网络运行智能架构与场景白皮书

5G是开启万物互联数字化新时代的重要基础设施，智能化是5G网络发展及演进的重要方向。运行智能作为网络智能化的重要领域之一，是推动网络与AI深度融合的关键举措和深度体现，将显著提升网络运行效率，高质量保障网络的多样化业务需求。本文首先阐述网络运行智能的概念和“实时闭环、用户粒度、内生智能”的三大特点；其次，提出“四层四域”的运行智能总体架构和基于AI内生的核心能力体系，实现端到端智能协同；再次，介绍核心网运行智能的应用创新及实践，凸显了其在提升网络性能和用户体验方面的重要作用；然后，探讨网络运行大模型的构建和引入，对关键问题展开深入思考；最后，提出面向6G的演进思路。通过网络与AI的深度融合，网络运行智能不仅可实现网络提质增效，还将赋能千行百业，为经济社会的数字化、网络化、智能化转型提供重要支撑。

网络运行智能：概念与特点

网络运行智能（AIeNETR：AI enabled Network Running）是将人工智能技术与网元功能、网络运行机制、业务运行流程紧密结合的技术能力体系，其数据、算力主要来源均为网元本身，作用对象为网元本身以及所承载的用户和业务。网络运行智能通过数据的实时定制化采集、推理的实时订阅与计算、分析结果的实时反馈与闭环控制等基本能力，打造网络运行态的AI内生与泛在。

网络运行智能具有三大特点：实时闭环、用户粒度和内生智能。实时闭环是通过实时数据采集、AI分析和策略决策，使网络能够自我优化、动态调整，提升网络可靠性和响应速度；用户粒度特性实现了对单个用户的精细化管理和服务，提供个性化的网络服务；内生智能则是将AI算法和模型直接集成在网络内部形成可自主进行数据采集、分析、决策、闭环的网络环境。

图1 运维智能-运行智能-应用智能关系图

网络智能化涵盖运行智能、运维智能和应用智能，三者既在各自领域内独立发挥作用和价值，又能在数据、算力、训练、推理等方面相互协同，实现端到端智能化水平提升。如图1所示，运行智能是网络智能化的根本和基石，提升可感知、高可靠、自优化等智能化能力，并为运维智能和应用智能提供数据支撑和分析结果；运维智能聚焦于网络全生命周期的智能化管理，是实现网络智能化的基础底座；应用智能则致力于发展智能通信业务新形态，对外提供模型供给能力，将移动通信网络打造为实现AI泛在普惠的基础平台。

网络运行智能技术体系与应用实践

技术体系

图2 网络运行智能基本架构

网络运行智能构建四层（智能分析层、控制面智能内生层、边缘实时推理层、端侧轻量推理层）、四域（ 无线、传输、承载、核心网）的端到端智能协同架构，如图2所示，其中：

智能分析层：打造基于NWDAF为核心的网络运行智能面、数据面能力体系，通过集中式训练，沉淀模型基础能力，拉通数据采集、存储、处理、训练、推理端到端AI业务流程。对内实现以用户和业务为中心的自感知、自优化服务，对外实现AI能力开放，释放网络价值，赋能行业智能。

控制面智能内生层：通过内置、合设等方式使能控制面网元，提升模型本地化处理能力和控制面智能决策能力，实现网络的智能总体控制、管理、服务。

边缘实时推理层：基站、UPF内置AI模块，可支持本地实时推理；同时，面向复杂场景，通过云边端协同的推理任务分解，使能定制化体验感知及保障、新媒体处理、5G专网等业务场景，激发新业务、增强新体验、激活新价值。

端侧轻量推理层：端侧部署轻量化模型和推理能力，基于本地小算力，实现网络侧和终端之间的算智协同、算智卸载，网络侧按需承接终端的智能与算力的外溢诉求。

应用实践

当下，直播、游戏、视频会议、XR等新型移动互联网应用蓬勃发展，用户规模大，高端用户多，高质量体验需求迫切，亟需通过大数据、智能化等新技术，提升网络对体验状态、网络资源、业务形态的实时感知和判断，并进一步综合分析、动态调控，实现体验保障策略的按需触发、精准适配。

