5G产业报告-PDF版

2 目录 文档作者列表.5 前言.6 概述.7 1.问题一：为什么需要 AI 用例自生成？.9 1.1 技术特征内涵.9 1.2 必要性分析.10 1.3 可行性分析.10 1.4 对网络架构的影响.11 1.5 本章小结.12 2.问题二：为什么需要 QOAIS？.13 2.1 技术特征内涵.13 2.2 必要性分析.13 2.3 可行性分析.14 2.4 对网络架构的影响.16 2.5 本章小结.16 3.问题三：如何支持 AI 生命周期管理？.17 3.1 技术特征内涵.17 3.2 必要性分析.18 3.3 可行性分析.18 3.4 对网络架构的影响.19 3.5 本章小结.19 4.问题四：是否以任务为中心？.20 4.1 技术特征内涵.20 3 4.2 必要性分析.20 4.3 可行性分析.20 4.4 对网络架构的影响.22 4.5 本章小结.22 5.问题五：如何支持算网融合？.23 5.1 技术特征内涵.23 5.2 必要性分析.23 5.3 可行性分析.24 5.4 对网络架构的影响.24 5.5 本章小结.26 6.问题六：为什么需要自生长的数据服务？.27 6.1 技术特征内涵.27 6.2 必要性分析.27 6.3 可行性分析.28 6.4 对网络架构的影响.29 6.5 本章小结.30 7.问题七：为什么需要自生长和可信的算法？.32 7.1 技术特征内涵.32 7.2 必要性分析.32 7.3 可行性分析.33 7.4 对网络架构的影响.34 7.5 本章小结.35 8.问题八：如何理解分布式 AI 架构？.36 8.1 技术特征内涵.36 4 8.2 必要性分析.36 8.3 可行性分析.36 8.4 对网络架构的影响.37 8.5 本章小结.39 9.问题九：分布式 AI 架构中不同节点如何协同？.40 9.1 技术特征内涵.40 9.2 必要性分析.40 9.3 可行性分析.41 9.4 对网络架构的影响.41 9.5 本章小结.43 10.问题十：可以对外开放哪些 AI 能力？.45 10.1 技术特征内涵.45 10.2 必要性分析.45 10.3 可行性分析.47 10.4 对网络架构的影响.48 10.5 本章小结.49 11.总结.50 参考文档.51 缩略语.53 附录.55 5 文档作者列表 贡献者 单位 邓娟、郑青碧、冷昀橘、李刚、温子睿 中国移动 王栋、李鹏宇、于梦晗、邢燕霞 中国电信 艾明，孙万飞、舒敏 中信科移动 李娜 爱立信 杨春刚 西安电子科技大学 赵燕、王达 亚信科技（中国）有限公司 彭程晖、王君、王飞、刘哲 华为技术有限公司 张凯宾、温海波、沈钢、陈端 上海诺基亚贝尔 袁雁南 维沃移动通信有限公司 吴连涛、杨旸、李凯 上海科技大学 薛妍、谢峰、杨立 中兴通讯股份有限公司 周凡钦、丰雷 北京邮电大学 徐勇军 重庆邮电大学 杨婷婷 大连海事大学 冯钢、秦爽 电子科技大学 许阳 OPPO 6 前言 人工智能（Artificial Intelligence）在最近十年发展迅猛，在挖掘大数据样本的非线性规律，与环境交互的在线精准决策等领域快速超越了以人工为主的专家经验（Human Intelligence）模式，在计算机视觉、自然语言处理、机器人控制等领域取得了巨大的成功。一方面由于以深度学习、强化学习等为代表的人工智能算法能力的突破；另一方面以 GPU 为代表的人工智能算力成本的快速下降和普及，在未来的十年的市场占有率有可能会超越 CPU，也加速了这一趋势。随着 ICT（Information and Communications Technology）技术的不断融合，网络正朝向深度 IT 化方向发展。在 5G 网络的演进过程中，AI 技术开始应用在无线网络信道估计，基站节能减排1和网络运维等领域。应用方式主要还是以云端智能为主，在云端汇聚大量的数据，利用集中的算力对数据进行预处理，AI 模型训练和验证等。但是在网络中传输大量的原始数据，一方面对传输带宽压力大，另一方面对于数据隐私保护也会带来很大的挑战。3GPP 定义了 NWDAF 支持网络数据的收集和处理，有利于在网络架构中引入 AI 相关的功能。然而当前的网络和 AI 技术的结合仍处于初级阶段。AI 叠加在网络之上，AI 在网络中发挥的作用散落在网络不同的功能点，其主要目标是利用 AI 提升网络的性能，运营和价值。未来 6G 网络的作用之一是基于无处不在的大数据，将 AI 的能力赋予各个领域的应用，创造一个“智能泛在”的世界。6G 应在 5G 基础上全面支持整个世界的数字化，网络要助力千行百业的数智化转型，需要满足和提供相比云端智能实时性更高，综合能耗和安全隐私更优的智能化服务2。同时，网络运营维护也需要从局部的智能化运维向高水平的网络自治演进。这些都迫切要求网络与 AI 技术更紧密的结合，将 AI 能力通过网络架构的革新深度内化到网络中。为此，6G 网络提出了“智慧内生”的基本特征构想，即 6G 网络将在设计之初就考虑与人工智能技术融合的理念，将 AI 和大数据的应用融入网络的基因当中，形成一个端到端的体系架构，根据不同的应用场景需求，按需提供 AI 能力和服务。通过在 6G 网络架构的设计中充分考虑 AI 的算法，算力和数据以及网络连接等诸多要素，6G 将成为融合连接和算力的新型基础设施，从而极大提高 AI 资源的使用效率并使 AIaaS（AI as a Service）成为可能，AI 能力在网络中无处不在、无孔不入，并像人体的大脑和神经网络一样，以分布式或集中的方式随时随地按需提供给网络自身及第三方，实现智慧的泛在可得、全面赋能万事万物。中国移动邓娟、上海诺基亚贝尔陈端、重庆邮电大学徐勇军 7 概述 6GANA TG2 是 6GANA 下负责研究基础网络架构的工作组，其将识别 6G 网络内生 AI 的基本技术特征，研究其对 6G 网络架构的影响，对标准化的影响，构建 6G 网络内生 AI 整体框架，定义基础架构，并对涉及的关键使能技术进行探讨。面向该目标，TG2 成员单位经过全面收集和充分探讨，凝练出现阶段业界广泛关注的、对 6G 网络架构存在潜在影响的十大核心技术问题。针对每项问题，从特征内涵、必要性、可行性、对网络架构的影响等四个方面展开分析，研究该问题所示技术特征是否6G 网络内生 AI 架构所需，并给出了 TG2 的观点和建议。这十个问题分别是：一、为什么需要 AI 用例自生成？二、为什么需要 QoAIS？三、如何支持 AI 生命周期管理？四、是否以任务为中心？五、如何支持算网融合？六、为什么需要自生长的数据服务？七、为什么需要自生长和可信的算法？八、如何理解分布式 AI 架构？九、分布式 AI 架构中不同节点如何协同？十、可以对外开放哪些 AI 能力？十个问题间的逻辑关系如下图所示：承接 TG1 对需求和应用场景的研究，面向不同行业和场景对 6G 网络内生 AI 千差万别的需求，TG2 提出的第一个问题即是：如何去表达和导入用户对 6G 网络 AI 服务的需求？AI 用例（需求表达形式）的自生成（一种导入方式）为什么会成为 6G 网络支持的技术特征？进一步地，在服务需求的基础上，如何去分析和映射到网络可以理解的 AI 服务的质量需求？针对这一问题，TG2 提出 QoAIS（Quality of AI Service）AI 服务质量的概念，并给出一种供参考的指标体系设计。作为 AI 服务的提供者，网络如何评估和持续地满足用户的上述需求，实施 QoAIS 保障，则需要从网络 AI 的管理、控制、业务流等多个层面展开思考。需求导入质量评估保障算力数据算法连接底层资源计算存储通信对外能力开放AIAI工作流工作流3 3集中式集中式AI超脑超脑分布式分布式AI 边脑边脑问题一问题二、三问题四问题五问题六问题七问题八问题九问题十AIAI工作流工作流1 1AIAI工作流工作流2 2AIAI工作流工作流4 4网络执行 8 问题三从网络 AI 的管理角度提出如何通过对 AI 生命周期的管理来自动化的实现 AI 应用的开发、部署和相关的模型管理，来实现 QoAIS 的保障？问题四则是从多维资源融合的角度，提出是否以任务为中心，协同控制网络 AI 所需四种资源要素（即算法、算力、数据、连接），以实时的、持续的满足用户对 QoAIS 服务质量要求。由于算法、算力和数据将同传统连接一样，成为网络中可管控的新资源维度，资源的异质性及挑战和需求的差异性使得它们在网络架构的设计中呈现出不同的技术特征，需进一步展开研究：问题五从算力维度，提出如何深度融合算力和连接资源以实现更高效能的 AI 任务？问题六从数据维度，提出为什么需要通过内生 AI 改善当前数据价值密度低，存取效率低等问题，实现按需动态的数据编排和配置，反哺于内生 AI 的数据服务；问题七从 AI 算法维度，针对当前 AI 领域面临的两大挑战：AI 算法对大数据的过度依赖和 AI 算法的可信？提出为什么可通过基于模型的计算实现 AI 算法的自我进化，以及如何提供可信的 AI 算法？在上述资源的部署架构方面，6G 将呈现集中式和分布式相结合的特点。集中式资源下的 AI 能力供应在 5G 网络中已有较多的实践，因此问题八和九提出 6G 如何理解分布式 AI 架构，体现在哪些方面，以及不同节点间如何协同的问题。最后，从资源对外开放的角度，问题十提出 6G 网络中上述资源可包装成哪些特定的能力向第三方开放。本白皮书的最后一章总结了现阶段 6G 网络内生 AI 架构需具备的重要技术特征，对下一步工作进行了展望，并呼吁业界聚焦到关键技术问题的深入探讨和研究上。在本版本的编制过程中，TG2 成员单位经过多次开放性技术探讨，对于 6G 网络内生 AI 的需求、概念和内涵已逐渐达成共识，对上述技术特征的重要度尚无统一意见，在对网络架构的影响方面仍需深入全面的分析。在 6G 网络内生 AI 研究伊始，希望本白皮书版本能成为 AI 技术专家和 6G 网络专家紧密合作的契机，共同助力构建“智慧泛在”的未来社会！中国移动邓娟 9 1.问题一：为什么需要 AI 用例自生成？1.1 技术特征内涵 AI 用例自生成：网络自身根据数据分析推演或外部导入，生成关于 AI 用例描述的过程。通过 AI 用例的管理将 AI 用例部署到网络中，网络根据 AI 用例的描述按需调配网络元素（包括数据、算法、算力、连接等）以满足该用例的性能需求。AI 用例：AI 用例是用户在智能应用场景下向网络提出的一次 AI 服务请求，一个 AI 用例可能涉及到一类或多类网络内生 AI 服务（如 AI 训练、验证和推理服务）的调用。如下示例为一个 AI 用例涉及单一类型服务和涉及多种类型服务的情况：-单一类型服务：AI 数据服务 或 模型训练服务 或 模型验证服务 或 模型推理服务-多种类型服务：AI 数据服务 和 模型训练服务 智能应用场景：指应用 AI 用例所生成的智能的场景，一个智能应用场景下可能需实施一个或多个AI 用例才能达到智能化目标。智能应用场景例如网络自治类场景、行业类场景、未来数据推演出的新场景等3。以网络自治中的智能应用场景举例说明智能应用场景与 AI 用例之间的关系：如网络通过 KPI（Key Performance Indicator）指标监测发现某 CBD（Central Business District）区域语音切换成功率普遍较差，需要进行智能化提升。智能应用场景为提升该 CBD 区域内所有小区的切换成功率，智能化目标为该 CBD 区域内所有小区的切换成功率达到目标值。网络通过智能分析，诊断出影响该区域切换成功率的因素有部分小区的 SSB 波束覆盖不佳、部分小区的邻区配置不准确、部分小区的切换测量参数配置值不佳等三个原因，从而生成此智能应用场景下的三个 AI 用例：AI 用例一：优化部分小区的 SSB 波束覆盖 AI 用例二：优化部分小区的邻区配置 AI 用例三：优化部分小区的切换测量参数值 AI 用例描述：AI 用例描述承载了与 AI 用例相关的信息，这些信息是网络为了满足用户提出的 AI服务请求，在实操层面需获知的框架性或辅助性信息。从描述中，网络可获知在智能应用场景、输入输出数据、模型选择、模型训练、模型验证优化、以及实施模型输出的结论/决策等方面的信息。“可行性分析”部分给出了针对上述 AI 用例一的一种描述方式。AI 用例管理：AI 用例生成后，针对不同智能应用场景，按需管理和智能部署 AI 用例。10 1.2 必要性分析 面向网络智能自治，采用人工发现问题并使用 AI 解决问题，始终受到人工认知的局限性，网络的智能化能力和网络功能性能潜力也将无法最大化激发4；同时，依赖人工的烟囱式解决问题的方式，往往在不同优化用例之间产生优化效果的冲突，如某小区覆盖性能的提升导致周边小区干扰的抬升和业务体验指标的下降，由此导致往复低效的优化工作；面向网络全场景，网络架构及网络功能、服务等网络元素需求将千差万别，基于配置的方式将无法最大化的满足和适应网络全场景对网络和服务的差异需求5；面向未来未知的新行业和新需求，由人工发现和总结未来的需求更不现实，更需要基于网络内生 AI 的方式，智能化地生成和调度实施 AI 用例，避免 AI 用例之间的冲突，保证叠加效果最优。因此，基于 AI 用例自生成的智能内生网络，才能体现智能网络的特征和优势、展现差异化服务的巨大适应能力以及使能网络自身具备智慧。综上描述和分析，AI 用例自生成需要作为 6G 网络内生 AI 的技术特征之一。1.3 可行性分析 以上述 AI 用例一：优化部分小区的 SSB 波束覆盖为例，一个 AI 用例描述可包括如下内容：1)智能的实施范围：包括时空范围，此例为待优化小区 ID（Identify）。2)智能的实施对象：智能输出的结论应用的对象。此例中为待优化小区的大规模天线 SSB 波束。3)智能的问题类型：此例中为决策优化问题，网络据此选择对应的算法进行智能模型的训练。4)智能模型的输入和输出数据模板：智能模型输出的数据元素模板和智能模型训练所需的所有数据元素模板。此列中输入数据为用户位置分布数据，输出数据为待优化小区的 SSB 波束权值，奖励变量为小区覆盖性能指标数据。5)智能模型的结构信息和参数值：可选内容，智能模型的结构可以是在 AI 用例中明确定义好，或由网络选择。此例中可以是强化学习相关算法模型。6)智能模型的验证集/场景需求：对于验证集需求，可以包含对训练集和验证集数据量的比例要求、验证集中样本的分布要求或某些必须包括的样本要求等；对于验证场景，可以包含对验证场景的数字孪生的需求67。此例中验证样本可以是某些特定的用户位置分布，验证场景包括用户位置分布、周边地理环境、基站配置参数等。7)QoAIS 要求（Quality of AI Service）：一个 AI 用例的完成可能涉及到多种 AI 服务的调用，每种 AI 服务都有对应的服务质量评价和保障指标，包括 AI 服务的性能指标8、开销指标、安全性、隐私性、自动化、可控度等要求，关于 QoAIS 和 AI 服务的具体介绍参见第二章 QoAIS 的定义及指标体系。11 需要说明的是，上述描述是针对一个包含训练、验证和推理服务的 AI 用例，若 AI 用例仅需做模型验证或模型推理，则对应的 AI 用例的描述仅包括上述部分元素。AI 用例生成的方式有两种：一种是网络基于数据分析推演的方法生成，另一种是通过对外接口导入 AI 用例描述。通过数据分析推演生成 AI 用例的方式，可基于网络元数据实现内生意图精确推理与语义模型自动构建；也可以利用知识图谱技术，通过构建和持续更新网络 KPI 和可优化配置参数之间的关联关系，生成 AI 用例的输入输出数据模板。通过对外接口导入 AI 用例的方式，除了人工进行参数配置外，还可基于自然语音处理模型，将用户通过语音输入的 AI 用例生成需求，进而实现 AI 用例自生成。从用例的描述方式上，网络生成的 AI 用例描述可标准化，但由外部导入的 AI 用例描述可能因导入方持有的信息或意愿不同而难于统一要求，因此，可初步分为“面向用户的描述方式”和“面向网络的描述方式”：前者用于第三方或普通用户描述和导入 AI 用例，后者用于研发人员或网络自身根据标准化的描述模板导入或生成 AI 用例。两者之间可能需要转译。1.4 对网络架构的影响 对于网络自治场景下，AI 用例由网络自生成的情况，网络 AI 用例生成所需的数据可能跨越多个域，需要设计高效的网络架构以支持 AI 用例生成对数据采集、存储、传输等方面的性能需求。比如：-AI 用例在网络运维系统中自生成。基于 KPI 历史监控指标数据、KPI 指标之间以及 KPI 指标与网内各类数据元素间的关联度知识图谱，生成 AI 用例描述。该场景下，主要功能逻辑在运维管理系统内，网络架构需要考虑支持数据知识图谱的构建、存储和更新。-AI 用例在网元中自生成。网元的数字孪生体是网元实时状态在数字域的拟真，其包含网元内部组件拓扑和数据元素间的关联度知识图谱。当网元性能恶化时，触发此场景下的 AI 用例。该场景下，网络架构需要考虑支持网元内、域内和跨域多层级的集中式和分布式数字孪生体之间的交互与协同，控制面如何支持需要进一步研究。面向网络全场景的 AI 用例自生成，网络架构需要能够灵活拆分组合以及自生成，网络功能需要能够按需组合。除此之外，网络功能与服务的划分颗粒度等，在架构设计中需要研究。AI 用例自生成除了在网络架构的研究方面需要开展上述工作外，在今后的标准化工作和产业生态的影响分析中，也需要开展如下工作：在标准化方面，需要进行面向网络的 AI 用例描述模板标准化的研究。在产业和生态的影响方面，需要在如下几个方面进行影响分析：AI 用例自生成的优势在于网络强大的数据关联度分析优势，可跨层级、跨域分析，由此生成的 AI 用例描述比人通过专家知识构造的用例更准确高效。因此，构建能支持网络数据关联度分析能力的网 12 络架构尤其重要。若最终分析认为通过标准化手段无法保证跨层级跨域的数据关联和协同性能，那么可能导致在一片区域内所有网元网管设备均为同一供应商。对于用户导入 AI 用例的场景，由于对用户描述语言的规范化难度较大（用户背景广泛，对新鲜事物的接受能力参差不齐），可能会催生从用户描述语言到机器可理解的 AI 用例描述语言间的转译工具/软件的供应商。比如，该转译工具能面向不同的背景的用户提供不用的用户描述界面，或通过交互式流程提示用户需要输入哪些必选信息和可选信息等。1.5 本章小结 1.5.1 观点 6G 智能内生网络将具有为全场景提供最佳适配的强大适应能力。面对千差万别的巨大差异和细微不同的微小差别，借助内生 AI，6G 网络通过网络自生成或对外接口导入的方式，基于 AI用例描述模板，将场景的 AI 需求精准的用例化。通过 AI 用例管理，6G 智能内生网络对场景所需的资源，进行精准适配和全局最优的调度。因此，6G 内生网络 AI 架构需要 AI 用例自生成。1.5.2 建议 建议基于 TG1 广泛收集各类智能应用场景需求，进一步研究完善智能应用场景与 AI 用例的关系、AI 用例的描述模板。建议 TG3 研究可支持 AI 用例自生成的数据采集、存储、治理、传输等数据面架构。建议 TG4 研究可支持 AI 用例自生成的智能算法。中信科移动孙万飞、艾明、中国移动邓娟、冷昀橘 爱立信李娜、中国电信王栋、西安电子科技大学杨春刚 13 2.问题二：为什么需要 QOAIS？2.1 技术特征内涵 QoAIS（Quality of AI Service）是评估和保障网络内生 AI 服务质量的指标体系和流程机制。一个 AI 服务对应一套 QoAIS 指标，一个 AI 用例对应的 QoAIS 指标由其包含的所有 AI 服务对应的QoAIS 指标组合构成。不同 AI 服务的 QoAIS 指标构成可能存在共通的指标部分，也可能存在与服务特性相关的特殊指标部分。AI 用例、AI 服务和 QoAIS 之间的逻辑关系见下图 2-1。QoAIS 是网络内生 AI 编排管理系统和控制功能的重要输入，管理编排系统需要对顶层的 QoAIS进行分解，再映射到对数据、算法、算力、连接等各方面的 QoS 要求上，通过管理面、控制面和用户面相关机制设计获得持续保障。QoAIS 获知的方式有两种：一种是外部导入，比如在外部导入 AI 用例描述的同时，即包含 QoAIS 要求；一种是内部生成，比如对于网络根据上层意图信息生成 AI 用例的场景，网络也可以根据意图信息同时生成 QoAIS 的指标要求。图 2-1：AI 用例、AI 服务、QoAIS 和 AI 工作流间的逻辑关系图示例7 2.2 必要性分析 6G 网络将不再只是服务于传统通信业务的管道，6G 网络将构建内生于网络的 AI 能力，形成一套可服务于多种智能应用场景的能力体系，即 AIaaS。考虑到不同的智能应用场景（如网络高水平自治，行业用户智能普惠，用户极致业务体验，网络内生安全等）对 AI 服务的质量将有着不同的需求，因此需要一套指标体系通过量化或分级的方式表达用户层面的需求以及网络编排控制 AI 各要素（包括算法、算力、数据、连接等）的综合效果。在具体指标体系设计上，传统通信网络的 QoS 主要考虑通信业务的时延和吞吐率（MBR、GBR等）等与连接相关的性能指标9。6G 网络除了传统通信资源外，还将引入分布式异构算力资源、存储资源、数据资源、AI 算法等 AI 服务编排的多种资源元素，因而需要从连接、算力、算法、数据等多个维度来综合评估网络内生 AI 的服务质量。同时，随着“碳中和”和“碳达峰”政策的实施、全球智能应用行业对数据安全性和隐私性关注程度的普遍加强，以及用户对网络自治能力需求的提升，未AI 用例描述 QoAIS AI 训练服务 AI 数据服务 AI 验证服务 QoAIS QoAIS AI 工作流 1 AI 工作流 2 AI 工作流 3 AI 工作流 4 生成 AI 用例 生成 AI 服务及 QoAIS 要求 生成 AI 工作流和任务 任务 AI 用例描述 AI 服务 QoAIS 14 来性能相关指标将不再是用户关注的唯一指标，安全、隐私、自治和资源开销方面的需求将逐渐深化，成为评估服务质量的新维度，而不同行业和场景在这些新维度上的具体需求也将千差万别，需要进行量化或分级评估。因此，QoAIS 指标体系从初始设计时，即需要考虑涵盖性能、开销、安全、隐私和自治等多个方面，需从内容上进行扩展。在质量评估和保障机制上，5G 网络的 QoS 机制仍存在一些问题，如业务区分颗粒度较粗，优化调整的周期较长，空口资源配置无法灵活适配网络与业务的实时动态变化等。因此在 6G 网络中提出评估 AI 服务的 QoAIS 指标的同时，也需要考虑如何设计端到端 QoAIS 机制和流程以更加高效准确。