中國電信研究院&紫金山實驗室：2022基于云網融合的6G關鍵技術白皮書（30頁）.pdf

1、基于云網融合的6G關鍵技術白皮書前言01 6G云網融合愿景和驅動力02 6G云網融合理念2.1 通信與計算深度融合2.2 連接與智能深度融合03 6G云網融合架構3.1 總體架構3.2 組成單元3.2.1 核心節點3.2.2 超級邊緣節點3.2.3 分布式節點04 邊緣節點使能技術4.1 異構資源池4.1.1 異構資源池驅動力4.1.2 異構資源池特點4.1.3 異構資源池軟硬件設計4.2 智能內生4.2.1 研究進展和原則4.2.2 邊緣智能內生4.2.3 節點內跨域AI4.2.4 網絡數據采集和應用4.3 微服務化RAN4.3.1 微服務化RAN驅動力4.3.2 微服務化RAN設計準則4.

2、3.3 微服務化RAN演進及架構設計4.4 智簡可編程4.4.1 智簡可編程設計原則4.4.2 智簡可編程網絡框架4.4.3 智簡可編程賦能定制化4.5 無蜂窩組網4.5.1 無蜂窩系統架構4.5.2 分布式協作傳輸技術4.5.3 無線資源管理與控制技術05 探索與驗證5.1 邊緣節點構建與驗證5.2 無蜂窩網絡驗證評估06 未來展望附錄1 術語 參考文獻 01 02 03 04 04 04 05 05 06 06 06 07 08 08 08 08 08 09 09 09 10 11 12 12 12 12 15 15 16 17 17 17 19 19 21 21 22 24 25 30目

3、 錄0102前 言第六代（6G）無線通信網絡關鍵技術的研究尚處于早期階段，中國電信研究院在貫徹網絡強國戰略中提前布局6G研究，堅定云改數轉戰略，持續推進云網融合深入發展。面向6G，中國電信研究院攜手紫金山實驗室，聯合創新并開展6G云網融合關鍵技術研究。本白皮書首先闡述了6G云網融合的愿景、驅動力及關鍵技術發展理念，提出6G云網融合架構、面向邊緣節點的使能技術，以及面向6G云網融合關鍵技術的初步探索與驗證。本白皮書是中國電信研究院聯合紫金山實驗室對未來6G云網融合的初步技術展望，后續需要持續迭代與優化，同時希望為業界技術發展提供參考。本白皮書版權屬于中國電信研究院和網絡通信與安全紫金山實驗室所有

4、并受法律保護，未經授權，任何單位或個人不得復制或拷貝本白皮書中部分或全部內容。引用本白皮書中的文字、數據、圖片或者觀點時，應注明來源。研究單位中國電信股份有限公司研究院、網絡通信與安全紫金山實驗室起草人中國電信研究院：楊峰義、劉洋、王晴天、劉海濤、陳鵬、王建秀、錢兵、徐曉桐、宗佳穎、馮建強、李澤旭、黃璇、李翔寧、熊雄紫金山實驗室：尤肖虎、黃永明、王東明、何世文、劉升恒、詹行、馬俊超、李進、劉東杰、尤建潔、朱敏、張川、許威、張鋮、張教、夏心江、曹陽、秦新義、劉淑珍、楊沛、王良鵬、易云山、許璐、陳新華、范艷云伴隨著第五代（5G）移動通信系統的商用部署，第六代（6G）移動通信系統的研究工作已經在全球

5、范圍內逐步展開。ITU-R報告1指出，在通信技術革新和應用場景更迭的驅動下，6G網絡將進一步擴展應用場景，包括全息通信、觸覺互聯網、網絡與計算融合、萬物互聯、多維傳感、全球無縫覆蓋等。由于6G系統的復雜性、先進性以及對產業引領和帶動作用，各主要發達國家紛紛加大投入，深入展開研究，謀求競爭優勢。如：美國成立“Next G”聯盟、歐洲啟動“Hexa-X”研究計劃、韓國制定“6G研發實行計劃”、日本成立“6G技術研究會”等，我國也分別在學術界與產業界從不同的視角對6G開展研究2 3 4。按照3GPP/ITU的6G發展路線圖，6G研究目前仍處于基本概念與系統構架的創立、關鍵技術的辨識發現及證實階段。在

6、6G總體研究層面，紫金山實驗室聯合東南大學、北京郵電大學、鵬城實驗室、佐治亞理工、薩里大學等國內外學術團隊，提出了6G發展的三大趨勢（沉浸化、智慧化、全域化）、八大場景（沉浸式擴展現實（Extended Reality,XR）、全息通信、感官互聯、智慧交互、通信感知、普惠智能、數字孿生、全域覆蓋）、五大指標（“TK+B+90%”，即Tbps速率、Kbps/Hz譜效、s時延、Billion/km2連接密度、90%全球覆蓋），并發布相關白皮書，推動業界對6G發展概念形成共識2。從移動通信產業的發展歷程看，需求的拉動及技術的推動是網絡發展的主要驅動力。6G產業仍將延續需求、技術的雙輪驅動模式，具有以

7、下特點：通信發展早期，受限于技術條件和發展水平，以“專網”方式為主，各網專營單一業務，如：電話網、電報網、分組網等；隨著技術和產業的發展，以統一的網絡承載多種業務，多業務融合的綜合信息服務網絡漸成主流。移動通信的發展也是如此。1G/2G以話音業務為主，融合低速數據業務，網絡主要由低速電路型鏈路構成；3G在電路域的基礎上，強化分組域，在滿足電話業務同時，滿足互聯網訪問需求，網絡由電路和分組兩部分構成；4G強化了業務網絡融合，以統一的分組網絡，同時支持多媒體通信和高速互聯網訪問；5G在4G的基礎上，融合了物聯網（以海量機器類通信為代表）、工業互聯網（以超高可靠與低時延通信為代表）的業務需求，網絡的

8、融合服務能力進一步增強。6G將進一步順應網絡融合的發展趨勢，發展多樣化的服務能力，強化其無線信息服務基礎設施的產業地位。一方面，繼續做強連接，提供極致連接能力（以“TK+B+90%”為典型代表），滿足人人、人機、機機通信的多場景通信需求，提供衛星通信、無人機/工業機器遠程遙控、遠程醫療康復、浸沒式通信等多種服務；另一方面，探索感通融合、算通融合、智通融合的多樣化服務能力，實現信息基礎設施投資的價值最大化。多業務融合提高了網絡的復雜性，同時也提高了布網成本。全業務、全功能進行網絡部署不具備必要性和經濟性。依據地區、用戶、場景的實際需要，有選擇性地剪裁相關特性和網元進行網絡部署，同時在業務需求發生

9、變化時，通過柔性的資源調配，動態調整網絡功能和網元結構，匹配業務需求的變化，才是相對經濟的選擇。6G網絡需要以業務需求為導向，提升網絡對業務的按需適配能力。同時，面向多樣化應用場景對6G網絡多維度性能指標的差異化需求，網絡需具備動態資源適配的能力，以多個性能指標的全局優化為目標，通過靈活分配異質化的網絡資源，最終實現網絡資源與差異化業務需求之間的高效按需匹配。因此，業務按需部署、資源彈性調配的軟化、柔性網絡是與網絡融合相伴而生的必然內生需求。云技術的發展和應用，有助于融合、柔性網絡目標的達成。通過硬件資源的池化、虛擬化、云化，和各功能網元的服務化，使得軟硬資源充分解耦，靈活調配，有助于增加網絡

10、柔性。在5G時代，核心網控制面云化、服務化較為徹底，并進行了規?；渴?；其他部分，仍需在6G時代進一步探索。以云化的技術實現6G柔性網絡的目標，可以簡稱為：“6G by Cloud”。一方面，隨著數字經濟的發展，“隱私保護”、“數字主權”、“數據不出域”的管制要求逐步強化，推動云服務從集中式走向分布式；另一方面，在工業互聯網應用場景中，大量數據在邊緣產生，需要在網絡邊緣進行就近、實時處理，推動移動邊緣計算的快速發展。移動邊緣計算及分布式云均要求6G提供內生的云服務能力?？梢院喎Q為：“6G for Cloud”。綜上，在6G的發展過程中，“6G by Cloud”和“6G for Cloud”將

11、共同驅動6G云網融合的發展。網絡可根據業務服務需求按需提供網絡能力，最終形成自動化、高彈性、智能化的6G云網融合技術方案。多業務融合需求進一步強化（一）業務按需部署、資源彈性調配的軟化、柔性網絡（二）順應分布式云的發展趨勢，提供內生的云服務能力（三）03016G云網融合愿景和驅動力04云網融合建立在通信技術和信息技術深度融合的基礎上，同時也依托信息基礎設施的革新，包括協同、融合和一體三個階段，基本特征涵蓋云網一體化供給、一體化運營和一體化服務。云網融合是中國電信“云改數轉”戰略的重要組成部分，遵循網是基礎、云為核心、網隨云動和云網一體四個原則。云網融合中，云和網相輔相成，一方面，網隨云動，云對

12、網絡的需求強調靈活定制和快速交付；另一方面，網絡云化，網絡從封閉式的硬件架構走向云化、智能化的方向，實現資源彈性分配、快速組網、智能控制等目標5。在5G時代中國電信提出了“三朵云”網絡架構，成為云網融合的最佳實踐；面向6G，中國電信將持續推進云網融合向更深層次發展，逐步形成“一朵云”的網絡架構。2.1 通信與計算深度融合6G云網融合將為通信與計算的融合帶來新的機遇。6G網絡多維度的一體化設計理念，為計算能力在網絡中的無處不在提供了可能；硬件資源的不斷革新與發展，賦予了計算資源類型的多樣化選擇；同時，通信和計算的深度融合將適應業務需求的提升。為推動通信與計算的深度融合，一方面，需要通過分布式的算

13、力部署來滿足多樣性的計算需求，即將部分算力服務和數據存儲功能下沉到更靠近用戶的邊緣節點上，以實現網絡實時響應、更低的傳輸開銷、更高的能效以及更高的安全性；另一方面，需要打破設備算力的物理限制，提供端到端的確定性業務保障。充分利用移動終端、基站以及云服務器，通過網絡提供可管可控的算力服務，將繁重的計算任務卸載到網絡中可用的計算資源上。通信與計算的深度融合，能夠以通信網絡為媒介連接不同位置、不同層級的計算節點，為算力服務提供更加靈活便捷的調度管理模式，全面提升算力服務的連接水平1。2.2 連接與智能深度融合6G網絡將深度融合智能化特征來滿足多種應用場景下的不同業務需求，根據特定的目標或環境變化自適

