《OPPO：6G白皮書（2023版）（75頁）.pdf》由會員分享，可在線閱讀，更多相關《OPPO：6G白皮書（2023版）（75頁）.pdf（75頁珍藏版）》請在三個皮匠報告上搜索。

1、6G：AI 化+極簡多能，成為普惠智能與元宇宙的基礎設施AI-zation and versatility with minimized kernel:A 6G as an infrastructure for inclusive intelligence and metaverseOPPO 6G 白皮書2023 版1.06G 系統總體概念6G 在移動通信發展中的歷史使命6G 應成為普惠智能與元宇宙的基礎設施基于 6G 的移動 AI 是普惠智能的基礎基于 6G 的移動元宇宙是構建元宇宙的基礎“AI 化”是實現移動 AI 的可行之路“極簡多能”是實現移動元宇宙的必由之路1.11.21.31.41

2、.51.6040507091115212224252727282930322.06G 極簡核心之內生智能基于內生智能的 6G 網絡基于大模型的智能按需組網基于 6G 內生智能的智能化替代6G 極簡核心之安全6G 時代的變化及安全趨勢6G 時代關鍵安全技術6G 時代安全零信任安全架構6G 極簡核心之靈活頻譜共享6G 極簡核心之“最小處理核”2.12.1.12.1.22.1.32.22.2.12.2.22.2.32.32.46G 極簡核心3536383.06G 寬帶蜂窩 KPI 指標要求6G 寬帶蜂窩關鍵技術與系統設計6G 空口的 AI 化替代3.13.23.36G 寬帶蜂窩子系統43444.06

3、G D2D KPI 指標要求6G D2D 關鍵技術與系統設計4.14.26G D2D 子系統5.06G 低時延高可靠子系統6G 低時延高可靠 KPI 指標要求6G 低時延高可靠關鍵技術與系統設計5.15.2495053545455586.06G 感知 KPI 指標要求6G 感知關鍵技術與系統設計6G 感知子系統的兩種模式通信感知融合系統的關鍵技術獨立感知模式關鍵技術6.16.26.2.16.2.26.2.36G 感知子系統606061627.06G 超大規模 IoT 技術需求技術需求KPI 指標要求6G 超大規模 IoT 關鍵技術與系統設計7.17.1.17.1.27.26G 超大規模 IoT

4、 子系統666774718.06G 空天通信 KPI 指標要求6G 空天通信關鍵技術與系統設計8.18.26G 空天通信子系統9.0總結參考文獻6G 在移動通信發展中的歷史使命6G 應成為普惠智能與元宇宙的基礎設施基于 6G 的移動 AI 是普惠智能的基礎基于 6G 的移動元宇宙是構建元宇宙的基礎“AI 化”是實現移動 AI 的可行之路“極簡多能”是實現移動元宇宙的必由之路6G 系統總體概念移動通信技術十年一代，都需要擔當相應的歷史角色。那么，在經歷了五代發展之后，第六代移動通信技術（6G）又將在移動通信發展進程中承擔何種歷史使命呢？我們首先需要探討這個問題。通信是一門應用學科，與基礎科學研究

5、不同，其最終目標不僅是“探索、解釋自然定律”，更重要的是滿足人和社會的信息化需求，同時獲得合理的市場回報，推動信息產業和信息社會的持續健康發展。因此，以需求驅動確定每一代的創新方向，移動通信技術演進才能不斷取得成功?；仡檹?G到5G的發展歷程，可以看到，移動通信實際上并不是通過一代技術實現一次產業升級，而是每兩代技術實現一個大的產業升級目標：歷史上的兩次大的產業升級都能激活一個新興的“十億級”用戶市場。1G、2G使移動電話在數十億人口中普及，3G、4G又將這幾十億用戶轉化為移動數據和移動多媒體。2G、4G相對1G、3G更成功的原因，是作為一個大的升級階梯的“后半步”，針對1G、3G在“前半步”

6、暴露出來的問題和差距，有針對性的驅動技術革新，最終完整實現了產業升級目標。5G和6G致力于一個非常宏大的產業升級目標，但在10年前定義5G的頂層設計的時候，產業對人工智能和元宇宙的理解還比較初步，只著重實現了從“互聯”到“物聯”的突破，沒有充分注意到，要想成為AI和元宇宙的基礎設施，移動通信系統不可能仍停留在“管道”這一單純角色上，而需要具備更豐富的系統能力。因此，6G的歷史使命，是基于5G的經驗教訓，徹底實現“成為普惠智能與元宇宙的基礎設施”這一產業升級目標。6G 在移動通信 發展中的歷史使命1.104OPPO 6G 白皮書 2023 版圖 1-1：移動通信的代際演進歷程1980s1G2G3

7、G4G5G6G 第一次產業升級：移動話音 第二次產業升級：移動數據與移動視頻 第三次產業升級：移動 AI 與移動元宇宙1990s2000s2010s2020s2030s數字化蜂窩帶寬 CDMA+分組交換20MHz 帶寬，OFDM+MIMO頻譜效率翻倍100MHz 帶寬，毫米波+大規模天線URLLC+垂直優化移動話音普及，市場成功，產業希望開拓移動數據市場初步提供數據能力，但帶寬不足。歐洲運營商拍賣頻譜代價高昂，面臨 WiMAX 成本競爭支撐了移動互聯網的普及爆發，但隨著 C 端市場容量飽和，亟需擴展垂直市場Sub6 eMBB 基本成功，但其他技術兌現到市場并不順利，靠毫米波提升 C 端感受面臨

8、挑戰，2B 仍處于探索階段從 0 到 1，但模擬終端昂貴笨重，容量很低突破成功突破成功成功?突破 1G 和 2G 實現了“移動話音”，即無所不在的話音接入；3G 和 4G 實現了“移動數據與移動視頻”，即無所不在的互聯網接入；5G 和 6G 的目標是實現“移動 AI 與移動元宇宙”，即成為普惠智能與元宇宙的基礎設施。05OPPO 6G 白皮書 2023 版6G 應成為普惠智能 與元宇宙的基礎設施1.2近兩年來，業界在“應該設計一個什 么樣 的 6G 系統”方 面持 續 探索。2023 年 7 月，國際電信聯盟（ITU-R）完 成 了IMT 面 向2030 及未來發展的框架和總體目標建議書，業內

9、對 6G 愿景和總體概念已形成初步共識。ITU-R 面 向 IMT-2030（6G）的愿景中定義了六大場景。如圖 1-2所 示，在 IMT-2020（5G）三 大場景基礎上往外延伸，形成了 6G的六大場景，包括沉浸式通信、超大規模連接、超可靠低時延通信、AI 與通信一體化、感知與通信一體化和泛在連接。移動通信產業是非常依賴規模效應的產業，前兩次大的升級都為產業帶來了“十億用戶級”的新興市場，無論 2G 時代的數字移動電話，還是 4G 時代的移動互聯網，都在全球數十億人口中得到普及，為移動通信產業帶來了巨大的經濟和社會效益。當然，我們今天也有理由期望，通過 5G、6G 完成的第三次產業升級，能再

10、次帶來“十億用戶級”的新興市場。從目前形成的IMT-2030（6G）的發展框架看，6G 有望帶來兩個“十億用戶級”的新興市場：移動 AI 與移動元宇宙。在 IMT-2030（6G）發展框架提出的六大應用場景中，AI 與通信一 體 化（AI and Communica-tion）可望推動移動 AI 計算的普及，通過 AI 算力網絡和算力終端實 現 普 惠 智 能（inclusive intelligence），激活第一個新的“十億用戶級”市場；其他五大場景可望推動構建一個移動的虛擬數字環境，通過實現消費元宇宙和工業元宇宙，實現虛實兩個世界的互通互融，激活另一個新的“十億用戶級”市場。圖 1-3：

11、6G 可望激活的兩個“十億用戶級”新興市場圖 1-2：IMT-2030（6G）的愿景中定義的六大應用場景第 2 個 十億用戶級 新興市場:移動元宇宙（包括消費元宇宙和工業元宇宙）第 1 個 十億用戶級 新興市場:移動 AI（包括 AI 算力網絡和算力終端）Usage scenarios of IMT-2030ImmersiveCommunicationeMBBIMT-2020mMTC URLLCUbiquitousConnectivitySUSTAINABILITYCONNECTING THE UNCONNECTEDUBIQUITOUS INTELLIGENCESECURITY/PRIVACY

12、/RESILIENCEIntegratedSensingandCommunicationAl and Communication MassiveCommunication Hyper ReliableandLow-LatencyCommunicationImmersiveDisplayEnvironmentSensingDenseConnectionInclusiveIntelligenceReal-TimeControlUbiquitousCoverageUsage scenarios of IMT-2030ImmersiveCommunicationeMBBIMT-2020mMTC URL

13、LCUbiquitousConnectivitySUSTAINABILITYCONNECTING THE UNCONNECTEDUBIQUITOUS INTELLIGENCESECURITY/PRIVACY/RESILIENCEIntegratedSensingandCommunicationAl and Communication MassiveCommunication Hyper ReliableandLow-LatencyCommunication06OPPO 6G 白皮書 2023 版而這兩個“十億用戶級”市場又是相互賦能、相互促進的：移動 AI 計算可以看作移動元宇宙的大腦，為構建

14、元宇宙所需的環境感知、實時控制、沉浸式顯示等提供了必要的處理和計算能力，沒有無處不在的分布式 AI 計算，移動元宇宙的終端和業務很難真正得到普及；移動元宇宙可以看作 AI 計算的軀體，為普惠智能廣泛的提供采集數據的感官、反饋效果的神經和執行動作的肢體。圖 1-4：移動 AI 與移動元宇宙的關系移動 AI 作為移動元宇宙的大腦一體化 AI沉浸式通信HRLLC一體化感知大規模通信泛在連接移動元宇宙作為 移動 AI 的軀體基于 6G 的移動AI 是普惠智能的基礎1.3近年來，基于網絡大模型的生成式 AI 業務快速發展，展現出巨大的創新潛力，將帶來整個信息產業和信息社會的深遠變革。但在 5G 時代，完

15、全集中在網絡側的 AI 計算架構也引發了一些潛在的問題與擔憂。如圖 1-5 所示，集中式 AI 計算主要依賴在云端運行的 AI/ML 模型進行 AI 訓練和推理，終端僅僅是為云端 AI/ML 模型提供訓練數據、執行云端 AI/ML 推理結果的非 AI 設備，而 5G 系統僅僅是上傳 AI 訓練數據、下發 AI 推理結果的管道。AI 算力與知識的壟斷：AI 計算過度集中于網絡數據中心，可能造成 AI 算力壟斷和AI 知識壟斷，普通用戶不得不依賴于 AI 服務提供商的網絡算力，對與自身工作生活直接相關的 AI 算力也無法控制。AI 智能對人類智能的替代：人類幾百萬年演進的歷史，是人類普適智能與個體

16、智能共同發展、良性互動的歷史。個體智能的普適部分凝聚為人類公認的普適智能，但同時多樣性的個體智能仍然蓬勃發展，與普適智能保持一定的差異，并不斷推動普適智能的修正與演進。但當前集中式 AI 依托強大算力和海量數據，總是能給出“最優”的答案，給人“一個超強的 AI 大腦，可以替代人類個體思考”的錯覺，誘導人類放棄自身的思考，完全依賴 AI 解決所有問題。這種依賴有可能造成人類智能的趨同和去個性化，進而導致人類智能的退化與中止演進，最終被 AI 智能替代。個人信息安全問題：在集中式 AI 架構中，終端用戶的數據全部上報用于網絡側 AI模型的訓練與推理，終端用戶自己不能對自身數據進行初步訓練和推理，可

17、能淪為AI 數據的單純提供者，存在個人數據安全和隱私泄露的風險。這種集中式 AI 計算架構的潛在問題包括：07OPPO 6G 白皮書 2023 版圖 1-5：5G 時代采用的集中式 AI 計算架構集中式 AI 計算集中式AI 模型AI 訓練數據AI 推理結果5GAI 訓練數據AI 推理結果5GAI 訓練數據AI 推理結果基于上述原因，集中式 AI 計算架構雖然也能支撐 AI 業務的快速發展，但卻可能造成人類智能發展的集中化、同質化，難以實現每個用戶自主可控的 AI 計算，難以保證每個人的個性化智能發展的權力，也難以確保用戶的隱私安全。一個更合理的 AI 計算架構，是基于 6G 的移動 AI 計

18、算。如圖 1-6 所示，每個終端都有輕量化的 AI/ML 模型，可以基于用戶自己的數據進行個性化的 AI 訓練和推理，同時又可以充分利用網絡側的大型通用 AI/ML 模型進行高復雜度的通用 AI 訓練和推理。這樣，網絡側模型和終端側模型可以配合進行“分割式”訓練與推理，共同完成用戶所需的 AI 計算任務。這種移動 AI 計算架構具有如下優點：用戶自主可控的 AI 計算：雖然仍采用網絡側的龐大算力進行高復雜度的通用 AI訓練與推理，但個性化的訓練、推理在終端側完成，使用戶可以對與自身直接相關的 AI 計算實現自主可控，不完全依賴網絡側的算力。用戶自主可控的智能演進：終端側的輕量級 AI 模型（如

19、生成式 AI，AIGC）可以體現用戶自身的思想特色和個人智慧，雖然需要借助網絡側 AIGC 進行普適的智能推理，但仍可與普適智能保持差異性，保證用戶自主可控的智能演進方向，避免與其他用戶的智能形成“同質化”發展，有利于人類智能的健康、多樣化演進，防止人類智能逐步被一個“超強 AI 大腦”取代。保護個人數據隱私安全：與用戶直接相關的數據在終端側本地的輕量級 AI 模型處理，僅將 AI 訓練、推理的中間數據傳輸到網絡，可以避免用戶數據離開終端設備，直接暴露給網絡，從而可以實現對終端數據的保護和脫敏。在這個移動 AI 計算架構中，6G 的“AI 與通信一體化”應用場景，可以有效的實現分割式 AI/M

20、L 推理與訓練，從而使 6G 成為移動 AI 計算這個“十億用戶級”新興市場的核心基礎設施，在推動普惠智能的同時，實現通信產業的第三次升級和市場回報。圖 1-6：基于 6G 的移動 AI 計算架構移動 AI 計算08OPPO 6G 白皮書 2023 版分布式 AI/ML 模型的終端部分分布式 AI/ML 模型的終端部分分布式 AI/ML 模型的終端部分分割式 AI/ML推理與訓練分割式 AI/ML推理與訓練分割式 AI/ML推理與訓練6G6G分布式 AI/ML 模型的網絡部分6G基于 6G 的移動元宇宙是構建元宇宙的基礎首先，經過過去十年的探索，業界已經認識到，僅靠 5G 將大量無智能的機和物

21、連接起來，并不能實現真正的信息化世界，因為人的感官能力和人腦的處理能力是有限的，少量人腦難以管理、控制海量機器完成工作。在少量人腦和海量的機和物之間，還必須有大量的非人類智能體來作為“中間管理者”，少量人腦授權大量智能體管理海量的機與物，大量智能體通過學習和訓練成為人類控制信息化世界的媒介。通過 AI 智能體來控制信息化世界，不僅可以將人腦從“數據爆炸”的負擔中解脫出來，還可以把信息化世界管理的更好。近些年來，AI 在圖像、語音識別、大數據分析管理方面獲得的巨大成功，就是人腦通過 AI 智能體控制信息化世界的成功范例。而 5G 在直接連接少量人腦和海量機和物時碰到的“數據率、時延、可靠性”瓶頸

22、，也可望在 6G 時代得到緩解，因為人腦與 AI 智能體之間的交互雖然需要很高數據率，但未必需要“隨時隨地”；而 AI 智能體與海量機和物之間的交互雖然需要海量的鏈接，但未必需要極低的時延和超高的可靠性。但是，5G 的“萬物互聯”仍然只是將原有的數據采集終端連接起來，能夠利用的數據遠遠不足以“喂飽”AI 大模型。在 6G 時代，如果人類將通過 AI 智能體對信息化世界進行控制與管理，則需要構建一個更完整、與物理世界對應性更好的虛擬世界，通過在虛擬世界的孿生鏡像控制海量機和物的鏡像，進而控制物理世界的機和物。而構建元宇宙，是實現這個虛擬世界的一個可行方法。近幾年來，元宇宙之所以得到廣泛關注，除了

23、可以帶給人類逼真的沉浸式多媒體娛樂體驗，更重要的是描述了一種“通過虛擬世界管理物理世界、通過經營虛擬世界創造更美好的物理世界”的廣闊前景。1.4圖 1-7：5G 時代與 6G 時代對信息化世界的不同理解5G 時代對信息化世界的理解6G 時代對信息化世界的理解少量人腦海量的機與物監測控制大量智能體監測控制少量人腦學習、服務授權、監管海量的機與物為什么與“移動 AI”這個大腦相配合的軀體必須是“移動元宇宙”呢？09OPPO 6G 白皮書 2023 版而6G的其他5個應用場景，分別可以實現“感知物理世界，構建虛擬世界”、“從虛擬世界控制物理世界”、“向用戶展示虛實兩個世界”這構建元宇宙的三大步驟，同

24、時提供“大規模通信”、“泛在連接”這兩個基礎能力，從而使6G成為移動元宇宙這個“十萬用戶級”新興市場的核心基礎設施，實現通信產業的第三次升級和市場回報。以大規模通信與泛在連接為基礎能力沉浸式通信：向用戶展示虛實兩個世界一體化感知：感知物理世界，構建虛擬世界HRLLC：從虛擬世界控制物理世界圖 1-8：6G 的五大應用場景，提供了服務于移動元宇宙的基本能力XR顯示XR場景物理環境虛擬環境構建虛擬世界物理世界虛擬控制者被控設備6G沉浸式通信泛在連接一體化感知大規模通信HRLLC10OPPO 6G 白皮書 2023 版“AI 化”是實現移動 AI 的可行之路1.5移動 AI 作為 6G 第一個“十億

