王欣暉 周星月 朱進國
(中興通訊股份有限公司,南京 210012)
0 引言
2023 年6 月,國際電信聯(lián)盟通過了《IMT 面向2030 及未來發(fā)展的框架和總體目標(biāo)建議書》(簡稱《建議書》)[1]。作為6G 綱領(lǐng)性文件,《建議書》反映了全球6G 愿景共識,確定了6G 發(fā)展目標(biāo)與趨勢,提出了6G 的典型應(yīng)用場景及能力指標(biāo)體系,為未來6G 技術(shù)的發(fā)展指明了方向。
網(wǎng)絡(luò)愿景和目標(biāo)是網(wǎng)絡(luò)架構(gòu)演進更新的驅(qū)動力之一。本文介紹了《建議書》提出的六大應(yīng)用場景,從場景驅(qū)動的角度,闡述了6G 網(wǎng)絡(luò)架構(gòu)如何演進以支持這些場景。此外,在5G 向6G 邁進過程中,5G 增強(5G-Advanced,5G-A)將承擔(dān)承上啟下的關(guān)鍵作用,本文還介紹了正在研究制定的5G-A 相關(guān)標(biāo)準(zhǔn)研究進展。
1 IMT-2030(6G)應(yīng)用場景
1.1 概述
《建議書》[1]提出的六大應(yīng)用場景包括:沉浸式通信、超大規(guī)模連接、極高可靠低時延通信、人工智能(Artificial Intelligence,AI)與通信融合、感知與通信融合以及泛在連接(見圖1)。根據(jù)國際電信聯(lián)盟的討論內(nèi)容以及場景與通信基礎(chǔ)屬性的關(guān)系,本文將這六大應(yīng)用場景分為兩類。一類是通信連接覆蓋增強類場景:沉浸式通信、超大規(guī)模連接、極高可靠低時延通信、泛在連接。其中,前三個應(yīng)用場景是IMT-2020(5G)三大應(yīng)用場景的擴展增強;考慮到泛在連接場景旨在增強通信連接和覆蓋,這也是移動通信技術(shù)發(fā)展一直努力的目標(biāo)之一,因此也歸納到“增強類”場景。另一類是跨通信技術(shù)融合類場景:人工智能和通信融合、感知與通信融合。這兩個應(yīng)用場景分別是AI 和通信技術(shù)、傳感與通信技術(shù)發(fā)展的跨域融合,是6G 全新的應(yīng)用場景。
圖1 6G 智簡網(wǎng)絡(luò)架構(gòu)方案
表1 顯示了IMT-2030(6G)六大應(yīng)用場景和能力項之間的對應(yīng)關(guān)系。由于使用場景的概念非常廣泛,因此可以找到很多與之關(guān)聯(lián)的能力項,表1 列出的是可測試和驗證的具有代表性的能力項。
表1 IMT-2030(6G)應(yīng)用場景和對應(yīng)代表的能力[2]
1.2 通信連接覆蓋增強類場景
1.2.1 沉浸式通信
沉浸式通信場景是對IMT-2020(5G)的增強型移動寬帶(Enhanced Mobile Broadband,eMBB)場景的擴展,涵蓋了為用戶提供豐富的沉浸式視頻交互體驗的用例,也包括與機器界面的交互。此外,相比IMT-2020(5G)的eMBB 場景,沉浸式通信場景還涵蓋城市和農(nóng)村熱點區(qū)域等一系列環(huán)境,對網(wǎng)絡(luò)產(chǎn)生了新需求。該場景中典型的用例包括沉浸式擴展現(xiàn)實(Extended Reality,XR)通信、遠(yuǎn)程多感官呈現(xiàn)和全息通信等。支持視頻、音頻和其它環(huán)境數(shù)據(jù)混合流量的時間同步,是沉浸式通信的一個關(guān)鍵指標(biāo)。
因此,提高頻譜效率和保證一致的服務(wù)體驗,并且兼顧在各種環(huán)境中更高的數(shù)據(jù)傳輸速率和增加的移動性之間的平衡至關(guān)重要。此外,有些沉浸式通信用例可能還需要支持高可靠性和低時延以及同時連接多個設(shè)備的更大系統(tǒng)容量,以保證真實和虛擬對象之間進行靈敏和準(zhǔn)確的交互。
1.2.2 超大規(guī)模連接
超大規(guī)模連接場景是對IMT-2020(5G)的大規(guī)模機器類型通信的擴展,涉及更廣范圍內(nèi)海量設(shè)備(如傳感器等)在不同場景應(yīng)用中的連接。典型用例包括智慧城市、交通、物流、健康、能源、環(huán)境監(jiān)測、農(nóng)業(yè)和許多其它領(lǐng)域的擴展和新應(yīng)用,例如無需供電或長壽命電池的物聯(lián)網(wǎng)設(shè)備領(lǐng)域。
超大規(guī)模連接場景需要支持高連接密度,并且根據(jù)使用情況,對不同的數(shù)據(jù)速率、低功耗、移動性、擴展覆蓋范圍以及高安全性和可靠性都可能有特定的要求。
1.2.3 極高可靠低時延通信