14、應地進行網絡優化和適配。為支持智能特性的內生引入，在網絡連接以外需要數據與算力的協同構建，6G網絡需要更豐富的計算節點和更泛在的連接來支持各種計算密集的業務，因此需要在架構層面通過內生設計來實現。為實現連接和智能的深度融合，一方面，需要采用集中和分布式人工智能（Artificial Intelligence，AI）協同處理的機制，構建數據平面和智能平面，在網絡各個節點間以及終端和網絡間建立良好的協作機制，將數據、算力和AI滲透到系統的各個節點和各個層次；另一方面，6G網絡需要通過持續監測和跟蹤無線網絡中的通信條件來感知和適應復雜的動態環境，利用AI技術實現自動化的網絡管理和編排，持續尋求6G網

15、絡的最佳狀態，以自動化的方式對6G網絡進行診斷和恢復，實現零接觸的網絡控制和管理，另外利用AI技術優化數據面及控制面信令，提高系統整體性能1。在6G網絡中，計算從核心節點到邊緣節點，從網絡到終端無處不在。連接與智能的深度融合，使得AI不僅僅是優化無線網絡功能、提升無線網絡性能的一種技術手段，更是構建內生智能通信系統的關鍵技術支撐。026G云網融合理念6G云網融合的相關研究在學術界和產業界相繼開展。由網絡通信與安全紫金山實驗室與東南大學尤肖虎教授團隊牽頭，聯合來自中國電信研究院、鵬城實驗室、華為技術有限公司等的多名業界專家，共同完成的論文 Toward 6G TK Extreme Connect

16、ivity:Architecture,Key Technologies and Experiments（文獻6）中提出了以具有連接、計算、智能和數據的超級邊緣節點為主要05特征的6G網絡三層架構和關鍵支撐技術，并通過相關的測試床驗證了架構的先進性。中國電信研究院消化、吸收業界最新的成果，并結合自身的產業實踐和業務需求，從具備連接、智能和服務提供的邊緣節點出發，發展完善，逐步形成本白皮書所述的6G云網融合技術方案，與業界共同推動6G云網融合發展。3.1 總體架構在通信與計算、連接與智能的深度融合下，6G網絡將更進一步推進面向網絡邊緣的云網融合發展。為保障垂直應用場景對通信質量提出的超高可靠性、超

17、低時延、高安全性等需求，越來越多的服務功能將被部署在靠近終端的網絡邊緣側，6G云網融合架構將通過構建超級邊緣節點對數據、連接、智能一體化考慮，是6G網絡架構整體設計的新趨勢。超級邊緣節點的功能以及部署的靈活性，一方面可以更好的支撐數字孿生、元宇宙等典型的6G業務場景，另一方面可以顯著提升網絡數據承載能力和隱私保護能力。這些能力對于面向垂直行業應用的通信網絡非常重要，6G將借此設計形成集連接、智能、大數據、存儲、安全于一體的云網融合體系。近實時層：邊緣節點實時層：分布式節點邊緣節點服務提供功能智能控制功能網絡連接功能邊緣節點服務提供功能智能控制功能網絡連接功能服務提供功能智能控制功能網絡連接功能

18、本地數據中心6G AppsAI數據安全存儲非實時層：核心節點圖3-1 6G云網融合架構示意圖036G云網融合架構3.2.2 超級邊緣節點第二層近實時層由超級邊緣節點構成，針對特定服務提供連接、計算、數據和AI等敏捷邊緣服務，是6G云網融合架構中的關鍵層。邊緣節點在邏輯上由多個獨立/融合的網絡功能組成，如包括用戶面功能（User Plane Function，UPF）等的下沉核心網功能、部分基帶處理功能（Baseband Unit，BBU）等。該層采用邊緣數據采集/處理與AI功能結合的方式，構建多個邊緣節點。邊緣節點的構建，可以將通信、計算、智能等服務推向更貼近用戶的邊緣，通過邊緣節點和網絡的自

19、適應協作，在邊緣網絡上推動無線通信和計算資源的深度融合。邊緣節點將實現高度分布式AI的愿景，將智能化從核心節點轉移到邊緣節點，從而減少時延、成本和安全風險，進而提高相關業務的效率。每個邊緣節點基于以任務為中心的模型提供近實時的服務，是6G無線網絡從以會話為中心轉向以任務為中心的使能節點。邊緣節點網絡架構如圖3-2所示。與傳統的邊緣網絡相比，本架構下的邊緣節點，具有以下兩方面特點：第一，物理上的臨近性。節點的部署位置更加趨近用戶和場景，在貼近用戶的電信網絡邊緣實現業務的響應、處理；第二，能力更加豐富。邊緣節點中涵蓋了核心網下沉的單元、云化的接入網能力、算力底座的異構資源池以及網絡大腦的內生智能，

20、推動邊緣節點成為6G云網融合的錨點。邊緣節點的具體功能包括服務提供功能、智能控制功能及網絡連接功能。其中服務提供功能直接面向任務或應用，根據業務需求快速確定所需的傳輸、計算、存儲和AI資源。以端到端切片為例，服務提供功能利用智能控制功能實現多維資源的動態智能編排；根據識別到的需求，智能控制功能生成面向任務的智能切片，主要包括無線切片、計算切片、數據切片以及AI模型等；網絡連接功能中包括基帶處理的BBU池以及下沉式核心網功能，最終實現滿足近實時甚至實時任務需求的切片和服務級別協議（Service Level Agreement，SLA）保障。在本架構中，邊緣節點為了滿足數據能力開放及網絡動態控制

21、的智能化雙向內循環，垂直嵌入了數據平面和智能平面，分別用于數據收集及網絡自治，如圖3-2所示。其中，數據平面基于相關性分析和網絡數據構建，滿足構建首次出現特征數據集（Feature Data Set，FDS）屬性，通過實時收集、處理和生成數據集，驅動AI模塊實現對網絡性能的精確預測和多維度資源的按需動態編排，最后通過智能控制平面分發近實時或實時的策略。另外，通過安全面實現安全內生整體保障網絡運行。6G云網融合架構6示意圖如圖3-1所示，從組成單元上分為實時層（分布式節點）、近實時層（邊緣節點）和非實時層（核心節點），不同節點內涵在3.2節闡述。該架構涵蓋如下四方面特點：當前云化的數據平臺、智能

22、平臺、虛擬化平臺、以及存儲平臺融為整體，以附帶加速器的邊緣節點形式存在，進而形成普適、融合以及智能的信息基礎設施；基站的形態特征將發生變化，大帶寬的基帶處理功能將部署于邊緣節點，同時包括內生的網絡智能化；邊緣節點與物理部署位置不具備緊耦合關系，例如衛星通信和地面移動通信系統將在網絡架構上逐漸融合并形成一體化，最終也可達到空中邊緣節點、網絡虛擬化與云網絡的融合；網絡功能以及服務將呈現應用化，訂閱相關服務的用戶可以便捷地使用網絡側、終端側的應用平臺，動態配置邊緣節點的計算、智能、存儲和連接資源，以達到靈活定制網絡服務和安全策略的目的。3.2 組成單元3.2.1 核心節點核心節點組成6G云網融合架構

23、第一層非實時層，負責整個網絡的非實時控制和管理。該層主要由核心網、云端大數據平臺以及高性能計算平臺組成。通過引入智能算法，核心節點層在數據驅動的支持下，實現網絡管理級的非實時網絡自治。本層具備強大的計算和存儲能力，因此能夠收集批量、多維度的數據，并實現數據處理、構建數據集。由于核心節點層與用戶的距離較遠，核心節點無法處理近實時或實時性要求較高的應用。因此，AI模型可以通過離線的方式在本層進行訓練，并將訓練好的模型分發至計算和存儲資源受限的邊緣節點處，進而完成AI推理功能。06第一第二第三第四5G網絡也在探討智能化的應用，但是其智能化設計更多局限于核心節點，為網絡自治提供非實時的智能控制。收集大

24、量數據的過程效率低下，使得集中式智能無法支撐端到端的高度網絡自治。相比之下，采用內嵌于邊緣節點的分層、分布式的AI智能從云擴展至BBU。因此，邊緣節點中具備內生AI能力，能夠提供近實時/實時的網絡智能控制，最終實現端到端的高度網絡自治。邊緣節點具備計算、通信及智能的深度融合能力，其使能技術將包括異構資源池、智能內生技術、微服務化無線接入網（Radio Access Network，RAN）、智簡可編程和無蜂窩組網。具體內容將在第4章闡述。3.2.3 分布式節點分布式節點構成了架構中的第三層，用于實現不同頻段下的射頻傳輸以及部分下沉的物理層實時計算功能。為了滿足6G網絡中更加嚴格的關鍵性能指標（

25、Key Performance Indicator，KPI）需求，并支持從sub-6G、毫米波至太赫茲的全頻譜接入，傳統的基帶處理功能可通過不同部署位置分解為兩個邏輯子模塊：部署在邊緣節點的BBU池以及部署在分布式節點的遠端單元，其中遠端單元可支持不同頻段，其邏輯子模塊劃分方式根據帶寬需求及基帶處理能力通過前傳接口進行具體定義。遠端射頻單元（Remote Radio Unit，RRU）支持sub-6GHz、毫米波或太赫茲波段，同時由于不同頻段將可能對應不同的多天線處理技術，因此可以針對特定的頻段專門設計天線單元。邊緣節點服務提供功能智能控制功能網絡連接功能數據面智能面安全面數據收集虛擬化編排網

26、絡自治面向用戶的服務門戶連接數據存儲計算邊緣節點編排邊緣節點控制器特征數據集AI模型下沉核心網網元集中控制單元嵌入實時APPs嵌入AI訓練以用戶為中心的基帶虛擬化管理數據中心池任務為中心的RAN優化異構資源池CPU集群FPGA/xPU集群AI集群存儲媒介ASIC圖3-2 邊緣節點架構07異構資源池構建原則需要兼具集中和分布的特點，集中化的異構資源池具備豐富的算力和多樣化場景支撐的能力，能夠覆蓋較大區域內對異構資源的需求。分布式的異構資源池具備網絡特征屬性，如某一節點的異構資源池具備低時延的屬性，低時延需求的業務請求更多的傾向在該節點中處理。集中化和分布式的異構資源池間并非相互獨立，需要考慮協同

