2025年6G网络内生智能白皮书.docx

中国联通

6G 网络内生智能

白皮书

中国联通研究院

下一代互联网宽带业务应用国家工程研究中心
2025 年 7 月

中国联通 6G 网络内生智能白皮书

目录
前言 1
一 、6G 网络内生智能演进驱动力 2
二 、6G 网络内生智能场景与需求 3
（一） 对内的 AI for NET 服务 3
1. 应用场景：智能网络优选 4
2. 应用场景： 网络自治 4
（二） 对外的 NET for AI 服务 5
1. 应用场景：智慧医疗 6
2. 应用场景： 自动驾驶 6
三 、6G 网络内生智能系统框架 7
（一） 架构设计原则 7
（二） 内生智能能力框架 9
1. AI 服务开放 9
2. AI 任务管理和编排 11
3. AI 服务资源 13
（三） 智能化多要素融合 15
1. AI + 连接 15
2. AI + 数据 17

中国联通 6G 网络内生智能白皮书

3. AI + 计算 20
四 、6G 网络内生智能关键技术 22
（一） 意图驱动 22
（二） 机器学习 27
（三） Agentic AI 35
（四） 评估技术与自演进 38
五 、结束语及展望 41

-4-
中国联通 6G 网络内生智能白皮书

前 言
随着信息技术的飞速发展 ，6G 作为未来通信技术的核心， 已成 为全球研究的热点。人工智能（ AI ）与通信技术的深度融合被认为是 6G 网络发展的关键方向之一。本白皮书基于《中国联通 6G 网络体 系架构白皮书》和《中国联通 6G 核心网系统架构及关键技术展望白 皮书》对 6G 网络的架构设计展望，从驱动力和场景与需求出发，提 出对 6G 网络内生智能系统框架的构想，探讨内生智能能力框架和关 键技术，前瞻性擘画了面向 6G 的智能网络新范式，希望能为驱动智 能技术与网络深度融合 、加速实现具备原生智能基座的 6G 通信网络 重构注入新动能。

本白皮书有中国联通研究院牵头编制，参编单位包括（排名不分 先后）：
中国联通集团建设发展部、中兴通讯股份有限公司 。
编写组成员（排名不分先后）：
李晨仪 、穆佳 、唐雄燕 、王泽林 、任驰 、陈婉珺、邢天齐 、赫罡 、 高功应、樊万鹏、何伟、郑国斌、詹亚军 。

-1-
中国联通 6G 网络内生智能白皮书

一 、6G 网络内生智能演进驱动力
2023 年 11 月， 国际电信联盟无线电通信部门 ITU-R 完成了 《 IMT 面向 2030 及未来发展的框架和总体目标建议书》，明确通信 和人工智能一体化成为 6G 的六大使用场景之一，将无所不在的智能 列为 6G 系统的设计原则之一 。
在 5G 网络阶段，系统架构设计之初没有考虑对 AI 的原生支持， AI 主要以集中式云化部署提供智能化服务， 需要网络将数据传送到 云端， 云端进行数据分析推理。其引入的 AI 技术是针对 5G 网络中 特定的已识别问题进行逐用例 、外挂式的预测 、优化和性能改善。仅 通过对现有系统进行修补和增强的方式很难彻底地发挥 AI 技术和通 信技术融合的优势，AI 模型及对应的训练和泛化等均独立于网络， 无法充分利用网络内的连接 、数据 、计算等资源。与此同时，仅采用 AI 技术解决特定网络优化问题，通过增量式、补丁式实现网络智能 化功能增强，难以满足未来 6G 网络动态复杂多需求的服务场景。此 外，虽然在无线接入网 、核心网 、网络管理等多域对智能化均有研究 和应用，但这些都是从本域的角度出发处理用例和问题，缺少端到端 的架构和生命周期管理框架，AI/ML 模型无法跨域应用和管理，无法 系统性得提升网络效率。
5G 的 AI 应用集中在网络优化 、智能运维方面，因网络本身智能 化水平不高 、深度不足 ，不支持对外部系统和 AI 应用开放网络的 AI