25、用戶級”市場，在 6G 系統設計上帶來一個挑戰：如何在網絡和終端實現一套可同時滿足 6G 通信和 AI 計算的高效且成本可控的軟硬件設計？在今天的 5G 系統中，“5G for AI”和“AI for 5G”是分開設計，分開實現的，因此無法共享軟硬件資源，注定成本較高。在 6G 時代，“AI 化”（AI-zation）是一條可行之路。圖 1-9：移動 AI 給 6G 系統設計帶來的挑戰系統設計挑戰:如何在網絡和終端實現一套可同時滿足6G 通信和 Al 計算的高效且成本可控的軟硬件設計？移動 AI（包括 AI 算力網絡和算力終端）第 1 個 十億用戶級 新興市場:11OPPO 6G 白皮書 20

26、23 版InclusiveIntelligenceUsage scenarios of IMT-2030ImmersiveCommunicationeMBBIMT-2020mMTC URLLCUbiquitousConnectivitySUSTAINABILITYCONNECTING THE UNCONNECTEDUBIQUITOUS INTELLIGENCESECURITY/PRIVACY/RESILIENCEIntegratedSensingandCommunicationAl and Communication MassiveCommunication Hyper Reliableand

27、Low-LatencyCommunication在如何在 6G 系統中引入 AI 技術的問題上，可以考慮兩種思路：“基于 use case 的AI 增強”和“AI 化”。在 5G 標準化中，采用了基于 use case 的 AI/ML 增強，即僅針對 5G 系統中的每個部分，分別考慮是否引入 AI/ML 算法。在 Rel-18、Rel-19 版本中可能對 CSI 反饋、波束管理、定位、移動性管理等 4 個 use case 進行 AI/ML 增強，前提是AI/ML 算法相對傳統算法體現出顯著增益。這種思路的優點是比較穩妥，可以避免在 5G-Advanced 階段引入不必要的設備升級成本。但是將

28、這種思路用在 6G 移動AI 的系統設計上，則會帶來明顯的問題：第一種思路：基于 use case 的 AI 增強首先，將 6G 系統看作一系列孤立的部分，分別考慮是否引入 AI 算法，難以獲得端到端 AI 化帶來的系統級 AI 增益。要求每個孤立的 use case 必須實現 AI 性能增益，將造成整個 6G 系統的 AI 化比例過低。而很多 AI 算法，只有在相關部分均 AI 化以后，才能共享訓練數據，進行聯合訓練，實現 AI 增益最大化。其次，6G 系統的 AI 化將變成一個緩慢漸進的過程，即在 6G 的第一版本，只有少量的 use case 實現 AI 化，即使 6G 軟硬件已經具有較

29、強的 AI 計算能力，也只能實現有限的 use case 的 AI 算法。然后在 6G 后續版本（如 6G-Advanced）逐漸增加 AI use case。但這將造成“產品等標準”的不利局面。最后，至少在 6G 第一版本無法實現“AI for 6G”與“6G for AI”的融合，難以實現真正的“原生 AI”（Native AI），也無法實現 AI 業務與通信處理之間的軟硬件高度共享。圖1-10：基于use case的漸進式AI增強思路6G 標準6G 產品實現基于 AI 的部分非 AI 部分6G 設備 AI 軟硬件能力的增強6G 標準化進程6G6G-Advanced12OPPO 6G 白皮

30、書 2023 版這種思路就是在 6G 標準化中，在盡可能多的設計環節采用 AI 算法，在各個系統部分都可以考慮基于 AI 的技術方案，最終對整個系統進行性能評估，滿足 IMT-2030的指標要求，不要求在每個單獨的系統部分，AI 算法都必須獲得相對非 AI 算法的性能增益。這種思路具有如下優勢：第二種思路：快速“AI 化”首先，可以在 6G 系統中實現盡可能大比例的 AI 化，從而多個相關部分均 AI 化以后，能夠共享訓練數據，進行聯合訓練，獲得端到端 AI 化帶來的系統級 AI 增益。其次，能夠在 6G 第一版本就實現快速的 AI 化，即在 6G 的第一版本就實現高比例的 AI 化，形成“標

31、準等產品”的有利局面，使產業可以根據 6G AI 軟硬件計算能力的逐步增強，自主的選擇 6G 系統中采用 AI 算法的比例。最后，可以盡快實現“AI for 6G”與“6G for AI”的融合，允許 6G 設備廠商研發 AI業務與 6G 通信共用的軟硬件，從而降低 6G 移動 AI 的軟硬件成本，也能夠從6G 第一版本就實現真正的“原生 AI”。圖 1-11：快速“AI 化”思路6G 標準6G 產品實現基于 AI 的部分非 AI 部分6G 設備 AI 軟硬件能力的增強6G 標準化進程6G6G-Advanced13OPPO 6G 白皮書 2023 版就目前來看，快速 AI 化是實現 6G 移動

32、 AI 的更合理的路線。同時，AI 的工作機制也客觀上提供了將 6G 系統快速 AI 化的可能。AI 算法的特點是黑箱化推理、數據驅動和模型訓練，這一特點決定了，即使需要解決的技術問題形形色色，但 AI 的工作機制都是類似的，無非是數據收集、模型訓練、模型管理、模型存儲、模型推理等環節，這些環節被稱為 AI 模型的生命周期管理（Life Cycle Management，LCM）。在 5G Rel-18 的研究中，形成了 AI/ML LCM 的初步結構，如圖 1-12 所示。雖然對 6G AI LCM 的設計還有待重新研究，但從 Rel-18 5G AI 的初步研究至少可以看到，不同 use

33、case 的 LCM 機制都是相似的，只是具體的參數配置和過程細節可能有所差異。也就是說，預計可以用一個公共 LCM 機制來實現 6G 無線系統中的各個部分，這樣就更不需要逐個 use case 的去確定是否需要支持 AI 算法，因為 6G AI的標準化工作量并不會隨著應用范圍的變廣而大幅增大。另一方面，我們可以發現，6G 無線系統采用的 AI LCM 機制其實與其他的 AI 應用領域的 AI LCM 也是類似的（實際上是通信領域的 LCM 設計借鑒了其他 AI 領域的經驗），因此甚至可以嘗試在“AI for 6G”與“6G for AI”之間共享一套公共 LCM 機制，以實現“AI for

34、6G”與“6G for AI”的融合設計，即一套 LCM 機制，既可以用于 6G 無線系統內部的 AI 數據收集、模型訓練、模型管理、模型存儲、模型推理，也可以用于對外 AI 服務的數據收集、模型訓練、模型管理、模型存儲和模型推理。這樣，經過 AI 化的 6G 系統，就可望實現 AI 業務與 AI 無線處理之間的軟硬件資源共享，而不像在非 AI 的 6G 系統中，無線處理和 AI 應用只能分別使用獨立的軟硬件資源。圖 1-12：公共 LCM 為快速 AI 化提供了可能公共 AI/ML 生命周期管理（LCM）（以 5G Rel-18 研究進展為例）14OPPO 6G 白皮書 2023 版6G A

35、I 無線處理與 6G AI 業務采用相似的 AI/ML LCM 機制用于 AI 應用的軟硬件資源各個 6G AI 無限處理單元采用公共的 AI/ML LCM 機制Model TrainingModel ManagementModel InferenceModel selection/(de)activationswitchingfall backModel toringOutputModel transfer/deliveryMonitoning DataDataCollectionModel tansefer/delivery requestPerformancefeedback/Retra

36、ining requestModel StorageTraining DataInference DataTrained/updated Model用于非 AI 6G 無線處理的軟硬件資源6G AI 無線處理與6G AI 業務共享的軟硬件資源AI 化TransmitterReceiverSourceDestinationChannelp(y|x)TransmitterReceivertransmitteddatatransmitteroutputreceiverinputreceiveddataSource EncoderChannel EncoderModulationTransmitter

37、Antenna CouplingChannelReceiverAntenna CouplingDemodulationChannel DecoderSource Decoder1.6“極簡多能”是實現移動元宇宙的必由之路移動元宇宙作為 6G 另一個“十億用戶級”市場，對 6G 系統設計也會帶來挑戰：如何以一個成本可控的 6G 系統在 5 個需求迥異的應用場景的每個場景都具有市場競爭力？圖 1-13：移動元宇宙給 6G 系統設計帶來的挑戰實際上，5G 系統設計早已面對過這個挑戰。5G 的設計定位與 4G 最大的不同，是要將移動通信系統從一個為人服務的“單一功能系統”擴展為一個“多能系統”（Ver

38、sa-tile System），以覆蓋人（即 eMBB）、機（即 URLLC）、物（即 mMTC）三大場景的云連接，實現物理世界的萬物互聯。15OPPO 6G 白皮書 2023 版系統設計挑戰:如何以一個成本可控的 6G 系統在 5 個需求迥異的應用場景的每個場景都具有市場競爭力？第 2 個 十億用戶級 新興市場:移動元宇宙（包括消費元宇宙和工業元宇宙）ImmersiveDisplayEnvironmentSensingDenseConnectionReal-TimeControlUbiquitousCoverageUsage scenarios of IMT-2030ImmersiveCom

39、municationeMBBIMT-2020mMTC URLLCUbiquitousConnectivitySUSTAINABILITYCONNECTING THE UNCONNECTEDUBIQUITOUS INTELLIGENCESECURITY/PRIVACY/RESILIENCEIntegratedSensingandCommunicationAl and Communication MassiveCommunication Hyper ReliableandLow-LatencyCommunication但在如何設計這個“多能系統”的問題上，5G 既有經驗也有教訓。一方面，5G 沒有

40、盲目追求無線傳輸底層技術的“替代性變革“，大量繼 承 了 在 4G 中 獲 得 成 功 的OFDM（正交頻分復用）和 MIMO（即多天線傳輸）等核心技術，而將創新重心放在向各種業務場景、垂直應用的“橫向擴展”上，著重在“低時延、高可靠、大容量”等方面進行了優化，總體設計目標是符合市場需求和產業發展趨勢的。但另一方面，5G 仍然基于“單一功能系統”的系統設計原則，面向一套“剛性管道指標”（即高速率+低時延高可靠），在技術上追求一體化設計，嘗試通過“多參數集+網絡切片”兼顧千行百業的細分業務需求。但由于 5G 各垂直技術均以eMBB 作為基線（baseline）和缺省設計，限制了技術創新空間，無法

41、針對目標垂直領域做徹底優化，在很多垂直領域并未實現比較優勢和可控成本。首先，5G eMBB 通過引入毫米波傳輸，試圖以高頻段換取大帶寬，實現更高傳輸速率。但毫米波信號只滿足視距（Line-of-Sight，LOS）傳輸，造成覆蓋范圍、應用場景有限，對 5G eMBB 整體性能的提升貢獻不多。5G eMBB 試圖以大規模天線技術提高頻譜效率，但過多的天線數量在很多部署場景中性能提升并不明顯，卻造成基站復雜度、能耗、工程難度的大幅上升。隨后，5G 繼承了 eMBB 模式的核心設計，只是通過局部優化來提升時延、可靠性等性能指標，造成URLLC 模式的復雜度在 eMBB 基礎上疊加提升，對網絡和終端的

42、軟硬件能力要求很高，成本控制面臨很大挑戰。最后，針對 mMTC 應用場景，5G 也沒有專門設計，而僅是在eMBB 核心設計基礎上做了一系列 裁 剪，形 成“輕 量 化 5G”（RedCap）模式。但功耗、成本降低幅度有限，性價比相對 4G 系統并沒有明顯優勢，難以實現真正的萬物互聯。圖 1-14：5G 系統設計的經驗教訓eMBBURLLCmMTC5G系統核心輕量化裁剪低時延優化（OFDM+MIMO，共用協議、信道結構和參數集）以高頻段換取大帶寬，造成覆蓋、應用場景收縮以大規模天線換取頻譜效率提升，造成復雜度、能耗激增，無法等量兌現市場增值在 eMBB 核心基礎上剪裁，功耗、成本降低程度有限，難

43、以實現真正的“connect everything”在 eMBB 核心基礎上通過局部優化提升時延、可靠性指標，造成復雜度疊加提升，成本難以接受eMBBuRLLCmMTC物理世界虛擬世界人物機云5G16OPPO 6G 白皮書 2023 版面向移動元宇宙這個新興市場，6G 需要對物理世界的全面映射能力。因此除了具備 5G 已有的大帶寬、低時延、高可靠的數據傳輸能力，還應擴展泛在連接和對物理環境的感知能力。這將是一個遠比 5G 更加“多能”的移動通信系統。而完全基于單一功能設計理念的 5G 系統的有限“多能化”目標尚未完全在市場實現，物理世界“萬物互聯”的目標遠未達到，沿既有發展路線，按一個“大號

44、5G 系統”來設計 6G，更難以實現“移動元宇宙”這一更宏大的愿景。6G 要實現物理世界和虛擬世界的“互通互融”，真正實現“系統多能化”，進一步擴展到通感一體、泛在連接等應用場景，以可控的成本實現在各個維度上幾倍的性能提升，有效支持“移動元宇宙”的實現，必須要采用新的設計思路。而要成為構建移動元宇宙的基礎設施，必須適應物理世界的存在形式與現實構成。在物理世界中，面對空天陸海的自然和城鄉環境、由繁至簡的各種終端形態、千行百業的多變業態，從來不曾存在一個單一化的基礎設施可以以可控的成本普適于大千世界的，6G 也不應該例外。在產業界對 6G 的愿景中，6G 系統一方面要在比 5G 更廣泛的應用場景下

45、實現比 5G 更高的系統性能，另一方面還要實現一個“極簡”的系統，顯著降低部署和運營成本，從而在千行百業真正實現落地普及。面對這一看似矛盾的設計目標，唯一可行的解決方案只能是：在一個極簡的共性技術核心上，設計若干有限融合的子系統，容許各個場景的 6G 系統適度解綁、各自優化，實現一個“能力按需分配、功能靈活組合”的“極簡多能”的 6G 系統。在我們看來，6G 極簡多能系統的設計主要包含如下要素：由一個最小化的極簡核心提供內生智能、安全、靈活頻譜管理、最小處理核等共性能力；針對四個不同能力方向做專門優化，包括：沉浸式通信與 AI（高數據率優化）、大規模通信與泛在連接（覆蓋、功耗、成本優化）、HR

46、LLC（低時延、高可靠優化）、感知（感知精度優化）。在每個能力方向上設計一到兩個子系統，可以根據應用場景、頻譜、接口類型等獨立選擇關鍵技術，分別進行硬件系統設計。如可分為：寬帶蜂窩、寬帶 D2D、蜂窩 HRLLC、D2D HRLLC、空天通信、大規模 IoT、定位與感知等子系統。各子系統根據各自的應用場景、頻譜、拓撲結構，相對獨立的進行關鍵技術選擇，按需確定多大程度與寬帶蜂窩子系統共用空口技術與硬件設計。不同子系統可以按照不同的市場規律，采用不同的標準演進周期，不一定均采用 15-18 個月一個標準版本。也可以在相對獨立的規范中進行標準化，使 6G 規范對垂直用戶更加友好。6G 系統通過在極簡

47、核心中的“最小處理核“與各子系統的“完整處理核”之間快速切換，可以靈活、低成本、低功耗的支持多個子系統。6G極簡核心內生 AI,安全,靈活頻譜最小處理核 D2D HRLLC子系統蜂窩HRLLC子系統空天通信子系統寬帶蜂窩子系統定位與感知子系統感知感知精度優化沉浸式通信與 AI高數據率優化寬帶 D2D子系統大規模 IoT子系統大規模通信與泛在連接覆蓋、功耗、成本優化HRLLC時延、可靠性優化圖 1-15：6G=1 個極簡核心+N 個子系統17OPPO 6G 白皮書 2023 版要說明的是，5G 系統也曾試圖通過網絡切片、網絡虛擬化等技術實現多種場景和功能的靈活重配和資源組合。但由于其完全基于相同

48、的底層傳輸技術，僅在參數、配置層面可以靈活重配，其對不同場景和垂直行業的適配是很有限的，反而由于兼顧不必要的 KPI 指標，使每個場景的切片都有“過設計”和成本過高的問題。5G-Ad-vanced 技術雖然對各垂直行業進行了深度優化，但大部分情況會引入額外的復雜度，同時又無法對共性技術底座（即 eMBB 模式中的必選特性）做必要的“減法”，造成系統復雜度進一步增大。因此在 6G 系統設計中，應從一開始就考慮各個場景的實際需求，選擇適當的 KPI子集，直接設計面向應用場景優化的子系統。在本白皮書的后續章節中，我們將分別介紹我們對 6G 極簡核心及各個子系統的初步考慮。對于需要支持多種應用場景的

49、6G 系統，可以通過“子系統聚合”來實現多個子系統的功能。這里我們以寬帶 D2D 子系統和感知子系統的聚合來說明。終端 A 發送感知信號，終端 B 接收感知信號是典型的終端協同感知場景，如果一個終端需要支持這一類型的感知，則需要同時具備感知子系統和 D2D 子系統的功能，因為在這一協同感知場景下，感知子系統需要依賴 D2D 子系統來實現連接建立，鑒權，感知相關配置、感知節點選擇等高層過程以及實現同步、調度或資源選擇、功控、干擾協調等物理層過程?？梢钥闯?，在這一協同感知場景下，感知子系統對D2D 子系統有較強依賴，需要將兩個子系統在同一個終端內部進行聚合，即在感知子系統中不需要支持同步、資源選擇

50、、控制和數據傳輸功能，而是重用 D2D 子系統的相應功能，感知子系統只需要實現感知信號處理功能即可。具體而言，又可以分為部分聚合（如圖 1-16 所示）和高度聚合（如圖 1-17 所示）兩種可能的方案：部分聚合下，感知子系統和 D2D 子系統之間僅進行資源共享，但感知信號處理和 D2D 數據傳輸是分開設計、獨立工作的兩個功能。而在高度聚合下，D2D 通信信號可以同時用于感知，因此 D2D 數據傳輸和感知信號處理應采用一體化設計。圖 1-16：D2D 子系統和感知子系統間的部分聚合D2D 子系統與感知子系統間的部分聚合感知信號處理包括：感知信號發生、接收及測量；圖 1-17：D2D 子系統和感知