27、處理，兩類資源池構建時需要做好網絡規劃，資源池間交互也需要數據安全。異構資源池的資源合理最大化的分配亦是需要關注的問題，建立一整套完善的資源分配和監控體系，實現超高效利用和最大化共享。資源異構設計中延續虛擬化技術，采用物理資源池和虛擬資源池的兩層設計方案。對差異性的資源要制定不同的資源水位線和擴縮容規則，一旦某一資源高于水位線閾值，虛擬資源側的邏輯單元能夠快速預警、高效制定方案，實現擴縮容，在保障資源利用率的同時兼顧資源高效運轉，避免某一部分過載造成資源的局部癱瘓。4.1.3 異構資源池軟硬件設計異構資源池的演進離不開硬件設備的發展?；诰W絡設備的特點，較長一段時間內專用芯片都占據著主導地位。

28、近年來新型架構和工藝的發展，加之網絡本身的升級，越來越多的異構硬件正在被引入。目前主流的服務器處理器計劃在未來引入更加注重能效的核心，與傳統性能核心并存，而且還有專門針對圖形進行優化的內核，專門針對高性能計算進行優化的內核等，其中內置AI加速的策略為智能內生提供更好的支撐。此外，結構化ASIC芯片在現場可編程門陣列（Field Programmable Gate Array，FPGA）和專用集成電路（Application Specific Integrated Circuit，ASIC）之間提供了一種可選的折中方案，GPU也隨著網絡云化與智能化的發展得到更多應用。硬件設備的迭代與異構資源池的

29、演進相輔相成，有助于更便捷的為6G發展提供底座。軟件化的設計是異構資源池快速運轉的核心，差異化的資源在軟件設計中要兼顧資源的屬性。計算資源要設計高效的交互接口，實現資源的統一納管，存儲資源根據需求完善如塊存儲和對象存儲的接口和協議，實現存儲的快速尋址，網絡資源需要沿著白盒式的方向演進，網絡配置由控制器統一實現。軟件設計需要滿足輕量化和高效的原則，軟件盡可能少的占用異構資源，實現軟件輕量化；高效需要資源調度節點對運行中可能出現的業務遷移、備份等操作在業務容忍范圍內快速完成，保障業務的連續性。最后，異構資源池在設計時也需要提升按需適配的能力。業務場景的網絡需求可以映射為時延、帶寬和可靠性等指標參數

30、，異構資源池基于對網絡參數的解析，整合調度基礎設施資源，提升對業務的支持能力。此外，考慮多樣化應用場景對網絡提出的多維度、差異化的性能指標，異構資源池需具備動態資源適配的能力?？梢砸远鄠€性能指標的全局優化為目標，通過靈活分配異質化的資源，最終實現資源與差異化業務需求之間的高效按需匹配。084.1 異構資源池4.1.1 異構資源池驅動力邊緣節點作為6G云網融合架構的核心支撐，經過通信與計算、連接與智能的深度融合，承載了未來無線網絡絕大部分的功能模塊。為支持邊緣節點正常運轉，使能網絡要素充分發揮作用，首先需要提供基礎設施保障節點的資源需求，不僅限于傳統的計算、存儲、網絡轉發等資源，在6G全覆蓋的背

31、景下，陸地、衛星、高空、地下、海洋等網絡域融合將會伴隨著集成電路技術的發展，極大的擴展和豐富異構資源的范圍和類型。因此，在傳統資源池的基礎上需要構建新型的異構資源池，其解決方案將在更廣、更深程度整合未來異構資源，打造6G云網絡的堅實底座。然而，異構資源池的構建并不是孤立的技術演進，而是依托于虛擬化技術及智能編排技術的發展。異構資源池首要是資源的抽象，這需要結合當前的軟件定義網絡（Software Defined Networking，SDN）、網絡功能虛擬化（Network Functions Virtualization，NFV）、硬件虛擬化和圖形處理器（Graphics Processin

32、g Unit，GPU）虛擬化等技術，進一步利用智能化編排技術，根據情境化的服務需求調度和管理網絡功能和相應的虛擬資源。4.1.2 異構資源池特點6G時代的異構資源池需要兼具專用和通用的屬性，專用是指異構資源具備業務屬性，某一個或者幾個異構資源池在部署時圍繞某一類業務設計，在硬件的構建上會根據業務的需求添加專用處理硬件。通用指的是，異構資源池間互相協同，當某一類業務的需求發生改變，或者有新的業務加入，通用類型的異構資源會根據需求調度出自身具有的資源，利用網絡的連接能力，協同這部分資源支撐業務。04邊緣節點使能技術09O-RAN聯盟對網絡智能化的研究主要從架構和接口角度出發，通過設計非實時RAN智

33、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）構建能夠引入AI算法的架構。其中，Non-RT RIC位于服務管理編排（Service Management Orchestrator，SMO）內，處理時延需求大于1秒的業務，滿足對實時性要求不高的應用需求；Near-RT RIC可以與基站部署在同一位置，處理時延需求小于1秒的業務并為無線接入網提供近實時策略控制和能力開放。在設計智能內生時需要兼顧：

34、數據存儲：構建針對智能內生需求的數據庫，根據數據特征分類，定時上傳新數據和清理舊數據；算力分配：需要根據算法的需求，合理、就近地調度算力滿足算法的需求；關聯網絡連接：設計時需關聯網絡連接，通過網絡的連接能力提供AI服務；數據算力匹配：智能內生的數據和算力是緊耦合關系，數據的部署可以伴隨算力的分配，算力的分配亦可跟隨數據的生產者；AI訓練和推理：匹配場景的差異性和需求，合理確定AI訓練和推理的發生點。4.2.2 邊緣智能內生邊緣節點作為6G云網融合的重要著力點，是承載著智能內生的重要單元。如圖3-2中的邊緣節點所示，邊緣節點在設計時以智能內生原則為參考，網絡連接功能是智能化的基礎，同時算力附著于

35、本層，完成AI的訓練功能；智能化控制功能是智能內生的核心，完成特征數據集的建立、AI模型的存儲；服務提供功能作為整個網絡中的智能內生出口，為網絡中其它功能的組成單元提供智能功能，同時亦可為第三方的應用提供封裝后的智能化服務。智能內生數據是基礎，算力是前提、算法是核心，連接是關鍵。在邊緣節點中異構資源池為智能內生提供充足的算力和存儲資源，滿足模型訓練、推理和數據存儲的需求，嵌入AI訓練實現分類模型訓練能力。AI模型中存儲有已經訓練完成的模型，也可進行新模型的設計并將新設計的模型嵌入AI訓練中完成相應參數優化。特征數據集主要功能是從網絡中收集數據，然后對收集到的數據進行分析，按需構建特征數據集。在

36、數據的收集過程中，收集數據涵蓋6G云網融合架構的各個單元，原始數據需進行分類、脫敏和降噪等處理，然后根據數據的特征分類整合，形成特征數據集。在邊緣節點中，已經訓練完成的AI模型，根據請求方的需求在本節點中完成AI推理，或者通過網絡連接能力傳輸至其它邊緣節點中實現AI推理功能，并最終根據推理內容實現策略下發。隨著服務化架構的引入、網元虛擬化程度的提升，5G核心網在云資源池構建方面積累了一定的經驗。但是在RAN側，現階段網絡形態仍然以專用設備為主，這意味著無線側資源池的構建相對核心網將更加艱難，例如其必需的加速器目前在虛擬化方面也存在技術挑戰。6G要想實現無線接入側的云網融合，首先需要克服網絡基礎

37、設施全面云化面臨的技術難題，實現網絡和資源的高度虛擬化，為多種通用與專用資源構建統一抽象視圖，另外，如何在兼顧高性能的同時保障電信級別的可靠性，也是未來異構資源池需要應對的關鍵挑戰。4.2 智能內生6G智能內生，是在云網融合的基礎上，引入智能化元素，根據需求對網絡內部的網元和外部的應用提供AI服務，最終實現智能融入網絡，智能遍及網絡和智能服務網絡。智能內生在6G網絡中的首要體現是采用合理的AI算法達到網絡性能的提升，如在物理層中目前常采用基于數學理論的編解碼方式，在智能內生的方式驅動下，采用生成對抗網絡完成物理層的編碼和解碼也是當前在探究的方式。同時，從網絡本體出發，智能內生的方法從大量數據中

38、探尋規律，以當前網絡狀態為決策依據的方式，亦可解決網絡中數學建模困難的問題。其次，智能內生也可以適應新業務的加入，提升網絡針對業務快速整合資源、按需定制和快速部署的能力。最后，智能內生的實現需要以邊緣節點為載體深入網絡的各個層級，能夠通過AI即服務的模式（AI as a service，AIaaS）對內滿足網元的AI需求、對外提供開放的AI服務。智能內生在6G時代除了優化增強現有用例的前提下，也會增加新的應用場景，如意圖驅動場景。在意圖驅動場景中，一方面，網絡運營人員能夠通過基于AI的自然語言處理技術進行涉及專業術語的文本轉換，通過智能內生的能力，將用戶意圖轉換為能夠識別的網絡配置參數，并完成

39、配置下發；另一方面，利用AI的決策能力，結合當前網絡的狀態，如計算資源、網絡連接情況、鏈路抖動等情況，自動輸出對應的編排調度方案，實現按需定制的需求。還有諸如空天地一體化組網場景中，也需要6G的智能內生能力，對復雜的網絡完成感知、建模、預測和決策等一系列的動作。4.2.1 研究進展和原則針對智能內生的研究，已經在諸如3GPP和O-RAN等標準組織中開展。3GPP在R17中針對網絡智能化提出了相關的AI應用，聚焦于網絡節能、負載均衡和移動性優化等場景，同時也提出了AI使能RAN的兩種結構，主要從AI的訓練和推理兩個維度考慮，第一種結構將AI的訓練過程在操作維護管理（Operation Admin

