|
6G通信网络的发展趋势 在5G时代，通过借鉴业界成熟的SOA(ServiceOrientedArchitecture)、微服务架构等理念，网络设计采用了面向服务的核心网架构，其核心是基于云原生（CloudNative）的服务化架构SBA（ServiceBasedArchitecture）。云原生是一种面向云应用的软件开发、软件部署的思想理念，主要由微服务、DevOps和以容器为代表的敏捷基础架构等部分组成。 在未来的6G时代，基于分布式部署的在网算力、数据、AI算法模型等多维资源，传统无线网络的组织和运营方式将从面向流程的接入控制全面转变为面向服务的新型范式。在网络转型演进的过程中，一方面为了满足不同应用对于多维资源的多样化需求，传统网络功能需要支持更加灵活多种多样的分布式部署与组织模式，例如AMF/SMF/UPF下沉，基于服务化的RAN/Core融合架构，CU/DU不同层次的分割组合和分布式部署方式等。另一方面，越来越多的应用或者服务将需要部署在网络内合适的逻辑或者物理位置，以达成网络性能、应用QoS、系统资源等多维指标的组合优化。例如，联邦学习（FederatedLearning）作为典型的AIaaS场景中，需要综合考虑数据来源，算力资源需求、应用时延要求等指标，灵活地部署相应的算法模型到合适的网元节点，同时动态配置网元功能和网络资源（包括但不限于动态部署UPF功能、下沉相应控制面功能等）。由此可见，网元功能以及应用实例的按需动态分布式部署将成为未来6G网络的必然需求，云原生也将进一步发展，从支持服务化移动核心网的集中部署向支持网元功能和应用实例分布式部署演进。这种分布式的方式反过来也对云原生技术提出了新的要求。 通过在分布式网络中引入云原生技术，传统的某些网络功能可以解耦成一组独立内聚的微服务。每个微服务实例向外提供单一的服务功能，方便运营商实现对于传统网络功能的精细定制与灵活配置。此外基于容器的微服务实例管理与编排则可以支持网络功能、网络实例、网络切片等动态灵活的分布式部署，以满足多样化的需求。与此同时，对传统网络功能进行“无状态化”重构，实现数据与功能的解耦，更进一步支持动态的网络功能分布式部署以及网络功能之间灵活的调用、复用与快速迭代。 综上所述，云原生正由传统服务于核心网的集中式模式向分布式云原生阶段演进，网络功能和应用将以分布式方式部署在不同的网络节点上，并通过微服务、服务网格（ServiceMesh）、无服务化（Serverless）等技术在满足多样业务需求的同时，实现网络弹性化、应用轻量化、开发迭代快速化等设计目标。 从“按需用户面下沉”到“灵活端到端分布式” 核心网用户面下沉是以数据分流技术为基础，利用应用需求部署用户面网元功能实现用户业务数据本地卸载，为用户提供部分物理资源独享的网络。适用于对增强带宽、低时延、数据不出园区、降低建网和维护成本等方面有需求的场景，如物流、港口码头、工业制造等。用户面下沉的组网架构根据业务需求及物理范围，可下沉一个或多个UPF网元，并部署在不同的位置，可视为用户面数据转发层面的分布式网络部署方式。随着更加深入地挖掘垂直行业领域的业务需求，网络的控制面、管理面等功能也需要支持灵活的分布式部署方式，以支持端到端网络功能的分布式部署。 到6G时代，在网络智能、数字孪生、算力网络、通感一体、确定性网络等关键技术的加持，网络的分布式可以从当前的基于简单的数据转发层面部署演进到基于端到端应用的分布式部署，比如端到端AI、端到端确定性网络等，而端到端应用的分布式网络技术主要体现在对前端数据预处理和传输：通信传感终端在一些场景下可能生成海量数据，如智慧交通应用中的车辆识别、车速测定等，需要有效使用靠近前端设备的分布式网络计算资源进行数据预处理、网络传输及相关的存储与查询。 