[论文解读] Toward Native Artificial Intelligence in 6G Networks: System Design, Architectures, and Paradigms

Jian Wu, Rongpeng Li+5 more|arXiv (Cornell University)|Mar 4, 2021

IoT and Edge/Fog Computing参考文献 6被引用 26

一句话总结

本文提出一种端到端的6G架构，具备独立的数据平面和智能平面，以在汇聚的通信与计算资源之间实现原生AI服务和XaaS风格的 provisioning。

ABSTRACT

The mobile communication system has transformed to be the fundamental infrastructure to support digital demands from all industry sectors, and 6G is envisioned to go far beyond the communication-only purpose. There is coming to a consensus that 6G will treat Artificial Intelligence (AI) as the cornerstone and has a potential capability to provide "intelligence inclusion", which implies to enable the access of AI services at anytime and anywhere by anyone. Apparently, the intelligent inclusion vision produces far-reaching influence on the corresponding network architecture design in 6G and deserves a clean-slate rethink. In this article, we propose an end-to-end system architecture design scope for 6G, and talk about the necessity to incorporate an independent data plane and a novel intelligent plane with particular emphasis on end-to-end AI workflow orchestration, management and operation. We also highlight the advantages to provision converged connectivity and computing services at the network function plane. Benefiting from these approaches, we believe that 6G will turn to an "everything as a service" (XaaS) platform with significantly enhanced business merits.

研究动机与目标

• 促成一个能够纳入智能并实现AI服务的普遍访问的清算式6G设计。
• 提出一个端到端系统架构，具备独立的数据平面和新颖的智能平面。
• 定义一个网络功能平面，实现在RAN、CN和TN中对通信与计算的深度融合。
• 引入数据治理与管理机制，以支持隐私、安全和跨域数据共享。
• 概述XaaS平台概念，实现生态系统范围内的AI服务部署与协作。

提出的方法

• 提出一个具备四个平面的端到端6G架构：独立数据平面、智能平面、汇聚的网络功能平面，以及XaaS平台。
• 提出一个两层RAN分离（cNB和sNB）加上独立的CmP（计算平面）用于AI服务托管与编排。
• 在独立数据平面内定义一个包含数据收集、处理、存储和访问控制的数据治理框架。
• 描述NAMO（Network AI Management and Orchestration，网络AI管理与编排）用于AI服务编排、基础设施映射与生命周期管理。
• 讨论NAMO组件的标准化与开源方法，以及AI工作流部署的CI/CD机制。
• -present用例示例和网络辅助的多智能体学习场景，以证明潜在的收益。

实验结果

研究问题

• RQ1 6G如何通过端到端的体系结构改造实现原生AI支持？
• RQ2 需要哪些基于平面的关键组件（数据平面、智能平面和XaaS）来实现智能的包容？
• RQ3 在6G原生AI时代，数据治理、安全性与多方协作应如何处理？
• RQ4 NAMO如何在分布式、异构资源上编排AI服务，同时实现第三方AI服务？
• RQ5 有哪些证据（仿真或案例研究）支持网络辅助AI在多智能体场景中的收益？

主要发现

• 具备独立数据平面和智能平面的端到端6G架构能够支持原生AI服务的编排与管理。
• 在RAN中将控制功能和服务功能分离（cNB和sNB）并引入计算平面，能够在边缘实现动态AI服务部署。
• NAMO框架提供跨多域网络的AI服务编排、基础设施映射与管理。
• XaaS平台使得汇聚的通信与计算资源得以整合，支持第三方AI应用和新的商业模式。
• 基于仿真的案例研究（如网络辅助的多智能体学习）表明，在特定的延迟和同步条件下，加入网络协助能够提升性能。