基于AI内生的无线接入网络架构

谌 丽，艾 明，孙韶辉

(中信科移动通信技术股份有限公司，北京 100083)

0 引言

6G是近期研究热点，如何将人工智能(AI)及相关技术应用到6G无线接入网络是其热点之一。随着数字时代的来临和无线通信产业的飞速发展，无线网络已成为人们生产和生活的基础设施。AI强大的作用和影响力在5G时代已现端倪，3GPP标准组织在5G后期版本引入了一些AI特性[1-3]。而6G无线网络将是原生AI的网络，AI不仅是实现未来日益多样化业务的需求，也是无线网络本身的需求。本文在回顾无线网络架构发展、AI对无线网络架构影响的基础上，探讨基于AI内生的无线接入网络架构。通过引入内嵌在无线接入网中的智能面，在接入网实现对用户业务的AI管理和网络本身的智能管控、灵活部署。在基于AI内生的无线网络架构基本设计基础上，可以形成以用户为中心的flexible cell(灵活小区)架构，实现6G网络的至简部署。

1 无线接入网架构简述

1.1 无线接入网架构发展回顾

无线通信网络包含核心网和接入网两部分。核心网负责无线网络与数据/应用网络(如TCP/IP网络、IMS网络等)的连接，对整个无线网络起到策略控制、业务流管理、QoS管理、移动性管理等功能[4]。无线接入网基于应用层和核心网的需求，满足用户业务特性，其性能指标体现为系统容量、传输速率、空口时延、频谱效率等与空口传输直接相关的参数[5]。无线接入网是无线通信系统的基础，是实现无线传输的基本框架，每一代无线通信系统的演进都包含着无线接入网络架构的演进和跃迁[6]。

3G无线接入网是一种集中管理架构，由RNC管理多个基站NodeB[7]。4G网络是全IP化网络，接入网采用扁平化架构，4G基站eNB直接与核心网连接[8]。 5G基站gNB可以分解为CU和DU，以更好地实现控制云化和资源本地化。CU进一步分解为CU-CP和CU-UP，实现控制面与用户面的分离[9]。在3G、4G、5G的无线网络架构(图1)变迁中，虽然系统容量和传输速率得到了极大的提升，无线接入网络实现的主要功能一直是终端和核心网之间的数据传输通道。

图1 3G/4G/5G无线网络架构

1.2 5G系统引入AI的进展

随着AI/ML的发展，将其引入无线通信网络，提升移动通信系统的智能化水平是必然趋势。3GPP在核心网部分对网络数据分析功能(Network Data Analytics Function，NWDAF)和管理数据服务(Management Data Analytics Service，MDAS)进行了增强[1-2,10-12]。在接入网部分，3GPP R17研究了以RAN为中心的面向NR的数据收集与应用功能，并在2021年底通过了分别由RAN1和RAN3主导的两个Rel-18 AI立项。其中，RAN1立项的主要目标是评估几个典型用例(CSI反馈增强、beam管理、定位精度增强)，以确定可以用于空口的AI/ML框架，研究是否对协议过程有影响[13]。RAN3的立项研究现有NG-RAN接口和架构下，用于网络节能、负荷均衡和移动性优化的数据收集增强[14]。

显然，受限于5G无线网络架构和各网元的基本功能及逻辑关系已经设计完成，AI在5G无线接入网的引入是外围、辅助式的[15]。

1.3 AI内生的内涵

AI内生是在架构层面通过内生设计模式实现AI[15]。6G网络内生AI为网络高水平自治、行业用户智能普惠、用户极致业务体验以及网络内生安全等提供所需的实时和高效的智能化服务和能力,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[15]。基于AI内生的网络在满足传统无线通信系统业务数据传输功能基础上，还要进行算力、数据、AI模型的融合管理。

AI内生将智慧功能内嵌部署在网络的各个网元上，实现AI for network和network for AI两个方面的功能。AI for network是采用AI内生对整个无线网络进行规划、维护和优化，其应用例涵盖大到网络部署、运营，小到无线信道监控、波束调整等无线通信网络的各个方面。Network for AI是无线网络各个网元调动AI内生模块，参与用户业务传输、算力、数据、AI模型控制的各个方面。在这种深度参与过程中，网络不再是个管道，从而能够以最优方式实现用户业务保障等功能[16]。

