面向全社会、全行业、全生态的网络智能生成与自治白皮书

面向全社会、全行业、全生态的网络

智能生成与自治白皮书

参与单位

大唐移动通信设备有限公司

中国信息通信研究院

北京邮电大学

东南大学

中国移动通信有限公司

前言

移动通信系统已经成功商用到第五代系统（5G），从基本的远程通话

和消息传输服务，到互联网业务，再到增强的移动宽带多媒体交互、物联

网连接以及垂直行业服务，移动通信应用的场景和业务不断地扩展和延伸，

移动通信系统功能和性能能力也在不断提高。

第六代移动通信系统（6G）的研究正稳步开展。一方面，6G网络的服

务场景和服务范式将发生变革性变化，突破传统连接业务的局限，全面内

生智能、算力、数据等新维度能力，面向全社会、全行业、全生态千差万

别的场景和需求，提供精准随需的服务。另一方面，6G网络新功能、新能

力、新服务的突破性增长，相应的对网络运行和维护复杂度和难度倍增，

需要借助蓬勃发展的人工智能技术，实现网络的智能自主运行和管理。

本白皮书针对上述6G网络服务变革和难点，研究并提出了网络适应

能力的6G网络新能力定义与指标体系，实现以用户需求为中心，网络去

适应用户，而非用户顺从网络。以此为中心，研究提出基于智能生成和智

能自治的全场景智适应6G网络架构及系列关键技术。基于智能生成技术

全方位地生成网络需求表征和网络执行模板，满足各场景细致的差异，促

使6G网络具备随需千变的适应能力。基于智能自治技术，实现6G网络具

备跨多业务、多领域、全生命周期的全场景闭环自治能力，并实现完全自

治。另外，针对移动通信系统的关键一环----无线智能组网，展开了详细

的研究。实现6G网络的智能生成和智能自治，数字孪生网络是必不可缺

的基础设施。本白皮书进一步的对数字孪生网络的架构与关键技术进行了

深入的研究与设计。

本白皮书为国家研发计划重点专项“宽带通信和新型网络”项目《6G网络架构及关键

技术》（项目编号：2020YFB1806800）资助成果。

1面向全社会、全行业、全生态的6G网络需求

1.1面向三全的6G网络场景

国际电联在6G建议书中描述了6G六大场景，分别为沉浸式通信、超大

规模连接、极高可靠低时延、人工智能与通信的融合、感知与通信的融合、

泛在连接。基于此，面向全社会、全行业、全生态的6G网络典型场景示例如

下，包括全息通信、精确感知、空天海地全覆盖、公共安全、智能工厂、网

络自动运维管理等。

（1）全息通信

全息通信是面向未来虚拟与现实深度融合的一种新的呈现形式，它通过

物理世界数据信息自然逼真地呈现虚拟世界（包括针对视觉、触觉、嗅觉等

多维感官的呈现），使人们不受时间、空间的限制，身临其境般地享受完全

沉浸式的全息交互体验。借助全息通信，可以实现智能沟通、高效学习与教

育、医疗健康、智能显示、自由娱乐，以及工业智能等众多领域的新形态。

为了实现全息万物智联，6G系统将面临更高的技术挑战，例如：全息通

信的传输峰值带宽将达Tbps量级，这也对终端解码能力提出了更高的要求。

为实现全息远程医疗等场景中的精准操作、沉浸式交互体验、全息无差错显

示等，应满足纳米（nm）级定位精度，端到端时延小于5ms，丢包率尽可能

为0，以及超高的计算能力等要求。

（2）精确感知

精确感知涵盖精准定位、4D成像以及物质特性识别等多维度、深层次感

知服务，将是6G系统提供的一项重要服务能力，也是智能化网络应用的基

础。借助于探测感知，6G系统将为智能工厂、智慧交通、智慧医疗等一系列

场景和应用提供更为精准和个性化的数据信息。

1

精确感知也可服务于通信系统本身，实现精准赋形、干扰协调、流量控

制、网络资源优化等，全面提升系统性能。

精确感知对6G系统的性能提出了新的要求，包括感知精度、感知容量、

感知时延、感知范围等。例如，对于智能工业场景，除了要求低时延高可靠，

还需要毫米级的感知定位精度以及高成像分辨率。

（3）空天海地全覆盖

支持空天海地立体通信，实现全球范围内移动通信的无缝覆盖，是6G

系统的重要目标之一。这意味着6G系统除了支持通信功能，还集成精确定位、

导航、实时地球观测等各种新功能。从部署方式来看，可以在内陆地区用地

面基站覆盖，发挥容量优势，满足海量接入需求；在偏远地区或广大海域用

卫星或临空平台覆盖，发挥覆盖优势，节省基站建设成本。

支持空天海地立体全覆盖的6G网络需要满足一系列技术需求，例如：

支持广大时空场景下的用户极简智能接入、高效天基计算、星地海多维空间

的通信功能柔性分割和智能重构、多星协作和天地协作传输以及无线资源的

统一管控、提供广域按需的时间确定性服务、提升系统的平均频谱效率和边

缘频谱效率、支持各种形态的终端，等等；除此之外，网络还需具有很好的

容灾抗毁能力。

（4）公共安全

公共安全的通信服务将进一步从以语音为中心的群组通信模式，向全维

实时感知、增强多媒体(例如增强现实XR)信息共享的通信模式演进。公共安

全部门通过在重点区域部署固定传感器、移动传感器、可穿戴传感设备等，

将不同来源的公共安全信息数据进行融合处理，实现数据驱动的事件监测、

跟踪和预测，并借助数字孪生技术在后方构建全景式虚拟现场环境，以期提

高指挥控制决策效率、实时反馈评估行动效果。

2

为确保公共安全通信服务的实时性、可用性、可靠性和安全性，需要全

面提升公共安全通信系统的性能。例如，数据传输速率达到Tbps量级，以

满足关键任务的超高清视频多路并行传输需求和超大流量交互式数据传输需

求；系统具备分钟级的快速机动部署能力，以满足突发公共安全事件的紧急

处置要求；系统具有极高可靠性，以满足高精度对象（人脸、指纹、虹膜等）

识别的数据传输要求。

（5）智能工厂

未来工厂将呈现一系列全新特征，比如个性化、定制化生产；生产资料、

工艺以及生产地点的灵活配置；生产过程无人化；利用无人车、无人机进行

产品自动化交付等。在未来工厂中，以6G为基础的信息通信系统将在需求

导入、工厂配置、生产制造、产品交付等过程中提供通信、感知、智能等一

系列能力，从而形成按需生产的智能工厂，服务于工厂业主以及最终用户。

在未来的智能工厂中，智能化将贯穿未来工厂从需求导入到产品交付的

全过程，通信需求将呈现多样化、差异化的特点：例如在需求交互过程中，采

用XR或者全息通信需要Tbps量级的传输速率；而在生产过程中仅需较低的

传输速率以传递控制命令，但需要极低的时延抖动（比如1us）和极高的可

靠性（比如99.9999999%）。机器与机器之间的通信将是未来工厂中通信的

主体，定位与感知将成为辅助机器间通信以及行为的关键技术。利用人工智

能技术实现智能工厂的全流程控制，将更有利于实现产能、通信、感知、计

算等资源的优化配置。

（6）网络自动运维管理

随着移动通信系统的演进，网络的架构、功能、支持的业务等不断扩展

并愈加复杂，使得依靠人工进行网络运维管理的难度大大增加。运营商迫切

需要实现网络的自动运营、维护、管理和优化。AI/ML技术的成熟为实现网

络自动化提供了新的方向。例如，基于AI/ML快速识别新业务，全面洞察用

3

户行为，并根据不同业务类型和用户体验需求实现网络精细化运营，等等。

6G网络可以基于内生AI，提高网络自动运维和管理的效率，并推动业务创新，

逐步向更高级别的自动化网络(即自治网络)演进。网络自治将成为6G时代移

动通信网络的核心要素。

1.2当前网络的局限性

4G改变生活，5G改变社会。推动数字经济快速发展，使能千行百业，加

速行业数字化、智能化，5G网络发挥了排头兵的使能作用。“5G改变社会”