2.3 可行性分析 6G 网络内生的 AI 服务可以分为 AI 数据类、AI 训练类、AI 推理类和 AI 验证类。表 2-1 提供了一种针对 AI 训练服务的设计方式。表 2-1：AI 训练服务的 QoAIS 指标体系 AI 服务类型 指标维度 QoAIS 指标 AI 训练 性能 性能指标界、训练耗时、泛化性、可重用性、鲁棒性、可解释性、损失函数与优化目标的一致性、公平性 开销*存储开销、计算开销、传输开销、能耗 安全*存储安全、计算安全、传输安全 隐私*数据隐私等级、算法隐私等级 自治 完全自治、部分人工可控、全部人工可控 注*：不同类型 AI 服务间相同的评估指标 除了上表所示的评估维度，QoAIS 也可以包括智能应用的性能指标。以信道压缩为例10，可以选择归一化均方误差（Normalized mean square error,NMSE）或是余弦相似度作为信道恢复精度的 KPI，也可以选择链路级/系统级指标（如误比特率或吞吐量等）作为反映信道反馈精度对系统性能影响的 KPI。此外，QoAIS 还可以包括 AI 服务的可获得性、AI 服务的响应时间（从用户发起请求到AI 服务的首条响应消息）等与 AI 服务类型无关的通用性评价指标。15 图 2-2：QoAIS 指标分解到各资源维度上的 QoS 指标 上图 2-2 展示了 QoAIS 各指标维度和各资源维度上的 QoS 之间的映射关系。AI 服务的 QoAIS整体指标拆解到各指标维度上的 QoAIS 指标，再进一步映射到各资源维度上的 QoS 指标，由管理面、各资源维度的控制面和用户面机制进行保障。图中各资源维度上 QoS 指标可分为适合量化评估的指标（如各类资源开销）和适合分级评估的指标（如安全等级、隐私等级和自治等级）。在前一类指标中，有部分指标的量化方案已成熟或较容易制定（如训练耗时、算法性能界、计算精度、各类资源开销等），部分指标目前尚无定量评估方法（如模型的鲁棒性、可重用性、泛化性和可解释性等），如表 2-2 所示。因此，如何在起始阶段设计出足够开放包容的网络架构以便后续逐步引入上述指标的成熟量化技术是需要思考和研究的问题。表 2-2：AI 训练服务性能 QoAIS 到各资源维度的映射 指标维度 QoAIS 指标 资源维度 可量化 QoS 指标 尚无量化方案 QoS 指标 性能 性能指标界、训练耗时、泛化性、可重用性、鲁棒性、可解释性、优化目标匹配度、公平性 数据 特征冗余度、完整度、数据准确度、数据准备耗时 样本空间平衡性、完整性、样本分布动态性 算法 性能指标界、训练耗时、是否收敛、优化目标匹配度 鲁棒性、可重用性、泛化性、可解释性、公平性 算力 计算精度、时长、效率 连接 带宽及抖动、时延及抖动、误码率及抖动、可靠性等 16 2.4 对网络架构的影响 由于 QoAIS 指标体系中增加了新的指标维度，且涉及到多种资源维度，如何将面向用户需求的QoAIS 指标映射到网络各资源面上的 QoS 指标，并通过在管理面、控制面和用户面上设计新的机制进行保障是网络架构设计需要考虑的问题。具体需要考虑如下几个方面：1.目前考虑 QoAIS 需求的生成有两种方式：网络自生成和外部导入。需研究每种方式在管理面实现和在控制面实现的可能性，及对网络架构的影响 2.对于在管理面生成的 QoAIS 指标需求，其向各维度资源 QoS 指标的映射机制，以及管理面如何与控制面进行机制协同以保障 QoAIS 达成 3.对于控制面生成的 QoAIS 指标需求，是否需要管理面进行协同保障，如何设计相关机制？2.5 本章小结 2.5.1 观点 6G 时代将出现各种新型智能应用场景，不同场景对 QoAIS 的需求不同，需要一套指标体系通过量化或分级的方式表达用户的需求；6G 网络除了传统通信资源外，还将引入分布式算力、数据、算法等多维资源，需要从多个维度综合评估网络内生 AI 的服务质量。因此我们认为 6G 内生 AI 需要构建一套适用于网络内生 AI 服务的质量评价指标和保障机制，即 QoAIS（可区分为 QoAIS 指标体系和QoAIS 保障机制）。QoAIS 指标体系需考虑性能、开销、安全、隐私和自治五个指标维度，由指标维度映射到连接、数据、算力和算法等资源维度上的 QoS 上。2.5.2 建议 网络在引入 AI 服务后，用户对 AI 服务安全性和隐私性上存在不同的需求选项，如何打破传统通信服务中 QoS 体系和安全体系分开独立设计的模式，使这种需求的差异性得到更好的满足？当前，部分 QoAIS 指标尚无成熟的量化评估方式（如模型的泛化性、可解释性、可重用性），建议 TG4 开展相关研究，建议 TG2 后续研究：如何在起始阶段设计出足够开放包容的网络架构以便后续逐步引入上述指标的成熟量化技术？中国移动邓娟、冷昀橘 17 3.问题三：如何支持 AI 生命周期管理？3.1 技术特征内涵 1.AI 生命周期是以一种针对特定应用程序开发、部署和管理机器学习模型的过程1112。6G 内生AI 要求自动化 AI 的生命周期管理。机器学习的生命周期包括：-基于业务目标出发构建机器学习问题（场景，QoAIS,KPI，监控需求）。-收集数据、准备数据，包括特征工程、清理等任务。-分析、训练、测试和评估模型，构建和自动化机器学习管道。-部署模型。静态部署或动态部署。-模型应用，如预测和推断。-监控、优化和维护模型。AI 生命周期管理流程如图所示：图 3-1：AI 生命周期管理流程 2.自动化 AI 的生命周期要求在其管理流程中支持持续构建、交付、部署的能力。由于 AI 技术的局限性，如数据质量变化，模型衰减，数据局部性等问题,要求模型能够持续迭代。对于不同的 AI 服务，需要支持不同的 QoAIS，以及基于任务的管道和资源编排。通过在 AI 生命周期管理所有步骤中实现自动化和监控，并建立模型持续优化和改进流程，使能全场景自动闭环，自诊断，自修复和自优化，将促使网络向 L5 级“自动驾驶”网络的自治管理模式演进。18 3.2 必要性分析 6G“原生”AI 旨在随时随地的提供 AI 服务，并通过持续迭代优化，不断提升系统性能和用户体验。实现深度融合 AI 和智能化无处不在的 6G 网络，要求相应的算法、数据、可编程能力集成到 6G系统架构，并且构建和管理可重现，可测试和可持续的 AI 能力。6G 网络可能是由分布式的具有内生 AI 能力的功能节点组成，为智能业务提供原生支持或者支持AI 业务的自演进，要求自动化构建和管理 AI 生命周期，使 AI 能力更加快捷，频繁，可靠地在系统中迭代。3.3 可行性分析 6G 网络管理架构将实现以闭环自动化为基本特征的自治网络运营管理架构，在 AI 的生命周期管理中通过支持持续集成(CI)、持续交付(CD)和持续训练(CT)的 ML（Machine Learning）管道，可以构建自动化的 AI 的生命周期闭环管理流程，并持续改善工作流各节点的业务质量。下图提供了一种端到端自动化管道和 AI 生命周期管理示例。图 3-2：端到端自动化管道和 AI 生命周期管理 这些关键组件可实现的功能包括：1)可重现性 ML 管道。为数据准备、训练、评估验证过程定义可重复可复用的步骤。2)可重性集成环境。用于训练和部署模型，跟踪使用模型时所需的网络资源模型，支持模型的注册、打包和部署等操作。3)端到端 ML 生命周期的数据感知。如版本，发布者、更新原因等配置参数，以及运行态模型相关性能指标。19 4)告警管理和可观测的监控。针对 ML 生命周期中的事件发出通知和警报，例如，模型注册、模型部署、模型测试和数据偏移检测等。持续监控模型在运行中的预测性能，监控数据治理、质量和合规性。此外，开放网络自动化平台 ONAP（Open Network Automation Platform）1314提供了一种统一的编排、管理和自动化的开源操作框架，通过策略驱动设计、实施、分析和生命周期管理实现AI 大规模负载和服务。通过 ONAP 和 3GPP 系统接口开放和协作，网络运营商可以实时动态编排物理和虚拟网络功能以满足 AI 需求。与此同时，ONAP 的开放性和全球主要网络供应商的普遍接受加速了网络功能虚拟化生态系统的发展，进而支持网络内生 AI 能力增强。3.4 对网络架构的影响 1)统一 AI 生命周期管理与数据和算力的调度编排；2)支持以工作流和任务为中心的编排机制和 ML 管道机制；3)支持 ML 模型管理架构的集中式，分布式和混合式部署。对于实时 AI 服务，支持控制面和管理面融合；3.5 本章小结 3.5.1 观点 6G 内生 AI 网络架构需考虑如何将 AI 生命周期管理以及 ML 管道自动编排技术相结合，并且在基于以任务为中心的架构下，来构建 6G 内生 AI 网络的使能技术。3.5.2 建议 开展 AI 生命周期相关方案的研究，包括 1）AI 生命周期定义、管理接口以及网络资源模型定义；2）支持以工作流和任务为中心的自动化编排机制和 ML 管道机制；3）如何实现 AI 算力、算法、数据的管理编排以及与控制面的融合；4）支持 AI 能力开放接口，与 ONAP 等开源平台接口标准化。中信科移动舒敏、艾明、中国电信王栋 亚信科技（中国）有限公司王达 西安电子科技大学杨春刚 20 4.问题四：是否以任务为中心？4.1 技术特征内涵 针对网络自用 AI 或第三方的 AI 用例，6G 内生 AI 网络可以提供所需的计算、算法、连接、数据的协同和调配等融合服务，在这个过程中，将引入如下基础概念：1）任务：协同计算、算法、连接和数据完成某个特定的目标，该目标来源于 AI 用例，可以是一个或多个 AI 训练或 AI 推理。AI 用例到任务的映射过程可以是灵活的，如在问题二中描述，AI 用例可以先分解为一个或多个 AI 服务，AI 服务可以进一步分解为一个或多个 AI 工作流，而 AI 工作流可进一步分解为一个或多个任务。2）任务为中心：任务为中心是指以任务为管控对象，支持任务的生命周期管控，通过计算、算法、连接、数据的协同和调配等来保障任务的 QoS、确保任务的顺利执行等。其中，任务的 QoS 来源于 AI 服务的 QoAIS 分解和映射，与 AI 用例到任务的具体映射相关。4.2 必要性分析 传统通信系统是以会话为中心的设计，提供了完整的会话生命周期管理机制（如，E2E 隧道的创建、修改、删除、锚点迁移等流程）；6G 原生支持网络 AI，涉及到多节点场景下的多算力、多连接、多算法、多数据的协同来完成某个特定的目标，因此网络需要针对这样的变化，设计以任务为中心的完整生命周期管理机制，来保障任务的顺利执行和 QoAIS 保障。4.3 可行性分析 1）前提假设：a)6G 网元、终端等都具有内生算力，并参与到 AI 任务中。b)6G 网络为分布式的算力和 AI 系统。2）应用场景：网络 AI 业务以任务的形式在 6G 网络内执行。3）设计目标：任务的生命周期管理（如，算力、算法、数据、连接等资源的编管控）、任务 QoS 生成及保障（如，通过 AI 服务 QoAIS 映射到任务 QoS，以及任务执行过程中的实时的任务 QoS 保障）。4）方案设计：为了达成上述设计目标，设计任务为中心架构，其中，引入任务控制和任务执行两个逻辑功能。21 a)任务控制：在接受任务源（如，服务编排）提供的请求后，任务控制负责对整个任务的生命周期管控，包括调控资源四要素（算力、算法、数据、连接）来进行任务的 QoS 保障。b)任务执行：接受任务控制分配的任务后、负责任务的执行及执行结果上报。c)任务控制与任务源的接口：任务源（如，服务编排）提供 AIaaS 服务。在任务源接受服务请求后，调用对应的 AI 服务、并产生对应的 QoAIS 参数；随后任务源通过与任务控制之间的接口，将任务控制的输入（如，工作流）和 QoAIS、传递给任务控制。图 4-1：任务为中心框架图 任务控制接受任务源（如，服务编排）请求后、将业务需求（如，工作流）分解为一个或多个任务、并映射到一个或多个执行体来共同完成这些任务，以及任务控制基于 QoAIS 产生任务 QoS。由于任务控制具备算力、算法、数据、连接等资源的实时协同和调度功能，以合理、高效地分配任务及执行体映射，以及在任务执行过程中当任务 QoS 无法满足时、快速调整资源，从而在任务 QoS 保障的前提下顺利完成任务。图 4-2 作为一个示例，描述了 AI 用例、AI 服务、工作流、任务个数、执行体等的对应关系：图 4-2：AI 用例、AI 服务、AI 工作流和任务的映射关系示意图 22 上述是以服务编排为任务触发源、并由任务控制将服务编排触发并生成的工作流分解为具体任务并映射到具体执行体来执行；除此之外、还可以存在网络自触发的任务，此时无需服务编排的参与。4.4 对网络架构的影响 任务为中心对网络架构的影响：1）任务控制的引入、及逻辑功能定义，从而支持对算力、算法、数据、连接的统一管控，以任务为对象进行生命周期管理、进行网络 AI 的 E2E QoS 保障。2）任务源的引入、及逻辑功能定义，从而支持任务的触发和编排。任务为中心对标准化影响分析：1）任务为中心：6G 网络通过控制信令支持任务的生命周期管理，网络 AI 的 QoS 生成、分解和保障，及相关资源（算力、算法、数据、连接）的控制。2）对外接口：服务编排与任务控制之间接口定义，如，服务编排分解后的工作流、以及其对应的QoS 指标传递给任务控制。4.5 本章小结 4.5.1 观点 传统通信系统是以会话为中心的设计、提供了完整的会话生命周期管理机制（如，E2E 隧道的创建、修改、删除、锚点迁移等流程）；6G 原生支持网络 AI，涉及到多节点场景下的多算力、多连接、多算法、多数据的协同来完成某个特定的目标，因此网络需要针对这样的变化，设计以任务为中心的完整生命周期管理机制，来保障任务的顺利执行和 QoS 保障。4.5.2 建议 立即开展任务为中心及相关方案的研究，包括：1）任务为中心：包括管控对象“任务”的定义、以及任务的生命周期管控流程;2）对外接口：服务编排与任务控制间的交互接口。华为技术有限公司彭程晖、王君、王飞 23 5.问题五：如何支持算网融合？5.1 技术特征内涵 6G 移动基础设施将从单纯的提供连接服务发展为同时能提供连接服务 计算服务的基础设施，可以满足 AI 所需的连接和分布式计算服务；并可能进一步基于 AI 的连接和计算融合控制需求，支持网算深度融合或算网一体化。算网融合，即网络中支持算力和网络相互感知相互融合。具体是指在控制面拉通，包括分布式算力（如，终端算力、基站算力、核心网算力）与连接的相互感知，相互协同，实现实时准确的算力发现、灵活动态算力调度，提供无处不在，满足计算服务的服务质量需求的计算服务和连接服务，实现算力资源、连接资源的合理分配，从而支撑 AIaaS。算网融合在实现相应功能时能综合考虑空口状态信息、网络状态、算力分布等信息以达到性能的最优化或者资源最小消耗，例如在分配算力实施业务部署时考虑网络状态、用户分布、用户空口状态；在建立 网络连接、转发或路由数据时考虑算力分布。算网融合包括的技术内涵包括：1）算网融合网络架构：网元和计算节点组成可调度的计算和通信节点集群，其计算能力与通信能力相互融合，包括如下特征：算力内生、分布式、算力异构和多层次。算力内生特征具体是指，网元兼具通信和计算能力，计算网元和计算节点产生的算力称为内生算力；分布式特征具体是指，计算服务部署到多个节点，使得通信、计算和存储资源得到更充分的利用；算力异构特征具体是指，节点的计算能力、存储能力、算力类型不同；多层次特征具体是指，算网融合网络架构是包括云层、雾层、边缘层和终端层的多层次网络（端、边、核心网云），层与层之间相互连接，相互配合，共同为用户提供服务。2）异构算力的建模、感知、发现。算力感知具体是指，6G 内生 AI 网络需要感知到算力资源信息，如算力类型、算力资源的数量、算力资源的使用状态等。算力发现具体是指，网络在运行过程中，6G 内生 AI 网络感知到新的算力资源，可以是新的具有算力资源节点发现，也可以是存在的节点的新的算力资源发现。算力注册具体是指，在网络发现新的算力资源后，会与该算力资源的节点进行信息交互，并将新的算力资源接入到网络的过程。3）计算、连接的融合控制；融合控制功能具体包括分布式异构算力资源、连接资源的调度与控制。在资源调度时，融合控制功能会综合考虑空口状态信息、延时、算力分布、算力异构情况等信息，从而在保证计算服务 QoS 前提下达到性能的最优化或资源的最小化。5.2 必要性分析 6G 时代的新兴 AI 业务如沉浸式 XR、自动驾驶等，对算力和网络提出更高的要求，如超高算力、超低时延、灵活算力调度等。而传统集约式的云数据中心与端侧算力显然无法满足多样化的业务需求，算力向网络边缘侧扩散，云、边、端多级算力结构成为必然。当前分布式的云、边、端等多级 24 算力互为资源孤岛，容易产生资源浪费、算力不足、无法满足低时延业务要求等问题。如何将利用多级算力资源，以满足 AI 业务的需求成为一个急需解决的问题。通过网络连接分布式算力资源，可突破单点算力的性能极限，发挥算力的群体优势，提升算力规模效能，通过对算力资源、连接资源的全局智能调度和优化，可有效促进算力资源的按需“流动”。计算和网络深度融合，一方面可以整体提高算力资源的利用率，另一方面可以按需为 AI 业务提供最佳的计算、网络等资源服务。此外，5G MEC 方案中也引入了边缘计算能力，用于提供低延时的计算服务，基本是将重点放在了计算能力下沉上，网络和计算部分相对是松耦合的设计，在效率、部署成本、安全和隐私保护等方面存在进一步提升的空间。例如，在 5G MEC 方案中，核心网用户面网元 UPF 可以与 MEC 合设，但在逻辑架构层面，及控制管理机制上，都还是两套相对独立的系统，当需要同时调整连接和算力时，是通过管理面进行协同，协同调整的时延较大；另一方面，网络 AI 面对的资源是分布式、异构多类型的，并需要实时适配无线边缘动态复杂的环境，这和 Cloud AI 情况是完全不同的，也需要在控制面进行实时的协同处理。因此，6G 网络需要计算和通信深度耦合机制，使能 6G 网络成为“连接 计算”双基础设施，将算力高效连接、灵活调度，以支持内生 AI 所需的强大算力，满足各种实时的 AI服务。5.3 可行性分析 政策支持：围绕 AI、大数据、物联网、工业智能制造、工业互联等新一代信息技术产业，我国政府已出台系列政策指引产业发展。这些政策对相关产业的推动，将激发对算网融合的需求。以 2021年 5 月国家发展改革委、中央网信办、工业和信息化部、国家能源局联合印发全国一体化大数据中心协同创新体系算力枢纽实施方案为例，明确提出构建数据中心、云计算、大数据一体化的新型算力网络体系，促进数据要素流通应用，实现数据中心绿色高质量发展。此外在标准上，多个标准化组织一直在推动算网融合，以提升“连接 计算”能力。ETSI NFV 和3GPP SA5 通过标准支持通信和计算在管理功能上进行协作，使得算力服务于移动通信网络；ETSI MEC 和 3GPP SA2 通过标准支持通信和计算在信息开放上进行协作，使得移动网络承载管道和计算业务之间更好地匹配。在传输领域，IETF 基于 IPv6 协议开展 CFN（computing first network）标准化，通过 SRv6 技术来携带算力节点的算力服务信息和算力状态信息，从传输网络层面解决算力感知，以及连接和算力的良好匹配。政策支持及其他领域算网融合技术快速发展的双重推动作用下，6G网络在控制面的功能上协同通信与计算，实现算力资源、连接资源的合理分配，满足计算服务质量需求成为可能。5.4 对网络架构的影响 算力对架构的影响包括：算力可能成为 3GPP 的逻辑功能网元；RAN 侧（包括基站与终端）的、核心网的算力部署选项，潜在的接口、协议的影响；算力与控制面、用户面的关系。25 融合控制功能对架构的影响包括：RAN 侧、核心网侧的计算、连接融合控制机制，例如究竟是在控制面耦合还是在管理面耦合；跨技术域的计算、连接的协同机制，其中技术域包括但不局限于RAN 域、CN 域、管理域等；融合控制与网络 AI 全生命周期管理编排、任务为中心等关联关系。核心网部分融合控制的潜在方案包括：1）方案 1，核心网会话控制功能和算力控制功能（包括算力感知、调度、控制等）独立部署，定义控制信令交互接口。其中会话控制功能包括计算会话的创建、更新、删除等控制管理功能，计算会话具体是指端到端的计算逻辑节点之间的计算输入/输出的数据通道。2）方案 2，核心网会话控制功能、核心网算力控制功能融合为一个控制功能。此外，RAN 侧部分融合控制功能的潜在方案包括：1）方案 1，RAN 侧引入新的逻辑计算单元 xNC（Computing Node），与传统连接服务基站xNB 对等，RRC（Radio Resource Control）和 CRC（Computing Resource Control）通过标准接口进行控制面交互，其中 RRC 控制部分包括计算承载的创建、更新、删除等控制管理功能，其中计算承载具体是指终端计算逻辑节点到基站侧计算节点的计算输入/输出的数据通道。这种方案的好处是允许 xNB 设备和 xNC 设备间异厂商连接，部署方式更灵活，运营商可选择范围更大，缺点是外部接口时延较长，较难满足控制面实时性要求。2）方案 2，逻辑计算单元内置于基站 xNB 内，属于基站功能范畴，RRC 和 CRC 通过内部接口进行控制面交互。这种方案的好处是基站内部接口实现性能较好，且无线通信资源和计算资源的独立控制、按需调用，便于依据资源特性设计专用控制流程，也便于统计资源状态。3）方案 3，逻辑计算单元内置于基站 xNB 内，属于基站功能范畴，RRC 和 CRC 融合成统一的资源控制实体（xRC），同时对连接和计算资源进行控制。这种方案的好处是同时决定连接和计算资源的控制决策，资源控制的协同和实时性最佳，但联合控制机制的设计较复杂。图 5-1：AI 计算和通信在控制面上融合的三种模式7 此外，融合控制功能还包括对异构算力资源进行统一建模与感知，对其进行标识，并能降低用户移动性对计算服务、连接服务的影响，如计算迁移等等。为了更好的提供计算服务，需要对计算服务的 QoS 进行定义，比如包括性能维度 QoS 的计算时间、传输时间；开销维度 QoS 的计算开销、传输开销，存储开销、计算能耗、传输能耗等；是否可以作为 QoAIS 的子集。基于融合控制功能，需要进一步研究计算服务 QoS 的保障机制。26 此外，融合控制功能还需要支撑 UE（User Equipment）相关的算力服务机制，例如 UE 作为算力请求方或提供方时算力资源的请求和协商，运营支撑系统应支持算力服务签约，并实现与用户的其他业务一起统一计费；UE 作为算力提供方时，运营支撑系统应支持算力能力开放以及计费结算等。