无线接入网单元之间、接入网与终端之间要做到AI内生，需要采用系统内推演。在采用系统内推演时，需要在系统内构建AI内生业务。外挂式AI采用系统外推演，主要采用参数传递方式，AI内生业务的方式则可以部署更为复杂的模型，并且更有利于模型本身的know-how保护[17]。

2 6G无线网络架构技术进展和趋势

2.1 6G无线网络架构需求

6G无线网络融合了多种场景覆盖需求，包括空天地一体化的立体全覆盖[18]、针对新型工业互联网的特性业务满足和智能化网络覆盖，以及对新型超密集网络的支持等[19]。

2.1.1 空天地一体化网络

空天地一体化网络在任何地点、任何时间、以任何方式为用户提供服务，实现全场景全域下各类用户的接入。由于卫星网络在覆盖范围和移动接入等方面与地面网络具有极强的互补性，构建统一的天地一体化网络是6G网络的重要特征。6G网络将通过高轨卫星网络、中低轨卫星网络、临空网络和地面蜂窝网络等共同组成立体覆盖移动通信网络，实现无盲区宽带移动通信的发展目标[20-21]。

如图2所示，星地融合一体化网络包括天基网络、临近空间和地基网络三个基本子网，通过星间链路、测控链路、馈电链路等实现空天地一体化连接。进一步，通过网络管理系统、运营支撑系统和信关站、测控站，及信令、业务网管的联合作用，可以满足天空用户、空基用户、海基用户和地基用户的全方位覆盖和业务需求。通过对网络架构和关键技术，如高效传输技术、移动性管理技术等的研究，空天地一体化网络将实现包括业务、体制、架构、空口、终端和系统的全方位融合，通过对天基网络和地面网络资源的统一管理和控制，解决由于卫星网络的特点带来的天地一体化组网复杂问题，满足6G网络的智能、极简和按需定制的要求[18]。

图2 星地融合一体化网络

2.1.2 新型工业互联网

在第四次工业革命的浪潮下，ICT技术与工业技术形成合力，逐步实现了技术装备的自动化、生产管理集成化以及生产柔性化，触发了新的生产方式、产业形态、商业模式和经济增长点的产生。未来，工业数字化、信息化、智能化转型升级的趋势愈发明显，人机物通过工业互联网彼此交互、相互协同，形成更为高效智能的工业系统。现阶段，5G技术通过其大带宽、低延时、高可靠等特性初步在工厂进行特定业务的数字化尝试，但未来工业互联网应用场景更加多样化，包括智能制造、工业视觉、高端机器人等，需要网络具备更加精准地控制和实时感知等能力，因此移动网络也需要进一步演进来满足不断增长的工业互联网需求[19]。

2.1.3 新型超密集网络

新型超密集网络主要针对现代社会越来越集中化的数据业务应用需求，满足高吞吐量业务的特性。典型场景包括商城、车站、体育场馆、写字楼、密集住宅、密集街区、大学校园、景区、大型集会、地铁、医院、工厂数字孪生等，上述场景多存在超高密度用户分布，随着移动通信数据业务的进一步丰富，流量需求将会有巨大的增长，密集组网成为提升系统吞吐、应对流量激增的有效举措。

新型超密集网络相比于传统密集网络，具有如下特点：用户流量需求更大、业务更加具有多样性、超密集网络可能出现的区域更加广泛、用户分布从二维向三维发展等。超密集网络可以采用单层密集组网和多层立体异构网络覆盖的组网方式。在超密集组网场景下，需要解决带宽频谱效率、干扰管理、成本控制等一系列问题。由于站点密集部署且设备形态多样化，密集组网后网络空前复杂，这给网络优化、网络运维带来极大的挑战，需要考虑利用AI技术实现网络系统多维度联合优化，以便提升网络整体性能[19,22]。

