基于AI內生的無線接入網絡架構

諶 麗，艾 明，孫韶輝

(中信科移動通信技術股份有限公司，北京 100083)

0 引言

6G是近期研究熱點，如何將人工智能(AI)及相關技術應用到6G無線接入網絡是其熱點之一。隨著數字時代的來臨和無線通信產業的飛速發展，無線網絡已成為人們生產和生活的基礎設施。AI強大的作用和影響力在5G時代已現端倪，3GPP標準組織在5G后期版本引入了一些AI特性[1-3]。而6G無線網絡將是原生AI的網絡，AI不僅是實現未來日益多樣化業務的需求，也是無線網絡本身的需求。本文在回顧無線網絡架構發展、AI對無線網絡架構影響的基礎上，探討基于AI內生的無線接入網絡架構。通過引入內嵌在無線接入網中的智能面，在接入網實現對用戶業務的AI管理和網絡本身的智能管控、靈活部署。在基于AI內生的無線網絡架構基本設計基礎上，可以形成以用戶為中心的flexible cell(靈活小區)架構，實現6G網絡的至簡部署。

1 無線接入網架構簡述

1.1 無線接入網架構發展回顧

無線通信網絡包含核心網和接入網兩部分。核心網負責無線網絡與數據/應用網絡(如TCP/IP網絡、IMS網絡等)的連接，對整個無線網絡起到策略控制、業務流管理、QoS管理、移動性管理等功能[4]。無線接入網基于應用層和核心網的需求，滿足用戶業務特性，其性能指標體現為系統容量、傳輸速率、空口時延、頻譜效率等與空口傳輸直接相關的參數[5]。無線接入網是無線通信系統的基礎，是實現無線傳輸的基本框架，每一代無線通信系統的演進都包含著無線接入網絡架構的演進和躍遷[6]。

3G無線接入網是一種集中管理架構，由RNC管理多個基站NodeB[7]。4G網絡是全IP化網絡，接入網采用扁平化架構，4G基站eNB直接與核心網連接[8]。 5G基站gNB可以分解為CU和DU，以更好地實現控制云化和資源本地化。CU進一步分解為CU-CP和CU-UP，實現控制面與用戶面的分離[9]。在3G、4G、5G的無線網絡架構(圖1)變遷中，雖然系統容量和傳輸速率得到了極大的提升，無線接入網絡實現的主要功能一直是終端和核心網之間的數據傳輸通道。

圖1 3G/4G/5G無線網絡架構

1.2 5G系統引入AI的進展

隨著AI/ML的發展，將其引入無線通信網絡，提升移動通信系統的智能化水平是必然趨勢。3GPP在核心網部分對網絡數據分析功能(Network Data Analytics Function，NWDAF)和管理數據服務(Management Data Analytics Service，MDAS)進行了增強[1-2,10-12]。在接入網部分，3GPP R17研究了以RAN為中心的面向NR的數據收集與應用功能，并在2021年底通過了分別由RAN1和RAN3主導的兩個Rel-18 AI立項。其中，RAN1立項的主要目標是評估幾個典型用例(CSI反饋增強、beam管理、定位精度增強)，以確定可以用于空口的AI/ML框架，研究是否對協議過程有影響[13]。RAN3的立項研究現有NG-RAN接口和架構下，用于網絡節能、負荷均衡和移動性優化的數據收集增強[14]。

顯然，受限于5G無線網絡架構和各網元的基本功能及邏輯關系已經設計完成，AI在5G無線接入網的引入是外圍、輔助式的[15]。

1.3 AI內生的內涵

AI內生是在架構層面通過內生設計模式實現AI[15]。6G網絡內生AI為網絡高水平自治、行業用戶智能普惠、用戶極致業務體驗以及網絡內生安全等提供所需的實時和高效的智能化服務和能力,是在6G網絡架構內部提供數據采集、數據預處理、模型訓練、模型推理、模型評估等AI工作流全生命周期的完整運行環境，將AI服務所需的算力、數據、算法、連接與網絡功能、協議和流程進行深度融合設計[15]。基于AI內生的網絡在滿足傳統無線通信系統業務數據傳輸功能基礎上，還要進行算力、數據、AI模型的融合管理。