算网融合的融合控制功能使得运营商有能力构建“连接 计算”的双基础设施，支持网络 AI 和AIaaS 等全新的商业模式。5.5 本章小结 5.5.1 观点 支持算网融合的技术特征，是在架构的控制面支持算力、连接的拉通与融合控制。融合控制功能具体包括：1）分布式异构算力的建模、感知、发现；2）分布式异构算力资源的调度与控制；3）计算服务的 QoS 保障机制。5.5.2 建议 立即开展算网融合相关方案的研究，包括：1）核心网侧算力、连接的融合控制功能，功能定义及相关的控制接口；2）RAN 侧算力、连接的融合控制功能，功能定义及相关的控制接口。华为技术有限公司彭程晖、刘哲 中国移动李刚、上海诺基亚贝尔沈钢、中国电信邢文娟 维沃移动通信有限公司袁雁南、上海科技大学吴连涛、杨旸、李凯 27 6.问题六：为什么需要自生长的数据服务？6.1 技术特征内涵 数据服务是数据提供者和数据消费者之间的抽象，是对数据消费者和物理数据提供者的解耦。特别是存在多数据提供者或多数据消费者时，数据服务有助于维持数据的统一性、完整性和重用性。在 6G 内生 AI 网络中，AI 与数据服务紧密结合，在数据采集、处理、存储、知识转化、应用等多个方面促使数据服务能力进化，形成自生长的数据服务。通过 AI 与数据服务的结合，AI 为数据服务提供网络感知能力以及数据采集、处理、流转等过程的智能策略/算法，为数据应用提供知识关联。自生长的数据服务具有以下特点：对海量异构数据精准感知、主动推送和动态按需采集，避免数据冗余，提升数据分析能力和价值挖掘能力；使用 AI 手段进行数据价值挖掘并对数据价值进行变现，通过对不同价值的数据进行云边端分布式存储和策略优化提升数据服务响应速度；通过模型训练和知识推理进行场景动态适配，实现数据服务的智能编排调用、配置参数的智能调整。6.2 必要性分析 数据是 6G 的核心生产要素之一，数据服务能力直接影响网络性能和数据价值。数据服务包括数据采集、数据预处理、数据存储、数据访问、数据共享与协同等阶段，涉及的数据元素包含业务数据、用户数据、网络数据、感知数据、外部数据、资源层数据等。相比于以通信网络运营数据和用户签约数据为主的 5G 网络数据，6G 数据的范围和类型从通信扩展至感知、计算和 AI 等领域。面向 6G网络，当前数据服务存在下列问题：1）数据服务效率低：在数据的采集、存储和流转过程中，如果数据服务响应速度过慢，将会直接导致数据失效。6G 网络存在巨量的连接设备和传感器，其产生的海量异构数据分散在网络各层各域。对多源跨层跨域的数据服务，在数据时效性和一致性保证上存在难度，需要结合 AI 提升数据服务效率。2）数据价值局部化：6G 多元异构网络的数据呈现出海量性、多态性、时序性、关联性等特点。单一、孤立的数据集往往无法反映内在规律，难以解决复杂多变的网络问题。对数据的单点采集和单一模型训练，只能适应于特定问题和应用，局部数据的价值难以推广。对数据价值深度挖掘实现价值最大化，需要打通各个数据孤岛进行知识关联。3）数据匹配能力差：6G 网络中海量、异构、跨层跨域数据打通后，盲目的数据采集将会带来存储量大、数据冗余度高、难以快速选择数据训练集等问题。同时，千行百业个性化特点带来千差万别的场景需求，而当前的参数配置和数据服务编排方式难以做到对各种场景的动态适配。打造更为丰富多样的 6G 场景应用，需要更为灵活的参数配置和数据服务编排方式。28 通过自生长的数据服务，可以对数据价值的分析进行云边端分布式存储策略优化，将高价值数据存放在云端，低价值数据存放在边端，提升数据服务效率；通过集中式与分布式相结合的网络架构来实现对全局跨域的数据编排、网络各域/各节点数据协同、本地数据处理和按需共享；在 AI 加持下进行数据价值挖掘、数据按需采集和服务灵活编排。6G 内生 AI 网络需要自生长的数据服务保证数据的通用性、一致性、时效性、协同性，在安全可信的前提下进行数据流通、精准高效服务和价值挖掘创造。6.3 可行性分析 对 6G 内生 AI 网络，数据服务能力可以从数据采集、数据中间处理和数据应用三个层面进行提升，实现数据服务的自生长。n 原始数据 原始数据中数据非常庞杂，为了控制数据质量和数量，数据采集要在一定的限制约束前提下进行才能使数据越来越符合特定需求。基础数据可以广泛应用于多个数据服务，多个数据服务使用也提升了基础数据的通用性。通过对数据多维度挖掘、对第三方数据采集，可以扩展数据范围并丰富数据的种类。通过对原始数据的精准感知、高质高效采集，复用性增强和数据增广等方式，能够实现数据服务的智能提升。n 中间数据 在数据中间处理部分，数据处理加工方式的智能选择促进了中间数据的自生长，例如使用 AI 内生架构中的智能策略/算法对数据进行抽取、转换、计算形成更加简洁、规范、清晰的样本数据。中间数据的质量提升使得数据服务效率和准确性得到提升。n 应用数据 应用数据的数据含义明确，能够直接面向场景业务。通过对应用场景、业务的不断挖掘以及数据可视化、数据关联性的提升，数据服务的适配能力和迁移拓展能力也得到智能提升。图 6-1：数据服务自生长 29 如图 6-2 所示，通过全生命周期的工作流编排实现对原始数据、中间数据和应用数据的数据服务自生长。图 6-2：6G 内生 AI 数据服务工作流 数据服务工作流包括数据集成，数据存储，数据处理，数据治理，数据安全，数据开放几个关键模块。依托大数据技术，6G 内生 AI 数据服务通过对多源异构数据进行非实时、准实时和实时的数据采集，按照高价值低价值数据的原则进行分布式存储，将 AI 融入数据分析处理过程，对外形成标准化的数据服务能力（包括数据、AI 模型、预测服务等），向 6G 内生 AI 网络及外部系统或用户提供开放服务。同时数据服务生命周期内，数据服务通过数据治理实现数据标准制定、元数据管理及质量稽核等全面数据质量管控工作，通过数据安全管理提供确认、授权、访问与审计等功能，最大化的保证数据的可管、可控、可用。6.4 对网络架构的影响 为了实现数据服务的自生长，需要统一的数据服务框架。6G 网络数据服务框架需要适配终端的多样性、支持异构多源数据的接入、处理并存储海量数据，通过数据挖掘、AI 等技术将数据转化为知识，使能沉浸式 XR、全息通信、感官互联、数字孪生15、全域覆盖等全新业务场景。为满足 2B/2C内生智慧的基本诉求，需要考虑 6G 网络架构中数据逻辑管理与操作统一化、物理部署分离的“数据面”架构，通过云边数据协同，实现高效的数据服务。通过在网络中引入数据面，统一实现对网络各节点数据的感知、收集、分析、处理和管理，可以支撑数据服务对内和对外功能的提供。30 图 6-3：网络数据面架构1 为了支撑自生长的数据服务，还需要搭建“逻辑集中、物理分布”的统一云边协同平台，云边协同配合进行数据管理。云端作为统一采集调度、统一数据处理、统一数据治理入口，负责统一开发调度、跨域多模模型管理、可视化开发、数据稽核与质量管理等功能，边端负责完成具体采集动作、与云端通过协同计算引擎配合进行下推算子的执行、完成数据治理的执行态。通过云边协同引擎实现云边的跨域跨库查询与分析，结合统一的 Catalog（实现平台的数据编目托管）完成两级的算组与算子的调度。为了支撑自生长的数据服务，6G 网络架构还需要对数据进行分层存储和管控，网络要能够主动感知发现数据源，在数据服务各环节进行质量保证，对数据格式和分类规范化，对数据服务建立监督和评价反馈机制。在基站或相关无线网元逻辑节点中，要有数据自生长服务功能实体、相关的数据转发与管控流程。控制面信令要能对上述数据转发流程进行编排、配置，实现可管可控和高效转发。为实现数据服务的可信开放，还需要定义数据对外开放接口，数据服务规范化统一描述和安全访问授权流程。6.5 本章小结 6.5.1 观点 31 6G 网络需要数据服务能够适应海量、异构、多源、多样的数据采集、处理、存储和对数据高效流转。在内生 AI 的加持下，自生长的数据服务能够不断对数据各环节进行质量提升和价值挖掘，并且在安全可信的基础上不断提升数据服务效率和数据精准适配能力。因此 6G 内生 AI 网络需要支持自生长的数据服务。为支持自生长的数据服务，6G 网络需要引入单独的数据面来构建统一的数据服务框架，还需要构建云边协同平台来对数据进行全面管控和协同。中兴通讯股份有限公司薛妍、谢峰、杨立 中国移动郑青碧 亚信科技（中国）有限公司赵燕、王达 维沃移动通信有限公司袁雁南 32 7.问题七：为什么需要自生长和可信的算法？7.1 技术特征内涵 算法自生长是指 6G 网络内生智能的算法/模型生成不再仅仅依靠基于大量训练数据的暴力计算模式，而是也能通过基于已有的算法/模型间的计算来生成新的所需算法/模型，即 6G 通过基于模型的计算来生成新模型。AI 可信不仅仅指 AI 系统的性能，还包含鲁棒性、公平性、可解释性、透明度等方面，并且仅提升系统的性能不足以构建可信的 AI 系统。AI 可信度主要从如下维度来评估，可分为 3 个方面16：表 7-1：AI 可信度维度分类 可信维度 具体解释 技术方面 准确性 AI 系统的结果应该尽可能接近真实情况 鲁棒性 鲁棒性是 AI 系统处理数据输入错误、特征改变、执行错误等的能力，它直接关系到AI 系统的性能，可以保障系统的安全与可靠 可解释性 可解释性要求我们理解 AI 模型做出决策的原理，这是信任 AI 系统的基本因素，可以帮助我们发现 AI 系统的缺陷 泛化性 泛化性要求 AI 系统能够从有限的训练数据中提取知识，并且对没有经过训练的领域的数据做出准确的预测 再现性 网络 AI 系统的再现包括数学推导的再现和实际应用的再现，这有助于检测 AI 系统的潜在风险 用户方面 隐私保护 AI 系统应该能够保护所有用户的隐私，避免未经授权使用可用于识别身份的数据，这是决定 AI 系统可信度的核心因素 自治性 人类拥有对 AI 系统自主活动（如，决策）的控制权 社会方面 透明性 透明性要求对 AI 系统的全生命周期进行信息披露，这已经是公认的要求，是建立公众对网络 AI 系统信任的基本要求 审计与问责 AI 系统应当接受审查、评估和审计，并且算法审计已成为公认的审计方法 其中，算法可信包含的维度还没有定论。7.2 必要性分析 算法自生长方面，主要面向的问题是当前高成本低效率的算法或模型学习方式：需要提供大量训练数据，从数据中学模型，则数据的采集、存储、传输和计算的开销都非常明显，比如，人类平均 1 33 人年的碳排放量是 11023bs，在 GPU 上运行一个大型 Transformer 模型的碳排放量是 626115bs，相当于 56 个人 1 年的碳排放量。对于大型模型，参数的规模为 GB 级，这对于传输是极大的负担，并且大型模型的计算力为 GFLOPS 或者是 PetaFLOPS/s-day，计算开销很高。比如，OpenAI 提出的基于 Transformer 架构的 GPT-3 模型，参数量高达 1750 亿，对算力的消耗更高达3640PetaFLOPS/s-day。为缓解这个问题，算法自生长是必要的。算法可信方面，随着 AI 技术的快速发展，AI 已经广泛应用于移动通信中，因此有必要保障 AI 系统的可信，不必担心其潜在危害。任一单方面的可信度都涉及 AI 全生命周期的多个阶段，不同的可信度间还存在着相互作用，因此应该通过共同优化这些可信需求来构建可信的 AI 系统。7.3 可行性分析 在算法自生长方面，已有一些新的学习框架被提出，比如小样本学习、迁移学习、元学习，其思路为提高已训练好的模型的可重用性，使得仅通过目标域少量数据的训练即可获得新的适配模型，这些方式可以作为“算法自生长”的起始阶段，但这些方式并未改变“从数据中学”的学习本质。不同于从数据中学模型，从模型中学模型需要建立起对已有模型的知识体系。最基本的如，模型的元数据（描述该模型的数据，包括模型结构信息、适用场景、部署后的使用性能、训练过程中的超参等等）。更进一步如解释模型各种输出的知识，模型结构中的各个部分对于模型给出某种决策的影响程度。再进一步如建立起通信领域的基础模型集合，集合中的元素模型（或原子模型）均对应通信领域中某项基本功能或映射，具有很高的可重用性，可以通过调整模型参数值将原子模型适配到某个特定场景下的基本模型，也可以通过模型间的计算（比如拼接、融合、相交等）构建与更大功能相对应的更大模型。算法可信的可行性方面，可信 AI 涉及到 AI 生命周期中各阶段。包括数据采集，数据预处理、特征提取、模型训练、模型测试和推理。其中，数据采集，数据预处理等环节属于数据服务，数据服务的可信意味着对数据提供者进行隐私保护，采取措施保障数据的公平性等可信特征。数据质量价值的提升有助于算法模型的准确性、可重用性提升，算法的自生长也可以促进数据服务各环节能力提升。数据采集和预处理环节需要考虑数据的隐私性与公平性等可信要求，特征提取阶段需额外考虑鲁棒性、泛化性、可解释性等要求。该阶段的鲁棒性可以通过定性和定量的方法来评估，比如鲁棒性测试（功能性测试、性能测试）、数学验证方法。可解释性一般通过定性指标（如，主观人类评价）和间接定量测量方法（如，近似精度）来评估，目前仍然没有直接定量测量的方法。模型训练阶段除了需要考虑上述的可信要求外，还需要考虑再现性。该阶段的可解释性的定性方法一般为模型解释，而定量方法包含可解释的模型、特征解释等。鲁棒性主要通过额外的技术手段来实现，比如对抗性训练。泛化性一般通过技术手段来实现，比如预训练和元学习，也可以采用定量的方法来评估，比如交叉验证等。模型测试与推理阶段也需要考虑上述要求，并需要重点考虑准确性和鲁棒性等。34 另外，在 AI 的全生命周期都可以考虑准确性、自治性与审计等。准确度一般定量判断，自治性可采用定性的方式判断，比如可不可以人工干预，审计特性一般采用定性的方式评估，比如审计检查表。7.4 对网络架构的影响 6G 网络架构要支持算法自生长，而算法自生长的技术突破主要在于算法/模型本身的研究，当前模型的可解释性方面的研究进展比较缓慢。因此，可以分阶段制定具体目标和技术机制，一种可考虑的方式如下：阶段一：基于元数据选择和重用模型。需要建立起模型的元数据框架，包括元数据包含哪些数据元素、如何采集获得这些数据，如何管理等。模型重用则可采用已有的具有较高性价比的学习方式（如迁移或元学习等）。模型库中的模型可以通过相互学习进行模型更新，如果性能不佳，模型库可以设置对外接口，通过 CI/CD 的方式从对外接口导入模型，进行模型的更新和迭代。该阶段所需的逻辑功能实体及交互关系如图 7-1 所示：图 7-1：基于元数据的算法自生长与可信功能交互流程示意图 阶段二：基于可解释模型组件的算法自生长。这个阶段的模型知识更加丰富，除了阶段一中的元数据，还主要包括模型的不同层或分支的类型、结构和参数值对模型功能和结果的影响，这些解释模型组件可以通过编号、数学算法等方式来实现，并不代表“模型的可解释性”。当前已有一些AutoML 框架可以实现基于基础操作空间搜索的网络结构自生成了，比如 AutoML zero，而在获得了更深入的解释模型组件相关的知识后，模型的生成将不再仅依赖搜索算法，更可能是知识和搜索算法相结合的方式。阶段三：基于通信原子模型的算法自生长。经过第二阶段，为满足某项功能生成的模型其结构将更加简洁精准，模型参数将更加灵活动态（比如模型参数不再是一个具体的值，而是一个函数，根据 35 应用场景的不同，映射出不同的参数值）。最终，会产生针对通信领域基本功能设计的基本模型集合。对于由多个基本功能组成的更大功能，则可以通过基本模型的组合生成对等的智能模型。算法自生长可以根据达到的智力水平高低进行划分，智力水平依据模型自身性能指标以及应用到use case 性能的好坏来评估，可以设计考虑安全、隐私、开销等的指标来进一步评估。算法可信评估已经成为算法评估中不可缺少的一部分，在算法自生长的研究中我们也应考虑算法可信对算法的要求，并嵌入相关的技术 提升算法的可信度，比如对 AI 系统进行审计。审计过程可分为内部审计和外部审计，内部审计涉及 AI 系统的全生命周期，使得系统可以自我评估优化，独立方的外部审计可以更有效地获得公众的关注或信任。AI 系统的审计要求会影响移动网络的生态，未来或许会出现第三方对运营商的 AI 系统进行审计。目前 6G 算法可信的范畴还需要进一步研究，虽然 AI 可信的概念几乎涵盖了 AI 领域所有悬而未决的问题，以及对社会有影响的方面，除了鲁棒性、可解释性、再现性等，还有隐私保护、安全性、透明性、审计与问责、伦理与法律、环保等，但是这些内涵是否都要纳入 6G 算法可信的范畴？6G 网络 AI 是否可以提出其他的可信内涵？7.5 本章小结 虽然算法自生长的相关研究较为缓慢，并且算法可信的范畴还未明确，但这两个特征对 6G 网络架构有较大的影响，并且对未来的生态应用有较大影响，可能有新的功能性组织机构出现。因此我们认为 6G 内生 AI 网络架构设计需要重点考虑算法自生长与可信的技术特征。中国移动郑青碧、邓娟 36 8.问题八：如何理解分布式 AI 架构？8.1 技术特征内涵 分布式网络是由分布在不同地点的计算机系统互连而成，通信控制功能可分布在各节点上。6G网络分布式 AI 架构借鉴分布式网络的思想，将 AI 能力作为网络的基本服务，将 AI 能力分布到各个节点，多点协同共同完成 AI 智能分析，使 6G 网络能够按需调整、弹性伸缩、自主学习和自主演进，并赋能千行百业，构筑全行业的泛在智能生态系统。6G 网络分布式 AI 架构将支持各层级节点间的智能协同、数据和知识双驱动、算力资源灵活调配、数据和网络复杂异构等17。8.2 必要性分析 设计 6G 内生分布式 AI 总体网络架构需要从场景需求、业务要求、性能要求等多方面考虑，保证6G 网络中各节点具备数据感知和处理、知识加工和储备、信息传递和交互、模型训练和调度、策略制定和输出等能力。1)多态异构网络带来数据安全问题：一方面，6G 网络海量多态异构的网络设备接入给集中式的网络部署带来大量难题；另一方面，集中式 AI 管理不利于保护网络设备的数据安全；2)各节点知识差异需要分享协作：6G 网络将存在大量智能节点，各节点可能需要具备知识加工或储备能力，即知识可能分布存储在各个智能节点中，各节点之间可能需要进行知识迁移，共同构建知识图谱，可使网络具备自我学习等能力；3)算力需求的增长需要资源的灵活调配：6G 内生智能网络中的计算需求将大幅度增长，由于云服务器的计算资源限制，可能较难满足需求，可能将云计算资源下沉到边缘侧和终端侧；采用云、边、端协同的分布式网络架构更加符合 6G 网络的总体愿景；4)模型训练对资源消耗压力更大：AI 模型规模变得越来越大，参数量越来越多，基于 AI 的应用程序的内存及功率等消耗也越来越大，通过模型拆分存储和训练的分布式架构可以降低各节点或终端的存储、计算、功耗压力。8.3 可行性分析 目前业界已有很多分布式相关的 AI 学习方法，例如支持隐私保护及终端异构的联邦学习、更加安全及去中心化的群体学习、多节点协同的多智能体强化学习、小样本及适应性强的迁移学习和元学习等，均可考虑用于 6G 网络的分布式 AI 架构。不同的学习方式各有特点，可满足 6G 网络中的不同应用场景，因此 6G 网络的 AI 架构需要满足各种学习方法的需求，即可根据网络中不同节点的 AI 能力、AI 模型、数据样本、分析任务、算力资源、网络环境等因素，灵活选择恰当的学习方式。在多个分布式 AI 学习方法中，从网络架构角度可分为中央与本地协同、去中心化两种方式，例如联邦学习主要为中央节点和本地节点协作方式，群体学习为多节点配合的完全去中心化方式，多智能体强化学习可能有中央节点参与也可能各节点协同完成，迁移学习和元学习更强调模型参数等在多节 37 点间的共享来辅助学习，可能需要管理和协调的中央节点。因此在网络架构中则需要考虑配备不同角色的节点，以及这些节点如何在满足 AI 训练及分析的任务下融入 6G 网络架构中，包括能力的要求、算力的要求、数据的要求、算法及模型的要求等。1)能力方面：6G 网络中的功能实体或终端应作为哪种角色，具备哪些能力，需要完成的 AI 任务有哪些等；2)算力方面：需要考虑对各节点算力资源的要求，对 AI 任务的算力要求如何准确评估、确定算力要求后如何在节点间进行合理分配、如何满足实时性要求等；3)数据方面：从哪些可信终端或功能实体获取数据，如何获取 AI 分析所需的数据、如何满足模型训练和分析，数据的隐私保护及加密等问题、数据样本的采样方法和频率等；4)算法及模型方面：从分布式架构角度看，主要考虑实时性和传输压力等问题，因而更关注模型的共享效率、模型训练的灵活普适性、模型大小的选择、模型训练时间等。8.4 对网络架构的影响 6G 网络分布式 AI 架构包括横向多层、纵向多面、跨域协作，以及分级部署18。1.网络架构中的层主要从网络提供服务的视角阐述，不同层形态和功能不同，提供的服务也不同。目前业界普遍认为 6G 网络架构可能包括以下几层：1)网络资源层，主要指基础设施，例如频谱资源、异构计算（CPU、GPU、TPU、FPGA 等）、硬盘、内存、传输网络等；2)网络能力层，主要指网络逻辑功能（NF），包含 6G 网络的主要能力，例如信息感知功能、数据处理功能、网络通信功能（移动性管理、会话管理、策略管理等控制面功能，路由转发等数据面功能）、计算功能等；3)网络运营管理层，主要指运营管理相关功能，例如网络监控管理、云网编排、业务受理、计费结算等。6G 网络还可能引入数字孪生网络管理功能、意图驱动网络智能中枢等功能；4)应用服务开放层，则功能/能力层提供的服务与应用，例如感知服务、位置服务、低时延高可靠传输、确定性传输等。2.网络架构中的面是指纵向贯穿各层，为各层提供的基础能力。数据面、安全面、智能面是目前业界提及较多的能力。1)数据面实现资源状态感知（算力等）、网络状态感知、业务或场景感知、用户数据、数据仓库等；2)安全面提供安全服务及策略等；3)智能面则主要提供 AI 能力调用、知识构建、统一数据模型、大数据分析、算法、策略等；智能面为各层提供服务，例如向资源层提供资源分配建议，向功能/能力层提供数据处理、资源感知、特定功能分析等，向网络运营管理层提供意图转译、编排分析；向应用服务开放层提供辅助应用的网络分析、辅助训练模型、开放资源感知等。38 3.网络架构中的域主要是用于区分不同专业领域，一般自成体系或网络，各域融合统一的难度较大，将来在 6G 网络也可能是分立的，可能涉及的域包括无线接入网域、核心网域、云网承载域、外部网络域、终端域等。目前各域均在研究 AI 能力，例如核心网域用于网络服务提升、网络优化等；无线接入网域用于资源优化、拥塞分析、节能等；云网承载域用于智能路由、资源调配等；外部网络域和终端域用于应用体验增强、配置管理等。4.