6G數(shù)據(jù)面白皮書-Future-v1.0-中文版-clean0410

1.引言

5G支持eMBB（EnhancedMobileBroadband，增強(qiáng)移動(dòng)寬帶），URLLC（Ultra-Reliable

Low-LatencyCommunications，超高可靠和超低時(shí)延通信）和mMTC（MassiveMachineType

Communication，大規(guī)模機(jī)器類通信）三大應(yīng)用場景。5G系統(tǒng)通過NEF（NetworkExposure

Function，網(wǎng)絡(luò)開放功能）/CAPIF（CommonAPIFramework，通用API框架）支持網(wǎng)絡(luò)能

力和事件開放。AF（applicationfunction,應(yīng)用功能）可以通過NEF/CAPIF獲得5G系統(tǒng)數(shù)據(jù)，

促進(jìn)了網(wǎng)絡(luò)和應(yīng)用之間的跨層創(chuàng)新。隨著移動(dòng)網(wǎng)絡(luò)所產(chǎn)生數(shù)據(jù)的數(shù)據(jù)量不斷增長，數(shù)據(jù)收集

和數(shù)據(jù)處理需求日益突出。相應(yīng)地，網(wǎng)絡(luò)服務(wù)也從通信服務(wù)演進(jìn)為通信、感知和A（IArtificial

intelligence，人工智能）的多維服務(wù)。傳統(tǒng)的數(shù)據(jù)收集和數(shù)據(jù)處理方式無法適配新的變化，

難以滿足新增的數(shù)據(jù)需求。這主要是因?yàn)?G網(wǎng)絡(luò)缺乏統(tǒng)一的數(shù)據(jù)管理框架，難以支撐多類

型數(shù)據(jù)的融合和協(xié)同管理，從而可能導(dǎo)致數(shù)據(jù)治理的復(fù)雜性和成本增加。5G網(wǎng)絡(luò)設(shè)計(jì)側(cè)重

數(shù)據(jù)傳輸，限制了數(shù)據(jù)價(jià)值的充分挖掘和利用?，F(xiàn)有方法無法滿足多類型數(shù)據(jù)數(shù)據(jù)收集和數(shù)

據(jù)處理的需求，也難以挖掘通信、感知、智能等多類型數(shù)據(jù)的價(jià)值，更無法保障數(shù)據(jù)的權(quán)益。

5G網(wǎng)絡(luò)在確保數(shù)據(jù)的合法性、真實(shí)性和完整性等數(shù)據(jù)質(zhì)量管理方面缺乏統(tǒng)一的數(shù)據(jù)管控框

架，難以滿足數(shù)據(jù)法規(guī)要求和用戶隱私安全的期望。在新業(yè)務(wù)數(shù)據(jù)方面，5G網(wǎng)絡(luò)難以高效

收集、傳輸、處理和分析大量移動(dòng)網(wǎng)絡(luò)內(nèi)部的數(shù)據(jù)，例如感知數(shù)據(jù)和AI模型等。

圖1-1.移動(dòng)網(wǎng)絡(luò)內(nèi)部數(shù)據(jù)的全生命周期

隨著數(shù)據(jù)成為數(shù)字社會(huì)的生產(chǎn)要素之一，6G作為重要基礎(chǔ)設(shè)施，6G系統(tǒng)的數(shù)據(jù)必然是

數(shù)據(jù)這一生產(chǎn)要素的重要組成部分。ITU-R（InternationalTelecommunicationUnion-Radio

communicationSector，國際電信聯(lián)盟無線電通信部門）發(fā)布的《IMT面向2030及未來發(fā)展

2/53

的框架和總體目標(biāo)建議書》[1]提出了沉浸式通信、超大規(guī)模連接、極高可靠低時(shí)延通信、

泛在連接、人工智能與通信、感知與通信融合六大場景。這意味著6G是超越通信服務(wù)的移

動(dòng)通信系統(tǒng)，在傳統(tǒng)數(shù)據(jù)傳輸管道基礎(chǔ)上，感知與通信融合和AI等場景引入了感知數(shù)據(jù)和

AI數(shù)據(jù)等移動(dòng)網(wǎng)絡(luò)內(nèi)部數(shù)據(jù)。移動(dòng)網(wǎng)絡(luò)內(nèi)部的數(shù)據(jù)提供者或消費(fèi)者包括UE（UserEquipment,

終端）、基站（RadioAccessNetworknode，RANnode）、CN（CoreNetwork，核心網(wǎng)）網(wǎng)絡(luò)

功能和AF等。相比于數(shù)據(jù)傳輸管道中的用戶數(shù)據(jù)，6G系統(tǒng)需要負(fù)責(zé)移動(dòng)網(wǎng)絡(luò)內(nèi)部數(shù)據(jù)的

產(chǎn)生、安全隱私管理、收集協(xié)調(diào)、傳輸、處理、質(zhì)量管理、消費(fèi)/服務(wù)等完整的生命周期。

因此，通過新增數(shù)據(jù)面[2]，6G網(wǎng)絡(luò)可以更加統(tǒng)一和高效地完成移動(dòng)網(wǎng)絡(luò)內(nèi)部數(shù)據(jù)的生

命周期管理。例如為感知功能或網(wǎng)絡(luò)功能開放功能等提供所需的數(shù)據(jù)，從而賦能6G系統(tǒng)對(duì)

外提供感知服務(wù)或網(wǎng)絡(luò)能力開放。與控制面和用戶面并列的6GDP（DataPlane,數(shù)據(jù)面）

可以不受限于信令或用戶數(shù)據(jù)的傳輸需求。從而DP的協(xié)議功能和參數(shù)配置可以面向前述需

求提供更優(yōu)化的解決方案，避免單個(gè)用例的碎片化方案。數(shù)據(jù)面將為6G系統(tǒng)提供統(tǒng)一的數(shù)

據(jù)管理框架，為6G增加數(shù)據(jù)新能力。從而，6G系統(tǒng)能夠整合和管理多類型數(shù)據(jù)，保障數(shù)

據(jù)安全可信，打破數(shù)據(jù)孤島，提高數(shù)據(jù)治理效率和保障數(shù)據(jù)權(quán)益。本白皮書進(jìn)一步闡述了貢

獻(xiàn)單位對(duì)6G數(shù)據(jù)服務(wù)場景與需求、數(shù)據(jù)面內(nèi)涵與框架、關(guān)鍵技術(shù)和原型樣機(jī)的初步觀點(diǎn)和

最新成果，為行業(yè)6G發(fā)展貢獻(xiàn)力量。

2.相關(guān)標(biāo)準(zhǔn)組織進(jìn)展

本章介紹全球多個(gè)標(biāo)準(zhǔn)組織和研究機(jī)構(gòu)對(duì)6G數(shù)據(jù)面相關(guān)內(nèi)容的研究進(jìn)展，包括3GPP

（3rdGenerationPartnershipProject，第三代合作伙伴計(jì)劃）、IMT-2030（6G）推進(jìn)組、Next

GAlliance、Hexa-X、和6GANA（6GAllianceofNetworkAI）。上述標(biāo)準(zhǔn)組織在6G的數(shù)據(jù)

收集需求、挑戰(zhàn)、方案和技術(shù)趨勢(shì)等方面開展了研究。

2.1.3GPP

5G標(biāo)準(zhǔn)面向不同的數(shù)據(jù)需求場景分別制定了數(shù)據(jù)收集和數(shù)據(jù)分析等相關(guān)的標(biāo)準(zhǔn)。例如，

核心網(wǎng)AI功能NWDAF（NetworkDataAnalyticsFunction，網(wǎng)絡(luò)數(shù)據(jù)分析功能）相關(guān)的數(shù)

據(jù)收集[3]，核心網(wǎng)網(wǎng)絡(luò)能力開放功能NEF（NetworkExposureFunction，網(wǎng)絡(luò)開放功能）

/CAPIF（CommonAPIFramework，通用API框架）相關(guān)的數(shù)據(jù)收集[4][5]，LMF（Location

ManagementFunction，定位管理功能）相關(guān)的數(shù)據(jù)傳輸協(xié)議LPP（LTEPositioningProtocol，

LTE定位協(xié)議）[6]和NRPPa（NRPositioningProtocolA，NR定位協(xié)議A），用于無線網(wǎng)絡(luò)

優(yōu)化和管理的MDT（MinimizationofDriveTest，最小路測）[7]和QoE（QualityofExperience，

體驗(yàn)質(zhì)量）等。

3/53

面向核心網(wǎng)AI功能的NWDAF的數(shù)據(jù)收集需求，在R175G網(wǎng)絡(luò)引入了DCCF（Data

CollectionCoordinationFunction，數(shù)據(jù)收集協(xié)調(diào)功能），用于協(xié)調(diào)NF（NetworkFunction，網(wǎng)

絡(luò)功能）消費(fèi)者所請(qǐng)求數(shù)據(jù)的收集和分發(fā)[2]。通過DCCF網(wǎng)元，可以防止由于數(shù)據(jù)消費(fèi)者

間無協(xié)調(diào)而導(dǎo)致數(shù)據(jù)提供者（如AMF（AccessandMobilityManagementFunction，接入和移

動(dòng)性管理功能）、SMF（SessionManagementFunction,會(huì)話管理功能）等）不得不處理同一

數(shù)據(jù)的多個(gè)訂閱，并發(fā)送包含相同信息的多個(gè)通知。這是因?yàn)槌齆WDAF之外的5G核心網(wǎng)

網(wǎng)絡(luò)功能（如AMF、SMF等）作為通信網(wǎng)絡(luò)的主體網(wǎng)元，其主要功能不在于提供數(shù)據(jù)，而

在于提供通信服務(wù)。而一般NWDAF為了大數(shù)據(jù)分析所需獲取的數(shù)據(jù)量又很大，所以重復(fù)

上報(bào)大量相同數(shù)據(jù)會(huì)導(dǎo)致5G核心網(wǎng)網(wǎng)絡(luò)功能的主體性能降低。NWDAF可以通過Ndccf接

口向DCCF訂閱數(shù)據(jù)或者取消訂閱數(shù)據(jù)。如果NWDAF要請(qǐng)求的數(shù)據(jù)還沒有被DCCF收集，

DCCF可以調(diào)用網(wǎng)絡(luò)功能的接口收集數(shù)據(jù)，然后DCCF可以直接將數(shù)據(jù)傳送給NWDAF，或

者，DCCF借助于消息框架（MessagingFramework）從網(wǎng)絡(luò)功能收集數(shù)據(jù)然后傳送給NWDAF。

面向無線接入網(wǎng)的優(yōu)化和管理，網(wǎng)絡(luò)管理功能可以通過MDT或QoE請(qǐng)求觸發(fā)無線接

入網(wǎng)節(jié)點(diǎn)配置UE進(jìn)行MDT或QoE收集。UE上報(bào)的MDT或QoE數(shù)據(jù)經(jīng)無線接入網(wǎng)節(jié)點(diǎn)