AI內生將智慧功能內嵌部署在網絡的各個網元上，實現AI for network和network for AI兩個方面的功能。AI for network是采用AI內生對整個無線網絡進行規劃、維護和優化，其應用例涵蓋大到網絡部署、運營，小到無線信道監控、波束調整等無線通信網絡的各個方面。Network for AI是無線網絡各個網元調動AI內生模塊，參與用戶業務傳輸、算力、數據、AI模型控制的各個方面。在這種深度參與過程中，網絡不再是個管道，從而能夠以最優方式實現用戶業務保障等功能[16]。

無線接入網單元之間、接入網與終端之間要做到AI內生，需要采用系統內推演。在采用系統內推演時，需要在系統內構建AI內生業務。外掛式AI采用系統外推演，主要采用參數傳遞方式，AI內生業務的方式則可以部署更為復雜的模型，并且更有利于模型本身的know-how保護[17]。

2 6G無線網絡架構技術進展和趨勢

2.1 6G無線網絡架構需求

6G無線網絡融合了多種場景覆蓋需求，包括空天地一體化的立體全覆蓋[18]、針對新型工業互聯網的特性業務滿足和智能化網絡覆蓋，以及對新型超密集網絡的支持等[19]。

2.1.1 空天地一體化網絡

空天地一體化網絡在任何地點、任何時間、以任何方式為用戶提供服務，實現全場景全域下各類用戶的接入。由于衛星網絡在覆蓋范圍和移動接入等方面與地面網絡具有極強的互補性，構建統一的天地一體化網絡是6G網絡的重要特征。6G網絡將通過高軌衛星網絡、中低軌衛星網絡、臨空網絡和地面蜂窩網絡等共同組成立體覆蓋移動通信網絡，實現無盲區寬帶移動通信的發展目標[20-21]。

如圖2所示，星地融合一體化網絡包括天基網絡、臨近空間和地基網絡三個基本子網，通過星間鏈路、測控鏈路、饋電鏈路等實現空天地一體化連接。進一步，通過網絡管理系統、運營支撐系統和信關站、測控站，及信令、業務網管的聯合作用，可以滿足天空用戶、空基用戶、海基用戶和地基用戶的全方位覆蓋和業務需求。通過對網絡架構和關鍵技術，如高效傳輸技術、移動性管理技術等的研究，空天地一體化網絡將實現包括業務、體制、架構、空口、終端和系統的全方位融合，通過對天基網絡和地面網絡資源的統一管理和控制，解決由于衛星網絡的特點帶來的天地一體化組網復雜問題，滿足6G網絡的智能、極簡和按需定制的要求[18]。

圖2 星地融合一體化網絡

2.1.2 新型工業互聯網

在第四次工業革命的浪潮下，ICT技術與工業技術形成合力，逐步實現了技術裝備的自動化、生產管理集成化以及生產柔性化，觸發了新的生產方式、產業形態、商業模式和經濟增長點的產生。未來，工業數字化、信息化、智能化轉型升級的趨勢愈發明顯，人機物通過工業互聯網彼此交互、相互協同，形成更為高效智能的工業系統。現階段，5G技術通過其大帶寬、低延時、高可靠等特性初步在工廠進行特定業務的數字化嘗試，但未來工業互聯網應用場景更加多樣化，包括智能制造、工業視覺、高端機器人等，需要網絡具備更加精準地控制和實時感知等能力，因此移動網絡也需要進一步演進來滿足不斷增長的工業互聯網需求[19]。

2.1.3 新型超密集網絡

新型超密集網絡主要針對現代社會越來越集中化的數據業務應用需求，滿足高吞吐量業務的特性。典型場景包括商城、車站、體育場館、寫字樓、密集住宅、密集街區、大學校園、景區、大型集會、地鐵、醫院、工廠數字孿生等，上述場景多存在超高密度用戶分布，隨著移動通信數據業務的進一步豐富，流量需求將會有巨大的增長，密集組網成為提升系統吞吐、應對流量激增的有效舉措。

新型超密集網絡相比于傳統密集網絡，具有如下特點：用戶流量需求更大、業務更加具有多樣性、超密集網絡可能出現的區域更加廣泛、用戶分布從二維向三維發展等。超密集網絡可以采用單層密集組網和多層立體異構網絡覆蓋的組網方式。在超密集組網場景下，需要解決帶寬頻譜效率、干擾管理、成本控制等一系列問題。由于站點密集部署且設備形態多樣化，密集組網后網絡空前復雜，這給網絡優化、網絡運維帶來極大的挑戰，需要考慮利用AI技術實現網絡系統多維度聯合優化，以便提升網絡整體性能[19,22]。