-2-
中国联通 6G 网络内生智能白皮书

要素、AI 能力和 AI 服务， 只负责 AI 相关数据传递， 缺乏赋能外部 AI 应用的能力，无法提供 AI 服务质量保障。
6G 网络智能化的发展将结合 AI for NET 和 NET for AI，AI 既 是原生特性和基础能力， 也是服务， 既服务 6G 系统本身， 也服务 6G 系统外的其他对象，支持多样的 AI 相关应用。因此使得未来移动 通信网络不仅是传输管道，更需要将智能服务所需的多维资源与网络 功能 、协议和流程进行深度融合，设计架构级智能内生， 以满足 6G 网络内外的 AI 服务需求，将 6G 网络打造成服务于智能社会的基础 底座。
二 、6G 网络内生智能场景与需求
6G 网络内生智能主要体现和应用于对内的 AIfor NET 和对外的 NET for AI 两个方面，6G 网络既作为智能化服务的消费者，又作为 服务的提供者，面向全场景提供 AI 能力和服务。
（一） 对内的 AI for NET 服务
对内的 AI for NET 服务主要是网络自用AI 服务，用于治理 6G 系统内的本身环境内数据，以增强网络的自动化程度和网络性能，提 升网络运行和信令交换的通信效率。主要场景包括：借助 AI 技术优 势，通过数据 、模型 、算法等资源驱动智能网络，在约束条件下计算 、 推导、分析，解决没有最优解的非确定性、非线性、多目标等问题 。 AI 赋能的智能网络能够通过主动感知用户/UE 状态/意图 、网络状态 、

-3-
中国联通 6G 网络内生智能白皮书

网络资源、业务质量，采集相关数据并进行分析、预测和动态决策， 然后基于生成的策略， 自主执行网络功能的部署/优化/配置 、以及网 络 AI 资源的调度，从而提升用户体验的 AI 任务，为 6G 网络提供智 慧支撑。
1. 应用场景： 智能网络优选
基于用户状态（例如高速移动 、漫游等）、用户所在网络环境（例 如当前服务网络的信号质量 、当前网络负载情况 、用户所在位置能提 供服务的其他网络信号质量及其网络负载情况等）、用户使用的应用 /业务类型 、当前业务体验等信息作为输入，结合 AI 对用户的网络行 为历史数据 、当前应用对网络性能指标 、移动性的要求等数据进行分 析，建立 AI 模型，预测用户/UE 移动轨迹、用户/UE 行为，感知网 络各节点状态，为用户在不同频点 、基站 、不同接入制式（ 4G/5G/NR NTN/6G 接入） 、不同系统（3GPP 系统、非 3GPP 系统） 、不同 PLMN 之间实现智能网络优选的无缝切换，动态保障用户业务体验。
2. 应用场景： 网络自治
6G 内生智能网络通过在系统内引入端到端的 AI/ML 智能能力， 实现自感知、自分析、自决策、自执行的高度自治网络。
6G 网络将主动、自动地对环境、网络资源及状态、用户需求/ 意图、业务质量进行感知，结合 AI 技术，进行分析和推理，根据分 析结果动态生成系统级网络控制 、资源分配 、路由调度等决策，将决

-4-
中国联通 6G 网络内生智能白皮书

策策略智能映射为网络架构 、功能 、参数等配置，然后通过自动化的 配置执行和测试验证，实现网络策略的全自主化部署和执行，再根据 执行的表现，更新感知内容和范围， 闭环的任务处理。
（二） 对外的 NET for AI 服务
对外的 NET for AI 服务主要是面向 6G 的新业务应用， 网络赋 能 AI 应用和场景， 能完成智能化业务本身， 同时主要为智能化的业 务提供所需的网络资源 、功能 、服务等支撑，使能跨生态跨系统跨平 台的 AI 应用/智能体 。根据 ITU-R《 IMT 面向 2030 及未来发展的框 架和总体目标建议书》的 6 个典型场景，通信 AI 一体化场景中的具 体用例均属于对外的 NET for AI 场景，其需要网络支持分布式计算 和 AI 应用，典型用例包括：辅助自动驾驶、医疗辅助应用设备间的 自治协作 、跨设备和网络间的密集计算卸载 、数字孪生的创建和预测 等。
6G 将 AI 作为服务提供实现了 6GAIaaS（ AI 即服务），通过开 放网络的原生 AI 相关业务、能力及资源要素（如连接、数据、计算 等多维度资源），以及引入外部的智能体生态（如 MCP/A2A ）等赋 予的 AI 服务、能力和资源，使网络对外提供完成智能化任务所需的 AI 服务。外部系统（如智能终端 、应用 、平台）可基于 6G 网络提供 AI 服务，个性化定制化更新迭代， 面向企业、垂直行业的不同用户 对象提供智能化服务。