的核心在于使能千行百业。也就是说，与4G不同，5G直接服务的对象不只

是各个消费者用户，还包括各个垂直行业用户。5G+工业、5G+医疗、5G+港口、

5G+煤矿等众多行业通过使用5G技术，提升各领域生产效率。5G在垂直行业

的应用，需满足各行业低时延、高带宽、高可靠、确定性传输、定位等千差

万别的业务需求。网络部署时需根据业务需求确定网络的容量、部署位置、

时延/带宽要求，将行业需求SLA转换为网络数据，指导网络建设。目前，5G

网络可通过网络切片技术或行业专网为行业提供共享或专享资源，满足行业

需求。但由于5G核心网全面引入云化，设备级的维护难度加大，另外网络切

片的引入，需要无线接入网、承载网和核心网实现跨层级的端到端协同，给

网络管理带来了巨大挑战的同时，网络切片的架构相对统一，无法灵活保障

不同2B业务和专网运营需求。

6G应用场景更加多样化，云XR、元宇宙、全息通信等场景，需要网络按

需构建、适时释放，网络的动态构建将成为一种新的特征。这样以来，如果

沿用5G的建网及维护方式，难以实现网络效率的优化。6G网络需通过对网

络、功能、新技术的智能编排，从集中式向分布式转变，根据多变的环境快

速自适应地进行网络组件及功能和服务的调整，同时具备较高的自我管理、

自我优化、自我演进的能力，从而实现网络的智能自治。

（1）服务场景和业务的局限

4

移动通信网络在过去的40多年间，从1G到如今的5G，主要面向用户提

供通信服务（例如人与人之间的语音、视频、消息和多媒体）。5G虽然开始

尝试向垂直行业的场景进行扩展，但仍是以传统通信业务为主。相应地，衡

量网络服务质量的参数（例如传输速率、时延、错误率）也主要针对传统通

信业务，且难以做到快速动态配置，无法满足一些垂直行业的特殊需求。

（2）缺乏灵活性

在目前的网络运营模式中，依据需求规划和建设网络，用户使用建成网

络的服务；在网络建成后，若用户和业务需求发生变化，例如用户数量增加、

出现新的业务形态，则需要对网络进行软件升级甚至硬件改造。即：网络无

法依据需求的变化，采用自适应方式，例如：灵活地发现、扩展、协同和重

组网络资源、调整网络架构，来提升网络的能力(容量、能效、服务种类/等

级等)。

（3）缺乏智能性

现有网络中，面对海量用户和突发的业务量，可能会出现通信业务拥塞

甚至中断等情况，因此需要不断优化网络控制和管理机制，识别可能的网络

问题和故障，以提升网络的适应能力。而当前网络往往缺少一种持续优化网

络控制和管理机制、识别可能的网络问题和故障的有效方法，这样可能导致

网络运行僵化、故障识别滞后，造成不必要的经济和社会损失。

1.3网络智能和网络自治的需求分析

（1）网络智能的需求分析

6G网络的应用场景，如元宇宙、数字孪生、全息通信、智慧城市、智慧

交通、智慧家庭等，为了给用户提供更好的服务体验，需要利用AI技术增强

应用场景的服务能力。众多6G应用的智能需求需要优质的AI模型算法和海

量数据作为输入，通过强大的算力进行AI训练和推理，提高智能服务效率。

5

例如：在如智慧交通场景中，对于自动驾驶场景需要计算密集型的AI，

车辆需要不断感知周围环境、车况、路况等，采集海量的环境数据做复杂计

算，同时由于自动驾驶场景的高实时性要求，需要网络快速处理大量数据并

做出准确及时的推理。在数字孪生场景中，需要对物理空间进行描述、诊断、

预测、决策进而实现物理空间与虚拟空间的交互映射，对物理实体的智能感

知，需要智能化传感器实现自维护、自感知、自采集，依靠强大算力对海量

数据进行智能处理和分析，从而实现精准、可靠的数字建模。此外，数字孪

生体需要对物理世界进行仿真，通过AI模型在数字世界进行智能诊断和预测，

得出仿真结果再作用到物理世界中。

基于上述网络智能需求得到如下智能服务需求：

-以用户为中心，对场景、业务、用户需求和通信资源进行精确感知和

判断，以指导网络资源的智能生成，提供精准、可定制的服务。

-依据智能感知得到的信息（例如：场景、用户、业务、通信资源），

智能生成网络资源，灵活构建网络架构和功能，以实现网络资源对场景、用

户与业务需求的精确适配和保障。

-对网络资源进行动态和高效的调度，实现对智能生成的网络资源的最

优使用，取得最大效能。

-实现不同网络资源之间的协作、配合与互通，实现网络服务和能力的

最优化。

（2）网络自治的需求分析：

自治网络在5G时代已经渐成共识，业界标准组织、运营商和设备商已启

动相关研究和探索。随着技术的发展和软硬件能力的大幅提升，6G应用将出

现多样化的趋势，如云XR、全息通信、智慧交互和全域覆盖等，这就对网络

的时延、可靠性、吞吐量、连接数密度等指标提出了不同的需求。同时，6G

网络需根据全社会、全行业、全生态的业务场景，针对不同垂直行业场景的