極高可靠低時延通信場景是對IMT-2020(5G)的超高可靠低時延通信場景的擴展,涵蓋了對可靠性和時延有更嚴(yán)格要求的專門用例。尤其是如果不能滿足在時間同步操作方面的要求,可能會給應(yīng)用程序帶來嚴(yán)重后果。典型用例包括工業(yè)環(huán)境中用以實現(xiàn)完全自動化控制和操作的通信技術(shù)。這類通信技術(shù)可以幫助實現(xiàn)諸如機器人交互、緊急服務(wù)、遠(yuǎn)程醫(yī)療以及電力傳輸和分配的監(jiān)控等業(yè)務(wù)應(yīng)用。
極高可靠低時延通信場景在可靠性和時延方面的具體指標(biāo)要求取決于各種具體用例、系統(tǒng)的精確定位能力以及連接密度。
1.2.4 泛在連接
泛在連接場景旨在增強連接性,通過與其它系統(tǒng)的互通來實現(xiàn)更廣域的覆蓋,以彌合“數(shù)字鴻溝”。該場景聚焦解決目前幾乎沒有通信覆蓋的地區(qū),特別是偏遠(yuǎn)地區(qū)的農(nóng)村和人口稀少的地區(qū)。實現(xiàn)泛在連接場景的上述目標(biāo)需要包括空天地一體化在內(nèi)的多接入技術(shù)的支持。
1.3 跨通信技術(shù)融合類場景
1.3.1 AI 與通信融合
從3G 網(wǎng)絡(luò)商用開始,移動互聯(lián)網(wǎng)飛速發(fā)展,移動網(wǎng)絡(luò)系統(tǒng)越來越龐大和復(fù)雜,處理的數(shù)據(jù)還在不斷高速增長。同時,不斷增長的海量數(shù)據(jù)為深度學(xué)習(xí)提供了源源不斷的數(shù)據(jù)驅(qū)動力,是AI 迎來了新一波浪潮的重要因素。AI 與通信融合是AI 技術(shù)和通信技術(shù)的雙向融合。
AI 賦能網(wǎng)絡(luò)。數(shù)據(jù)、算力以及算法是實現(xiàn)AI 的三個基本要素,而通信網(wǎng)絡(luò)天然具備這三個要素。伴隨新一波AI 發(fā)展的浪潮,6G 網(wǎng)絡(luò)將AI 技術(shù)更全面深入地融入到網(wǎng)絡(luò),優(yōu)化網(wǎng)絡(luò)的性能,提升網(wǎng)絡(luò)運行效率和用戶服務(wù)體驗,降低運維成本,實現(xiàn)6G 網(wǎng)絡(luò)的高度甚至完全自治化和智能化,正當(dāng)其時。
網(wǎng)絡(luò)使能AI。AI 通過網(wǎng)絡(luò)的多種支撐能力,滿足相關(guān)應(yīng)用的AI 訓(xùn)練/推理的龐大需求。當(dāng)前深度學(xué)習(xí)和模型訓(xùn)練大量地采用分布式計算方式,網(wǎng)絡(luò)模型訓(xùn)練過程的迭代特征導(dǎo)致網(wǎng)絡(luò)中的計算節(jié)點之間需要頻繁通信以交換大量的數(shù)據(jù),因此通信網(wǎng)絡(luò)提供的服務(wù)性能決定了分布式訓(xùn)練效果。作為AI 服務(wù)的基礎(chǔ)設(shè)施,6G 網(wǎng)絡(luò)從架構(gòu)的設(shè)計到網(wǎng)絡(luò)功能的研究將全面考慮對AI 服務(wù)的支持,旨在打造AI 原生網(wǎng)絡(luò),提供安全可保障的AI 即服務(wù)。
1.3.2 感知與通信融合
感知與通信融合場景促進了需要傳感功能的新應(yīng)用和服務(wù)的發(fā)展。在傳統(tǒng)信息處理流程中,感知與通信相對獨立。例如,雷達是典型的無線感知終端,具有目標(biāo)檢測、定位、跟蹤、識別和成像等功能,長期獨立于通信發(fā)展。隨著超大規(guī)模天線通信、毫米波通信與雷達技術(shù)的發(fā)展,通信與感知的技術(shù)特征、信道特征和應(yīng)用場景開始融合,成為6G 的新場景[3]。6G 網(wǎng)絡(luò)將具備網(wǎng)絡(luò)傳感能力,提供廣域多維傳感,獲取未連接對象以及連接對象設(shè)備的運動信息及其周圍環(huán)境的空間信息。典型用例包括輔助導(dǎo)航、活動檢測和運動跟蹤(例如姿勢/手勢識別、跌倒檢測、車輛/行人檢測)、環(huán)境監(jiān)測(例如降雨/污染監(jiān)測)以及為AI、XR 和數(shù)字孿生應(yīng)用提供相關(guān)環(huán)境傳感數(shù)據(jù)和信息。這些用例要求網(wǎng)絡(luò)支持高精度定位并且具有相關(guān)傳感功能,包括距離/速度/角度評估、對象狀態(tài)監(jiān)測、定位、成像和地圖繪制等功能。
2 5G-A 的標(biāo)準(zhǔn)研究進展
5G-A 是由5G 向6G 演進的關(guān)鍵階段,第三代合作伙伴計劃(The 3rd Generation Partnership Project,3GPP)第18 版本(Release-18,R18)是5G-A 的第一個版本,涉及AI、機器學(xué)習(xí)(Machine Learning,ML)、通感、XR 多媒體增強以及網(wǎng)絡(luò)大數(shù)據(jù)智能分析等場景,第19 版本(Release-19,R19)將對相關(guān)場景的技術(shù)路線演進做進一步研究討論。這些工作旨在探索5G 更廣闊的前沿,為6G 積累更多的理論和實踐經(jīng)驗,為發(fā)展6G 網(wǎng)絡(luò)鋪平道路。