40、istration and Maintenance，OAM）中完成，然后將訓練后的模型下發至RAN側根據對應的數據完成AI推理過程；第二種結構是將AI的訓練和推理過程均放在RAN側實現。在R18中3GPP繼續開展網絡智能化的研究，重點針對基于AI的信道狀態信息（Channel State Information，CSI）增強、智能波束管理、智能定位和信道估計等場景。0102030405圖4-1 跨域AI框架10邊緣節點中以非實時/近實時/實時的方式優化網絡參數，以實現多級網絡智能。邊緣節點實現了從數據的收集與預處理，到AI的訓練與推理，再到策略分發的網絡優化閉環。隨著迭代次數的增加，網絡性能也

41、將逐漸優化，最終建立高效的網絡自治體系。此外，邊緣節點中的AI能力，還可通過服務提供層實現內生智能的對外提供，為具有不同需求的用戶提供定制化服務。通過邊緣節點，可以將數據、算力和AI滲透至6G云網融合系統的各個層級。針對差異化的應用場景，在不同層級中實現非實時、近實時和實時的智能，從而打造真正的智能內生，以實現網絡高度自我管理、自我優化以及與服務化網絡的融合發展。4.2.3 節點內跨域AI內生AI在優化網絡性能，提升網絡服務能力的同時，將產生算力部署開銷及能耗激增等新問題。為了提升算力資源可用性，推動端到端的智能內生，邊緣節點將采用域內自治、域間協同的AI管理框架。如圖4-1所示，算力資源在橫

42、向與縱向均呈現出算力部署由分布到集中，算力提供由匱乏到充足的特點。因此需要以任務為中心，根據算力及時延需求、數據樣本體量等約束，靈活選擇任務錨點、調配網絡算力資源，通過域內及域間的AI協同，打造端到端的智能化服務體系，推動網絡自治。其中域間的協同將通過管理域進行統一的管理和編排，隨著核心網網元功能的下沉，邊緣節點將在AI跨域協同過程中承擔重要的橋梁作用。節點內的跨域AI將通過數據協同、模型協同以及算力協同三方面實現。其中數據協同首先應建立統一的數據架構，通過標準化的數據接口實現域間數據的高效同步；其次建立多層級的數據倉庫，實現數據服務的快速調用，為智能內生打造堅實底座；最后在原始數據的基礎上構

43、建知識圖譜和特征數據集，降低數據協同的同步開銷。模型協同包括訓練協同以及推理協同兩部分，其中訓練協同通過模型共享、模型拆分及分布式學習方式實現；推理協同則包括集中訓練、分布推理以及多步聯合推理等方式。算力協同能夠通過AI用例的分解、AI任務的編排以及算力錨點的選擇，實現算力資源的自適應調配。圖4-2 6G智能內生數據采集分析體系示意圖114.2.4 網絡數據采集和應用面向網絡自治的數據收集和分析是6G網絡中最重要、最基本的任務之一，在邊緣節點的近實時數據采集的同時，需要考慮非實時的數據采集以進行綜合分析。網絡運行過程中將不斷產生數以億計，與異構軟硬件、功能和協議棧相關的數據字段。6G網絡的網絡

44、結構、終端類型、終端行為、數據業務需求以及系統資源均呈現出高動態、強實時、緊耦合的特點。如何從復雜的數據中有效提取重要的底層特征，并根據需求動態生成不同的特征數據集，以有效驅動AI模型的訓練、推理和驗證，是6G智能內生亟需解決的基本問題之一。傳統的網絡數據采集流程是建表、過濾、采集到入庫一步到位，缺少數據按需加工處理，同時傳統網絡數據采集的方法包括路測、信令數據硬采和信令數據軟采等，采集的數據可以分為實時數據和非實時數據。為提升數據采集和傳輸效率，可進一步考慮針對不同移動通信智能優化應用場景和網絡部署，根據場景需求的定制化進行時間和空間數據采集。采集的數據可按需存儲在基礎數據倉庫中。網絡數據采

45、集模塊可在6G網絡和無線數據倉庫的基礎上，提供移動通信網絡數據實時采集、分析、追蹤等專業的網絡數據支持，其中網絡數據采集模塊架構主要分為三層，分別為知識圖譜構建、數據分析和特征數據集。網絡數據采集主要通過硬采、軟采、路測等方式獲取網絡各類數據，主要包括無線空口用戶終端（User Equipment，UE）側數據、無線空口基站側數據、核心網數據、網管數據等。無線空口UE側數據、無線空口基站側數據，包含物理層、數據鏈路層、網絡層三大類數據，基站側通過提取上述信息、組建消息包、建立通信接口，然后將實時數據發送到外部平臺，實現基站側數據采集功能。核心網數據包括控制面和用戶面數據?？刂泼鏀祿饕缚刂菩?/p>

46、令協議類型的數據，用來控制業務流程的建立、維護和釋放。用戶面數據主要指真正的業務數據，如語音數據、分組業務數據、即時通信數據、郵件數據及視頻數據等。網管數據包括性能數據、告警數據和配置數據。性能數據主要針對不同的網元采集到其對應的性能信息；告警數據主要是指所有網元生成的各種設備故障告警報告、網絡事件報告以及與網絡、業務相關的故障報警報告；配置數據主要是網絡中網元設備的基本信息，與實體形成對應的映射，多用于網絡的拓撲信息管理。如何利用移動通信大數據并嵌入智能形成的網絡智能新技術體系，面臨架構、數據和AI算法等挑戰。AI作為數據分析引入的有效工具，其本身的發展對移動通信領域有重要影響。但是由于6G

47、網絡前所未有的復雜性，以及基于數據驅動的AI技術本身的局限性，導致這些學習模型和算法無法端到端、全流程地完成各類網絡問題現象的發現以及解決方案的落地。針對移動通信網絡數據的多源異質和組織結構松散的特性，移動通信網絡結構層次化與扁平化相耦合的特性，需有效理清移動通信數據、移動通信網絡以及移12動通信網絡性能內生因素之間的關聯，實現移動通信知識的互通、移動通信資源的高效管理和移動通信網絡的智能維護，使得移動通信網絡內生要素與內生關聯關系以一種易于理解的、結構清晰的、定位精準的可動態展示的方式呈現出來?；谥R圖譜的數據分析是實現移動通信知識獲取、知識整理以及知識表示的重要一環?；跀祿}庫及特征數

48、據集打造的智能底座，首先能夠應用于網絡的異常檢測，通過對網絡產生的時序/非時序數據的分析，可以對網絡異常、網絡攻擊、網絡故障等問題進行精準定位。其次通過基于邏輯和基于模型的知識推理，進而形成網絡知識庫，推動網絡自動化部署與維護。最后通過構建面向領域的知識圖譜和基于知識圖譜的決策模型，實現網絡的智能決策。依托于知識圖譜等先進AI智能算法，有助于增強網絡智能的可解釋性，推動形成網絡異常檢測、網絡智能推理及網絡智能優化決策閉環，最終實現網絡全面自治與智能內生7。4.3 微服務化RAN5G核心網已經引入服務化架構（Service Based Architecture,SBA），網絡功能間采用輕量級服務

49、化接口，利用SBA模塊化、無狀態化、獨立化、扁平化、自主化的優勢，推動網絡走向開放化、虛擬化、云化和微服務化。但目前RAN依舊采用傳統的“煙囪”式協議棧結構和專用的點對點接口，協議棧每一層只對相鄰層負責，缺乏針對不同場景的靈活性以及整體內部功能的聯系，無法支持網絡功能的靈活動態部署和剪裁以及網絡能力開放。此外，當前RAN固有、封閉式的架構難以與云計算進行深度融合，難以實現端到端的服務化，進而難以原生支持AI、安全等特性。因此RAN架構需要做出變革，相比于服務化，微服務化架構更強調網絡功能間相對獨立和低耦合，以達到服務自治、獨立演進，6G RAN的微服務化技術是實現網絡高效彈性、內生設計、開放生

50、態的重要一環。4.3.1 微服務化RAN驅動力未來6G新型應用的涌現對RAN性能提出了更高要求，促使無線網絡向云原生、AI內生、智簡可編程等方向演進。當前體系架構難以適應技術發展趨勢，主要體現在以下幾方面：移動通信網元軟件架構無法支持未來網絡異構化及服務多樣化：電信網元自身的軟件架構變革程度不高，未能充分利用緩存、消息隊列、數據庫、編排自動化等中間件能力8，無法支持靈活快速部署、彈性伸縮和高效管理，限制了無線網絡提供差異化、高性能業務的能力；無線網絡內生設計需求：未來6G網絡對云原生、智能化、安全、編排管理等具備內生設計需求，網絡架構需要從煙囪式的協議棧架構轉為基于服務的架構，促進云網在部署、

51、架構和業務上的深度融合；構建無線網絡開放生態的需求：當前RAN架構無法支持能力開放和可編程，6G無線網絡需做出變革，來滿足服務提供商、應用程序開發商、終端用戶（包括消費者和垂直用戶）對模塊化架構、開放系統和解決方案的需求?；诖?，需要對現有RAN架構進行改進或重構，以實現RAN功能靈活部署和動態擴縮容，支持網絡功能的升級和定制化，促進實現RAN云原生、智簡可編程、異構資源靈活編排。4.3.2 微服務化RAN設計準則微服務化RAN設計與演進給當前層級化的協議棧架構、點對點接口帶來革新，從而可能引發通信標準的相應改動，甚至帶來RAN架構與協議棧的深度重構，因此需要合理探索微服務化的研究路線和設計準

52、則：微服務化RAN的演進不能一蹴而就，需充分結合業務特征和需求，進行針對性的研究，因此微服務化RAN設計方案要支持按需按序的迭代演進；微服務化RAN涉及無線網絡功能的模塊化切分，服務功能定義和劃分需要高效低耦合，網絡功能間交互流程簡潔可重用，最終實現端到端統一的微服務化框架以及管理編排框架；微服務化RAN需實現控制功能與執行功能分離，處理流程與數據存儲分離（支持“無狀態”控制），實現靈活彈性部署和動態擴縮容。微服務化RAN在設計時，需要針對不同的具體功能，合理分析服務化的深度和廣度，包括是否服務化，以及服務化功能切分的顆粒度，并且要適應不同場景的差異化業務需求。同時，在微服務化單元的設計時，要