从“外挂式智能”到“分层分布式内生智能” AI技术应用于5G网络的时机相对较晚，在5G网络架构相对明确后才逐步深入开展相关研究，5G阶段的网络智能化应用是在传统网络架构上进行优化和改造。面向6G网络需要在架构设计的初始阶段就考虑和智能化的深度融合，设计架构级内生智能。 从外挂式智能转向内生智能，需要将AI的三要素（算力、算法、数据）融合到网络里成为网络功能，网络可以根据AI任务的需求对算力功能、算法功能和数据功能进行即时调用，同时，还要将AI的编排管理融入到网络的编排管理中，对AI需求进行快速响应并做出合理的任务编排和资源调度。网络中会内生构建从数据采集-模型选择-模型训练-模型验证-AI推理的完整流程实现端到端智能。 此外，面向6G空天地海一体化、海量异构终端接入及多样化应用场景，进一步的分布式网络架构将更好地适应6G发展需求。同时，算力和数据资源无处不在，在靠近数据源的位置整合网络和终端的算力实现智能能力并提供智能服务，可以提高处理效率、降低数据传输成本、降低时延、保护数据隐私、实现绿色低碳。但为实现6G网络资源、服务、性能的全局最优，分布式AI功能还需通过集中控制节点进行管控及协同，因此需要分层分布式内生智能。 从“运营商独享网络”到“全面的网络共享” 在5G网络建设中，中国运营商率先探索共建共享的创新模式，2019年中国联通和中国电信签署共建共享5G无线接入网络；2020年工信部同意中国电信、中国联通、中国广电共同使用3.3-3.4GHz的频率，用于建设5G室内覆盖；2021年中国移动、中国广电签署700M5G共建共享合作框架协议。由此可见，随着双碳目标的进一步推进以及边缘计算、AI、数字孪生网络等的发展演进，运营商从之前的独享网络，到探索共建共享接入网络共享频谱，再到未来6G网络的算力、数据、智能等的深度共享合作，6G网络共享也将成为一种重要趋势。 未来6G网络中的全面共享，一方面表现在参与共享的主体从最初的不同运营商，逐渐扩大到终端用户、云服务提供商、应用服务提供商等等，甚至会是接入6G网络的各个实体；另一方面表现在可共享的资源种类趋向多样化，不限于运营商拥有的基站和频谱资源，可以是边缘UPF、MEC、传输资源甚至是更上层的核心网功能，也可以是6G网络中不同实体拥有的算力、AI模型算法、数据资源等等。未来在精细化网络运营方面，共享分布式部署的多方资源管理与使用的智能可信需求也成为关键，可通过分布式智能、分布式信任等技术实现共建共享的智能可信方案，满足资源使用数据可信、资源分配可信可视、计费结算数据可信等精细化运营需求，实现多方共赢。 从“补丁安全服务”到“全面安全可信” 传统网络的安全性主要依赖于加密技术和不同层级的安全协议等“补丁式”、“外挂式”的安全解决方案，投入成本大，防护效果有限[8][9]。6G分布式网络架构子网之间差异化的安全策略部署使得子网间可能存在信令风暴、分布式拒绝服务攻击等安全问题。同时6G网络的逐渐边缘化、软件的虚拟化导致不同网元的交互不再经过传统的网络边界设备，网络安全边界逐渐模糊，同时传统“打补丁”方式的安全措施已难以保证数据的安全传输与隐私保护，传统的网络架构所引发的安全问题越来越凸显。因此，6G网络安全能力应嵌入网络架构中，内生安全能力代替“补丁安全服务”迫在眉睫。 6G分布式子网之间以及网元之间需要建立可信的关系。6G网络中多方参与共建共享的模式将从地面扩展到天地融合，子网及网元间可信能力的构建能够促进协同部署网络，从而使6G网络提供自内而外稳健的安全能力。 