發(fā)送給TCE/MCE（TraceCollectionEntity/MeasurementCollectionEntity，追蹤收集實(shí)體/測

量收集實(shí)體）進(jìn)行數(shù)據(jù)分析，最終網(wǎng)絡(luò)管理功能可以基于SON（Self-OptimizingNetwork，

自優(yōu)化網(wǎng)絡(luò)）優(yōu)化無線配置等。

LPP用于UE和網(wǎng)絡(luò)之間交互定位控制信息和定位數(shù)據(jù)。由于定位數(shù)據(jù)的數(shù)據(jù)量通常

不大，因此LPP是承載在控制面協(xié)議棧之上的。也就是說，定位協(xié)議棧由LPP、NAS

（Non-Access-Stratum，非接入層）、RRC（RadioResourceControl，無線資源控制）、PDCP

（PacketDataConvergenceProtocol，分組數(shù)據(jù)融合協(xié)議）、RLC（RadioLinkControl，無線

鏈路控制）、MAC（MediumAccessControl，媒體接入控制）和PHY（PhysicalLayer，物理

層）組成。LMF基于LPP提供的定位測量數(shù)據(jù)進(jìn)行位置估計(jì)，并提供給5G網(wǎng)絡(luò)功能或應(yīng)

用功能等。

2.2.IMT-2030推進(jìn)組

《6G網(wǎng)絡(luò)架構(gòu)展望》[8]中提出6G網(wǎng)絡(luò)系統(tǒng)架構(gòu)，指出6G網(wǎng)絡(luò)需要一種不同于傳統(tǒng)

用戶面的數(shù)據(jù)服務(wù)功能，系統(tǒng)性地解決6G網(wǎng)絡(luò)對(duì)非傳統(tǒng)用戶面數(shù)據(jù)的管控和價(jià)值變現(xiàn)的挑

戰(zhàn)。其中，網(wǎng)絡(luò)功能層的6G數(shù)據(jù)功能由數(shù)據(jù)編排和控制功能，數(shù)據(jù)處理和轉(zhuǎn)發(fā)功能，數(shù)據(jù)

存儲(chǔ)功能等組成。根據(jù)數(shù)據(jù)處理和轉(zhuǎn)發(fā)功能節(jié)點(diǎn)上報(bào)的能力和具體的數(shù)據(jù)業(yè)務(wù)需求，數(shù)據(jù)編

排和控制功能節(jié)點(diǎn)選擇數(shù)據(jù)源及處理和轉(zhuǎn)發(fā)節(jié)點(diǎn)，編排形成數(shù)據(jù)承載，來提供數(shù)據(jù)服務(wù)。數(shù)

據(jù)處理和轉(zhuǎn)發(fā)功能節(jié)點(diǎn)按需提供數(shù)據(jù)服務(wù)，比如數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)隱

私保護(hù)和安全可信、數(shù)據(jù)分析、數(shù)據(jù)共享、數(shù)據(jù)轉(zhuǎn)發(fā)等。數(shù)據(jù)全生命周期標(biāo)準(zhǔn)化可以提高數(shù)

4/53

據(jù)的可比性和可重用性，包括數(shù)據(jù)隱私和安全可信、數(shù)據(jù)協(xié)調(diào)生成和收集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)

傳輸、數(shù)據(jù)處理、數(shù)據(jù)服務(wù)、數(shù)據(jù)質(zhì)量管理和權(quán)益管理等流程。

《6G無線系統(tǒng)設(shè)計(jì)原則和典型特征》[9]提出在6G系統(tǒng)設(shè)計(jì)之初就應(yīng)考慮實(shí)現(xiàn)更高效

率的數(shù)據(jù)治理、統(tǒng)一的收集方法和數(shù)據(jù)全生命周期管理。數(shù)據(jù)原生原則是6G無線系統(tǒng)設(shè)計(jì)

的原則之一。數(shù)據(jù)原生設(shè)計(jì)既要保障數(shù)據(jù)的安全和隱私，也要提升數(shù)據(jù)收集、傳輸和存儲(chǔ)等

的效率，提升數(shù)據(jù)共享復(fù)用度。數(shù)據(jù)原生將構(gòu)建開放統(tǒng)一的數(shù)據(jù)全生命周期標(biāo)準(zhǔn)，支撐泛在

異構(gòu)數(shù)據(jù)流通的全部環(huán)節(jié)，以低成本、高效率、可信賴的數(shù)據(jù)服務(wù)讓6G網(wǎng)絡(luò)和關(guān)聯(lián)行業(yè)以

精確的和系統(tǒng)化的方式來處理和分析各種各樣的數(shù)據(jù)，從而做出更好的決策和提供更高質(zhì)量

的服務(wù)。

《6G數(shù)據(jù)服務(wù)架構(gòu)研究》[10]提出了6G數(shù)據(jù)服務(wù)和6G移動(dòng)通信網(wǎng)絡(luò)數(shù)據(jù)面功能架構(gòu)，

對(duì)編排控制功能、處理功能等進(jìn)行概述。參考現(xiàn)有5G通信網(wǎng)絡(luò)中的用戶面和控制面均有成

熟的協(xié)議棧支撐落地應(yīng)用，實(shí)現(xiàn)面與面之間的功能解耦以及模塊化、虛擬化、軟件化的功能

管理。6G數(shù)據(jù)面同樣需要完整、靈活、可擴(kuò)展的協(xié)議棧支撐，實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)發(fā)控制協(xié)議，數(shù)

據(jù)服務(wù)開放協(xié)議，數(shù)據(jù)代理管理控制協(xié)議等。

2.3.NextGAlliance

NextG聯(lián)盟在[11]提出了6G除了通信服務(wù)之外，還具有專用計(jì)算和數(shù)據(jù)管理功能的計(jì)

算面和數(shù)據(jù)面。[11]主要從6G網(wǎng)絡(luò)從計(jì)算服務(wù)的角度驅(qū)動(dòng)網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)和新功能引入以支

持分布式計(jì)算要求，使得分布式云與3GPP協(xié)議緊密互通。由此需要對(duì)控制面、管理面和數(shù)

據(jù)面的變化進(jìn)行研究，以適應(yīng)分布式計(jì)算過程。從報(bào)告初步闡述的內(nèi)容來看，數(shù)據(jù)面與現(xiàn)有

協(xié)議用戶面類似，有可能通過對(duì)數(shù)據(jù)承載進(jìn)行加強(qiáng)來滿足計(jì)算服務(wù)需求。

NextG聯(lián)盟在[12]提出與5GAI/ML應(yīng)用相比，6GAI應(yīng)該具有如下特征：網(wǎng)絡(luò)內(nèi)部和

各層應(yīng)具有數(shù)據(jù)收集，6GAI/ML在5G近實(shí)時(shí)基礎(chǔ)上還包含實(shí)時(shí)方式，6G設(shè)計(jì)之初應(yīng)考慮

AI/ML在系統(tǒng)中的全面應(yīng)用，AI原生的收發(fā)機(jī)設(shè)計(jì)。因此，有必要將AI/ML嵌入無線接入

網(wǎng)協(xié)議層設(shè)計(jì)中，并與數(shù)據(jù)收集框架相連接。這些交互需要特別關(guān)注安全性和隱私性，這一

AI原生方法可能使無線技術(shù)以更快的速度發(fā)展，而不受標(biāo)準(zhǔn)周期的影響。

2.4.Hexa-X

Hexa-X在[13]提出數(shù)據(jù)收集框架和AI框架等是6G系統(tǒng)的普遍功能。數(shù)據(jù)收集框架用

于支持從網(wǎng)絡(luò)的多個(gè)域和層收集的不同類型的數(shù)據(jù)和信息，并用于在移動(dòng)網(wǎng)絡(luò)中進(jìn)行分析。

數(shù)據(jù)的傳輸和融合將考慮到所有利益相關(guān)者的隱私和所有權(quán)問題。跨應(yīng)用程序和網(wǎng)絡(luò)的耦合

數(shù)據(jù)將提供改進(jìn)網(wǎng)絡(luò)性能的機(jī)會(huì)。數(shù)據(jù)收集框架涵蓋網(wǎng)絡(luò)管理功能所需的數(shù)據(jù)收集，將支持

5/53

實(shí)時(shí)控制和操作以響應(yīng)所需數(shù)據(jù)的處理需求。

Hexa-X在[14]提出AI需要引入新的架構(gòu)元素，使得面向不同隱私要求進(jìn)行數(shù)據(jù)收集和

學(xué)習(xí)成為可能。通過引入數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)控制單元和UE聚合單元等支持網(wǎng)絡(luò)和UE之間的

數(shù)據(jù)共享，從而改進(jìn)控制和決策。特別是面向UE的數(shù)據(jù)收集和學(xué)習(xí)，考慮用戶隱私要求，

UE可以利用網(wǎng)絡(luò)信息和設(shè)備上的上下文信息（如用戶活動(dòng)、意圖和使用模式）來協(xié)助網(wǎng)絡(luò)

做出連接決策，從而改善QoE。

2.5.6GANA

6GANA在[15]指出在通信、感知、計(jì)算全面融合的大背景下，6G網(wǎng)絡(luò)將提供內(nèi)生AI、

內(nèi)生感知、內(nèi)生安全等新能力。在傳統(tǒng)移動(dòng)通信網(wǎng)絡(luò)信息傳輸能力的基礎(chǔ)上，新能力將提升

網(wǎng)絡(luò)的數(shù)據(jù)生產(chǎn)和消費(fèi)能力，使得6G網(wǎng)絡(luò)成為信息和數(shù)據(jù)流動(dòng)的平臺(tái)。對(duì)6G網(wǎng)絡(luò)承載

數(shù)據(jù)的高效管理是6G網(wǎng)絡(luò)的關(guān)鍵技術(shù)，因此在[15]提出可信數(shù)據(jù)服務(wù)框架的原則指導(dǎo)下，

6G網(wǎng)絡(luò)將引入單獨(dú)的數(shù)據(jù)面。6G數(shù)據(jù)面構(gòu)建架構(gòu)級(jí)的統(tǒng)一可信的數(shù)據(jù)服務(wù)，從而明確數(shù)據(jù)

來源、描述、采集、處理、存儲(chǔ)、應(yīng)用和隱私保護(hù)等。

3.6G數(shù)據(jù)服務(wù)場景與需求分析

6G數(shù)據(jù)服務(wù)是指6G系統(tǒng)為終端、無線接入網(wǎng)和核心網(wǎng)等6G系統(tǒng)內(nèi)部功能提供數(shù)據(jù)資

源。在此基礎(chǔ)上，所收集的數(shù)據(jù)可以與網(wǎng)絡(luò)能力開放功能（例如5GNEF或CAPIF）協(xié)同為

應(yīng)用功能等6G系統(tǒng)外部功能提供數(shù)據(jù)服務(wù)。同時(shí)，所收集的數(shù)據(jù)還可以與感知功能協(xié)同為