3GPP 已經(jīng)在2023 年第二季度完成R18 架構(gòu)和關(guān)鍵技術(shù)標(biāo)準(zhǔn),將于2024 年6 月完成整個R18 標(biāo)準(zhǔn)。2023 年第四季度,3GPP 將啟動5G-A R19 架構(gòu)標(biāo)準(zhǔn)制定。目前,R19 相關(guān)的研究內(nèi)容還在討論中,尚未最后確定。表2 包含已在R18 啟動以及部分待定的R19 研究課題。
表2 5G-A 重點課題分布
下面針對5G-A 和IMT-2030(6G)場景相關(guān)的部分重點課題的標(biāo)準(zhǔn)進展進行簡單梳理和介紹。
第一個重點課題是AI/ML。在3GPP 無線接入網(wǎng)(Radio Access Network,RAN)、核心網(wǎng)以及網(wǎng)絡(luò)管理編排領(lǐng)域已經(jīng)全面展開各項AI/ML 相關(guān)的標(biāo)準(zhǔn)課題研究。
RAN 在R18 的相關(guān)研究課題包括支持人工智能和機器學(xué)習(xí)的新空口(New Radio,NR) 技術(shù)和NG-RAN 接口技術(shù)兩個項目。NR 技術(shù)項目研究針對每個目標(biāo)用例對應(yīng)的空中接口AI/ML 框架,涉及空口的性能、復(fù)雜度和潛在的標(biāo)準(zhǔn)影響,重點研究的用例包括三個方面:信道狀態(tài)信息(Channel State Information,CSI)反饋管理、波束管理和針對不同場景的定位精度增強。研究還針對所選子用例的多種AI/ML 方法,支持5G 用戶設(shè)備協(xié)作級別的各種要求。引入AI 后,AI/ML 模型生命周期管理的通用框架也是重要研究內(nèi)容。NG-RAN 的AI/ML 則基于現(xiàn)有NG-RAN 接口和架構(gòu)研究數(shù)據(jù)收集增強功能和信令支持,實現(xiàn)基于AI/ML 的網(wǎng)絡(luò)節(jié)能、負(fù)載平衡和移動性優(yōu)化。
3GPP 早在3GPP R15 版本(即5G 標(biāo)準(zhǔn))的核心網(wǎng)中就引入了“AI 角色”網(wǎng)絡(luò)功能,即網(wǎng)絡(luò)數(shù)據(jù)分析功能(Network Data Analytics Function,NWDAF)。后續(xù)從R16 到R18,3GPP 的每個版本都圍繞NWDAF 展開研究。一方面,NWDAF 通過收集用戶連接管理、移動性管理、會話管理、接入業(yè)務(wù)等信息,利用可靠分析和預(yù)測模型,對不同類型用戶進行評估和分析,確定用戶的移動軌跡和業(yè)務(wù)使用習(xí)慣,預(yù)測用戶行為以調(diào)整相關(guān)策略來保證用戶體驗;對網(wǎng)絡(luò)功能的狀態(tài)(如負(fù)載均衡狀態(tài))、網(wǎng)絡(luò)資源(如切片負(fù)荷)進行分析,優(yōu)化網(wǎng)絡(luò)性能,提高網(wǎng)絡(luò)資源效率。另一方面,NWDAF 支持向外部用戶或應(yīng)用開放網(wǎng)絡(luò)分析能力,促進創(chuàng)新,釋放新價值。
在網(wǎng)絡(luò)編排領(lǐng)域,3GPP 也早在R16 版本就開始定義自智網(wǎng)絡(luò)相關(guān)標(biāo)準(zhǔn)規(guī)范,研究并制定包括自智網(wǎng)絡(luò)分級、閉環(huán)控制、意圖驅(qū)動網(wǎng)絡(luò)管理、管理數(shù)據(jù)分析等標(biāo)準(zhǔn)規(guī)范[4]。R18 課題繼續(xù)聚焦智能網(wǎng)絡(luò)分級、意圖網(wǎng)絡(luò)管理增強,新增了AI/ML 管理的研究課題。
R19 AL/ML 的課題范圍還在討論中,將圍繞信令風(fēng)暴抑制、業(yè)務(wù)質(zhì)量決策、綠色節(jié)能輔助等目標(biāo)展開,拓展網(wǎng)絡(luò)AI 服務(wù)范圍,提升網(wǎng)絡(luò)AI 適應(yīng)性和決策能力。
第二個重點課題是通感一體化。目前3GPP 完成了R19 感知與通信融合對5G 系統(tǒng)的需求研究,討論分析了不同領(lǐng)域和場景中的需求,涉及入侵檢測、降雨監(jiān)測、智慧城市/家庭/工廠以及輔助導(dǎo)航等多個場景用例。具體的架構(gòu)增強、終端、基站和網(wǎng)絡(luò)功能的研究任務(wù)還處于課題準(zhǔn)備階段的討論中。