2.2 在5G基礎上的無線接入網絡架構技術進展

對于無線接入網絡架構演進，業界正在進行一系列有益探索，如O-RAN、基于服務化(Service-Based Architecture，SBA)的網絡等。

2.2.1 O-RAN

O-RAN聯盟的目標是將無線接入網(RAN)打造成開放、智能、虛擬化和完全互操作的網絡。可見，智能化是O-RAN的天然目標[23]。

O-RAN基于3GPP網絡架構，實現開放式和智能化管理。 O-RAN邏輯架構如圖 3所示，其智能化架構包含兩個核心部分：非實時RAN智能控制器(Non-Real-Time RAN Intelligent Controller ,Non-RT RIC)和近實時RAN智能控制器(Near-Real-Time RAN Intelligent Controller,Near-RT RIC)。

圖3 O-RAN邏輯架構

Non-RT RIC位于服務管理編排(Service Management and Orchestration,SMO)實體，主要進行針對RAN資源和效率優化的非實時的智能控制。Non-RT RIC可以通過A1接口向Near-RT RIC提供指導性的策略、機器學習模型管理以及Enrichment信息來進行RAN的智能優化，也可以通過O1接口，應用其自身進行的RAN智能優化結果對RAN進行配置[23]。

Near-RT RIC用于近實時控制和優化E2節點功能和資源，可通過E2接口實現細粒度的數據收集和控制指令等。Near-RT RIC對E2節點的控制根據Non-RT RIC通過A1接口提供的策略和輔助信息指導實現。E2接口也可連接O-eNB與Near-RT RIC[23]。

O-RAN引入AI/ML的工作流包括數據收集與準備、模型建立、模型訓練、模型部署、模型執行、模型有效性確認、模型自監測及模型自訓練/重訓練的系列操作。AI/ML工作流與O-RAN網元存在多種映射關系，ML模型訓練和ML模型推理的部署位置取決于計算復雜度、待交換數據的可獲取性及數據量大小、響應時間需求和ML模型的類型等[24]。O-RAN分析了如監督學習、非監督學習、強化學習和聯邦學習等典型ML算法的需求，目前對在O-RAN架構中部署AI/ML框架取得共識的4種模式如下：

① AI/ML持續運營、模型管理、數據預處理、AI/ML訓練和推理都部署于Non-RT RIC；

② AI/ML持續運營、數據預處理、AI/ML訓練部署于Non-RT RIC內，模型管理部署于Non-RT RIC之外(SMO內或外)，AI/ML模型推理及與推理相關的數據收集和預處理則部署于Near-RT RIC；

③ AI/ML持續運營、AI/ML推理位于Non-RT RIC內，數據預處理、模型訓練和模型管理則位于Non-RT RIC外(SMO內或外)；

④ Non-RT RIC負責離線模型訓練，Near-RT RIC則執行在線訓練和模型推理。

O-RAN完成了Non-RT RIC和Near-RT RIC兩部分核心內容，二者共同作用，實現基于AI對網絡負載均衡、移動性管理、多連接控制、QoS管理、網絡節能等功能進行主動優化和調整。O-RAN基于3GPP網絡現有接口，實現了無線網絡嵌入式AI，對于3GPP網絡具有很好的兼容性。未來6G網絡需要的不僅僅是嵌入式AI，更需要重構無線接入網層間關系和功能的內生AI。

2.2.2 SBA

SBA的網絡是5G的重要特征，應用于5G核心網控制面。5G核心網將網絡功能劃分為可重用的若干個“服務”，“服務”之間使用輕量化接口通信，其目標是實現5G系統的高效化、軟件化、開放化。SBA將點到點接口架構轉換成總線式“微服務”架構，具有自包含、可重用、獨立管理三原則，松耦合的微服務、自動化/智能化的服務管理框架，以及輕量高效的服務調用接口三大特征。

隨著業務種類和部署應用場景的不斷擴展，未來網絡架構對包括靈活、柔性、可擴展性、可演進性、可恢復性在內的適應性方面的要求在不斷提升,擁有更好適應性的服務化架構得到越來越多的關注。在接入網引入服務化架構，其目標是實現管理、控制、傳輸各方面功能解耦。對于實現空天地一體化場景、支持垂直行業應用、支持接入網云原生，實現真正的網絡開放具有開創性的影響。