-5-
中国联通 6G 网络内生智能白皮书

1. 应用场景： 智慧医疗
医疗行业场景中，远程家庭医疗需要连接患者住宅内各类医疗检 测监护设备（如可穿戴设备 、监护仪 、摄像头 、显示器 、护理机器人 等），实时传输医疗数据，为医生提供更全面的医疗诊断依据 。与此 同时，多种智能医疗设备之间需要通信和交互，协同高效地完成对患 者的监测和护理，网络需要保证这类信息传输的超低时延和高可靠保 障 。传统基于单体 AI 的诊疗方法，受限于 AI 模型算法成熟度和样本 的数量，诊断的准确性和可靠性不理想。基于 6G 内生智能的智慧医 疗，可以使各地医疗机构和从业人员通过网络获取 AI 模型算法、病 例数据样本，协助医疗机构在保证患者数据隐私的前提下完成多源异 构数据处理以及模型训练 、模型优化等 AI 任务，迭代诊疗模型和提 升诊疗的准确性和可靠性。
2. 应用场景： 自动驾驶
面向交通行业的自动驾驶场景，网络可以提供自动驾驶车辆环境 感知 、检测识别 、环境预测 、车辆轨迹预测 、规划 、实时推理决策等 数据信息或结果，自动驾驶车辆基于获取到的网络侧数据输入本地模 型，协同网络侧数据结果对车辆行驶进行决策和控制。
无人驾驶车辆需要进行环境感知和环境感知数据获取，以构建车 辆行驶的决策和控制模型。在环境感知方面，车辆需要进行诸如视觉 处理等运算量大 、算力需求高的任务。由于端侧算力有限，可以将这

-6-
中国联通 6G 网络内生智能白皮书

些计算任务卸载到 6G 网络。6G 网络可以对计算任务进行编排和调 度，协调最优计算节点，为其提供计算资源，输出计算结果，从而协 同终端完成计算任务 。在环境感知数据获取方面，车辆可以请求网络 的数据服务。网络基于请求对环境感知数据进行采集 、处理（例如数 据筛选 、去噪 、去异常 、特征提取 、数据分析等） 、存储，从而提高 数据处理效率，满足数据服务需求。
三 、6G 网络内生智能系统框架
（一） 架构设计原则
面向 6G 智能服务泛在化的演进趋势和多维场景服务需求， 6G 内生智能能力需要基于原生泛在 、分布组网 、多资源要素协同 、任务 驱动 、开放的设计理念进行体系化构建，以实现灵活 、按需 、高效的 智能服务供给，满足多元化服务需求。
AI 技术原生，AI 功能泛在：6G 面向 AI，对 AI 的支持与生俱来， 6G 网络在架构层面将网络和 AI 能力及 AI 要素深度融合，把 AI 嵌入 到网络架构中各种层级、区域、平面、节点和接口所支持的功能中， 核心网将具备普遍的、泛在的 AI 和机器学习功能， 为实现网络高水 平自治和满足多样化业务需求提供坚实的智能化基础。
分布式 AI：6G 内生智能系统具有分布式特征，网络具有集中式 与分布式相结合的混合 AI 架构， 由中央 AI 和各域 AI 组成， 中央 AI 具备 AI 任务的统一编排管理 、分解下发，管理 、协同分布式 AI 能力，

-7-
中国联通 6G 网络内生智能白皮书

支持同一任务在多个不同类型（数据节点 、计算节点）分布式节点协 调/同时执行，分布式 AI 具备数据采集 、模型训练 、模型推理等能力， 支持多种分布式学习方法，并接受中央 AI 的管理编排和任务下发， 利用分布的 AI 节点实现按需就近高效的智能化服务，缩短传输时延， 降低传输负荷、能耗和成本。
多资源要素协同：分布式 AI 需要来自各方的各类型资源的深度 融合，因为多数 AI 应用案例/任务需要由多方资源协同完成，因此需 要网络支持多资源要素如计算 、数据 、连接 、基础设施资源的灵活调 度 、共享 、使用 、协作 、协同控制，以获得最佳性能，发挥 AI 能力， 完成任务及其服务质量保障。
以任务为中心：传统通信主要是以数据传输的连接为中心，保证 数据传输服务质量。6G 在传统通信网络基础上提供 AI 即服务的智能 连接通信服务，AI 类服务需要的资源调度除连接外还涉及各类型资 源如计算、数据、模型等， 需要以系统编排提供的 AI 任务而不是以 终端提供的连接请求为依据，可以将复杂的 AI 任务分解为多任务下 发相应 AI 节点，各 AI 节点协同并行以任务粒度完成智能业务处理， 灵活高效地支持各场景各类智能任务。
AI 能力和服务开放：对智能终端、应用、平台、第三方外部系 统提供集成网络原生的 AI 相关业务 、能力及资源要素如计算 、数据 、 连接和引入的外部智能体生态工具如 MCP/A2A 、资源等多维度组合，