第三個重點課題是衛(wèi)星接入增強。3GPP 在R17批準(zhǔn)引入非地面網(wǎng)絡(luò)(Non-Terrestrial Networks,NTN)標(biāo)準(zhǔn)化工作,涵蓋適配物理層和接入層方面、無線接入網(wǎng)和系統(tǒng)架構(gòu)、無線資源管理以及在低軌(Low Earth Orbit,LEO)、中軌(Medium Earth Orbit,MEO)或地球同步軌道(Geostationary Earth Orbit,GEO)運行的目標(biāo)衛(wèi)星網(wǎng)絡(luò)的無線頻譜需求。此外,R17 還支持基于窄帶物聯(lián)網(wǎng)(Narrow Band Internet of Things,NB-IoT)和長期演進的增強型機器類型通信(Enhanced Machine-Type Communication,eMTC)的衛(wèi)星接入,以解決農(nóng)業(yè)、運輸、物流等領(lǐng)域的大規(guī)模物聯(lián)網(wǎng)使用案例。R18 繼續(xù)支持5G 無線非地面網(wǎng)絡(luò)和非地面網(wǎng)絡(luò)物聯(lián)網(wǎng),支持基于5G 無線技術(shù)的10 GHz 以上頻段衛(wèi)星接入覆蓋場景,制定滿足相關(guān)監(jiān)管要求(例如合法監(jiān)聽、緊急呼叫、公共警報系統(tǒng))檢查和驗證用戶設(shè)備(User Equipment,UE)報告的位置信息的系統(tǒng)方案。在架構(gòu)增強層面,R18 針對衛(wèi)星接入類型、注冊區(qū)域分配與管理、移動性限制、基于UE 位置的接入控制等增強對移動性和服務(wù)連續(xù)性的支持。另外,R18 引入5G系統(tǒng)中的動態(tài)衛(wèi)星回傳場景,支持用戶面功能(User Plane Function,UPF)上星,進而使能邊緣計算業(yè)務(wù),增強用戶設(shè)備的本地數(shù)據(jù)交換功能。
第四個重點課題是XR 及多媒體增強。3GPP 在R16 就開始了關(guān)于XR 流量特征的研究并對XR 應(yīng)用進行了整理分析,完成了針對XR 交互式服務(wù)的新5G服務(wù)質(zhì)量標(biāo)識符的標(biāo)準(zhǔn)化工作。當(dāng)前正在進行的R18工作是基于R17 研究提出的一套統(tǒng)一的XR 流量模型和框架來制定標(biāo)準(zhǔn)方案,重點針對XR 特定流量采用節(jié)能機制,以進一步增加支持的XR 用戶數(shù)量,并引入基于協(xié)議數(shù)據(jù)單元套(Protocol Data Unit Set,PDU Set)概念的XR 流量感知特性,在空口進行優(yōu)化,提高XR 服務(wù)的整體性能。
R19 XR 課題預(yù)計將在多模態(tài)業(yè)務(wù)協(xié)同傳輸、PDU Set傳輸、端到端時延監(jiān)測以及網(wǎng)絡(luò)信息開放等R18 特性的基礎(chǔ)上繼續(xù)擴展,針對業(yè)務(wù)體驗、容量以及通用網(wǎng)絡(luò)能力方面進行進一步深入研究。
3 場景驅(qū)動6G 網(wǎng)絡(luò)架構(gòu)落地方案的思考
3.1 概述
網(wǎng)絡(luò)架構(gòu)是網(wǎng)絡(luò)運行的基石,整個系統(tǒng)的能力與效率都與網(wǎng)絡(luò)架構(gòu)息息相關(guān)。業(yè)界已經(jīng)深度開展針對6G 網(wǎng)絡(luò)架構(gòu)相關(guān)的研究,但在關(guān)鍵技術(shù)方面尚未達成共識。本章基于6G 應(yīng)用場景需求,結(jié)合5G 到5G-A的演進經(jīng)驗對6G 網(wǎng)絡(luò)架構(gòu)進行探討,提出6G 網(wǎng)絡(luò)架構(gòu)的三個重要技術(shù)特征:“服務(wù)+數(shù)據(jù)”雙總線、分布式架構(gòu)和多接入融合。
3.2 “服務(wù)+數(shù)據(jù)”雙總線
服務(wù)化架構(gòu)(Service-based Architecture,SBA)作為5G 網(wǎng)絡(luò)架構(gòu)的“靈魂”,其本質(zhì)是按照“自包含、可重用、獨立管理”三原則,將網(wǎng)絡(luò)功能定義為若干個可被靈活調(diào)用的服務(wù)模塊,每個服務(wù)模塊可自主注冊、發(fā)布和發(fā)現(xiàn)。網(wǎng)絡(luò)功能間的交互由服務(wù)調(diào)用實現(xiàn),并且每個網(wǎng)絡(luò)功能對外呈現(xiàn)通用的服務(wù)化接口,可被授權(quán)的網(wǎng)絡(luò)功能或服務(wù)調(diào)用,規(guī)避了傳統(tǒng)網(wǎng)絡(luò)模塊之間基于點到點架構(gòu)帶來的模塊間緊耦合導(dǎo)致繁復(fù)互操作的問題,提高了功能的重用性,實現(xiàn)了業(yè)務(wù)流程的簡化。因此6G 網(wǎng)絡(luò)架構(gòu)將進一步全面和深入地進行服務(wù)化演進。