應(yīng)用功能或網(wǎng)絡(luò)功能提供感知服務(wù)，或者與AI功能協(xié)同輔助網(wǎng)絡(luò)控制優(yōu)化等。

6G數(shù)據(jù)服務(wù)旨在以數(shù)據(jù)為核心要素，充分發(fā)揮6G數(shù)據(jù)中所包含的價(jià)值，有助于突破

單一維度移動(dòng)服務(wù)邊界，激發(fā)融合服務(wù)創(chuàng)新。6G移動(dòng)通信網(wǎng)絡(luò)的數(shù)據(jù)是指6G系統(tǒng)產(chǎn)生和

獲取的數(shù)據(jù)，而非傳統(tǒng)用戶面的數(shù)據(jù)。它既包括通信連接服務(wù)運(yùn)營過程中終端、無線接入網(wǎng)、

核心網(wǎng)和網(wǎng)絡(luò)管理功能等產(chǎn)生的數(shù)據(jù)，也包括感知和AI等新服務(wù)運(yùn)營過程中產(chǎn)生的數(shù)據(jù)例

如感知的測量量和AI模型等，還包括移動(dòng)網(wǎng)絡(luò)從第三方獲取的可共享的數(shù)據(jù)例如各類傳感

器信息（溫度、濕度、環(huán)境等）和GIS（GeographicInformationSystem，地理信息系統(tǒng)）信

息等。本章將闡述6G數(shù)據(jù)服務(wù)場景，并進(jìn)行潛在需求分析。

3.1.感知數(shù)據(jù)

3.1.1.描述

6G系統(tǒng)中的感知數(shù)據(jù)是指，通過無線電波或其他傳感器設(shè)備等探索物理世界過程中獲

6/53

得的用于描述物理世界狀態(tài)信息的數(shù)據(jù)。感知數(shù)據(jù)主要包括內(nèi)生感知數(shù)據(jù)、外掛式感知數(shù)據(jù)，

以及多模態(tài)融合感知數(shù)據(jù)等。

內(nèi)生感知數(shù)據(jù)

6G移動(dòng)通信系統(tǒng)本身具有感知功能，即內(nèi)生感知。內(nèi)生感知數(shù)據(jù)是指6G移動(dòng)通信系

統(tǒng)內(nèi)生感知產(chǎn)生的數(shù)據(jù)，包括UE或基站基于空口信號(hào)測量直接獲得的內(nèi)生感知測量數(shù)據(jù)，

以及內(nèi)生感知得到的感知結(jié)果。內(nèi)生感知測量數(shù)據(jù)一般包括兩類，一類是用于輔助數(shù)據(jù)通信

而進(jìn)行感知測量得到的數(shù)據(jù)，例如，用于感知信道環(huán)境而進(jìn)行測量的數(shù)據(jù)；另一類是純粹為

了對(duì)目標(biāo)對(duì)象或者環(huán)境進(jìn)行感知而測量的數(shù)據(jù)，例如，在定位過程中測得的信號(hào)強(qiáng)度、到達(dá)

時(shí)間等數(shù)據(jù)，以及在測距測速和成像過程中測得的射頻信號(hào)數(shù)據(jù)等。6G系統(tǒng)通過內(nèi)生感知

得到的感知結(jié)果，如感知目標(biāo)的位置、速度、成像等信息。

外掛式感知數(shù)據(jù)

外掛式感知數(shù)據(jù)，是6G系統(tǒng)從外掛的第三方物聯(lián)網(wǎng)傳感器或GIS等直接獲得的數(shù)據(jù)，

包括中間測量數(shù)據(jù)和感知結(jié)果等。這些數(shù)據(jù)并非網(wǎng)絡(luò)透傳的不可見數(shù)據(jù)，它們需要在6G系

統(tǒng)的感知功能模塊被處理，以形成進(jìn)一步的感知測量中間數(shù)據(jù)，甚至是可用的感知結(jié)果。具

體地，例如：6G系統(tǒng)通過外接條碼識(shí)別、圖像識(shí)別、射頻識(shí)別（RFID）等自動(dòng)識(shí)別裝置，

獲取目標(biāo)信息；通過外接各種傳感器獲取生物量、化學(xué)量或者熱、壓、溫、聲、光、電、振

動(dòng)等物理量信息，傳感器的種類繁多，主要包括機(jī)械量傳感器（如位移傳感器、物位傳感器

等）、幾何量傳感器、力學(xué)量傳感器（如壓力傳感器、速度傳感器等）、熱學(xué)量傳感器（如溫

度傳感器等）、光學(xué)量傳感器（如圖像傳感器、紅外/紫外傳感器等）、電磁量傳感器（如電

場傳感器、電壓傳感器等）、聲學(xué)量傳感器（如聲音表面波傳感器、超聲傳感器等）、射線傳

感器、濕度傳感器、氣體傳感器（如氣體成分傳感器、氣體濃度傳感器等）、離子傳感器（如

PH傳感器等）、生理量傳感器、生化量傳感器等。

多模態(tài)融合感知數(shù)據(jù)

相比于內(nèi)生感知數(shù)據(jù)或外掛式感知數(shù)據(jù)，多模態(tài)融合感知數(shù)據(jù)更側(cè)重于對(duì)兩類數(shù)據(jù)的融

合處理。在6G系統(tǒng)中，多種模態(tài)的感知數(shù)據(jù)，包括內(nèi)生感知數(shù)據(jù)與外掛式感知數(shù)據(jù)，可以

分別被處理，也可以通過融合感知，形成新的感知數(shù)據(jù)或感知結(jié)果。多模態(tài)融合感知，涵蓋

內(nèi)生感知與外掛式感知，將多種感知通道的數(shù)據(jù)融合在一起進(jìn)行理解和處理信息，各種感知

數(shù)據(jù)之間相互協(xié)作、相互補(bǔ)充、相互修正、相互增強(qiáng)，形成比單一感知數(shù)據(jù)更好的感知結(jié)果。

例如，在同時(shí)具有地面移動(dòng)通信系統(tǒng)覆蓋和外掛式物聯(lián)網(wǎng)終端設(shè)備的室內(nèi)，蜂窩定位數(shù)據(jù)與

WiFi定位、藍(lán)牙定位、Zigbee定位、UWB定位等外掛式物聯(lián)網(wǎng)感知數(shù)據(jù)可以相互協(xié)作，形

成多模態(tài)融合感知數(shù)據(jù)。

7/53

3.1.2.潛在需求

在6G系統(tǒng)中，感知的形式多種多樣，感知數(shù)據(jù)也十分豐富。感知功能的加入和完善，

使得地面移動(dòng)通信系統(tǒng)中的數(shù)據(jù)量巨大。6G系統(tǒng)不僅要完成完整的內(nèi)生感知功能，還要完

成外掛式感知數(shù)據(jù)以及多模態(tài)融合感知數(shù)據(jù)等的處理和傳輸。

具體地，在功能性需求方面，6G系統(tǒng)需要完成：

1)數(shù)據(jù)采集：在內(nèi)生感知過程中，通過信令等對(duì)無線電波射頻傳輸?shù)哪承﹨?shù)進(jìn)行

測量；通過各種接口等收集來自多種外掛式物聯(lián)網(wǎng)感知設(shè)備的感知數(shù)據(jù)。

2)數(shù)據(jù)處理：對(duì)采集到的感知數(shù)據(jù)進(jìn)行處理。通過對(duì)多種感知通道的感知數(shù)據(jù)進(jìn)行

處理，包括AI模型訓(xùn)練和計(jì)算等，得到可用的感知結(jié)果，以協(xié)助6G系統(tǒng)中通信

或其他功能的決策、執(zhí)行，或者作為輸入?yún)?shù)輔助某些應(yīng)用。在多模態(tài)融合感知

過程中，可以對(duì)多種感知通道的數(shù)據(jù)進(jìn)行協(xié)作處理，以得到更好的感知性能。

3)數(shù)據(jù)傳輸：在6G系統(tǒng)中，海量感知數(shù)據(jù)需要被傳輸。中間測量數(shù)據(jù)需要被傳輸?shù)?/p>

相應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)或計(jì)算節(jié)點(diǎn)進(jìn)行整合與運(yùn)算，以得到進(jìn)一步的感知數(shù)據(jù)或感知結(jié)果。

例如，在蜂窩定位過程中，終端與多個(gè)基站之間的信號(hào)強(qiáng)度、信號(hào)到達(dá)時(shí)間等測

量數(shù)據(jù)需要被傳輸、整合，以得到終端的位置信息。

另外，在性能需求方面：

1)6G系統(tǒng)中的感知數(shù)據(jù)量大，各種各樣的應(yīng)用對(duì)感知數(shù)據(jù)的需求不盡相同，對(duì)6G

通信系統(tǒng)的帶寬、時(shí)延等傳輸性能提出了要求。根據(jù)《5G-Advanced通感融合場

景需求研究報(bào)告》[16]，感知數(shù)據(jù)的速率約為1k~10Mbps數(shù)量級(jí)。

2)大量感知數(shù)據(jù)的運(yùn)算和決策，對(duì)6G系統(tǒng)的計(jì)算能力以及AI模型和各種算法的性

能提出了要求。

3)感知數(shù)據(jù)主要是來自對(duì)ToB或ToC用戶有關(guān)的人、設(shè)備、環(huán)境等進(jìn)行物理狀態(tài)信

息采集，因此，感知數(shù)據(jù)涉及大量用戶隱私。6G系統(tǒng)需要在完成感知功能和滿足

應(yīng)用需求的同時(shí)，保障用戶的安全和隱私。

3.2.AI模型訓(xùn)練數(shù)據(jù)

3.2.1.描述

當(dāng)前5G核心網(wǎng)需要NWDAF網(wǎng)元進(jìn)行數(shù)據(jù)、模型訓(xùn)練以及模型推理的AI分析場景主

要是預(yù)測場景，如UE位置預(yù)測、網(wǎng)元負(fù)載預(yù)測等。此類場景通常使用小規(guī)模的神經(jīng)網(wǎng)絡(luò)模

型，例如RNN、CNN、LSTM等，其參數(shù)量通常在幾千至幾十萬之間，MTLF網(wǎng)元需要收

集幾十兆至幾百兆的模型訓(xùn)練數(shù)據(jù)來訓(xùn)練一個(gè)模型。在6G網(wǎng)絡(luò)中，網(wǎng)絡(luò)內(nèi)部的AI分析場

景將更加豐富，例如基于感知數(shù)據(jù)的物體識(shí)別、軌跡規(guī)劃，基于網(wǎng)絡(luò)數(shù)據(jù)的網(wǎng)絡(luò)策略控制等。