网络架构中的级主要是网络服务的分级，即全国级、区域级、网元级、边缘级等。从部署角度，尤其是规模广域覆盖的网络，无论是对端侧实时性、海量计算、不同算法对模型训练的要求，还是对数据存储能力、通信传输压力等的考虑，完全扁平化部署难度较大，将来 6G 网络仍可能包括全国级、区域级（也包含基于服务）、网元级、边缘级，考虑到 AI 还会涉及终端级，部署上可能会有集中、边缘和端侧等云边端协同场景。AI 可渗透到各级，每级能力各有差异，将来可能是独立智能功能实体和内嵌智能功能实体共存的模式，6G 网络分布式 AI 架构如图 8-1 所示：图 8-1：6G 网络分布式 AI 架构示意图 1)独立智能功能实体：指专用于进行 AI 分析的功能实体，依据 AI 系统特点设计，普遍具备算力和性能强、ML 模型丰富、数据和知识全面，支持节点管理协同等特点，因而能够提供更精准、更复杂、场景更丰富、覆盖范围更广的 AI 分析能力。独立智能功能实体的具体功能可包括信息和资源状态等数据的收集、数据的预处理、知识构建及辅助分析、模型训练、推理或策略建议等。全国级、区域级和边缘级可以考虑部署独立智能功能实体。2)内嵌智能功能实体：为了达到 6G 智能内生的目标，已具备特定能力的功能实体或终端，也应设计 AI 能力，即内嵌智能功能实体，一方面根据自身需求完成 AI 分析和推理等，另一方面 39 可辅助独立智能功能实体提供数据感知、推理、辅助模型训练等能力，例如核心网会话管理功能实体内嵌 AI 能力进行会话相关信息感知和推理，终端内嵌 AI 能力辅助进行联邦学习等。内嵌智能功能实体在实时性、隐私保护和安全性方面可能更有优势，但往往因算力有限、数据和模型单一等问题较难完成大型复杂的分析任务。内嵌智能功能实体的具体功能可包括数据或状态感知、小型的模型训练（用于联邦学习等）、知识存储、推理及反馈等。网元级和终端级等可考虑使用内嵌智能网元19。8.5 本章小结 8.5.1 观点 6G 网络及终端数据异构、服务场景更为复杂、算力及性能指标差异大、模型训练消耗大，分布式 AI 架构通过支持横向多层、纵向多面、跨域协作，以及分级部署等可更好的适应未来 6G 网络内生智能的需求。8.5.2 建议 6G 网络智能化的目标是满足内生 AI 的需求，则需要考虑 AI 如何融入网络，成为网络的一部分，例如各层、级、域等需要哪些 AI 能力，各节点之间如何进行自主高效的互联共享等协同。中国电信李鹏宇、于梦晗、邢燕霞 北京邮电大学周凡钦、丰雷 重庆邮电大学徐勇军、大连海事大学杨婷婷 电子科技大学冯钢、秦爽、中国移动温子睿 40 9.问题九：分布式 AI 架构中不同节点如何协同？9.1 技术特征内涵 各层级节点 AI 功能不同是指在各层级节点部署不同的 AI 能力，其中所部署的 AI 能力可以从人工智能实现手段、算力供给需求、整体 AI 能力中的角色等多个角度加以区分。从人工智能实现手段角度看，可分为知识驱动和数据驱动等不同 AI 能力20；从算力供给需求角度，不同的 AI 能力一般具有不同的算力供给需求，需要具体问题具体分析；从整体 AI 能力中的角色角度，不同层级的各节点按需具备 AI 能力，节点的 AI 能力角色可分为独立智能功能实体和内嵌智能功能实体。AI 节点间协同主要体现在 AI 节点之间进行数据和知识的协同、算力和资源的调配、算法和模型的共享等，从而增强网络功能、提升网络性能、优化网络和应用服务体验，提升 6G 网络整体的智能化水平。结合 6G 网络潜在的分布式 AI 架构，需要考虑域、层、级、面之间或其内部各节点的交互方式和数据传递，在满足实时性要求、减少传输压力、网络和算力资源分配最合理、隐私保护等前提下，选择最优方式完成 AI 任务。9.2 必要性分析 关于各节点 AI 功能不同的必要性，可以从以下三个角度分析：1）从节点智能需求角度，各层级节点数据获取的全面性与时效性不同，例如靠近端侧的节点的网络数据获取时效性较好，全面性较差；靠近云侧的节点可获取全面性的网络数据，但时效性较差21；同时，不同人工智能实现手段下AI 能力具有不同特点，因此可在考虑不同网络优化目标问题时部署有差异的 AI 能力。2）从节点算力供给能力角度，各层级节点存在显著差别。终端节点计算资源有限且算力供给稳定性差，节点异构性强；边缘级节点计算能力差异性较大，节点供应商可能来源多样，异构性强，且数据和资源共享的难度大，成本高；全国级节点能够提供高质量强稳定的算力，但可能存在一定时延，对实时决策造成影响，因此可根据算力需求部署适当的 AI 能力。3）从节点智能内生角色角度。内嵌智能功能实体的 AI能力嵌入在通信功能网元或终端等，更适合完成数据或状态感知、数据预处理与特征提取、小规模模型训练、本地知识抽取、存储、推理及反馈等任务，独立智能功能实体往往与多个节点存在数据交互接口，更适合完成大范围多维度知识融合、大规模模型训练、全局知识抽取、存储、推理及反馈等任务，从而整体实现更及时的数据处理和更少的传输开销。6G 网络分布式 AI 架构需要各节点之间协同完成 AI 任务，主要体现在以下几个方面：1）场景需求：当前通信网络中 AI 分析已需要各节点协同，例如网元或切片负载分析，需要从核心网域获取各网元或切片负载、状态、资源使用和流量消耗，从终端域获取终端目的地、速率等，从外部网络域获取UE 群体行为信息等；未来确定性网络、算力网络、天地一体等新网络能力，万物智联、沉浸式 XR、数字孪生等新应用，更需要端到端、各域配合、资源和能力的统一调配和协同。2）性能要求：未来6G 网络提出超低时延高可靠、超大带宽、低成本大连接等愿景，随之产生的 AI 任务将变得越来越复杂，为了提供更优质的网络服务质量体验，各 AI 节点之间需要具备数据知识传递、算力资源分配、算 41 法模型共享等 AI 协同能力。3）分布式学习需求：海量异构的 AI 节点的涌现使得 6G 网络需要分布式AI 架构，分布式学习方式要求 AI 节点必须具备协同能力，例如联邦学习、群体学习、多智能体学习等。9.3 可行性分析 AI 节点功能差异性可考虑以下几个方面：1）在架构设计中可能需要定义和增加新的 AI 节点，但随着 AI 技术向网络技术渗透，未来网络技术本身的智能方法和网络 AI 之间的界限可能变得模糊，进而可能造成网元的重复定义、责任边界的不清晰或节点资源的浪费，甚至导致决策冲突，可通过标准化工作进行分析和推动解决。2）目前的 AI 技术以数据驱动为主，如何获取大量实时的 AI 数据，对网络智能能力的上限存在决定性影响，网络架构可考虑预留开放的数据接口和专有信令用于支撑和赋能网络 AI，增强网络架构设计对 AI 的支撑能力。3）目前 AI 的可靠性和解释性存在不足，无法保证新增的 AI 模型和方法能够稳定有效工作在网络中，在计算机操作系统上沙盒模式是一个常见的解决方案，网络架构上如何支撑网络沙盒对 AI 能力落地具有重要意义。6G 网络 AI 节点协同时可能需要考虑传输效率、实时性、移动性、鲁棒性、隐私性、能耗成本等因素，联邦学习、群体学习、多智能体学习等人工智能关键技术可作为 6G 网络各 AI 节点间的协同方式22。考虑到通信网络存在设备异构性问题，每个 AI 节点可能仅能处理小组高维模型的样本，因此，一方面需要学习架构可根据网络状况，优化参与模型上传的设备选择；另一方面，网络架构也需要灵活重配置异构网络资源，及时扩展容量，以处理更多的模型；同时还需要灵活的网络管理规则，考虑多层结构的任务迁移、模型聚合的异步管理等，以协调网络不同层的节点。9.4 对网络架构的影响 9.4.1 不同节点的不同 AI 功能 在不同节点部署恰当的、差异化的 AI 能力，应该综合考虑其智能需求与算力特点，实现计算能耗、时延表现、传输开销三者之间的平衡。1）全国级节点、区域级节点可获取全局的网络数据，但可能无法准确获取实时数据，为全面参与网络的决策控制，对计算能力要求高，所需数据量大，更适合对全局性的策略或者算法模型集中进行训练和推理，建议部署包括知识分析推理、模型训练存储等知识驱动的 AI 能力，以独立智能功能实体的能力为主，具备支撑海量数据的完整数据处理、模型离线训练、策略推理能力。2）边缘级节点、网元节点能够获取一定范围的网络数据，但数据时效性不如终端级节点，可为全国级节点、区域级节点提供数据预处理或者扮演 AI 推理执行的角色，对实时性有一定要求，而计算能力要求则满足业务需求即可，建议部署以数据驱动的内嵌智能功能实体能力为主，以知识驱动的 AI能力为辅，具备轻量级的 AI 推理和训练能力，可负责所在范围内的完整数据预处理、模型训练、策略推理，且具备存储能力以支撑异构边缘节点间的协同学习等。42 3）终端级节点可以实时获取端侧本地信息，但获取数据的范围很小，建议部署数据驱动的内嵌智能功能实体能力，侧重于具备策略应用能力，可参与本地联邦学习在线训练，在算力富足时具备一定离线训练能力。9.4.2 节点间的 AI 协同 移动通信网络中的 AI 协同包括网络架构中域内域间、级内级间、层内层间、面内面间的 AI 协同，从差异性角度来说，域内域间、级内级间、层内层间与面内面间的 AI 协同方式四者之间差别不大，下文主要根据实际可能存在的差异性，从域内和域间角度分级进行分析。1）域内同级 AI 协同 主要涉及域内全国级、区域级、边缘级、网元级内部的横向 AI 协同，主要考虑采用群体学习等去中心化分布式架构或迁移学习方式等，例如同级不同覆盖范围或不同能力的 AI 节点协同进行分析、同级 AI 节点间通过共享模型加速学习等。同级 AI 节点之间的协同可能主要考虑以下几个方面：1）模型共享：指级内同类型 AI 节点间可进行 AI/ML 模型共享，帮助其他节点进行学习和分析，需要考虑模型的准确性和可靠性等；2）模型拆分：可考虑采用多节点并行的纵向跨层模型拆分方式，需要考虑各节点的计算能力及传输效率等；3）协同学习：同级内的 AI 节点可能采用群体学习方式或通过迁移学习、元学习等技术进行知识迁移，需要考虑协同的场景和实时性等。2）域内不同级 AI 协同 主要涉及域内各级之间的纵向 AI 协同、横向和纵向混合的协同方式，主要考虑通过有中心的分布式架构或者迁移学习方式进行协同。有中心的分布式架构可将上一级的 AI 节点作为中心节点，下一级的 AI 节点作为本地节点，例如不同级各 AI 节点之间可通过联邦学习进行协同，独立与内嵌智能功能实体之间协同采用以独立智能功能实体为中心节点，内嵌智能功能实体为本地节点的联邦学习等；域内不同级 AI 之间的迁移学习指域内某一级的 AI 节点中的预训练模型共享给其他级的 AI 节点，该节点根据需要仅用少量训练数据微调预训练模型即可得到最终模型。不同级 AI 之间的协同方式主要考虑以下几方面：a）数据协同：数据服务分布式协同可保证数据的一致性和有效性，网络数据可在多节点内均存有备份或每个节点存储部分数据，并需要备份数据的及时更新；b）算力调度：指算力资源可在不同级的 AI 节点之间进行合理再分配；c）模型共享：指不同级之间的 AI 节点可共享 AI 模型，可直接用于任务推理或对模型进行再训练；d）模型拆分：可考虑采用各节点序贯式的横向按层模型拆分方式，需要考虑各节点的计算能力及实时性等；e）协同学习：不同级 AI 节点间可运用联邦学习、迁移学习进行共同训练或知识迁移，主要考虑实时性、学习效率等。3）域间 AI 协同 通信网络中不同域面向不同通信专业领域，提供能力的层面或范围存在较大的差异性，为了满足用户端到端的服务体验，6G 网络将不可避免的会涉及不同域间的协同问题。由于各域的复杂性、能力差异性、性能需求等，每个领域均有可能提供各自的 AI 能力，如果需要完成端到端或多域共同的智能分析任务，则需要各域 AI 的合作和共享，即域间协同。43 域间协同的协同方式主要考虑以下几个方面：a）数据协同：各域 AI 从其他域获取分析所需的元数据或预处理后的数据或知识，用于本域的模型训练或分析，需要考虑数据获取的实时性、数据样本颗粒度等；b）模型共享：本域 AI 的 ML 模型可共享给其他域，辅助其他域 AI 进行模型训练或分析，需要考虑模型的准确性、时效性、鲁棒性等；c）协同学习：例如不同域为相同特征、同一地域用户群进行智能分析，可能采用联邦学习、迁移学习等，从而提升以用户为中心的服务体验。无论哪种域间协同方式，可能需要考虑统一的协作中心，例如支持联邦学习的中央服务器，选择针对不同智能分析任务的域间协作方式等。6G 网络分布式 AI 节点间协同如图 9-1 所示。图 9-1：6G 网络分布式 AI 节点间协同示意图 9.5 本章小结 9.5.1 观点 1）分布式 AI 网络架构中，各层级 AI 节点具备不同的 AI 能力，服务于不同的业务需求。2）依据 AI 能力设计方案部署 AI 任务，采集类和感知类任务可部署到终端级节点、边缘节点和网元级节点，大时间尺度和知识化类任务可部署到区域级节点和全国级节点。3）在分布式 AI 架构中，为了高效实现不同需求场景的智能分析需求，需要各节点间相互协同，共同完成 AI 任务。4）各 AI 节点间需要协同，通过数据传递、算力调度、模型拆分/共享以及协同学习等方式支持。9.5.2 建议 6G 网络应支持分布式 AI，支持 AI 节点间协同，但需要从本质上深入了解 AI 性能与资源消耗、通信开销等方面的关系，在提升资源利用率的同时保证模型学习和训练的性能，建议持续开展研究，在设计和实现方面提出创新方案。44 中国电信李鹏宇、于梦晗、邢燕霞 北京邮电大学周凡钦、丰雷 重庆邮电大学徐勇军、大连海事大学杨婷婷 电子科技大学冯钢、秦爽、中国移动温子睿 45 10.问题十：可以对外开放哪些 AI 能力？10.1 技术特征内涵 能力开放是移动网络的重要功能，5G 网络中就已经存在。到了 6G 时代，AI 相关的能力开放必然是 6G 网络能力开放的重要组成部分，是实现移动网络 ICDT 融合的重要切入点。相比 5G 时代下的能力开放的同质竞争，AI 能力开放更着重于 6G 网络与第三方需求之间的优势互补，协作共赢23。AI 能力开放是指对于 6G 网络中的 AI 相关的资源包装成特定的能力向第三方开放、使用，主要表现在如下三个大方面：数据开放：数据开放是指将 6G 网络中可以获得的数据经过加工后共享给第三方使用，包括对于6G 网络内部的处理后的原始数据的开放以及基于原始数据分析后得到的有价值信息的开放。算力开放：算力开放是指网络可以充分利用算力资源对外提供计算服务。当收到外部的算力服务请求时，整个网络的云边端架构会整合网络中的空闲算力，通过网络模型中的功能层实现算力的统筹调度，再结合云边端自身相应的通信功能来传输反馈任务数据，完成整个对外提供算力服务的功能。模型开放：模型即算法，是第三方实现 AI 服务的灵魂。6G 网络中可以向第三方提供 AI 模型/算法的开放服务，适用的 AI 模型不尽相同。利用 6G 网络的强大资源（包括数据、算力、通信等资源）打造诸如“AI 模型商店”的模型开放能力，可以服务于广大的第三方 Network for AI 市场。10.2 必要性分析 n 数据开放的必要性 数据开放可以让产业链所有参与者充分利用已有的数据资源，避免重复的数据采集处理操作。开放数据能够打破网络间、行业间的数据孤岛和数据壁垒，并为第三方参与提供途径。数据开放丰富了数据类型，加强了数据之间的联系，拓展了数据应用空间，让数据服务更加智能化。数据开放为数据服务提供了数据价值的挖掘拓展和数据资产变现的更多可能。对于数据开放来说，AI 技术之所以能够大规模普及，其中一个重要的因素就是数据，对于第三方来讲，想要训练出好的模型、产生强大的推理能力，必然需要跨域的数据采集，这里主要指终端、移动网络和 OTT 三个不同域的数据在安全隐私可接受范围内的共享。就像人脑做决策一样，只有考虑的因素越全面，做出的判断才越合理。因此数据的开放是决定 6G 网络 AI 功能面强大与否的关键因素。46 图 10-1：从 QoS 到 QoI 5G 网络中，为了提升业务的体验，网络主要以提供和保障高质量的 QoS 为主，其中网络切片、TSN 等 5G 的关键技术均以提供最佳的 QoS 为目标。也就是说，只要能够提供最佳的 QoS，就可以足以为第三方的业务体验保障提供足够的支持。但是，到了 6G 时代，为了能够实现最佳的 AI/ML 操作价值，仅有极致的 QoS 是不够的，AI/ML 能够实现重要的价值更取决于数据/信息的共享。具体来说，高质量的信息共享可以为第三方提供有效的操作决策、加速训练过程、提升训练准确度。因此，在 6G 网络中，利用意图网络等技术，基于信息的能力开放可以以 Quality of Information 的形式呈现给第三方，并与 QoS 一起为第三方 的 AI/ML 操作提升价值。n 算力开放的必要性 很多基于 AI 的服务需要耗费大量的算力资源，大多数的 OTT 厂家都不具有如此庞大的资源体量。运营商网络可以为 OTT 提供云资源服务，让 OTT 使用运营商的云资源执行相应的 AI 服务或为OTT 公司执行 AI 服务。人工智能的最新进展推动了网络边缘的智能应用，如智能家居、智能工厂和智能城市等等。为了在算力资源紧张的边缘设备上部署计算密集的深度神经网络，传统的方法是将部分神经网络模型上传至云端，云端将计算结果反馈回终端，但这种方式缺点是可靠性差且延迟高。因此利用网络中设备的空闲算力来帮助算力不足设备或对网络外部提供算力服务是一种新的思路，即算力众筹/开放的概念。利用算力众筹可以将网络中设备闲置算力集中控制再根据网络中业务需求合理分配，并开放给第三方使用。n 模型（算法）开放的必要性 由于在不同时间、地点、环境、业务、用户等情况下对于 AI 模型的要求不尽相同，第三方需要按需获取最佳的 AI 模型进行使用。这里需要消耗大量的资源进行模型的训练、管理、匹配和调整等，这3 3rdrd partypartyQoS3 3rdrd partypartyQoS常规常规业务业务体验体验AI/MLAI/ML操作操作价值价值Q Qo oI I5G5G网络网络6G6G网络网络 47 无疑对于很多第三方使用 AI 模型是难以克服的门槛。为此，6G 网络可以具体在如下几个方面向第三方提供按需、高效的模型开放：-由于第三方一般仅有少量的基于某个特定需求的样本，少量的样本无法支持第三方训练出一个收敛的 AI 模型。为此，通过 6G 网络提供的泛化能力强的基础模型，第三方可以在此基础上通过少量的样本继续训练，得到性能良好且适配于第三方特定需求的 AI 模型；-第三方算力受硬件条件、电量等因素的影响，对于模型选择和计算层数的分配需要根据算力要求进行确定，发送给第三方，并充分利用分布式算力的优势，共同承担 AI 计算需求；-此外，模型大小也是开放给第三方时的一个重要的考量目标，过大的模型不宜安装在算力和存储受限得终端或服务器上，而过于简单地模型又会造成模型推理准确性的缺失，因此需要 6G 网络通过蒸馏、剪枝、量化等技术帮助第三方实现理想的模型尺寸。10.3 可行性分析 上述必要性分析中提到的 AI 能力开放已经在前面章节提到的问题中的分析中有了充分的理论支持。对于数据开放，在之前的问题六“6G 内生 AI 网络架构是否需要支持数据服务自生长技术特征?”中已经提到，通过数据的采集、汇聚、加工、训练、推理、分析等过程，可以对 6G 网络中获取的数据进行加工，并在可信开放的原则下按需开放给第三方使用。为此，涉及的数据元素包含业务数据、用户数据、网络数据、感知数据、外部数据、资源层数据等，网络的数据服务能够实现可信的认证、授权、访问的功能，以及高效的数据存储和管理、按需动态的数据采集、数据预处理和聚合、对外能力开放和注入等功能。数据服务的可信开放特性主要体现在数据采集、数据存储、数据访问、数据共享与协同等阶段。同时，考虑到数据的隐私性问题，6G 网络可以通过定性方法和定量原则来保障，比如通过数据隐私保护法对数据保护影响进行评估，采用数据匿名化、差异隐私的方法定量证明数据的隐私性。对于算力开放，在之前的问题五“6G 内生 AI 网络架构是否需要支持算网融合技术特征”中已经提到，云、边、端多级算力结构和算力资源的按需流动不仅可用于 6G 网络自身的内生智能需求，同时可以用于向第三方进行算力开放。为此，可以将神经网络计算任务拆分，拆分要根据当前的通信状况和可利用的算力来确定，包括对于神经网路的横向拆分（即按层拆分，拆分后前一部分的输出是后一部分的输入，计算需要从前到后）、纵向拆分（即快层拆分，将神经网络每层中的神经元分配到不同部分，拆分的部分彼此间既有并行关系也有串行关系，计算时需要不同拆分部分间信息交互）以及混合拆分（即横向和纵向拆分的组合）。48 确定拆分策略后，需要将拆分后的模型分配给不同的设备，同时需要对各设备的计算结果进行汇总以及必要的数据传输。通过目前流行的强化学习、联邦学习、去中心化分布式学习等机器学习方法可以有效实现多节点之间的协作和信息共享。对于模型（算法）开放，在之前的问题七“6G 内生 AI 网络架构是否需要支持算法自生长和可信”中已经提到 6G 网络内生智能的算法/模型生成不再仅仅依靠基于大量训练数据的暴力计算模式，而是也能通过基于已有的算法/模型间的计算来生成新的所需算法/模型。同时，结合问题五和六中提到的数据服务和算网融合服务于 6G 网络，可以充分利用多级云资源为第三方提供模型存储、训练、下载等一系列服务，在这一过程中使用迁移学习中特有的元学习技术可以不断优化不同情况下的 AI 模型开放能力，为第三方按需提供最佳的预训练模型，并配以预训练-微调和知识蒸馏等迁移学习技术为第三方量身定制最佳的 AI 模型使用。在这一过程中，可以充分发挥运营商和第三方各自的优势，即运营商具有的庞大基础设施资源得以更加有效地利用，第三方具备的灵活快速特点可以在运营商的基础设施资源上实现并迭代，形成优势互补的 AI Model as a Service 的效果。10.4 对网络架构的影响 为实现数据开放，数据服务要在安全管控、统一管理、可信环境和安全审计上实现可信可管可控。对数据服务，还需要构建整体的数据安全管理体系和提供贯穿数据全生命周期的数据安全防护能力，同时提供数据服务分类、统一标准接口及数据开放管控能力。如图 10-2 所示，为了实现最上层服务层的 AI 能力开放，对网络架构的影响可以包括如下几方面。首先资源层对网络内各个设备的算力，任务进程进行实时管控。将异构时变的算力资源映射到资源抽象层来为功能层提供可量化的算力资源。功能层进一步将整个系统的各方面状态如控制面信息，用户面信息，数据面信息等等汇总并将资源层中的算力资源合理分配调度为最上层的服务层提供算力服务，提高整个系统的算力使用效率。