-8-
中国联通 6G 网络内生智能白皮书

根据所需提供定制化 AI 服务，满足 6G 多样的业务需求。
（二） 内生智能能力框架

图 6G 网络内生智能能力框架示意图
基于 6G 内生智能的架构设计原则，本白皮书提出 6G 内生智能 能力框架，如上图所示，从逻辑层级自上而下依次为 AI 服务开放、 AI 任务管理和编排、AI 服务以及 AI 服务资源。
1. AI 服务开放
接收网络内部或外部 AI 应用的各类 AI 服务需求和 AI 服务、功 能、资源调用， 为外部 AI 服务的各类需求方提供接口和多模态融合 协议 、协议转换，使需求方与网络内生智能系统无缝交互，开放网络 的 AI 能力、资源和服务，提供满足不同智能业务应用场景和实时的 AI 服务。
6G 网络可通过服务的形式对外提供独立或协同的智能化能力，

-9-
中国联通 6G 网络内生智能白皮书

满足未来超越连接的新业务场景。随着 AI 领域智能体业务生态的不 断繁荣 ，6G 网络将提供的 AI 能力 、资源和服务等可以以例如 MCP Server 形式向外部 Agent 提供，或者以 Agent 的形式与外部Agent 互联互通。其中 6G 网络提供的 AI 服务包括以下内容， 同时接受 AI 任务管理和编排的调用。
连接服务：将各类智能体/智能终端/应用连接入网，把局部数据 连接起来，按需提供对对应业务/服务对象的管理、控制和协同。传 输智能业务需要的相关数据（感知数据、计算数据、AI 算法数据、 模型数据等），提供超低时延高可靠、超大带宽和高速率数据传输， 满足服务数据的传输时延、保障带宽、实时交互等要求。
数据服务：将各类数据引入网络，通过数据采集 、数据访问 、数 据处理、数据分析、数据存储、数据协调，实现对数据的按需采集 、 分布式协同 、弹性存储，提高数据处理效率，提供需求方调用的数据 服务。
计算服务：通过对泛在的异构算力资源进行感知 、度量 、编排管 理、按需调用，实现算力的高效分配，完成计算任务的分配和执行， 为请求方提供所需的计算服务。
模型服务：基于 AI 服务资源，结合连接服务、数据服务和计算 服务，为来自终端 、网络和而业务的 AI 应用提供从模型生成 、训练 、 推理到优化、验证和部署的全流程服务支持。

-10-
中国联通 6G 网络内生智能白皮书

连接/数据/计算协同服务：以任务为中心，根据服务需求，进行 任务分解，计算/数据/连接服务协同，完成需求方请求的服务，保障 多元化场景的服务质量和效率。
2. AI 任务管理和编排
对 AI 任务进行统一的管理和编排，包含意图解析、任务分解， 多资源要素协同控制、算法模型管理、AI 服务质量管控功能。 以任 务为中心，基于网络内部或外部的各类 AI 服务需求，将需求转化为 网络可解释的 AI 任务，基于任务目标，进行统一编排,包括任务执行 的顺序及优先级等，以提升系统性能和任务完成效率 。支持将总体复 杂的 AI 任务拆解成子任务，创建 AI 子任务。通过 AI 服务需求跨层 跨域与连接 、数据 、计算服务的协同管理 、对网络状态的感知 、及对 网络资源的识别 、编排和调度，闭环各任务，实现给定任务目标，完 成用户意图。AI 任务管理和编排的主要功能如下：
意图解析：用智能化方式提取用户 、网络或应用意图请求，转化 为网络需执行的任务。借助 AI 技术如深度神经网络建立意图模型， 实现意图转译 、映射，将用户（请求方）意图向业务意图（如预测类 业务 、分析类业务 、优化类业务 、训练类业务） 、服务意图（如连接 服务、数据服务、计算服务）和资源意图（如算力资源、存储资源 、 通信带宽资源）逐步映射解析，形成网络可理解可执行的任务。
任务分解 ：负责将总体复杂的 AI 任务，通过适当的 、AI 辅助的

