

专题丨6G边缘云网融合关键技术研究

信息通信技术与政策

2022-10-19

导读：刘洋，李泽旭，刘海涛

作者简介

刘洋

中国电信股份有限公司研究院6G研究中心高级工程师，主要研究方向为6G网络架构及关键技术。

李泽旭

中国电信股份有限公司研究院6G研究中心助理工程师，主要研究方向为6G网络架构及智能内生技术。

刘海涛

中国电信股份有限公司研究院6G研究中心中级工程师，主要研究方向为6G网络架构及无线网络开放技术。

论文引用格式：

刘洋, 李泽旭, 刘海涛. 6G边缘云网融合关键技术研究[J]. 信息通信技术与政策, 2022,48(9):60-63.

∗基金项目：国家重点研发计划专项（No.2020YFB1806700）资助

6G边缘云网融合关键技术研究∗

刘洋李泽旭刘海涛

（中国电信股份有限公司研究院6G研究中心，北京 102209）

摘要：随着全球研究的逐渐深入，6G的应用场景及技术发展趋势已渐明晰，其中无线网络架构将随着计算、智能与网络连接的深度融合迎来深刻变革。边缘云网融合成为网络架构演进的重要方向，并进一步推动网络走向自动化、智能化和开放化。首先介绍了6G边缘云网融合的愿景及驱动力，然后从无线网络架构出发，提出了深度边缘节点的参考架构，并进一步阐述了智能内生和跨域智能设计，最后分析了架构革新带来的挑战与建议。

关键词：6G；无线网络架构；深度边缘节点；内生智能

中图分类号：TN929.5 文献标志码：A

引用格式：刘洋, 李泽旭, 刘海涛. 6G边缘云网融合关键技术研究[J]. 信息通信技术与政策, 2022,48(9):60-63.

DOI：10.12267/j.issn.2096-5931.2022.09.007

0 引言

根据5G网络业务发展以及业界目前对6G的研究进展来看，随着计算、智能与网络连接的深度融合，6G无线网络架构将随着新技术引入及多类技术深度融合迎来深刻变革，助力实现6G云网融合理念。国际电信联盟《未来技术趋势研究报告》^[1]指出，6G网络旨在融合通信、信息、大数据等技术，构建功能强大、人工智能内生、即插即用、按需柔性定制的新型无线网络架构。网络架构使能技术包括多频段无蜂窝网络切片、弹性柔性网络保障服务质量需求、非地面网络互连、超密集无线网络部署、无线接入网（Rodio Access Network，RAN）共享增强等；以基于服务的用户为中心网络为核心的新型组网，需要统一简化的架构、信令设计和灵活控制机制，结合深度边缘节点，构建弹性按需定制网络；同时考虑天地一体化网络，需要扩展未来地面网络技术，支持与非地面网络的无缝互联。我国IMT-2030推进组^[2-3]6G网络架构研究布局与国际电信联盟契合，关注内生智能、算力网络、通信感知一体化、分布式自治网络架构、星地一体融合组网等。

未来沉浸式云沉浸式扩展现实、全息通信、触觉互联网等新型应用对端到端网络性能要求进一步增强^[4]，同时，为应对垂直行业应用对通信质量提出的超高可靠性、超低时延、高安全性等需求，越来越多的业务功能部署于距离终端更近的网络边缘^[5]。因此，面向信息通信与数字技术深度融合，6G边缘云网融合通过“网为云”和“云为网”在边缘无线接入侧实现云网深度融合^[6]，其中“网为云”及网络为云提供网络连接及网络数据开放能力，“云为网”即建设云网基础设施，通过网络云化提升网络灵活性，6G阶段云网融合理念将得到进一步验证。

6G边缘云网融合核心是在接近用户侧设计综合智能、计算、连接的智能接入点——深度边缘节点，通过深度边缘节点一方面实现与用户的网络连接，一方面与核心节点进行协同。另外，深度边缘节点自身需要实现智能内生，实现数据开放与网络自治的内生双循环机制。本文从6G无线网络架构出发，具体阐述了深度边缘节点功能及智能内生的使能技术，最后对未来架构发展可能遇到的挑战进行了分析，并提出建议。

1 6G深度边缘节点设计架构及特征

深度边缘节点是6G无线网络架构的实现载体，也是网络部署形态的发展趋势，可按需部署于企业园区内部、无线设备机房等固定位置，也可基于无人机、集装箱、高铁等移动场景部署，其部署场景如图1(1)所示。该架构具备云化、智能化、以用户为中心3大特征。云化是提供连接、计算、数据、人工智能（AI）等技术融合服务的底座；智能化实现业务的智能支撑和网络的智能决策；以用户为中心提供大容量数据业务，保证覆盖范围内的用户业务体验一致性。