2.2 在5G基础上的无线接入网络架构技术进展

对于无线接入网络架构演进，业界正在进行一系列有益探索，如O-RAN、基于服务化(Service-Based Architecture，SBA)的网络等。

2.2.1 O-RAN

O-RAN联盟的目标是将无线接入网(RAN)打造成开放、智能、虚拟化和完全互操作的网络。可见，智能化是O-RAN的天然目标[23]。

O-RAN基于3GPP网络架构，实现开放式和智能化管理。 O-RAN逻辑架构如图 3所示，其智能化架构包含两个核心部分：非实时RAN智能控制器(Non-Real-Time RAN Intelligent Controller ,Non-RT RIC)和近实时RAN智能控制器(Near-Real-Time RAN Intelligent Controller,Near-RT RIC)。

图3 O-RAN逻辑架构

Non-RT RIC位于服务管理编排(Service Management and Orchestration,SMO)实体，主要进行针对RAN资源和效率优化的非实时的智能控制。Non-RT RIC可以通过A1接口向Near-RT RIC提供指导性的策略、机器学习模型管理以及Enrichment信息来进行RAN的智能优化，也可以通过O1接口，应用其自身进行的RAN智能优化结果对RAN进行配置[23]。

Near-RT RIC用于近实时控制和优化E2节点功能和资源，可通过E2接口实现细粒度的数据收集和控制指令等。Near-RT RIC对E2节点的控制根据Non-RT RIC通过A1接口提供的策略和辅助信息指导实现。E2接口也可连接O-eNB与Near-RT RIC[23]。

O-RAN引入AI/ML的工作流包括数据收集与准备、模型建立、模型训练、模型部署、模型执行、模型有效性确认、模型自监测及模型自训练/重训练的系列操作。AI/ML工作流与O-RAN网元存在多种映射关系，ML模型训练和ML模型推理的部署位置取决于计算复杂度、待交换数据的可获取性及数据量大小、响应时间需求和ML模型的类型等[24]。O-RAN分析了如监督学习、非监督学习、强化学习和联邦学习等典型ML算法的需求，目前对在O-RAN架构中部署AI/ML框架取得共识的4种模式如下：

① AI/ML持续运营、模型管理、数据预处理、AI/ML训练和推理都部署于Non-RT RIC；

② AI/ML持续运营、数据预处理、AI/ML训练部署于Non-RT RIC内，模型管理部署于Non-RT RIC之外(SMO内或外)，AI/ML模型推理及与推理相关的数据收集和预处理则部署于Near-RT RIC；

③ AI/ML持续运营、AI/ML推理位于Non-RT RIC内，数据预处理、模型训练和模型管理则位于Non-RT RIC外(SMO内或外)；

④ Non-RT RIC负责离线模型训练，Near-RT RIC则执行在线训练和模型推理。

O-RAN完成了Non-RT RIC和Near-RT RIC两部分核心内容，二者共同作用，实现基于AI对网络负载均衡、移动性管理、多连接控制、QoS管理、网络节能等功能进行主动优化和调整。O-RAN基于3GPP网络现有接口，实现了无线网络嵌入式AI，对于3GPP网络具有很好的兼容性。未来6G网络需要的不仅仅是嵌入式AI，更需要重构无线接入网层间关系和功能的内生AI。

2.2.2 SBA

SBA的网络是5G的重要特征，应用于5G核心网控制面。5G核心网将网络功能划分为可重用的若干个“服务”，“服务”之间使用轻量化接口通信，其目标是实现5G系统的高效化、软件化、开放化。SBA将点到点接口架构转换成总线式“微服务”架构，具有自包含、可重用、独立管理三原则，松耦合的微服务、自动化/智能化的服务管理框架，以及轻量高效的服务调用接口三大特征。

随着业务种类和部署应用场景的不断扩展，未来网络架构对包括灵活、柔性、可扩展性、可演进性、可恢复性在内的适应性方面的要求在不断提升,拥有更好适应性的服务化架构得到越来越多的关注。在接入网引入服务化架构，其目标是实现管理、控制、传输各方面功能解耦。对于实现空天地一体化场景、支持垂直行业应用、支持接入网云原生，实现真正的网络开放具有开创性的影响。

接入网引入服务化架构后，接入网、核心网和第三方应用(例如边缘计算)将可以使用并维护统一的SBA框架[25]，这有助于简化系统，增强接入网、核心网、边缘计算的互联互通及它们的融合。