6

实际需求，提供满足业务场景差异化需求的网络能力，因此，6G网络需要提

供更高的灵活性，满足网络自治的能力。

基于上述网络自治需求得到如下智能运维需求：

-网络的运维管理通过网络自身实现，自动动态调整以适应网络业务与

状态变化，将人工干预降到最低，实现零接触“zero-touch”的网络智能运

行。

-自主实现意图处理(IntentHandling)、感知(Awareness)、分析

（Analysis)、决策(Decision)和执行(Execution)的网络优化工作流程，实

现完全的网络自治。

-按照功能、服务、地域等划分成多个网络自治域，允许不同网络自治

域之间的协同交互，以实现资源的联动与优化，提高服务或网络整体性能。

-满足高可靠性、实时性和安全性的运维需求。

2全场景智适应6G网络的适应能力

2.1概述

5G网络从三大应用场景入手（eMBB、uRLLC、mMTC），拉开了移动通信网

络与行业场景深度融合的序幕。6G网络将在进一步加强网络自身能力的基础

上，面向更多场景进行更深入的融合，向全社会、全行业、全生态等提供随

需的服务。

面对万千场景千差万别的需求和网络绿色节能的要求，网络如何精准适应

网络场景需求，提供按需的网络服务，逐渐凝聚出6G网络适应能力研究的

6G研究新方向。相较5G及之前的网络能力和关键技术研究，网络适应能力

是伴随6G研究首次出现的新的研究方向，对移动通信网络从以连接为中心，

向以用户为中心具有重大影响。

7

2.26G网络适应能力

6G网络性能的研究，一方面延续了历代移动通信系统研究的方式，在速

率、时延、密度、可靠性等网络的传统连接性能方面进一步提高网络能力。

另一方面，对于同等重要的数据、AI和计算等新型网络能力的指标，以及网

络适应能力的度量和保障指标也在不断探索中。

2.2.1网络适应能力的定义

5G及历代移动通信系统中，没有网络适应能力的定义，网络适应能力是

世界6G研究领域的全新问题。因此，6G网络适应能力研究的首要问题是研

究内容和范围的定义。结合目前的研究进展和成果，本白皮书对网络适应能

力的定义如下：

6G网络的适应能力，指的是网络可以对不同社会/行业场景进行针对性

的构建网络架构和功能，提供满足需求的服务，体现为满足社会/行业场景需

求的数量和程度。进一步的，6G网络的适应能力可以分解为：基础适应能力

（边界容纳能力）和智能适应能力（自主调整能力）。

网络基础适应能力，即网络可以提供服务的能力边界和能力颗粒度。网

络能力边界的范围，决定了网络能力可以覆盖哪些社会/行业场景需求，网络

可提供的网络服务是否适应社会/行业场景需求。网络服务能力边界范围越大，

以及能力颗粒度越细，可服务的社会/行业场景越多，以及对社会/行业场景

的能力需求支持程度越大。网络基础服务适应能力可分解为峰值速率、时延、

定位精度和可靠性等技术指标。

网络智能适应能力即为网络在网络基础服务能力的范围内，针对不同社

会/行业场景的个性化和智能化需求，对网络架构、资源进行自主的编排，自

主适应社会/行业场景的个性需求和智能需求的能力。

2.2.2网络适应能力指标体系

网络适应能力指标应从多维度来考量，体现6G网络用户的需求，以及6G

8

网络的能力。在网络适应能力的定义中，网络适应能力对应的分为了两部分，

网络基础适应能力和网络智能适应能力，因此指标体系也将此两方面进行定

义。

（1）网络基础适应能力

从网络基础适应能力的定义中可以看出，网络基础适应能力是网络资源对

网络用户需求的适应能力，因此，网络基础适应能力的多项指标与网络性能

KPI重叠，但两者有明显的区别。根据目前跟踪业界对6G网络的研究进展，

选取的网络基础适应能力指标如下表所示。

表1.网络基础适应能力指标.

维度量化指标5G6G

陆地约20%;地球表

1）覆盖地球表面积100%

面积约6%

2）时延毫秒级时延0.1ms

3）抖动微秒微秒，可靠性99.99999%

连接峰值速率Tbit/s级

4）速率Gbit/s

（可扩用户体验速率100Gbit/s

展）

5）移动性500km/h1000km/h

6）定位精度亚米级厘米级

7）连接密度100万/km21亿/km3

8）能效/比特传输能效

网络基

网络算力、终端算力、第三方算

础适应1）算力总量RAN、CN各自算力

力

能力

2）算力能效/绿色低碳6G

计算

3）算力使用率各自使用算网融合统一使用

4）算力调度准确

各自调度算力网络统一调度

率

1）数据种类域内隔离，业务隔离跨域跨业务流通数据

数据2）数据利用率业务数据隔离跨域、跨业务数据编织

3）安全隐私级数//

算法较少(感知;解

1）算法数量丰富

AI析;适配)