AI、感知和通信融合給網(wǎng)絡(luò)帶來更復(fù)雜的業(yè)務(wù)邏輯和龐大的數(shù)據(jù),6G 需要滿足相關(guān)數(shù)據(jù)的高效安全迭代、網(wǎng)絡(luò)狀態(tài)的可靠遷移。這類數(shù)據(jù)與傳統(tǒng)端到端的業(yè)務(wù)數(shù)據(jù)在功能、傳輸和處理方式上都存在差異。例如,在感知成像和AI 模型訓(xùn)練等服務(wù)中,對于感知數(shù)據(jù)和計算數(shù)據(jù)的處理,不僅包括轉(zhuǎn)發(fā),還包括數(shù)據(jù)采集、預(yù)處理、存儲和分析等。而傳統(tǒng)用戶面僅轉(zhuǎn)發(fā)數(shù)據(jù)而不做數(shù)據(jù)內(nèi)容的解析和處理,對這類數(shù)據(jù)傳輸和處理需求產(chǎn)生了限制。因此,在6G 網(wǎng)絡(luò)架構(gòu)中引入數(shù)據(jù)面的提議在業(yè)界研究討論中得到越來越多的響應(yīng)和重視。
《6G 網(wǎng)絡(luò)架構(gòu)展望白皮書》[5]提出了一種6G 智簡網(wǎng)絡(luò)架構(gòu)方案的雙總線架構(gòu)(見圖1)。在這個架構(gòu)中,通過對網(wǎng)絡(luò)功能(Network Function,NF)進行重構(gòu)和聚合對網(wǎng)絡(luò)進行簡化:解耦細(xì)化NF 功能(如將5G接入和移動管理功能(Access and Mobility Management Function,AMF)拆分為接入控制功能和移動性管理功能),根據(jù)特定的特征或維度對NF 進行再聚合。例如,將5G 網(wǎng)絡(luò)中的AMF、會話管理功能(Session Management Function,SMF)、網(wǎng)絡(luò)切片選擇功能(Network Slice Selection Function,NSSF)、網(wǎng)絡(luò)開放功能(Network Exposure Function,NEF)、策略控制功能(Policy Control Function,PCF)以及統(tǒng)一數(shù)據(jù)管理(Unified Data Management,UDM)的邏輯處理等部分功能納入網(wǎng)絡(luò)控制單元(Network Control Unit,NCU)中;將UDM 和PCF 的靜態(tài)數(shù)據(jù)、統(tǒng)一數(shù)據(jù)庫(Unified Data Repository,UDR)數(shù)據(jù)等統(tǒng)一由網(wǎng)絡(luò)數(shù)據(jù)單元(Network Data Unit,NDU)進行數(shù)據(jù)處理,并引入數(shù)據(jù)總線實現(xiàn)高效數(shù)據(jù)查詢和處理;將UPF 和NWDAF 優(yōu)化增強分別作為網(wǎng)絡(luò)報文處理單元(Network Packet Unit,NPU) 和網(wǎng)絡(luò)智能單元(Network Intelligence Unit,NIU)。四個網(wǎng)絡(luò)單元分別對應(yīng)6G 網(wǎng)絡(luò)邏輯功能架構(gòu)中網(wǎng)絡(luò)功能層的控制面、數(shù)據(jù)面、用戶面和智能面。該架構(gòu)包括基于服務(wù)化接口(Service Based Interface,SBI)總線和數(shù)據(jù)總線。SBI 總線基于現(xiàn)有的服務(wù)化信令交互總線,延續(xù)服務(wù)化架構(gòu)設(shè)計理念,將服務(wù)化的范圍由核心網(wǎng)控制面擴大到無線接入側(cè)、用戶面等,實現(xiàn)網(wǎng)絡(luò)架構(gòu)的深入服務(wù)化。數(shù)據(jù)總線指網(wǎng)絡(luò)單元NCU/NIU 通過數(shù)據(jù)通道與負(fù)責(zé)數(shù)據(jù)處理網(wǎng)絡(luò)功能的NDU 進行交互,以達到數(shù)據(jù)的高效獲取與處理,不同網(wǎng)絡(luò)單元之間的數(shù)據(jù)交互均通過數(shù)據(jù)通道進行傳遞。
3.2.1 SBI 總線