53、滿足服務鏈的模式，在邏輯上合理編排微服務化單元，實現對應功能。4.3.3 微服務化RAN演進及架構設計微服務化RAN的演進路線可能涉及控制面接口微服務化、控制面功能微服務化、RAN協議棧重構以及RAN與核心網（Core Network，CN）融合等多個階段，對當前協議架構和信令/業務流程的改動也愈加深入?？刂泼娼涌谖⒎栈瘁槍ΜF有架構，進行微服務化接口增強，可考慮RAN與接入和移動管理功能（Access and Mobility Management Function，AMF）之間的N2接口、集中單元（Centralized Unit，CU）與分布單元（Distributed Unit，DU

54、）之間的F1控制面接口微服務化。由此，可實現RAN與核心網網元的直接控制面接口微服務化（一）13RAN協議棧重構及微服務化架構（二）圖4-3 基于邊緣節點的微服務化RAN架構通信，降低交互時延和流程復雜度；并利用無狀態特性，增強RAN功能，例如可實現基于CU的用戶遷移，而非現有基于小區的用戶遷移。對于當前網絡架構，接口微服務化最易于實現，但RAN內部功能還未達到模塊化解耦以及敏捷部署，云網能力也并未深度融合?；谖⒎栈疪AN驅動力的分析，以及現有核心網服務化架構，構建端到端的微服務化無線網絡是未來發展趨勢之一。微服務化RAN作為其中重要一環，已成為產業界和學術界的研究共識。微服務化RAN架構

55、依托云原生技術，以邊緣節點為實現形態，除了RAN功能以外，還包含下沉的核心網功能，如圖4-3所示。依托邊緣節點的微服務化RAN架構頂層為智簡可編程模塊和服務管理模塊，均與服務總線連接。智簡可編程模塊構建面向微服務化的智簡可編程體系框架。服務管理模塊則用于對RAN及分布式CN所提供的服務進行管理，包括服務注冊、服務發現、服務鑒權驗證、負載管理、狀態保持等。服務總線連接RAN和CN的多種服務，CN服務包括連接管理控制和安全保障服務、會話管理服務、數據傳輸處理服務等，可按需部署和提供。RAN服務包括四大類，分為無線連接服務應用程序接口（Application Programming Interfac

56、e，API）、無線會話服務API、無線AI服務API以及能力開放服務API，每一類服務API提供多種服務，支持實時動態調整。架構橫向分為三層，即計算層、控制層和處理層，每一層都包含具體的功能組件，縱向服務API針對提供的具體服務，可對橫向每一層的功能組件進行靈活編排，統一提供相應服務。在微服務化RAN的深度融合架構中，有如下關鍵技術特征：RAN與分布式核心網深度融合：5G核心網已采用控制面與用戶面分離架構，并實現用戶處理及轉發功能下沉到邊緣側。面向6G需求，控制面相關功能可能進一步下沉至邊緣側提升網絡運行效率。下沉服務與RAN服務一起，統一被管理控制。AI作為關鍵服務：考慮到與智能內生、智簡可

57、編程等技術的深度融合，RAN內生AI作為關鍵能力，提供無線AI服務API，增加計算層，并在控制層和處理層中均會新增AI處理組件。對于無線協議棧微服務化重構，圖4-4對邊緣節點中的服務API和三層功能組件進一步細化。無線連接服務API提供多種類型智能終端用戶接入，包括初始接入、隨機接入、連接重建/重同步等。支持多種類型智能終端移動性，包括切換、移動性限制、移動性更新。提供資源管理調度，包括空口無線資源，面向后續RAN與CN的融合，還會涉及RAN與分布式CN的系統資源調度。安全服務：保障無線連接的安全性，包括空口安全以及支持后續演進的端到端安全服務。無線會話服務API提供無線數據處理服務，保障多種

58、數據業務需求。為多種數據業務提供數據資源管理與分配。接入服務a數據處理a移動性管理b數據資源管理b資源管理c安全服務d14圖4-4 基于邊緣節點的協議棧微服務化重構無線AI服務API利用AI/機器學習（Machine Learning，ML）提前對網絡狀態的變化趨勢進行預測，并針對可能發生的問題快速響應并下發解決策略，保證網絡整體性能。旨在提供網絡規劃、建設、監控、優化和自愈等運維全生命周期的網絡自治。能力開放服務API通過無線網絡能力開放，提供用戶業務實時性能監控管理，保障用戶體驗。通過無線網絡能力開放，支持基于業務服務質量（Quality of Service，QoS）智能的感知服務。網絡

59、自優化a業務保障a網絡自治b感知服務b15圖4-5 智簡可編程網絡無線協議棧橫向重構為計算層、控制層、處理層三層。計算層提供數據模型、算法調用、算力提供等組件；控制層則包含連接控制、數據無線承載控制、切換控制、載波聚合、多連接、功率控制、無線接入技術間（Inter-Radio Access Technology，Inter-RAT）控制、AI、資源調度、安全策略、可靠性控制等組件；處理層包含安全處理、傳輸處理、可靠性處理、測量處理、比特級處理、符號級處理、同步、AI、系統消息處理等組件。在微服務化RAN的研究過程中，單純互聯網中的服務化技術不一定完全適用于RAN側，需要結合RAN本身的功能、業

60、務及信令合理研究服務化程度和顆粒度。此外，依托邊緣節點，需要考慮RAN功能以及下沉核心網功能的管理、協同、甚至融合的技術方案。目前產業界對微服務化RAN還未達到統一的基本共識，微服務化RAN重構的標準化推動難度大，需要與產業界一同推進解決。4.4 智簡可編程智簡可編程的“智簡”理念突出網絡智能化管理的“智”和面向用戶使用行為的“簡”。利用可編程的手段能夠實現網絡的按需定制和編排，智能化手段的引入和更新，便于6G網絡實現模塊化的“排列組合”?！昂啞辈⒎蔷W絡架構的簡單，當前網絡架構的演進和融合并未在架構層面實現“減負”，但是用戶對網絡的感知和維護能夠實現簡化，原有針對網絡的配置需要具備專業技能的人

61、員實現，未來的智簡網絡借助智能化的手段，將復雜的網絡配置、編排和維護功能交由內生智能來完成，用戶可通過“傻瓜式”的按鍵、輸入和拖拽交互模式實現對網絡的適配，并在一定程度上減輕網絡運營、維護人員的工作難度。因此，邊緣節點中的智簡可編程元素體現了6G網絡“智能融網，大繁化簡”的方向，為復雜的網絡帶來簡單的操作。此外，應用可編程的手段能夠幫助網絡在只保留核心功能的基礎上，根據用戶的情境化需求，提供定制化的網絡服務；同時，端到端的可編程設計有望為移動網絡提供更加綠色、快速和靈活的升級方式。雖然可編程技術在無線網絡應用方面的探索才剛剛開始，但卻是未來實現6G智簡網絡愿景的重要使能技術。4.4.1 智簡可

62、編程設計原則圖4-5為智簡可編程網絡示意圖，可編程作為業務場景和網絡智能間的橋梁，一方面為AI提供數據來源和操作接口，另一方面接收AI的指令，根據業務場景的差異性，通過可編程框架實現網元功能的“按需排列組合”，支撐不同屬性的業務。編程框架編程框架Client編程模型 數據處理 參數控制 行為控制業務程序Server插件程序請求應答Client編程模型 數據處理 參數控制 行為控制業務程序Server插件程序請求應答業務場景業務場景業務場景業務場景協議棧處理信令處理算法.AI圖4-6 可編程網絡框架16在簡化網絡結構的設計層面，構建基本架構滿足用戶核心需求即可，而不應試圖滿足所有需求。每一代移動

63、通信都帶來大量全新的用戶需求構想，如果全部實現在基本架構層面，會使得網絡架構過于繁瑣沉重，不僅降低網絡運行效率、提高網絡設計難度以及運行維護成本，且后續為適應全新的應用場景，會導致不斷疊加新功能和更新網絡結構。智簡網絡結構考慮采用一種輕量化的架構滿足核心的網絡功能，通過應用場景的需求驅動，實現不同場景下子網絡形態的即插即用，同時在設計規劃新的場景或功能時只需重點關注與總體網絡結構的適配性，便能夠在功能與性能成熟后便捷地融入網絡中。輕量的簡化網絡設計意味著對通信本源的回歸，即以通信的基本需求為載體，各種拓展應用為羽翼，不斷豐富其中，構建出結構合理的智簡網絡。在構建智能化網絡方面，核心是網絡智能內

64、生和開放可編程的結合。為了有效利用AI內生賦能網絡，數據是關鍵。大量實時數據如何做到按需定制，AI模型輸出的數據如何有效的作用到網絡，以及AI的策略如何改變網絡的行為，都需要AI邏輯模塊和網絡API去緊密配合，而開放可編程網絡則作為未來6G實現的基本框架，對內提供邏輯鏈路，對外提供標準接口，是智能應用的數據來源和作用對象。雖然目前鮮有文獻研究討論兩者的結合，但是這兩個方向是相輔相成，互相依存的，都會在未來6G網絡中扮演重要角色。4.4.2 智簡可編程網絡框架在邊緣節點中，對于6G智簡網絡的設想目標是實現網絡運營和運維模式的根本性變革，網絡將由當前以人驅動為主的人治模式，逐步向網絡自我驅動為主的

65、自治模式轉變，通過網絡數據、業務數據、用戶數據等多維數據感知實現自治。然而智能化不僅對智能模型的精準度要求越來越高，還為信息處理、運算能力、軟硬件協調等多個領域帶來更多難題。為避免“為智能而智能”的困擾，實現解放人力、高度智能化的目標，更現實的訴求是一種可編程、可根據用戶需求定制化的網絡?？删幊淌菍W絡功能和行為邏輯的高度抽象，將用戶除基本需求以外的高端訴求進行個性化設計，摒棄對智能化和集成化的盲目追求，圍繞訴求進行針對設計來達成目標。網絡、業務相關的故障報警報告；配置數據主要是網絡中網元設備的基本信息，與實體形成對應的映射，多用于網絡的拓撲信息管理。如何利用移動通信大數據并嵌入智能形成的網絡