接入網引入服務化架構后，接入網、核心網和第三方應用(例如邊緣計算)將可以使用并維護統一的SBA框架[25]，這有助于簡化系統，增強接入網、核心網、邊緣計算的互聯互通及它們的融合。

在接入網、核心網和第三方應用采用通用的SBA框架后，該框架應保持足夠的穩定性。SBA框架應能支持其自身的緩慢演進以及在此平臺上各項服務化功能的快速迭代演進。

SBA-RAN架構應遵循如下設計原則[20]：

① 采用模塊化設計以最小化功能間的依賴，特別是接入網和核心網，物理層和用戶面之間的依賴。支持多種無線接入網制式通過統一的RAN-CN接口連接到統一的核心網，也支持多種物理層技術通過統一的物理層和用戶面接口連接到統一的用戶面功能。支持無線接入網對于不同物理層技術的持續集成和交付。

② 采用面向服務的定義和功能劃分，應該根據提供什么服務和提供什么類型的服務來定義和劃分功能，而不是根據如何支持這些服務來劃分功能。

③ 最大程度地重用流程，一種流程可以被視為某個功能，向其他功能提供可重用的服務。

④ 控制功能和執行功能分離，以允許獨立的實現、部署、彈性伸縮和定制。

⑤ 解耦框架性功能(平臺功能)和在此之上的無線相關的功能，以便無線相關功能可以獨立并且更快地演進。

⑥ 支持按需的“無狀態”控制功能，這意味著將上下文的使用和存儲分開。

⑦ 支持按需的實現和部署(例如多種功能的分離式或一體化實現和部署)，以滿足靈活性和效率之間的平衡。

內生AI可以充分利用網絡中分布式的算力、數據，引入多節點以及終端與網絡間的協同機制，實現網絡運維、優化和業務傳輸保障等多種功能。服務化的思路可以不受制于特定信令過程，支持無線接入網不同功能的獨立演進，是支持內生AI的有效方式。

2.3 無線接入網架構面臨的挑戰和應對方向

新一代無線接入網絡架構的演進是為了應對數字化社會發展的種種特性需求。網絡架構的發展和成熟與相關技術的發展息息相關，同時又是促進相關需求和場景最終落地的基礎條件。

其發展挑戰包括以下幾方面：

① 對各種新興技術的平滑演進，靈活適應新的物理層技術的發展，如RIS、通感一體化技術等；

② 針對復雜多樣性的網絡部署場景，如空天地一體化、新型密集網絡、新型工業互聯網、移動IAB等，需要在滿足多樣性的同時，設計盡量簡單、通用的無線接入網架構；

③ 與現有網絡架構的融合與演進，在實現新一代無線通信需求的同時，盡可能保障前期投資利益；

④ 將AI引入網絡架構設計，必將要求網元具備更多的計算能力和存儲，在應用新硬件(如DPU)的同時，還應滿足碳達峰的要求。

基于5G的經驗和教訓，6G接入網絡體系具有以下幾個基本目標：

① 5G網絡雖然帶來用戶體驗的極大提升，但其設備成本CAPEX和運營成本OPEX較高。OPEX中的5G基站能耗問題尤其受到業內外關注。6G無線接入網絡需要在支持更多樣性的業務和終端的前提下，最小化TCO(Total Cost of Operation)，包括最小化CAPEX和OPEX。

② 對6G新技術的充分利用，如通感一體化、RIS、太赫茲支持等，需要在6G接入網設計之初就考慮到，并保證引入新技術時不對接入網架構本身造成很大影響。

③ 6G網絡要保障不低于5G網絡的用戶體驗，直觀來說，對傳統數據業務用戶，要保障遠高于5G的用戶體驗速率和系統容量。同時，要實現對新興業務，如XR、全息通信、人體域網的可商用化支持。XR、全息業務、人體域業務有望成為6G的 “殺手級”應用，具有現實需求，很容易被市場接受。相比于5G，6G只能采用去管道化設計，引入從應用層到最底層的跨層設計，才能滿足這些業務極低時延、極高可靠性和超大容量的需求。

去管道化、輕量化、智能化是6G無線接入網絡的基本要求和趨勢。對各種復雜場景、各種新型業務的支持，對大量涌現的新技術的支持，看似與輕量化的網絡架構設計目標是相違背的。AI內生是解決這個問題的內在方案。AI內生解決的基本問題包括：① 網絡架構和網絡節點的靈活組織；② 基于用戶需求的傳輸方式靈活選擇；③ 傳輸參數，包括協議棧參數、算法參數等的靈活適配等。只有通過AI內生，無線接入網架構才能擺脫作為管道的限制，實現智能化，靈活高效地為用戶提供服務的同時保障網絡自身的輕量、靈活、穩健。