在接入网、核心网和第三方应用采用通用的SBA框架后，该框架应保持足够的稳定性。SBA框架应能支持其自身的缓慢演进以及在此平台上各项服务化功能的快速迭代演进。

SBA-RAN架构应遵循如下设计原则[20]：

① 采用模块化设计以最小化功能间的依赖，特别是接入网和核心网，物理层和用户面之间的依赖。支持多种无线接入网制式通过统一的RAN-CN接口连接到统一的核心网，也支持多种物理层技术通过统一的物理层和用户面接口连接到统一的用户面功能。支持无线接入网对于不同物理层技术的持续集成和交付。

② 采用面向服务的定义和功能划分，应该根据提供什么服务和提供什么类型的服务来定义和划分功能，而不是根据如何支持这些服务来划分功能。

③ 最大程度地重用流程，一种流程可以被视为某个功能，向其他功能提供可重用的服务。

④ 控制功能和执行功能分离，以允许独立的实现、部署、弹性伸缩和定制。

⑤ 解耦框架性功能(平台功能)和在此之上的无线相关的功能，以便无线相关功能可以独立并且更快地演进。

⑥ 支持按需的“无状态”控制功能，这意味着将上下文的使用和存储分开。

⑦ 支持按需的实现和部署(例如多种功能的分离式或一体化实现和部署)，以满足灵活性和效率之间的平衡。

内生AI可以充分利用网络中分布式的算力、数据，引入多节点以及终端与网络间的协同机制，实现网络运维、优化和业务传输保障等多种功能。服务化的思路可以不受制于特定信令过程，支持无线接入网不同功能的独立演进，是支持内生AI的有效方式。

2.3 无线接入网架构面临的挑战和应对方向

新一代无线接入网络架构的演进是为了应对数字化社会发展的种种特性需求。网络架构的发展和成熟与相关技术的发展息息相关，同时又是促进相关需求和场景最终落地的基础条件。

其发展挑战包括以下几方面：

① 对各种新兴技术的平滑演进，灵活适应新的物理层技术的发展，如RIS、通感一体化技术等；

② 针对复杂多样性的网络部署场景，如空天地一体化、新型密集网络、新型工业互联网、移动IAB等，需要在满足多样性的同时，设计尽量简单、通用的无线接入网架构；

③ 与现有网络架构的融合与演进，在实现新一代无线通信需求的同时，尽可能保障前期投资利益；

④ 将AI引入网络架构设计，必将要求网元具备更多的计算能力和存储，在应用新硬件(如DPU)的同时，还应满足碳达峰的要求。

基于5G的经验和教训，6G接入网络体系具有以下几个基本目标：

① 5G网络虽然带来用户体验的极大提升，但其设备成本CAPEX和运营成本OPEX较高。OPEX中的5G基站能耗问题尤其受到业内外关注。6G无线接入网络需要在支持更多样性的业务和终端的前提下，最小化TCO(Total Cost of Operation)，包括最小化CAPEX和OPEX。

② 对6G新技术的充分利用，如通感一体化、RIS、太赫兹支持等，需要在6G接入网设计之初就考虑到，并保证引入新技术时不对接入网架构本身造成很大影响。

③ 6G网络要保障不低于5G网络的用户体验，直观来说，对传统数据业务用户，要保障远高于5G的用户体验速率和系统容量。同时，要实现对新兴业务，如XR、全息通信、人体域网的可商用化支持。XR、全息业务、人体域业务有望成为6G的 “杀手级”应用，具有现实需求，很容易被市场接受。相比于5G，6G只能采用去管道化设计，引入从应用层到最底层的跨层设计，才能满足这些业务极低时延、极高可靠性和超大容量的需求。

去管道化、轻量化、智能化是6G无线接入网络的基本要求和趋势。对各种复杂场景、各种新型业务的支持，对大量涌现的新技术的支持，看似与轻量化的网络架构设计目标是相违背的。AI内生是解决这个问题的内在方案。AI内生解决的基本问题包括：① 网络架构和网络节点的灵活组织；② 基于用户需求的传输方式灵活选择；③ 传输参数，包括协议栈参数、算法参数等的灵活适配等。只有通过AI内生，无线接入网架构才能摆脱作为管道的限制，实现智能化，灵活高效地为用户提供服务的同时保障网络自身的轻量、灵活、稳健。