66、智能新技術體系，面臨架構、數據和AI算法等挑戰。AI作為數據分析引入的有效工具，其本身的發展對移動通信領域有重要影響。但是由于6G網絡前所未有的復雜性，以及基于數據驅動的AI技術本身的局限性，導致這些學習模型和算法無法端到端、全流程地完成各類網絡問題現象的發現以及解決方案的落地。針對移動通信網絡數據的多源異質和組織結構松散的特性，移動通信網絡結構層次化與扁平化相耦合的特性，需有效理清移動通信數據、移動通信網絡以及移176G智簡網絡是對網絡架構層面的革新，當前僵化緊耦合的無線通信協議棧極大限制了網絡能力?？删幊谭绞阶鳛?G智簡網絡的核心主要包括可編程作用域、可編程框架和可編程智能化三個方面。首先

67、，可編程作用域方面，從目前進展看，一步到位的可編程網絡并不現實，從數據可編程到參數可編程，再到行為可編程的循序漸進更有利于技術的演進和落地實現。其次，開放可編程框架，可以采用插件編程思想，靈活調用插件代碼函數或啟用相應的線程，從而滿足網絡基礎設施按需配置，按場景定制的需求，為下一代網絡開放可編程原型設計提供技術保障和方法支撐，適用于未來基于云原生的網絡架構。在框架和作用域確定后，模塊化的網絡要素及標準化API設計將是最終智簡可編程網絡呈現形式的關鍵。最后，可編程智能化為新型業務的添加和編排提供了便利的方案。如圖4-6所示，可編程網絡框架分為三層，智能服務層、標準接口層和網絡要素層。智能服務層作

68、為智能內生AI邏輯的駐留點，通過開放可編程接口開放層收集數據，完成對網絡的智能診斷、干擾估計、KPI分析及定位等功能，同時智能服務層還可以將接口開放層收集的數據加工，得到網絡的特性后，識別出關鍵指標，將得出的針對網絡最優的參數或算法再次反饋給網絡，完成對網絡功能的智能調整和智能應用，如參數優化、干擾抑制、調度器及相應算法優化及網絡智能切片等；標準接口層為開放可編程對外提供的接口，這些接口既可以作為AI數據搜集和決策反饋的接口，又可以作為開放可編程框架交互的接口，分為數據接口和控制接口；網絡要素層由特定功能的處理模塊提供網絡要素服務。處理模塊與網絡基礎設施中的訂閱和管理功能邏輯緊密耦合，負責整個

69、處理模塊向網絡基礎設置的注冊和管理，另一方面網絡要素層具備邏輯處理功能，包括邏輯編排、邏輯替換和邏輯選擇，對應開放可編程的程序運行在網絡內部的函數插件中。整體架構通過開放的標準接口對網絡中高度抽象的模塊化邏輯單元（如協議功能、信令分發、算法等）進行編排組織，對外提供智能化的網絡應用和服務體驗。4.4.3 智簡可編程賦能定制化6G網絡將是涵蓋各種應用的復雜網絡，同時接入的設備和應用場景千差萬別，這需要網絡不斷優化自身模型和工作方式適應多種場景的需求，智能調整自身狀態和外部設備的工作方式滿足場景定制化的切換，使網絡總是朝著最完美的工作狀態下逼近。在智簡網絡中，網絡始終不斷的自學習，學習無處不在，學

70、習無時不在。自學習的目的就是在業務定制化需求到達時，能夠根據“經驗”實現快速響應，通過即插即用的方式調度需要資源，快速實現網絡規劃，支撐業務請求。在業務請求完成后迅速釋放資源，保證后續業務的持續處理。以超大規模連接小區負載預測為例，6G網絡中海量的接入以及不同類型業務的接入，對網絡形成的考驗和壓力將是巨大的，而6G智簡網絡可對網絡小區負載、用戶業務類型及業務量情況進行精準預測，基于預測可提前對網絡負載進行優化和協調，為用戶選擇合適的小區駐留，避免滯后性及盲目性造成網絡擁塞導致用戶體驗下降。同時開放的接口和可編程的手段，為外部事 先優化規劃，局部或整體動態調整提供了手段和技術支持。因此，通過智簡

71、可編程構建面向服務的現場自適應定制化智簡網絡，最終實現按需按序迭代演進，滿足各種6G場景及接入方式靈活的輕量化網絡部署，保障無線網絡提供情境化業務的能力，從而精確滿足特定需求，且不需要面對智能化和多場景帶來的過于復雜的系統，實現簡潔高效的網絡定制。4.5 無蜂窩組網無線接入是多樣化終端設備接入無線網絡和體驗高性能業務的基礎，架構中分布式節點可支持多頻段接入，邊緣節點支持相應的計算處理。面向6G的全頻譜接入愿景，采用低、中、高頻分層協同組網將有助于達到更高的傳輸速率和更大的網絡容量，使能新型業務應用，而網絡的按需定制和即插即用則是未來6G無線接入趨勢。綜合來看，以用戶為中心的極簡分層組網極具優勢

72、，低頻段基于蜂窩網絡實現廣域覆蓋，僅提供基本的接入控制服務；中高頻段由于覆蓋范圍有限，無線接入設備密集部署，將采用以用戶為中心的無蜂窩組網架構，提供大容量數據業務。無蜂窩大規模多入多出系統（massive Multiple-Input Multiple-Output，mMIMO）網絡由分布式mMIMO演進而來，由于消除了小區概念，無蜂窩網絡實現了固定網絡邊界到無網絡邊界的范式轉變，具有更靈活的網絡架構及協作信號處理方式選擇，有助于提高系統覆蓋率，提供更均一的用戶體驗，提升無線系統的頻譜效率。4.5.1 無蜂窩系統架構通常無蜂窩網絡會在較大區域內部署大量分布式節點服務所有用戶，所有分布式節點（主

73、要由RRU構成）連接到處于邊緣節點中的中央處理器（Central Processing Unit，CPU），根據CPU和RRU處采用的信號處理方式，可以分為集中式和分布式兩種類型。全集中式下的RRU將接收到的數據信號全部傳至CPU處，由CPU集中進行信號聯合編解碼，該方式前傳傳輸數據量增加，計算復雜度高，導致系統不可擴展。全分布式下的RRU在本地估計信道并處理數據信息，再將解碼信息通過前傳鏈路回傳至CPU處進行合并。相較于集中式，分布式可減輕CPU的計算負載，但RRU的本地干擾消除能力較弱，因此需要綜合考慮可擴展的無蜂窩系統方案?？蓴U展的拓撲結構有圖4-7所示的三種形式：星型分布式結構、菊花鏈

74、結構以及與菊花鏈相似的radio stripes架構。實際設計可擴展協作網絡時，需要協同考慮可擴展的協作網絡拓撲結構、可擴展的協作信號處理方式（平衡系統性能與前傳及計算開銷）以及合適的用戶關聯方案（合適的調度算法）三個方面，以滿足網絡的負載性能平衡。但以往協作通信的解決方案尚未實現三方兼顧，靈活的無蜂窩mMIMO架構設計將有望彌補這一缺陷。動通信網絡性能內生因素之間的關聯，實現移動通信知識的互通、移動通信資源的高效管理和移動通信網絡的智能維護，使得移動通信網絡內生要素與內生關聯關系以一種易于理解的、結構清晰的、定位精準的可動態展示的方式呈現出來?；谥R圖譜的數據分析是實現移動通信知識獲取、知

75、識整理以及知識表示的重要一環?；跀祿}庫及特征數據集打造的智能底座，首先能夠應用于網絡的異常檢測，通過對網絡產生的時序/非時序數據的分析，可以對網絡異常、網絡攻擊、網絡故障等問題進行精準定位。其次通過基于邏輯和基于模型的知識推理，進而形成網絡知識庫，推動網絡自動化部署與維護。最后通過構建面向領域的知識圖譜和基于知識圖譜的決策模型，實現網絡的智能決策。依托于知識圖譜等先進AI智能算法，有助于增強網絡智能的可解釋性，推動形成網絡異常檢測、網絡智能推理及網絡智能優化決策閉環，最終實現網絡全面自治與智能內生7。4.3 微服務化RAN5G核心網已經引入服務化架構（Service Based Archi

76、tecture,SBA），網絡功能間采用輕量級服務化接口，利用SBA模塊化、無狀態化、獨立化、扁平化、自主化的優勢，推動網絡走向開放化、虛擬化、云化和微服務化。但目前RAN依舊采用傳統的“煙囪”式協議棧結構和專用的點對點接口，協議棧每一層只對相鄰層負責，缺乏針對不同場景的靈活性以及整體內部功能的聯系，無法支持網絡功能的靈活動態部署和剪裁以及網絡能力開放。此外，當前RAN固有、封閉式的架構難以與云計算進行深度融合，難以實現端到端的服務化，進而難以原生支持AI、安全等特性。因此RAN架構需要做出變革，相比于服務化，微服務化架構更強調網絡功能間相對獨立和低耦合，以達到服務自治、獨立演進，6G RAN

77、的微服務化技術是實現網絡高效彈性、內生設計、開放生態的重要一環。4.3.1 微服務化RAN驅動力未來6G新型應用的涌現對RAN性能提出了更高要求，促使無線網絡向云原生、AI內生、智簡可編程等方向演進。當前體系架構難以適應技術發展趨勢，主要體現在以下幾方面：移動通信網元軟件架構無法支持未來網絡異構化及服務多樣化：電信網元自身的軟件架構變革程度不高，未能充分利用緩存、消息隊列、數據庫、編排自動化等中間件能力8，無法支持靈活快速部署、彈性伸縮和高效管理，限制了無線網絡提供差異化、高性能業務的能力；無線網絡內生設計需求：未來6G網絡對云原生、智能化、安全、編排管理等具備內生設計需求，網絡架構需要從煙囪

78、式的協議棧架構轉為基于服務的架構，促進云網在部署、架構和業務上的深度融合；構建無線網絡開放生態的需求：當前RAN架構無法支持能力開放和可編程，6G無線網絡需做出變革，來滿足服務提供商、應用程序開發商、終端用戶（包括消費者和垂直用戶）對模塊化架構、開放系統和解決方案的需求?；诖?，需要對現有RAN架構進行改進或重構，以實現RAN功能靈活部署和動態擴縮容，支持網絡功能的升級和定制化，促進實現RAN云原生、智簡可編程、異構資源靈活編排。4.3.2 微服務化RAN設計準則微服務化RAN設計與演進給當前層級化的協議棧架構、點對點接口帶來革新，從而可能引發通信標準的相應改動，甚至帶來RAN架構與協議棧的深