3 基于AI內生的無線接入網絡架構

6G網絡AI 內生是在網絡內部實現數據采集、數據預處理、模型訓練、模型推理、模型評估等 AI 相關工作，將 AI 所需的算力、數據、算法、連接與6G網絡功能、協議、流程等進行深度融合設計[26]。6G內生AI要解決內生AI用例生成、內生AI的QoS研究和定義、AI生命周期管理,以及自生成數據和服務等一系列問題[27]，這些問題都需要在整個網絡體系，包括核心網和接入網中研究和解決。因此，基于AI內生的無線接入網絡中，智能需要作為一種原生特性嵌入其中，并與控制面、用戶面深度融合。基于AI內生的無線接入網絡架構基本框架如圖 4所示，圖 4簡單給出了無線接入網與核心網之間的鏈接關系，本文不涉及與核心網相關的討論。需要說明的是，隨著服務化技術研究的進一步發展，預計未來6G網絡中各項網絡功能均采用服務化的方式提供，無線接入網與核心網之間的界線將變得越來越模糊。

圖4 基于AI內生的無線接入網基礎框架

在這個基礎框架中，智能面作為樞紐貫穿控制面和用戶面，將無線接入網絡連接成一個原生智能的整體。

智能面包含了在線智能體和離線智能體，根據不同的功能需求和AI算法及模型，啟動和運行對應的AI模塊、AI過程。智能面具有環境和業務感知、針對無線接入網架構中的控制面功能和用戶面功能的智能管理、控制、計算、協調等功能。智能面功能所形成的業務流本文稱之為智能流，與智能流相關的業務可統稱為“內生業務”。內生業務的起止點、生命周期、業務特性(QoS)需求具有鮮明的特點。內生業務網絡內部作為原生業務運行和傳輸，智能面還負責內生業務的QoS管理、策略控制和生命周期管理等。

控制面無線接入網的控制面功能主要指RRC功能和過程。6G網絡中，控制面除了與用戶連接、業務承載相關的RRC過程外，還需要承載內生業務相關的過程，如由內生業務觸發的承載建立過程、RRC配置過程、資源管理過程等。當算力作為一種資源引入，控制面還要基于智能面的管理，進行算力資源的調度、分配。更細節的，內生業務可以由SRB或DRB承載，詳細設計可以在后期研究中根據具體需求考慮。

用戶面用戶面承擔流映射、數據傳輸、資源調度等功能。內生業務根據其數據量、傳輸特性等需求，可以映射到物理信道或高層信道(如邏輯信道)上進行傳輸。

從數據流角度，融合智能面后，無線接入網絡中除傳統的業務流、信令流外，還引入智能流。智能流傳遞AI內生相關的業務信息和數據。內生業務在進行數據處理、機器學習模型傳遞時，具有數據流量大、需要穩定的傳輸速率和系統容量保障的特點，需要作為獨立的智能流，在無線空口、無線接入網絡各個網絡功能之間，以及與核心網的智能體之間流動。此外，智能流也有各自的傳輸特性需求，即智能流有各自的內生業務QoS需求。例如，不同的機器學習類型，在時延可靠性方面有不同的要求，推理過程具有很高的時延要求，推理結果和模型的傳遞具有很高的可靠性要求。

上述基于AI內生的無線接入網框架中，引入智能面，并使其與控制面、用戶面共同作用，實現內生智能的支持。其中，網絡中承載的數據流除了業務流和信令流，還需要支持智能流。

下面從無線接入網節點間關系角度，進一步闡述內生AI的6G無線接入網是如何實現“以用戶為中心的網絡”，以及內生AI在其中的關鍵作用。

在前文提到，去管道化、輕量化是6G網絡的必然趨勢，為了實現這個目標，6G無線接入網必然是一個以用戶為中心的網絡。6G無線網絡中仍會存在宏站、微站、中繼、點到點通信等多種網絡節點部署模式，同時還需要支持多種RAT的異構融合。以用戶為中心的網絡，要求從設計之初，就采用以簡單的模型、統一的接入方式，在多樣化網絡側節點和多RAT并存的無線網絡場景下，實現以用戶為中心的網絡和服務。

