中国移动研究院+基于数字孪生和内生AI的网络自治（演讲PPT）

2网络自治发展路径L0人工运营维护L1辅助运营维护L2部分自动驾驶网络L3有条件自动驾驶网络L4高级自动驾驶网络L5完全自动驾驶网络线下人工实现人工实现线上记录自动实现，程序固化专家规则，可自动调度流转自动实现，规则与功能解耦，可按需灵活配置自动实现，规则结合AI，可持续学习、快速迭代自动实现，规则顺应变化自动迭代，实现网随业动2025p 目前网络自治水平处于L2-L3等级p 发展目标：2025年网络运维自治水平达到L4等级35G网络自动驾驶实践的启示架构：集中式智能多形态智能•网管集中式数据采集和模型训练网管/网元设备间数据和模型协同机制•重塑网络数据和AI计算资源的分布架构，云边端多形态智能，提高模型训练和响应效率效果：高度自治网络•降本增效的运营智能端到端高度服务智能•响应速度：1小时/15分钟秒/毫秒/微秒级•优化提升维度：网元用户、信道•QoS级服务智能保障场景：多样性发展需求•以ToC业务为主的智能化应用相对成熟•ToB场景业务智能化水平仍需提升，包括场景、数据、算法、效果，进一步增强网络切片差异化服务能力环境：强大的模拟复现能力•网络资源/参数的智能调度决策依赖精准的环境反馈•缺乏可供智能体训练的试错环境，可依托海量历史数据建模，还原网络不同性能表现5G共生6G内生?4数字孪生和内生AI实现6G网络高水平自治智能应用网络数字孪生数据采集内生AI自优化自演进自服务“0”接触运维物理网络自治愈6G网络以实现L5等级的自动驾驶网络为目标，面向消费者和垂直行业客户提供全自动、零等待、零接 触、零故障的创新网络服务与ICT业务，打造自服务、自治愈、自优化、自演进的通信网络5数字孪生和内生AI实现6G网络高水平自治数字孪生网络生成数据样本，为AI工作流和模型提供预验证和优化环境；内生AI为数字孪生网络提供AI能力支撑，优化孪生网络性能相比5G，6G新增内生的智能面和虚实交互的数字孪生网络，并通过智能面与数字孪生网络的交互与融合，实现6G网络全生命周期（规、建、维、优）的高水平自治内生智能面数字孪生网络66G内生AI网络逻辑功能架构设计6G内生智能面的逻辑功能主要由AI管理编排（AIMO）、任务锚点（TA）、任务控制（TC）和任务执行（TE）组成序号技术特征1以任务为中心•从 以会话为中心 到 以任务为中心•包括AI任务的拆解、管理、资源配置、调度2三层闭环QoAIS保障•QoAIS指标体系：突破传统通信QoS指标维度•三层模型：服务QoS、任务QoS、资源QoS•管控协同的QoAIS保障3多维资源调度•连接、计算、数据和模型•连接与计算融合的控制内生AI架构将AI三要素与网络连接一样下沉为网络内部的基本资源，使网络通过多维资源的协同，直接、便捷地为用户提供有QoS保障的AI服务，完成网络自治场景所需的AI用例7内生AI网络逻辑功能部署选项——以ORAN为例SMO AIMONon-RT RICTANear-RT RICO-CUO-DUO-RUCloudSMOGlobal AIMONon-RT RICNear-RT RICO-CUO-DUO-RULocal AIMOOption 1Option 3SMOAIMONon-RT RICTANear-RT RICO-CUO-DUO-RUOption 2O-DUO-RUOption 4CloudTCSMO AIMONon-RT RIC TANear-RT RIC TCO-CUTETETCTETETETETATCTETCTETETETETE TAOption 1•管理面部署方案•实时性要求较低，资源和精准度要求较高场景•任务执行在网管，可能涉及NRT-RIC协作Option 2•管理面部署方案•实时性要求较低、所需资源仅存在于网元•任务执行在网元Option 3•管控两级用例方案•自治区域规模较大，AI用例拆解为本地和全局•本地实时性要求较高，任务执行在网元•本地执行结果上报给网管Option 4•管控两级执行方案•实时性要求较低，所需部分资源仅存在于网元•资源调度上多级协同8AI训练服务示例nAI推理服务用例具体流程：1.用户发起AI推理请求；2.导入AI用例到网管设备；3. 解析AI服务对应的QoAIS，由网管设备下发至基站；4.将QoAIS分解为资源QoS需求，明确所需四要素资源的需求，包括连接、计算、数据和算法/模型；5.基站实时决定并调整计算的分配、优化通信连接质量、决定并采集处理所需数据，以及决定并更换或优化算法模型，以保证任务QoS的达成，从而保证QoAIS的达成；6.基站将结果反馈给用户。n功能模块：1. 网管：解析QoAIS和资源QoS，根据用户业务请求分解出四要素资源使用量。2. 基站：四要素资源的配置，根据资源QoS针对一个请求配置资源，并执行AI推理。2.业务请求1. 发起AI推理请求基站DU网管设备终端4. 资源QoS3. 解析QoAIS和资源QoS基站（CU+O-cloud+NT RIC）6. 四要素资源的配置5.请求UE能力/反馈8.建立连接7.资源分配建议9.视频数据10.推理结果SMO推理服务请求数据采集QoAIS241空口变化396G数字孪生网络逻辑功能架构设计数字孪生网络端到端架构数字孪生网络基本概念间的关系•生成和解析网络自治需求•构建、编排和调整数字孪生体和数字规划体模型•生成和更新网络的数字孪生体•生成和实施网络的数字规划体数字孪生网络基本功能•集中与分布相结合•按需建模、高效交互的数字孪生体•低成本预验证试错环境•内闭环数字域寻优，外闭环校正关键技术特征10数字孪生网络逻辑功能部署选项——以ORAN为例SMO预验证功能优化孪生体生成NTRIC预验证模块决策模块A1CURUE2决策执行数据采集配置数据需求分析DUF1数据采集网络治理需求分析O1③ 基于查表/知识图谱实现按需数据采集④ 预验证功能实现⑤ 预验证场景搭建⑥ 预验证功能优化核心功能孪生体/规划体生成 对于实时性要求高的用例，“规划体生成”位于NT RIC或CU；实时性要求低的用例，“规划体生成”位于SMO；规划体生成涉及决策算法的迭代优化“孪生体生成”模块的位置依据用例的实时性需求确定n无线数字孪生体建模n预验证功能⑥ ④⑤③PolicyNon-RT RICService provisioningData analyticsCertification serverOptimization……QoS management孪生体生成RRCSDAPPDCPMACRLC3rd party appsTrained model人工决策模块规划体生成数据需求分析孪生体生成11大规模天线权值优化用例示例4.位置/业务信息5G小站DUNT RIC终端8. 波束配置5. 生成波束决策5G小站CUnMIMO用例具体流程： 1. SMO生成波束权值优化用例； 2. SMO分析初始数据采集需求； 3. NT RIC根据初始数据采集需求设置小站数据采集配置； 4.终端上报位置和业务信息；5.波束决策模块生成波束决策；6.波束决策在预验证模块中进行预验证，波束决策模块根据预验证的性能优化波束决策，直至满足需求；