79、度重構，因此需要合理探索微服務化的研究路線和設計準則：微服務化RAN的演進不能一蹴而就，需充分結合業務特征和需求，進行針對性的研究，因此微服務化RAN設計方案要支持按需按序的迭代演進；微服務化RAN涉及無線網絡功能的模塊化切分，服務功能定義和劃分需要高效低耦合，網絡功能間交互流程簡潔可重用，最終實現端到端統一的微服務化框架以及管理編排框架；微服務化RAN需實現控制功能與執行功能分離，處理流程與數據存儲分離（支持“無狀態”控制），實現靈活彈性部署和動態擴縮容。微服務化RAN在設計時，需要針對不同的具體功能，合理分析服務化的深度和廣度，包括是否服務化，以及服務化功能切分的顆粒度，并且要適應不同場景

80、的差異化業務需求。同時，在微服務化單元的設計時，要滿足服務鏈的模式，在邏輯上合理編排微服務化單元，實現對應功能。4.3.3 微服務化RAN演進及架構設計微服務化RAN的演進路線可能涉及控制面接口微服務化、控制面功能微服務化、RAN協議棧重構以及RAN與核心網（Core Network，CN）融合等多個階段，對當前協議架構和信令/業務流程的改動也愈加深入?？刂泼娼涌谖⒎栈瘁槍ΜF有架構，進行微服務化接口增強，可考慮RAN與接入和移動管理功能（Access and Mobility Management Function，AMF）之間的N2接口、集中單元（Centralized Unit，CU）

81、與分布單元（Distributed Unit，DU）之間的F1控制面接口微服務化。由此，可實現RAN與核心網網元的直接圖4-7 可擴展的無蜂窩網絡拓撲結構圖4-8 基于云化處理的可擴展無蜂窩新型RAN架構18基于云化處理的可擴展無蜂窩新型RAN架構如圖4-8所示，包括部署于邊緣節點的無線云網絡中心（控制中心和業務中心）、虛擬化的中央處理單元無線云網絡中心一方面采用聯合優化的方法設計特定傳輸信令控制，通過機制觸發的方式對RRU的信號處理方式、回傳方式、vCPU之間的交互方式進行控制，形成物理層的可擴展實現；另一方面設計空口控制信令，包括廣播信令和尋呼信令的增強，實現大區域用戶與接入點的動態關聯和

82、移動性管理。vCPU將接收多個EDU的發送數據，對屬于相同數據流的上行數據進行合并，并將多個下行數據流分發到相應的EDU，完成RRU之間校準所需的信道（virtual CPU，vCPU）以及分布式節點中的擴展單元（Edge Distributed Unit，EDU）和RRU，形成可擴展的無蜂窩大規模協作MIMO組網。RRU群組BBU池EDU分布式節點邊緣節點業務中心控制中心無線云網絡中心(a)星型結構(b)菊花鏈(c)radio strips vCPUvCPU19估計，實現以用戶為中心的數據合并和數據分發。EDU完成基帶信號處理中的信道估計、多用戶/多數據流檢測、多用戶/多數據流預編碼、校準信

83、號的提取等功能。RRU完成射頻信號的收發、數模/模數轉換等功能。由于在EDU和vCPU分別實現了分布式檢測/預編碼、集中式的合并/分發，從而可達到分布式與集中式的有機結合，實現無蜂窩的無限擴展。與傳統協作多點不同，該方案沒有限定RRU的天線數、RRU的個數、服務的用戶數，系統可工作在單個小區標識下，并可以實現無限擴展的無蜂窩組網以及以用戶為中心的無蜂窩組網。4.5.2 分布式協作傳輸技術無蜂窩mMIMO充分利用小蜂窩密集組網帶來的功率增益以及大規模天線的信道硬化效應9，但網絡的空間干擾抑制能力很大程度上取決于信號處理技術。根據RRU之間的協作程度，無蜂窩mMIMO系統的信號處理架構可以分為四類

84、10，按照協作程度由高到低排列為C4、C3、C2和C1。在全集中式信號處理中，所有RRU接收到的導頻信號和數據信號通過前傳鏈路收集到CPU，在CPU處進行信道估計和數據檢測。半分布式信號處理分為兩個階段：第一階段，每個RRU局部估計信道，并通過任意接收合并器獲得用戶數據的局部估計；第二階段，數據被收集到CPU處線性處理以進行聯合檢測。由于導頻信號不會在前傳鏈路中共享，第二階段中CPU只能利用信道統計信息。C2是C3的一種直接簡化。在第二階段，CPU通過簡單地獲取局部估計的平均值來進行檢測，這使得CPU不必獲取信道統計信息，從而減少了前傳鏈路要傳遞的信息量。在全分布式信號處理中，僅使用局部信道估

85、計在RRU上執行檢測，并且任意一個RRU服務每個用戶。無蜂窩系統中的信號處理（一）信道狀態信息的獲取、同步與校準方式（二）無蜂窩mMIMO的性能增益依賴于準確的信道狀態信息。首先，RRU之間的載頻同步是基本要求，可使用配備高精度全球定位系統（Global Positioning System，GPS）的RRU或使用高精度同步協議的RRU，如IEEE 1588PTPv2和同步以太網（Synchronous Ethernet，SyncE）。其次，為使多個RRU之間能夠進行相干聯合傳輸，仍需要對多個RRU的收發通道進行校準，并同時考慮校準算法的復雜度。雖然RRU側同步及互易性校準可以緩解下行CSI獲

86、取的瓶頸問題，但是現有5G新空口（New Radio,NR）系統仍然無法較好地支撐無蜂窩mMIMO。一方面，下行的信道狀態信息參考信號（Channel State Information-Reference Signal，CSI-RS）獲取對終端的大尺度信息估計、信道測量等具有重要意義，但是現有的參考信號設計開銷較大，且無法支持以用戶為中心的無蜂窩系統；另一方面，信道參數的估計方法需要進一步突破，理論上無蜂窩系統在終端側無需精確的瞬時信道信息也可以實現解調，但考慮到實際中的非理想因素（如非理想空口校準、時延估計不準確等），通常需要下行鏈路的解調參考信號。無蜂窩系統中如何實現CSI-RS的信道估

87、計，得到大尺度信道信息，并配合解調參考信號的信道估計，獲得較為精確的解調信道矩陣，有較多問題需要進一步研究。4.5.3 無線資源管理與控制技術靈活的動態資源管理和控制是應對6G多樣化業務，保證系統滿足6G預期傳輸能力的關鍵技術之一。6G空口對通信速率、接入規模以及泛在化的需求進一步提高，為無線資源管理與控制帶來諸多挑戰。因此，需要考慮無蜂窩系統架構下的無線資源管理與控制技術。高效的以用戶為中心的關聯和動態協作以及鏈路自適應資源配置技術，可以實現RRU與用戶的低復雜靈活關聯，降低弱連接等情況造成的資源浪費，削減用戶間干擾。關聯方案可基于大尺度衰落/接收信號強度或基于頻譜效率/能量效率，前者信息易

88、獲取，持續時間長；后者需經過理論推導，相對復雜且持續時間較短，可能需要導頻信號來獲取，但由于利用更多信息，其性能一般優于前者。RRU與用戶關聯問題，一方面需要為各個用戶選擇合適的RRU為其服務，涉及多種因素，如信道狀態信息、實時測量上報、干擾情況等，目前啟發式算法復雜度低但性能無法保障，優化算法性能較好但復雜度高，當前并無統一的理論依據進行關聯，而引入智能化手段，可以通過訓練網絡進行關聯無蜂窩架構下的靈活關聯技術（一）01 全集中式信號處理架構（C4）02半分布式信號處理架構（C3）03簡化的半分布式信號處理架構（C2）04全分布式信號處理架構（C1）圖4-9 無蜂窩智能化控制參考架構20選擇

89、的嘗試，根據獲取的性能反饋進行學習，保障網絡性能。另一方面，用戶移動或周邊環境發生變化（如障礙物的出現或消失），會導致原有RRU與用戶關聯方案不適用，需要合理設置RRU與用戶關聯的更新周期，特別是針對高速移動場景（如高鐵）。若基于非智能化方法，可能無法保證周期調整的時效性，通過智能化方法，可以考慮根據用戶速度、方向等參數信息進行軌跡預測，進而對用戶的服務RRU集進行智能決策。圖4-9示出了一種無蜂窩智能化控制參考架構，無蜂窩網絡節點將較長期的數據和實時數據分別上報至模型訓練模塊和模型推理決策模塊。模型訓練模塊基于上報數據進行模型訓練，并將訓練好的模型下發至模型推理決策模塊，進行部署應用。模型推

90、理決策模塊基于推理結果，將網絡相關配置更新下發至無蜂窩網絡節點，同時，模型推理決策模塊監測網絡性能，必要時向模型訓練模塊觸發模型更新。無蜂窩系統需要進行高效的傳輸資源分配和管理，以降低系統內部干擾和處理時延。組網形態的復雜化需要進一步考慮導頻信號分配、收發機預編碼設計、傳輸功率控制以及前傳資源調度等具有高度現實意義的問題。信道估計如果在RRU處或CPU處執行，將影響導頻分配及傳輸，因此需要合理選擇信道估計位置，同時兼顧導頻污染引起的干擾問題與系統性能，探究最佳導頻分配策略。收發機預編碼設計需要考慮方案對系統性能的影響，包括編碼方案的可擴展性、前傳容量有限/計算復雜度引入的時延問題，因此需根據實

91、際應用場景進行平衡和選擇。傳輸功率控制以系統性能為目標，同時考慮方案是否依賴于RRU的數量、算法實現復雜度以及系統可拓展性等問題?？紤]到前傳容量受限場景以及容量和延遲等性能要求，無蜂窩系統可探索前傳數據壓縮技術、軟件定義網絡拓撲結構及協作處理功能劃分等。傳輸控制及方案設計考量因素較多，現有基于數學理論的優化算法復雜度較高，隨著AI和大數據技術的更迭發展以及網絡架構的革新，智能化算法有望實現無蜂窩網絡的高效傳輸與控制。無蜂窩網絡技術并未在5G全面應用，其主要挑戰包括：低成本低復雜度的實際部署問題、易于擴展的網絡架構設計和協作處理機制問題、以及相關的物理層技術問題，包括前傳數據開銷及傳輸容量限制、