51、子系統間高度聚合D2D同步資源選擇控制數據傳輸感知感知信號處理D2D 子系統與感知子系統高度聚合感知信號處理包括：感知信號提取及測量；D2D同步資源選擇控制數據傳輸感知感知信號處理18OPPO 6G 白皮書 2023 版19OPPO 6G 白皮書 2023 版然而，為了以克服遮擋或保證感知的連續性，多條自發自收的感知鏈路之間也需要進行協同，如圖 1-18 所示。在這一場景中，終端依然存在同時支持感知子系統和D2D 子系統的必要性，因為感知子系統需要通過 D2D 子系統來獲取感知節點的位置、狀態，以及感知節點的感知范圍等。這種情況下 D2D 子系統和感知子系統間可以進行較低程度的聚合，即兩者之間

52、相對獨立，感知子系統也可以實現自主的同步和資源選擇，只是在資源選擇上與 D2D 子系統存在協調，如圖 1-19 所示。D2D 子系統和感知子系統間的低度聚合感知信號處理包括：感知信號發生、接收及測量；圖 1-19：D2D 子系統與感知子系統間低度聚合D2D同步資源選擇同步資源選擇控制數據傳輸感知感知信號處理圖 1-18：多條自發自收感知鏈路協同感知UE-AUE-B6G 極簡核心6G 極簡核心是實現 6G 極簡多能系統的最關鍵的部分，每個子系統都或多或少需要使用極簡核心提供的共性能力和資源，但為了有效降低每個 6G 子系統的復雜度和成本，這個極簡核心應該只包含最小化的共性能力。在我們看來，它可以

53、僅包含如下 4 個能力：內生智能、安全、靈活頻譜管理、最小處理核心（Mininal Processing Kernel），在如下 4 個小節中分別介紹。需要說明的是，6G 極簡核心并不一定集中在 6G 核心網，其也可能有部分資源分布式部署在 6G 接入網節點（如 6G 基站、終端）中。6G 極簡核心之內生智能6G 極簡核心之安全6G 極簡核心之靈活頻譜共享6G 極簡核心之“最小處理核”2.1隨著 AI 技術的日趨成熟1，越來越多的關于 AI 賦能移動網絡功能的研究和案例陸續出現2，用 AI 賦能移動網絡功能具有如下優勢。AI 技術應用在移動通信網絡將經歷一個過程，包含 For the AI,B

54、y the AI,Of the AI三個階段：For the AI 階段，網絡作為傳輸管道支撐應用層 AI 業務；By the AI 階段，網絡的部分功能（如 eMBB 和 URLLC）可以使用 AI 技術進行有限的增強；Of the AI 階段，AI 作為重要組成部分深度嵌入網絡中實現“萬智互融”的目標。由于 5G網絡在設計之初并沒有考慮 AI 賦能的問題，因此 5G/B5G 網絡只能實現 For the AI和 By the AI 階段，而 6G 網絡是實現 Of the AI 的良好契機，可以從一開始就為“萬智互融”提供架構層面的支持。6G 極簡核心之內生智能21OPPO 6G 白皮書

55、2023 版AI 賦能移動網絡的優勢優勢之一AI 的精準決策能力優勢之二AI 強大的推理能力優勢之三AI 的自演進能力優勢之四AI 的遷移學習能力根據學習樣本，歸納出輸入和輸出之間的一般性規律是 AI 推理的優勢。面對越來越繁雜的功能和場景，人為經驗很難做出快速、準確的選擇，使用 AI 技術對不同場景進行具體功能的匹配，能夠很好的發揮 AI 的優勢。隨著網絡算力的不斷提升，AI 推理能力越發強大，使其不輸于甚至超越了人工設計出來的算法和功能。AI 的推理功能并非一成不變，可以隨著時間的推移進行自演進，不斷優化推理性能，實現對性能增益的極致追求。訓練出來的 AI 模型可根據條件的變化進行學習和調

56、整，已達到“觸類旁通”的效果，從而能夠最廣泛地應用于不同場景，為在多元化網絡中普及 AI 技術提供可能。2.1.1 基于內生智能的 6G 網絡AI 技術將是 6G 網絡的重要組成部分，不同于控制面對應的靈活性維度和用戶面對應的性能維度，AI 技術對應的智能維度將成為 6G 網絡的一個新維度。之所以稱智能維度是一個全新的維度，是因為 AI 維度上對應的數據特征、價值和作用與現有的控制面和用戶面功能存在明顯差異3。與傳統的 AI 任務均上傳至云端 OTT 執行相比，6G 內生智能可以充分調用跨域資源，包 括 UE,RAN,CN,OAM,MNO Service enabler,OTT Server

57、等，資 源 除 了連接外，還包括計算、數據和模型/算法。如圖 2-2 所示，與 5G 主要提供連接服務不同，6G 網絡將實現 QoAIS(Quality of AI Service)，包括連接/Connection,計算/Computation,數據/Data 和模型/Model 四要素的融合支持和管理，實現跨域、跨資源系統能力，打造 AIaaS(AI as a Service)能力開放的全新平臺和服務。22OPPO 6G 白皮書 2023 版針對 QoAIS 的四個要素的實現具體包括：1.連接連接是 6G Native AI 的最基礎特性，與 5G 時的連接能力不同，6G 系統的連接要考慮支

58、持，包括：差異化 AI 數據傳輸服務 以任務為中心的按需連接組網，打破常規的 5G PDU 會話的固定拓撲模式 內容可感知可處理2.計算6G 網絡支持發現、管理和分配跨域智能體的算力資源（UE、RAN、CN、AS），并按需分配給不同的AI 任務，包括自有 AI 任務和第三方 AI 任務。在這一過程中，跨域計算資源的分配能夠實現推理計算操作貼近數據源、任務源和終端用戶，實現面向 AI 任務級的算力的測量、管理和分配。在此基礎上，未來的端到端時延應包括每個 AI 任務下，各節點的計算時間與各節點間的傳輸時間的總和，而不是單一考慮端到端傳輸時延。圖 2-1:AIaaS 平臺能力自有業務第三方業務計算

59、資源數據資源模型資源連接資源(能力開放)AI as a ServiceQoAISUEANCoreAF為了實現高效的 6G 網絡架構，降低產品開發復雜度，有針對性的提升業務體驗，實現“極簡而又多能”的 6G 系統，極簡核心內生智能應具備兩大能力：按需組網和智能化替代。下面對這兩大能力做簡單介紹。23OPPO 6G 白皮書 2023 版3.數據通信數據和感知數據并行產生是 6G 的顯著特點，這一特點將導致數據源多樣化（終端、基站、核心網、AF、OAM 等）、業務種類多樣化（原數據、Sensing 數據、IoT 數據等）、內容格式多樣化（中間結果、點云、匿名化/正則化/聚集化等）。為了支撐內生智能系

60、統中的數據特點，6G 系統需要具備如下方面的功能：數據泛在(Ubiquitous data)：集中化分布化 數據協同(collaborative data)：單域數據跨域數據 數據資產(Data as a asset)：明確數據產生主體與數據消費者 數據時效性(Data timeliness):擴展 AI 業務的關鍵驅動力4.模型6G 網絡的模型管理能夠充分利用運營商網絡的基礎設施資源優勢，6G 網絡實現對模型的統一存儲、管理、分配和共享是支持自有業務和第三方業務的重要體現形式，打造出“AI 模型商店（AI model library）”的新能力。模型訓練需要海量的數據、算力和連接資源，為了實

61、現 6G 內生智能工作效率最大化，AI 模型的開放與共享是提升 6G 業務效率的關鍵。AI 模型，在不同的業務和場景中，需要考慮如下多方面因素：模型準確性：100%準確度的模型是極難的，要付出極高代價，需要按需確定合理的模型準確度 模型兼容性：不同平臺對于模型的兼容性是模型開放的重要挑戰 模型泛化性：模型的按需調整至關重要，使用預訓練微調方式提升模型訓練效率 模型時效性：模型的訓練與更新遵從時效性，實時場景下的模型對時效性要求較高2.1.2 基于大模型的智能按需組網如第 1 章所述，實現 6G 系統“極簡而又多能”的“兩全”設計目標的唯一途徑，是設計多個面向應用場景的子系統。但由子系統集構成的

62、 6G 系統的一個核心問題，是如何能按需配置網絡資源，真正為各個垂直行業部署“能力夠用、成本可控”的 6G 子系統。由于千行百業的需求千變萬化，這種按需組網難以靠人工方式實現，應該通過 AI 訓練，采用智能化方式實現。具備了智能按需組網能力，極簡核心就可以只包含目標場景所需的 CP、UP 和 AI面（AP:AI Plane）功能：在極簡核心的最基本功能基礎上，結合場景特征，疊加額外的 CP、UP、AP 功能及技術指標 QoAIS 4，用于某個實例化子網。CP 和 UP 功能具體指 3GPP 定義的功能，而 AP 功能具體指為了實現特定業務引入的 AI 推理模型及實現方式。6G 網絡中任何業務均

63、需要注冊和連接管理，其他附加功能按需增減，如 AIoT 設備不需要可達性連接管理能力、URLLC 設備不需要移動性能力建立連接是傳遞數據的最基礎特征，按需附加 QoS 傳輸能力（如帶寬、時延、可靠性等能力），以及 6G 應用業務處理能力（如應用業務數據處理能力）由于前述的 QoAIS 四要素（即連接、數據、算力、模型）具有相互關聯的關系，當一個要素改變時，往往會影響其他要素隨之改變。比如，當一個特定任務的子模型在節點 1 和節點 2 之間發生改變時，節點 1 和節點 2 的算力配置也需要進行重分配，同時連接傳輸的中間數據量也會發生改變進而影響傳輸 KPI 設定值也將改變。為了合理分配 QoAI

64、S 四要素資源，以 3GPP 上下文和策略的形式部署到 6G 系統中。對于一個特定任務，往往需要結合實際場景和網絡情況綜合考慮各要素資源的分配，達到任務級性能和全局性能的最優化，因此利用大模型實現場景需求到網絡配置參數的合理映射是 6G 時代的一種值得考慮的實現方式。具體來說，極簡核心中包含的功能是標準化協議上基礎必選功能，比如 3GPP 必須要標準化的內容和能力，然后根據場景特征映射成不同子網的個性化功能并實例化，就是 智能組網 達到的效果。在極簡核心基礎上，我們可以把極簡核心應用到某個子系統（即“按需組網”）。如圖 2-3 所示。其中，6G 網絡按需組網中一大特點在于從場景到網絡特征的映射

65、關系，這里我們定義每一個場景下的任務由通信、感知和計算三大要素組成并進行定性或定量要求，大模型可以根據輸入的場景任務的要求實現對網絡特征相關參數的合理生成，再進一步實例化到 6G 網絡。智能維度：按需組網引擎（按場景需求選擇附加的 CP、UP、AP）CP 維度：包含基本的注冊操作連接管理 UP 維度：基本數據傳輸、基礎 QoS 保障24OPPO 6G 白皮書 2023 版圖 2-2：基于極簡核心內生智能的按需組網附加功能場景特征子網 1子網 2子網 3子網 N 子網 4AI按需組網實例化網格功能&KPI場景基礎功能CPUP場景特征（通信、感知、計算要求）網絡特征（3GPP功能+業務功能+QoA

66、IS指標：數據、算法/模型、算力、連接）實例化網絡（RAT、拓撲、計算/存儲/網絡資源）25OPPO 6G 白皮書 2023 版2.1.3 基于 6G 內生智能的智能化替代6G 部署場景比 5G 豐富得多，子系統數量也大幅增加，僅靠智能按需組網能力將現有的 CP/UP/AP 功能按照場景進行按需選擇和組織，只能使 6G 網絡復雜度不明顯高于 5G。要想在 5G 基礎上顯著降低復雜度，必須依賴內生智能的另一個能力智能化替代。智能化替代即將相當一部分傳統協議、傳統算法替換為“黑箱化”的 AI 協議和 AI 算法。3GPP Rel-18 的 AI 相關研究項目的初步研究結果已經揭示出：各種 AI 應

67、用例（use case）的標準化影響基本都是類似的，無非是要定義 AI 的生命周期管理（Life Cycle Management，LCM），包括 AI 數據采集、AI 模型的訓練、部署、管理、傳輸、激活、選擇、切換、配置及推理等。無論在哪個技術點上使用 AI 模型，相關協議無非是定義上述這些過程，雖然仍需定義不同的數據接口格式，但協議的差異性、特異性已經大幅降低。例如在 3GPP Rel-18“AI/ML for NR air interface”項目中，CSI 增強、波束管理、定位增強 3 個 use case 雖然需要定義不同的 AI 模型輸入輸出格式，但 AI 生命周期管理相關的協議是

68、基本相同的，可以通用的。而在現有5G 標準中，這三項技術的空口協議是截然不同的，且都是相當復雜。本節主要介紹網絡層協議的智能化替代，物理層技術的 AI 算法替代我們將在 3.3 節中介紹。網絡層智能化替代的目的，是在極簡核心的 CP/UP 功能上，盡量少地定義新的 CP和 UP 標準化功能，而是通過 AI 算法來替代標準化要求，以實現 6G 網絡的輕量級協議。在深層次內生智能的 6G 極簡核心中，AI 的智能優化可以幫助減少 CP 和UP 面功能的數量和復雜度，這樣原本所需的標準化定義的 CP 和 UP 功能就被大大減少，產品的開發復雜度和部署成本也可隨之降低。圖 2-3 基于 AI-Cube

69、 空間 3描述，以 6G 感知（Sensing）舉例，原本需要實現的標準化 CP 和 UP 功能較多，使用智能優化后，CP 和 UP 維度的功能可以被減少，取而代之的是智能維度的提升。圖 2-3：基于極簡核心智能優化的 Sensing 業務功能AI維度智能化替代之前智能化替代之后CP維度AI算力提升UP維度CP功能簡化UP功能簡化第一大類輸入是通用預測（包括業務預測、位置預測、負載預測和用戶行為預測）。每個具體的 CP 功能都可以使用一種或幾種通用預測作為輸入判決的重要依據，實現對 CP 功能的簡化。為了實現通用預測，需要收集和構建終端、網絡和應用三方的數據集對 AI 模型進行訓練。第二大類輸

70、入是個性化數據。AI 賦能不同功能時會有不同的個性化輸入參數，比如對于切換場景，RSRP、測量事件配置等是其個性化的輸入參數。對于隨機接入場景，小區干擾情況、歷史隨機接入數據等是其個性化輸入參數。AI 賦能的非決策類功能的具體形式，是將數據處理的部分或全部步驟替代為 AI 模型的推理過程。針對每個 UP 功能，AI 模型可以通過對限制因素和期望效果進行個性化定義，實現最佳的數據處理。通過 AI 賦能的方式，原本需要通過人為維護和迭代優化的數據處理過程，可以替換為 AI 算法的自學習和自演進過程，以實現對性能的不斷優化。具體而言，智能化替代包括決策類優化和非決策類優化兩種方式。決策類優化可以通過

71、如下兩類輸入實現對CP功能的簡化（如圖2-4所示）：非決策類優化可以用于UP功能的簡化（如圖2-5所示）。26OPPO 6G 白皮書 2023 版圖 2-4：通過智能替代實現 CP 功能的簡化賦能功能隨機接入優化移動性優化尋呼優化策略優化通用預測業務預測位置預測負載預測用戶喜好預測輸入（通用預測）數據輸入（個性化數據）個性化數據 每個具體功能進行AI 分析時需要的專有數據 終端數據電量/能耗算力網絡數據簽約/策略上下文應用數據期望的用戶行為用戶體驗業務特征分析圖 2-5：通過智能替代實現 UP 功能的簡化處理步驟-3處理步驟-2處理步驟-1處理步驟-n限制因素期望效果部分或全部步驟/算法使用

72、AI 模型替代某功能的原數據處理后數據2.26G 極簡核心之安全6G 時代萬物互聯，業務、連接方式、接入設備呈多樣化發展，如工業互聯網、智能家居、智慧物流等業務，這些行業用戶通常會使用專屬設備、需要機器與機器之間的數據流、使用 Sidelink 連接方式，這些需求會對當前以人與人為主的通信模式帶來巨大改變。3GPP 5G 安 全 標 準 TS 33.501 5定 義 了 雙 向 信 任 的 安 全 架 構，即 UE（User Equipment 用戶設備）和運營商 HE（Home Environment 歸屬環境）雙方共享用戶根密鑰，作為雙向信任的安全可信根。當用戶設備接入運營商網絡使用網絡資

73、源的時候，用戶和運營商網絡根據用戶根密鑰執行雙向認證。并且，用戶和運營商網絡各自根據用戶根密鑰進行密鑰衍生計算，得到一系列保護密鑰，對雙向傳輸的信令和數據進行加密保護和完整性保護。6G 時代，如工業互聯網、智能家居、智慧物流等業務的行業用戶通常會使用專屬的終端設備，當這些設備接入運營商網絡使用網絡資源的時候，需要在接入設備、行業用戶、運營商之間進行認證，因此至少需要在接入設備、行業用戶、運營商之間建立三方信任模型。當連接方式和業務模式繼續變化，靈活組合，出現如 Sidelink 機器與機器連接、多業務相互協同、MEC 部署等情況，信任關系則基于接入設備、行業用戶、運營商三方信任模型，進一步演變

74、為包含多終端、多個行業用戶、多個入網節點的多方信任模型。包含多終端、多個行業用戶、多個入網節點的多方信任模式需要的安全可信根不可能僅僅基于單一的用戶根密鑰，而需要根據設備、業務、網絡的基礎組件建立內生安全可信根。6G 時代，人工智能的使用將成為主流趨勢，數據資產成為數字化社會的關鍵生產要素，以工業互聯網及智慧物流為代表的行業數字化業務將會產生大量數據，如零功耗、通感一體化為代表的新型終端和通信方式使得網絡中承載的數據更多來源于分布式的終端設備。多元的工業數據需要高效的安全保護機制，分布式的多源的數據采集和匯聚方式使得雙向傳輸保護不再適用，基于用戶根密鑰及衍生密鑰的安全保護將會發生變化，需要更靈