在6G 網(wǎng)絡(luò)向全服務(wù)化演進的過程中,RAN 和核心網(wǎng)之間的控制面接口服務(wù)化是重要研究課題。這個接口負(fù)責(zé)RAN 和核心網(wǎng)之間的兩類控制面流程:UE關(guān)聯(lián)的流程(例如UE 上下文管理、PDU 會話管理、UE位置上報等)和非UE 關(guān)聯(lián)的流程(例如接口管理、配置管理、節(jié)點狀態(tài)指示等)。當(dāng)前這個接口的兩端是AMF 和RAN,屬于非服務(wù)化接口,AMF 作為和RAN直連的接入管理功能對RAN 屏蔽了其他核心網(wǎng)NF。當(dāng)執(zhí)行UE 關(guān)聯(lián)的流程時,流程執(zhí)行的很多目的實質(zhì)上面向的是RAN 和其它核心網(wǎng)NF。例如,SMF 決策的用于RAN 使用的UE 的PDU 會話QoS 配置信息。非UE 關(guān)聯(lián)流程也包含AMF 只做透傳的情形,例如自組織網(wǎng)絡(luò)配置信息傳輸流程中,AMF 為源無線節(jié)點和目標(biāo)無線節(jié)點之間轉(zhuǎn)發(fā)自組織配置傳輸信元。這種和AMF 的緊耦合流程使得RAN 和其它節(jié)點之間的交互缺乏靈活度,通信效率不高。在面向AI、感知應(yīng)用帶來的海量數(shù)據(jù)時,RAN 和核心網(wǎng)之間的非服務(wù)化接口流程會更加復(fù)雜,信令處理效率也面臨挑戰(zhàn)。關(guān)于實現(xiàn)該接口服務(wù)化,目前主要討論集中在如下兩種方式(見圖2)。方式1 為RAN 和核心網(wǎng)的接口全服務(wù)化,對RAN 和核心網(wǎng)的接口進行重構(gòu),該接口上的協(xié)議需要重新設(shè)計。方式2 為RAN 和核心網(wǎng)的接口部分服務(wù)化,其中UE 關(guān)聯(lián)/非UE 關(guān)聯(lián)的流程仍然重用原有的N2 接口,在此之上疊加一個服務(wù)化接口用于RAN和核心網(wǎng)之間的數(shù)據(jù)傳輸。具體采用哪一種方式將在6G 標(biāo)準(zhǔn)討論中明確。
圖2 RAN 和核心網(wǎng)之間接口服務(wù)化
3.2.2 數(shù)據(jù)總線
在AI 與通信融合、通感融合、沉浸式通信、超大規(guī)模連接場景中會產(chǎn)生、處理和消費海量數(shù)據(jù),這些數(shù)據(jù)來自終端、邊緣、基站和核心網(wǎng)等。因此,數(shù)據(jù)也呈現(xiàn)出更多形態(tài)(見圖3)。用戶數(shù)據(jù)主要指用戶端到端的數(shù)據(jù)信息,以及網(wǎng)絡(luò)從終端側(cè)或基站側(cè)收集的感知數(shù)據(jù),例如用戶地理位置信息、用戶能力數(shù)據(jù)、低/中/高速標(biāo)簽數(shù)據(jù)、用戶實時軌跡、物聯(lián)網(wǎng)感知數(shù)據(jù)等;核心數(shù)據(jù)主要指用戶的核心靜態(tài)數(shù)據(jù),包括用戶簽約數(shù)據(jù)、業(yè)務(wù)策略數(shù)據(jù)、業(yè)務(wù)簽約數(shù)據(jù)等;網(wǎng)絡(luò)數(shù)據(jù)包含網(wǎng)絡(luò)各節(jié)點管理數(shù)據(jù)、運行數(shù)據(jù)、服務(wù)水平協(xié)議數(shù)據(jù)等,例如切片管理、網(wǎng)絡(luò)各節(jié)點負(fù)載情況等;算力數(shù)據(jù)主要指用戶消費的算力資源以及構(gòu)建在其之上的服務(wù)數(shù)據(jù),包括普通算力、AI 算力/算法/模型等。
圖3 數(shù)據(jù)通道服務(wù)的數(shù)據(jù)類型
6G 網(wǎng)絡(luò)將上述數(shù)據(jù)類型(后續(xù)根據(jù)業(yè)務(wù)場景的變化可能將引入更多的數(shù)據(jù)類型)與業(yè)務(wù)邏輯進一步分離,降低數(shù)據(jù)和業(yè)務(wù)處理的緊耦合,引入獨立的數(shù)據(jù)總線,負(fù)責(zé)數(shù)據(jù)的統(tǒng)籌管理,并可通過標(biāo)準(zhǔn)接口向控制面和用戶面開放,實現(xiàn)網(wǎng)絡(luò)對數(shù)據(jù)的實時高效收集、傳輸和計算需求。例如,其它網(wǎng)絡(luò)功能通過數(shù)據(jù)總線獲取NWDAF 的分析數(shù)據(jù),同時NWDAF 又可以通過數(shù)據(jù)總線采集到所有數(shù)據(jù)(包括分析數(shù)據(jù))再做分析,如此可以進行高效地迭代。
3.3 分布式網(wǎng)絡(luò)架構(gòu)