2）算法准确率较低较高

9

6G网络KPI的研究相较6G网络适应能力的研究要超前一些。而由于网络

适应能力的指标中，有部分指标与网络KPI指标存在一定重叠，且网络适应

能力还没有较精准的定义和指标。因此，在研究过程中，总会使研究者对两

者的关系产生困惑，产生网络适应能力与网络KPI没有太大区别的误解。根

据我们目前的研究，两者的关系的主要区别在于：

网络KPI的指标，诸如移动性、速率、时延等，均是网络性能的最大值，

是衡量网络建设是否达到了建设前期设定的目标值。

网络适应能力，是网络对用户需求精确适应，按需提供服务的能力，并不

是提供的服务越大越强就越好，更关注需求满足的精准精确。其中的一些指

标，如移动性、速率、时延等，与网络KPI最大性能的指标重叠，但只是指

最大适应的能力边界，除此之外，还对控制颗粒度等问题有较大关注，边界

反而只是其中之一，精确精准的能力更是与网络KPI有着本质的区别。

（2）智能适应能力

针对网络智能适应能力,从四个维度进行研究，分别为智能感知、智能解

析、智能适配和智能自演进，其定义分别如下：

智能感知：对业务需求等全方位感知，进行网络模型的适配。针对已有的

行业，6G网络完成其网络模型的定义；网络智能感知功能选择一个已有的网

络模型。针对新的行业，网络智能感知功能从已有的6G网络模型中选择一个

最为贴合需求的模型（从资源需求维度进行判断选择）。

智能解析：将感知到的业务需求转译为网络模型和资源方面需求。已有行

业将不需要此步骤；针对新的行业，此步骤将感知的需求，转译为网络模型

各维度和新增维度的网络资源需求。智能解析的指标为智能转译的准确率。

智能适配：根据适配于行业的网络模型下发网络功能实体和终端(例如机

器设备)的配置参数，持续对网络监控、评估和优化。针对已有行业，根据适

配于行业的网络模型下发网络功能实体和终端(例如机器设备)的配置参数，

10

持续对网络监控、评估和优化。针对新的行业，根据网络资源需求，将网络

模型原有各维度参数和新增维度的参数，下发为网络功能实体和终端(例如机

器设备)配置参数，持续监控、评估、优化。

智能自演进：形成新的网络模型的能力。经过优化迭代，针对新行业形成

新的网络模型。

表2网络基础适应能力指标

维度量化指标5G6G

1）感知行业数量

智能感知暂无通感一体；用例自生成

2）感知准确率

1）控制面资源转译准确率

智能解析2）用户面资源转译准确率暂无智能内生；功能原子化

3）AI资源转译准确率

网络智能

适应能力

1）配置创建成功率

2）资源配置准确率

智能适配3）优化提升百分比/按需配置

4）感知-创建时长

5）已有网络影响程度

1）新网络模型准确率

智能自演进暂无智能内生

2）形成新模型时长

2.36G网络适应能力与网络智能

在6G网络能力研究中，6G网络除了提供更强的连接服务外，还将提供

数据、AI、计算等多项服务，为6G网络用户及自身的业务提供服务保障。面

对多样的服务能力和复杂的网络场景，以网络为主的传统方式将面临巨大挑

战。因此，6G网络将转变为以用户为中心，根据场景和用户的需求，网络个

性化的提供精准的服务，网络去适应用户，而非用户顺从网络。

11

6G智能内生网络使用微服务等技术，重新划分网络功能和服务，使得网

络功能与服务的颗粒细化，实现网络功能和服务的细粒度地柔性分割和按需

扩展。在分层的网络架构中，网络功能和服务通过能力分级，不同层的网络

部署不同级别的网络功能和服务，既为网络功能的高效交互提供了支持，又

清晰界定了不同层的网络功能和服务的能力范围。使得跨层跨域的功能交互

具有功能一致性，具备跨层跨域高效交互的能力，更高层级在解决局部网络

问题时，提出全局最优的解决方案。在中央智能与边缘智能的网络中，通过

边缘智能网络的自主感知，为本地及中央超脑提供源源不断的高质量数据。

在边缘网络的构建过程中，通过自主精准感知场景细致差异，针对不同社会、

行业等场景的差异，精准适应场景对网络能力和服务的需求。基于智能内生，

6G网络自构建最适配的网络架构，提供极细粒度的网络功能和服务供给，精

准实例化满足需求的网络功能和服务，实现网络架构、功能和服务的自构建

和精准适应，以及网络资源的高效利用和服务的精准保障。

在6G智能网络的服务用例适应方面，6G智能网络通过网络服务用例的

管理将服务用例部署到网络中，网络编排管理功能或协同管控功能，根据服

务用例的描述按需调配网络元素（包括数据、算法、算力、连接等）以适应

满足该用例的性能需求。网络服务用例是用户在对应场景下向网络提出的一

次服务请求，一个服务用例可能涉及到一类或多类网络内生服务（如AI服务、

计算服务、连接服务）的调用。

3基于智能生成与自治的6G智适应网络架构

3.16G网络架构的智能

作为5G移动通信网络的进一步演进，6G网络将具有智能内生的特征，

即：网络的控制、服务与运维等借助人工智能（AI）/机器学习（ML）等技术

12

实现智能化和自动化。6G智能内生网络架构可以基于智能自治域和智能生成

域来实现。

6G智能生成域(IGD:IntelligentGenerativeDomain)的主要特征是依

据外部与内部需求，智能生成和调度资源，以满足6G系统通信和智能业务的

需要。6G智能自治域(IAD:IntelligentAutonomousDomain)的主要特征是

网络自身自动自主地进行运维管理，动态调整网络配置以适应网络业务与状

态的变化，将人工干预降到最低。第3.2、3.3和3.4节依次对智能生成域、

6G智能自治域以及双域之间的交互进行详细介绍。

3.2智能生成域

智能生成域指的是网络执行智能生成功能的逻辑域。智能生成过程包括

网络根据感知、数据采集等获得信息，智能地分析网络行为在连接、计算、

数据、算法、安全等一种或多种要素需求，在架构、功能、服务、资源、协

同关系等方面精准分析适配网络需求，智能生成网络行为描述模板。

智能生成域负责6G网络的智能按需生成，智能生成域的构建是实现6G

智慧内生网络的核心关键基础问题。智能生成域与网络传统的接入网域、核

心网域等网络实体功能域不同，其是一个逻辑功能域，通过泛在的网络资源

和内生智能，智能生成网络执行描述模板。网络依据网络执行描述模板中的

执行内容，进行网络行为。网络执行行为可以是一次网络计算资源调整、一

次网络功能创建、一次子网构造等。智能生成域的工作流程示例如图1所示，

具体过程详细描述如下：

13

图1.智能生成域工作流程示例.