75、活和更智能的安全保護機制。對于 6G 安全架構來說，發生的關鍵變化體現為以下兩點：安全信任模型由雙向信任變為多方信任，需要建立多方信任模型與內生安全 安全保護的業務數據由單一變為多元，需要建立多元的業務數據與智能安全2.2.1 6G 時代的變化及安全趨勢27OPPO 6G 白皮書 2023 版多元的分布式業務數據與智能安全多方信任模型與內生安全隨著 6G 時代業務類型、終端類型、接入技術類型的不斷豐富，為了高效的實現靈活的、動態的安全策略，必須引入智能化的安全策略管理機制。2.2.2 6G 時代關鍵安全技術28OPPO 6G 白皮書 2023 版區塊鏈具有分布式和可信的特點，能夠促進數據的共享

76、，在 6G 時代將成為產業數字化的關鍵基礎設施。在產業應用中，電信運營商和區塊鏈供應商大力發展區塊鏈基礎設施網絡，并面向各行各業推出區塊鏈服務，其中包括區塊鏈身份管理服務、接入認證服務和安全服務。區塊鏈分為公有鏈、私有鏈、聯盟鏈。其中聯盟鏈和私有鏈是可信區塊鏈，聯盟鏈可以由多方參與，通過安全算法實現參與方之間的信任關系，能夠用于實現 6G 時代的多方信任模式，不依賴于第三方即可構建內生可信的多方信任可信根?；趨^塊鏈的 DID（分布式數字身份)技術，能夠支持分布式的身份管理，可用于實現分布式認證。零功耗設備這樣的輕量級 IoT 終端受限于計算、存儲資源，可能無法支持傳統的認證計算，DID（分布

77、式數字身份)技術支持輕量級的身份管理和認證機制，可用于低成本認證。區塊鏈支持多方信任模式和分布式業務數據保護物理層安全基于香農提出的完美安全性概念以及 Wyner 提出的竊聽信道模型，建立傳輸信道的安全性，不需依賴于高層的協議及設備的加密計算。零功耗設備受限于計算、存儲資源，可能無法支持傳統的安全保護，如基于 256 位密鑰的加密機制，PDCP 協議層的安全處理。物理層安全可以作為一個很好的補充，實現極簡 IoT 設備的輕量級傳輸安全。物理層安全支持輕量級傳輸安全6G 引入新業務并非一蹴而就，面向用戶的數據連接和面向工業互聯網的數據連接都會為 6G 創造價值，零功耗 IoT 設備和 NB Io

78、T 設備將長期共存，分布式的信任模式和分布式的認證機制并不能取代中心化的安全機制，輕量級傳輸安全是對極簡 IoT設備的一種補充安全機制。面向 6G 多元的業務、多源的數據，安全策略必須是智能的、靈活的、動態的。智能的安全策略可以從以下幾個方面考慮：智能的信任模型和認證機制。運營商可擁有多種可信根，支持對應的認證機制，根據業務類型、終端類型、數據類型、接入技術類型、安全風險等級，選擇不同的可信根及認證機制。例如選擇雙方/三方可信根和 5G AKA 認證機制，或者選擇可信區塊鏈的多方可信根和證書認證機制。智能的傳輸安全機制。運營商可根據業務類型、終端類型、數據類型、接入技術類型、安全風險等級，選擇

79、不同的傳輸安全，或者他們的組合。智能的安全策略2.2.3 6G 時代零信任安全架構基于多方信任模型與內生安全這個關鍵變化，對傳統安全信任域劃分帶來改變，傳統的安全邊界被打破，不再根據設備在網絡中所處的位置來定義信任域?；诙嘣臉I務數據與智能安全這個關鍵變化，同樣的連接中傳輸的可能是不同的數據，傳輸安全保護的等級需要考慮數據本身的分類分級，傳輸安全由保護網絡向保護數字化資產遷移。在 6G 時代需要對信任域、數據訪問、以及傳輸安全進行更全面的安全評估，實施靈活的、動態的安全策略。自從 2009 年 Forrester 提出零信任理念以來，零信任安全模型在金融、互聯網、云服務等行業中得到廣泛應用。

80、零信任側重于保護資源（資產、服務、工作流、網絡帳戶等），而不是網段 6?；诹阈湃蔚陌踩到y設計可以通過動態的身份認證和授權，保證對數據和資源的訪問由動態策略決定。在 6G 時代，可以考慮基于零信任的安全架構，設計靈活的、動態的智能安全策略，以保證多方信任模型與內生安全以及多元的業務數據與智能安全。29OPPO 6G 白皮書 2023 版2.36G 極簡核心之靈活頻譜共享首先，對于頻譜主管機構而言，頻譜劃分的目的是讓通信技術更高效、快速的落地，同時又要滿足頻譜使用方的實際需求，并且還要保證較高的頻譜利用率。通常對于頻譜使用者而言，頻譜的使用需求并非在任意時刻或者不同地理區域都是均勻分布。理想情

81、況下，為了滿足頻譜的需求且保證高利用率，需要做到對于時間，地理位置的極致細化的劃分。但是這樣將嚴重拉長頻譜劃分前的調研和準備工作，從而導致頻譜劃分的滯后。因此傳統的頻譜劃分無法做到細粒度劃分，只能不分時間和地理位置，僅從頻域維度將頻譜分配給使用方，這樣也是一個各種因素權衡后的結果。除此之外，當頻譜劃分并拍賣后，對于頻譜使用率的管理也是主管機構面臨的一個挑戰，為了有效的獲取頻譜使用的情況，主管機構需要在不同的時間地點對于頻譜的使用情況做監測和統計，這樣也增加了管理成本。其次，對于頻譜使用方來說，不同國家的頻譜使用成本各異。但總體來說，使用方首先需要付出高額的頻譜租用費用，但是商用布署無法快速達到

82、全地域全面覆蓋，因此在部署沒有達到成熟階段之前，頻譜的利用率并不理想，導致投資收益率較低。因此，簡化的頻譜分配和管理也是 6G 極簡核心一個重要功能，這里極簡的含義，一方面是要大幅的簡化頻譜分配和管理的流程，另一方面是要提高頻譜的利用率。30OPPO 6G 白皮書 2023 版在傳統的通信系統中，高效的頻譜管理一直是一個難題。傳統頻譜分配痛點靈活頻譜共享的目標靈活頻譜共享的實施首先需要建立一個區塊鏈基礎設施，在基礎設施上可以建立一個聯盟鏈，聯盟可以由頻譜主管機構，傳統運營商，垂直行業運營商組成。他們也同時是聯盟鏈上的節點，當頻譜擁有者發布一個智能合約來觸發頻譜的共享。使用權的轉讓可以通過競價形

83、式，或者是非競價形式，對于后者可能存在同一個頻譜中有多個使用者的情況，因此在這個場景中需要考慮到干擾規避傳輸技術。當交易完成后，節點會把交易記錄和使用權記錄打包成區塊并連接到鏈上，這樣區塊鏈上的各個全節點都可以保存最新的使用權更新數據，整個的數據結構如圖 2-7 所示?；趨^塊鏈的頻譜共享的另一個優點是，主管機構可以實時的掌握真實不可被篡改的頻譜交易記錄，可以獲取更為真實的頻譜的實際市場估值，以及頻譜的利用率。另一方面，頻譜使用者可以通過區塊鏈來記錄更細節化的頻譜使用信息，這樣主管機構可以更方便的獲得頻譜的使用情況，從而大幅減少頻譜管理的成本。一個簡單的描述是頻譜擁有者可以把頻譜的使用權轉讓出

84、，頻譜使用權的轉讓可以細化到時間、地理位置的維度，獲得頻譜使用權的一方可以在此頻譜中通信，同時頻譜擁有者也可以從中獲得收益，從而通過頻譜共享達到按需動態分配頻譜的目的。采用靈活頻譜分配，主管機構可以進行相對簡化、粗粒度的初始頻譜劃分，而更細化的劃分交給后續的頻譜共享機制來完成，而頻譜擁有者可將使用權按時間、頻譜、地理位置三個維度進行劃分、轉讓。例如，頻譜擁有者可以根據自身的情況，決定對于某段頻譜在特定時間內，在特定地理位置下的使用權進行轉讓，如圖 2-6。6G 靈活頻譜分配的核心，是借助區塊鏈技術來實現頻譜的靈活共享。圖 2-6：時間、頻譜、地理位置三維頻譜使用權劃分位置 2地理位置時間位置

85、1頻段 1頻段 2頻段索引圖 2-7：區塊鏈頻譜共享數據結構時間1位置1位置2位置M使用者頻段1使用者頻段2使用者頻段N使用者頻段1使用者頻段2使用者頻段N使用者頻段1使用者頻段2使用者頻段N31OPPO 6G 白皮書 2023 版32OPPO 6G 白皮書 2023 版在無線空口處理方面，極簡核心應該提供一個低復雜度、低功耗的“最小處理核”?！白钚√幚砗恕笨梢蕴峁┒鄠€子系統的“公共部分”。一方面，為子系統 A 設計的 6G設備不需要提供除“最小處理核”之外的子系統 B 的功能，這樣可以避免各個子系統之間不必要的功能重疊，將每個子系統的復雜度控制到最小程度；另一方面，某個子系統的設備也不需要總

86、是工作在這個子系統的“全功能狀態”，在沒有業務或僅有基本業務的時候，可以收縮到“最小處理核”，進入低復雜度、低功耗的“低功能狀態”。如果我們把某個子系統的“全功能狀態”也看做一個處理核，那這個處理核可以稱為“完整處理核”。這樣，在 6G 極簡多能系統里，就可以用“大小核”操作來實現從極簡核心到子系統的切換，如圖 2-8 所示?！按笮『恕辈僮骶哂腥缦绿卣鳎?G 極簡核心 之“最小處理核”2.4圖 2-8：用“大小核”操作實現從極簡核心到子系統的切換低時延高可靠HRLLC完整處理核Sidelink連接D2D完整處理核超高數據率低成本低功耗“沉浸式與AI”完整處理核大規模IoT功能快速切換最小處理核

87、不同的子系統有不同的“完整處理核”，各個子系統的設備在“全功能狀態”時，工作于“完整處理核”；子系統的設備在“低功能狀態”時，回落到“最小處理核”。最小處理核支持初始接入、最小控制信令、基本數據類型、測量等最基本的功能，具有全覆蓋、基本數據率、基本移動性等基礎性能；“最小處理核”和“完整處理核”之間可以實現快速切換。圖 2-8 包含了 3 個“完整處理核”和“最小處理核”的示例：“沉浸式與 AI”完整處理核、D2D 完整處理核、HRLLC 完整處理核，而最小處理核則可以覆蓋大規模 IoT子系統的功能。以“沉浸式與 AI”完整處理核與最小處理核之間的切換為例，“沉浸式與 AI”設備中具備一大一小

88、兩個處理核：“沉浸式與 AI”完整處理核和最小處理核，當設備有沉浸式通信或高速率 AI 業務時，工作在“沉浸式與 AI”完整處理核，當設備沒有沉浸式通信或高速率 AI 業務時，可以快速切換到最小處理核，工作于低功能狀態，可以有效地節省功耗。如果要實現這種快速的切換，應該從 6G 系統設計伊始，就將大規模 IoT 子系統有效地嵌入到寬帶蜂窩子系統設計中，而不應像 5G 系統設計那樣，先面向 eMBB 場景設計一個全能的 5G 系統，然后再做功能裁剪。受限于 eMBB 這個參考場景，5G NR 第一個版本所定義的最小終端能力過高，因此后續在 eMBB 系統基礎上做裁剪，始終無法在節能和降低復雜度方

89、面做到理想的程度。如果在 6G 系統設計一開始就考慮在各種子系統設備中支持最小處理核，就可以通過各個子系統的完整處理核與最小處理核之間的切換，實現各子系統之間的聚合。對于“大小核結構”，“大核”和“小核”之間的快速轉換是關鍵，轉換的過程應該使用盡可能小的能量和少的步驟，并且集成在常規的過程中。33OPPO 6G 白皮書 2023 版6G寬帶蜂窩子系統6G 寬帶蜂窩 KPI 指標要求6G 寬帶蜂窩關鍵技術與系統設計6G 空口的 AI 化替代首先，5G 系統理論上的峰值數據率 20Gbit/s 已經可以支持高清視頻、XR 媒體流甚至 AI 模型和數據在廣域覆蓋環境中的傳輸，因此 6G 寬帶蜂窩子系

90、統的峰值速率不需要追求明顯高于 5G 的峰值數據率。其次，由于 5G 高階 MIMO 傳輸和毫米波傳輸的覆蓋率有限，在 5G 宏小區邊緣實現 100Mbit/s 的用戶感受數據率仍然存在挑戰，6G 應致力于切實保證這一速率成為隨時隨地可得的用戶感受，追求理論上的更高數據率并不是首要目標。接下來，由于空天通信和地面蜂窩系統的信道傳輸環境、軟硬件能力存在很大的差別，6G 寬帶蜂窩子系統應集中定義地面蜂窩傳輸技術，首先致力于在經常有人居住的地區提高覆蓋深度，海洋、荒漠等人員稀薄地區的覆蓋應由 6G 空天通信子系統實現。最后，6G 寬帶蜂窩子系統仍應側重于通信能力，具備基本的定位和感知能力即可，不應過

91、度追求超高精度的定位和感知性能，造成系統、終端的復雜度和成本大幅提升。這一能力定位對于絕大多數寬帶多媒體和移動 AI 業務是足夠的，少量確需高精度定位、感知的應用場景，可以通過在網絡和終端集成 6G 定位與感知子系統來提供業務。6G 寬帶蜂窩 KPI3.1指標要求寬帶蜂窩模式是 4G、5G 系統的傳統核心，在 6G 系統中仍是最重要的子系統之一。同時，寬帶蜂窩也是 4G、5G 系統中技術最成熟、用戶滿意度最高的應用模式。4G、5G 手機業務快速普及，有力支撐了各種移動互聯網應用的蓬勃發展，證明了 4G、5G 在滿足手機用戶的多媒體音視頻感受方面獲得了良好的效果。6G 寬帶蜂窩技術主要目標，是實

92、現傳統業務的性能提升和應用范圍擴展，同時使能移動AI 計算這一新業務，主要包括：高分辨率視頻流的普及；沉浸式多媒體業務（如 XR）的普及；AI 模型的分布式推理、傳輸與訓練。我們認為，6G 寬帶蜂窩子系統應滿足如圖 3-1 所示。圖 3-1：6G 寬帶蜂窩子系統 KPI 要求CoverageExperienceddate rate(Mbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)

93、ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1000100101100.111-10-61-10-5101001010020 x10 x11000100101000100101011010011003x1x1-10-7Hotspot1x0.1x50035OPPO 6G 白皮書 2023 版6G 寬帶蜂窩關鍵技術3.2面向上述 6G 寬帶蜂窩子系統 KPI 指標，我們對各項 6G 潛在關鍵技術的觀察如下表。根據對 6G 性能的貢獻，這些技術可以分為四大類：與系統設計這類技術的目標是實現比 5G

94、 更大的傳輸帶寬和更高峰值速率，由于獲取更大帶寬的主要方式是在高頻段尋找新的頻譜，這類技術主要是高頻段傳輸技術。其中頻率較低的毫米波傳輸技術已經在 5G-Advanced 階段進行了研究，結論是可以重用中低頻 5G 的 OFDM 技術。但高頻毫米波信號的傳輸特性將發生較大變化，可能需要考慮不同于傳統 CP-OFDM 的新波形技術。更高頻段的太赫茲（THz）和無線光通信技術雖然可能實現更大帶寬和更高速率的傳輸，但其傳輸距離過短，用于蜂窩組網需要極高的基站密度，部署難度很大。我們認為太赫茲和無線光通信更適合用于 6G D2D 子系統，將在 4.2 節中介紹。當然，這兩種技術還有可能作為感知技術用于

95、 6G 定位感知子系統。高頻新空口技術技術分類關鍵技術6G 應用前景基于AI的空口增強相對成熟，6G 應用可能性很高，性能增益大小有待于進一步研究。超大規模天線新型多址全雙工相對成熟，6G 應用可能性較高，但仍需解決應用場景狹窄、耗能高的問題。取決于是否獲得足夠大的性能增益、是否能就技術方案達成共識。靈活雙工模式相對成熟，6G 應用可能性較高。全雙工成熟度挑戰較大，實際性能增益有待驗證。相對成熟，6G 應用可能性較高，但仍需驗證實際性能增益，并解決部署成本的問題。新型信道編碼智能表面（RIS）解決高頻段視距傳輸覆蓋率低的問題仍在研究中，實際性能增益有待驗證。太赫茲傳輸無線光通信傳輸距離短，更適

96、合 D2D 傳輸傳輸距離短，更適合 D2D 傳輸實現更大傳輸帶寬和更高峰值速率表 3-1：6G 寬帶蜂窩潛在關鍵技術相對成熟，6G 應用可能性較高，但仍需解決視距傳輸覆蓋率低的問題。采用該技術的目的高頻新空口技術頻譜效率提升技術覆蓋增強技術用于高頻毫米波的新波形獲得更高的頻譜效率實現更高傳輸可靠性（如 10-7或更高）可靠性提升技術36OPPO 6G 白皮書 2023 版由于 4G MBB 和 5G eMBB 技術已經相當成熟，也在市場上廣泛驗證了其應用效果，在 6G 沿用 5G 核心物理層技術（OFDM+MIMO）的條件下，6G 寬帶蜂窩子系統可以大量沿用 5G eMBB 的成熟設計，包括信

97、道結構、資源分配、接入等物理過程。但是在此之上，6G 寬帶蜂窩子系統還可以引入 AI 算法，與傳統算法并行使用。如 1.5 節和 2.1.3 節所述，使用 AI 算法的 6G 系統可能采用明顯不同的以“描述 AI 模型生命周期管理”為基礎的系統設計。也就是說 6G 寬帶蜂窩子系統可能會包含兩種空口系統設計。從 2G 開始，頻譜效率提升是歷代移動通信技術長期追求的目標。理論上講，頻譜效率的提升總是可以換取更高的數據率和系統性能。但實際上，提高頻譜效率當然不是沒有代價的，其幾乎必然要付出更高的設備復雜度和部署成本。以多天線（MIMO）技術為例，在 HSPA+和 4G 系統中開始引入 MIMO 技術

