為了能夠滿足未來6G網絡更加豐富的業務應用以及極致的性能需求，需要在現有的新型無線網絡架構基礎上，實現關鍵技術上的重要突破。而隨著人工智能(AI)的深入應用，如何實現AI賦能新型無線網絡架構，也是一個研究熱點。

現有的無線網絡架構不具備支持AI原生的能力，缺少原生AI算法的運行環境和基礎插件。此外，隨著新型垂直行業應用的井噴式涌現，無線網絡資源利用率低、業務匹配性差，差異化實時性業務需求引起資源管控復雜度的急劇提升。未來，AI技術將賦能移動通信系統，通過與無線架構、無線數據、無線算法和無線應用結合，構建新型智能網絡架構體系。AI原生的6G網絡不僅僅是將AI技術作為一種優化工具，而是實現AI原生的新型無線網絡架構和空口技術。

AI原生的6G網絡通過賦能網絡架構，實現接入網和核心網網元的智能化管理和部署實現，支持智能的多類型資源跨域管理。而AI原生的新空口技術能夠通過調用AI算法支持無線資源的智能調度，實現實時的業務需求匹配，將AI需求考慮在接口協議棧的設計中。 

1.AI原生的新型無線網絡架構

AI原生的新型無線網絡架構，要充分利用網絡節點之間的通信、計算和感知能力，通過分布式學習、群智式協同以及云邊端一體化算法部署，使得6G網絡原生支持各類人工智能應用，能夠構建新的網絡生態，并實現以新型網絡使用者為中心的業務體驗。利用原生的AI能力，6G可以更好地對無處不在的具有智慧感知、通信和計算能力的網絡、基站和終端進行統籌管理，利用大規模的智能分布式協同服務，使網絡中的通信和算力效用最大化。

這將會帶來三點趨勢的轉變：①AI將會融入到6G網絡中，并對外提供服務，將創造新的市場價值，即AI引擎，利用AI引擎的智能化能力，可以對外提供智能管控等服務;②AI將在端-霧-云間協同實現包括通信能力、計算、存儲等多種類型、多種維度資源的智能調度，并使網絡總體效能得到提升;③AI能夠實現對6G中廣域的數據測量與監控，實現網絡的快速自動化運維、快速檢測和快速自修復，即AI原生的網絡維護。

2.支持AI引擎的無線智能管控

長期以來，基于數值迭代優化的解決方案在無線通信、信號處理任務之中發揮了重要作用。在迭代算法中，需要優化的問題參數作為迭代算法的輸入，多次迭代后的結果是迭代算法的輸出結果。在6G中，需要優化的問題規模通常比較大，使用迭代優化算法往往會使計算復雜度非常高，無法滿足資源調度的實時性要求。而深度神經網絡具有黑箱式強大的函數逼近能力，其能夠在接近迭代優化算法性能的同時不會造成過高的計算復雜度。 

如何利用神經網絡實現智能化的無線網絡資源管理是一個值得研究的問題。首先，需要設計出一種針對某一類無線資源管理問題的迭代資源優化算法;對神經網絡進行設計，設計時可以巧妙利用迭代優化算法的特點來對神經網絡網絡的參數進行設置，具體來說，就是可以將迭代優化算法的輸入參數作為神經網絡的輸入參數，而迭代優化算法的輸出結果將作為神經網絡的輸出結果;對于單獨不同的問題實例，可以使用迭代資源優化算法計算得到最優的資源管理策略作為參考結果，從而形成訓練樣本集;選擇損失函數，利用訓練樣本集進行訓練神經網絡可以得到網絡模型;當遇到新的問題實例時，可以利用神經網絡模型計算資源管理策略。

利用上述設計思路，可以求解幾乎所有無線資源優化問題，同時可以較為有效地提升在進行資源分配策略時的計算速度并節省計算開銷。當在進行神經網絡類型選擇時，除了一般的前饋神經網絡，也可以考慮諸如卷積神經網絡或圖神經網絡等，后者已被證明能夠有效求解整數規劃問題。而在進行神經網絡設計時，一般無線資源優化問題的目標函數通常是系統效用，如系統頻效、能效等。因此，對于面向無線資源智能管理所使用的神經網絡，除了可以選均方誤差函數作為神經網絡的損失函數，也可以直接使用系統效用函數作為神經網絡的損失函數;還可以利用無線資源優化問題的最優解結構，將算法的先驗信息融入到神經網絡設計中，從而達到簡化神經網絡的輸入輸出設計，這樣不僅可以加速神經網絡訓練速度，而且同時能夠極大提高神經網絡逼近迭代算法的能力。

3.AI原生的新型空口

AI賦能的新型協議棧，即深度融合AI、機器學習技術，突破了現有空口的模塊化設計的框架，實現無線環境、資源、干擾以及業務等多維特性的深度挖掘和利用，將會顯著提高6G無線網絡的效率、可靠性、實時性和安全性。

新型空口技術可以通過端到端的學習來增強數據平面和控制信令的連通性、效率和可靠性，允許針對特定場景在深度感知和預測的基礎上進行定制，且空口技術的組成模塊可以靈活地進行拼接，以滿足各種應用場景的不同要求。借助多智能體等AI方法，可以使通信的參與者之間高效協同，提高通信傳輸能效。利用數據和深度神經網絡的黑盒建模能力可以從無線數據中挖掘并重構未知的物理信道，從而設計最優的傳輸方式，提高頻譜利用率。

AI賦能的通信系統能夠根據流量和用戶行為主動調整無線傳輸格式和通信動作，可以優化并降低通信收發兩端的功耗，對6G網絡中功率進行智能管控。在多用戶系統中，通過強化學習等AI技術，基站與用戶之間可自動協調并調度資源。每個節點可計算每次傳輸的反饋，以調整其信號的波束方向，進行AI使能的波束賦形等。