（1）感知：6G网络将实现通信感知一体化。通过泛在的感知设备、感

知信号、遥测信令等，对网络用户/场景进行全方位的需求感知。

（2）分析：根据网络无时无刻的感知数据，6G网络基于内生智能得到

用户/场景等的精准需求，并通过6NAI（6GNetworkAdaptabilityIndex，

6G网络适应能力索引）索引参数描述，用于指导后续网络执行行为。6NAI的

组成主要分为连接、计算、数据、智能和安全等部分，分别对应不同用户在

连接、计算、数据、智能和安全等各部分的需求。

（3）适配：基于6NAI要求，6G网络自构建所对应的架构、功能、硬件

资源等网络资源要素，将网络需求适配为网络可理解的参数。

（4）生成：根据网络参数，网络生成下一步的执行动作集，即网络执行

描述模板。网络执行描述模板揭示了面向全行业、全社会、全生态的业务需

求、网络资源及接入方式等网络元素之间的关联关系，以及网络状态的转移

关系，是智能生成域与网络自治域之间进行网络状态预测与反馈的依据。

3.3智能自治域

14

自治域是能够实现特定网络操作生命周期的闭环自动化的网络功能的业

务配置。换句话说，它们是网络资源闭环的实例化，执行网络资源和功能的

自动管理。自治域根据每个通信服务提供商（CSP：CommunicationService

Provider）的业务逻辑将网络划分为一组协作域。比如，从无线接入网角度

看，自治域包括RAN，CN，TN的闭环，从业务角度看包括网络切片、NB-IOT、

AR/VR等。

自治域的基本特征包括供上层用户使用这些自治功能的服务化开放接口

（API）以及维护该域相关服务和资源实例的清单，并且代表相同逻辑的网元

应位于一个且仅一个自治域中。

通过人工智能等技术的引入，6G自治网络的最终目标是构建一个具备跨

多业务、多领域、全生命周期的全场景闭环自治能力的网络，并实现完全自

治。自治域作为网络的基础单元，通过人工智能等技术的引入，实现网络，

服务，业务的智能化，并推动通信网络向自配置、自治愈、自优化、自演进

的新一代网络发展，从而进化成面向全社会、全行业、全生态的智能网络“智

能自治域”。

为了满足不同客户和应用场景对通信网络的差异化服务能力的需求，服

务化技术，超大规模天线技术，人工智能技术的引入，让6G网络部署更加动

态和复杂。为了降低网络复杂性，自治网络分解为多个智能自治域，这些域

通过意图驱动的接口与其他层/域/用户交互。此外，随着智能的分布化、云

计算的分布式发展,要求新的连接、新的网络也向分布式逐渐演进。在分布

有众多节点(例如终端、边缘网络设备、云端设备)的智能网络系统中，每个

节点都具有高度自治的特征，并且可以满足边缘自治的高实时性需求。节点

之间彼此可以自由连接，形成新的连接，这些节点组成的网络连接也可成为

一个智能网络自治域。如图2所示。

15

图2.智能自治域分布式体系和基本框架.

智能自治域是一种自治系统的实例化，通过在SLA和意图业务目标的驱

动下持续有效地感知和分析，借助AI/ML能力做出决策，并不断地配置、修

复和优化网络，从而构建出具有全场景闭环自治能力的网络。智能自治域可

以动态适应环境的变化，并且优化和个性化所提供服务的最终用户体验，并

且从整体上提高了6G网络的敏捷性、安全性和弹性。

3.4双域互动

6G网络可以依据网络形态、服务区域或其它特征划分为多个智能自治域

或智能生成域，例如：

1）依据网络形态：接入网(AN)和核心网(CN)可以作为两个不同的智能自

治域或智能生成域；终端之间直接通信的子网可以作为独立的智能自治域或

智能生成域；

2）依据服务区域或服务对象：服务于不同区域的边缘(/本地)网络可以

作为不同的智能自治域或智能生成域；虚拟(/专用)子网可以作为独立的智能

自治域或智能生成域；

16

3）依据支持的业务和应用场景：支持不同业务的子网络（类似与5G系

统中的网络切片）可以作为不同的智能自治域或智能生成域。可以依据业务

的智能化需求，按照业务类别的不同划分不同粒度的智能自治域或智能生成

域，例如分别用于支持公共安全业务、智慧医疗、智慧工厂的子网络可以作

为不同的智能自治域或智能生成域。

6G智能生成域与智能自治域之间可以互通与协作，例如：智能生成域可

以感知智能自治域的资源状态，进行业务需求与资源状态的适配和分析，并

将生成的资源配置决策输入到智能自治域，以辅助智能自治域实现自治，如

图3所示。

图3.智能自治域与智能生成域的互动.