98、時，只采用 24 個天線端口就能實現大幅度的頻譜效率增益，采用 MIMO 技術的“投入產 出 比”很 高。在 5G 中 采 用 大 規 模 天 線 技 術，可 以 實 現 多 用 戶 MIMO（MU-MIMO）和垂直方向的分層覆蓋，從理論上是很有吸引力的技術。但MU-MIMO 和 3D MIMO 并不是在所有部署場景都能獲得明顯的性能增益，大量天線帶來的成本和能耗提升并不總能換取相應的性能提升。新型多址技術是另一種在 5G 階段深入研究過的關鍵技術，但由于候選技術方案過多、性能增益和復雜度評估沒有明確結論，沒有被 5G 標準采納。預計 6G 標準化階段會對新型多址技術再次進行研究，但仍然會面臨

99、 5G 時類似的挑戰，新型多址技術往往也是在某些特定的場景能夠獲得比較明顯的增益，產業是否能對這些“優勢場景”及其性能增益獲得共識，仍然是一個問號。作為全雙工的初步階段，3GPP Rel-18 開始對靈活雙工技術開展研究，這種技術雖然不能實現完全的“全雙工”效果，但其實現復雜度相對較低，沿這個技術路線完全有可能成為 6G 標準的一部分。完整版本的全雙工技術還在深入研究中，如何控制設備復雜度還面臨一定挑戰。物理層 AI 是在 3GPP Rel-18 中研究的另一項“準 6G”技術，雖然還沒有完成性能增益的評估，但是已經基本可以確定是 6G 的核心技術之一。究其原因，不僅因為 AI可能實現一定的性

100、能增益，還因為它可能實現大幅簡化的空口協議，并實現與業務層的 AI 算法共享訓練和推理算力，使 6G 設備和終端的應用處理和基帶處理有望統一到一個軟硬件架構中。6G AI 對物理層算法的替代，將在 3.3 節中進一步介紹。頻譜效率提升技術在 5G 階段，3GPP 也對一些覆蓋增強技術進行研究和標準化，包括中繼技術和信道設計的各種優化等。智能表面（RIS）是一種針對性的解決毫米波視距傳輸覆蓋率低的覆蓋增強技術，如果能顯著提升毫米波信號的覆蓋范圍，將比引入更高頻段的THz、無線光通信等只能用于熱點覆蓋的“峰值增強技術”，對 6G 的意義更大。但業界仍需深入驗證 RIS 實際性能增益，并解決 RIS

101、 站點的部署成本問題。覆蓋增強技術5G 標準引入 LDPC 和 Polar 編碼，分別為 eMBB 高速率傳輸和 URLLC 高可靠性做出了貢獻。是否需要引入新的信道編碼，以實現更高的傳輸可靠性，學術界還在深入研究。不過如 3.1 節所述，6G 寬帶蜂窩子系統不需要進一步提高傳輸可靠性，如果引入新的信道編碼，其主要應用場景適用于 6G URLLC 子系統。在 5G 系統中，eMBB 和 URLLC 都是共用一套信道編碼技術。但在 6G 系統中，如果新的編碼技術具有相對高的復雜度，也可以考慮僅在 6G URLLC 子系統中采用?？煽啃蕴嵘夹g37OPPO 6G 白皮書 2023 版6G 空口的

102、AI 化替代3.3如 1.5 節所述，相對 5G Rel-18/19 版本標準化中采用的 use case 級別的漸進式 AI增強思路，6G 系統更適合采用快速 AI 化的思路。因此，在當前針對 6G 系統的空口 AI 化演進的過程中，有必要對研究的路線、所受的限制條件、基礎問題，技術趨勢，以及期待的突破與改變做出較為客觀和明確的判斷，并相應構建短、中、長期演進規劃，以在不同層面和維度上獲得理論與工程上的增益與突破。一體化、系統化研究；AI 接收機帶來的新空口影響；場景自適應、可在線更新需求；數據智能建模與虛擬重構。如圖 3-2 所示，針對無線通信系統的智慧賦能將依托 AI 技術首先提升單點或

103、者特定鏈路上的無線通信系統性能，即利用 AI 對原有系統架構中的功能模塊進行數據驅動或者模型驅動的智能化增強。例如，在物理層對原有的信道估計功能、信道狀態信息反饋模塊、波束管理功能、符號檢測鏈路、定位子系統等進行利用 AI 技術的增強設計，提升相應模塊的性能；在接入網對系統中的移動性管理、資源分配、負載均衡、網絡/用戶節能等問題，利用 AI 的決策優勢和預測優勢，提升接入網絡整體性能增益；在核心網側，構建支持 AI 的網絡結構，實現基于 AI 的網絡規劃與細化優化，并實現基于 AI 的網絡故障檢測與維護能力。上述面向空口 AI 化的功能應用是無線通信與 AI 技術結合的開端，但需要注意的是，6

104、G 階段的一個重要的背景特征是整個通信行業再次獲得了系統性改變整體通信架構的機會。所以，在這個階段，局限在現有架構設計的基礎上做基于 AI 的系統優化并不是智能化 6G 研究的全部內容。著眼于 AI 對未來通信系統設計與重構的深度影響，一些固有的模式需要被嘗試打破，開展全新的探索，以期構建形成面向智能需求且構建于智能技術上的新一代無線通信系統。6G 空口 AI 化的研究將不只在已成型的具體無線用例上做修補優化型演進，而是從系統重構的角度出發，開展無線 AI 共性基礎問題的深度剖析，包括：6G 空口的 AI 化替代包括基于 AI 的系統賦能和基于 AI 的系統重構兩個層面圖 3-2：智能技術為

105、6G 賦能與重構智能技術為 6G 賦能與重構基于 AI 的系統賦能依托基礎系統架構，利用 AI 技術實現模塊化/功能化/系統化的性能提升?；?AI 的系統重構不局限在現有系統架構，研究 AI 對未來通信系統設計的影響。38OPPO 6G 白皮書 2023 版首先，未來無線通信系統的一體化、系統化 AI 設計可包括自上而下的一體化設計和自下而上的系統化集成兩個方向，如圖 3.3-2 所示。傳統的通信系統設計中，基于功能劃分等原因，整體通信系統一直以來被劃分為特定模塊單元，通過問題拆解、模型化、參數化擬合等方法級聯形成完整的通信系統設計。但是，通信的目的是有效信息的成功傳輸，人為劃分的模塊化設計

106、只是實現達到上述目的一種方法，AI 技術則為上述問題提供了另一條思路?；?AI 的整體通信系統設計，可以采用以傳輸增益最大化為目標，以待傳輸信息作為收、發模型的期待輸入輸出條件，以信道環境、噪聲等不可控因素作為傳輸和模型構建的限制條件，以期獲得整體的設計增益。與此同時，有必要指出大規模系統的一體化設計雖然在減少信息量損失的角度來看是有益的，但也會相應引入極高的自由度和復雜度問題，對于無損信息量中有用信息的提取在短時間內依舊是對 6G 系統 AI 化的挑戰。所以基于模塊化 AI 的集成與融合，也是未來無線通信系統智能化演進的重要探索階段。（a）一體化 AI 設計與重構發射機接收機信源信宿信道p

107、(y|x)發射機接收機發送信息發射機輸出接收機輸入接收信息信源編碼信道編碼調制發送天線耦合信道接收天線耦合解調信道解碼信源解碼圖 3.3-2：一體化、系統化 AI 設計的兩種思路（b）模塊化 AI 集成與融合導頻信道粗估模塊粗估計信道UEBS恢復后的信道編碼器反饋信道信息反饋子網絡1011010110110101解碼器信道估計子網絡39OPPO 6G 白皮書 2023 版在 6G AI 的研究中，有必要對 AI 技術可帶來的核心優勢做最大程度的利用。當前AI 技術的發展已使得原本很多難以解決的復雜問題被重新審視。在可預見的相當長一段時間內，AI 技術的迭代與發展速度將遠快于傳統通信理論的演進速

108、度，隨之而來的是通信傳輸方案與處理方案之間的關系有可能在底層設計思路上發生變化。在傳統無線通信系統設計中，一個重要的短板來自于受限的接收算法和后處理能力，在實踐中往往需要在發送端做一些特殊處理，例如通過一些正交化、線性化的傳輸設計，通過增加發送復雜度的方式換取對于接收端處理的可行性以及復雜度的放松。但是，在 AI 技術的使能下，很多任務中 AI 接收機的有效性、高效性均得到驗證。這使得“大后臺、小前端”的設計思路得以嘗試。例如，簡化一些非必要的正交化、線性化的預處理傳輸方案，在降低整個系統設計的復雜度的同時，通過 AI 解決方案，保持甚至進一步提升系統效能。當前，在 CSI、波束管理等 3GP

109、P 無線 AI 用例中，AI 處理方案在接收端的引入已經在一定程度上降低了整個系統對于發送端傳輸的依賴程度。更進一步來看，先進 AI 接收機的引入，對于更多通信基礎問題，例如導頻設計、調制、編碼、波形等，均有望帶來前端傳輸簡化與后端性能優化等方面的影響。對于 6G AI 來說，還需要對無線通信問題與 AI 技術深度融合所需面對的共性限制條件形成明確的判斷。當前無線系統 AI 化的研究重點集中在了期望通過增益、復雜度、泛化性以及其他多個維度優先評估無線通信系統與人工智能技術結合后對未來無線通信系統帶來的新變化。相對理想的數據、訓練、場景等限制條件被優先考慮，以快速確認 AI 解決方案在無線系統中

110、使用所帶來的影響。但上述的假設往往會引入一些過于理想的條件，比如，對于數據來說，是否能夠獲取足量的訓練數據，以及獲取數據所需要付出的代價如何評估；對于場景來說，是否模型訓練可以在足量場景下完成，以及不同場景對于智能無線通信解決方案的影響如何評估；此外，對于模型、算法訓練來說，在不同場景、數據條件下是否都可通過離線處理的方案來解決也是不確定的。對于 6G 系統智能重構，在當前工作的基礎上，還需要充分考慮實際系統與人工智能技術深度結合時所面臨的數據、場景、以及在線訓練更新等更多方面的影響因素，從系統設計的源頭支持面向小樣本、場景自適應、可在線更新需求的無線 AI 解決方案（例如，元學習、遷移學習等

111、，如圖 3-4 所示）的應用部署，進一步構建和擴充未來無線通信系統的智能化邊際。元模型目標模型目標數據元數據圖 3-4：基于元學習的小樣本條件場景化適配示意基礎模型40OPPO 6G 白皮書 2023 版AI 和下一代無線通信系統的深度結合過程中，作為智能化系統設計、性能評估的基礎，針對無線數據集本身以及衍生問題的研究在 6G 階段中將扮演著不可或缺的角色。以物理層應用為例，無線數據大多都可溯源到信道數據。作為基礎方案，可采用平臺仿真與外場實采形成基本的物理層無線 AI 研究數據集。但是，對于實際無線環境來說，通信系統所需面臨的信道條件往往極度復雜，仿真數據、以及局部實采數據對于方案論證的可靠

112、性往往有限。在實際無線環境中，充分且完備的實采信道數據很難獲取。通過傳統路測的方式獲得底層無線信道數據來支撐基于 AI 的無線通信研究時，往往在花費極大的人力、物力成本后依舊很難獲取到期望的完備數據集作為無線 AI 解決方案的有效訓練數據。針對這類問題，在 6G 無線系統的 AI 化構建中需要充分考慮無線 AI 不同研究方向下所涉及的數據集需求，充分評估獲取的方式與潛在的獲取難度，并支持在小樣本數據假設下依托少量真實樣本的假設完成真實數據建模，例如通過智能技術實現物理信道的虛擬重構，如圖 3-5 所示，繼而評估不同來源的無線 AI 數據集在其所對應的相關無線 AI 用例中的可用性及有效性。人工

113、智能的發展與應用為未來無線通信系統的智能構建提供了潛力，也帶來了更多的挑戰。對于 6G 來說，未來的無線通信網絡將不再是一張簡單的傳輸網絡，智能的需求、智能的改變、智能的構建將貫穿于 6G 系統甚至更長久系統的設計與建設當中，我們期待著“智啟無線、智享世界”的到來。圖 3-5：基于 AI 的小樣本條件信道建模與虛擬信道重構噪聲向量真實信道虛擬信道真實信道數據庫虛擬信道生成器信道鑒別器41OPPO 6G 白皮書 2023 版6GD2D 子系統6G D2D KPI 指標要求6G D2D 關鍵技術與系統設計43OPPO 6G 白皮書 2023 版4.16G D2D KPI 指標要求6G D2D 子系

114、統的 KPI 指標可以通過下圖所示。6G 系統要求空-天-地-海全域無縫覆蓋，但是由于 6G 系統采用更高頻段，導致基站的覆蓋范圍很小，并且存在覆蓋盲區。通過基于 D2D 的中繼技術，可以擴大覆蓋范圍，使得遠區終端或小區覆蓋外的終端可以連接到網絡，避免覆蓋盲區，另外，通過終端聚合技術可以使得多個低能力終端通過聚合的方式連接到網絡，擴大小區覆蓋范圍并且提升傳輸性能。覆蓋范圍6G 系統考慮采用更高通信頻段的傳輸技術，如毫米波、太赫茲通信和無線光通信，這些高頻段具有很大帶寬，可以提供高傳輸速率。但其傳輸距離過短，用于蜂窩組網需要極高的基站密度，部署難度很大。毫米波、太赫茲和無線光通信更適合用于6G

115、D2D 子系統，在幾米甚至更短的距離上進行終端間的直接數據傳輸。因此 6G D2D 子系統的峰值速率和用戶數據率可能會超過 6G 寬帶蜂窩子系統。也就是說，6G 系統的最高峰值速率和用戶數據率可能是通過 D2D 子系統來實現的。峰值速率和數據率由于消費電子設備之間的 D2D 通信可能在很短距離內進行，使 D2D 子系統可以實現很高的連接密度，支持很高的每用戶連接數量，6G D2D 子系統的連接密度也完全可能超過 6G 寬帶蜂窩子系統。連接密度5G D2D 中為了降低標準復雜度，只支持雙流傳輸，256QAM。在 6G D2D 子系統中可以考慮支持更多流數據傳輸以及更高的調制方式，以提升頻譜效率。

116、頻譜效率由于 D2D 感知主要用于相鄰終端之間的精確定位，定位距離較短，視距連接比例很高，更有利于實現很高的定位精度。因此 6G D2D 子系統的感知精度可望達到 cm級別，這種高精度定位對鄰近終端之間的高精度互動業務（如交互式 XR 游戲、協同駕駛）也是必要的。定位精度圖 4-1：6G D2D 子系統 KPI 指標CoverageExperienceddate rate(Mbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyP

117、eak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1000100101100.111-10-61-10-5101001010020 x10 x11000100101000100101011010011003x1x1-10-7Hotspot1x0.1x5006G 系統支持空-天-地-海集成的無縫覆蓋網絡，使得所有的終端都可以和網絡保持連接，實現真正的萬物互聯。而 6G 系統為了支持更高的傳輸速率，需要采用更高的頻段更大的帶寬，但是頻段越高，網絡覆蓋范圍越小。

118、一種方式是通過增加站點滿足全域覆蓋的需求，但是會大大增加網絡部署成本。另外，在一些特殊的場景中，如海下，也無法部署基站，因此，很難通過部署基站的方式實現無縫覆蓋。而通過基于 D2D 的中繼（relay）技術可以使得更多的終端連接到網絡，實現擴展網絡覆蓋范圍的目的，甚至是無縫覆蓋。D2D 中繼技術包括 U2U（終端到終端）中繼 或 者 U2N（終 端 到 網 絡）中 繼，并 且 支 持 單 跳（single-hop）和 多 跳（multi-hop）中繼，從而使得位于遠區甚至小區覆蓋范圍外的終端通過 U2U 中繼或 U2N 中繼連接到網絡。終端可以直接連接到網絡，或者通過中繼連接到網絡，從而實現和

119、網絡保持多條連接路徑，提高連接的可靠性。對于一些低能力（RedCap）終端，這些終端由于自身硬件能力有限、發送功率有限，很 難 連 接 到 網 絡，或 者 很 難 具 有 較 高 傳 輸 性 能。通 過 終 端 聚 合（UE aggregation）的方式，將多個終端的能力聚合起來一起與網絡進行數據傳輸，可以提升傳輸性能，如提高傳輸速率、降低發送功率，提高傳輸可靠性、降低傳輸時延等。設備與設備直接通信（Device-to-Device,D2D）技術具有很多優點，比如 D2D 通信可以有效提高傳輸速率，減小時延，增加能效和頻譜效率，還可以緩解蜂窩無線網絡的過載現象，D2D 通信將作為實現 IoE

120、 必不可少的一環，在 6G 網絡繼續發揮著關鍵作用。隨著 6G 系統中可用頻段越來越高，通過基站實現無縫覆蓋變得越來越困難，利用 D2D 技術實現終端到終端之間的直接通信會成為 6G 系統中越來越重要的通信方式。另外，D2D 技術可以和其他技術相結合，如基于側行鏈路的定位技術、感知技術、大規模 IoT 技術、人工智能等，因此，D2D 技術將成為 6G 系統中最重要的技術之一。6G D2D 系統可以應用于如下的場景中，如擴展覆蓋、個人接入網（Personal Access Network，PAN）、智能家居、V2X、工業物聯網（IIoT）、感知、定位等。4.26G D2D 關鍵技術與系統設計44

