前言
在上一篇文章中，我们谈到了6G助力数字孪生技术发展的愿景。当前，AI的飞速发展也是一个引人热议的话题，所以这篇文章将围绕6G网络与AI技术的深度融合展开讨论。
6G网络与AI融合概述
以下的说法可能像是科幻片的场景，但大量的文献表明，以目前技术的发展趋势，这种场景确实有可能在未来成为现实：
- 6G网络的节点具备计算、存储和网络能力，可实现智能感知、自主训练与学习。
- 6G网络整体是一个具有群体智能的高度自治网络。它可操作、易拓展，可自动进行网络配置、自主分析与决策、自动优化网络中存在的故障。
- 6G网络可提供差异化服务，构建全链条的保障体系，将世界更进一步分割为物理和虚拟世界两大体系。
6G网络分层架构
基础设施层
用于完成对各网络及与网络相关的资源进行管理，并将资源抽象为通信、计算、缓存等资源供网络功能层调用。
网络功能层
网络功能层与上文提到的数字孪生紧密相关。它包括数据层和孪生网络层两大部分。
- 数据层是指管理数据的框架。它承担了数字孪生的基本任务：数据采集、数据处理，以及其他重要的诸如数据脱敏、数据存储与管理服务。
- 孪生网络层涵盖了建立高效模型、对孪生网络进行有效管理等功能。
应用层
这个概念与现有网络协议中运行各种上层应用的概念有所不同，它涵盖的范围更加广泛，包括意图解析、任务分割、任务聚合与编排等等智能化的底层功能。
智能面
智能面是6G网络架构有别于以往技术的最大特色，它旨在基于分布式架构，通过对各种工具的协调调度，最终提供实时、高效、定制化、高可用的AI服务。
以下是一些关键组件：
- AI工具。如各种主流的深度学习开源框架
- 知识库。这里的知识指的不是以自然科学和社会科学作为划分依据的“真理”或“规律”，而是构造AI的各种模型库、算法库及策略库。
- AI沙盒训练。沙盒训练其实就是一个模拟、排练的过程，此处和当前深度学习训练方法大致相同。
- AI能力编排与管理工具。目前的理论认为，AI将具有四种能力：
- 质量保障能力
- 效率提升能力
- 成本管理能力
- 安全保障能力
这种工具由借助沙盒训练得到的一个或多个模型组成，依据特定场景的需求进行调整和管理。
参考资料
- net2030白皮书
- 《6G移动通信网络：愿景，挑战与关键技术》 赵亚军等著
- 《6G概念及愿景白皮书（2020年）》 赛迪智库无线电管理研究所著
- 《未来网络发展白皮书（2020年版）》第四届未来网络发展大会组委会
- 《6G无线热点技术研究白皮书》 北京邮电大学、中国联通合著
- 移动Ad Hoc 网络：自组织分组无线网络技术 陈林星等著