多樣化場景的驅(qū)動(dòng)下，6G網(wǎng)絡(luò)需要規(guī)模更大、結(jié)構(gòu)更復(fù)雜的模型來進(jìn)行推理分析。學(xué)術(shù)界

的研究結(jié)果表明，訓(xùn)練一個(gè)模型所需的數(shù)據(jù)量和模型的規(guī)模成正比，訓(xùn)練一個(gè)模型參數(shù)個(gè)數(shù)

8/53

為100M的模型，至少需要8G的數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，而且還需要其他的業(yè)務(wù)特定數(shù)據(jù)對(duì)模型

進(jìn)行微調(diào)。

為了便于進(jìn)一步闡述，本小節(jié)以定位為例來闡述AI模型訓(xùn)練數(shù)據(jù)的場景與需求。越來

越多的業(yè)務(wù)用例被識(shí)別出有高精度定位的需求，然而在很多應(yīng)用場景下，多徑，NLOS，室

內(nèi)覆蓋和同步問題等都是實(shí)現(xiàn)高精度定位難以跨越的障礙。基于傳統(tǒng)的定位方法無法達(dá)到所

要求的定位精度，必須借助于AI定位的方法有效利用UE在頻域、時(shí)域、空域等多個(gè)維度

的相關(guān)信息，發(fā)現(xiàn)隱藏在信道中的其它信息，從而提升NLOS場景或同步誤差場景下的定

位性能。為了達(dá)成此目的，網(wǎng)絡(luò)需要從UE或基站設(shè)備等獲取UE相關(guān)數(shù)據(jù)，如時(shí)域信道測

量信息，信道沖擊響等大量數(shù)據(jù)，用于進(jìn)行AI定位業(yè)務(wù)的模型訓(xùn)練。

因AI模型訓(xùn)練所需的訓(xùn)練數(shù)據(jù)量巨大，通過傳統(tǒng)UE信令面或用戶面上報(bào)數(shù)據(jù)的方式

并不適于進(jìn)行訓(xùn)練數(shù)據(jù)的傳輸。究其原因，一方面大量訓(xùn)練數(shù)據(jù)的傳輸會(huì)占用較多的帶寬資

源；另一方面，訓(xùn)練數(shù)據(jù)的傳輸實(shí)際上對(duì)于實(shí)時(shí)性要求并不高；再者，訓(xùn)練數(shù)據(jù)對(duì)于復(fù)用性

要求較高，換句話說，訓(xùn)練數(shù)據(jù)可能被重復(fù)用于多個(gè)場景甚至多種業(yè)務(wù)的AI模型訓(xùn)練。因

此，6G系統(tǒng)需要基于數(shù)據(jù)面采集大量的訓(xùn)練數(shù)據(jù)從而進(jìn)行AI定位業(yè)務(wù)的模型訓(xùn)練。

3.2.2.潛在需求

在現(xiàn)有5G系統(tǒng)中，核心網(wǎng)網(wǎng)元采集UE數(shù)據(jù)的方法包括信令面方式和用戶面方式。其

中，信令面方式包括UE通過NAS信令、RRC信令等方式向網(wǎng)絡(luò)上報(bào)數(shù)據(jù)；用戶面方式包

括DCAF（DataCollectionApplicationFunction,數(shù)據(jù)收集應(yīng)用功能）基于AFEVEX

（ApplicationFunctionEventExposure，應(yīng)用功能事件開放）從UE采集數(shù)據(jù)，并發(fā)送給網(wǎng)絡(luò)。

6G系統(tǒng)需要進(jìn)一步支持如下功能：

1)支持采集UE數(shù)據(jù)作為網(wǎng)絡(luò)AI模型訓(xùn)練數(shù)據(jù)（如核心網(wǎng)AI定位模型等）；

2)支持UE訓(xùn)練數(shù)據(jù)的離線傳輸；

3)支持所采集的訓(xùn)練數(shù)據(jù)被復(fù)用于單個(gè)業(yè)務(wù)的多個(gè)模型訓(xùn)練或多種業(yè)務(wù)的AI模型

訓(xùn)練。

3.3.AI模型數(shù)據(jù)

3.3.1.描述

AI模型作為人工智能領(lǐng)域的核心組成部分，不僅在學(xué)術(shù)研究中取得巨大成功，也在實(shí)

際應(yīng)用中產(chǎn)生深遠(yuǎn)影響。AI模型可以通過學(xué)習(xí)算法，基于輸入數(shù)據(jù)進(jìn)行訓(xùn)練，并能夠從中

學(xué)習(xí)模式、進(jìn)行預(yù)測或決策。這些模型的訓(xùn)練過程旨在使其能夠泛化到未見過的數(shù)據(jù)，以適

9/53

應(yīng)多樣化的任務(wù)，從而實(shí)現(xiàn)智能化的功能。AI模型在圖像處理和自然語言處理領(lǐng)域擁有最

廣泛的應(yīng)用。

(1)圖像處理領(lǐng)域：在20世紀(jì)90年代，經(jīng)典計(jì)算機(jī)視覺方法主導(dǎo)了圖像處理領(lǐng)域，例

如邊緣檢測、顏色直方圖等。然而，這些方法在處理復(fù)雜場景和抽象特征時(shí)存在局限性。2010

年代初，隨著ImageNet等大規(guī)模數(shù)據(jù)集的出現(xiàn)和GPU性能的提高，深度學(xué)習(xí)（DeepLearning）

的時(shí)代來臨，深度神經(jīng)網(wǎng)絡(luò)模型得到了令人矚目的發(fā)展。在LeNet-5的基礎(chǔ)上，AlexNet通

過使用更深的網(wǎng)絡(luò)結(jié)構(gòu)和大規(guī)模GPU并行計(jì)算，取得了ImageNet大規(guī)模圖像分類比賽的冠

軍，這標(biāo)志著深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像處理領(lǐng)域的崛起。隨后，大量的CNN結(jié)構(gòu)

涌現(xiàn)，如VGGNet、GoogLeNet、ResNet、MobileNet和DenseNet等，它們?cè)趫D像識(shí)別、目

標(biāo)檢測等視覺領(lǐng)域取得了優(yōu)異的表現(xiàn)。其中MobileNet利用深度可分離卷積、線性激活、全

局平均池化等技術(shù)，在顯著減小模型的大小和計(jì)算復(fù)雜度的同時(shí)保持了模型的準(zhǔn)確度，使其

非常適用于移動(dòng)設(shè)備和嵌入式系統(tǒng)進(jìn)行實(shí)時(shí)的圖像識(shí)別和分類任務(wù)。到2020年代，隨著自

監(jiān)督學(xué)習(xí)、大規(guī)模預(yù)訓(xùn)練和跨模態(tài)學(xué)習(xí)的興起，研究者們開始使用更大規(guī)模的數(shù)據(jù)和更復(fù)雜

的任務(wù)進(jìn)行預(yù)訓(xùn)練，然后在特定任務(wù)上進(jìn)行微調(diào)，使AI模型取得了更好的性能，比如CLIP

和DALL-E。

(2)NLP（NaturalLanguageProcessing，自然語言處理）領(lǐng)域：在2010年以前，N-gram

模型和隱馬爾可夫模型是NLP領(lǐng)域最重要的兩個(gè)AI模型，他們利用統(tǒng)計(jì)概率對(duì)自然語言進(jìn)

行建模，但局限于有限的上下文。在深度學(xué)習(xí)的時(shí)代中，基于更優(yōu)異的詞嵌入技術(shù)，兩大神

經(jīng)網(wǎng)絡(luò)——遞歸神經(jīng)網(wǎng)絡(luò)（RNN）和長短時(shí)記憶網(wǎng)絡(luò)（LSTM），能更好地捕捉語義信息，

提高了AI模型的性能。2010年代末，Transformer模型通過引入注意力機(jī)制，加強(qiáng)了對(duì)長文

本的處理能力。同時(shí)，BERT和GPT兩個(gè)大規(guī)模預(yù)訓(xùn)練模型的出現(xiàn)，帶來了AI模型在多個(gè)

自然語言處理任務(wù)中的顯著性能提升。

同時(shí)，自5G時(shí)代，3GPP標(biāo)準(zhǔn)組織先后在核心網(wǎng)域、網(wǎng)絡(luò)管理域、接入網(wǎng)域引入AI

功能。歷經(jīng)多個(gè)版本的增強(qiáng)更新，AI功能覆蓋越來越多的場景用例和通信功能實(shí)體。以負(fù)

責(zé)核心網(wǎng)AI功能的NWDAF為例，目前3GPP標(biāo)準(zhǔn)中定義了近10種相關(guān)用例流程，描述

包含用戶業(yè)務(wù)體驗(yàn)、終端異常、網(wǎng)絡(luò)性能、用戶行為等統(tǒng)計(jì)和預(yù)測方法[3]。R18開始，接

入網(wǎng)域也開始研究基于AI的空口特性提升，有效的用例包括基于AI的CSI反饋、波束管

理和定位等[17]。

雖然AI模型技術(shù)正在快速發(fā)展，但在實(shí)際應(yīng)用中還面臨諸多技術(shù)挑戰(zhàn)，其中一個(gè)主要

挑戰(zhàn)是AI模型的低開銷、可保證隱私安全的協(xié)同訓(xùn)練。有大量與用戶特征相關(guān)的數(shù)據(jù)產(chǎn)生

于移動(dòng)終端、IoT（InternetofThing，物聯(lián)網(wǎng)）終端，這些數(shù)據(jù)可以有效驅(qū)動(dòng)AI模型的訓(xùn)練。

然而隱私和安全問題限制了集中式的數(shù)據(jù)采集。作為一種分布式的AI模型訓(xùn)練框架，F(xiàn)L

10/53

（FederatedLearning，聯(lián)邦學(xué)習(xí)）允許用戶設(shè)備不直接共享數(shù)據(jù)樣本的前提下，對(duì)神經(jīng)網(wǎng)

絡(luò)進(jìn)行協(xié)同訓(xùn)練，可以解決智能和隱私之間的矛盾。然而FL的隱私保護(hù)特性是有代價(jià)的。

FL的訓(xùn)練過程是一個(gè)迭代的過程，需要反復(fù)進(jìn)行中間狀態(tài)模型的回傳，AI模型收斂一般需

要進(jìn)行幾百乃至上千個(gè)通信回合的訓(xùn)練，每個(gè)回合還需要幾個(gè)乃至幾十個(gè)用戶的參與，因此

實(shí)際完成一個(gè)模型訓(xùn)練的通信開銷是非常巨大的。同時(shí)FL要求用戶既要下載當(dāng)前的全局模

型，還要上傳更新過的本地模型，這種雙向通信也會(huì)加大終端側(cè)的通信開銷。無論從流量還

是功耗出發(fā)，巨大的通信開銷都將大大降低用戶參與AI模型更新的積極性；從另外一個(gè)角

度來說，大量的AI模型傳輸也會(huì)占用過高的網(wǎng)絡(luò)帶寬，從而影響其他業(yè)務(wù)的用戶體驗(yàn)。表

3.3.1展示了傳統(tǒng)集中式訓(xùn)練和FL訓(xùn)練的通信開銷對(duì)比。

表3.3.1傳統(tǒng)集中式訓(xùn)練和FL通信開銷對(duì)比（參數(shù)使用32位浮點(diǎn)數(shù)表示）

網(wǎng)絡(luò)模型大小數(shù)據(jù)集大小集中式訓(xùn)練FL訓(xùn)練

CNN(2.22MB)MNIST(45MB)上行：45MB上/下行:各21.7GB

(1000個(gè)回合)