121、OPPO 6G 白皮書 2023 版1.D2D 系統用于擴展網絡覆蓋圖 4-2：D2D 系統應用于擴展覆蓋U2U 中繼U2N 中繼圖 4-3：D2D 系統應用于終端聚合圖 4-4：D2D 應用于車聯網為了讓更多的終端設備連接到網絡，終端設備可以以多跳互聯的方式形成自組織網絡，即 Mesh 網絡。在 Mesh 組網關鍵技術的研究中，涉及到的方向包括網絡發現、路由轉發和網絡維護。未來智能終端可能同時處于物理與虛擬的“融合”世界，所處的周邊環境將會更為復雜，同時自身可能處在高速移動狀態，因此，Mesh 網絡中的智能設備既需要快速加入網絡建立通信連接，也需要快速應對動態環境的變化做出決策，更新并維護網

122、絡拓撲結構，從而保持高效穩定的運行狀態，但是目前智能終端可能無法支持如此強大的預測和決策能力。6G 時代，AI 可以賦能 D2D 系統，智能終端作為邊緣云計算和分布式 AI 計算的天然載體，以智能終端為中心，發揮AI 強大算力解決 Mesh 組網中的關鍵技術，助力 Mesh 網絡部署于廣泛的應用場景。6G 系統中需要支持完全自動駕駛，對傳輸可靠性、通信距離、傳輸速率具有更高的要求，而 6G 車聯網中的一些新場景、新技術帶來新的挑戰。由于城市化進程快速發展以及智能電動汽車等技術的發展，未來支持自動駕駛的車輛會快速增加。3D 顯示、全息控制顯示系統、腦機接口、沉浸式娛樂、車內娛樂系統等技術的出現和

123、發展，對系統傳輸速率、可靠性、時延等提出更高的要求?；?D2D 的 5G NR SL 技術的主要應用場景就是車聯網，通過相應的技術增強，D2D 系統仍然可以用于 6G 系統中，以滿足自動駕駛的需求，以及車內設備間的通信需求。5G D2D 系統的增強可以包括如下幾個方面：更高傳輸速率：如支持更高的頻段（FR2-1/FR2-2），支持載波聚合技術；更高可靠性：低負載的 SCI 設計，基于中央調度的傳輸方式，新的 QoS 參數設計；更低時延：更高子載波間隔，資源授權優先級處理；跨 RAT 調度：6G Uu 口可以調度 5G D2D 傳輸；2.D2D 系統用于車聯網（a）車聯網（b）車內通信45OP

124、PO 6G 白皮書 2023 版UE 聚合46OPPO 6G 白皮書 2023 版在 IIoT 場景中，需要可編程邏輯控制器（PLC）和傳感器之間直接通信，或者多個合作搬運貨物的機器人之間直接通信 7，以滿足低時延高可靠的傳輸，因此，在IIoT 場景中需要支持基于 D2D 的終端直連技術。另外，在 IIoT 場景中，需要滿足即使在無網絡覆蓋的場景下，也能對終端實現定位功能，因此，基于 sidelink 的定位功能也是 IIoT 場景中的一個重要特性。在 IIoT 場景中，可以采用廣域網（Wide Area Network，WAN）和微域網（Micro Area Network，MAN）相結合的

125、組網方式：廣域網：基于基站的覆蓋，滿足廣覆蓋以及移動性管理的需求；微域網：基于 D2D 的終端直連，實現低時延、高可靠、低功耗的傳輸；為了滿足 IIoT 場景中低時延高可靠的要求，D2D 系統需要做相應的增強，如提高傳輸可靠性，降低傳輸時延，高精度時間同步機制，U2U/U2N 中繼的組切換機制，基于 sidelink 的定位機制等。3.D2D 系統用于工業互聯網（IIoT）圖 4-5：D2D 應用于 IIoTProSe communicationProSe communicationPublic mobile 5G network(PLMN)6G 感知能力將實現無所不在的傳感，捕捉物理世界的環

126、境細節，并支持虛擬世界的雙重重建。對于一些應用場景，如室內入侵檢測、健康檢測、手勢識別、移動監測、停車位識別、工業物聯網等，在這些室內場景中，通常沒有網絡的覆蓋或者網絡信號不好，此時，基于終端的感知和定位尤其適用，可以只基于終端之間的協作完成對周圍環境的感知和定位功能，以賦予 6G 網絡無時無刻、無處不在地感知物理世界的能力，因此，基于終端的感知或定位能力是 6G 系統中的一個重要特征。同時具有通信、感知和定位功能將是 6G 終端的能力趨勢。D2D 系統用于感知或定位的工作模式可以包括如下幾種：基站和終端協作進行感知或定位：基站發送探測信號-終端接收探測信號；或者，終端發送探測信號-基站接收探

127、測信號；只基于終端進行感知或定位：終端自發自收；或者，終端 A 發送探測信號-終端 B接收探測信號。4.D2D 系統用于感知（sensing）和定位（positioning）圖 4-6：D2D 應用于感知和定位感知目標(a)(c)(d)(b)感知目標感知目標UE-AUE-B感知目標47OPPO 6G 白皮書 2023 版6G 低時延高可靠 KPI 指標要求6G 低時延高可靠關鍵技術與系統設計6G 低時延高可靠子系統低時延高可靠（URLLC）是 5G 引入的一種應用場景，主要用于工業互聯網、車聯網等對時延、可靠性要求更高的關鍵物聯網（Critical IoT）業務?？梢灶A計，URLLC 子系統也

128、將成為 6G 系統的重要組成部分。5G URLLC 在 Rel-15 版 本 中 已 初 步 支 持，Rel-16、Rel-17 兩個版本又相繼增強，但其產業化進程并不順利，尚未獲得大規模商用普及。究其原因，5G URLLC 是在 5G eMBB 基礎上增強而來，在追求更低時延、更高可靠的同時，并沒有針對工業互聯網、車聯網等場景對 eMBB 的冗余設計進行大量裁減，造成復雜度和成本不必要的疊加。試圖同時兼顧多種業務場景，最終顧此失彼，對任何一個行業都不能做到足夠優化。因此 6G URLLC 可以嘗試更準確的定位目標市場，對技術特性做更大膽的取舍，實現針對關鍵應用場景的性能優化和成本控制，提高

129、6G 在這個橫向市場的競爭力。在 5G 中，URLLC 涵蓋的范圍很廣，既包含要求中低速率、很低時延、很高可靠性的工業、交通等實時控制業務，也要涵蓋很高速率、較低時延的 XR（混合現實）業務，這種矛盾性的 KPI 要求給系統設計制造了較大困難，容易顧此失彼，哪種業務的性能也無法真正優化。6G URLLC 子系統應根據目標業務的需求進行針對性的優化。為滿足工業自動化動態控制的效率、精度及可靠性需求，時延需要達到 0.1ms，可靠性要求為 99.99999%。對于采用視覺控制的系統，用戶體驗速率需要達到 100 Mbit/s。在高密度部署場景中，連接密度需要達到 106 devices/km2。6

130、G 低時延高可靠 KPI 指標要求5.1圖 5-1：6G 低時延高可靠子系統 KPI 指標CoverageExperienceddate rate(Gbit/s)Latency(ms)Jitter(uc)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1011010.10.111-10-6

131、1-10-5100100001010020 x10 x11000100101000100101011010011003x1x1-10-7Hotspot1x0.1x50049OPPO 6G 白皮書 2023 版5G 系統鮮明的特點是頻段多樣、支持靈活時隙結構、多種子載波間隔、波束掃描以及豐富的部署場景，因此在 5G 系統設計時，兼顧了以上多種需求，初始接入模塊設計的完備且復雜。如第 1章所述，6G 系統以“極簡而又多能”為目標，設計多個面向應用場景的子系統，因此對于每個子系統，在初始接入模塊可以做更多“針對性”而非“包容性”的設計。對于低時延高可靠子系統，可以探索設計確定性的初始接入模塊，例如在

132、小區搜索時，可以采用確定性的參數集/受限的參數集，即采用受限的頻點、簡化的 SSB 來降低終端小區搜索以及 RRM 測量的時延；在隨機接入時，可以以 5G 系統 2-step RACH 的設計為起點，降低終端上行同步的時延，與此同時，在進行 RRC參數配置時，也可以去冗存精，僅保留必要的參數配置，以達到降低復雜度的目的。為滿足高可靠、短時延且高速率傳輸的需求，6G 系統將進一步探索更快的終端處理能力。在5G 系統中，當終端被配置使用高等級處理能力（對應較短的 PDSCH 處理時間、PUSCH 準備時間）時，所有的數據都采用高等級能力進行處理。具體來說，對于同時支持寬帶數據傳輸與低時延高可靠數據

133、傳輸的終端，終端對于寬帶數據的接收處理和發送準備處理也需要滿足短時延業務的要求進行。這樣的處理方式一方面會影響寬帶數據傳輸的性能及體驗，另一方面由于終端總是處于高速數據處理狀態因此終端功耗較高。6G 系統中，在提升終端處理能力速度的同時也要考慮支持終端處理能力的動態切換，即在收、發寬帶數據時采用較慢速的處理能力，在收、發短時延高可靠業務時切換為較快速的處理能力，從而有效降低終端功耗。要實現終端處理能力動態切換，系統還需要支持靈活的時序關系，包括：調度時序、反饋時序、復用處理時序等。對于同一類型的數據（即對應相同處理能力的數據）傳輸，時序上依然可以需要滿足類似 5G 系統的要求，例如：調度在先的

134、數據優先被處理、傳輸在先的數據優先被反饋。但是對于不同類型的數據（即對應不同處理能力的數據）之間的時序約束應該放開或取消。否則，終端采用較低處理能力接收一個寬帶數據后，在該寬帶數據未完成解調、反饋之前，后續傳輸的短時延數據都無法按照較高處理能力進行接收。對于同時支持寬帶數據和短時延高可靠數據的終端，支持同時獨立收、發不同類型數據，即不同類型數據通過獨立信道同時傳輸，可利于提高系統傳輸效率。對于周期達到業務，可考慮更簡化的下行控制信令傳輸機制，在降低終端控制信道盲檢測的同時實現高效、高可靠傳輸。另外，也可以考慮 DCI 級別的重復傳輸，在保證可靠性的同時提升調度靈活性。當業務量較小的情況下，將小

135、數據包直接承載于下行控制信道中進行傳輸，有利于降低處理時延、提升系統復用效率并提升可靠性。對于 TDD 載波，由于 TDD 上下行配置造成的 HARQ 重傳時延需要進一步降低。6G 系統中，可考慮更多的使用 XDD 技術，在時域上提供更多的上、下行傳輸資源以降低調度、反饋及重傳時延。另外也可以考慮使用不同上下行配置的載波進行聚合，并采用 HARQ 進程跨載波重傳或多載波 HARQ 進程統一管理的方式降低 HARQ 重傳時延。在 5G 系統中，支持在時域上重復傳輸 PUSCH/PDSCH 以提升可靠性，但傳輸時延顯然會顯著增大。在 6G 載波聚合系統中，可以考慮支持不同載波上重復傳輸 PUSCH

136、/PDSCH，在保證傳輸可靠性的前提下，降低時延。6G 低時延高可靠5.2關鍵技術與系統設計50OPPO 6G 白皮書 2023 版為了進一步降低上行傳輸時延，6G 系統中的終端將具有更大的主導性。例如，調度請求之后，直接使用預配置資源傳輸 PUSCH。進一步地，終端可自主確定適合的傳輸參數，支持自動重傳或提前終止時域重復傳輸等。另外，6G URLLC 子系統也可引入 AI 技術輔助實現如下功能：數據到達預測：基站通過預測數據到達時間及數據量，進行預先調度。終端基于預測結果，實現完全的無調度傳輸或自主傳輸；調度、重傳預測：終端基于預測結果提前進行數據準備，從而降低數據準備時延?；净蚪K端基于預

137、測結果直接進行數據重傳，而不需要等待反饋信息；沖突預測：避免用戶間或用戶內的資源沖突。UCI（上行控制信令）增強：基于 AI 算法對 UCI 信息進行壓縮，降低反饋信息量。51OPPO 6G 白皮書 2023 版6G 感知 KPI 指標要求6G 感知關鍵技術與系統設計6G 感知子系統的兩種模式通信感知融合系統的關鍵技術獨立感知模式關鍵技術感知子系統是 6G 引入的一個新的子系統，雖然 5G 系統中已經包含定位功能，但全面的支持物理環境的感知，對移動通信系統還是一個新的變化。6G感知子系統6G 感知功能將使能無所不在的感知能力，捕獲物理世界的環境細節，支持虛擬世界的孿生重建。6G 感知能力不僅包

138、括目標識別，目標定位（測距、測速、測角）、目標跟蹤和目標成像的能力，還將包括材質檢測、模式識別和醫療輔助等。為了滿足上述 6G 感知能力，一些感知 KPI 被定義，特別是感知精度需要達到 cm 級別，如圖 6-1 所示。但同時，由于 6G 感知子系統應首先保證在感知性能方面的市場競爭力，不可能要求其具有和 6G 寬帶蜂窩子系統、6G URLLC 子系統相同的通信性能，在數據率、頻譜效率、系統容量等各方面的要求應該適當放松，給感知性能的優化留出設計空間。53OPPO 6G 白皮書 2023 版6G 感知 KPI 指標要求6.1圖 6-1：感知子系統 KPI 指標要求CoverageExperie

139、nceddate rate(Gbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1011010.10.111-10-61-10-5101001010020 x10 x11000100101000100101011010011003x1x1

140、-10-7Hotspot1x0.1x5006.26G 感知關鍵技術在信號處理技術的歷史上，感知和通信是需求不同、系統設計迥異的兩種技術。6G希望將通信、感知兩種技術融合在一個系統中，盡量復用軟硬件資源，取得“一事兩全”的效果。但是客觀地說，一個系統兼顧兩種業務，兩個業務共享資源，通信性能和感知性能可能都會受到一些影響，不可能完全發揮各自的技術潛力。因此，根據具體應用場景不同，6G 感知子系統可考慮支持兩種模式：通信感知融合模式和獨立感知模式。通信感知融合模式適用于一個運營主體同時提供通信和感知業務、用戶使用通信與感知多功能終端、使用通信/感知融合業務的場景。這種情況下，融合設計可以實現通信和感

141、知共享頻譜、硬件資源，靈活協作，為通信和感知雙重需求的場景提供一種高效的解決方案。這種模式下，運營方和用戶并不追求單方面性能最優，而是追求兩種能力的性能均衡。但是對于單純的感知業務運營，獨立感知模式可能就是更優的解決方案。運營方希望把資源集中用于優化感知性能，以在專業市場上獲得足夠的競爭力，用戶使用專用感知終端和感知業務，希望獲得最優的感知業務感受。通信能力在這種模式中主要提供感知相關信息、信令的傳輸。這種模式下，系統應該按照感知性能優化選擇關鍵技術、決定系統設計，且采用相對簡單的協同實現方案，從而為感知強需求、通信弱需求的場景提供了一種優化且低成本的解決方案。上述兩種模式既可以選擇一些相同的

142、關鍵技術，也可以選擇一些差異化的技術，如圖表 6-1 所示。6.2.1 6G 感知子系統的兩種模式54OPPO 6G 白皮書 2023 版與系統設計通信感知融合模式獨立感知模式同性關鍵技術差異化關鍵技術參數估計技術，AI輔助算法，協同感知技術等通信與感知的硬件融合通信與感知的信號融合通信與感知融合的網絡架構與組網感知信號信道設計感知硬件增強感知系統的網絡架構與組網表 6-1：通信感知融合模式與獨立感知模式的關鍵技術6.2.2 通信感知融合系統的關鍵技術 55OPPO 6G 白皮書 2023 版通信與感知的硬件融合技術無線通信與感知系統都是利用電磁波傳遞信息，一個是通過電磁波承載，一個是從電磁波

143、的特性中提取。因為功能和需求不同，兩者在信號收發模式，接收檢測靈敏度，同步精度，以及射頻通道的性能指標需求差異較大?，F有系統都會獨立設計，或者有所側重，例如，雷達系統中也具備低速率的數據傳輸能力，但硬件設計還是以雷達需求為主。通感一體化技術需要將通信和感知功能融合，盡可能地復用一套硬件系統，得以在成本，尺寸和性能上取得優勢。通信與感知的信號融合技術通信信號與感知信號的融合分為兩個層次。一個層次是由同一個系統發出的信號既可以用于通信，也可以用于感知，但兩者可以通過獨立的信號承載，即系統級的通信信號與感知信號的融合。在這樣的系統中，通信信號與感知信號可以在時域，頻域，空間域進行復用。另外一個層次是

144、通信與感知通過一個信號承載，即信號級的的通信與感知的融合。1.通信與感知融合模式關鍵技術6G 感知不僅包括經典參數估計，例如，目標識別，目標定位（測距、測速、測角）、目標跟蹤和目標成像的能力，還將包括模式的識別，材料檢測等。對于經典參數估計，一些經典的非線性算法，例如 FFT 和 MUSIC 算法是在復雜度和性能之間做了平衡。ESPRIT 算法復雜度高，但可以獲得更優的檢測性能。對于模式識別，材料檢測等，不可避免地需要從物理世界采集大量的感知數據，這些感知數據采用 AI 算法將還原出更加豐富的信息。2.信號處理技術協同感知技術通過多條感知鏈共同完成一個感知任務，提高感知結果的準確性與完整性，實

145、現廣覆蓋。協同感知的模式也是多種多樣，包括多節點協同感知、多頻段協同感知以及多制式協同感知。其中，多節點協同感知和多頻段協同感知可以廣泛應用于基站與終端，多制式協同感知將無線感知與終端設備中的攝像頭，重力感應等感知模塊結合，提高用戶體驗。多節點協同感知多節點協同感知指在相同的感知制式下，多條感知鏈路之間的協同感知。該技術應用廣泛，可以解決應用場景和設備實現中的非理想因素帶來的問題，提高感知性能。具體包括：克服遮擋，實現連續覆蓋和提升信號處理效果。在上述多點協作感知用例中，可以抽象出多點協作感知的 2 個空口關鍵技術：感知節點選擇和感知信息融合。此外，為了避免多節點感知信號的相互干擾問題，多節點