不同运营商的网络也可以作为不同的智能生成域或自治网络域，通过域

间互通与协同，提高漫游场景下的智能通信性能和业务体验。

46G网络智能自治的智能无线组网

由于高频段的使用，基站的覆盖范围相比5G将更小，站间距将更小，6G

17

无线网络将是超高密集的网络，基站数量将非常多。由于网络节点高度异构，

使得网络结构非常复杂。将支持更多类型、具有高度异构QoS要求的业务，

支持更高的移动速度、更高的连接密度、更高的数据速率、更高的可靠性、

更低的时延，使得6G无线网络的系统参数数量将非常庞大。这些因素，导致

其在网络规划、部署、优化、故障恢复等方面，相比于现有系统，复杂度有

非常显著的增加。6G无线网络是智慧内生的无线网络，具备强大的数据采集、

存储、分析、处理能力，使得人工智能和大数据的应用，以及通过无线网络

自动驾驶（包括网络规划、部署、优化、故障恢复的自治）实现智能无线网

络组网成为可能。

4.1无线网络智能规划

无线网络规划是在网络部署前，对基站位置、数量的规划。需要考虑包

括网络部署成本和网络性能在内的多个因素，以确定适当的基站数量和最佳

的部署位置，以满足覆盖和初始容量的需求。

在6G无线网络中，随着网络的密集化与异构性的不断发展，覆盖的立体

化，以及网络基础设施的移动性，网络层数和基站数量急剧增加，网络拓扑

时变、复杂，每个基站服务的用户数量很少，用户在时间和空间上的分布更

为不均匀，使得基站规划问题变得更加复杂。

目前的基站规划通常采用的方法包括遗传算法（GeneticAlgorithm，GA）、

粒子群优化（ParticleSwarmOptimization，PSO）和人工免疫（ArtificialImmune

System，AIS）等，但大多基于用户均匀分布的假设。然而实际用户分布往往

是不均匀的，不均匀的用户分布对多层网络的部署影响显著。。

在用户分布不均匀的场景下，可以基于增强型人工免疫策略用于多层无线

网络的基站规划。首先对规划区域进行覆盖规划和容量规划，以获得满足覆

盖规划和容量规划所得的初始基站数量，然后，基于增强型人工免疫策略进

行冗余基站的删除，在满足网络覆盖与容量需求的前提下，使得网络部署成

18

本最低。

4.2无线网络智能部署

6G无线接入网络呈现多层次、异质性、平台服务能力差异化的特性，无

线通信用户表现出高动态特性，作业环境复杂，业务随时间和空间需求动态

变化，现有地面通信设施难以满足复杂场景下的用户通信需求，例如偏远地

区、灾后环境，流量热点地区等。因此，需要智能化部署来提高无线通信系

统的服务能力，实现网络的按需部署。

智能化部署本质上是通过动态网络接入适配实时业务需求，因此获取业

务信息是必要前提。由于业务种类繁多，业务分布与体量动态变化，大范围

业务的实时、精确获取极具挑战性，多接入方式对实时业务的适配是一个重

要的问题。不同接入方式的选择不仅与信道质量、调制编码方式、传输能效

等物理层参数有关，与业务类型、业务流量、包到达间隔、包长特征等业务

相关特征也有紧密的联系。因此，需要通过提取业务类型与流量的时空特征，

建立业务时空分布与传输效能的预测模型，基于预测结果实现实时业务的接

入方式选择，最终实现动态网络节点高效地获取业务分布以及接入方式等信

息。

根据业务分布和业务预测的智能化获取，针对空天地异质平台的服务场

景，对空基接入点进行动态/半静态的智能按需部署，对天基和地基接入点进

行适应性调控，以实现序列化任务的三维立体覆盖，通过网络适配业务的工

作模式实现绿色动态组网。

基于深度学习的网络流量短期和长期预测，根据网络流量序列具有的近

邻性、周期性和趋势性这三种时间特性，分别构建三类输入数据采用编码器-

解码器结构进行流量预测。在编码器中，采用空间注意力机制进行全局空间

依赖关系进行建模，并且采用多层3D-CNN和ConvLSTM模块进行时空特征

的提取，在解码器中，采用基于SE模块的时间注意力机制，自适应地对流量

19

序列复杂的时间相关性进行建模。然后，基于多层感知机（MLP）进行单步

预测输出。通过深度学习技术更好地提取历史流量序列的时间相关性和空间

相关性，提高了网络流量预测的准确性。

4.3无线网络自优化技术

无线网络自优化，是指根据用户和基站测量到的相关性能数据自发地进

行网络参数调整来优化网络性能、提高网络质量。包括小区间干扰协调（Inter

CellInterfaceCoordination,ICIC）、移动性负载均衡（MobilityLoadBalancing,

MLB）、覆盖和容量（CapacityandCoverageOptimization,CCO）、移动健壮

性（MobilityRobustnessOptimization,MRO）、节能优化等优化功能。

6G无线网络在运营过程中，由于业务和用户分布的时间、空间变化，以

及网络的高度异构性、超密集性，使得上述优化更具挑战性。

在异构超密集网络环境下，用户在基站覆盖区的分布往往是不均匀的，

导致负载的分布不均匀。有的基站连接用户数少而资源空闲，而有的基站用

户多，负载很重。为保障用户通信质量的前提下提高资源利用率，可以通过

移动性负载均衡实现负载均衡。移动性负载均衡指小区之间通过转移部分业

务量来达到平衡通信网络负载的目的，通常可以通过优化小区切换参数进行

用户的切换实现负载均衡，也可以通过强制切换部分用户来实现负载均衡。

但是不合理的切换参数可以使得部分用户发生切换后QoS下降、通信链路失

败或者导致切换后邻基站出现超载现象等问题，因此在保证用户通信质量情

况下的切换参数的优化、强制切换用户的优化选择是实现负载均衡的重要前

提。

基于单智能体的移动性负载均衡方法，将负载均衡问题建模成马尔可夫

决策过程，智能体通过不断训练学习最优的基站移动性参数CIO的调整策略，

为了更准确地描述通信环境状态，在基站负载状态作为状态空间组成元素的

基础上，引入基站边缘用户的统计信息作为另一个重要的状态空间组成元素，

20

并且将奖励函数定义为基站剩余负载的幂函数合成，实现降低基站负载、改

善基站负载不均衡性、扩大基站接入新用户能力的优化目标，方案借助柔性

演员-评论家（SoftActor-Critic,SAC）算法对该问题进行求解，使得智能体

根据环境状态决策所有基站的移动性参数CIO调整值，实现移动性负载均衡。

基于多智能体强化学习的负载均衡方法，将负载均衡问题建模成马尔可夫

博弈过程，即建立与重载基站中边缘用户一一对应的智能体，各个智能体之

间建模成合作关系，共同实现负载均衡的目标，方案借助多智能体深度确定

性策略梯度（Multi-agentDeepDeterministicPolicyGradient,MADDPG）算

法对问题进行求解，使得每个智能体根据环境状态决策对应用户是否执行切

换操作，实现降低网络中基站负载、更精细化决策切换用户的目的，以改善

网络负载不均衡性。

4.4无线网络自愈合技术

无线网络的自愈合技术指当网络发生故障时，实现网络的自动恢复。自

愈合技术包括故障自动检测、故障根因自动分析（故障定位）、系统自动恢

复等。

随着无线通信网络结构的复杂化和基站部署的密集化，无线网络中故障

发生的概率大大增加。有统计表明，运营商每年花费其总营收的1.7%用于解

决网络故障问题。因此，自愈合技术对降低网络运维成本、提高网络运维效

率具有重要意义，自愈合技术也因此受到广泛关注。

如图4所示，在自愈合流程中，中断检测首先执行。信息收集模块所收

集的表征网络运行状态的KPI数据被送入中断检测系统，通过分析输入的KPI

数据的实际值是否与期望值相符来检测和定位中断。若检测到中断的存在，

则进入故障诊断阶段，根据KPI指标的变化情况分析导致中断发生的根本原

因，并根据原因提出相应解决措施，开展中断恢复操作，彻底解决网络中断。

21

在故障诊断的同时，为了保障故障小区内用户服务体验，中断补偿操作也会

同步开展。中断补偿一般通过邻居小区间协作实现，通过调节邻居小区基站

系统参数，如天线倾角、发射功率等，扩大邻居小区覆盖范围，为中断小区

内用户提供服务，暂时性补偿由于基站故障导致的系统性能损失，最小化中

断的影响。

图4.自愈合流程.