92、CSI估計和互異性校準、簡潔有效的資源分配方案、RRU與用戶關聯策略設計等?？紤]到6G新型業務的涌現以及網絡性能指標的驟增，并隨著射頻器件的進步，產業界和學術界充分開展無蜂窩網絡理論技術研究與應用部署驗證工作，例如愛立信在2019年世界移動通信大會展示了世界上首個無蜂窩mMIMO原型機radio stripes。無蜂窩技術有望解決6G系統性能提升所遭遇的瓶頸問題，但同樣需要合理研究云化可擴展的網絡架構以及物理層關鍵技術，同時聯合產業界，積極推進驗證部署與標準化步伐。無蜂窩架構下的高效傳輸資源分配方法（二）模型訓練模型推理決策無蜂窩網絡節點長期數據上報觸發模型更新配置更新下發模型實時數據上報圖5

93、-1 邊緣節點PoC邏輯架構圖215.1 邊緣節點構建與驗證為進一步驗證邊緣節點構建的可行性，進行了原型驗證系統（Proof of Concept，PoC）搭建，作為對6G云網融合的初步嘗試。本系統的整體邏輯架構如圖5-1所示，基于Kubernetes的微服務化技術實現，包括數據及控制平面和管理平面。在該框架中，RRU為射頻單元，RAN功能與下沉CN網元功能作為邊緣節點的網絡連接功能部署在一臺服務器上。UE通過RRU接入網絡，RRU通過前傳接口及交換機連接至服務器。其中，異構資源池包括通用處理器、硬件加05探索與驗證APP服務提供APPAPPAPP智能控制及網絡連接加速器 PodFPGA Sc

94、hedulerFPGA OM.CentOS(實時)異構資源池計算存儲網絡加速器時鐘.管理平面服務管理和編排邊緣節點調度編排融合設施管理交換機RRURRURRU.前傳接口數據及控制平面AI ModelAI Model.智能化 PodRAN PodNFNF下沉CN PodNFNFNF.系統 PodDriver.CNIComponents數據及控制平面（一）圖5-2 邊緣節點PoC驗證平臺圖5-3 邊緣節點資源使用統計22管理平面（二）速器、操作系統、虛擬化支持以及接口，通過全球定位系統作為同步方式。智能控制及網絡連接功能通過容器方式部署，包括系統Pod、加速器Pod、智能化Pod、RAN Pod、

95、下沉CN Pod等組件，以及其他必需的Kubernetes組件，如 Kube-Virt、Kube-proxy、Kubelet 等。邊緣節點中通過管理平面實現對資源的管理與編排，對于基礎設施及異構資源池的管理將實現對異構資源及邊緣算力的統一管理調度；邊緣節點以Pod為單位編排容器，網元能力以Pod的形式被調用；服務編排和管理將滿足非實時的管理編排功能，保障對業務的部署及響應。圖 5-2 顯示了PoC驗證平臺的硬件設備，包括一臺加載了硬件加速器的服務器、一臺交換機和RRU，服務器中部署有虛擬化BBU/下沉式輕量級核心網。目前基帶處理仍采用5G NR進行初步性能驗證，圖5-3給出了系統在用戶接入后數

96、據業務空載和滿載情況下CPU資源的使用情況，顯示擁有32個CPU物理核的邊緣節點，可以支持基本無線云網絡功能的部署和運行，并且為其他服務預留資源。5.2 無蜂窩網絡驗證評估為驗證無蜂窩大規模MIMO的系統性能、關鍵技術和實用性，進行了原型系統開發與驗證。系統采用兩種設計方式，分別為面向商用終端的試驗系統（圖5-4a，以下簡稱系統1）和面向模擬終端的原型試驗系統（圖5-4b，以下簡稱系統2）。系統1采用符合5G NR協議的基站結構，可以和商用5G終端對接，實現兩節點8T8R的無蜂窩分布式MIMO系統。系統2相比系統1具備更大的分布式節點規模，可以實現16節點64T64R的無蜂窩分布式MIMO系統

97、。兩個系統的射頻單元均采用5G商用的低功率RRU。系統每個基站/終端的射頻單元采用4T4R，系統帶寬100MHz。RRU與前傳加速卡之間采用通用公共無線接口（Common Public Radio Interface，CPRI）。在基站側，BBU通過1588PT-Pv2和SyncE為多個RRU提供時間同步和參考時鐘，每個RRU內部的4個通道采用共本振，但是每個RRU采用獨立的本振。模擬終端與基站采用相同的硬件平臺，兩者之間通過GPS信號建立上下行時鐘同步。系統1通過與商用終端的對接和MIMO業務傳輸，對下行業務進行驗證，可以證明無蜂窩分布式MIMO技術具備可實現性；系統2對上行業務進行驗證，通

98、過模擬終端對關鍵參數數據的獲取分析和達到更高的頻譜效率指標，證明了無蜂窩分布式MIMO技術的先進性和優越性。系統2對上行業務進行驗證，通過模擬終端對關鍵參數數據的獲取分析和達到更高的頻譜效率指標，證明了無蜂窩分布式MIMO技術的先進性和優越性。RRU交換機邊緣節點051015202530業務滿載業務空載CPU資源占用RANCN平臺及其它23圖5-4(b)16節點64T64R模擬終端試驗平臺圖5-4(a)2節點8T8R商用終端試驗平臺CPRICPRI商用手機商用手機4T4R 分布式節點核心網服務器BBU服務器聯合檢測/聯合預編碼前傳調制/軟解調/編解碼邊緣節點分布式節點High-PHYLow-P

99、HY 部署2個分布式傳輸節點，每節點4T4R，組建8T8R的無蜂窩分布式試驗平臺 分成2個校準組，實現空口校準功能 實現4流分布式協作傳輸業務，頻譜效率可達20bps/Hz用戶多用戶分組/基站層2層3功能 部署16個分布式傳輸節點，每節點4T4R，組建64T64R的無蜂窩分布式試驗平臺 具備分組空口校準功能 實現12個模擬終端 48流分布式協作傳輸業務，頻譜效率可達150200bps/Hz聯合檢測/聯合預編碼前傳調制/軟解調/編解碼用戶資源調度邊緣節點分布式節點Low-PHYHigh-PHYCPRICPRIBBU服務器12個4T4R 模擬終端傳輸節點CPRI16個4T4R 分布式傳輸節點模擬終

100、端服務器24本白皮書對6G云網融合的愿景、驅動力、理念及架構進行了研究，認為邊緣節點將是未來6G云網融合的重要載體，是連接、智能、計算深度融合的關鍵環節，進一步地針對邊緣節點的五個使能技術展開討論。其中，異構資源池的構建是6G云網融合的堅實底座；智能內生驅動未來網絡的自學習、自優化等深度自治；微服務化RAN是6G云網融合背景下無線接入網變革的重要演進路線之一；智簡可編程是實現智能化的重要手段；無蜂窩組網架構可支持多頻協同組網進一步優化網絡性能。目前各使能技術已受到產業界的關注，但其具體理念并未達成統一共識，預期在標準化推動方面存在挑戰，需要產業界和學術界的廣泛參與。當前業界對6G的研究正逐步深

101、入，云網融合的演進路線與6G研究亦相輔相成，要實現云網的深度協同、融合和一體，需要運營商、設備商、終端商、平臺提供商、應用開發商、測試商、科研院所及高校的通力協作，中國電信研究院愿與紫金山實驗室以及其他合作伙伴協同努力，以云網融合為技術指引，推動6G網絡技術研究及驗證進程。06未來展望25附錄1 術語英文縮寫5G5G NR3GPP6GAIAIaaSAMFAPPFifth GenerationFifth Generation New Radio3rd Generation Partnership ProjectSixth GenerationArtificial IntelligenceAI a

102、s a ServiceAccess and Mobility Management FunctionApplication第五代5G新空口第三代合作伙伴計劃第六代人工智能人工智能即服務接入和移動性管理功能應用英文全拼中文釋義26英文縮寫APIARMASICBBUC1C2C3C4CNCPRICPUCSICSI-RSApplication Programming InterfaceAdvanced RISC MachineApplication Specific Integrated CircuitBaseBand UnitCase 1Case 2Case 3Case 4Core NetworkC

103、ommon Public Radio InterfaceCentral Processing UnitChannel State InformationChannel State Information-Reference Signal應用程序接口高級精簡指令集機器專用集成電路基帶處理單元情況1情況2情況3情況4核心網通用公共無線接口中央處理器信道狀態信息信道狀態信息參考信號英文全拼中文釋義27英文縮寫CUDUEDUFDSFPGAGPSGPUInter-RATIEEE1588PTPv2KPIMIMOMLmMIMOCentralized UnitDistributed UnitEdge Dist

104、ributed UnitFeature Data SetField Programmable Gate ArrayGlobal Positioning SystemGraphics Processing UnitInter-Radio Access TechnologyIEEE 1588-Precision Time Protocolv2Key Performance IndicatorMultiple-Input Multiple-OutputMachine Learningmassive MIMO集中單元分布單元邊緣分布式單元特征數據集現場可編程門陣列全球定位系統圖形處理器無線接入技術第二

105、版IEEE 1588精確時間協議關鍵性能指標多輸入多輸出機器學習大規模MIMO英文全拼中文釋義28英文縮寫NFNFVNear-RT RICNon-RT RICOAMOMO-RANPoCQoSRANRATRICRRUNetwork FunctionNetwork Functions VirtualizationNear-Real-Time RAN Intelligent ControllerNon-Real-Time RAN Intelligent ControllerOperation Administration and MaintenanceOperations ManagementOpe

106、n-Radio Access NetworkProof of ConceptQuality of ServiceRadio Access NetworkRadio Access TechnologyRAN Intelligent ControllerRemote Radio Unit網絡功能網絡功能虛擬化近實時RAN智能控制器非實時RAN智能控制器操作維護管理運營管理開放式無線電接入網概念驗證服務質量無線接入網無線接入技術RAN智能控制器遠端射頻單元英文全拼中文釋義英文縮寫RTSBASDNSLASMOSyncEUEUPFvCPUXRReal TimeService-Based ArchitectureSoftware Defined NetworkingService Level AgreementService Management OrchestratorSynchronous EthernetUser EquipmentUser Plane Functionvirtual CPUExtended Reality實時服務化架構軟件定義網絡服務等級協議服務管理編排同步以太網用戶終端用戶平面功能虛擬CPU擴展現實英文全拼中文釋義29