146、的感知信號協調問題也需要考慮。由于需要多個感知節點之間協作通信，核心網的增強也是必不可少。3.協同感知技術感知節點選擇意在選出能夠感知且感知結果可靠的感知節點。其中，選擇能夠感知的節點既要考慮感知授權和安全問題，還要考慮感知節點的空口能力，例如，感知信號的帶寬和發送功率，直接影響感知精度和感知范圍。感知節點的通信業務量，避免對通信無線資源的擠兌，降低通信速率。感知結果的可靠性與感知節點和感知目標的相對位置有關，甄別影響感知結果的因素，以及這些因素對應的信號特征量，使得控制節點可以通過感知節點的測量上報篩選出優質的感知節點。對于感知切換的場景，除了選擇合適的感知節點，也要考慮感知切換過程設計，確

147、保感知的連續性。感知信息融合意在將多個感知節點的感知信息合并處理。感知信息融合與單節點感知結果反饋相關。因此，可以根據單節點感知結果反饋的類型，對應地將感知信息融合技術分為三種：基于原始信道信息的融合、基于信道特征量的融合以及基于感知結果的融合。對于基于原始信道信息的融合，控制節點可以獲得完整的信道信息，最大程度地從大量的信道信息中挖掘出信號傳輸環境信息和感知結果。對于基于信道特征量的融合和基于感知結果的融合，其好處在于單節點的反饋量下降，但由于反饋信息的缺失，控制節點可挖掘的信號傳輸環境信息有限，降低了融合效果。一方面，可以通過一些融合算法或濾波技術，增強融合結果的準確性。另一方面，也可以通

148、過感知節點反饋一些輔助信息，輔助控制節點對多節點感知結果的融合處理。多頻段協同感知6G 系統支持的工作頻段會更廣，包括低頻，毫米波，太赫茲和可見光，不同頻段有其適合的應用場景。由于天然的物理性約束，不同頻段電磁波所能提供的感知功能和業務能力是不同的。理論上，頻段越高、波長越短、頻帶越寬，提供的感知精度和時頻分辨率就會越高；但是，由于無線信號的衰減或遮擋，感知有效作用的距離和范圍會越短越小。通常，較低頻段通感融合信號可以做大輪廓的粗淺感知應用，而較高頻段通感融合信號可以做更精細感知應用。56OPPO 6G 白皮書 2023 版多制式協同感知當前的終端除了具有支持通信功能的硬件之外，還擁有大量用于

149、提升終端交互體驗的傳感器，例如攝像頭、加速度計、陀螺儀、光線傳感器、距離傳感器、重力傳感器、磁場傳感器、氣壓傳感器等。隨著終端形態、人機交互功能的不斷演進，未來的 6G 終端將擁有越來越豐富的傳感器。終端的這些傳感器能夠針對終端周圍的物理環境提供豐富的感知信息。為滿足 6G 豐富的感知需求，可以考慮將這些基于專用傳感器的其他感知技術與無線感知進行結合。與單一的無線感知相比，這種多制式協同感知可以利用不同感知技術的獨特優勢來更準確、全面地感知物理世界。多制式協同感知的增益主要來自于不同制式感知技術獲得的感知信息的融合。由于不同制式的感知信息具有不同的數據屬性、感知精度、感知范圍、數據格式，不同制

150、式的感知信息的融合是多制式協同感知的關鍵技術。感知信號資源分配如上文所述，在通信和感知融合的網絡中一個信號可以同時滿足通信和感知的需求，從資源分配角度，感知參考信號的資源分配即為通信資源分配。在現有側行通信系統中，側行通信資源可以由網絡調度或由終端自主選擇。網絡調度的資源分配需要網絡運營商的參與，而且終端必須位于運營商的網絡覆蓋之下。終端自主選擇主要依靠解碼資源預留信息，然后根據 RSRP 測量進行資源篩選實現。在 6G 側行通信中，可以通過強化學習進一步提高終端自主資源選擇的性能。這些側行通信資源分配方式可以同時用于解決通信感知信號資源分配的問題。4.終端感知技術如果感知信號不同于通信信號，

151、而且感知信號和通信信號之間沒有靜態的資源劃分，則感知信號資源分配需要解決感知信號和通信信號之間的干擾以及感知信號之間的干擾。對于終端自主資源選擇，在資源篩選過程中需要同時考慮用于感知信號和通信信號的預留資源。如果感知信號和通信信號之間存在靜態資源劃分，感知信號資源分配只需要解決感知信號之間的干擾，用于感知信號的終端自主資源選擇和通信信號類似。然而，如果強化學習用于感知信號資源選擇，需要納入感知相關的優化目標，例如最大化檢測概率，最大化感知精度等，當感知信號和通信信號之間沒有靜態資源劃分時，甚至需要同時考慮通信相關的優化目標。57OPPO 6G 白皮書 2023 版在通信感知融合的網絡架構中，如

152、圖 6-2，核心網中增加感知控制網元和感知收集實體。感知控制網元負責控制面消息交互，包括對感知業務請求的鑒權/授權、面向區域或面向特定目標的感知控制，感知結果的對外開放等。感知節點探測的感知數據一般為點云信息，數據量大，適合經由用戶面進行感知數據的上報，感知控制網元將感知收集實體的 IP 地址提供給基站/UE，基站/UE 將感知數據通過 IP 路由直接上報到感知收集實體。感知收集實體可以對收集到的感知數據進行分析產生最終的感知結果。感知收集實體將感知結果發送給感知控制網元，由感知控制網元通過網絡開放功能開放給外部應用，或者如果感知結果數據量依然很大，也可以是應用功能從感知控制網元得到感知結果的

153、獲取地址，再通過用戶面訪問感知收集實體獲得感知結果。在實際部署中，感知控制網元和感知收集實體可以分開部署或者集中實現在相同網元中。5.網絡架構與組網技術圖 6-2：通信感知融合的網絡架構第三方應用應用網元網絡開放功能感知控制網元感知收集實體終端設備核心網移動性管理網元接入網設備獨立感知設備控制信令IP數據58OPPO 6G 白皮書 2023 版6.2.3 獨立感知模式關鍵技術為了達到感知需求，高隔離度的系統設計和高性能高精確度的器件要求都是必不可少的。前者是避免雙工系統的自干擾問題的必要手段，后者使能大帶寬數據處理與精準的同步。1.高性能高精度的 硬件設計感知波形大多是規則的已知信號，要求具有

154、優良的自相關特性、很大的信號帶寬、很高的動態范圍，可以容忍大的多普勒頻偏，以估計運動目標的速度。對于獨立感知的模式，只需要考慮感知的需求，因此，一些經典或先進的雷達探測信號都可以考慮，例如線性調頻連續波 FMCW。2.信號與信道設計為了支持獨立模式的感知設備，還可以在核心網中部署運營商管理的應用網元，負責通過應用層交互從獨立模式的感知設備獲得感知數據。這個應用網元接受感知控制網元的控制，并可以向感知收集實體進行感知數據的匯報。3.網絡架構與組網技術6G 超大規模 IoT 技術需求6G 超大規模 IoT 關鍵技術與系統設計6G 超大規模IoT 子系統6G 超大規模 IoT 技術需求7.17.1.

155、1 技術需求5G 設計之初，就將 massive MTC 列為 5G 的三大需求場景之一，旨在在 5G 時代滿足來自垂直行業日益增長的物聯網通信需求。因此，在過去的十年期間蜂窩物聯網通信技術與標準逐步得以發展。其中，3GPP 標準化了 MTC（Machine Type Communications，機器類通信）、NB-IoT(Narrow Band IoT，窄帶物聯網)和 RedCap（Reduced Capability UE，縮減能力終端）等一系列的物聯網技術。這些物聯網技術采用小帶寬、單天線、降低峰值速率、半雙工、降低發射功率等技術顯著降低了物聯網終端的成本。進一步地，通過引入 eDRX

156、（enhanced Discontinuous Reception，增強的非連續接收）、PSM（Power Saving Mode，節能模式）、節能 BWP（帶寬部分）等技術極大降低了物聯網終端的功耗。同時，可以支持大量物聯網終端接入網絡，從而滿足大連接的需求。得益于這些技術，物聯網蓬勃發展。截止 2022 年 8 月，中國物聯網訂閱數達16.98 億，已經超過 16.78 億個人用戶。在 6G 時代，隨著物聯網技術在千行百業的推廣應用以及在個人消費者生活中的普及，可以預見物聯網將真正得以爆發式增長。人們將迎來千億甚至萬億級的物聯網鏈接，物聯網技術將持續變革社會經濟發展以及人們的生產生活方式。

157、60OPPO 6G 白皮書 2023 版隨著物聯網技術的進步，物聯網在各行各業將加速普及。能源、工業、交通、物流、農牧業、醫療、環保等等行業以及智能家居、可穿戴、大健康等個人消費領域均將顯著受益于物聯網技術的發展。因此，6G 超大規模 IoT 需支撐更大的鏈接數，同時可以提供高質量的物聯網服務。面對不同的應用需求，未來的物聯網中會存在多層次的需求?；谑褂脠鼍?、部署方式等方面的不同，物聯網終端的成本、傳輸速率、通信時延、覆蓋需求、終端功耗等也將呈現多樣化、離散化的特征。物聯網也將支持物體識別、傳感數據獲取、定位信息采集等多方面的功能。面向不同的需求，5G 時代針對性研發了 NB-IoT、MTC

158、、RedCap 等技術。6G 超大規模 IoT 在設計之初需要針對不同的場景須做好精細的技術統籌，在滿足多樣化需求的同時協調好技術之間的兼容互通，從而最大化降低標準研發與產品開發成本。6G 超大規模 IoT 具備與多種 6G 技術融合的能力。物聯網終端借助于其無處不在的感知能力，可天然地與通信感知技術有機融合，增強 6G 網絡的感知能力。泛在的物聯網鏈接可實現低成本、超大規模的數據采集，更好使能 6G AI 技術。車載或路側物聯網終端將更好地構建智能 V2X 系統。物聯網的低功耗、低成本等技術也將可能應用于 6G MBB 的終端節能中。因此，6G 超大規模 IoT 的設計須考慮多技術融合的需求

159、。更大鏈接數6G 超大規模 IoT 的技術需求包括：多層次/多功能的物聯網物聯網與多技術的融合能力需要支持低功耗甚至極低的功耗，如部分場景需要支持毫瓦級甚至微瓦級的通信功耗；需要支持更大的連接；需要支持從短距離覆蓋（幾十米），中距離覆蓋（數百米級別）直至數公里的多樣化覆蓋需求；7.1.2 KPI 指標要求61OPPO 6G 白皮書 2023 版物聯網蓬勃發展，但仍有很多場景下的物聯網通信需求無法使用現有技術得到滿足，例如：嚴苛的通信環境某些物聯網場景，可能面臨高溫、極低溫、高濕、高壓、高輻射或高速運動等極端環境。如超高壓變電站、高速運動的列車車軌監測、高寒地帶環境監測、工業產線等。在這些場景中

160、，受限于常規電源的工作環境限制，現有物聯網終端將無法工作。另外，極端的工作環境也不利于物聯網的維護，如更換電池。極小尺寸的終端形態需求某些物聯網通信場景，如食品溯源、商品流通以及智能可穿戴等要求終端具備極小的尺寸以方便在這些場景下使用。例如，用于流通環節上商品管理的物聯網終端通常使用電子標簽的形式，以非常小巧的形態嵌入到商品包裝。再例如，輕巧的可穿戴設備可以在滿足用戶需求的同時提升用戶使用體驗。極低成本的物聯網通信需求眾多的物聯網通信場景要求物聯網終端的成本足夠低廉，從而提升相對于其他可替代的技術的競爭力。如物流或倉儲場景，為了便于管理大量流通的物品，可以將物聯網終端附著在每一件物品上，從而通

161、過該終端與物流網絡之間的通信完成物流全過程、全周期的精確管理。這些場景要求物聯網終端價格具備足夠競爭力。因此，為了覆蓋這些未滿足的物聯網通信需求，6G 超大規模 IoT 需要研發超低成本、極小尺寸、免電池/免維護的物聯網。覆蓋未滿足的物聯網通信需求 6G 超大規模 IoT 子系統的特色KPI 包括：而其他常規 KPI 如峰值速率、通信時延、移動性、頻譜效率等方面相對 eMBB 通信而言要求不高。如部分通信場景的峰值速率可低至幾十 kbit/s；部分固定部署的場景對移動性沒有要求；可以使用專網部署或在移動通信網的業務低谷使用頻譜，因此不要求高的頻譜效率。圖 7-1：6G 超大規模 IoT 子系統

162、 KPI 指標CoverageExperienceddate rate(Gbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1011010.10.1110-610-5101001010020X10X11000100101000100101

163、011010011003x1x10-7Hotspot1X0.1x5006G 超大規模 IoT 關鍵技術與系統設計6G 超大規模 IoT 子系統可能采用的關鍵技術包括：7.262OPPO 6G 白皮書 2023 版如前所述，為支持更多的應用需求，支持免電池通信將是 6G 超大規模 IoT 的重要需求。為此，需要研究免電池通信技術。物聯網終端可以從各種環境能量，如光、無線電波、熱能、震動能等汲取通信所需要的能量，從而擺脫對傳統技術的依賴，這類終端可稱之為零功耗物聯網終端。其中，基于無線電波的能量可以從 6G 網絡中提供，需要研究如何高效合理的向零功耗物聯網終端提供無線電能量。進一步地，也需要研究如

164、何提升終端的能量采集效率與采集靈敏度。另外一方面，各類環境能量具有如下特點：可提供的環境能功率低，普遍在數微瓦至數毫瓦的區間環境能量不穩定，如晴朗的白天可以獲得充足的光照，而晚上或陰天光能不足。因此，需要研究適應上述特點的免電池通信技術，如超低功耗通信技術、能量管理技術、能量自適應的通信協議。免電池通信技術不管是有源的物聯網終端應用場景，還是上述免電池免維護的物聯網終端。降低終端的功耗甚至達成超低功耗通信可顯著提升終端使用壽命、降低使用/部署成本、有助于節能環保（考慮未來巨大數量的物聯網終端的功耗）。因此，低功耗/超低功耗通信將是物聯網技術永遠不變持續努力的技術追求。當前的物聯網終端的工作功耗

165、普遍在幾十至數百毫瓦，低功耗/超低功耗通信的終端功耗需要降低至 1 毫瓦之下?？煽紤]如下方式實現低功耗/超低功耗物聯網通信：極簡的收發信機與極簡調制方式在面向物聯網的MTC、NB-IoT以及RedCap等技術中，雖然終端的能力相對L TE終端或NR終端有顯著的降低，但基本繼承了這些傳統的調制或編碼方式。例如MTC/NB-IoT可以支持 BPSK、QPSK 和 16QAM 等調制方式以及 Turbo 碼和卷積碼、而 RedCap 也可以支持BPSK、QPSK、16QAM和64QAM以及LDPC碼和Polar碼。低功耗/超低功耗通信技術然而，這些對于普通的終端常用的調制和編碼方式，對于低功耗/超低

166、功耗通信終端而言卻是極大的挑戰。低功耗/超低功耗通信具有極簡的射頻和基帶結構，同時低功耗/超低功耗通信終端需要以超低功耗的方式進行數據傳輸。因此，對于低功耗/超低功耗通信終端可使用的信號調制和編碼方式均會帶來較強約束與限制。具體而言，極簡的射頻和基帶結構使得終端難以同時實現相位和幅度調制和解調制，因此 QPSK、QAM 調制難以支持。而盡管具備出色的信號編譯碼性能，Turbo、LDPC、Polar 以及 Convolutional 等前向糾錯信道編碼方式對于追求極低復雜度和極低功耗的低功耗/超低功耗通信終端，也難以支持。一些低功耗技術如開關調制技術、反向散射技術（如圖 7-2）可有機結合起來，

167、使得終端以極其簡單的硬件結構實現 ASK、FSK 或 PSK 等調制方式，從而實現反向散射的方式的數據傳輸。使用開關調制技術，低功耗/超低功耗通信終端在硬件上僅需要具備調整其電路阻抗、電容或相位延遲的能力，即可實現信號的調制與反向散射傳輸。另一方面，簡單的 ASK，FSK 或 PSK 等信號也使得信號解調制也可以通過簡易的硬件結構即可實現，例如可以通過一個比較器即可實現對 ASK 信號的解調制，在規避了復雜的基帶信號處理的同時，也極大地降低了終端功耗。極致節能機制針對低功耗/超低功耗通信，可在現有的節能機制如 DRX、eDRX、WUS、間歇性控制信道監聽等方案的基礎上，進一步設計更極致的節能機

168、制，例如基于業務需求按需觸發通信需求，其余時間終端處于深睡眠狀態。同時，也要設計合理的能量管理機制，針對微弱的采集能量進行精確的管理，最大化提升能量的使用效能，提升能量的使用效率。63OPPO 6G 白皮書 2023 版針對低功耗/超低功耗通信，除了需支持極簡的物理層技術，也需要支持靈活可裁剪的協議架構，針對不同的使用需求而靈活裁剪。而對于要求極低功耗的環境，可使用輕量化協議架構。設計輕量化協議架構可能的思路包括：支持免連接的通信，大幅簡化接入過程，節省連接建立所需的信令開銷與協議層需求。大幅壓縮協議的層級，僅保留支持小數據包的必要的控制信令與數據面頭開銷?？伸`活裁剪的協議架構TXRXLNAA

169、MP反向散射讀寫器反向散射標簽載波反射信號邏輯處理能量采集圖 7-2 反向散射通信原理圖64OPPO 6G 白皮書 2023 版針對 6G 超大規模 IoT，需要保證用戶的隱私與通信安全。面對不同的應用場景以及對應的不同的安全需求，需設計豐富可選的通信安全套件集合，以適應不同終端能力等級的不同需求。低功耗、超低功耗設備能支持的計算、存儲和傳輸資源都相對傳統終端非常有限，傳統的安全機制受到資源限制的挑戰，需要研究如何在資源受限的條件下仍然為用戶提供可信的接入與安全的傳輸。面向 6G 萬物互融的海量鏈接與設備，高效的分布式認證授權需要在當前集中式的信任機制上進行重新設計，以保證可信的身份、靈活的授