分布式網(wǎng)絡(luò)架構(gòu)是6G 網(wǎng)絡(luò)架構(gòu)的一個核心特征。針對分布式網(wǎng)絡(luò)架構(gòu)方案的討論可以歸納到兩個層面:分布式自治互聯(lián)架構(gòu)和基于技術(shù)驅(qū)動(例如AI)的分布式網(wǎng)絡(luò)。前者聚焦研究網(wǎng)絡(luò)部署方式,通過分布式網(wǎng)絡(luò)的互聯(lián)實現(xiàn)網(wǎng)絡(luò)的高效運行、柔性定制和自治管理;后者則側(cè)重研究分布式網(wǎng)絡(luò)使能相關(guān)應(yīng)用(如AI 應(yīng)用)的技術(shù)手段。
3.3.1 分布式自治互聯(lián)網(wǎng)絡(luò)架構(gòu)
分布式自治互聯(lián)網(wǎng)絡(luò)架構(gòu)可以滿足多種新應(yīng)用場景的需求。超大規(guī)模連接場景中的終端用戶數(shù)規(guī)模將更大,網(wǎng)絡(luò)流量容量有更大的要求。分布式自治互聯(lián)網(wǎng)絡(luò)架構(gòu)可以分擔(dān)中心網(wǎng)絡(luò)的壓力,根據(jù)用戶規(guī)模、通信開銷提供和調(diào)整分布式子網(wǎng)。此外,行業(yè)專網(wǎng)中的極可靠低時延業(yè)務(wù)的特點,也需要網(wǎng)絡(luò)進一步下沉,盡可能靠近專網(wǎng)設(shè)備。沉浸式通信、通感融合等場景引入更多類型的終端和業(yè)務(wù),將需要多樣化、靈活的柔性網(wǎng)絡(luò)接入和靈活組網(wǎng)能力,以滿足垂直行業(yè)、個人客戶的個性化需求,分布式自治互聯(lián)網(wǎng)絡(luò)架構(gòu)可根據(jù)業(yè)務(wù)特點和需求為各業(yè)務(wù)場景提供定制化網(wǎng)絡(luò)。在AI 與通信融合場景中,分布式自治互聯(lián)網(wǎng)絡(luò)架構(gòu)為深度學(xué)習(xí)和模型訓(xùn)練采用分布式學(xué)習(xí)方式傳遞模型參數(shù)提供支撐,可以減少通信資源的消耗。在泛在連接場景中,分布式自治互聯(lián)架構(gòu)可以幫助其實現(xiàn)全域覆蓋的目標(biāo)。
圖4 對比展示了從5G 中經(jīng)常采用的運營商網(wǎng)絡(luò)和專網(wǎng)連接的部署方式到6G 分布式自治互聯(lián)網(wǎng)絡(luò)架構(gòu)的演進。
圖4 從5G 運營商網(wǎng)絡(luò)和專網(wǎng)部署方式到6G 分布式自治互聯(lián)網(wǎng)絡(luò)
5G 的專網(wǎng)可使用獨立非公共網(wǎng)絡(luò)(Stand-alone Non-Public Network,SNPN)或公共網(wǎng)絡(luò)集成的非公共網(wǎng)絡(luò)(Public Network Integrated Non-Public Network,PNI-NPN)。SNPN 是完全獨立的網(wǎng)絡(luò),建設(shè)部署成本較高,且SNPN 終端只能通過非3GPP 互操作網(wǎng)絡(luò)功能接入運營商網(wǎng)絡(luò),這種覆蓋層連接方式導(dǎo)致終端協(xié)議棧實現(xiàn)比較復(fù)雜,數(shù)據(jù)加載連接開銷大。PNI-NPN 則依賴運營商的網(wǎng)絡(luò)建設(shè),建設(shè)成本低,可以采用切片方式來實現(xiàn),也可以下沉專門的用戶面組件來實現(xiàn),但這種方式完全依賴運營商進行運維,企業(yè)或者組織可能無法靈活根據(jù)自己的需求變化進行調(diào)整升級。此外,各專網(wǎng)之間缺乏互聯(lián),中心網(wǎng)絡(luò)也無法對各專網(wǎng)的資源進行靈活調(diào)配。
到6G 階段可采用“集中+分散”模式向域內(nèi)自治、域間互聯(lián)演進的方式,通過分布式自治互聯(lián)網(wǎng)絡(luò)架構(gòu)技術(shù),適配差異化網(wǎng)絡(luò)需求,實現(xiàn)域內(nèi)自治和域間互聯(lián)。每個自治域類似局域網(wǎng)或者專網(wǎng),服務(wù)不同區(qū)域業(yè)務(wù)場景;自治域之間隔離自治,同時安全機制保持互聯(lián)互通實現(xiàn)相互補充。自治域互聯(lián)的目的是擴大網(wǎng)絡(luò)的范圍,傳統(tǒng)的設(shè)計思路是一張網(wǎng)覆蓋盡可能廣的范圍,分布式自治互聯(lián)網(wǎng)絡(luò)架構(gòu)則是通過自治域間互聯(lián)的方式擴大網(wǎng)絡(luò)覆蓋范圍,當(dāng)網(wǎng)絡(luò)需要增加覆蓋范圍或接入能力時,原有網(wǎng)絡(luò)基本上不受影響。
