“未来移动通信论坛”独家讯  在欧盟的6G系统网络架构愿景中，AI/ML有着不可或缺的地位。6G技术研究应该为高效、可持续、智能和可信的分布式计算奠定基础。通信和计算算法的交织需要属于网络内AI治理范围的通信/计算协同设计——包括基于 AI 的网络功能分配和实例化；跨网络协作 AI 组件的管理；设计基于诸如联邦学习（FL）的分布式 AI 机制；或

从服务管理的角度来看，将需要 AI/ML 来维持设想中的复杂 6G业务的运营成本效益，例如人-数字-物理世界的交互和感官互联网。此外，包括虚拟设备、微服务、容器、无服务器功能及其互操作性在内的多种虚拟化技术的激增将带来网络运营复杂性的提升。因此，AI/ML 机制对于自动化决策过程将变得至关重要。

AI/ML 还将支持在 6G 中实施预测性编排，例如，基于实际情况实现近乎最优的布局决策（包括考虑到设备地理密度的虚拟网络功能的布局）、基于服务时间需求和资源可用性的网络切片配置或维护。这将允许实现零接触。 6G 编排将针对从终端设备到边缘再到 RAN（需要考虑新架构和以用户为中心的范式，例如无蜂窝网络）和云/核心网的连续统一体。应预测设备的未来状态来进行服务自适应，以确保尽可能低的延迟、高能效和其他关键性能目标，以及可用设备、边缘和云资源之间的迁移，充分支持数据的移动性生产者和/或消费者。

为了让这种 AI 驱动的系统操作完全可行，基础设施组件中的每个组件和每个服务组件都必须由租户（例如移动通信网络运营商）控制并保持可控。基础设施组件包括：①具有不同功能（例如计算服务器、网络设备、传感器/执行器）和寿命（例如电池驱动、生态供电、插入式供电）的物理设备；②移动式或固定式网元（例如地面、卫星或火车上安装的基站）；③在物理设备上运行的虚拟设备，其特点是在密集集群中突然出现或消失，并且可能位于大量实例中（例如在数据中心内）；④第三方消费的服务（例如租用线路、运输服务）。

租户提供的所有服务，包括用户、控制和管理平面功能，均由该基础设施提供。特别是，上述 AI/ML 功能本身将被实例化并运行在相同的基础设施之上。此外，此类基础设施本质上将是多租户的。尽管共享资源池并不意味着要共享每个物理设备，但一对一的服务到基础设施映射假设可以被认为是过时的。

所有这一切都需要一种非常通用的、普遍的和自主的资源控制。不论出现以下哪种情况，它必须具有保持所有可用资源组件可控性的能力：

• 组件性质、由此产生的网络拓扑、密度和地址；

• 用例负载和波动；

• 运营商自己的操作决策、所使用的 AI/ML 功能、控制器等。必须处理自己造成的错误（例如资源分支的切断、控制器视图与实际资源情况之间的差异等），这在任何大型分布式系统中是不可能避免的；

• 第三方（即并行使用共享资源的同级运营商）和提供运营商（即基础资源的所有者）的运营决策。

因此，所有基础设施和服务组件都需要自主的分布式机制来组织和维护这种资源控制。此类资源池的多租户和多用途操作需要额外的自主机制，最显著的是分布式运行时的冲突解决和资源调度。