3 基于AI内生的无线接入网络架构

6G网络AI 内生是在网络内部实现数据采集、数据预处理、模型训练、模型推理、模型评估等 AI 相关工作，将 AI 所需的算力、数据、算法、连接与6G网络功能、协议、流程等进行深度融合设计[26]。6G内生AI要解决内生AI用例生成、内生AI的QoS研究和定义、AI生命周期管理,以及自生成数据和服务等一系列问题[27]，这些问题都需要在整个网络体系，包括核心网和接入网中研究和解决。因此，基于AI内生的无线接入网络中，智能需要作为一种原生特性嵌入其中，并与控制面、用户面深度融合。基于AI内生的无线接入网络架构基本框架如图 4所示，图 4简单给出了无线接入网与核心网之间的链接关系，本文不涉及与核心网相关的讨论。需要说明的是，随着服务化技术研究的进一步发展，预计未来6G网络中各项网络功能均采用服务化的方式提供，无线接入网与核心网之间的界线将变得越来越模糊。

图4 基于AI内生的无线接入网基础框架

在这个基础框架中，智能面作为枢纽贯穿控制面和用户面，将无线接入网络连接成一个原生智能的整体。

智能面包含了在线智能体和离线智能体，根据不同的功能需求和AI算法及模型，启动和运行对应的AI模块、AI过程。智能面具有环境和业务感知、针对无线接入网架构中的控制面功能和用户面功能的智能管理、控制、计算、协调等功能。智能面功能所形成的业务流本文称之为智能流，与智能流相关的业务可统称为“内生业务”。内生业务的起止点、生命周期、业务特性(QoS)需求具有鲜明的特点。内生业务网络内部作为原生业务运行和传输，智能面还负责内生业务的QoS管理、策略控制和生命周期管理等。

控制面无线接入网的控制面功能主要指RRC功能和过程。6G网络中，控制面除了与用户连接、业务承载相关的RRC过程外，还需要承载内生业务相关的过程，如由内生业务触发的承载建立过程、RRC配置过程、资源管理过程等。当算力作为一种资源引入，控制面还要基于智能面的管理，进行算力资源的调度、分配。更细节的，内生业务可以由SRB或DRB承载，详细设计可以在后期研究中根据具体需求考虑。

用户面用户面承担流映射、数据传输、资源调度等功能。内生业务根据其数据量、传输特性等需求，可以映射到物理信道或高层信道(如逻辑信道)上进行传输。

从数据流角度，融合智能面后，无线接入网络中除传统的业务流、信令流外，还引入智能流。智能流传递AI内生相关的业务信息和数据。内生业务在进行数据处理、机器学习模型传递时，具有数据流量大、需要稳定的传输速率和系统容量保障的特点，需要作为独立的智能流，在无线空口、无线接入网络各个网络功能之间，以及与核心网的智能体之间流动。此外，智能流也有各自的传输特性需求，即智能流有各自的内生业务QoS需求。例如，不同的机器学习类型，在时延可靠性方面有不同的要求，推理过程具有很高的时延要求，推理结果和模型的传递具有很高的可靠性要求。

上述基于AI内生的无线接入网框架中，引入智能面，并使其与控制面、用户面共同作用，实现内生智能的支持。其中，网络中承载的数据流除了业务流和信令流，还需要支持智能流。

下面从无线接入网节点间关系角度，进一步阐述内生AI的6G无线接入网是如何实现“以用户为中心的网络”，以及内生AI在其中的关键作用。

在前文提到，去管道化、轻量化是6G网络的必然趋势，为了实现这个目标，6G无线接入网必然是一个以用户为中心的网络。6G无线网络中仍会存在宏站、微站、中继、点到点通信等多种网络节点部署模式，同时还需要支持多种RAT的异构融合。以用户为中心的网络，要求从设计之初，就采用以简单的模型、统一的接入方式，在多样化网络侧节点和多RAT并存的无线网络场景下，实现以用户为中心的网络和服务。