并基于提供的算力实现面向应用的各种 AI/ML 操作 49 图 10-2：AI 能力开放基础架构示意 为此，在标准化角度上需要建立标准化的接口实现对外的能力开放，包括标准化的用于第三方的请求/回复流程，用于第三方以格式化的方式提供包括数据、算力、模型的具体条件要求，6G 网络按需完成资源的划分。同时，需要以 AI 域的形式对用于特定第三方的 AI 相关资源进行划分，隔离可能来自于攻击者的非法资源占用和调取。10.5 本章小结 6G 内生智能网络包含 AI for Network 和 Network for AI 两大方面，前者侧重于为 6G 网络降本增效，后者则侧重于为借助 6G 网络的 AI 能力打开更广阔的第三方市场。问题十着重回答了Network for AI 方面，借助 AI 能力开放如何吸引第三方加入以 6G 网络为基础的 AI 生态，实现优势互补、合作共赢。本章阐述的 AI 能力开放问题与前面章节中对于 6G 内生智能网络的总体架构、特征密切相关。可以说，本章是向外呈现 Network for AI 功能的能力开放出口，而如何实现这些能力是需要 6G 内生智能网络架构规划初期进行统筹考虑的问题，渗透在 6G 智能网络的各个方面，尤其会前面章节中的算网融合和数据服务章节的论述有密切联系。OPPO 许阳 50 11.总结 6G 要实现普惠智能愿景，从架构层面需要内生 AI 设计，这一点业界已达成共识。然而从端到端视角，包括网络 AI 用例的产生到网络的部署应用，其中的很多具体过程还有很多不清楚的地方，涉及的具体技术问题以及对架构的影响，虽然业界已有一些研究和讨论，但并未收敛形成有效共识。本白皮书审视网络 AI 完整的生命周期过程，挑选并重点分析了其中的十大技术问题，包括这些问题的主要技术特征、必要性分析、可行性分析和对 6G 内生 AI 网络架构的影响，来推进大家对 6G 内生 AI 架构关键技术的理解，并通过讨论和碰撞，对齐理解，加速形成共识。然而我们也注意到，6G 内生 AI 网络架构涉及的内容相当广泛，是跨多个技术领域的融合创新，将引发网络架构的重大变革，涉及现有网络架构的所有层面，因此当前本白皮书版本分析的十大技术问题是无法完全覆盖全面的，从目前看，一些潜在的待未来进一步分析的技术挑战包括：1）从需求角度，用户真正需要的是什么 SLA？如何通过 AI 用例表示用户的需求？从可实现角度，哪些 QoAIS 是可保障的？2）如何将算法、数据、可编程能力集成到 AI 生命周期管理和自动化机器学习管道编排技术之中，构建和管理可重现，可测试和可持续的 AI 能力？3）如何对大任务进行自动分解？如何进行实时协同和调配计算、算法、连接、数据，从而保障任务的 QoS、以及任务的顺利执行？4）为了适配边缘动态、复杂、异构的环境，算网融合控制系统如何实时调度边缘的异构资源？例如，终端信道状态快速变化，调度给终端的连接资源可以快速变化，那么算力资源是否也可以快速调整、如何快速生效？5）超大规模模型对网络架构的影响？移动通信网络是否需要通用的大规模模型？6）可信 AI 对网络架构的影响？6G 网络架构如何为可信 AI 提供支撑？7）AI 如何融入网络，各层、面、域、级需要哪些 AI 能力，各节点之间如何进行自主高效的互联共享等协同？8）AI 能力开放在典型业务场景下如何具体落地？我们呼吁业界各方齐心聚力，针对上述技术挑战展开讨论和研究，进一步识别和聚焦对 6G 网络架构有重大影响的技术问题。同时，6GANA TG2 也将继续努力，希望在本白皮书下一个版本中能给出 6G 内生 AI 网络架构的可能答案。中国移动邓娟 51 参考文档 1 Liu G,Li N,Deng J,et al.6G Mobile Network Architecture-SOLIDS:Driving Forces,Features,and Functional Topology.2021.2 NGMN,6G DRIVERS AND VISION v1.0,2021 3 6GANA.6G 应用场景详解白皮书.2022 4 张彤,任奕璟,闫实,等.人工智能驱动的 6G 网络:智慧内生J.电信科学,2020,36(9):9.5 刘光毅,邓娟,郑青碧,等.6G 智慧内生:技术挑战,架构和关键特征J.移动通信,2021,45(4):11.6 Deng J,Zheng Q,Liu G,et al.A Digital Twin Approach for Self-optimization of Mobile NetworksC/2021 IEEE Wireless Communications and Networking Conference Workshops(WCNCW).IEEE,2021.7 中国移动研究院，6G 无线内生 AI 架构与技术白皮书，2022 8 中国移动研究院，6G 物理层 AI 关键技术白皮书，2021 9 中国移动研究院，6G 至简无线接入网白皮书，2022 10 Wen C K,Shih W T,Jin S.Deep learning for massive MIMO CSI feedbackJ.IEEE Wireless Communications Letters,2018,7(5):748-751.11 IBM.AI Model Lifecycle Management.2020 12 Machine Learning Operations.https:/ml-ops.org/13 ONAP.https:/www.onap.org/14 中国移动研究院，6G 服务化 RAN 白皮书，2022 15 中移动研究院，基于数字孪生网络的 6G 无线网络自治，2022 16 Li B,Qi P,Liu B,et al.Trustworthy AI:From Principles to PracticesJ.2021.17 IMT-20306G 网络架构愿景与关键技术展望白皮书,202109 18 IMT-20306G 总体愿景与潜在关键技术白皮书,202106 19 IMT-2030通信感知一体化技术研究报告白皮书,202109 20 张钹,朱军,苏航.迈向第三代人工智能J.中国科学:信息科学,2020,50(09):1281-1302.52 21 张嗣宏,左罗.基于人工智能的网络智能化发展探讨J.中兴通讯技术,2019,25(02):57-62.22 乔秀全,黄亚坤.面向 6G 的去中心化的人工智能理论与技术J.移动通信,2020,44(06):121-125.23 OPPO.6G AI-Cube Intelligent Networking.White paperR.2021.53 缩略语 缩略语 英文全称 中文全称 AI Artificial Intelligence 人工智能 ICT Information and Communications Technology 信息与通信技术 AIaaS AI as a Service AI 即服务 QoAIS Quality of AI Service AI 服务质量 KPI Key Performance Indicator 关键绩效指标 CBD Central Business District 中央商务区 SSB System Synchronization Block 系统同步块 ID Identity 标识 QoS Quality of AI Service 服务质量 NMSE Normalized mean square error 归一化均方误差 ML Machine Learning 机器学习 XR Extended Reality 扩展现实 MEC Mobile Edge Computing 边缘计算技术 UPF User Plane Function 用户面功能 CFN Computing First Network 算力网络 RAN Radio Access Network 无线接入网 NC x Computing Node 计算节点 RRC Radio Resource Control 无线资源控制 CRC Computing Resource Control 计算资源控制 xRC x Resource Control 资源控制实体 UE User Equipment 用户端 2B To Business 面向行业 2C To customer 面向消费者 GFLOPS Giga Floating-point Operations Per Second 每秒 10 亿次的浮点运算数 54 GPT Generative Pre-trained Transformer 生成型预训练变换器 AutoML Automated machine learning 自动机器学习 FPGA Field Programmable Gate Array 现场可编程逻辑门阵列 TPU Tensor Processing Unit 张量处理单元 OTT Over The Top 越过运营商管道的业务 QoS Quality of Service 业务质量 QoI Quality of Information 信息质量 55 附录 对其他 TG 工作的技术需求表：TG 组 技术需求 TG1 从需求层面，是否需要有这么多的 QoAIS 指标？从 TG1 的角度，对于服务的具体模式出现的可能性是否有一些研究？（比如 AI 训练服务中，模型导入网络的方式是应用层注入还是底层分割？是仅应用层提供服务的模式，还是需要网络架构改动来提供服务？）广泛收集各类智能应用场景需求，进一步研究完善智能应用场景与 AI 用例的关系、AI 用例的描述模板。对于 AI for Network 方面，是否对于 6G 内生智能网络下的 AI 能力开放有具体的业务场景？TG3 研究可支持 AI 用例自生成的数据采集、存储、治理、传输等数据面架构。与 TG3 联合，协同完成对数据服务架构和相关功能的研究。TG4 研究可支持 AI 用例自生成的智能算法。当前部分 QoAIS 指标尚无成熟的量化评估方式（如模型的泛化性、可解释性、可重用性），如何在起始阶段设计出足够开放包容的网络架构以便后续逐步引入上述指标的成熟量化技术？

12人已浏览 2023-03-30 56页 5星级

B5G/6G 网络智能数据采析：网络智能数据采析：网络数据采集、知识表示与推理、特征数据集构建与评估Data Acquisition and Analysis of B5G/6GNetwork Intelligence:Network data collection,knowledge representation and reasoning,featuredata sets construction and evaluation2022 年年 1 月月摘要随着移动通信网络的日益复杂以及服务千行百业的多样化差异化服务需求，深度融合人工智能、大数据与计算，发展可无人驾驶和精准服务定制的智能通信网络是 5G 演进和 6G 发展（B5G/6G）的最重要研究方向和必然发展趋势。如何嵌入数据与智能形成智慧内生、通算一体的网络智能新技术体系，面临架构、数据和 AI 算法等重大挑战，而其中数据是最重要的基础，它基本决定了网络智能的性能上限，而架构和算法只是逼近该上限。只有解决了移动通信大数据如何采集、如何分析、如何利用这一最基础的问题，并形成完备的数据采析体系，才能加速促进 B5G/6G 网络智能新技术体系的发展。本白皮书主要介绍了一种 B5G/6G 网络智能数据采析体系，通过移动通信网络数据的采集与存储、移动通信原理与协议的翻译、网络数据知识图谱的构建与解析、网络智能特征数据集的构建与评估，实现了数据层面的信息整合、信息层面的知识抽取与表示、智能层面的知识计算与推理以及应用层面的特征定制等功能。其目的是开创一条网络智能数据采析可落地的路径，为业界提供一种网络智能数据技术新思路和新范式。目录1.B5G/6G 网络智能发展愿景与挑战.62.B5G/6G 网络智能数据采集分析体系.82.1.无线网络智能开放平台.92.2.数据采集.102.3.基于知识图谱的表示与分析.112.4.特征数据集构建.113.网络数据知识图谱构建与应用.123.1.移动通信大数据的智能特征工程.123.2.网络数据知识图谱的构建.133.2.1.知识图谱的技术架构.133.2.2.基于通信协议与原理的网络数据知识图谱的构建.143.2.3.知识图谱的知识补全方法.143.2.4.知识图谱的边权重.153.2.5.知识图谱的节点重要性和节点间影响效率.153.3.网络数据知识图谱的应用.164.网络智能特征数据集构建与评估.184.1.网络数据 KPI 数据模型.184.2.面向特定场景的基于知识图谱的影响 KPI 特征初筛选.184.3.基于机器学习的特征数据集构建.194.4.特征数据集构建过程的评估体系.194.5.面向 KPI 的特征数据集的评估体系.205.特征数据集构建与评估案例.205.1.上行吞吐率为核心的局部知识图谱构建.205.2.上行吞吐率为核心的局部知识图谱深入分析.215.3.上行吞吐率特征数据集构建.235.4.上行吞吐率特征数据集的评估.246.未来展望.25参考文献.25前言随着移动通信网络的日益复杂以及服务千行百业的多样化差异化服务需求，深度融合人工智能、大数据与计算，发展可无人驾驶和精准服务定制的智能通信网络是 5G 演进和 6G 发展（B5G/6G）的最重要研究方向和必然发展趋势。目前，国内外该方向的研究还处在起步阶段，如何嵌入数据与智能形成智慧内生、通算一体的网络智能新技术体系，面临架构、数据和 AI 算法等重大挑战，而其中数据是最重要的基础，它基本决定了网络智能的性能上限，而架构和算法只是逼近该上限。移动通信网络从终端、无线接入网、传输承载网络到核心网，在网络运行过程中将产生成千上万个数据字段和指标，涉及不同的软硬件、功能以及协议栈，如何对各类众多复杂的数据进行有效采集、归类、分析及使用，建立完备的网络数据采集分析体系，是网络智能发展的亟需解决的基础问题。5G 及未来 6G 的网络结构、终端类型、终端行为、数据业务需求、系统资源配置等都具有高动态性、时效性强及相互耦合性等特点。因此，移动网络的数据采析面临诸多挑战，主要包括：数据分散在不同设备、不同层次导致的获取困难，数据的种类繁多、结构复杂导致的剖析困难，数据的高度抽象导致的理解困难，数据之间的相互耦合、关联复杂导致的挖掘困难等。针对这些挑战，如何规范归纳数据的属性，高效厘清数据之间的关系，深入挖掘关系之间的深层联系，清晰表征数据、关系内在蕴藏的关键信息已成为一个重要课题。网络智能化严重依赖数据基础支撑，建立完整的数据采析体系，解决数据如何采集、如何开放、如何利用这些最基础的问题，将加速促进 B5G/6G 网络智能新技术的发展，并成为网络智能化的重要里程碑进展。本白皮书的主要目的就是开创一条网络智能数据采析可落地的路径，为业界提供一种网络智能数据技术新思路和新范式。其中，作为网络数据知识表示的新方法和知识管理的新工具，知识图谱可以厘清数据之间复杂的关联关系，可以表征数据以及数据之间关系的种类、属性，可以借助图谱的拓扑结构以及节点信息进行智能推理以及智能特征工程实践等。因此，知识图谱是解决上述移动通信网络数据采析面临的诸多挑战的高效工具，是B5G/6G网络智能采析体系中最重要的一环。本白皮书主要内容介绍了一种 B5G/6G 网络智能数据采析体系，其成果主要体现在移动通信网络数据的采集存储、知识表示、知识推理以及特征数据集的构建和评估。B5G/6G 移动通信网络的知识表示借助知识图谱等工具，将具有高动态性、时效性强及各要素易相互耦合等特点的移动通信网络，结合移动通信原理和协议以一种可视化、层次化、结构化的方式呈现出来，将移动通信网络内在复杂关系由“黑盒”变成“白盒”。在知识表示的基础上，利用 B5G/6G 移动通信网络的知识推理将移动通信网络中的海量数据、复杂的连接进行有效的加工、处理、整合，实现知识的快速响应和推理，赋予移动通信网络感知与认知能力。基于移动通信网络知识图谱中数据字段之间的关联分析及业务需求，将数据进一步分为不同的种类并对其进行特征提取，即形成 B5G/6G 移动通信网络的特征数据集。特征数据集表征对移动通信网络关键性能指标（KPI）有重大影响的关键特征以及这些特征所采集的数据的集合。特征数据集作为专家知识和智能算法的产物可以成为后续智能优化环节的直接输入源。其构建目的是在移动通信网络智能诊断、定位以及调优的过程中，直接围绕关键的目标指标获取与其紧密相关的重要特征，为进一步的网络智能感知、预测、优化甚至数字孪生提供重要参考。（6G ANA,TG3）研究单位研究单位：网络通信与安全紫金山实验室，东南大学，北京邮电大学，中信科移动通信技术股份有限公司，华为技术有限公司，爱立信（中国）通信有限公司，维沃移动通信有限公司，中国电信股份有限公司研究院起草人起草人：尤肖虎、黄永明、詹行、何世文、易云山、尤建洁、李文璟、丰雷、徐晖、孙万飞、赵明宇、严学强、王立磊、赵仁乾、袁雁南、钱兵、高璐、刘洋1.B5G/6G 网络智能发展愿景与挑战网络智能发展愿景与挑战移动通信网络 5G 与未来 6G 服务千行百业，应用场景极大丰富，多样化用户需求的满足面临巨大挑战。大数据、人工智能与通信深度融合形成网络智能，已成为 5G 演进和 6G 发展（B5G/6G）的必然发展趋势。相比于传统以手机终端通信为主的 4G 网络，5G 网络与未来 6G 网络需要支持全行业全场景全业务，助力千行百业的数智化转型，提供极致的业务体验和高价值的新型业务服务能力。为了满足这些需求，6G 无线通信网络将不仅仅局限于陆地无线通信网络，需要通过卫星、无人机等非陆地网络作为有效补充，构建空天地海一体化网络。全频谱资源将被充分挖掘来进一步提升数据传输速率和连接数密度。由于超异构网络、多种通信场景、大量天线单元、大带宽、新的服务需求的出现将产生海量数据，6G 将借助人工智能与大数据技术实现一系列智能化应用。因此，当移动通信发展到 6G，将与计算技术、大数据与人工智能技术进行深度融合，实现从个人应用、垂直应用到治理应用的全应用服务，最终呈现出“全覆盖、全频谱、全应用、强安全”的新范式12。在未来 6G 网络中，面临的服务需求是支持虚拟和物理融合、全息、情景化、个性化、泛在沟通和网络需求的集成异构网络技术和空天地海集成网络，当前网络的操作模式与基于规则的算法，将会严格限制预设规则，难以动态地适应不断变化的用户需求和网络环境。网络运营经验不能有效积累，限制了网络能力的持续提升。这意味着在目前的操作模式下，网络没有自我进化的能力。任何升级和改进都必须依靠大量的专业工作，这对于规模和操作复杂性都是前所未有的 6G 网络来说都是无法接受的。因此，在网络中实现智能内生，使得 B5G/6G 时代网络更加自动化和智能化，是解决上述问题的重要途径1。其中，数据是 B5G/6G 网络智能的必备基础，只有利用移动通信大数据，才能从业务体验、网络质量、网络效率和网络成本等各个方面自主优化网络4。如何利用移动通信大数据并嵌入智能形成网络智能新技术体系，面临架构、数据和AI 算法等挑战。面对这些挑战，亟需建立完备的网络数据采集分析体系。在采集、分析数据的基础上，利用分析结果使之更好地满足差异化的应用需求，实现可支持灵活的网络功能编排、更加精细化的移动通信网络资源分配及高效的网络控制。B5G/6G 网络的网络结构、终端类型、终端行为、数据业务需求、系统资源都具有高动态性、时效性强及相互耦合性等特点。因此，移动通信大数据采析面临诸多挑战，主要包括：数据分散在不同设备、不同层次导致的获取困难，数据的种类繁多、结构复杂导致的剖析困难，数据的高度抽象导致的理解困难，数据之间的相互耦合、关联复杂导致的挖掘困难等。针对这些挑战，如何规范归纳数据的属性，高效厘清数据之间的关系，深入挖掘关系之间的深层联系，清晰表征数据、关系内在蕴藏的关键信息已成为一个重要课题。相应地，移动通信网络从使用终端、接入网到核心网涉及众多复杂的数据，有成千上万个数据字段和指标，涉及不同的软硬件、功能以及协议栈。对移动通信网络运行过程中形成的各类数据进行有效采集、归类、分析及使用，最大程度地发掘移动通信网络的服务潜能，促进移动通信网络技术优势的进一步发挥已成为当前移动通信网络迈向智能化发展的必经之路。传统的移动通信数据分析方法大致可分为两种：一种是通信领域中积累的理论和经验的建模分析，比如对异常的根因分析中的专家系统、基于无线网知识库 KPI 多指标的异常检测3、无线资源管理优化等方向的优化模型分析等。另一种是数据驱动的机器学习模型和算法，其着眼点在于为某个特定问题提供一类高效算法。与此同时，由于B5G/6G 网络前所未有的复杂性，以及基于数据驱动的 AI 技术本身的其局限性，导致这些学习模型和算法无法端到端的全流程完成从各类网络问题现象的发现到解决方案的落地。特别是在移动通信领域，其内在机理的“黑盒”式表达，欠缺可解释性和可扩展性。因此，单一的知识/模型驱动或者单一的数据驱动的方式已经无法满足移动通信大数据分析的需求。移动通信领域的数据分析需要向知识/模型与数据双驱动的智能模式转变。AI 作为移动通信领域数据分析引入的有效工具，它本身的发展对移动通信领域有着重大的影响。以专家系统为代表的早期的 AI 强调因果律，重视与符号推理相关的知识结构性，其代价是对排中律的破缺。以统计机器学习、深度学习等为代表的后续的AI 强调排中律，不惜对因果律破缺。如何利用折中的理念将两者有效的结合起来，是当前 AI 发展正在进行深度思考的地方。在 2018 年底，正式公开提出第三代人工智能的理论框架体系：（1）建立可解释性、鲁棒性的人工智能理论和方法；（2）发展安全、可靠、可信及可扩展的人工智能技术。在具体实施路线图中着重强调了数据与知识融合的人工智能理论与方法。其中，知识图谱作为当前比较成熟的技术工具，可以为第三代人工智能技术的落地提供有力的支撑。在其他的专业领域，已经基于知识图谱等工具形成从数据到信息，从信息到知识，从知识到智能的数据治理类脑系统。这一类脑系统实现的技术闭环正是对两种理念进行折中融合的探索。同样地，在移动通信领域，嵌入数据与智能形成网络智能新技术体系也依然需要沿着数据-信息-知识-智能这条技术路径践行。此技术体系的实现是在数据采集和分析的基础之上。知识图谱作为实现网络智能技术路径的关键一环，集第一代 AI专家系统与第二代 AI 机器/深度学习的优势于一体，是推动 B5G/6G 网络智能化过程的核心。