作为故障诊断和中断补偿的基础，中断检测在无线网络自愈合中起重要

作用。当一个小区中的基站因为内部故障或外部环境影响等因素出现性能下

降时，称该小区处于中断状态。根据性能下降程度的不同，中断小区被划分

为三类。第一类为轻度中断小区(degradedcell)，该类小区负载能力相较于正

常小区有轻微下降，这类小区的出现往往由环境因素导致，当不利因素消除

后，该类小区一般可恢复到正常状态。第二类为中度中断小区(crippledcell)，

该类小区虽然仍具有负载能力，但性能较正常小区有大幅下降。第三类为重

度中断小区(catatoniccell)，此时小区完全失去负载能力，会导致系统警报的

出现以及大量用户切换事件和链路失败事件的发生。根据所检测中断小区类

型的不同，中断检测问题可进一步被分为完全中断检测(fulloutagedetection)

和部分中断检测(partialoutagedetection)。其中，完全中断检测问题仅着眼于

重度中断小区的检测，而部分中断检测则致力于检测三种类型中断小区。相

较于完全中断检测，部分中断检测能够及时探测网络中可能存在的多种故障，

22

因此对后续故障诊断和中断补偿工作的开展更具有指导意义。

6G无线网络中，为了保证高可靠的传输，对系统故障发生概率、故障恢

复时间等，相比于5G系统有更高的要求，而系统的高度异构性和复杂性，6G

无线网络的故障类型比5G系统更多，因此，给自愈合技术带来了更大的挑战。

通常，对网络故障的检测需要基于网络KPI数据。但由于在实际网络中，

故障的发生是小概率事件，与故障相关的数据数量远少于正常数据。在这种

情况下，基于机器学习方法的模型分类结果会偏向于多数类，故障检测性能

会因为数据不平衡问题显著下降。并且，实际采集到的数据，往往是没有标

签的，可获得的信息有限。此外，当网络中存在不止一种类型的故障时，不

同类型的故障数据间往往会存在较严重的类间重合。数据不平衡是指数据集

中一类样本数量远超过其它类样本数量的现象。在无线网络中，中断的发生

是一个小概率事件，所能收集到的中断数据量远少于正常数据，因此导致了

数据不平衡现象。其中，正常数据为多数类，中断数据为少数类。使用这样

的不平衡数据集训练分类模型会导致分类结果向正常类偏倚，造成中断检测

性能下降。数据类间重叠是指数据集中多种类别数据混杂分布于特征空间中

的同一区域内的现象，如图所示。虽然这些样本具有不同的类别标签，但是

在特征上却有一定相似性，这会引起分类边界扭曲，造成误分类现象的发生。

当网络中存在多种类型中断时，不同类别数据间的差异度降低，造成了类间

重叠现象的进一步加重。因此，解决数据不平衡和类间重叠问题对提高无线

网络中断检测性能具有重要意义。

23

图5.数据类间重叠示意图.

现有研究引入了人工少数类过采样法（SyntheticMinorityOversampling

Technique，SMOTE），自适应合成抽样技术（AdaptiveSyntheticSampling，

ADASYN），生成对抗网络（GenerativeAdversarialNetwork,GAN）等方法

对故障数据进行过采样，生成大量类故障数据，利用新的合成数据集提高基

于机器学习方法的分类模型的准确性。然而，当数据不平衡的比例较大时，

故障检测性能仍然有待提高。

提出了基于混合生成对抗网络和重叠敏感的人工神经网络的故障检测方

法解决上述问题，结合混合GAN和人工神经网络（ArtificialNeuralNetwork，

ANN）的性能优势，能产生高质量的少数类数据，解决故障检测中的数据不

平衡和数据类间重叠的问题，在数据不平衡很严重的情况下性能依然很好。

提出了基于稀疏自编码器的无线网络中断检测算法，解决了无线网络由

于中断是小概率事件，很难搜集到足够的带有中断事件的样本，数据样本的

不平衡性显著的问题。

提出了采用条件生成对抗网络学习中断数据特征，并合成中断数据来校

准数据分布，解决数据不平衡问题。之后基于KNN算法计算校准后数据集中

样本类间重叠程度，并据此为样本分配权重。最后，将校准后数据集与所得

样本权重集合结合对人工神经网络进行加权训练，解决数据类间重叠问题。

提出了基于自组织映射的无线网络中断检测算法，解决了无线网络所的大

24

量数据难以被标注，数据没有标签，可获得的信息有限的问题。

5数字孪生网络赋能6G网络智能生成和自治

5.1数字孪生网络

在6G系统中，网络智能生成和自治的目标是实现高效、智能的网络运维

和资源利用。为了实现这一目标，数字孪生技术，可以实现物理网络实体的

数字虚拟映射，将成为推动从传统方式向自动化、智能化网络和服务管理转

变的关键驱动力。

通过使用数字孪生体，可以创建一个当前网络状态的副本作为“孪生体”。

数字孪生实体作为一个独立的网络子系统或网络功能，可以为网络智能生成

领域和自治领域提供基于服务的接口。可以在数字孪生中生成和部署对性能

有不同要求的新服务及其相关的服务水平协议（SLA），并通过分析模型来模

拟和分析闭环环境中的服务性能，网络可以实现自组织和自优化。

智能生成则是指依据智能感知得到的信息（例如：场景、用户、业务、

网络资源），智能生成与场景、用户与业务需求等精确适配的网络资源，从

而实现网络资源使用的最优化。数字孪生网络作为物理网络实体的数字化虚

拟映射，通过与物理网络实体之间进行实时交互，可以实现6G系统网络智能

生成与自治的目标（图6）。

25

图6.具有网络智能生成和自治的数字孪生.

为了实现网络智能生成和自治，将数字孪生模型与其他6G网络技术一起

部署，可以更好地适应6G网络高度动态和不断变化的应用需求。

5.2数字孪生的架构设计和设计原则

通过数字孪生构建网络智能生成和自治的网络模型（图7），核心要素

是模型、数据、交互和映射。首先，数字孪生需要数据模型和数据结构来表

示6G各种网络对象的观察、状态和关系。其次，通过实时或者非实时的数据

采集方式将物理网络层的数据主要包括物理实体数据、空间数据、资源数据

等，来填充这些模型以创建数字孪生实例。第三，借助人工智能、AI算法、

专家经验、大数据分析等技术从数字孪生体中提取洞察的分析模型。通过使

用分析模型来模拟和分析集中式和分布式数字孪生域的服务性能，6G系统将

实现自动闭环控制，并实现复杂网络或服务的简化控制。最后，服务层将提

供兼容性接口，通过不同的API（如意图驱动）以实现数字孪生网络和6G业

务层之间的交互操作。

26

图7.网络自主和智能生成的数字孪生架构.