3.3.2 分布式網(wǎng)絡(luò)使能AI 應(yīng)用
本節(jié)以分布式網(wǎng)絡(luò)使能AI 應(yīng)用為例[4],介紹技術(shù)驅(qū)動的分布式網(wǎng)絡(luò)的應(yīng)用。圖5 是網(wǎng)絡(luò)集中式的獨立AI(例如NWDAF)向分布式智能內(nèi)生架構(gòu)演變示意圖。
圖5 分布式智能內(nèi)生架構(gòu)
5G 網(wǎng)絡(luò)NF 缺乏Al 能力,依賴于NWDAF 的集中分析,需要收集大量數(shù)據(jù),可能消耗大量的通信網(wǎng)絡(luò)資源,集中式處理、分析、反饋的方式需要算力資源的高度聚合,較難高效利用多點、邊緣的算力資源等,在規(guī)模組網(wǎng)下AI 模型訓(xùn)練的時效性難以保證。
AI 和通信的融合促使6G 網(wǎng)絡(luò)架構(gòu)需要具備智能內(nèi)生、分布式協(xié)同的能力,即“獨立AI+內(nèi)嵌AI”混合模式(見圖5)。核心網(wǎng)網(wǎng)絡(luò)功能一方面由于內(nèi)嵌AI服務(wù)單元本身具備數(shù)據(jù)處理和AI 分析能力,進而可提供與該網(wǎng)絡(luò)功能相關(guān)的數(shù)據(jù)感知處理、模型訓(xùn)練、推理和決策能力,同時與獨立AI 服務(wù)單元組成分布式學(xué)習(xí)和推理框架,共同構(gòu)建多點協(xié)同的智能內(nèi)生網(wǎng)絡(luò)。獨立AI 可按需收集數(shù)據(jù),或采用分布式學(xué)習(xí)方式在各網(wǎng)絡(luò)單元之間傳遞模型參數(shù),充分利用各獨立AI 單元和分布AI 單元的數(shù)據(jù)、能力和本地的算力資源,提供高效的AI 服務(wù)。
3.4 多接入融合
泛在連接場景面向山區(qū)、沙漠、海洋和空中提供寬帶接入或廣域物聯(lián),形成空天地海一體化融合通信,用于解決無服務(wù)或服務(wù)不足地區(qū)的可達性和服務(wù)連續(xù)性問題。通過各種接入技術(shù)之間(如衛(wèi)星接入、無線局域網(wǎng)接入、固定網(wǎng)絡(luò)接入等)的連接增強可靠性,提高網(wǎng)絡(luò)應(yīng)對自然和人為災(zāi)害的彈性和可靠性。由于空天地海是全異構(gòu)、多模態(tài)接入,支持衛(wèi)星、飛機、空中平臺、地面基站或固定網(wǎng)絡(luò)等多種方式,因此支持多接入融合是網(wǎng)絡(luò)架構(gòu)滿足這些場景需求的關(guān)鍵。
在多接入場景中的一個挑戰(zhàn)是采用統(tǒng)一接入方法和移動性管理協(xié)議來支持不同的異構(gòu)網(wǎng)絡(luò)終端接入到移動通信網(wǎng)絡(luò)。圖6 提供了一種支持多接入融合的網(wǎng)絡(luò)架構(gòu)方案,即在網(wǎng)絡(luò)的接入側(cè)部署可以適配不同接入方式的適配模塊。該適配模塊可以通過組件或微服務(wù)的方式實現(xiàn),進而可以對不同的接入?yún)f(xié)議進行適配和轉(zhuǎn)換。同時,該適配模塊可代表通過異構(gòu)網(wǎng)絡(luò)連接的終端或設(shè)備,使用統(tǒng)一安全的認(rèn)證授權(quán)方式接入到6G 網(wǎng)絡(luò)。為保證異構(gòu)網(wǎng)絡(luò)終端的快速和可靠接入,適配模塊和網(wǎng)絡(luò)控制層之間接口設(shè)計的關(guān)鍵目標(biāo)包括簡化信令開銷、建立統(tǒng)一終端標(biāo)識管理機制以及使用易擴展的認(rèn)證方法。此外,在這個架構(gòu)中,適配模塊還可以為網(wǎng)絡(luò)控制層提供多接入側(cè)的算力、定位感知、擁塞狀態(tài)等信息,為多接入場景提供更多的業(yè)務(wù)支持。
圖6 多接入適配模塊
4 結(jié)束語
伴隨業(yè)界對6G 網(wǎng)絡(luò)技術(shù)研究的深入,針對6G 網(wǎng)絡(luò)架構(gòu)的設(shè)計思路開始逐步清晰,為后續(xù)6G 標(biāo)準(zhǔn)化工作的順利開展奠定了基礎(chǔ)。同時,要認(rèn)識到移動通信網(wǎng)絡(luò)已經(jīng)發(fā)展成為一個非常龐大的系統(tǒng),這樣龐大的系統(tǒng)變革并非一蹴而就,而是循序漸進的過程。要在5G-A 階段積極探索通感融合、AI 和通信融合等新技術(shù)在網(wǎng)絡(luò)中的商業(yè)模式和技術(shù)能力,進一步發(fā)揮標(biāo)準(zhǔn)對技術(shù)研究的先行引導(dǎo)作用,為迎接6G 鋪平道路。