利用知识图谱这一核心工具，针对移动通信网络数据的多源异质性与组织结构松散，移动通信网络结构层次化与扁平化相耦合的特性，有效地厘清移动通信数据、移动通信网络以及移动通信网络性能内生因素之间的关联关系，实现移动通信知识的互联互通、移动通信资源的高效管理和移动通信网络的智能维护，使得移动通信网络内生要素与内生关联关系以一种易于理解的、结构清晰的、定位精准的可动态展示的方式呈现出来。基于知识图谱的数据分析是实现移动通信知识获取、知识整理以及知识表示的重要一环。其后，基于网络数据知识图谱的关联关系分析，完成针对目标指标的特征初筛选。最后不断调优算法、训练模型，完成各类面向不同应用场景的特征数据集构建。从而，实现移动通信知识整理到移动通信智能运用的落地环节。图 1-1各行业通用的大数据认知智能构建图132.B5G/6G 网络智能数据采集分析体系网络智能数据采集分析体系为了解决在嵌入数据和智能形成新技术体系的过程中，面临的架构、数据和 AI 算法等多种挑战，需要建立完备的网络数据采集分析体系。该技术体系分四个模块：无线网络智能开放平台模块、数据采集模块、基于知识图谱关联关系分析模块和特征数据集构建模块，完成了数据层面的信息整合，信息层面的知识抽取，智能层面的知识计算以及应用层面的特征定制等功能。无线数据智能开放平台模块和数据采集模块是为了解决B5G/6G网络中数据逐层获取难的问题。基于知识图谱关联关系分析模块和特征数据集构建模块是为了解决B5G/6G 网络中数据表示、分析和特征提取难等问题。四个模块相辅相成，不仅为 B5G/6G网络智能的落地奠定数据基础，同时也为 B5G/6G 网络智能的实现途径进行了探索。图 2-1B5G/6G 网络智能数据采集分析体系示意图2.1.无线网络智能开放平台无线网络智能开放平台B5G/6G 无线网络智能开放平台是基于 B5G/6G 网络和 B5G/6G 数据仓库的基础上，深度融合大数据和人工智能，以 B5G/6G 网络智能数据采集分析体系为核心思想，构建以数据开放、数据共享、数据分析和数据应用为目标的 B5G/6G 网络智能开放平台。B5G/6G 无线网络智能开放平台提供了移动通信网络数据实时采集、分析、追踪、可视化的一站式解决方案，为业内提供专业网络数据支持，打造行业真实数据开放的优质生态圈。智能开放平台的架构主要分为三层，分别为数据采集和预处理层，数据分析层以及数据应用层。如下图所示：图 2-2B5G/6G 无线网络智能开放平台示意图开放平台以 API 的形式接入多维度的丰富 B5G/6G 数据，形成面向应用主题、集成度高、具有时间变化性和结构相对稳定的 B5G/6G 数据仓库，并在数据仓库基础上，建立网络数据采集与分析体系，包括网络数据知识图谱构建及关联关系分析、特征数据集构建以及 5G 网络大数据词典。5G 网络大数据词典是一套较完整的反映移动网络运行特性的数据体系，将为网络智能发展较系统地奠定数据基石。网络数据知识图谱构建及关联关系分析、特征数据集构建的产物会与 5G 网络大数据词典进行交互，特别是会将其中的重要成果录入到 5G 网络大数据词典中。数据分析层的成果支撑了数字孪生、异常检测、追因溯源、智能调优、智能决策以及智能评估等实际应用的落地。2.2.数据采集数据采集数据采集模块是 B5G/6G 网络智能数据采集分析体系中的基础。如果没有数据采集模块，那么后续所有的数据分析和数据智能应用都是空中楼阁。传统数据采集的流程是建表、过滤、采集到入库一步到位，缺少数据的按需加工处理。传统数据采集的方法包括：路测、信令数据硬采和信令数据软采等。采集的数据可以分为实时数据和非实时数据。为提升数据采集和传输交互效率，在本数据采集模块中可进一步考虑针对不同移动通信智能优化应用场景和网络部署，根据场景需求的定制化进行时间和空间数据采集。采集的数据可按需存储在基础数据仓库中。数据采集模块主要通过硬采、软采、路测等方式获取试验网的各类数据，主要包括无线空口（UE 侧）数据、无线空口（基站侧）数据、核心网数据、网管数据等。无线空口（UE 侧）数据、无线空口（基站侧）数据，包含物理层（L1）、数据链路层（L2）、网络层（L3）三大类数据。其中物理层包括下行共享信道、上行共享信道、下行控制信道、上行控制信道、随机接入信道、探测参考信道等数据。数据链路层包括下行调度信息、上行调度信息、下行控制信息、信道状态信息等数据。网络层包括广播、寻呼、接入等数据。基站侧通过提取上述信息，组建消息包，建立通信接口，将实时数据发送到外部平台，实现基站侧数据采集的功能。核心网数据包括控制面和用户面数据。控制面数据主要是指控制信令协议类型的数据，用来控制业务流程的建立、维护和释放。用户面数据主要是指真正的业务数据，如语音数据、分组业务数据、即时通信数据、邮件数据及视频数据等。网管数据包括性能数据、告警数据和配置数据。性能数据主要是指针对不同的网元采集到其对应的性能信息。告警数据主要是指所有网元生成的各种设备故障告警报告、网络事件报告以及与网络、业务相关的故障报警报告。配置数据主要是指网络中网元设备的基本信息，与实体形成对应的映射，多用于网络的拓扑信息管理。数据预处理是对采集的上述移动通信网络原始数据进行脏数据处理、按时间分区、非结构化数据做结构化处理以及 ETL 入库等操作。ETL 工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。2.3.基于知识图谱的表示与分析基于知识图谱的表示与分析作为知识表示的新方法和知识管理的新思路，知识图谱已经在越来越多的垂直应用领域开始崭露头角，扮演越来越重要的角色7891011。网络数据知识图谱基于移动通信行业数据而构建，是移动通信垂直领域的行业知识图谱。构建的过程中对移动通信领域知识的深度、广度、准确性有着非常高的要求。此模块主要利用网络数据知识图谱进行知识表示、关联关系分析和深度挖掘，为B5G/6G 网络智能提供有效的知识规则与知识计算支撑。B5G/6G 网络的网络结构、终端类型、终端行为、数据业务需求、系统资源都具有高动态性、时效性强及相互耦合性等特点，移动通信数据面临诸多挑战，数据分散获取困难，种类繁多结构复杂，关联复杂挖掘困难等等。利用知识图谱可以有效厘清数据字段与通信网络指标之间的各种关系，并在关系建立的基础上进一步深度挖掘，比如量化关系的关联程度、表征数据字段与指标的特征属性等等。这一模块将采集到的零散的、杂乱的、耦合的、归属不同的数据进行了有序整理，实现了数据-信息-知识的深度加工，为后续的网络智能提供了丰富的原材料。2.4.特征数据集构建特征数据集构建通过数据层面的信息整合，信息层面的知识抽取，智能层面的知识计算最后到应用层面的特征定制，特征数据集的构建是完成整个网络智能通信闭环的关键一环。比如针对业内关心的表征网络性能 KPI 的指标来说，如果能够利用知识图谱找出所有影响 KPI 的节点参数，并利用节点的重要性度量和影响 KPI 指标的效率进行排序，最后利用机器学习算法进一步进行特征筛选，那么就可以形成关于此 KPI 的特征数据集。这一模块主要实现流程是在此网络数据知识图谱构建完成的基础上，利用指标和数据字段的数据分析进行知识图谱边权重以及图结构的更新，为节点间关联关系的进一步挖掘提供基础支撑。其次，通过知识图谱中各边权重、各节点重要度以及节点与节点之间影响效率的确定，研究影响网络性能和用户体验质量的因素并进行诊断、定位和分析。其目标主要是基于追因溯源理论精确定位影响目标指标的关键参数，以及围绕此关键参数的关键数字字段，形成特征数据集参数目录。最后，利用此参数目录和机器学习算法进一步加工形成关于目标 KPI 的特征数据集。3.网络数据知识图谱构建与应用网络数据知识图谱构建与应用面向人工智能的移动通信数据治理先后使用知识规则库-知识图谱-机器学习三项认知智能技术，这三项技术作用于数据治理的多数组件，影响着数据处理能力的强弱，进而影响 AI 应用系统智能化程度的高低。移动通信网络数据的主要特征包括：海量、业务类型繁多、数据源多样化、组织结构松散。同时，生产、承载、传输这些移动通信数据的网络结构、终端类型、终端行为、数据业务需求、系统资源都具有高动态性、时效性强及相互耦合性等特点。为了使网络通信机制内生要素与内生关联关系以一种易于理解的、结构清晰的、定位精准的可动态展示的方式呈现出来。首先基于移动通信原理与移动通信协议，将移动通信网络数据进行全面梳理，完成面向人工智能的移动通信数据治理的第一步，即，使用专家知识库以及数据挖掘技术将专家知识和数据整合成人类所能理解的信息乃至知识规则。其次，利用知识图谱这项技术，构建具备逻辑推理关系的框架、模型，进行知识挖掘与知识推理。在网络数据知识图谱构建完成后，便可以从无线、接入、核心网乃至端到端的角度实现对 5G 实验网平台的网络服务进行全面监控。最后，机器学习作为闭环环节，主要是为了完成各类面向不同应用场景的特征数据集构建。当然，这个环节本身也是知识图谱的一种重要应用。3.1.移动通信大数据的智能特征工程移动通信大数据的智能特征工程一般来说，数据决定了机器学习的上限，而算法只是尽可能逼近这个上限，这里的数据指的就是经过特征工程得到的数据。特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限。特征工程能使得模型的性能得到提升，有时甚至在简单的模型上也能取得不错的效果。特征工程在机器学习中占有非常重要的作用，一般认为包括特征构建、特征提取、特征选择三个部分。特征构建需要一定的垂直领域的经验。特征提取与特征选择都是为了从原始特征中找出最有效的特征。特征选择是从特征集合中挑选一组具有明显物理或统计意义的特征子集。两者都能帮助减少特征的维度、数据冗余，特征提取有时能发现更有意义的特征属性。特征选择是个重复迭代的过程，并在此过程中能表示出每个特征对于模型构建的重要性。网络数据知识图谱的构建以及基于此基础上的内生因素关联关系深度分析是可以有效减少智能通信领域中特征选择工程的重复迭代过程，为智能通信领域的研究者优化某一目标 KPI 时提供直接有效的数据字段选择方案。移动通信大数据的智能特征工程主要包括：基于通信协议与原理的网络数据知识图谱的构建、知识图谱的边连接强度和边权重的计算、知识图谱的节点重要性和节点间影响效率以及面向特定场景的基于知识图谱的影响 KPI 特征初筛选。基于网络数据知识图谱的智能特征工程，可以极大的降低冗余特征的影响，发挥知识挖掘与溯源推理的优势，提高特征筛选的效率。3.2.网络数据知识图谱的构建网络数据知识图谱的构建知识图谱本质上是一种语义网络，其将人类大量的客观经验沉淀在巨大的网络当中。构造一个完整的网络数据知识图谱，是非常复杂的系统工程。与其他领域的基于规则、机器学习、深度学习和强化学习算法进行知识抽取不同的是，网络数据知识图谱的知识抽取主要基于通信原理和协议5。因此，其中需要大量的具有通信专业知识的人力资源进行人工整理。人工整理的网络数据图模型是一个基础的图模型，还需要进一步完成实体抽取、关系抽取以及属性抽取才能合成网络数据知识图谱拓扑结构。在网络数据知识图谱拓扑结构构建完成的基础上，才能开展基于数据驱动的图谱结构更新、关联关系深度分析以及利用数据动态感知的知识计算等等。3.2.1.知识图谱的技术架构知识图谱的技术架构知识图谱的构建涉及数据采集、知识抽取、知识存储、知识融合等多个方面。图 3-1 知识图谱技术架构数据采集：网络数据既包括结构化数据，也包含大量的半结构化与非结构化数据，比如网络日志、工程参数、开发文档、设计文档、通信协议、标准等。知识抽取：知识抽取是知识图谱构建的核心，包括了知识建模、实体抽取、关系抽取。抽取的方法与数据的类型与结构化程度密切相关，常用技术包括知识映射、包装器、自然语言处理与深度学习等等。知识存储：知识图谱的存储需要综合考虑应用场景、系统性能、推理能力各方面需求，使用图数据库或资源定义框架数据库进行存储，部分场景下可以使用关系型数据库进行存储。知识融合：移动通信网络的复杂性决定了其知识图谱的构建无法一蹴而就，无线网、核心网、数据与传输等各专业分别建立知识图谱，最后进行融合获取更加完整全面的知识图谱，用以支撑决策的全面智能化。3.2.2.基于通信协议与原理的网络数据知识图谱的构建基于通信协议与原理的网络数据知识图谱的构建网络数据知识图谱构建的目标在于将移动通信协议、性能和流程等相关的数据字段及指标间的因果关系和关联规则以知识图谱的形式直观的展现出来，以节点表征数据字段及指标，以边连接关系表征数据字段及指标间的因果关系与关联规则，为后续关联分析方法的研究提供依据。主要分为以下几个步骤。一、实体和关系的确立：依据通信原理与协议等通信领域内的专家知识，对网络数据所涉及的指标和数据字段进行梳理，并确立实体类型，此实体类型可以根据需要进行分类。同时针对定义的实体，确立实体与实体之间的关系。二、三元组的建立。在实体和关系确立的基础上，构建具有连接关系的实体网络数据通用三元组，即（head,relation,tail）。其中，head 为三元组中的头实体，tail 为三元组中的尾实体，relation 为实体间的关系。其后，以三元组中的头实体和尾实体作为网络数据知识图谱的节点。以三元组中的实体间的关系作为图谱中相应的节点与节点之间的边连接关系。三、知识图谱的构建。以步骤二中三元组的头实体、尾实体作为知识图谱的节点，每一个节点表征了一个性能相关的数据字段或指标，关系为节点之间的边，利用通信专家知识库里的知识与规则将所有存在关系的实体节点进行有向连接，可以得到具有拓扑结构的网络数据知识图谱。3.2.3.知识图谱的知识补全方法知识图谱的知识补全方法知识补全（Knowledge Graph Completion，KGC）是指预测出知识图谱三元组中缺失的部分，从而使得知识图谱变得更加完整。对于一个知识图谱 G 而言，其基本组成包括实体集 E=e1,e2,en（n 表示实体的个数），关系集 R=r1,r2,rm（m 表示关系的数目）和对应的三元组 T=(ei,rk,ej)，其中，ei,ej E，rk R。由于知识图谱中的实体 E 和关系 R 的数量都是有限的，因此可能会存在一些实体和关系不在 G 中。根据需要补全的内容，可以将知识补全分成三个子任务：给定部分三元组(?,rk,ej)，预测/补全头实体ei；给定部分三元组(ei,rk,?)，预测/补全尾实体ej；给定部分三元组(ei,?,ej)，预测/补全头实体和尾实体之间的关系rk。网络数据知识图谱中，知识图谱补全可以有效挖掘特征数据之间的关系，在用户层KPI 和网络层 KPI 之间发现隐性关联。链接预测（Link prediction）是知识图谱补全的主要方法，按照上述三个子任务需求，链接预测包括头实体链接预测、尾实体链接预测和关系链接预测。链接预测的方法主要包括基于翻译模型的链接预测方法12和基于图神经网络的链接预测方法5。3.2.4.知识图谱的边权重知识图谱的边权重在知识图谱中，边代表了两个实体节点之间的关联信息，并且关联的强度通常由边的权重来表示。边权重的信息能够在知识图谱应用中表现出很高的价值。例如，在移动通信系统中，CQI 质量的下降可以直接导致 MCS 选择的调整，那么“CQI 质量指示”数据字段与“MCS 策略指示”数据字段之间关联边的权重就应该较大，使得当检测到MCS 选择进行大幅度调整时，需要查询是否是因为 CQI 质量下降导致的。再例如，同样在移动通信系统中，多个因素都可能导致无线网络空口传输速率的下降。比如：MIMO层数、调制阶数、编码码率、PRB 个数、资源开销占比以及符号数等等，那么这些因素导致无线网络空口传输速率下降的重要度是不同的。因此，表征这些因素的节点与表征空口传输速率的节点之间的边权重应该是不同的，这样才能帮助系统进行更加精确的诊断。对于具体的知识图谱来说，计算连接节点之间边权重的方法有很多。比如，基于两个实体之间的直接关联关系程度、基于两个实体之间相关的统计信息以及基于网络结构的节点间相似性度量等等。此时，需要根据网络数据所表征的具体特点来选择合适的方法。3.2.5.知识图谱的节点重要性和节点间影响效率知识图谱的节点重要性和节点间影响效率节点间的影响效率是指节点间最短路径上所经过的所有边的边权重的乘积。它表征的是连通路径上节点与节点间的影响程度。例如：在移动通信系统中，CQI 质量的下降会直接导致 MCS 选择的调整，MCS 选择的调整可以影响用户吞吐率的大小，用户吞吐率的大小会直接影响用户的主观体验质量。那么“用户主观体验质量指示”会受到这一影响链条上所有因素的影响。当然，每个因素对用户主观体验质量的影响程度是不同的。基于节点与节点间的影响效率，对每个节点在整个网络数据性能知识图谱中的重要度进行度量，以表征每个节点在整个知识图谱汇总的重要性。每一节点的重要性度量是基于所述此节点的出强度、入强度以及其它节点对此节点的输出和接收方面的贡献值所确定的。从而，当网络数据知识图谱在构建完成后，可根据数据感知动态调整图谱中所有节点的重要度。得出每个节点的重要度之后，由于节点间的长期关联性，监测重要度排名靠前的节点就可以监测整个网络数据的质量。这样，也为后续的网络数据知识图谱的应用打下了基础。3.3.网络数据知识图谱的应用网络数据知识图谱的应用应用一：基于用户需求的内生智能优化网络应用一：基于用户需求的内生智能优化网络未来 6G 网络中，将完成“海量物联”和“万物智联”，为各种需求高度多样化的用例提供服务。随着应用范围的进一步深化和拓展，近乎即时的网络内生智能优化是必须的。网络与计算的深度融合也是未来必然的趋势。利用已生成的网络数据知识图谱，当网络级性能评估指标和用户级性能评估指标中某个或某类指标数据出现较大波动，超出其预设的阈值范围时，确定所有连通到目标指标的路径，从而确定路径上所有的节点对目标指标的影响效率，对各个影响效率进行排序，从中选择出对目标指标的影响效率较大的一个或多个节点作为目标节点。并针对这些目标节点的关联节点，找出可调型数据参数，提供智能调优方案，进行决策执行。即可观察网络级性能评估指标和用户级性能评估指标是否得到优化。基于此技术路径，可初步实现基于用户需求的内生智能优化网络。应用二：无线网络智能规划应用二：无线网络智能规划未来无线网络中，空、天、地无线覆盖手段多样、算力、数据、控制节点资源类型多样，To B、To C 业务需求类型多样，无线网络规划一般需在复杂输入情况下满足多种规划目标，多目标间往往具有一定的冲突性或没有直接的关系，例如，在空地协同无线网络部署规划场景中，通过空中基站满足热点容量需求，地面基站满足广域覆盖需求，两种节点部署没有空间关联限制，优化参数也不同，但两者之间共同受可承担的总部署成本限制，无线信号也存在干扰问题。因此，网络规划将变为典型的高维度、多目标优化问题，随着目标个数的增多，常见的多目标优化算法在优化过程中将会产生大量的非支配解,从而无法达到最佳规划效果。网络数据知识图谱可作为大脑指导复杂网络自主规划行为，利用知识图谱预先找出资源、业务等特征与待规划指标所形成的特征子集间的最相关集合，从而将复杂规划问题分解为若干子问题的联合优化。例如在上述空地协同无线网络部署规划问题中，通过特征分析，把以吞吐率提升为目标的空中基站规划问题建立成子问题，把以覆盖电平提升为目标的地面基站规划问题建立成另一个子问题，找到包含在各个目标上性能突出的解，并且通过知识图谱找到面向不同场景（To B 业务、To C 业务、应急业务等等）的子问题（干扰协同、容量增强、成本优先等等）加权选择，从而在多个目标上综合性能较优的解，最终精准得到网络规划方案。应用三：网络运维智能快速故障定位应用三：网络运维智能快速故障定位6G 网络通过卫星、无人机、地面基站等多种接入方式，将具备空天地海全域立体覆盖能力；网络侧基于虚拟化、容器化技术，将为网络带来巨大的灵活性。但是，也因此而带来网络规模巨大和复杂程度巨大的问题。根据目前的经验，一个节点或网络功能的异常，将会导致与其关联节点相继异常，因此将产生大量的告警信息而无法快速的定位故障原因。6G 网络由于具备智能内生，基于泛在的数据、算法、算力能力，通过对数据的高效采析，可以对网络故障进行快速定位和根因分析。在异构海量接入站点的庞大数据中，借助智能内生和知识图谱技术，将站点大量的历史告警数据，区分为初始告警信息和衍生告警信息，高效抽取出初始告警与衍生告警的关联规则。在高动态性的异构网络中，快速锁定异常站点或功能，实现故障原因的快速定位。在网络运维领域，除了定位处理物理机器层面的异常外，还需定位处理虚机/容器层面的异常。此领域的历史告警信息可以从网管中获取，或从设备的各种日志（log）中获取，也可以结合设备的其它日志信息（例如事件日志、软硬件相关日志），基于网络运维的知识图谱，进行故障的分析和排查，进而快速定位故障根因。另外，使用知识图谱对网络数据的分析，还可以在网络传输参数优化等方面发挥较大的作用。应用四：无线网络数字孪生应用四：无线网络数字孪生数字孪生网络（Digital Twin Network）是以数字化方式创建物理网络实体的虚拟孪生体，且可与物理网络实体之间实时交互映射的网络系统，其核心要素为：数据、模型、交互、映射。将数字孪生技术应用于网络，创建物理网络设施的虚拟镜像，即可搭建与实体网络网元一致、拓扑一致、数据一致的数字孪生网络平台。数字孪生网络的主要挑战之一是数字孪生网络的开销问题，即以尽量小的开销实现高性能的孪生体。上述挑战的解决思路包括两个主要方向，一是数字孪生网络和物理网络最大化复用硬件、软件、空口频率和终端等资源来兼顾孪生性和隔离性，二是通过优化孪生体建模来降低数字孪生网络的资源开销。事实上，数字孪生网络试图将物理网络由“黑盒”变成“白盒”与基于知识图谱的无线网络知识表示的目标是一致的。可以说，作为语义网络的新一代工具，知识图谱以及基于此之上的深度数据挖掘对于孪生网络本体模型的构建是有促进作用的，可以在一定程度上实现孪生网络和物理网络的虚实映射。尽管数字孪生在部分现网中已经得到应用，然而这类孪生体往往是依据大量专家知识和特定领域背景构建的，通用性较差，往往只能适合网络环境中特定的物理或逻辑区域。因此，将上述两个解决思路方向相结合可解决通用性、效率等问题。基于数字孪生网络和物理网络复用资源的方式可快速获得大量优质无线网络大数据，在此基础上充分利用知识图谱和人工智能构建无线网络元模型和元算法。进一步地，通过复用资源方式验证上述模型和算法，并根据需求快速定制和迭代数据集，以及模型和算法。最终形成泛化能力强，可迁移到多种无线网络环境的数字孪生网络。应用五：多学科、跨行业广域协同的智能研发应用五：多学科、跨行业广域协同的智能研发现代化的产品研发一般是跨越多个学科与专业技术领域的复杂系统工程，同时，随着产品复杂程度的提高与产业分工的细化，智能研发需要跨越供应商、合作伙伴与客户的全产业链相互配合。对于 5/6G 基站设备这样涉及机、电、软多领域的产品研发，更需要建立广域协同的智能研发体系，打造基于知识图谱的专业能力共享与协同系统。