170、權及分布式認證。區塊鏈是較好的技術選擇，但需要從基礎設施的建設和生態的成熟等方面考慮以支持多場景、多業務、多用戶的可信安全機制。對于低功耗、超低功耗設備，可信的身份管理、可靠的安全傳輸是保證業務、網絡、用戶權益的必要條件，需要在傳統的安全機制基礎上，結合設備成本低特點進行優化傳輸安全機制，考慮數據傳輸的分層分級保護機制，研究物理層、傳輸層結合的增強安全方案。豐富的通信安全套件集很多 IoT 場景提出明確的定位需求。6G 超大規模 IoT 需要支持定位功能，尤其是對于低功耗、超低功耗設備也需要一定的定位功能，如生產線的產品精確管理、實現室內低成本定位（如商場導航、停車場導航，如下圖 7-3 所示

171、）以及物流等。這類應用中，終端設備將具備極低的復雜度，且可能使用環境能量驅動自身工作而因此僅支持極低的工作功耗（如小于 1 毫瓦），需要研究對于這類簡單設備如何達到一定的定位精度（如米級別或亞米級別）。支持超低功耗定位圖 7-3 室內定位場景示例6G 空天通信子系統6G 空天通信 KPI 指標要求6G 空天通信關鍵技術與系統設計6G 空天通信 KPI 指標要求6G 空天通信子系統 KPI 指標要求如下圖。6G 空天通信的業務類型雖然和 eMBB業務類似，但由于其傳輸環境的限制，空天通信并不追求很高的數據率，主要強調業務的覆蓋能力。8.166OPPO 6G 白皮書 2023 版圖 8-1：6G

172、空天通信子系統 KPI 指標CoverageExperienceddate rate(Gbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1011010.10.111-10-61-10-5101001010020X10X110001001

173、01000100101011010011003x1x1-10-7Hotspot1X0.1x500對于新一代通信技術的推廣，一個很大的挑戰是運營商需要花費大量的成本布署網絡來達到廣覆蓋，因為對于很多國家地區而言至今無法達到全覆蓋。在國內，即便在 4G 和 5G 系統基本實現全國覆蓋的情況下，在某些特定區域仍然無法提供通信覆蓋，例如海洋，高山。這里的覆蓋限制主要歸因于時間，成本，或者地理環境限制。未來 6G 系統需要打破這些限制，真正的實現全覆蓋。隨著航天運輸的成本逐漸降低，空天通信可以更有效的打破地理限制，為真正全覆蓋提供有效的技術。5G NR NTN 系統雖然提供了一個最基礎的終端與衛星通信的

174、框架，然而并沒有對終端功耗做進一步優化。例如 5G NTN 終端需要頻繁的通過終端 GPS 系統來調整上行同步。這使得 NTN 終端相比傳統的蜂窩終端需要消耗更大的能耗，因此為了進一步提升移動終端的節能效果，對于 6G 終端的能耗問題需要進一步做優化。除此之外對于高速場景的支持也是 6G 空天通信的重要目標，如何在提高覆蓋的情況下進一步的提升傳輸速率也是一個對于 6G 空天通信的挑戰。在 5G NR NTN 系統中，由于延用了 NR 的 OFDM 波形以及 OFDMA 多址接入技術，使得 NTN 對于多用戶的上行同步較為敏感。傳統的以基站控制為主導、利用MAC-CE 調整上行同步的方法已經不能

175、滿足上行同步的要求。取而代之的是需要終端根據網絡提供的衛星星歷信息自主調整和維護上行同步。這樣使得終端的功耗大幅上升。6G 空天通信系統可以考慮和地面系統的波形解綁，設計一個更符合衛星通信的波形，例如單載波波形，從而使得系統對于上行同步的要求可以大幅降低，這樣終端可以節省用于同步維護的功耗。另外，由于衛星的覆蓋面積廣大，為了保證良好的鏈路預算，衛星側通常利用波束賦形的方式發送和接收信號。然而 5G NR NTN 系統并沒有對于衛星波束管理做進一步優化，這樣導致的問題是當用戶數增加，或者當小區內的衛星波束數量增加后，衛星波束間切換的信令開銷會大幅增加從而減少了頻譜效率。對于 6G 空天通信系統，

176、針對衛星波束的高效波束管理機制將是一個必要的研究方向。67OPPO 6G 白皮書 2023 版6G 空天通信關鍵技術 與系統設計8.2BWP 1Beam 1BWP 2Beam 2BWP 3Beam 3BWP 1Beam 5BWP 3Beam 7BWP 4Beam 8BWP 2Beam 6BWP 4Beam 4BWP 和波束切換BWP 和波束切換BWP 和波束切換圖 8-2：6G 空天通信的波束管理除此之外，衛星和地面網絡的雙鏈接將在很大的程度上增加用戶體驗。試想一下，當衛星的廣覆蓋特性提供用戶的基本覆蓋連接，而地面網絡可以額外提供用戶高速率用戶體驗，這樣既可以保證高速率業務需求同時也可以大幅減

177、少用戶由于移動性導致的頻繁小區切換。目前 5G 僅支持地面網絡的雙鏈接，6G 需要進一步研究空天通信的雙鏈接功能。另一方面，對于衛星網絡本身的大速率傳輸在 5G 時代也受到一定的限制。主要的原因是 5G NR NTN 以透明轉發為基礎，這樣由于終端到衛星和衛星到地面站的疊加傳輸延遲導致無法支持大速率傳輸業務，而要支持這類業務必不可少的需要考慮基站上星的場景。因此再生轉發的架構需要在 6G 系統中被重點考慮，這里不可避免的需要進一步研究星間傳輸所導致的問題，因此再生轉發也將成為 6G 空天系統下的一個重要課題。68OPPO 6G 白皮書 2023 版圖 8-4：6G 衛星系統的再生轉發NTN 地

178、面站衛星間鏈路饋電鏈路饋電鏈路服務鏈路透明轉發衛星或再生衛星再生衛星圖 8-3：6G 衛星和地面網絡的雙鏈接NTN 地面站NTN 地面站衛星間鏈路饋電鏈路饋電鏈路服務鏈路透明轉發衛星或再生衛星再生衛星最后，基于側行鏈路（sidelink）的點對點直連通信技術可以在空天系統的框架下進一步擴展。目前側行鏈路通信的傳輸機制有覆蓋內（in coverage）和覆蓋外（out of coverage）兩種。后者即當側行鏈路通信用戶不在網絡覆蓋范圍內時，側行鏈路通信的傳輸將回退到一種避免碰撞的先聽后傳模式，這種模式傳輸延遲長，終端功耗開銷大，傳輸效率相對低。如果可以結合空天通信系統在衛星的覆蓋下完成側行鏈

179、路通信傳輸，將大大緩解上述的問題。69OPPO 6G 白皮書 2023 版圖 8-5：采用 6G 衛星網絡增強 sidelink 用戶的覆蓋NTN 地面站衛星間鏈路饋電鏈路饋電鏈路服務鏈路透明轉發衛星或再生衛星再生衛星側行鏈路總結本白皮書的核心觀點如下：移動通信實際上并不是通過一代技術實現一次產業升級，而是每兩代技術實現一個大的產業升級目標。6G 的歷史使命，是基于 5G 的經驗教訓，徹底實現“成為普惠智能與元宇宙的基礎設施”這一產業升級目標。在 IMT-2030（6G）發展框架提出的六大應用場景中，AI 與通信一體化（AI and communication）可望推動移動 AI 計算的普及，

180、通過 AI 算力網絡和算力終端實現普惠智能（inclusive intelligence），激活第一個新的“十億用戶級”市場；其他五大場景可望推動構建一個移動的虛擬數字環境，通過實現消費元宇宙和工業元宇宙，實現虛實兩個世界的互通互融，激活另一個新的“十億用戶級”市場。這兩個“十億用戶級”市場是相互賦能、相互促進的：移動 AI 計算可以看作移動元宇宙的大腦，移動元宇宙可以看作移動 AI 計算的軀體。移動 AI 計算架構具有如下優點：用戶自主可控的 AI 計算，用戶自主可控的智能演進，保護個人數據隱私安全。6G 的“AI 與通信一體化”應用場景，可以有效的實現分割式AI/ML 推理與訓練，從而使

181、6G 成為移動 AI 計算這個“十萬用戶級”新興市場的核心基礎設施，在推動普惠智能的同時，實現通信產業的第三次升級和市場回報。在 6G 時代，如果人類將通過 AI 智能體對信息化世界進行控制與管理，則需要構建一個更完整、與物理世界對應性更好的虛擬世界，通過在虛擬世界的孿生鏡像控制海量機和物的鏡像，進而控制物理世界的機和物。而構建元宇宙，是實現這個虛擬世界的一個可行方法。6G 的其他 5 個應用場景，分別可以實現“感知物理世界，構建虛擬世界”、“從虛擬世界控制物理世界”、“向用戶展示虛實兩個世界”這構建元宇宙的三大步驟，同時提供“大規模通信”、“泛在連接”這兩個基礎能力，從而使 6G 成為移動元

182、宇宙這個“十萬用戶級”新興市場的核心基礎設施。移動 AI 作為 6G 第一個“十億用戶級”市場，在 6G 系統設計上帶來一個挑戰：如何在網絡和終端實現一套可同時滿足 6G 通信和 AI 計算的高效且成本可控的軟硬件設計？“AI 化”（AI-zation）是一條可行之路。就目前來看，快速 AI 化是實現 6G 移動 AI 的更合理的路線。同時，AI 的工作機制也客觀上提供了將 6G 系統快速 AI 化的可能。移動元宇宙作為 6G 另一個“十億用戶級”市場，對 6G 系統設計也會帶來挑戰：如何以一個成本可控的 6G 系統在 5 個需求迥異的應用場景的每個場景都具有市場競爭力？在如何設計這個“多能系

183、統”的問題上，5G 既有經驗也有教訓。5G 仍然基于“單一功能系統”的系統設計原則，面向一套“剛性管道指標”（即高速率+低時延高可靠），在技術上追求一體化設計，嘗試通過“多參數集+網絡切片”兼顧千行百業的細分業務需求。但由于 5G各垂直技術均以 eMBB 作為基線（baseline）和缺省設計，限制了技術創新空間，無法針對目標垂直領域做徹底優化，在很多垂直領域并未實現比較優勢和可控成本。6G 要實現物理世界和虛擬世界的“互通互融”，真正實現“系統多能化”，進一步擴展到通感一體、泛在連接等應用場景，以可控的成本實現在各個維度上幾倍的性能提升，有效支持“移動元宇宙”的實現，必須要采用新的設計思路。

184、6G 極簡多能系統的設計主要包含如下要素：由一個最小化的極簡核心提供內生智能、安全、靈活頻譜管理、最小處理核等共性能力；針對四個不同能力方向做專門優化，包括：沉浸式通信與 AI（高數據率優化）、大規模通信與泛在連接（覆蓋、功耗、成本優化）、HRLLC（低時延、高可靠優化）、感知（感知精度優化）。71OPPO 6G 白皮書 2023 版 對于需要支持多種應用場景的 6G 系統，可以通過“子系統聚合”來實現多個子系統的功能。AI 技術將是 6G 網絡的重要組成部分，不同于控制面對應的靈活性維度和用戶面對應的性能維度，AI 技術對應的智能維度將成為 6G 網絡的一個新維度。由子系統集構成的 6G 系

185、統的一個核心問題，是如何能按需配置網絡資源，真正為各個垂直行業部署“能力夠用、成本可控”的 6G 子系統。由于千行百業的需求千變萬化，這種按需組網難以靠人工方式實現，應該通過 AI 訓練，采用智能化方式實現。智能化替代即將相當一部分傳統協議、傳統算法替換為“黑箱化”的 AI 協議和 AI 算法。各種 AI 應用例（use case）的標準化影響基本都是類似的，無非是要定義 AI 的生命周期管理（Life Cycle Management，LCM），包括 AI 數據采集、AI 模型的訓練、部署、管理、傳輸、激活、選擇、切換、配置及推理等。對于 6G 安全架構來說，發生的關鍵變化體現為以下兩點：安

186、全信任模型由雙向信任變為多方信任，需要建立多方信任模型與內生安全；安全保護的業務數據由單一變為多元，需要建立多元的業務數據與智能安全。6G 靈活頻譜分配的核心，是借助區塊鏈技術來實現頻譜的靈活共享。在 6G 極簡多能系統里，可以用“大小核”操作來實現從極簡核心到子系統的切換：不同的子系統有不同的“完整處理核”，各個子系統的設備在“全功能狀態”時，工作于“完整處理核”；子系統的設備在“低功能狀態”時，回落到“最小處理核”。最小處理核支持初始接入、最小控制信令、基本數據類型、測量等最基本的功能，具有全覆蓋、基本數據率、基本移動性等基礎性能；“最小處理核”和“完整處理核”之間可以實現快速切換。在當前

187、針對 6G 系統的空口 AI 化演進的過程中，有必要對研究的路線、所受的限制條件、基礎問題，以及期待的突破與改變做出較為客觀和明確的判斷，并相應構建短、中、長期演進規劃，以在不同層面和維度上獲得理論與工程上的增益與突破。6G 空口的 AI 化替代包括基于 AI 的系統賦能和基于 AI 的系統重構兩個層面。6G 空口 AI 化的研究將不只在已成型的具體無線用例上做修補優化型演進，而是從系統重構的角度出發，開展無線 AI 共性基礎問題的深度剖析，包括：一體化、系統化研究；大后臺、小前端的設計；場景自適應、可在線更新需求；數據智能建模與虛擬重構。在每個能力方向上設計一到兩個子系統，可以根據應用場景、

188、頻譜、接口類型等獨立選擇關鍵技術，分別進行硬件系統設計。如可分為：寬帶蜂窩、寬帶 D2D、蜂窩HRLLC、D2D HRLLC、空天通信、大規模 IoT、定位與感知等子系統。各子系統根據各自的應用場景、頻譜、拓撲結構，相對獨立的進行關鍵技術選擇，按需確定多大程度與寬帶蜂窩子系統共用空口技術與硬件設計。不同子系統可以按照不同的市場規律，采用不同的標準演進周期，不一定均采用15-18 個月一個標準版本。也可以在相對獨立的規范中進行標準化，使 6G 規范對垂直用戶更加友好。6G 系統通過在極簡核心中的“最小處理核“與各子系統的“完整處理核”之間快速切換，實現靈活、低成本、低功耗的支持多個子系統。72O

189、PPO 6G 白皮書 2023 版 隨著 6G 系統中可用頻段越來越高，通過基站實現無縫覆蓋變得越來越困難，利用 D2D技術實現終端到終端之間的直接通信會成為 6G 系統中越來越重要的通信方式。另外，D2D 技術可以和其他技術相結合，如基于側行鏈路的定位技術、感知技術、大規模 IoT 技術、人工智能等，因此，D2D 技術將成為 6G 系統中最重要的技術之一。6G URLLC 子系統可引入 AI 技術輔助實現如下功能：數據到達預測：基站通過預測數據到達時間及數據量，進行預先調度。終端基于預測結果，實現完全的無調度傳輸或自主傳輸；調度、重傳預測：終端基于預測結果提前進行數據準備，從而降低數據準備時

190、延?；净蚪K端基于預測結果直接進行數據重傳，而不需要等待反饋信息；沖突預測：避免用戶間或用戶內的資源沖突。UCI（上行控制信令）增強：基于 AI 算法對 UCI 信息進行壓縮，降低反饋信息量。由于 6G 感知子系統應首先保證在感知性能方面的市場競爭力，不可能要求其具有和 6G寬帶蜂窩子系統、6G URLLC 子系統相同的通信性能，在數據率、頻譜效率、系統容量等各方面的要求應該適當放松，給感知性能的優化留出設計空間。根據具體應用場景不同，6G 感知子系統可考慮支持兩種模式：通信感知融合模式需要研究硬件融合、信號融合、信號處理、協同感知、終端感知、網絡架構與組網等技術；獨立感知模式。6G 超大規模

191、 IoT 的特色 KPI 包括：支持低功耗甚至極低的功耗，如部分場景需要支持毫瓦級甚至微瓦級的通信功耗；支持更大的連接；支持從短距離覆蓋（幾十米），中距離覆蓋（數百米級別）直至數公里的多樣化覆蓋需求。6G 超大規模 IoT 子系統可能采用的關鍵技術包括：免電池通信；低功耗/超低功耗通信；可靈活裁剪的協議架構；豐富的通信安全套件集；支持超低功耗定位。6G 空天通信子系統應研究如下關鍵技術：終端的能耗優化、傳輸速率提升、和地面系統適度解綁的波形設計、高效衛星波束管理、空天通信的雙鏈接、再生轉發、衛星覆蓋下的側行鏈路通信等。最后，由于在 6G 系統中，D2D 將發揮比 5G 系統中更重要的作用，因此

192、應考慮從 6G 第一版本就支持 D2D 模式，至少支持寬帶 D2D 子系統和定位感知子系統中的 D2D 感知技術。73OPPO 6G 白皮書 2023 版1 Pouyanfar S,Sadiq S,Yan Y,et al.A survey on deep learning:Algorithms,techniques,and applica-tionsJ.ACM Computing Surveys(CSUR),2018,51(5):1-36.2 Chen M,Challita U,Saad W,et al.Artificial neural networks-based machine lear

193、ning for wireless networks:A tutorialJ.IEEE Communications Surveys&Tutorials,2019,21(4):3039-3071.3 OPPO Research Institute.6G Withe Paper:6G AI-Cube Intelligent Networking R/OL.(2021-07-14)2022-08-15 https:/puter.org/publications/tech-news/trends/op-po-6g-white-paper 4 6GANA TG2 6G 內生 AI 網絡架構 10 問白皮書 5 3GPP TS 33.5016 The Definition Of Modern Zero Trust,Forrester Test7 3GPP TR 22.832“Study on enhancements for cyber-physical control applications in vertical domains”參考文獻74OPPO 6G 白皮書 2023 版