安全能力应该伴随网络而生，提供灵活按需定制的安全协同能力。为满足6G丰富的业务需求，利用虚拟化技术和网络灵活的业务编排管理能力，业务和网络可以被定制，当用户需求发生改变时，网络也能够无缝切换服务方式和内容，同时安全能力也应该按需定制，通过编排能力为不同业务提供灵活高效的安全能力保障[10]。 6G网络需要统一的数据服务框架。6G网络安全由以网络为核心的安全转向由数据为核心的安全[11]，比如数据驱动型的安全能力，包括了态势感知，数据分类主导的入侵检测，安全能力编排，安全策略优化分析等，这些都需要海量的通信数据以及高质量可信网络为基础，同时数据的处理和应用过程中普遍涉及隐私问题。因此，6G网络需要统一的数据服务框架，对数据的收集、处理以及使用等进行管理，保障数据全生命流程的安全和隐私。 从“孤立云资源”到“分布式算力网络” 云网融合是近年来电信运营商一直在践行的理念，在云网融合1.0阶段主要体现为云协同，云计算和网络服务一体化提供，网络服务于中心云，但云与网相对独立。随着5G、MEC和AI的发展，算力逐步下沉至边缘，网络需要为云、边、端算力的高效协同提供更加智能的服务，计算与网络将深度融合，迈向云网融合2.0，即算网融合新阶段。随着6G时代的到来，云网融合将进入3.0阶段，即算网一体化的算力网络阶段。 算力网络作为一种融合计算和网络的新型解决方案，也是IMT-2030（6G）推进组6G网络研究的重要课题之一。随着数字化、智能化推动计算产业的创新，催生了海量多样化的6G潜在业务场景和应用，数据处理对于算力需求日益剧增，中心化的云计算已无法满足部分低时延、大带宽和实时性业务场景如沉浸式云XR、全息通信和自动驾驶等业务场景的需求。随着边缘计算、分布式计算等新型计算业态的出现，数据中心的云资源部署逐渐从传统的以集约化为主的中心云方式，向云计算与边缘计算甚至端侧计算间的协同调度方式演进，计算向着泛在连接和泛在计算的趋势演进，网络也从孤立的中心化云资源向分布式算力网络演进。未来6G网络构建“云、网、边、端、业”一体化的分布式多级计算协同是必然趋势，云侧负责大体量复杂的计算和算法训练，边缘侧负责敏捷接入和简单本地计算，终端侧负责感知交互的泛在计算模式。随着业务、数据和AI向分布式发展，也需要云、边、端算力实现高效协同的分布式算力网络。 从“单一通信模式”到“通感算一体化” 5G的三大类应用场景增强移动宽带（eMBB）、超高可靠低时延通信(uRLLC)和海量机器类通信(mMTC)，旨在满足5G多样化的应用场景需求，同时也可以看到，5G的多元化的指标需求依旧聚焦在“带宽、时延、连接数”这类“经典”的通信传输指标方面。 无线通信网络技术在后5G使用高频段与无线电感知频段逐渐趋近，通信系统与感知系统在传输处理方面存在相近和相似的特性，催生了“通感一体化”相关技术的研究和发展。另一方面，深度学习、强化学习和分布式学习为核心的人工智能技术的兴起，深化了网络优化、智能感知及控制的研究和应用。上述技术的演进使“通信、感知、计算”深度融合成为可能。 “通感算一体化”的“分布式”主要体现在以下几个方面： -引入无线传感网的网络架构。在相关需求区域部署具有感知、计算、存储和无线通信能力的微型节点自组织分布式无线传感网络，支持感知、定位、测绘和检测识别的网元功能。 - 从网络架构、网元功能和交互协议出发，设计和构建新型通感一体化网络。研究分布式多接入网络智能协同组网新方法，满足网络中差异化节点的通信业务需求；引入支持信息感知辅助的网络通信协议，通过分布式路由算法，网络节点快速入网，构建分布式架构，提升网络获取感知信息和计算分析的效率。 |
|
|