以用戶為中心網絡的概念在5G預研階段就曾提及[12]，但受限于網絡節點處理能力和功能的限制，并未在5G得到很好實現。隨著終端類型、業務類型的發展，設備能力的提高，尤其是AI內生的驅動，以用戶為中心的網絡以其友好的用戶體驗特性，必將再次成為關注點。

以用戶為中心的網絡架構的基本思路是根據用戶的業務需求、位置和移動性等，動態選擇網絡節點組成靈活小區(flexible cell)為之服務，從而避免了小區中心和小區邊緣性能差異對用戶體驗的影響，以及消除了由于切換等移動性過程導致的可能的業務中斷。隨著AI技術的快速發展，AI內生網絡和相關技術可以實現用戶業務場景和需求的感知、用戶移動性預測、全頻譜無線網絡資源高效智能調配、智能構建用戶為中心的無線網絡架構，實現滿足用戶需求(帶寬、移動性等)的flexible cell的網絡節點選擇等，在這個過程中，還可以智能調配所需要的算力、感知等能力。

如圖4所示，在以用戶為中心的靈活小區架構中，從用戶角度，在其移動或業務變更過程中(圖中從上向下移動)，網絡基于智能感知、預測用戶的移動路線以及業務需求，可以始終“按需”提供以該用戶為中心的無線小區(及對應資源)和網絡服務，因而用戶感受不到因網絡部署等情況造成業務體驗變化，獲得了體驗始終一致的服務。這是通過網絡始終選擇最合適的一個或幾個網絡接入點為用戶提供服務來實現的。即：隨著用戶的移動，分別從小區-1、小區-2、小區-3得到無線接入服務。

以用戶為中心的網絡在為終端提供一致性服務的同時，在網絡側，還具有以下特性：

① 通過智能面，感知獲取以用戶為中心區域的頻譜信息，結合臨近區域的無線頻率實際使用情況，可以實現網絡接入點動態頻譜共享的控制，提高系統譜效，從而在相同頻率資源下實現比5G更高的用戶體驗速率。

② 通過智能面，可以實現動態干擾管理，從而有效解決一直困擾無線通信網絡的頻率資源規劃和管理問題。

③ 通過智能面，實現基于業務流預測的網絡資源使用控制，更高效地實現網絡節能，從而在6G網絡的設計之初，就可以避免出現5G時代最頭痛的能耗問題，用網絡內生AI的方式實現“雙碳”目標。

④ 通過智能面，可以更智能地按需編排和組織以用戶為中心的無線接入網所需要的各種網絡功能，實現網絡架構的自主演進。

以用戶為中心的AI內生無線網絡架構適用于任何終端類型、網絡接入點類型、部署區域和場景，是基于用戶需求構建的按需、至簡網絡。在提供個性化無線網絡接入服務的同時尋求無線系統整體性能最優，是AI內生無線網絡面臨的巨大挑戰。基于AI內生的以用戶為中心無線網絡架構的性能保障高度依賴于智能面設計，如對各類信息的收集、處理、反饋、調整功能，包括對用戶信息和網絡節點信息的處理，以及高效組織靈活小區的算法等。其中，AI內生是及時有效地實現所述信息采集、處理、推演、管理和基于該信息構建以用戶為中心的靈活小區的關鍵要素。

4 結束語

AI內生是6G網絡的必然需求，而在無線接入網部分，AI內生具有其特有的需求和功能。本文通過對現有無線接入網架構設計的回顧和探討，以及對AI內生需求的分析，提出一種基于AI內生的無線接入網的基本架構。基于AI內生的無線接入網架構，可以很好地應用到針對至簡網絡需求構造的以用戶為中心的網絡中，從而以簡單的架構滿足6G的多樣性需求。

基于AI內生的無線接入網架構尚在初步探討階段，后續還有大量工作需要進行。需要在現有3GPP、O-RAN、6GANA等組織發掘出的AI應用案例基礎上，進一步研究6G無線網絡內生AI面臨的挑戰和要達到的目標，其中，AI for Network已進行了較多考慮，Network for AI的研究還剛剛開始。對于內生AI的無線網絡，ICDOT深度融入是必然趨勢，如何實現跨界融合是后續研究的重要問題之一。關于具體無線接入網層面，內生AI對于用戶為中心網絡的驅動、服務化架構設計，如何應對空天地海全覆蓋需求，如何滿足通信感知算力的融合等，未來都需要進一步研究和細化具體問題。