-11-
中国联通 6G 网络内生智能白皮书

拆分策略，分解为多个子任务，实现 AI 任务的分解。例如分解为连 接 、数据 、计算任务等不同的任务或任务组合，创建形成基于各类服 务的 AI 子任务，映射下发到连接服务 、数据服务 、计算服务服务中 。 一个子任务由一个服务独立负责或由多个服务共同完成，多任务能同 时执行。每个服务借助内嵌 AI，将接收到的子任务进一步分解成子 任务流，通过基于子任务流的资源调度，灵活高效地执行任务。
多任务资源要素协同控制编排：面对 6G 网络中将出现的不同类 型任务，任务涉及多服务要素和资源 。通过对多节点场景下连接 、数 据 、计算服务和资源的协同和调配，支持同一任务分解的多个子任务 在多个不同类型（数据节点 、计算节点）分布式节点协调/并行/串行 执行，串联起各类各个子任务，针对完成好的子任务整合封装，闭环 任务，通过上层输出提供给需求方 。支持基于任务的端到端网络数据 通信 、功能服务调用，智能管控，规划和优化任务执行流程以提高任 务执行效率，发挥网络 AI 最佳性能。
算法模型管理：对模型的生命周期进行统一管理及模型的统一存 储纳管 。模型管理覆盖了机器学习模型的整个生命周期，包括数据采 集 、模型开发 、训练 、部署 、监控 、优化等逻辑功能。支持提供完整 或独立的模型服务，基于复杂 AI 任务的意图解析、任务分解，不同 类型的任务将会采用不同的模型实现，按需提供模型服务。支持模型 存储，支持基于任务、利用网络资源和 AI 要素构建训练模型和外部

-12-
中国联通 6G 网络内生智能白皮书

导入的第三方模型，通过标准的模型管理规范和流程进行统一管理调 用和模型优化迭代，提升模型表现，确保模型的可靠性 、一致性和可 维护性。
AI 服务质量 QoAIS 管控：面向 6G 网络多样化智能业务场景， 对 AI 服务质量有着不同的需求，在 AI 服务和 AI 任务的全生命周期 中，需要一套完整有效的效果评价和保障机制进行量化评估、优化 、 保障请求方在各种场景下的 AI 服务体验 。6G 智能服务引入了除连接 以外的数据 、计算 、模型多个维度服务和资源，因此除数据包时延预 算 、误包率等 5G QoS 通信特性外，评价需包含 AI 服务整体效果评 价指标和基于多维度要素的 AI 任务评价指标 。其中，AI 服务是网络 整体作为智能化平台以服务形式提供 AI 能力，其评价指标可以包含 服务准确度、服务覆盖率、服务响应时延、系统能效、服务密度等 ， 反映网络提供 AI 服务的表现，可以使运营商更好地评估和优化提供 的 AI 服务质量。AI 任务是由 AI 服务分解得来，性能指标注重与数据 、 计算 、模型的结合评价，包含数据完整度 、数据冗余度 、数据处理时 延等来表达 AI 数据性能，推理准确度、训练或推理时延、训练或推 理数据密度、训练或推理能耗等来表达计算/模型性能。此外需要建 立 QoAIS 的监控优化机制，实时感知监控各执行节点实际 AI服务和 AI 任务 QoAIS 值，动态调整优化下发策略。
3. AI 服务资源

-13-
中国联通 6G 网络内生智能白皮书

AI 服务资源是 6G 内生智能能力框架的底层支撑，涵盖了连接 、 算力 、存储 、数据 、算法 、模型等多维度的物理设施和基础资源，具 有灵活部署 、泛在分布的特征 。采用 AI 算法可以实现对资源的监控 、 可用资源上报，预测资源访问频率和需求，辅助和协同资源管理和调 用，实现系统性多维异构资源跨域协同和更细粒度的资源自优化，提 高协同效率，全局最大化资源利用率。
从资源类型与特征角度，可以把 AI 服务资源分为如下类别：
连接资源：包括网络带宽 、数据转发能力等，用于支持智能业务 的数据传输需求 。6G 网络结合 AI 技术，可以实现对连接资源进行动 态监控和优化，根据业务流量的变化实时调整带宽分配和路由策略， 确保超低时延、高可靠的数据传输。
计算资源： 涵盖各种计算设备， 如 GPU 、NPU 、ASIC 等， 以 及服务器集群 。这些资源用于执行 AI 模型的训练 、推理等计算任务 。
存储资源：用于存储 AI 训练数据、模型参数等信息。包括分布 式存储系统 、云存储等，能够支持大规模数据的弹性存储和快速访问。
数据资源：是 AI 服务的核心基础，包括网络数据、用户数据、 业务数据、感知数据等。此外，还可通过数据服务对数据进行采集 、 清洗、标注和管理等处理，确保数据的质量和可用性。
算法与模型资源： 包含各种 AI 算法框架（如 TensorFlow 、 PyTorch 等）和预训练模型库（例如：通信网络大模型等）。这些资

