖掘和利用，將會(huì)顯著提高6G無(wú)線網(wǎng)絡(luò)的效率、可靠性、實(shí)時(shí)性和安全性。

新型空口技術(shù)可以通過(guò)端到端的學(xué)習(xí)來(lái)增強(qiáng)數(shù)據(jù)平面和控制信令的連通性、效率和可靠性，允許針對(duì)特定場(chǎng)景在深度感知和預(yù)測(cè)的基礎(chǔ)上進(jìn)行定制，且空口技術(shù)的組成模塊可以靈活地進(jìn)行拼接，以滿(mǎn)足各種應(yīng)用場(chǎng)景的不同要求。借助多智能體等AI方法，可以使通信的參與者之間高效協(xié)同，提高通信傳輸能效。利用數(shù)據(jù)和深度神經(jīng)網(wǎng)絡(luò)的黑盒建模能力可以從無(wú)線數(shù)據(jù)中挖掘并重構(gòu)未知的物理信道，從而設(shè)計(jì)最優(yōu)的傳輸方式，提高頻譜利用率。

AI賦能的通信系統(tǒng)能夠根據(jù)流量和用戶(hù)行為主動(dòng)調(diào)整無(wú)線傳輸格式和通信動(dòng)作，可以?xún)?yōu)化并降低通信收發(fā)兩端的功耗，對(duì)6G網(wǎng)絡(luò)中功率進(jìn)行智能管控。在多用戶(hù)系統(tǒng)中，通過(guò)強(qiáng)化學(xué)習(xí)等AI技術(shù)，基站與用戶(hù)之間可自動(dòng)協(xié)調(diào)并調(diào)度資源。每個(gè)節(jié)點(diǎn)可計(jì)算每次傳輸?shù)姆答?，以調(diào)整其信號(hào)的波束方向，進(jìn)行AI使能的波束賦形等。