图1 深度边缘节点部署及功能特征

深度边缘节点可以是单一节点也可以根据部署场景建立资源池，为实现节点云化，异构资源池的构建是关键环节，这需要几方面的技术创新。首先是要对单一节点的资源抽象，包括对单个节点的硬件进行完全的虚拟化，以及对通用资源和专用资源进行统一调度；另外根据部署要求可构建云网协作集群，建立分布-集中混合的节点集群，并实现不同节点间协作；最后需要构建云网统一视图，对集群的资源抽象进行整合，实现云网统一管理编排。图1(2)中的异构物理资源池及虚拟化基础设施共同构成了异构资源池，同时通过融合设施管理进行资源统一管理编排。

深度边缘节点中通过微云实现网络能力，以容器方式承载网元，其中包括虚拟化的基带处理功能以及下沉式核心网功能，当前5G核心网已经引入服务化架构（Service Based Architecture，SBA），网络功能间采用轻量级服务化接口，利用SBA模块化、无状态化、独立化、扁平化、自主化的优势，推动网络走向开放化、虚拟化、云化^[7]。但目前RAN依旧采用传统的“烟囱”式协议栈结构和专用的点对点接口，协议栈每一层只对相邻层负责，整体缺乏内部功能的关联性以及针对不同场景的灵活性以及，无法支持网络功能的动态部署和灵活剪裁以及网络能力开放。深度边缘节点中通过对RAN的服务化构建助力实现端到端服务化特征，涉及无线接入网与核心网深度融合，通过服务化接口（Service Based Interface，SBI）连接，核心网控制面相关功能下沉，与RAN功能融合，统一被管理控制，以提升网络运行效率；同时，涉及终端服务化，RAN侧系统消息广播、连接控制、移动性管理、测量等功能均需要通过RRC信令与终端交互，核心网侧移动性管理和会话管理也需要通过NAS信令与终端交互。

深度边缘节点中的网络能力不仅提供连接功能，还可面向业务服务提供能力开放，包括核心网的能力开放及无线接入网的能力开放，同时通过智能控制平台实现深度边缘节点中的数据开放及智能控制内部双循环，未来通过网络可编程手段构建6G智简网络。其中近实时智能控制器部署于深度边缘节点微云单元中，通过E2接口与RAN对接，实现近实时的数据获取和对网络的智能控制；同时通过AI接口与非实时智能控制器连接，协同实现内生AI的推理训练。深度边缘节点中通过融合控制器实现对其异构资源池、网络功能及业务服务提供的管理编排，其中融合设施管理实现对异构资源池通用资源与专用加速器的池化资源管理与调度，并与网络功能及业务服务管理协同。

2 内生智能与跨域智能

深度边缘节点是集合了网络连接、计算、数据及智能的综合节点，其中内生智能架构设计在深度边缘节点中至关重要。基于数据的分布式特性以及无线网络部署位置，深度边缘节点可同时支持网络与AI功能，包括网络数据采集和处理、模型训练、模型推理等，并通过合适的架构与机制设计，构建内生智能网络。为了推动内生智能的实现，深度边缘节点包含网络连接功能、智能化控制功能以及服务提供功能3部分。其中网络连接功能是智能化的基础，为AI提供算力资源，完成AI的训练以及推理功能；智能化控制功能是智能内生的核心，完成特征数据集的建立、AI模型的存储；服务提供功能作为整个网络中的智能内生出口，为网络中其他功能的组成单元提供智能功能，同时亦可为第三方的应用提供封装后的智能化服务。通过边缘节点，可以将数据、算力和AI渗透至6G云网融合系统的各个层级。针对差异化的应用场景，在不同层级中实现非实时、近实时和实时的智能，从而打造真正的智能内生，以实现网络高度自我管理、自我优化以及与服务化网络的融合发展。