AI，人工智能；ML，机器学习；NRM，网络资源模型

数字孪生网络的总体目标是为电信业务提供端到端的自治网络。数字

孪生使用机器学习、数据分析和多物理场仿真来研究特定系统的动态，这

可以使6G系统有效地简化程序并提供有价值的信息。表3中给出的基于

数字孪生的6G架构的七大设计原则，并对相关原则所设计的关键性技术

进行一般性描述。

表3数字孪生架构原则

架构原则描述

01:解耦分离物理对象和数字孪生对象，实现操作的灵活

性。

02:交互支持极简网络和数字孪生网络之间的交互。

03:内生AI支持内生智能作为极简网络和数字孪生网络的

基础能力。

27

04:分布式支持分布式机器学习和实时机器学习。

05:异构支持数据编织以实现灵活和可重用的异构数据

集成管道、业务和语义。

06:自治支持单域自治和跨域协作。

07:闭环通过意图驱动接口支持闭环自动化。

解耦：将物理对象和数字孪生对象解耦，实现操作的灵活性。整体架

构应符合分层架构模式。物理系统向数字孪生对象的转化主要是基于解耦，

可分为信息解耦和系统功能解耦。各系统、各层都以自运行模式运行，并

隐藏域信息的细节，6G网络的系统功能和公共数据库以分布式方式交付。

交互：支持极简网络和数字孪生网络之间的交互。极简网络将网络功

能分解为微服务，使网络运行在以微服务为中心的架构上。极简网络和数

字孪生网络之间的接口应提供简化的交互能力，用于交换感知数据和信息、

映射数字空间和实时反馈。

内生AI：支持内生智能作为基础功能。内生智能的局部应用是极简网

络和数字孪生网络内部模型的核心原则。极简网络和数字孪生网络都引入

了更多的实时传感组件和人工智能推理能力，以提高对资源、服务和周围

环境的可观察性或数字意识。

分布式：支持分布式机器学习和实时机器学习。在为大型数据集训练

孪生模型时存在许多挑战，具有分布式机器学习的分布式数字孪生系统可

以提高模型性能、提高模型准确性并扩展到更大的输入数据。多个模型可

以在分布式地点训练，以减少模型训练时间。在模型推理阶段，模型的性

能可以通过结合多个贡献模型的预测结果来提高。此外，联邦学习可以使

机器学习模型从不同位置的不同数据集中获得经验，并对数据进行安全保

护，这对于实现可扩展的、基于分布式机器学习的孪生模型来说是一个很

有前途的解决方案。

28

实时机器学习通过运行实时数据来训练机器学习模型，以不断改进模

型。它通过识别新的模式并适应这些模式，为物理对象和数字孪生对象提

供更直接的准确性。

异构性：支持数据编织以实现灵活且可重用的异构数据集成管道、业

务和语义。数据编制是一种作为数据和连接过程的集成层（结构）的设计

概念。数据编织利用实时数据、历史数据、网络资源模型（NRM）和机器

学习来统一数字孪生系统中各种类型和端点的数据。

自治：支持单域自治和跨域协作。数字孪生应该具有独立自治的能力，

这也是自治网络的核心原则。自治域是指自治网络架构中具有自治能力的

原子单元。

闭环：支持意图驱动接口的闭环自动化。闭环自动化是网络自动化的

监督者。控制回路通过感知、分析、决策、执行的循环来进行自我调整和

适应，使物理系统和数字孪生系统都保持在所需状态，而无需任何人为干

预。意图驱动的接口可以利用闭环自动化机制，在意图驱动的闭环中，意

图被用于控制闭环自动化，也就是说可以将意图转化为策略和管理任务来

执行闭环自动化。

5.3分布式数字孪生系统

6G数字孪生网络是一个虚拟的数字网络，具有通信网络全域的实时状

态，包括用户、接入网、传输网、核心网、管理系统等。然而，针对大数

据集训练数字孪生模型可能面临许多挑战，例如，需要处理大型数据集和

训练高复杂度模型的高计算能力，以及大型数据集的收集。此外，当数字

孪生系统进行推理时，这可能会导致速度缓慢且效率低下。

为了应对这些挑战，我们可以采用分布式孪生架构模型。集中式数字

孪生实体可以通过数据编织技术从其他分布式数字孪生系统中收集数据

集，生成基于物理的模型并进行数字仿真，从而建立具有全局视图的数字

孪生模型。分布式数字孪生实体也可以利用本地数据集或来自其他数字孪

29

生实体的必要数据自行生成数字模型，实现自己领域内的数字孪生仿真。

在6G数字孪生网络方面，通过划分物理区域和功能域来构建分布式小型

数字孪生系统。相比之下，分布式的数字孪生系统的设备和信息数量将大

大减少，物理网络的信息采集和物理网络与孪生系统的信息同步将更加实

时。分布式数字孪生系统协作可以通过传输网络模型描述或特定描述信息

来实现全局数字孪生网络功能，并大大压缩需要传输的数据量。因此，中

央数字孪生网络同步获取全局物理网络状态的延迟和开销将得到极大的

改善。

5.4特征网络模型构建

模型构建是从物理网络到虚拟网络映射的基础，包括网络模型构建和

数据模型构建。

在6G数字孪生网络中，可以通过构建具有场景网络需求特征的网络

模型作为该场景的网络验证的起始网络状态，进而进行后续一系列的研究。

在智能生成域的智能生成过程中，网络模型描述可以作为基于数字孪生网

络的起始网络状态及目标网络状态，进行网络优化的验证。网络模型构建

中可以选取网络验证环境的地理位置、功能域的范围，在涉及本地区域的

基础上，进行一定的扩大，进而从区域最优优化，摆脱烟囱式优化。进一

步的，根据6G数字孪生网络，不断地优化各种不同特征的网络模型。

图8.特征网络模型构建.

在数字孪生网络中，对网络数据进行建模，可以使物理网络中的各种

数据基于统一的模型在孪生网络中进行高效处理。

30

数据模型构建是一个过程，用来定义和分析数据的需