-14-
中国联通 6G 网络内生智能白皮书

源为 AI 任务的执行提供了算法支持和模型基础。
其他软件资源：如开发工具 、调试工具 、监控工具等，用于支持 AI 应用的开发、部署和运维。
（三） 智能化多要素融合
1. AI + 连接
6G 网络功能的智能化升级是实现内生智能的关键环节之一，AI 技术与 6G 网元能力深度融合，形成智能化的网络功能体系，以满足 未来复杂多变的通信需求。
（ 1 ）网元智能增强
网络功能和 AI 相结合，具备更强的自主决策和自适应能力。每 个网元能够通过内置的 AI 模型实时分析本地的网络数据，如负荷状 态 、用户行为等，自主调整自身的参数设置，以适应不同的网络环境 和业务需求。
（2）智能调度
通过 AI 算法对 6G 网络中的各种功能模块进行动态编排和管理 及策略生成。根据实时的网络流量、业务需求和资源状态，AI 能够 自动调整网元的功能配置，优化网络拓扑结构，实现网络资源的高效 利用。例如，基于 AI 的流量预测模型可以提前感知业务流量的变化 趋势，自动调整网络中的路由策略，将流量合理分配到不同的路径上， 避免网络拥塞，提升网络的整体性能。

-15-
中国联通 6G 网络内生智能白皮书

（3）AI 能力的协同与优化
AI 能够促进不同网元之间的协同工作，打破传统网络中各网元 相对独立的模式。通过 AI 算法对网络全局状态的感知和分析，实现 网元之间的信息共享和协同决策。例如，核心网与无线接入网之间可 以通过 AI 模型进行联合优化，核心网根据无线接入网的信道状态和 用户分布信息，优化资源分配策略；无线接入网则根据核心网的业务 需求和流量调度指令，调整无线资源的配置，共同提升网络的整体性 能和用户体验。
（4）生成式网络
支持基于生成的网络功能和流程 。6G 网络收到需求方的建网意 图后，经过意图理解和分析转化成网络的建网任务，将复杂的建网任 务分解成多个可执行的子任务 。基于 6G 网络感知到的物理网络和虚 拟网络的资源和状态，包括基站的覆盖范围、频谱资源、带宽资源 、 计算和存储资源等，智能决策所需的网络功能，完成物理和逻辑网络 的规划 、网络资源的分配和网络功能的部署与配置 。6G 网络收到终 端的新业务意图后，基于感知到的网络现有的功能和业务，决策需要 生成的一个或多个新业务功能和逻辑 。动态生成新的业务功能后，网 络支持对新业务功能的灵活编排和调度。例如，基于网络现有功能和 可执行的流程，网络支持将新的业务功能编排进已有的流程中，或者 生成新的流程，实现新的业务功能的灵活调度，完成终端的业务需求 。

-16-
中国联通 6G 网络内生智能白皮书

2. AI + 数据
随着感知 、AI 等新业务的发展，6G 网络中将会存在海量的异构 数据，如用户行为数据，网络状态数据，环境感知数据，多媒体数据， 各种模型数据等等。这些长短期异构记忆数据和 AI 能力相辅相成， 一方面，海量数据结合 AI， 能够形成新型的智能数据服务， 增强数 据价值；另一方面，数据的聚合 、关联和知识化，为智能演进提供了 记忆基础，辅助模型优化和智能进阶。
（ 1 ）AI 使能网络数据的全生命周期优化和管理
对于数据的采集、访问、处理、分析、存储等可以结合 AI 提升 数据效率，解决 6G 数据大规模，多模态，实时性等诸多增强要求， 这种多方的数据诉求可能是基于意图的多模态访问方式，突破传统单 模数据访问形式。
自主智能的数据采集：基于多种场景的数据分析和采集需求，通 过 AI 自动识别和拆解数据任务，由 AI 智能决策该场景需要采集哪些 种类的数据，拆解为对于不同数据源的采集任务请求，同时针对不同 的采集源以及点到点，点到多点和数据传输的 SLA 需要，可以智能 编排使用的数据传输协议，在跨域的数据传输上，需要进行数据节点 转发，AI 可以优化数据转发路径， 形成最优的数据路径策略。采集 到的多模态数据可以自动进行数据分类识别和存储匹配，完成高效的 历史数据存储。通过端到端的采集过程 AI 加持，保证数据采集流程