4.网络智能特征数据集构建与评估网络智能特征数据集构建与评估网络智能通信领域中传统的特征工程专注于某项应用所突出的某几个 KPI。在移动通信知识图谱构建完成后，利用同体系的方法将所有 KPI 的特征工程完成，是智能通信发展到目前阶段所迫切需要的。如何评估特征数据集的构建过程，如何评估面向 KPI的特征数据集本身，形成一套评估标准，也是本章所需解决的。4.1.网络数据网络数据 KPI 数据模型数据模型网络数据关键性能指标（KPI）可分为网络质量类指标和网络容量类指标。其中，网络质量类包括接入性、保持性、移动性、完整性等指标；网络容量类包括流量（吞吐率）、资源利用率等指标。1）接入类指标包括：RRC 连接建立成功率、无线接入成功率、特定业务的无线接通率（如会话类语音业务、会话类直播视频流业务、实时游戏业务、非会话类视频流业务等）；2）保持性指标包括：无线掉线率、特定业务无线掉话/掉线率（如会话类语音业务、会话类直播视频流业务、实时游戏业务、非会话类视频流业务等）；3）移动性指标包括：系统内切换成功率、异系统间切换成功率、同频切换成功率、异频切换成功率等；4）完整性指标包括：弃包率、丢包率等；5）吞吐率指标包括：用户上行/下行平均吞吐率、空口上行/下行数据量、特定业务的上行/下行数据量（如会话类语音业务、会话类直播视频流业务、实时游戏业务、非会话类视频流业务等）；6）利用率指标包括：信道占用率、上行/下行 RB 平均利用率、寻呼拥塞率、频谱效率、能耗效率等。每一类 KPI 可能受到一个或多个性能数据的影响，或者由一个或多个性能数据计算得到。将 KPI 和性能数据作为知识图谱的实体进行构建，KPI 和性能数据之间的相关关系作为实体间的关系进行构建，以此可得到以 KPI 为核心的网络数据性能知识图谱。4.2.面向特定场景的基于知识图谱的影响面向特定场景的基于知识图谱的影响 KPI 特征初筛选特征初筛选面向特定场景的基于知识图谱的影响 KPI 特征初筛选的主要目的有两个，一个是为了在后面的特征工程中减少冗余特征，另一个是增强模型的可解释性。网络数据知识图谱的构建完成，厘清了所有移动通信网络数据字段之间的关联关系。并且，当知识图谱构建以及关联关系深度解析完成之后，便可以将所有影响 KPI 的重要特征筛选出来。如此，便为今后针对目标 KPI 进行特征筛选以及拟合减少了大量的冗余特征。其次，由于知识图谱工具的因果性，增加了筛选出影响 KPI 特征的可解释性，不再是在“黑盒”模式下只凭借数据的曲线拟合。当面向特定场景时，选取该场景下最关心的目标 KPI，通过积累的海量数据，计算节点重要度和连通路径上所有节点对目标 KPI 的影响效率。筛选出针对当前整个图谱较重要的节点以及针对目标 KPI 影响较大的节点。这个过程便完成了基于知识图谱的影响KPI 特征初筛选。4.3.基于机器学习的特征数据集构建基于机器学习的特征数据集构建在面向特定场景的基于知识图谱的影响 KPI 特征初筛选的基础上，利用传统的机器学习算法进行特征数据集的构建。此环节旨在进一步筛选出互相之间关联性较低、对目标 KPI 敏感性较高，最能影响和反映目标 KPI 变化的特征集合。特征数据集的构建是完成整个智能通信闭环的关键一环。根据任务目的不同，分为分类、回归和聚类等三类算法。分类算法：使用已知的数据集（训练集）得到相应的模型，通过这个模型可以划分未知数据。分类涉及到的数据集通常是带有标签的数据集，分类是有监督学习。一般分为两步，训练数据得到模型，通过模型划分未知数据。回归算法：相对于分类算法，回归算法时一种对数值型连续随机变量进行预测和建模的监督学习算法。聚类算法：聚类是一种无监督学习任务，该算法基于数据的内部结构寻找观察样本的自然族群（即集群）。对于特征数据集的构建来说，主要是针对分类和回归算法。特别是移动通信领域内多是连续型指标，所以多采取回归算法。4.4.特征数据集构建过程的评估体系特征数据集构建过程的评估体系特征和模型位于原始数据和期望的观察结果之间。在机器学习工作流程中，我们不仅挑选模型，还挑选特征。这是一个双节杆的平衡机制，两者都是互相影响的。良好的特征使后续的建模步骤变得简单，并且所得到的模型能更容易实现所需的任务。糟糕的特征可能需要更复杂的模型才能达到相同的性能水平。因此，如何有效的对特征数据集构建的过程以及构建完成的特征数据集本身进行评估是非常重要的。对于特征数据集构建构建过程来说，主要是从完备性、充分性和必要性三个角度进行评估。完备性完备性：对于该特征数据集，不需要添加其他的任何特征，即可以保证其对目标指标的拟合度达到一定的高度。充分性充分性：该特征数据集是从所有影响目标 KPI 的参数中提炼的。在特征工程中有“子集搜索”和“子集评价”两个环节，会计算所有特征集合的子集的信息增益。在这里，基于知识图谱的特征数据集就发挥了长处，其遍历了所有影响目标 KPI 的节点，保证充分性。必要性必要性：关键性节点不能遗漏，即使其不能对目标 KPI 产生较大影响，但其在整体网络性能的重要性上不可或缺。4.5.面向面向 KPI 的特征数据集的评估体系的特征数据集的评估体系只有全面立体的评估特征数据集构建的好坏与否，才能正确的评价前面所有工作的价值。毕竟，这是网络智能通信最终落地的一环。下面，从四个主要指标建立面向 KPI的特征数据集的评估体系。拟合度拟合度：构建完成的特征数据集对目标 KPI 的拟合情况，实现对目标 KPI 的精准评估和预测。特征提取效率特征提取效率：在保证一定拟合度的前提下，特征提取的压缩效率，尽量减少冗余特征。特征敏感度：特征敏感度：各维度的特征相对目标 KPI 的敏感程度，提供关键性的节点信息。最小信息准则最小信息准则：用最少的维度表达最充分的、最可解释的、最准确的信息。是选择恰当模型时的判断依据。5.特征数据集构建与评估案例特征数据集构建与评估案例5.1.上行吞吐率为核心的局部知识图谱构建上行吞吐率为核心的局部知识图谱构建从无线侧 473 个数据字段中，以上行吞吐率指标为核心，遴选出 86 个节点，利用3GPP 协议及通信原理完成上行吞吐率为核心的局部知识图谱构建。图 5-1上行吞吐率知识图谱全图（上）与局部放大图（下）5.2.上行吞吐率为核心的局部知识图谱深入分析上行吞吐率为核心的局部知识图谱深入分析首先，深入分析上行吞吐率为核心的局部知识图谱节点间的关联关系，得出边权重。图 5-2上行吞吐率知识图谱的关联关系全图（上）与局部放大图（下）其次，根据图谱结构和边权重得出各节点在图谱中的重要性排序以及对目标KPI（物理层上行吞吐率）的影响效率。图 5-3 各节点在知识图谱中重要性度量图 5-4 各节点对物理层上行吞吐率影响效率排序5.3.上行吞吐率特征数据集构建上行吞吐率特征数据集构建根据上行吞吐率为核心的局部知识图谱深入分析结果，初步筛选 45 个对目标 KPI影响效率较高，以及在图谱中重要性较高的节点，作为上行吞吐率特征数据集构建的基础。接着，利用机器学习算法，得到上行吞吐率特征数据集。该特征数据集包含了 20个特征（即节点）与相关节点所采集的数据。图 5-5 物理层上行吞吐率特征数据集利用该特征数据集，可直接对上行吞吐率进行拟合，当拟合度达到一定高度时，模型可以部署到网络上对上行吞吐率进行预测分析。5.4.上行吞吐率特征数据集的评估上行吞吐率特征数据集的评估上行吞吐率为核心的局部知识图谱构建及分析的过程中已经保证了完备性完备性、充分性充分性和必要性和必要性。基于最小信息准则（AIC，BIC）所选择的模型测试评估结果如下：上行吞吐率特征数据集的拟合度为 90.7%；上行吞吐率特征数据集的特征提取效率为 95.1%；上行吞吐率特征数据集的各特征对上行吞吐量的特征敏感度如下图所示：图 5-6 各节点相对物理层上行吞吐率的特征敏感度6.未来展望未来展望当基于知识图谱的网络智能数据采析体系更加完善成熟后，其中的网络数据知识图谱的构建以及特征数据集的构建都可以进行标准化的探索。并且，前文中所有的工作内容，都可以以适当的形式融入到网络大数据词典的工作中。网络大数据词典包括数据开放平台所采集的移动通信数据的信息集合，数据字段的梳理分类，各数据字段的含义、归属及关联关系，影响 KPI 字段的关键特征推荐等。AI 模型在图像、视频等领域之所以用的好，是因为这些领域中数据字段（或特征）之间的关联关系明显，移动通信网络中的数据字段其实也需要这些现成的、可供参考的关系。随着网络大数据词典的形成，可以进一步为网络智能的研究提供更深入的指导。参考文献参考文献1 You,X.,Wang,C.,et al.(2021).Towards 6G wireless communication networks:vision,enabling technologies,and new paradigm shifts.Sci China Inf Sci,64(1):1-74.2 6G 总体愿景与潜在关键技术白皮书,IMT-2030(6G)推进组,2021 年 10 月.3 智能运维之道,基于 AI 技术的应用实践M.机械工业出版社,钱兵等,2021.4 Huang,Y.,Liu,S.,Zhang,C.,You,X.,&Wu,H.(2021).True-data testbed for 5G/B5Gintelligent network.Intelligent and Converged Networks,2(2),133-149.5 He,S.,Xiong,S.,Ou,Y.,Zhang,J.,Wang,J.,Huang,Y.,&Zhang,Y.(2021).An overviewon the application of graph neural networks in wireless networks.IEEE Open Journal of theCommunications Society.6 Pearl,J.(2018).Theoretical impediments to machine learning with seven sparks from thecausal revolution.arXiv preprint arXiv:1801.04016.7 Yw,A.,Szbc,D.(2021).Community answer generation based on knowledge graphJ.Information Sciences,545:132-152.8 Kim,T.,Yun,Y.,&Kim,N.(2021).Deep learning-based knowledge graph generation forcovid-19.Sustainability,13(4):2276.9 Maxime,D.,Olivier,F.,Nils,P.,Florence,V.,Christophe,D.,&William,G.,et al.(2021).Forum:building a knowledge graph from public databases and scientific literature to extractassociations between chemicals and diseases.Bioinformatics(21):21.10 Hao,X.,Ji,Z.,Li,X.,Yin,L.,&Yang,R.(2021).Construction and application of aknowledge graph.Remote Sensing,13.11 Yang,M.,Chen,K.,Sun,S.,Han,Z.,&Meng,Q.(2021).A pattern driven graph rankingapproach to attribute extraction for knowledge graph.IEEE Transactions on Industrial Informatics,PP(99):1-1.12 Goyal,P.,Ferrara,E.(2018).Graph embedding techniques,applications and performance:asurvey.Knowledge-Based Systems,151:78-94.13 中国人工智能基础层行业发展研究报告,艾瑞研究院,2021 年.

7人已浏览 2023-03-30 28页 5星级

本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。同时请参阅最后一页的重要声明。证券研究报告证券研究报告行业深度行业深度 AIAIGCGC 与数字中国有望开启云与数字中国有望开启云计算产业链新一轮景气周期计算产业链新一轮景气周期 核心观点核心观点 二十大报告提出“建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合”，云计算作为数字经济和数字中国的基石，有望依托政策支撑，迎来行业景气度的新一轮提升，同时以 ChatGPT 为代表的人工智能应用发展前景广阔，人工智能大模型在训练和推理过程中均需要海量算力支撑，其有望作为驱动新一轮云计算基础设施景气周期开启的重要引爆点，建议加大布局云基础设施产业链。摘要摘要 2020 年年 7 月以来，云计算产业景气度有所下降，产业链相关公司月以来，云计算产业景气度有所下降，产业链相关公司股价与估值也明显回调。近期，云计算作为数字经济和人工智能股价与估值也明显回调。近期，云计算作为数字经济和人工智能的底层信息基础设施，虽的底层信息基础设施，虽然股价已有修复，但估值仍普遍处于历然股价已有修复，但估值仍普遍处于历史估值中枢之下。史估值中枢之下。我们建议重视云计算产业链。我们建议重视云计算产业链。云计算作为数字经济和数字中国的基石，有望依托政策支撑，迎云计算作为数字经济和数字中国的基石，有望依托政策支撑，迎来行业景气度的新一轮提升。来行业景气度的新一轮提升。二十大报告提出“建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合”，数字经济将是科技行业的发展主线。2023 年 2 月，国务院印发的数字中国建设整体布局规划指出，数字中国建设按照“2522”的整体框架进行布局，其中第一个“2”即夯实数字基础设施和数据资源体系两大基础。我们认为两者均与云计算有关。以以 ChatGPT 为代表的人工智能应用爆红，其有望作为驱动新一为代表的人工智能应用爆红，其有望作为驱动新一轮云计算基础设施轮云计算基础设施投资投资景气周期开启的重要引爆点。景气周期开启的重要引爆点。人工智能大模型在训练和推理过程中均需要海量算力支撑，目前以微软、谷歌、百度等为代表的互联网厂商积极进行大模型及应用开发，随着未来应用侧的不断演进，模型推理对新型智能算力的需求有望迅速提升，或将引发新一轮的算力基础设施投资热潮。云计算产业链较长，涉及公司较多，我们认为在云计算产业链较长，涉及公司较多，我们认为在 AI 与数字中国与数字中国带动下，云计算行业景气度触底回升的背景下，产业链相关公司带动下，云计算行业景气度触底回升的背景下，产业链相关公司可能都有望受益，业绩和估值都可能提升，其中我们建议重点关可能都有望受益，业绩和估值都可能提升，其中我们建议重点关注：光模块注：光模块/光器件供应商（光器件供应商（天孚通信、中际旭创、新易盛等）、天孚通信、中际旭创、新易盛等）、ICT 设备商（紫光股份、中兴通讯、工业富联、锐捷网络等）、设备商（紫光股份、中兴通讯、工业富联、锐捷网络等）、IDC 提供商（润泽科技、奥飞数据、宝信软件、海兰信等）以及提供商（润泽科技、奥飞数据、宝信软件、海兰信等）以及电信运营商（中国电信、中国移动、中国联通）电信运营商（中国电信、中国移动、中国联通）等等。风险提示：风险提示：国际环境变化对供应链的安全和稳定产生影响；人工智能行业发展不及预期；数字经济和数字中国建设发展不及预期等；电信运营商的云计算业务发展不及预期等。维持维持 强于大市强于大市 阎贵成阎贵成 010-85159231 SAC 编号:S1440518040002 SFC 编号:BNS315 武超则武超则 010-85156318 SAC 编号:s1440513090003 SFC 编号:BEM208 刘永旭刘永旭 010-86451440 SAC 编号:S1440520070014 杨伟松杨伟松 SAC 编号:s1440522120003 曹添雨曹添雨 SAC 编号:S1440522080001 发布日期：2023 年 03 月 29 日 市场表现市场表现 相关研究报告相关研究报告 -19%-9%1!1 22/3/222022/4/222022/5/222022/6/222022/7/222022/8/222022/9/222022/10/222022/11/222022/12/222023/1/222023/2/222023/3/22通信上证指数通信通信 行业深度报告 通信通信 请参阅最后一页的重要声明 目录目录 一、一、IT 上云是大势所趋，短期需求仍弱，长期趋势良好上云是大势所趋，短期需求仍弱，长期趋势良好.1 1.1 短期视角：经济尚在恢复，应用爆发还需时日，已处景气度提升前夜.1 1.2 长期视角：云计算行业长坡厚雪，发展空间仍大.3 二、数字中国与人工智能为云计算行业发展注入新动力二、数字中国与人工智能为云计算行业发展注入新动力.5 2.1 政策大力推动数字经济和数字中国发展，云计算是重要基础设施.5 2.2 人工智能应用浪潮有望迅速拉动云计算需求提升.9 2.3 AI 或推动数据中心网络架构变化，光模块、交换机需求有望明显提升.12 三三、“东数西算东数西算”拉动产业投资拉动产业投资，海底数据中心有望加速产业化海底数据中心有望加速产业化.14 3.1“东数西算”统筹全国算力网络建设，有望拉动投资需求.14 3.2 云计算需求可能将回暖，有望拉动 IDC 市场需求.16 3.3 人工智能算力需求有望推动海底数据中心规模化发展.17 3.3.1 国内海底数据中心相关设计规范已经发布.17 3.3.2 海上风电已经实现规模化发展，有望与海底数据中心结合产生新商业模式.18 3.3.3 海底数据中心节能优势突出，可较好满足沿海地区的旺盛算力需求.19 3.3.4 全球海底数据中心建设案例微软 Natick 项目.22 四、电信运营商云计算发展具备独特优势，规模高速增长四、电信运营商云计算发展具备独特优势，规模高速增长.23 五、五、建议重点关注云计算产业链投资机会建议重点关注云计算产业链投资机会.28 六、风险分析六、风险分析.29 图表目录 移动互联网流量与头部云厂商资本开支关系图（下图单位为百万人民币）.1 中国移动互联网接入流量发展情况.2 阿里云收入情况（百万人民币）.2 北美云厂商资本开支（百万美元）.2 信骅科技月度营业收入.3 IT 上云的优势.3 2021-2026 年全球云基础设施占 IT 开支比例.3 全球云计算市场规模及增速（亿美元）.4 国内公有云计算市场规模及增速（亿元）.4 近年来我国数字经济相关政策.5 数字经济“四化框架”.6 数字中国“2522”框架.7 数字中国政策梳理.7 近年来我国云计算相关政策.8 AIGC 发展历程.9 国内外公司 AIGC 相关产品.10 eZ9WbZbZ8X8XaYaY8O9R6MnPmMmOtQeRmMpMjMpNvMaQoPvNxNmPvNMYmMmN 行业深度报告 通信通信 请参阅最后一页的重要声明 Viable 使用 GPT-3 生成客户反馈摘要.10 ChatGPT 回答专业问题.10 微软 AIGC 相关产品发展历程.10 GPT 模型示意图.11 NVIDIA DGX A100 AI 服务器.11 百度 AIGC 相关产品发展历程.11 全球算力规模及增速.12 我国算力规模及增速.12 微软 AI 数据中心示意图.13 传统三层网络架构.13 叶脊网络架构.13 英伟达 DGX A100 SuperPOD 系统示意图.14 “东数西算”工程设立 8 个节点.15 “东数西算”工程设立 10 个集群.15 数据港 Capex 支出构成.16 数据港 OPEX 支出构成.16 中国 IDC 标准机架规模.17 水下数据中心示例图.18 中国海上风电装机量（GW）.19 海上风电经济性指标测算.19 建设在海边的水下数据中心.20 IDC 机房的各类消耗.20 我国数据中心能耗分布.20 水下数据中心与传统陆上 IDC 部分指标对比.21 微软 Natick 项目测试指标.22 微软 Natick 项目第二阶段水下数据中心.22 微软 Natick 项目第二阶段位置图.23 国内云厂商收入及增速对标（亿元）.24 阿里云业务收入（百万元）.24 中国公有云（IaaS）市场份额.24 中国电信上市公司口径资本开支（亿元）.25 中国移动上市公司口径资本开支构成（亿元）.25 三大运营商云计算业务收入（亿元）及增速.25 云网融合架构.26 2022 年国内 IDC 市场份额.27 2023 年三大运营商预计 IDC 机架数（万架）.27 四川国资云优势.28 云计算产业链示意图（部分企业）.29 1 行业深度报告 通信通信 请参阅最后一页的重要声明 一、一、ITIT 上云是大势所趋，短期需求上云是大势所趋，短期需求仍弱仍弱，长期长期趋势趋势良好良好 1.1 短期视角：短期视角：经济尚在恢复，经济尚在恢复，应用爆发应用爆发还需还需时日，时日，已处景气度提升前夜已处景气度提升前夜 回顾历史，我们发现移动互联网流量的变化与云基础设施的投资存在回顾历史，我们发现移动互联网流量的变化与云基础设施的投资存在一定的一定的关联度。关联度。2015-2018 年，在 4G用户渗透率快速提升，移动互联网爆发式增长的情况下，移动互联网接入流量增速不断提升，同比增速分别达到 103.0%、123.7%、162.7%、189.1%，阿里巴巴购买设备的资本开支增速也处于高位，但从 2018Q3 开始，随着移动数据流量的增速下降，阿里巴巴购买设备的资本开支同比增速也逐步下降。移动互联网流量与头部云厂商资本开支关系图（下图单位为百万人民币）移动互联网流量与头部云厂商资本开支关系图（下图单位为百万人民币）数据来源：工信部，阿里巴巴，中信建投 在宏观经济承压，应用创新遇到瓶颈的背景下，中国的移动互联网接入流量增速不断下降，云计算发展也在宏观经济承压，应用创新遇到瓶颈的背景下，中国的移动互联网接入流量增速不断下降，云计算发展也有所降速。有所降速。