CNN(4.08MB)CIFAR-10(147MB)上行：147MB上/下行:各19.9GB

(500個(gè)回合)

LSTM(3.13MB)Shakespear(61.38MB)上行：61.4MB上/下行:各15.3GB

(500個(gè)回合)

另一個(gè)主要挑戰(zhàn)是AI模型在移動(dòng)終端上的快速部署。目前很多表現(xiàn)較好的AI模型，

都依賴其網(wǎng)絡(luò)層足夠深。例如，原始的ResNet50模型有2500萬個(gè)參數(shù)，預(yù)訓(xùn)練的語言模

型GPT-3有1750億個(gè)參數(shù)。即便是專門針對(duì)計(jì)算資源有限、功耗有限的設(shè)備而設(shè)計(jì)的輕量

級(jí)MobileNet模型，其最小的版本也有20萬個(gè)參數(shù)(0.25MobileNet128模型，用于面部屬性

分類)。巨大的模型參數(shù)量為AI模型在移動(dòng)終端上的快速部署帶來了以下問題：（1）下載

AI模型的流量需求巨大，提高了用戶的使用成本（2）移動(dòng)終端通常算力較弱，因此AI模

型推時(shí)延長、服務(wù)質(zhì)量低。

3.3.2.潛在需求

AI模型部署、分布式訓(xùn)練和AI模型聯(lián)合推理過程中的需求包括：

1)降低AI模型在無線網(wǎng)絡(luò)中分布式訓(xùn)練的通信開銷：降低分布式訓(xùn)練的通信開銷通

常有兩條路徑，一是降低單輪訓(xùn)練的通信量，二是減少模型的訓(xùn)練輪數(shù)。然而，這

兩條路徑通常是相沖突的。例如AI模型稀疏化、量化可以減少單輪訓(xùn)練的通信量，

但引入的誤差通常會(huì)使得AI模型的收斂速度變慢，增大了模型收斂所需的訓(xùn)練輪

數(shù)。降低AI模型分布式訓(xùn)練的通信開銷需要綜合考慮設(shè)備的本地?cái)?shù)據(jù)分布、影響

AI模型收斂的重要超參數(shù)，設(shè)計(jì)AI模型的壓縮和設(shè)備調(diào)度等方案。

11/53

2)輕量化AI模型設(shè)計(jì)：可以通過模型剪枝、量化、權(quán)重共享和知識(shí)蒸餾等方式得到

規(guī)模更小的AI模型，降低了用戶的使用成本，降低了AI模型的推理時(shí)延，提高

了服務(wù)質(zhì)量。然而，模型規(guī)模的壓縮是以犧牲模型的精確度為代價(jià)的。使用各種模

型的輕量化技術(shù)需要在考慮移動(dòng)設(shè)備存儲(chǔ)能力、計(jì)算能力的情況下，實(shí)現(xiàn)模型規(guī)模

和推理精度的權(quán)衡。

3)實(shí)現(xiàn)AI模型的云邊聯(lián)合推理：目標(biāo)是在保證系統(tǒng)性能的同時(shí)，有效利用云端和邊

緣設(shè)備的資源，提高整體系統(tǒng)的效率、響應(yīng)速度和可擴(kuò)展性。在這種模式下，部分

推理任務(wù)在云端完成，而另一部分在邊緣設(shè)備上執(zhí)行。還有一種任務(wù)分配的方法是

模型分割。復(fù)雜的模型可能會(huì)被分割成多個(gè)部分，其中一部分在云端執(zhí)行，另一部

分在邊緣設(shè)備上執(zhí)行。實(shí)現(xiàn)AI模型高效的云邊聯(lián)合推理需要決定推理任務(wù)在何處

執(zhí)行。任務(wù)的分配可能基于任務(wù)的性質(zhì)、實(shí)時(shí)性要求、設(shè)備資源等因素。

3.4.基于分布式架構(gòu)的數(shù)據(jù)服務(wù)

3.4.1.描述

XR（ExtendedReality，擴(kuò)展現(xiàn)實(shí)）等新型業(yè)務(wù)的出現(xiàn)，對(duì)邊緣就近計(jì)算、超低時(shí)延等

網(wǎng)絡(luò)能力提出了更高要求，集中式網(wǎng)絡(luò)架構(gòu)被認(rèn)為存在架構(gòu)復(fù)雜、數(shù)據(jù)量大、容易遭受攻擊、

數(shù)據(jù)安全性低等缺陷，這些都驅(qū)動(dòng)6G網(wǎng)絡(luò)朝著分布式網(wǎng)絡(luò)架構(gòu)的方向演進(jìn),也為分布式網(wǎng)絡(luò)

架構(gòu)下網(wǎng)絡(luò)節(jié)點(diǎn)間的數(shù)據(jù)交互和數(shù)據(jù)獲取帶來了新的挑戰(zhàn)。

分布式網(wǎng)絡(luò)架構(gòu)下，為場景或用戶定制化設(shè)計(jì)的網(wǎng)絡(luò)節(jié)點(diǎn)各不相同，分散在多個(gè)網(wǎng)絡(luò)節(jié)

點(diǎn)中的數(shù)據(jù)由于類型異構(gòu)、缺乏互通性和冗余存儲(chǔ)等原因，如果仍然采用現(xiàn)有集中式網(wǎng)絡(luò)架

構(gòu)下的數(shù)據(jù)服務(wù)模式可能造成數(shù)據(jù)質(zhì)量和使用效率低下的問題，因此帶來了分布式網(wǎng)絡(luò)架構(gòu)

下的數(shù)據(jù)服務(wù)新需求。例如：（1）分布式網(wǎng)絡(luò)架構(gòu)下，UE切換和業(yè)務(wù)連續(xù)性保障等流程由

于涉及到跨網(wǎng)絡(luò)節(jié)點(diǎn)的多個(gè)網(wǎng)元間的數(shù)據(jù)交互和獲取，存在流程復(fù)雜和時(shí)延較大等問題。（2）

分散在網(wǎng)絡(luò)各處的數(shù)據(jù)可能被多次獲取和采集，感知數(shù)據(jù)、AI數(shù)據(jù)、網(wǎng)絡(luò)行為和狀態(tài)數(shù)據(jù)

等來自不同位置的數(shù)據(jù)可能最終會(huì)匯聚到一個(gè)位置，包括被內(nèi)生AI和數(shù)字孿生用于優(yōu)化網(wǎng)

絡(luò)性能和提升用戶體驗(yàn)，或者被多應(yīng)用程序共享訪問。然而，傳統(tǒng)通過NWDAF、NEF等

獲取數(shù)據(jù)并用于智能分析和應(yīng)用開放的場景中，數(shù)據(jù)是通過SBI（Service-basedInterface，

服務(wù)化接口）從AMF/SMF/UPF（UserPlaneFunction，用戶面功能）等多個(gè)網(wǎng)元中分別獲取，

這種信令傳輸方式以及分散獲取的方式可能導(dǎo)致數(shù)據(jù)獲取效率和獲取質(zhì)量較差，容易造成數(shù)

據(jù)重復(fù)獲取、數(shù)據(jù)結(jié)構(gòu)不一致等問題。（3）在跨網(wǎng)絡(luò)節(jié)點(diǎn)間的數(shù)據(jù)同步場景中，如果直接對(duì)

原始數(shù)據(jù)進(jìn)行傳輸，可能存在數(shù)據(jù)量大、傳輸時(shí)延高、帶寬壓力大等問題，而且可能存在對(duì)

數(shù)據(jù)隱私的泄露風(fēng)險(xiǎn)，因此往往需要對(duì)數(shù)據(jù)先進(jìn)行一定的預(yù)處理或去隱私處理后再進(jìn)行傳輸。

12/53

3.4.2.潛在需求

分布式網(wǎng)絡(luò)架構(gòu)以及智慧內(nèi)生、數(shù)字孿生網(wǎng)絡(luò)等技術(shù)的快速發(fā)展，給移動(dòng)通信的數(shù)據(jù)管

控機(jī)制帶來了挑戰(zhàn)，對(duì)6G數(shù)據(jù)面的架構(gòu)、數(shù)據(jù)獲取機(jī)制和相關(guān)關(guān)鍵技術(shù)提出了潛在新需求。

1)6G數(shù)據(jù)面需要設(shè)計(jì)新的分布式數(shù)據(jù)服務(wù)架構(gòu)，通過統(tǒng)一的數(shù)據(jù)表征機(jī)制、數(shù)據(jù)管

理機(jī)制以及數(shù)據(jù)間的按需同步和互操作，支持不同代際之間、不同網(wǎng)絡(luò)節(jié)點(diǎn)之間的

高效協(xié)作，解決數(shù)據(jù)分散、數(shù)據(jù)異構(gòu)、數(shù)據(jù)孤島等問題。

2)6G數(shù)據(jù)面需要實(shí)現(xiàn)分布式數(shù)據(jù)的高效獲取和可信共享，包括標(biāo)準(zhǔn)化數(shù)據(jù)獲取接口、

簡化數(shù)據(jù)獲取流程，準(zhǔn)確解析數(shù)據(jù)獲取請(qǐng)求、快速編排數(shù)據(jù)獲取路徑，支持多數(shù)據(jù)

源和多數(shù)據(jù)消費(fèi)者的任意拓?fù)鋫鬏斠约翱缇W(wǎng)絡(luò)節(jié)點(diǎn)的NFs間高速率傳輸；基于數(shù)

據(jù)的內(nèi)在聯(lián)系執(zhí)行數(shù)據(jù)預(yù)處理和數(shù)據(jù)隨路處理，降低數(shù)據(jù)傳輸量、提高數(shù)據(jù)隱私保

護(hù)，提升數(shù)據(jù)服務(wù)質(zhì)量。

3)6G數(shù)據(jù)面需要設(shè)計(jì)分布式數(shù)據(jù)存儲(chǔ)機(jī)制、分布式數(shù)據(jù)傳輸協(xié)議、分布式數(shù)據(jù)安全