-17-

的高效和合理。
（2）数据自解释图谱
6G 网络中的多维数据不再是一个个的数据孤岛， 而是通过 AI 将数据进行关联，在保存数据本身的同时，还会保存数据的语义和描 述信息等，这种数据和语义的结合，使得数据能够具备自我解释性， 从而使得数据互通更为简单，多方数据不再需要标准化数据模型，可 以通过 AI 理解数据语义，通过数据语义自解释，减少数据格式转换， 降低数据模型统一难度，在网络数据代际互通 、业务多版本数据管理 等方面发挥巨大作用 。另外，对于多模态数据，特别是很多非结构化 的数据，结合数据自解释语义和 AI 能力，突破传统网络非结构化数 据理解困难，从而可以结合长期用户记忆数据，针对用户进行用户聚 合 、迁移 、离群 、关联等增强分析，针对业务建立流程和工具使用分 析，建立用户画像和业务知识画像，结合 AI 可以有效将数据知识化， 结合数据的开放能力，形成用户时空数据分析，关联数据价值挖掘等 新智能数据服务。
（3）AI 模型进化智能进阶
未来网络 AI 走向大模型和小模型混合形势，模型的进阶依赖海 量多模态数据，依赖网络数据的聚合和规模效应，需要统一的数据智 能体有效的将数据整合形成 RAG 补充 AI 能力。首先网络内数据需要 能够进行自动数据清洗和公共预处理，去除常规的数据错误和异常，

-18-
中国联通 6G 网络内生智能白皮书

同时对多模数据进行归一化向量转换等以方便网络模型的合理使用 和相似检索。更进一步，AI 的进化依赖多场景多元化的数据来进行 微调和优化，这就需要建立完备的记忆数据资产， 以及 AI 结合记忆 资产的合成数据生成，生成边缘场景数据等，形成完备的数据增广场 景化闭环，基于新的增广数据和合成数据不断优化网络模型，从而促 使网络模型的高阶演进。
（4） 网络感知数据服务赋能终端
由于智能体终端采集数据成本非常高，构建通用基础模型的最大 瓶颈是低成本实采数据，相较于自动驾驶，模式无法复制，智能体面 临数据孤岛的境地，对统一实采数据平台诉求强烈，需要网络数据服 务赋能终端。
智能体终端可向通感网络请求感知数据服务赋能，结合数据平面 的能力，根据智能体需要更新或泛化的模型的相关信息，以及根据数 据平面存储的历史感知数据，提取与当前需要更新或泛化模型的场景 相似的历史感知数据 。其中需要更新或泛化的模型的相关信息可以包 括：模型的应用场景，例如低空 、车路 、边海防等场景；模型在同一 应用场景中不同背景下的数据，例如低空场景下，一个背景是建筑物 较多，另一个背景是树林植被较多；感知的目标类别的差异，即使背 景相同，感知的目标类别可能不同，例如无人机 、车辆或船只的型号 不同。如果发现存储的历史感知数据不存在相应场景的数据，网络可

-19-
中国联通 6G 网络内生智能白皮书

以通知相同场景下部署的感知设备启动感知功能，进行数据采集 。此 外，即使历史感知数据中存在相关场景的数据，网络也可以选择通知 感知设备启动数据采集。
其增益在于，相同场景下的不同背景数据，或者相同场景下的相 同感知目标类别下的不同感知对象数据可增强模型性能(泛化性)。此 外，网络可作为低成本的数据统一提供平台给终端智能体进行数据服 务赋能，减少终端智能体因额外配置传感器带来的成本开销。
综上，6G 网络中需要构建完备的 AI 和数据融合，形成智能化的 记忆网络， 以使得智能服务和数据服务的相互促进和发展。
3. AI + 计算
随着 AI 技术的迅猛发展，尤其是多模态大语言模型（LLM）和 沉浸式 XR 业务的快速崛起，未来的网络不仅要满足基本的连接需求， 还需要具备“超越连接 ”的计算能力 。未来世界正朝着多维算力分布 式呈现 、全息感知无处不在 、高智力与高算力应用并行发展的方向迈 进。要求其具备全面感知与汲取信息的能力、强劲的计算服务能力 、 精准的智能决策与深度思考能力， 以及高效的执行能力。AI 技术与 6G 网络中的计算资源深度融合，形成智能化的计算服务体系 ，为各 种 AI 应用和业务提供强大的计算支持， 同时也提升计算资源的利用 效率和灵活性。
（ 1 ）运营商网内外的算力纳管

