报告-6G+AI即服务（AIaaS）需求研究dr.docx

《报告-6G+AI即服务（AIaaS）需求研究dr.docx》由会员分享，可在线阅读，更多相关《报告-6G+AI即服务（AIaaS）需求研究dr.docx（56页珍藏版）》请在优知文库上搜索。

1、SIMT-2030(6G)推进组注?MT2030(6G)PromotionGroup6GAl即服务（AlaaS）需求研究图目录但表目录但引言但录/工ENTSCONT第一章现状和发展趋势171.1 Al的概念和应用场景1.1.1 Al的概念及解读112当前Al的应用场景1.2 Al应用的现状1.2.1 MECAl1.2.2 CloudAl7- 7- 7-8- 8- 8- 9一 9101.2.35G网络中的Al10124当前Al应用的不足1.3Al技术发展趋势及对应用/业务的影响121.3.1 Al技术发展趋势一1.3.2 Al技术发展对业务/应用的影响1.3.3 Al场景、用例和业务发展趋势第二

2、章6GAl即服务（AlaaS）概念与典型应用场景/132.1 6GAIaaS概念2.2 6GAIaaS典型场景2.2.1 智慧城市2.2.2 智慈家庭2.2.3 智赋工业2.2.4 智斌农业2.2.5 精准医疗2.2.6 普智教育2.2.7 智急能源2.2.8 超能交通2.2.9 网络金融2.3 6GAIaaS典型应用2.3.1 无人出租汽车出行2.3.2 工业机器人2.3.3 食物循环网络2.3.4 居家健康2.3.5 无人放牧2.3.6 疾病诊断2.3.7 虚拟课堂2.3.8 电网智能巡检2.4 6GAIaaS典型服务302.4.1 模型推理服务302.4.2 模型训练服务30243模型生

3、成服务312.4.4 模型优化服务312.4.5 模型共享服务31246模型部署服务322.4.7 模型管理服务322.4.8 模型压缩服务332.4.9 数据管理服务332.4.10 计算服务33第三章6GAl即服务(AIaaS)性能指标/343.1 6GAIaaSQoAIS343.1.1 QOAIS定义343.1.2 QoAIS指标体系343.1.3 QoAIS映射模型CU3.1.4 QoAIS具体场景指标分析经3.2 6GAIaaS关键性能指标QA3.2.1 性能指标定义3.2.2 性能指标模型383.2.3 性能指标评估与计算方法Qa3.2.4 性能指标评估示例404146第四章6GA

4、l即服务(AIaaS)的技术优势、产业价值与潜在挑战/484.1 技术优势4.1.1 时延优势4.1.2 奥力调度优势4.1.3 成本优势4.2 产业价值4.2.1 对网络自身的价值4.2.2 2B产业价值4.2.3 2C产业价值4.3 潜在挑战缩略语简表应参考文献侬贡献单位/54目录CONTENTS图2-1智髯城市14图22智意家庭15图2-3智赋工业16图2-4智赋农业17图25精准医疗17图2-6普智教育19图2-7智慧能源19图28超能交通20图2-9网络金融20图2-10食物大循环23图2-11Al模型推理业务30图2-12分布式Al模型训练业务图3-1QoAIS和AIaaS关系图示

5、例30图3-2QoAIS指标分解到各资源维度上的QoS指3435标图3-3三种不同编排方案的Al任务分布图图3-4Al模型推理服务关键性能指标体系36图3-5分布式Al模型训练服务关键性能指标体系40图3-6Al模型推理服务处理示意41图3-7左：分布式模型训练右：集中式模型训练41图3-8Al数据服务流程43图3-9VGG-16模型分割示意图45表目录表81AI训练服务的QoAIS指标体系46表3-2Al训练服务性能QoAlS到各资源维度的映射35表33用户分布预测准确度36表3-4性能指标界对比37表3-5开销对比表3-6Al服务的关键性能指标37表37通信相关的关键性能指标表3-8Al模

6、型和计算相关的关键性能指标37表3-9Al数据相关的关键性能指标38表310通信参数表3-11节点计算能力参数39表3-12VGG-16模型参数表3-13不同模型分割情况下的性能指标39表3-14VGG-16模型分布式训练参数表3-15VGG-16模型分布式训练的关键性能指标39图目录4646464747半导体芯片生产成本逐年下降，芯片的算力体积比不断提升，在更小体积的芯片中得以运行更多的任务。人工智能（AD得以逐渐摆脱算力的桎格，衍生出更多更具实用性的算法、模型和架构。而随着信息化进程推进，以及消费电子类产品和各类型传感器的更新和广泛应用，各类系统趋向自动化，为Al渗透到人类生活的各个方面提

7、供了土壤。深入分析Al近十年的发展，会逐渐看到一个重要的现象：人工智能在感知方面取得了重要进展，已经逐渐接近人类的水平，在语音、图像、视频处理等多个方面，人工智能处理的效率和效果都已经超越了人类。随着近两年大模型的快速发展，人工智能在语言理解与处理方面也取得了重大进展。比如，美国OPenAl研发的聊天机器人程序ChatGPT,作为人工智能技术驱动的自然语言处理工具，它通过海量语言材料的学习，能够实现理解并基于人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码、写论文等任务。当前，人工智能在通信生态系统中的架构融合与功能应

