5月9日消息（艾斯）市场研究公司Omdia资深首席分析师杨光在一篇报告中对3月份举行的3GPP 6G研讨会内容进行了复盘，并针对其中的一项重要议题——人工智能（AI）在6G空口中的作用进行了单独梳理。
3GPP于3月10-11日在韩国仁川举办了6G研讨会，期间探讨了6G愿景与技术优先级。在空口技术方面，会议达成一致共识：6G需构建一个可扩展的人工智能和机器学习（AI/ML）框架，并原生支持AI/ML生命周期管理。潜在用例包括信道估算、降低参考信号开销、通过AI增强型接收器提升上行链路性能等，更多新用例将在6G研究阶段进一步探索。
多家领先企业针对6G空口中的AI/ML提出了一系列原则，并获得了多数主流运营商与设备商的认同。然而，关于AI/ML在6G空口中的具体实现方式仍存在不同观点。3GPP RAN工作组将进一步协调分歧，并计划在6G研究阶段末期达成协议或决定。
基于AI的技术是性能提升的必要途径
提升频谱效率与系统性能始终是新一代移动通信系统研发的首要目标。在近期3GPP 6G研讨会上，3GPP成员一致认为，未来的6G研究“需展现显著增益以证明6G无线技术的合理性”。根据德国电信的说法，6G应“显著提升频谱效率”，即“与最新的5G-Advanced相比，（按频段对等比较）频谱效率提升10%”，这需要显著提高频谱效率。
尽管各方对6G空口波形设计、信道编码、调制方案及后向兼容性等议题存在分歧，但许多运营商和供应商都与Verizon观点一致：“传统方法已逼近性能极限，而基于AI的技术可能提供进一步优化空间。”因此，研讨会一致认为，应为6G构建一个可扩展的AI/ML框架，并提供对AI/ML生命周期管理的原生支持。潜在用例涵盖信道估算、降低参考信号开销、通过AI增强型接收器提升上行链路性能等，更多新用例将在6G研究阶段持续挖掘。
6G中AI/ML的架构与原则
一些领先企业提出了6G中AI/ML的架构与设计原则。例如，Verizon提出以下6G AI/ML RAN架构：
原生支持6G AI/ML，而非后期附加功能
端到端系统需协同运行，避免功能冲突
运营商对数据收集具备控制权与可视性
优化AI/ML训练与推理的数据收集及订阅框架
运营商可以控制AI/ML模型的激活与停用
以模块化形式标准化新网络功能，支持即插即用AI/ML模块
标准化数据收集特征及其对RAN功能的影响
网络按需配置/触发AI/ML功能（基于用户订阅、位置等）
此外，Verizon指出“AI/ML框架需包含回退机制，包括网络控制选项”。爱立信与中国电信等企业亦支持设计回退至非AI/ML算法的机制。例如，爱立信强调“基础功能必须始终配备基于非AI/ML的回退算法”。除回退机制外，爱立信还提出其他6G AI/ML原则，包括：通过标准化开放空口确保互操作性并支持全球漫游、保持AI/ML模型架构与训练流程的专有性、引入空口AI/ML需证明其必要性能增益。
为支持数据收集、AI/ML模型生命周期管理及计算资源调度等功能，RAN架构中可能需要一个新的逻辑实体。例如，中国移动提议增设AI节点，荷兰KPN也提出新增AI平面。
与此同时，英伟达及其运营商合作伙伴（如T-Mobile与SK电讯）继续推广AI-RAN理念，旨在将传统单一用途的RAN转变为一个多用途、集成通信与计算的平台，同时运行RAN功能与AI工作负载。
关于AI/ML实现路径的不同观点
尽管3GPP主要参与方似乎已就“在6G空口中引入AI/ML”达成共识，但在具体实现方式上仍存在不同观点。
当AI/ML模型部署于RAN当中，若其推理过程仅发生在用户终端（UE）或网络侧，则称为单边模型；若UE与网络侧协同完成AI/ML推理，则称为双边模型。高通指出，单边模型可“更高效支持非AI空口技术的实现”，而双边模型能“提供数据驱动的空口，以实现更好的性能和灵活的更新，并涵盖所有协议和层级”。
图1：单边AI/ML模型和双边AI/ML模型。资料