-20-
中国联通 6G 网络内生智能白皮书

智算网络能够统一纳管运营商网内的计算资源以及网外如 OTT 中心云的计算资源，为终端用户提供统一的计算服务入口。同时，它 打通终端 、网络与计算之间的服务框架，构建具备网络 QoS 保障的 灵活便捷的算力卸载点，支撑网内外计算服务与终端协同运行。
（2）计算资源的智能调度与分配
基于 AI 算法/模型对计算任务的需求特征和计算资源的性能状态 进行分析，实现计算资源的智能调度和分配。对根据任务的优先级 、 计算复杂度 、数据量等因素，将计算任务分配到最适合的计算节点上， 如边缘计算节点、云计算中心或本地设备。AI 可以实时监控计算资 源的使用情况，动态调整资源分配策略，提高智能调度和资源分配的 合理性，确保计算任务的高效执行。
（3）异构计算资源的协同
通过 AI 技术将不同类型的计算资源（如 GPU 、NPU 、ASIC 、 CPU 等）进行统一管理和协调， 实时感知每种资源的性能、负载和 可用性，从而为计算任务提供全局的资源视图，有助于实现资源的高 效利用和任务的高效执行。此外，通过 AI 技术可以分析计算任务的 特性（如计算密集型 、数据密集型 、实时性要求等）和资源的性能特 点，实现智能动态地将不同特性的计算任务分配到最优的计算节点。 然后，根据任务的执行情况和资源的实时状态，通过负载均衡和协同 计算机制，确保多个计算节点之间高效协作，充分发挥各资源的优势，

-21-
中国联通 6G 网络内生智能白皮书

提升整体计算效率和系统性能。
（4）分布式计算服务
在 AI+计算场景中， 网络可以提供 AI 模型的训练、推理、优化 以及资源池等能力和资源的开放。终端 、网络和业务应用可以申请这 些能力和资源，进行个性化模型的高效训练 、实时推理以及持续优化， 降低 AI 应用开发和部署的门槛，促进跨领域 、跨行业的 AI 创新，推 动 6G 网络 AI 技术的生态发展。
同时 ，6G 网络提供分布式计算架构 ，实现计算任务的分布式处 理和协同计算。分布式计算节点之间可以提供协同学习和模型共享， 在保障数据隐私的前提下，进一步提升分布式计算的性能和效果。
四 、6G 网络内生智能关键技术
（一） 意图驱动
在传统网络管理体系中，业务需求往往通过精细的参数配置和逐 级指令执行来达成。运营者需根据网络拓扑、业务类型、用户数量 、 终端能力等多维因素，手动编排网络策略。这种方式虽然具备高度可 控性，但在面对 6G 时代场景多样性 、网络复杂性和业务动态性的挑 战时，已显得低效 、繁琐，难以支撑智能化 、自适应的网络演进需求。
“意图驱动（Intent-Driven） ”是一种以结果为中心的网络控 制范式，强调网络管理由“面向配置 ”转向“面向目标 ”。在该范式 下，用户、业务系统或上层应用无需了解具体网络结构与配置细节，

-22-
中国联通 6G 网络内生智能白皮书

仅需表达“希望网络达到什么样的状态 ”或“期望某类服务具有什么 表现 ”。网络系统接收这一意图后， 自动完成意图识别、策略生成 、 资源匹配、执行部署，并通过持续感知与反馈保障业务目标的实现。
意图驱动强调“告诉网络你想要什么，而不是怎么做 ”。其核心 思想是将业务语言（如“保障这个视频会议低时延不中断 ”）转换为 网络语言（如“对该流量分配专属切片 、配置 5ms 时延 、保障 99.99% 可靠性 ”） ，实现网络能力对业务目标的自动对齐。
从架构角度看，意图驱动体系通常包括三个关键层次：
意图表达层（ Intent Expression Layer）： 负责接收用户或系 统输入的高层意图。输入形式可以是自然语言 、业务 API 或模板化语 句， 目标是将“人或系统的目的 ”准确捕获。
意图解析与建模层（ Intent Parsing & Modeling Layer） ：将 非结构化或半结构化的意图转化为网络可理解、可执行的意图模型。 该层需要构建通用的意图模型描述语言（如基于 YANG 或 JSON 的 意图 DSL ），并结合 AI 算法进行语义消歧 、目标识别 、优先级提取 等操作。
策略执行与保障层（ Execution & Assurance Layer）：基于当 前网络状态 、资源能力 、历史经验等信息，制定具体执行策略并下发 至控制面或管理系统 。该层还需持续监测业务运行状态，确保策略执 行后网络行为与用户意图一致，若偏离则触发重配置或意图重新规划。

-23-
中国联通 6G 网络内生智能白皮书

在 6G AI 内生架构下， 意图驱动提供了人与网络、服务与能力 之间的接口革新 。它让网络具备理解“业务语言 ”的能力，并具备“ 自 己决定如何达成目标 ”的智能执行机制，是实现“ 自感知、自决策 、 自适应、自优化 ”网络愿景的重要起点。
意图驱动机制要从“用户说出目标 ”发展为“ 网络理解目标并自 动达成 ”，必须依托一整套能力完整 、协作