以用户为中心网络的概念在5G预研阶段就曾提及[12]，但受限于网络节点处理能力和功能的限制，并未在5G得到很好实现。随着终端类型、业务类型的发展，设备能力的提高，尤其是AI内生的驱动，以用户为中心的网络以其友好的用户体验特性，必将再次成为关注点。

以用户为中心的网络架构的基本思路是根据用户的业务需求、位置和移动性等，动态选择网络节点组成灵活小区(flexible cell)为之服务，从而避免了小区中心和小区边缘性能差异对用户体验的影响，以及消除了由于切换等移动性过程导致的可能的业务中断。随着AI技术的快速发展，AI内生网络和相关技术可以实现用户业务场景和需求的感知、用户移动性预测、全频谱无线网络资源高效智能调配、智能构建用户为中心的无线网络架构，实现满足用户需求(带宽、移动性等)的flexible cell的网络节点选择等，在这个过程中，还可以智能调配所需要的算力、感知等能力。

如图4所示，在以用户为中心的灵活小区架构中，从用户角度，在其移动或业务变更过程中(图中从上向下移动)，网络基于智能感知、预测用户的移动路线以及业务需求，可以始终“按需”提供以该用户为中心的无线小区(及对应资源)和网络服务，因而用户感受不到因网络部署等情况造成业务体验变化，获得了体验始终一致的服务。这是通过网络始终选择最合适的一个或几个网络接入点为用户提供服务来实现的。即：随着用户的移动，分别从小区-1、小区-2、小区-3得到无线接入服务。

以用户为中心的网络在为终端提供一致性服务的同时，在网络侧，还具有以下特性：

① 通过智能面，感知获取以用户为中心区域的频谱信息，结合临近区域的无线频率实际使用情况，可以实现网络接入点动态频谱共享的控制，提高系统谱效，从而在相同频率资源下实现比5G更高的用户体验速率。

② 通过智能面，可以实现动态干扰管理，从而有效解决一直困扰无线通信网络的频率资源规划和管理问题。

③ 通过智能面，实现基于业务流预测的网络资源使用控制，更高效地实现网络节能，从而在6G网络的设计之初，就可以避免出现5G时代最头痛的能耗问题，用网络内生AI的方式实现“双碳”目标。

④ 通过智能面，可以更智能地按需编排和组织以用户为中心的无线接入网所需要的各种网络功能，实现网络架构的自主演进。

以用户为中心的AI内生无线网络架构适用于任何终端类型、网络接入点类型、部署区域和场景，是基于用户需求构建的按需、至简网络。在提供个性化无线网络接入服务的同时寻求无线系统整体性能最优，是AI内生无线网络面临的巨大挑战。基于AI内生的以用户为中心无线网络架构的性能保障高度依赖于智能面设计，如对各类信息的收集、处理、反馈、调整功能，包括对用户信息和网络节点信息的处理，以及高效组织灵活小区的算法等。其中，AI内生是及时有效地实现所述信息采集、处理、推演、管理和基于该信息构建以用户为中心的灵活小区的关键要素。

4 结束语

AI内生是6G网络的必然需求，而在无线接入网部分，AI内生具有其特有的需求和功能。本文通过对现有无线接入网架构设计的回顾和探讨，以及对AI内生需求的分析，提出一种基于AI内生的无线接入网的基本架构。基于AI内生的无线接入网架构，可以很好地应用到针对至简网络需求构造的以用户为中心的网络中，从而以简单的架构满足6G的多样性需求。

基于AI内生的无线接入网架构尚在初步探讨阶段，后续还有大量工作需要进行。需要在现有3GPP、O-RAN、6GANA等组织发掘出的AI应用案例基础上，进一步研究6G无线网络内生AI面临的挑战和要达到的目标，其中，AI for Network已进行了较多考虑，Network for AI的研究还刚刚开始。对于内生AI的无线网络，ICDOT深度融入是必然趋势，如何实现跨界融合是后续研究的重要问题之一。关于具体无线接入网层面，内生AI对于用户为中心网络的驱动、服务化架构设计，如何应对空天地海全覆盖需求，如何满足通信感知算力的融合等，未来都需要进一步研究和细化具体问题。