然而内生智能在优化网络性能，提升网络自我管理、按需服务能力的同时，也将产生算力部署开销及能耗激增等新问题。为了提升算力资源可用性，推动端到端的智能内生，6G网络将采用域内自治、域间协同的AI管理框架。算力资源在无线接入网、核心网及运营域的域内和域间均呈现出算力部署由分布到集中、算力提供由匮乏到充足的特点。因此需要构建以任务为中心的网络，根据算力及时延需求，数据样本体量及智能覆盖范围等约束，灵活选择任务锚点并调配算力资源，通过域内及域间的AI协同，打造端到端的智能化服务体系，推动网络自治。随着核心网网元功能的下沉，深度边缘节点将在AI跨域协同过程中承担重要的桥梁作用。AI用例请求可以由终端用户或其他域输入，也可以基于各自治域的数据仓库自生成。每个自治域首先评估AI用例需求，若本域算力和数据集能够支撑该AI用例则由自治域本身完成智能服务的生命周期管理。否则，将该AI用例发送至管理域，由管理与进行全局的智能管理和编排，通过多域协同，实现端到端的定制化智能。

节点内跨域AI协同将通过数据协同、模型协同以及算力协同三种方式实现。其中数据的协同首先应建立统一的数据架构，通过标准化的数据接口实现域间数据的高效同步；其次建立多层级的数据仓库，实现数据服务的快速调用；最后在原始数据的基础上构建知识图谱和特征数据集，降低数据协同的同步开销。模型协同包括训练协同以及推理协同两部分，其中训练的协同可以通过建立模型仓库实现AI模型的跨域共享、通过模型拆分实现多域协同训练、通过联邦学习等分布式学习方法保障数据隐私安全；推理协同可以通过集中训练、分布推理将智能服务功能解耦，也可以通过多步联合推理等方式实现。算力协同由编排管理域进行集中调度，通过AI用例的分解、AI任务的编排以及算力锚点的选择，实现全域算力资源的自适应调配。

3 结束语

网络架构的增强和变革旨在引入新技术来满足未来应用场景需求，但新技术的应用可能涉及终端、无线接入网、核心网、运营管理等端到端系统协同，可能导致产业生态与网络技术发展不平衡。所以在6G网络设计初期，建议结合当前国内产业发展趋势，强化端到端的体系化架构设计，注重打通产业合力，强化和扩大跨专业、跨领域的协同技术创新，基于行业痛点及需求，开展技术突破，加快构建面向6G的现代产业体系，提升产业链、供应链现代化水平，推动产业转型升级。

参考文献

[1] ITU.Future technology trends of terrestrial IMT systems towards 2030 and beyond[R], 2022.

[2] IMT-2030(6G)推进组. 6G网络架构愿景与关键技术展望白皮书[R], 2021.

[3] IMT-2030(6G)推进组. 6G总体愿景与潜在关键技术白皮书[R], 2021.

[4] 靳欣欣. 6G技术趋势与应用研究[J]. 电子技术应用, 2021,47(12): 9-14.

[5] LETAIEF K B, SHI Y, LU J, et al. Edge artificialintelligence for 6G: vision, enabling technologies, and applications[J]. IEEE Journal on Selected Areas in Communications, 2022,40(1):5-36.

[6] 中国电信股份有限公司研究院, 网络通信与安全紫金山实验室. 基于云网融合的6G关键技术白皮书[R], 2022.

[7] 万晓兰, 李晶林, 刘克彬. 云原生网络开创智能应用新时代[J]. 电信科学, 2022,38(6):31-41.

Research on key technologies of 6G edge cloud-network integration

LIU Yang, LI Zexu, LIU Haitao

(6G Research Center, China Telecom Research Institute, Beijing 102209, China)

Abstract: The application scenarios and technological development trends of 6G have gradually become more apparent with the advancement of research. To further promote the network towards automation, intelligence, and openness, edge cloud-network integration has been considered as an important direction for network architecture evolution. Thispaper first introduces the vision and drivers of 6G edge cloud-network integration, then proposes a reference architecture for deep edge nodes, and further elaborates on native artificial intelligence(AI) and cross-domain AI design. Finally, the challenges and suggestions brought by architectural innovation are analyzed.

Keywords: 6G; wireless network architecture; deep edge node; native AI

本文刊于《信息通信技术与政策》2022年第9期

主办：中国信息通信研究院

《信息通信技术与政策》是工业和信息化部主管、中国信息通信研究院主办的专业学术期刊。本刊定位于“信息通信技术前沿的风向标，信息社会政策探究的思想库”，聚焦信息通信领域技术趋势、公共政策、国家/产业/企业战略，发布前沿研究成果、焦点问题分析、热点政策解读等，推动5G、工业互联网、数字经济、人工智能、区块链、大数据、云计算等技术产业的创新与发展，引导国家技术战略选择与产业政策制定，搭建产、学、研、用的高端学术交流平台。