管理技術(shù)，提升海量數(shù)據(jù)的存/取效率，降低大數(shù)據(jù)量的傳輸時(shí)延，保障數(shù)據(jù)全生

命周期的安全可信。

3.5.用戶為中心的數(shù)據(jù)管控

3.5.1.描述

ITU-R在2023年發(fā)布的建議書中提出6G網(wǎng)絡(luò)應(yīng)該提供以人為中心的通信、支持因用

戶而異的服務(wù)質(zhì)量、保障不同地點(diǎn)之間用戶體驗(yàn)的一致性，推動(dòng)著未來網(wǎng)絡(luò)朝著“以用戶為

中心”的模式變革。這里的“用戶“除了傳統(tǒng)移動(dòng)通信網(wǎng)絡(luò)中的終端用戶，還可以是網(wǎng)絡(luò)租

戶等網(wǎng)絡(luò)服務(wù)的消費(fèi)者。為了滿足用戶的個(gè)性化需求或部分場景下的極致需求，網(wǎng)絡(luò)需要基

于對(duì)用戶能力、用戶需求、用戶位置、用戶資源狀態(tài)等數(shù)據(jù)的全面分析，提供以用戶實(shí)時(shí)位

置和用戶動(dòng)態(tài)需求為中心的高質(zhì)量網(wǎng)絡(luò)服務(wù)。然而，5G網(wǎng)絡(luò)中用戶的會(huì)話上下文、鑒權(quán)/

簽約數(shù)據(jù)、策略數(shù)據(jù)等分散在AMF\SMF\UDM（UnifiedDataManagement，統(tǒng)一數(shù)據(jù)管理）

\UPF\PCF（PolicyControlFunction,策略控制功能）等多個(gè)網(wǎng)元中，導(dǎo)致網(wǎng)絡(luò)缺乏對(duì)用戶的

全面感知，影響網(wǎng)絡(luò)以用戶為中心進(jìn)行動(dòng)態(tài)自適應(yīng)調(diào)整的性能。另一方面，為了保障不同地

點(diǎn)之間用戶體驗(yàn)的一致性，要求網(wǎng)絡(luò)支持用戶數(shù)據(jù)和網(wǎng)絡(luò)數(shù)據(jù)的快速遷移。

面向6G，用戶不僅可以作為網(wǎng)絡(luò)服務(wù)的消費(fèi)者，還可以為網(wǎng)絡(luò)提供感知類數(shù)據(jù)，例如

公共區(qū)域攝像頭采集的環(huán)境數(shù)據(jù)。在這種場景下，用戶需要對(duì)自身提供的數(shù)據(jù)是否允許共享

進(jìn)行靈活的管控，保障數(shù)據(jù)隱私。同時(shí)，網(wǎng)絡(luò)需要支持靈活設(shè)置不同數(shù)據(jù)消費(fèi)者對(duì)數(shù)據(jù)具有

13/53

不同的操作權(quán)限和傳輸優(yōu)先級(jí)，滿足6G多樣化業(yè)務(wù)場景。

3.5.2.潛在需求

用戶為中心的數(shù)據(jù)管控需要用戶終端相比于現(xiàn)狀提供更多的增量數(shù)據(jù)，需要網(wǎng)絡(luò)按需滿

足不同數(shù)據(jù)的融合和傳輸性能要求。

1)6G用戶終端（例如手機(jī)、公共區(qū)域攝像頭等）可以為網(wǎng)絡(luò)提供感知類數(shù)據(jù)的采集

服務(wù)，6G數(shù)據(jù)面需要對(duì)這類數(shù)據(jù)實(shí)現(xiàn)以用戶為粒度的數(shù)據(jù)管控，支持用戶對(duì)自身

數(shù)據(jù)和自身數(shù)據(jù)服務(wù)能力進(jìn)行靈活自主的細(xì)粒度控制。

2)6G數(shù)據(jù)面需要支持對(duì)用戶的多模態(tài)數(shù)據(jù)的協(xié)同感知和智能融合，不同數(shù)據(jù)基于實(shí)

時(shí)性等要求具備不同的傳輸優(yōu)先級(jí)，網(wǎng)絡(luò)可以通過全方位分析多模態(tài)數(shù)據(jù)獲得新知

識(shí)，從而更加準(zhǔn)確地感知用戶實(shí)時(shí)狀態(tài)和需求，提前完成對(duì)下一時(shí)刻用戶和網(wǎng)絡(luò)狀

態(tài)的智能預(yù)測，預(yù)先完成網(wǎng)絡(luò)側(cè)的策略調(diào)整，最終提升用戶體驗(yàn)。

3.6.星地融合通信場景的數(shù)據(jù)

3.6.1.描述

面向6G的星地融合網(wǎng)絡(luò)將實(shí)現(xiàn)地面通信和衛(wèi)星通信的系統(tǒng)級(jí)深度融合，實(shí)現(xiàn)覆蓋優(yōu)勢(shì)

和容量優(yōu)勢(shì)的優(yōu)勢(shì)互補(bǔ)。3GPP對(duì)衛(wèi)星通信的研究在R15NTN（Non-TerrestrialNetworks，

非地面網(wǎng)絡(luò)）啟動(dòng)，在R17完成第一個(gè)關(guān)于透明轉(zhuǎn)發(fā)模式的NTN標(biāo)準(zhǔn)版本的制定，在R18

階段支持核心網(wǎng)UPF的天基部署，面向R19已經(jīng)啟動(dòng)關(guān)于星上處理模式的NTN標(biāo)準(zhǔn)制定

以支持基站和部分核心網(wǎng)功能上星。針對(duì)接入網(wǎng)、承載網(wǎng)、核心網(wǎng)等功能按需上星的場景，

低軌衛(wèi)星相對(duì)地球高速運(yùn)動(dòng)，繞地球旋轉(zhuǎn)一圈的時(shí)間約為130分鐘，網(wǎng)絡(luò)為用戶業(yè)務(wù)提供服

務(wù)期間，由于衛(wèi)星和用戶的雙重移動(dòng)性，可能發(fā)生衛(wèi)星或波束的切換，導(dǎo)致星上數(shù)據(jù)的可用

性隨衛(wèi)星的高速運(yùn)動(dòng)發(fā)生動(dòng)態(tài)變化。同時(shí)，衛(wèi)星運(yùn)動(dòng)可能造成其服務(wù)用戶的群組切換場景，

需要實(shí)現(xiàn)衛(wèi)星間多用戶的基站和核心網(wǎng)控制面等上下文數(shù)據(jù)的交互和同步以保障網(wǎng)絡(luò)狀態(tài)

的可靠遷移，同時(shí)還需要考慮用戶面數(shù)據(jù)的無損遷移以保障業(yè)務(wù)的連續(xù)性。針對(duì)衛(wèi)星的數(shù)據(jù)

回傳服務(wù)場景，由于衛(wèi)星處于特殊的太空環(huán)境，衛(wèi)星采集到的原始數(shù)據(jù)存在因環(huán)境干擾造成

的無效數(shù)據(jù)，如果將衛(wèi)星采集的環(huán)境數(shù)據(jù)全部直接傳回地面再進(jìn)行處理，是對(duì)饋電鏈路的帶

寬資源的嚴(yán)重浪費(fèi)；另外，星上的不同類型數(shù)據(jù)對(duì)實(shí)時(shí)性要求是不同的，需要保障不同數(shù)據(jù)

的按需回傳。

3.6.2.潛在需求

14/53

星地融合通信場景需要控制數(shù)據(jù)與控制功能實(shí)體的充分解耦，以及提出對(duì)星上采集的數(shù)

據(jù)先處理再傳輸?shù)刃枨蟆?/p>

1)針對(duì)衛(wèi)星的高動(dòng)態(tài)特性，基于星歷數(shù)據(jù)等分析星上數(shù)據(jù)的可服務(wù)時(shí)長，利用6G數(shù)

據(jù)面完成星間多用戶的基站和核心網(wǎng)控制面上下文數(shù)據(jù)的整體智能遷移以及用戶

面數(shù)據(jù)在星間的無損遷移以保障業(yè)務(wù)連續(xù)性，例如以用戶粒度或群組粒度進(jìn)行控制

面和用戶面數(shù)據(jù)的遷移，從而避免會(huì)話為粒度的高成本數(shù)據(jù)遷移；同時(shí)，通過處理

和數(shù)據(jù)的解耦設(shè)計(jì)，保障網(wǎng)絡(luò)狀態(tài)在衛(wèi)星高動(dòng)態(tài)場景下的可靠遷移，提升用戶群組

切換效率。

2)6G數(shù)據(jù)面需要在網(wǎng)絡(luò)側(cè)支持?jǐn)?shù)據(jù)處理功能下沉，例如通過隨路處理功能實(shí)現(xiàn)對(duì)星

上采集的原始數(shù)據(jù)的就近處理，包括去掉無效數(shù)據(jù)、對(duì)多個(gè)數(shù)據(jù)進(jìn)行融合處理等，

然后再傳回地面進(jìn)一步分析，提升數(shù)據(jù)回傳服務(wù)性能。

3.7.用戶體驗(yàn)自優(yōu)化的數(shù)據(jù)收集

3.7.1.描述

6G的性能指標(biāo)應(yīng)該不僅包括更高的容量，更低的時(shí)延和丟包率等，還應(yīng)該包括更好的

用戶體驗(yàn)。如下圖所示，特別應(yīng)該關(guān)注用戶極差體驗(yàn)，降低極差體驗(yàn)概率。

圖3.7-1.用戶體驗(yàn)概率分布函數(shù)

現(xiàn)有網(wǎng)絡(luò)為中心的數(shù)據(jù)收集和優(yōu)化以小區(qū)級(jí)或網(wǎng)絡(luò)級(jí)的總體性能或平均性能提升為目

標(biāo)。如下圖所示，3GPP與此相關(guān)的協(xié)議包括SON和MDT等。并且，傳統(tǒng)網(wǎng)絡(luò)為中心的方

案幾經(jīng)迭代也逐漸向著網(wǎng)絡(luò)和UE協(xié)作的方向演進(jìn)。例如，在Release18的移動(dòng)性增強(qiáng)項(xiàng)目

15/53

LTM（L1/L2-triggeredmobility，L1/L2觸發(fā)的移動(dòng)性）中開始允許暴露網(wǎng)絡(luò)拓?fù)浣oUE，即

UE基于網(wǎng)絡(luò)提供的節(jié)點(diǎn)標(biāo)識(shí)判斷源小區(qū)和目標(biāo)小區(qū)是否同屬一個(gè)DU，進(jìn)行判斷切換過程

中如何執(zhí)行RLC層和PDCP層的處理。UAI（UEAssistanceInformation，UE輔助信息）則

支持UE上報(bào)自己的偏好，包括DRX（DiscontinuousReception，不連續(xù)接收）配置，CA（Carrier

Aggregation,載波聚合）配置，RRC狀態(tài)等。CHO（ConditionalHandover，條件切換）中

UE根據(jù)源基站配置的多個(gè)候選基站和對(duì)應(yīng)的切換觸發(fā)執(zhí)行條件進(jìn)行檢測，如果滿足切換觸

發(fā)執(zhí)行條件，UE直接決定切換，向目標(biāo)基站執(zhí)行隨機(jī)接入。

圖3.7-2.網(wǎng)絡(luò)中心的數(shù)據(jù)收集和優(yōu)化

同時(shí)，如果UE側(cè)上報(bào)越來越多的數(shù)據(jù)（例如用戶實(shí)時(shí)的&準(zhǔn)確的用戶體驗(yàn)信息）給網(wǎng)