8、用在3GPP、ETSl中已有标准化定义，通信人工智能的相关网元如NWDAF尚处于测试阶段。通信人工智能面向网络管理、业务管理以及应用层的应用较多，也取得了阶段性成效。面向2030年，6G将与先进计算、大数据、人工智能、区块链等信息技术交叉融合，实现通信与感知、计算、控制的深度耦合，实现eMBB、URLLC、mMTC的不断演进，并在此基础上新增人工智能服务和感知服务两大超越通信的应用场景。未来6G网络的各个节点将具备提供分布式的高效、节能、安全的Al服务的能力。本报告旨在推进AIaaS的应用场景与技术指标等的研究。Al即服务需求研究的目的在梳埋AIaaS的潜在应用场景、典型应用、典型服务等，并在

9、此基础上完善AIaaS的技术指标分析；从技术、商业、生态等的角度分析对比，给出6GAIaaS区别于现有Al服务的优势场景与应用；从网络Al服务能力的角度给出对应业务的需求和指标要求：针对未来Al技术的发展（大模型等），给出终端和网络侧能力演进的趋势和评估等。本报告在当前Al现状和发展趋势进行调研分析的基础上，结合部分成员单位在AIaaS领域的研究工作，对AIaaS的场景、应用、用例等做了详细地分析和梳理，针对AIaaS的QoAIS和性能指标等做了分析讨论,给出了相关的示例.星后提出了AIaaS的技术优势、产业价值与潜在挑战。第一章现状和发展趋势1.1Al的概念和应用场景1.1.1 Al的概念及

10、解读Al是研究、开发能够模拟、延伸和拓展人的智能的理论、方法及应用系统的门新的技术科学。它涵盖了训练计算机使其能够完成白主学习、判断、决策等人类行为的范瞒。人工智能的目标是让机器能够像人一样理解、思考和学习，即用计算机或其他智能体去模拟人的智慧，甚至具备与人类相当的智徵。除计算机科学外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能的研究范围主要包括机器学习、语音识别、计算机视觉、白然语言处理、数据挖掘等。人工智能是更广泛的概念，即让机器能够以人们认为“智能”的方式执行任务，而机器学习则是实现人工智能的一种方法。作为一种数据驱动的

11、决策方法，机器学习使计算机能够自动解析数据、从中学习，在没有人工干预的情况下从中检索出事件发展的内在规律，从而对真实世界中的事件做出决策和预测。本报告聚焦于以机器学习（ML）为核心的Al,它包含Al模型/算法和数据等基本要素以算力资源作为支撑，依托于AI模型的生成、训练、推理等而实现智能化目标。Al模型/算法从历史数据中学习规则，并基于学习到的规则对新数据做出预测或决策.Al模型/算法指以机器学习模型为代表的各种算法，它通常具备可学习的参数，因此通信中传统的确定规则的物理层或RRM算法就不是Al算法：Al模型/算法对推理结果的精准性和安全性有特定的要求。Al数据指和Al模型/算法强相关的训练样

12、本、“参数数据”和输入输出数据”等，因此一般的网络或用户数据不一定是Al数据；Al数据对数据格式和质量保障有特定的要求,Al算力指算力中用于处理分析Al数据，执行Al模型/算法的那部分算力，因此用于传统基带算法的算力就不是Al算力：Al算力对计算硬件资源类型属性有特定的要求。1.1.2 当前Al的应用场景在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。作物管理，主要提供作物选择，施肥建议，使得作物免受恶劣天气影响等；害虫和杂草处理，即识别害虫和杂草，提供处理害虫和杂草的相关建议，推测害虫行进路线和繁殖规模和速度，推测杂草的生长状态和发展等：疾病管理，即预测

13、、识别分类作物病害；土壤和作物管理，包括评估作物表面土壤湿度，预测天气，结合天气预测结果进行灌溉等；产量预测和管理，根据气候，季节等因素提供最佳播种时间建议，并预测最佳收成时间和最终产量等,其主要运用的Al技术最开始是基于规则的专家系统，发展到后来的模糊推理系统和人工神经网络的结合。主要涉及模式识别，图像识别等用例12卜在自动驾驶场景，分为感知和决策两类主要场景，感知类包括汽车定位、静态障碍物映射、移动障碍物检测跟踪、道路映射、交通信号检测和识别：决策类包括路线规划、路径规划、行为选择、运动规划和控制等3。其运用到的Al技术主要是基于规则的推理模型，启发式算法，近似推理，类人推理等。主要涉及的

14、用例是图像和语音识别，分析推理，分类，模型迭代等4。在医疗卫生场景，主要有疾病诊断预测、临床和患者护理。疾病诊断预测包括前期疾病诊断预测，例如糖尿病、癌症、结核病、精神疾病的预测诊断，和就诊中的医学成像和图像诊断，例如肿瘤学账像、光学相干断层扫描等。临床包括临床试验参与、机器人辅助手术系统和计算机辅助手术，减少用药错误。患者护理包括心力衰竭监测、术后健康监测、肿瘤患者的健康监测，检测例如血氧浓度，体温，心率等参数并分析。除此之外近年来Al技术也在应用到新药研制场景中得到应用。主要使用到的Al技术为神经网络、专家系统等。主要涉及的用例是图像识别、分析推理、分类等56.在网络金融场景，主要包括信用预测和评估，根据客户的历史交易数据、资金流动情况智能运营聊天机器人应答客户部分疑问，智能手续柜台满足客户部分需求。交易风险预瞥，大数据分析历史诈骗交易行为，提前为客户预警，进行报警等。涉及的Al技术较为广泛，包括支持向量机、决策树、神经网络、K邻近遗传算法、随机森林、Boosting算法、集成学习、聚类等。主要涉及的用例是分析推理、模式识别、分类等在智慈城市场景，主要有公共设施控制，例如通过控制交通信号灯等设施帮助监控交通流量和增加城市连通性并减少交通事故和交通违法，通过人脸识别门禁和安检识别控制重要场所通行；灾害预测，例如预测建筑物火灾风险；人