中国移动优先聚焦业务体验保障、客户满意度提升场景，探索AI+核心网运行智能的突破性应用，并在国际标准基础上，在丰富体验类场景、优化内生AI架构、增强运行智能能力等三方面实现了“3+3+3”创新突破。

创新突破1：丰富体验类场景，新定义了智能保障场景，拓展了多层次多维度保障场景，并引入了体验显性化场景。

创新突破2：优化内生AI架构，新定义智能体验保障闭环框架，实现了AI+UPF，并实现智能UPF与独立NWDAF的分布式AI协同。

创新突破3：增强网络运行智能能力，增强数据采集能力，新定义了智能决策能力和体验感知反馈能力。

图3 核心网运行智能场景展望

未来，基于通信网络的信令数据、用户数据、用户面数据、位置数据、服务数据等各类网络数据，通过策略推荐、历史统计、实时推理、未来预测四项核心AI功能的编排和管理，核心网运行智能可提供网络、业务、用户三个层级的智能服务，打造AI+5G智能服务开放体系；针对2C、2B、B2C三大类客户群体，可提供网络AI服务能力，为各行业的数智化转型和创新发展注入新动力。

网络运行大模型探索

大模型在通用性、准确性、泛化性、鲁棒性等方面具备显著优势，在网络运行中引入大模型，可为网络智能化带来革命性解决方案。网络运行大模型旨在通过统一的模型架构，改变“一个场景一个模型”的碎片化现状，显著提升网络运行智能化水平。其核心价值在于强大的泛化能力和多任务处理能力，通过对海量网络数据的深度学习，可在网络异常检测、性能优化、资源调度等方面提供更精准、高效的解决方案，提高网络运行效率并降低模型管理成本。

网络运行大模型的构建面临数据处理、模型算法设计、模型预训练、模型微调四个方面的技术挑战：

数据处理方面，需针对网络数据的高维度、多模态、时序依赖特点，采用定制化的数据清洗脱敏、特征选择、编码分词等技术，以最大限度地提升数据质量，满足后续模型训练的需求。

模型算法设计方面，需考虑网络数据特性，可将Transformer与图神经网络结合，构建能同时捕捉网络拓扑结构和时序信息的混合架构。同时，推动模型向多模态、稀疏化、生成式演进，持续优化架构设计，达到先进性能水平。

模型预训练方面，由于其应用场景的特殊性，需要在预训练阶段开展若干技术改进，以应对网络运行中特殊且多样化的问题；同时和一般大语言模型类似，因超大的模型参数和海量的训练数据，需要其采用各类分布式训练方法完成预训练，包括多任务学习，提高模型收敛性；分布式训练，提升模型训练效率等。

模型微调方面，需探索参数高效微调技术，在保证模型微调准确率的同时，通过微调少量参数来降低计算和存储成本。同时，面向网络实时性等方面的要求，探索云边协同部署方式，将大模型的不同功能模块分布式部署在网络的不同节点上，统筹规划网络算力调用方式。

未来发展展望

随着网络向6G演进，网络运行智能将迎来全方位的创新发展，需重点考虑架构、能力、应用、产业等四个方面的问题：架构上，形成新的计算面、数据面平面划分，实现基础能力解耦；能力上，设计基于任务驱动的关键技术体系，并在未来网络运行大模型的加持下，在服务使能层实现AI应用的感知分析和任务分解，提供泛在、实时、高效的AI服务；应用上，拓展AI赋能网络降本增效提质应用，创新网络使能AI应用；产业上，激发新场景、新业态、新模式，推动产业链向上下游延伸，打造AI+网络的繁荣生态。

【参考文献】
[1] 3GPP,TS 23.288 Architecture enhancements for 5G System (5GS) to support network data analytics services，V18.2.0，2023.
[2] 3GPP,TS 23.501 System architecture for the 5G System (5GS)，V18.2.0，2023.
[3] 3GPP,TS 23.502 Procedures for the 5G System (5GS)，V18.2.0，2023.
[4] 3GPP,TS 29.520 5G System; Network Data Analytics Services，V18.2.0，2023.

点击以下“阅读原文”获取报告原文。

往期精彩

---

关于我们：中移智库以中国移动研究院为主体建设，广泛汇聚数字经济研究力量，着力提升政策性课题研究的专业性和权威性，并扩大研究成果的影响力、公信力、传播力，为数字经济的高质量发展贡献智慧力量。