絡(luò)可能存在用戶隱私暴露風(fēng)險(xiǎn)等。另外，現(xiàn)有商用手機(jī)已經(jīng)基于終端側(cè)實(shí)現(xiàn)方案優(yōu)化用戶體

驗(yàn)（例如地鐵等場景視頻預(yù)緩存等），這說明終端具備用戶體驗(yàn)自優(yōu)化（SOE，Self-Optimizing

Experience）的基礎(chǔ)能力。

SOE面向UE定制化需求收集網(wǎng)絡(luò)側(cè)數(shù)據(jù)，UE可基于終端實(shí)現(xiàn)方案優(yōu)化用戶體驗(yàn)，也

可以通過向網(wǎng)絡(luò)提供用戶偏好來輔助網(wǎng)絡(luò)聯(lián)合優(yōu)化用戶體驗(yàn)，還可以在網(wǎng)絡(luò)允許的范圍內(nèi)決

策來優(yōu)化用戶體驗(yàn)?？傊?，最終達(dá)到減少用戶極差體驗(yàn)發(fā)生的概率，達(dá)成提供一致性的優(yōu)質(zhì)

用戶體驗(yàn)的目標(biāo)。例如，尋呼失敗是引起話音業(yè)務(wù)被叫失敗的原因之一。對(duì)于這一場景目前

終端側(cè)存在不知道是否發(fā)生了尋呼失敗的困境。即使通過現(xiàn)有的應(yīng)用層通知的方法，終端側(cè)

知道了曾發(fā)生了尋呼失敗，其也無法知道網(wǎng)絡(luò)具體在何時(shí)何地發(fā)送過尋呼消息等信息，因此

終端側(cè)無法及時(shí)發(fā)現(xiàn)和定位問題。對(duì)應(yīng)的，對(duì)于這一場景目前網(wǎng)絡(luò)側(cè)存在不知道發(fā)生尋呼失

敗時(shí)UE身處何地，尋呼失敗的原因是覆蓋問題還是終端狀態(tài)異常等原因。

綜上，僅依靠網(wǎng)絡(luò)數(shù)據(jù)或僅依靠終端側(cè)數(shù)據(jù)都較難及時(shí)識(shí)別和定位用戶體驗(yàn)問題，從而

也就無法提供良好的解決方案來提升體驗(yàn)。所以，可根據(jù)不同用例和用戶的特征，通過UE

和網(wǎng)絡(luò)協(xié)同相結(jié)合來實(shí)現(xiàn)6G更好的用戶體驗(yàn)。

3.7.2.潛在需求

根據(jù)用戶體驗(yàn)優(yōu)化場景闡述，用戶體驗(yàn)自優(yōu)化需要支持UE獲取網(wǎng)絡(luò)數(shù)據(jù)，以及支持

UE提供用戶偏好的決策等。

16/53

1)支持UE獲取網(wǎng)絡(luò)數(shù)據(jù)包括根據(jù)該UE的用戶體驗(yàn)優(yōu)化需求獲取所需的核心網(wǎng)數(shù)據(jù)

和無線接入網(wǎng)數(shù)據(jù)，例如前述尋呼失敗事件、尋呼發(fā)起涉及的追蹤區(qū)域和小區(qū)標(biāo)識(shí)、

發(fā)送尋呼消息的時(shí)間等。考慮潛在的用例對(duì)數(shù)據(jù)時(shí)效性等的需求，UE通過空口獲

取網(wǎng)絡(luò)數(shù)據(jù)既包括實(shí)時(shí)數(shù)據(jù)，也包括歷史數(shù)據(jù)。UE獲取網(wǎng)絡(luò)數(shù)據(jù)過程中的數(shù)據(jù)消

費(fèi)者既包括UE基帶功能也包括應(yīng)用功能，其中應(yīng)用功能可以是UE自身運(yùn)行的應(yīng)

用功能或者用戶授權(quán)的第三方服務(wù)器上運(yùn)行的應(yīng)用功能。

2)支持UE提供用戶偏好以輔助網(wǎng)絡(luò)優(yōu)化用戶體驗(yàn)（如UE發(fā)送用戶體驗(yàn)優(yōu)化所需的

資源配置），以及支持UE在網(wǎng)絡(luò)配置范圍內(nèi)自行決策資源配置等，從而實(shí)現(xiàn)基于

實(shí)時(shí)和準(zhǔn)確的用戶體驗(yàn)信息更快速地調(diào)整UE的配置參數(shù)，進(jìn)而避免發(fā)生用戶體驗(yàn)

差的情況。

3.8.自生成數(shù)據(jù)服務(wù)

3.8.1.描述

6G網(wǎng)絡(luò)引入感知、AI計(jì)算等新能力后，也帶來了感知數(shù)據(jù)、AI數(shù)據(jù)等大量新型數(shù)據(jù)。

這些新型數(shù)據(jù)的產(chǎn)生、終結(jié)、處理、流轉(zhuǎn)、存儲(chǔ)等環(huán)節(jié)涉及核心網(wǎng)、基站、終端多個(gè)網(wǎng)元，

每個(gè)網(wǎng)元在數(shù)據(jù)服務(wù)中還可同時(shí)具有多個(gè)數(shù)據(jù)功能。不同的網(wǎng)絡(luò)需求下，數(shù)據(jù)的交互可能在

核心網(wǎng)與基站、基站與終端核心網(wǎng)與終端、核心網(wǎng)內(nèi)部、基站內(nèi)部或基站與基站之間進(jìn)行，

數(shù)據(jù)服務(wù)也可能只包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)流轉(zhuǎn)中的某幾個(gè)環(huán)

節(jié)。6G數(shù)據(jù)服務(wù)龐大而復(fù)雜，靠人工選擇數(shù)據(jù)源、網(wǎng)元功能、數(shù)據(jù)過程和數(shù)據(jù)拓?fù)涞臄?shù)據(jù)

服務(wù)無法滿足業(yè)務(wù)敏捷響應(yīng)快速上線需求，6G需要自生成的數(shù)據(jù)服務(wù)來快速適應(yīng)多樣化場

景業(yè)務(wù)需求。AI的發(fā)展尤其是大模型的發(fā)展，為數(shù)據(jù)服務(wù)的自生成提供了可能。

自生成的數(shù)據(jù)服務(wù)是利用AI手段來自動(dòng)化選擇數(shù)據(jù)相關(guān)網(wǎng)元、功能、過程及拓?fù)洳?duì)

數(shù)據(jù)全流程進(jìn)行智能化編排而產(chǎn)生的敏捷高效的數(shù)據(jù)服務(wù)。通過與AI結(jié)合，自生成的數(shù)據(jù)

服務(wù)能夠自動(dòng)根據(jù)網(wǎng)絡(luò)需求、空口環(huán)境和網(wǎng)元能力來選擇數(shù)據(jù)采集源，能夠根據(jù)采集的數(shù)據(jù)

用途來自動(dòng)進(jìn)行數(shù)據(jù)清洗、加工和凝練；能夠根據(jù)數(shù)據(jù)量、時(shí)延要求、計(jì)算能力以及場景需

求來自動(dòng)規(guī)劃數(shù)據(jù)流轉(zhuǎn)、匯聚的路徑。以基站感知的數(shù)據(jù)服務(wù)為例：低頻基站適合大范低精

度感知，高頻基站適合小范圍高精度感知，數(shù)據(jù)服務(wù)需要合理利用不同基站的感知能力；數(shù)

據(jù)服務(wù)中感知數(shù)據(jù)需要靈活處理，歷史數(shù)據(jù)要提取出仍具有時(shí)效性的數(shù)據(jù)并凝練出環(huán)境長期

特征，實(shí)時(shí)數(shù)據(jù)需要進(jìn)行預(yù)處理減少毛刺；感知數(shù)據(jù)的流轉(zhuǎn)匯聚需要考慮基站內(nèi)數(shù)據(jù)匯聚、

基站間數(shù)據(jù)共享、核心網(wǎng)對(duì)各基站數(shù)據(jù)融合在數(shù)據(jù)服務(wù)中的作用。非自生成的數(shù)據(jù)服務(wù)固定

僵化，適應(yīng)性不高。自生成的數(shù)據(jù)服務(wù)能夠自動(dòng)選擇感知基站并將適合的感知數(shù)據(jù)自動(dòng)流轉(zhuǎn)

到需要的地方，為基站感知提供個(gè)性化且及時(shí)準(zhǔn)確的數(shù)據(jù)支持。

17/53

3.8.2.潛在需求

面對(duì)數(shù)據(jù)海量異構(gòu)、數(shù)據(jù)業(yè)務(wù)多樣化、應(yīng)用場景豐富多彩、網(wǎng)絡(luò)復(fù)雜龐大的現(xiàn)狀，6G

網(wǎng)絡(luò)迫切需要數(shù)據(jù)智能供給和數(shù)據(jù)過程自動(dòng)編排的數(shù)據(jù)服務(wù)來滿足層出不窮、千變?nèi)f化的未

來需求。網(wǎng)絡(luò)對(duì)自生成的數(shù)據(jù)服務(wù)有以下需求：

1)除了要根據(jù)網(wǎng)絡(luò)需求進(jìn)行網(wǎng)元、功能、過程及拓?fù)涞淖詣?dòng)化選擇和編排組織，還要

能夠根據(jù)網(wǎng)絡(luò)變化進(jìn)行網(wǎng)元、功能、過程及拓?fù)涞淖詣?dòng)化調(diào)整。

2)需要進(jìn)行數(shù)據(jù)服務(wù)生命周期的自動(dòng)化管理

3)需要對(duì)外進(jìn)行數(shù)據(jù)服務(wù)能力的提供和數(shù)據(jù)的開放共享。

3.9.數(shù)據(jù)權(quán)益

3.9.1.描述

數(shù)據(jù)權(quán)益是在法律法規(guī)和隱私安全保護(hù)的前提下，明確各數(shù)據(jù)主體的角色（如數(shù)據(jù)產(chǎn)生

者，數(shù)據(jù)擁有者、數(shù)據(jù)處理者，數(shù)據(jù)使用者）以及不同角色對(duì)應(yīng)的權(quán)利和利益劃分。終端用

戶（包括toC用戶、toB企業(yè)用戶)、運(yùn)營商以及設(shè)備商等網(wǎng)絡(luò)主體可在數(shù)據(jù)采集、數(shù)據(jù)處理、

數(shù)據(jù)傳輸、數(shù)據(jù)分析等多各環(huán)節(jié)中發(fā)揮作用，作為數(shù)據(jù)主體也應(yīng)該擁有與之匹配的數(shù)據(jù)權(quán)益。

數(shù)據(jù)權(quán)益機(jī)制能夠使數(shù)據(jù)主體在數(shù)據(jù)服務(wù)中的價(jià)值得到合理評(píng)價(jià)并可在安全可控的范

圍內(nèi)進(jìn)行數(shù)據(jù)價(jià)值交易，這將激發(fā)數(shù)據(jù)共享和交換的主動(dòng)性，進(jìn)而增加數(shù)據(jù)的豐富性、提升

數(shù)據(jù)的價(jià)值性。

對(duì)toC用戶，運(yùn)營商可通過獎(jiǎng)勵(lì)的方式（如積分獎(jiǎng)勵(lì)）使得消費(fèi)者更愿意主動(dòng)開啟數(shù)據(jù)

上報(bào)的功能。在5G中，使用SON&MDT只能對(duì)特定用戶進(jìn)行幾個(gè)網(wǎng)絡(luò)特性的數(shù)據(jù)測量收

集。6G網(wǎng)絡(luò)如果激發(fā)了用戶的主動(dòng)性，則會(huì)有更多的用戶提供數(shù)量更多、類型更廣的數(shù)據(jù)。

比如用戶除了可以提供更多的通信特性數(shù)據(jù)，還可以提供更多的環(huán)境感知數(shù)據(jù)、AI模型訓(xùn)

練數(shù)據(jù)。

另外，行業(yè)/企業(yè)對(duì)數(shù)據(jù)安全非常重視，希望能夠增加對(duì)企業(yè)數(shù)據(jù)的掌控權(quán)。在數(shù)據(jù)權(quán)

益保障下，企業(yè)能夠控制數(shù)據(jù)對(duì)外開放的范圍并進(jìn)行數(shù)據(jù)價(jià)值交換，這也會(huì)使得企業(yè)用戶愿

意主動(dòng)進(jìn)行企業(yè)數(shù)據(jù)的分享。設(shè)備商的核心網(wǎng)和基站通常會(huì)承擔(dān)數(shù)據(jù)處理、數(shù)據(jù)傳輸、數(shù)據(jù)

分析、數(shù)據(jù)存儲(chǔ)的主要工作，在用戶/客戶隱私安全的保證上也可通過數(shù)據(jù)權(quán)益的方式來解

決。

在利益驅(qū)使下，還會(huì)涌現(xiàn)出越來越多的新型網(wǎng)元如RIS（ReconfigurableIntelligent

18/53

Surfaces，可重構(gòu)智能表面）墻體玻璃貼片、家庭/企業(yè)自建基站等，這些新型網(wǎng)元能夠彌補(bǔ)

6G網(wǎng)絡(luò)在特定階段的不足，為網(wǎng)絡(luò)提效的同時(shí)節(jié)約網(wǎng)絡(luò)成本。在6G網(wǎng)絡(luò)中，運(yùn)營商不僅

為用戶提供網(wǎng)絡(luò)服務(wù)，還可作為數(shù)據(jù)權(quán)益分配和管控的主導(dǎo)者。可以看到，數(shù)據(jù)權(quán)益讓網(wǎng)絡(luò)

所有主體的價(jià)值都能夠得到合理體現(xiàn)，各主體都將會(huì)有意愿和有機(jī)會(huì)參與網(wǎng)絡(luò)共建共享、共

同促進(jìn)網(wǎng)絡(luò)繁榮。因此，6G需要使用數(shù)據(jù)權(quán)益來進(jìn)行安全可信的價(jià)值評(píng)估、衡量以及各參

與方之間的價(jià)值交換。

3.9.2.潛在需求

傳統(tǒng)網(wǎng)絡(luò)中，數(shù)據(jù)權(quán)益處于模糊地帶使得網(wǎng)絡(luò)參與方的主動(dòng)性不強(qiáng)，數(shù)據(jù)價(jià)值難以最大

化利用。數(shù)據(jù)權(quán)益能夠提升網(wǎng)絡(luò)參與度，實(shí)現(xiàn)數(shù)據(jù)共享和價(jià)值流轉(zhuǎn)，實(shí)現(xiàn)未來6G無線系統(tǒng)

多方協(xié)同共贏和價(jià)值最大化的目標(biāo)，因此數(shù)據(jù)服務(wù)需要數(shù)據(jù)權(quán)益機(jī)制的支撐。數(shù)據(jù)權(quán)益的需

求包括：

1)規(guī)范明確數(shù)據(jù)權(quán)益主體以及對(duì)應(yīng)的數(shù)據(jù)權(quán)益內(nèi)容

2)業(yè)務(wù)前、業(yè)務(wù)中和業(yè)務(wù)后三個(gè)階段都需要增加數(shù)據(jù)權(quán)益相關(guān)功能：業(yè)務(wù)前有鑒權(quán)、

認(rèn)證、授權(quán)等功能，業(yè)務(wù)中有權(quán)益交互、任務(wù)分配、協(xié)同控制、流程監(jiān)督、計(jì)費(fèi)獎(jiǎng)

勵(lì)、故障懲罰等功能，業(yè)務(wù)后有權(quán)益價(jià)值評(píng)估、權(quán)益安全交易結(jié)算等功能。

3)網(wǎng)絡(luò)中需要支持?jǐn)?shù)據(jù)權(quán)益相關(guān)的多種機(jī)制、流程和模式。數(shù)據(jù)權(quán)益機(jī)制有數(shù)據(jù)權(quán)益

分配機(jī)制、價(jià)值評(píng)估機(jī)制、交易結(jié)算機(jī)制等。數(shù)據(jù)權(quán)益涉及的流程有權(quán)益劃分、權(quán)

益信息交互、權(quán)益變更、權(quán)益刪除等。并且訂閱-發(fā)布和請(qǐng)求-響應(yīng)兩種模式也可用

于數(shù)據(jù)權(quán)益過程，如通過網(wǎng)絡(luò)發(fā)布包含權(quán)益分配、價(jià)值衡量、價(jià)值交換和可信等數(shù)

據(jù)權(quán)益相關(guān)的信息，如通過終端請(qǐng)求的方式來主動(dòng)觸發(fā)網(wǎng)絡(luò)對(duì)數(shù)據(jù)權(quán)益的分配和修

改。

3.10.6G數(shù)據(jù)需求總結(jié)

如表3.10-1所示，根據(jù)前述6G服務(wù)場景和與需求分析，6G系統(tǒng)數(shù)據(jù)需求包含兩大類。

一類是與6G新場景需求相匹配的新增數(shù)據(jù)需求，包括感知數(shù)據(jù)和AI數(shù)據(jù)。另一類是6G系

統(tǒng)功能和數(shù)據(jù)分離對(duì)應(yīng)的數(shù)據(jù)需求，包括面向分布式和星地融合等場景對(duì)網(wǎng)絡(luò)中用戶級(jí)數(shù)據(jù)

或網(wǎng)元級(jí)數(shù)據(jù)的交互需求。相比于5G，6G系統(tǒng)的數(shù)據(jù)需求還需要支持協(xié)作式的數(shù)據(jù)收集和

更加自動(dòng)化的數(shù)據(jù)收集，包括UE獲取網(wǎng)絡(luò)數(shù)據(jù)、數(shù)據(jù)權(quán)益和自生成數(shù)據(jù)服務(wù)等。并且，6G

系統(tǒng)需要支持統(tǒng)一的數(shù)據(jù)全生命周期管理機(jī)制，目標(biāo)是提升海量網(wǎng)絡(luò)數(shù)據(jù)的流動(dòng)效率，避免

單個(gè)用例碎片化方案的標(biāo)準(zhǔn)開銷。

19/53

表3.10-16G數(shù)據(jù)面數(shù)據(jù)總結(jié)

數(shù)據(jù)類型數(shù)據(jù)提供者數(shù)據(jù)消費(fèi)者數(shù)據(jù)量

感知數(shù)據(jù)（如感知測UE、RAN節(jié)點(diǎn)（基CN、RAN節(jié)點(diǎn)（基與感知用例相關(guān)，速

量數(shù)據(jù)）站）、第三方傳感器站）、UE率約為1k~10Mbps

數(shù)量級(jí)

網(wǎng)絡(luò)AI數(shù)據(jù)（如AIUE、RAN節(jié)點(diǎn)（基CN、RAN節(jié)點(diǎn)（基與AI模型相關(guān)，波

模型）站）、核心網(wǎng)網(wǎng)絡(luò)功站）、UE束管理的AI模型數(shù)

能、應(yīng)用功能據(jù)量約為10k字節(jié)到

100M字節(jié)[17]

網(wǎng)絡(luò)中用戶級(jí)數(shù)據(jù)RAN節(jié)點(diǎn)（基站）、CN、RAN節(jié)點(diǎn)（基與用戶數(shù)相關(guān)

（如用戶簽約數(shù)據(jù)、核心網(wǎng)網(wǎng)絡(luò)功能站）、UE

上下文信息）

網(wǎng)元數(shù)據(jù)（如尋呼數(shù)RAN節(jié)點(diǎn)（基站）、網(wǎng)絡(luò)管理功能、CN、與小區(qū)數(shù)和用戶數(shù)

據(jù)、網(wǎng)絡(luò)負(fù)荷等）核心網(wǎng)網(wǎng)絡(luò)功能、網(wǎng)RAN節(jié)點(diǎn)（基站）、相關(guān)

絡(luò)管理功能UE

相應(yīng)地，數(shù)據(jù)面功能應(yīng)當(dāng)具備數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)協(xié)同等能力。其中，

數(shù)據(jù)面支持?jǐn)?shù)據(jù)在任意節(jié)點(diǎn)進(jìn)行處理，可以采用集中處理的方式或根據(jù)不同節(jié)點(diǎn)處理能力的

差異來智能分配處理任務(wù)，以實(shí)現(xiàn)對(duì)數(shù)據(jù)的精細(xì)化采集、實(shí)時(shí)處理、高效傳輸、分布式協(xié)同

和彈性存儲(chǔ)，統(tǒng)管數(shù)據(jù)的全生命周期，從而提升數(shù)據(jù)利用率與6G網(wǎng)絡(luò)的數(shù)據(jù)化服務(wù)能力

[18]。例如，根據(jù)不同感知協(xié)同方式，包括系統(tǒng)組網(wǎng)多點(diǎn)感知的不同方式，以及不同模式的

感知方式，數(shù)據(jù)面需要支持6G網(wǎng)絡(luò)內(nèi)不同域、終端與網(wǎng)絡(luò)、6G網(wǎng)絡(luò)內(nèi)部與外部功能之間

的跨域數(shù)據(jù)協(xié)作。

4.6G數(shù)據(jù)面內(nèi)涵和框