2019 年-2022 年，虽然 5G 走向规模商用，但在缺乏创新应用，以及疫情影响宏观经济发展背景下，移动互联网接入流量的增速不断下降，同比增速分别为 71.6%、35.7%、33.8%、18.1%。根据 IDC 数据显示，2022 年上半年中国公有云服务市场规模达 165.8 亿美元，同比增长 34.7%，较 2021 年上半年的同比增速（46.5%）下降 11.8pct，从 IaaS PaaS 来看，2022 上半年同比增长 30.7%，较 2021 上半年的同比增速（48.7%）下降 18pct。失速113 182 198 365 106 420 502 468 411 466 1202 1388 896 1475 2224 1962 1148 1206 1686 152.79%-2.95%-28.05.28%-6.190.573.67(.22(8.08.959.316.587.81!6.52.02A.38(.16%-18.21%-24.18%-50%0P00 0%000500010001500200025002015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q3阿里(非房产投资）阿里YoY7.64 9.13 11.13 13.97 17.21 20.33 24.61 31.49 38.34 50.55 65.43 91.68 111.75 154.54 199.56 245.21 256.02 297.88 333.10 87.93 5.00f.92b.15t.27y.07%0P00 0%001001502002503003502015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q3移动流量（亿GB）YoY4G渗透率中国是全球缩影给予相关性映射 2 行业深度报告 通信通信 请参阅最后一页的重要声明 中国移动互联网接入流量发展情况中国移动互联网接入流量发展情况 阿里云收入情况（百万人民币）阿里云收入情况（百万人民币）数据来源：工信部，中信建投 数据来源：阿里巴巴，中信建投 北美云巨头北美云巨头 2022 年年 Capex 增速保持高位，短期内对增速保持高位，短期内对 2023 年展望偏谨慎。年展望偏谨慎。2022Q4，北美四家云厂商资本开支 395.04 亿美元，同比增长 8.07%，出现降速情况。亚马逊作为资本开支大户，2022Q4 出现 2015Q4 以来第一次单季度负增长，下降 12.37%。谷歌预计 2023 年的资本支出将与 2022 年基本持平，但会增加对技术基础设施的投资，包括对 AI 及云服务的建设投资。Meta 预计 2023 年资本支出将在 300 亿至 330 亿美元之间，比之前预计的 340 亿至 370 亿美元有所降低，基本与 2022 年持平，主要原因是由于新的数据中心架构更具有成本效益。北美云厂商资本开支（百万美元）北美云厂商资本开支（百万美元）数据来源：工信部，阿里巴巴，中信建投 2022 年全球服务器需求相对较好，但下半年出现放缓迹象。年全球服务器需求相对较好，但下半年出现放缓迹象。根据 Gartner 数据，2022 年上半年，全球服务器出货量 668.9 万台，同比增长 11.8%，销售额 566.5 亿美元，同比增长 24.1%，增长的主要原因是，全球超大规模云服务提供商的需求快速增长以及超大规模运营商增加现有设备的容量。虽然数据来看，增速依然强劲，但实际增速有放缓迹象。2022Q1，全球服务器出货 330.5 万台，同比增长 20.7%，销售额 272.1 亿美元，同比增长 29.3%。2022Q3，全球服务出货 337.4 万台，同比增长 7.5%，销售额 290.6 亿美元，同比增长 21.6%。中国市场方面，2022 年上半年服务器出货 184.8 万台，同比增长 13.4%（2022Q1 为 89.7 万台，同比增速 20.1%），销售额同比增长 26.6%至 136.6 亿美元（2022Q1 为 65.1 亿美元，同比增长 34.2%）。同时，信骅科技 2022 年10 月以来，月度营收增速明显下降，2023 年前两个月的销售额分别为 2.19 亿新台币和 2.23 亿新台币，同比增长分别为-43.67%和-33.2%，其出现明显的下滑情况，反映目前全球服务器市场总体需求仍偏低迷。0P00 0%0.00500.001000.001500.002000.002500.003000.00移动互联网接入流量（亿GB）YoY0 00000100001500020000250002018Q12018Q32019Q12019Q32020Q12020Q32021Q12021Q32022Q12022Q3阿里云收入同比增速-50%0P00 0%00001000015000200002500030000350004000045000亚马逊微软谷歌脸书亚马逊YoY微软YoY谷歌YoY脸书YoY 3 行业深度报告 通信通信 请参阅最后一页的重要声明 信骅科技月度营业收入信骅科技月度营业收入 数据来源：Wind，中信建投 1.2 长期视角：云计算行业长坡厚雪，发展空间仍大长期视角：云计算行业长坡厚雪，发展空间仍大 IT 上云是大势所趋。上云是大势所趋。云计算采用虚拟化技术大幅提高服务器、存储的利用率，具有弹性配置、按需服务、价格低廉、运维简单等优势。云计算降本增效显著。根据中国信息通信研究院的云计算发展调查报告显示，95%的企业认为使用云计算可以降低企业的 IT 成本，其中，超过 10%的用户成本节省在一半以上。另外，超 40%的企业表示使用云计算提升了 IT 运行效率，IT 运维工作量减少和安全性提升的占比分别为 25.8%和 24.2%。全球云基础设施支出占全球云基础设施支出占 IT 基础设施支出比例持续提升。基础设施支出比例持续提升。疫情在商业、教育和社会活动方面引发重大调整，并影响 IT 投资结构。根据 IDC 数据，2021 年全球云基础设施投资达 739 亿美元，同比增长 8.8%。2022 年第三季度，全球云基础设施投资额达 239 亿美元，同比增长 24.7%，其中公有云基础设施的支出达 168 亿美元，同比增长 24.4%；非云基础设施投资额达 168 亿美元，同比增长 16.5%。预计 2022 年全年，云基础设施服务的支出将增长 19.6%，达到 881 亿美元，非云基础设施预计将增长 10.7%至 647 亿美元。在云基础设施中，公有云基础设施预计全年将同比增长 19.0%至 609 亿美元，私有云基础设施的支出预计全年将增长 21.2%至 273 亿美元。IT 上云的优势上云的优势 2021-2026 年年全球云基础设施占全球云基础设施占 IT 开支比例开支比例 数据来源：中国信通院，中信建投 数据来源：IDC，中信建投 2021 年全球云计算市场逐步回暖，国内市场持续高速增长。年全球云计算市场逐步回暖，国内市场持续高速增长。随着经济回暖，全球云计算市场所受影响逐步-60%-40%-20%0 0%0.01.02.03.04.05.06.0单月营收(亿新台币)同比增长率降低成本,30%随时随地数据获取,28%简化业务流程,21%方便升级,9%较低的资本支出,7%部署速度,5E19I%0 0Pp0 212022E2023E2024E2025E2026E传统IT公有云私有云 4 行业深度报告 通信通信 请参阅最后一页的重要声明 减弱，至 2021 年已基本恢复到疫情前增长水平。根据中国信通院数据，2021 年以 IaaS、PaaS 和 SaaS 为代表的全球公有云市场规模达到 3307 亿美元，增速升至 32.5%，同比上升 18.8 个百分点；2021 年我国云计算市场总体处于快速发展阶段，全年市场规模达到 3229 亿元，同比增长 54.4%，其中公有云市场规模为 2181 亿元，同比增长 70.8%，私有云市场突破千亿元大关，市场规模为 1048 亿元，同比增长 28.7%。全球云计算市场规模及增速（亿美元）全球云计算市场规模及增速（亿美元）数据来源：中国信通院，中信建投 国内国内 IaaS 和和 PaaS 市场规模高速增长。市场规模高速增长。2021 年，国内公有云 SaaS 市场规模为 370.4 亿元，增速略微滑落至32.9%，预计在企业上云等相关政策推动下，在未来数年内随着数字化转型重启增长态势；PaaS 市场规模为 196亿元，同比增长 90.7%，依然保持着各细分市场中最高的增长速度；IaaS 仍是国内公有云市场的主要构成，2021年市场规模达到 1614.7 亿元，同比增长 80.4%，占总体规模的比例接近四分之三。国内公有云计算市场规模及增速（亿元）国内公有云计算市场规模及增速（亿元）数据来源：中国信通院，中信建投 中国云计算发展水平较全球仍有较大差距，提升空间大。中国云计算发展水平较全球仍有较大差距，提升空间大。对标中国和美国的龙头云厂商，2022 年（自然年）307369483642916199362491624869961108612221231152222.37#.80 .90.702.50%0%5 %050010001500200025003000350020172018201920202021IaaSPaaSSaaS增速87148.7270.4452.6895.11614.7811.621.841.9102.819675104.5145.2194.8278.7370.4108.1p.9.8g.4.8.4F.2E.0.9.25.3.75.89.38.94.2C.12.9%-100Pp000%-300200700120017002200201620172018201920202021IaaSPaaSSaaSIaaS增速PaaS增速SaaS增速 5 行业深度报告 通信通信 请参阅最后一页的重要声明 阿里云收入为 776 亿元，同期 AWS 净销售额为 801 亿美元，阿里云收入仅为 AWS 的约七分之一；从市场份额来看，2021 年 AWS 全球市场份额为 38.92%，阿里云仅为 9.55%，阿里云市场份额仅为 AWS 的约四分之一。美国和中国的美国和中国的 IT 和互联网发展较好，中国云计算起步虽晚于美国，但发展更快，且具备和美国相当体量的和互联网发展较好，中国云计算起步虽晚于美国，但发展更快，且具备和美国相当体量的 IT和互联网环境，中国有望成为全球云计算发展的重要市场。和互联网环境，中国有望成为全球云计算发展的重要市场。根据中国信通院预测数据，伴随着经济回暖，全球根据中国信通院预测数据，伴随着经济回暖，全球云计算市场增长率将出现反弹，到云计算市场增长率将出现反弹，到 2025 年市场规模将超年市场规模将超 6000 亿美元，亿美元，5 年复合增长率将达到年复合增长率将达到 23.56%；我国云；我国云计算市场将计算市场将继续保持快速发展态势，预计继续保持快速发展态势，预计 2025 年市场规模将突破年市场规模将突破 1 万亿元，万亿元，5 年复合增长率将超过年复合增长率将超过 36%。二、数字中国二、数字中国与与人工智能为云计算行业发展注入新动力人工智能为云计算行业发展注入新动力 2.1 政策大力推动数字经济和数字中国发展，云计算是重要基础设施政策大力推动数字经济和数字中国发展，云计算是重要基础设施 二十大报告提出“建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合”。二十大报告提出“建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合”。近年来，我国深入实施数字经济发展战略，数字经济政策不断落地和深化，新一代数字技术创新活跃、快速扩散，加速与经济社会各行业各领域深入融合，有力支撑了现代化经济体系的构建和经济社会的高质量发展。近年来我国数字经济相关政策近年来我国数字经济相关政策 时间时间 部门部门 政策名称政策名称 重点内容重点内容 2022 年 国务院 2022 年政府工作报告 加快发展工业互联网、培育壮大集成电路、人工智能等数字产业，提升关键软硬件技术创新和供给能力。2022 年 国务院“十四五”数字经济发展规划 到 2025 年，数字经济核心产业增加值占国内生产总值比重达到 10%，数据要素市场体系初步建立，产业数字化转型迈上新台阶，数字产业化水平显著提升，数字化公共服务更加普惠均等，数字经济治理体系更加完善。2021 年 工信部“十四五”大数据产业发展规划“十四五”时期，大数据产业发展要以释放数据要素价值为导向，着力推动数据资源高质量、技术创新高水平、基础设施高效能，围绕构建稳定高效产业链，着力提升产业供给能力和行业赋能效应，培育自主可控和开放合作的产业生态，打造数字经济发展新优势。2021 年 国务院 中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要 迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革。充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经济发展新引擎。2020 年 国务院 关于构建更加完善的要素市场化配置体制机制的意见 培育数字经济新产业、新业态和新模式，支持构建农业、工业、交通、教育、安防、城市管理、公共资源交易等领域规范化数据开发利用的场景 2020 年 发改委 关于推动“上云用数赋智”行动 大力培育数字经济新业态，深入推进企业数字化转型，打造数据供应链，以数据流引领物资流、人才流、技术流、资金流，形成产业链上下游和跨行业融合的数字化生态体系，构建设备数字化-生产线数字化-车间数字化-工厂数字化-企业数字化-产业链数字化-数字化生态的典型范式。资料来源：政府官网，中信建投 当前广泛认可的数字经济定义源自 2016 年 9 月二十国集团领导人杭州峰会通过的 二十国集团数字经济发展与合作倡议，即数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载 6 行业深度报告 通信通信 请参阅最后一页的重要声明 体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。中国信通院最开始提出数字经济应划分为数字产业化和产业数字化数字产业化和产业数字化两部分。数字产业化是数字经济的基础部分，也即信息通信产业，包括电子信息制造业、电信业、软件和信息技术服务业、互联网行业等四个子行业（我们认为数字产业化实际主要涵盖 TMT 科技行业）；产业数字化是数字经济的融合部分，是传统产业应用数字技术所带来的生产数量和效率提升，其新增产出构成数字经济的重要组成部分。之后，中国信通院在“两化”基础上又增加了数据价值化和数字化治理数据价值化和数字化治理，形成了数字经济的“四化框架”。数字经济“四化框架”数字经济“四化框架”数据来源：中国信通院，中信建投 2023 年年 2 月，月，国务院印发国务院印发的的数字中国建设整体布局规划数字中国建设整体布局规划指出，数字中国建设按照“指出，数字中国建设按照“2522”的整体框架”的整体框架进行布局。第一个“进行布局。第一个“2”即夯实数字基础设施和数据资源体系两大基础，”即夯实数字基础设施和数据资源体系两大基础，打通数字基础设施大动脉，二是畅通数打通数字基础设施大动脉，二是畅通数据资源大循环。据资源大循环。“5”是推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合，后两个“2”分别是强化数字技术创新体系和数字安全屏障“两大能力”以及优化数字化发展国内国际“两个环境”。7 行业深度报告 通信通信 请参阅最后一页的重要声明 数字中国“数字中国“2522”框架”框架 数据来源：数字中国建设整体布局规划，中信建投 近年来我国各部门出台了一系列相关政策，从数字经济、数字社会、数字政府到数字生态文明等多方面入手，助力打造我国数字经济新优势、加快我国数字社会建设步伐、提高数字政府建设水平、营造良好数字生态。数字中国政策梳理数字中国政策梳理 发布时间发布时间 发布机构发布机构 政策名称政策名称 政策内容政策内容 2023 年 2 月 中共中央、国务院 数字中国建设整体布局规划 明确数字中国建设按照“2522”的整体框架进行布局，夯实数字基础设施和数据资源体系“两大基础”，推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合，强化数字技术创新体系和数字安全屏障“两大能力”，优化数字化发展国内国际“两个环境”。2022 年 12 月 中共中央、国务院 中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见 建立数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的数据产权制度框架。2022 年 11 月 工信部 中小企业数字化转型指南 从增强企业转型能力、提升转型供给水平、加大转型政策支持等三方面提出了 14 条具体举措。主要面向中小企业、数字化转型服务供给方和地方各级主管部门。2022 年 10 月 工信部、教育部等 虚拟现实与行业应用融合发展行动计划（20222026年）提出到 2026 年的发展目标，特别明确创新能力要实现显著增强。在工业生产、文化旅游、融合媒体、教育培训、体育健康、商贸创意、智慧城市等虚拟现实重点应用领域实现突破。2022 年 8 月 工信部、发改委等 信息通信行业绿色低碳发展行动计划（20222025年）提出要以各行业数字化、智能化、绿色化转型需求为导向，以产业绿色低碳转型、居民低碳环保生活和城乡绿色智慧发展等领域为重点，加快提升数字技术与垂直行业应用深度融合的服务供给能力，助力经济社会数字化绿色化转型等内容。2022 年 8 月 中央网信办、农业农村部等 数字乡村标准体系建设指南 明确“十四五”时期数字乡村标准化工作目标：到 2025 年，初步建成数字乡村标准体系。8 行业深度报告 通信通信 请参阅最后一页的重要声明 2022 年 6 月 工信部、商务部等 数字化助力消费品工业“三品”行动方案（20222025年）提出要以消费升级为导向，以数字化为抓手，以场景应用为切入点，聚焦关键环节，强化数字理念引领和数字化技术应用，统筹推进数据驱动、资源汇聚、平台搭建和产业融合。2022 年 4 月 国务院 关于加强数字政府建设的指导意见 提出两阶段工作目标，到 2025 年，与政府治理能力现代化相适应的数字政府顶层设计更加完善、统筹协调机制更加健全，政府履职数字化、智能化水平显著提升，政府决策科学化、社会治理精准化、公共服务高效化取得重要进展，数字政府建设在服务党和国家重大战略、促进经济社会高质量发展、建设人民满意的服务型政府等方面发挥重要作用。到 2035 年，与国家治理体系和治理能力现代化相适应的数字政府体系框架更加成熟完备，整体协同、敏捷高效、智能精准、开放透明、公平普惠的数字政府基本建成，为基本实现社会主义现代化提供有力支撑。2022 年 4 月 国务院 关于加快建设全国统一大市场的意见 重点围绕新业态新模式加强基础制度的创新供给，不断补足新兴领域市场监管制度规则，为各类市场主体和消费者共享数字经济发展红利提供规范性制度保障。2022 年 4 月 中央网信办、农业农村部等 2022 年数字乡村发展工作要点 提出充分发挥信息化对乡村振兴的驱动赋能作用，加快构建引领乡村产业振兴的数字经济体系。2022 年 1 月 银保监会 关于银行业保险业数字化转型的指导意见 提出到 2025 年，银行业保险业数字化转型取得明显成效。2021 年 12 月 中央网络安全和信息化委员会 “十四五”国家信息化规划 提出到 2025 年，数字中国建设取得决定性进展，信息化发展水平大幅跃升。2017 年 7 月 国务院 新一代人工智能发展规划 提出大力推动智能化信息基础设施建设，提升传统基础设施的智能化水平，形成适应智能经济、智能社会和国防建设需要的基础设施体系。资料来源：国务院等，中信建投 云计算作为数字经济和数字中国的云计算作为数字经济和数字中国的关键关键数字基础设施，有望依托政策支撑，迎来行业景气度的新一轮提升。数字基础设施，有望依托政策支撑，迎来行业景气度的新一轮提升。近年来，国务院、工信部等部门发布一系列云计算相关政策，一方面将用于指导云计算系统的设计、开发和部署，另一方面也用于规范和引导云计算基础设施建设、提升云计算服务能力水平以及规范市场秩序等。近年来我国云计算相关政策近年来我国云计算相关政策 时间时间 部门部门 政策名称政策名称 重点内容重点内容 2022 年 国务院 关于加强新时代高技能人才队伍建设的意见 充分利用大数据、云计算等新一代信息技术，加强技能人才工作信息化建设；建立健全高技能人才库 2022 年 国务院“十四五”数字经济发展规划 鼓励以 5G、云计算、大数据、人工智能等为代表的数字技术与实体经济在更大范围、更宽领域更深层次融合，催生更多新生产方式、新行业形态、新商业模式和新经济增长点 2021 年 工信部 关于加快推动区块链技术应用和行业发展的指导意见 提出将区块链技术应用于工业互联网的标识解析、边缘计算、协同制造等环节，培育新模式、新业态，建设基于区块链的大数据服务平台，促进数据合规有序的确权、共享和流通，利用云计算构建区块链应用开发测试验证和运行维护环境 2020 年 工信部 关于推进”上云用数赋智”行支持在具备条件的行业领域和企业范围探索大数据、人工智能、云计算、数字 9 行业深度报告 通信通信 请参阅最后一页的重要声明 动培育新经济发展实施方案 李生、5G、物联网和区块链等新一代数字技术应用和集成创新。加大对共性开发平台开源社区、共性解决方案、基础软硬件支持力度，鼓励相关代码、标准、平台开源发展。2020 年 发改委 中小企业数字化赋能专项行动方案 鼓励以云计算、人工智能、大数据、边缘计算、5G 等新一代信息技术与应用为支撑，引导数字化服务商针对中小企业数字化转型需求，建设云服务平台、开放数字化资源、开发数字化解决方案，为中小企业实现数字化网络化智能化转型夯实基础。2019 年 工信部 关于新时代服务业高质量发展的指导意见 加强技术创新和应用，打造一批面向服务领域的关键共性技术平台，推动人工智能、云计算、大数据等新一代信息技术在服务领域深度应用，提升服务业数字化、智能化发展水平。资料来源：政府官网，中信建投 2.2 人工智能应用浪潮有望迅速拉动云计算需求提升人工智能应用浪潮有望迅速拉动云计算需求提升 人工智能（AI）是指由机器展示的智能，即计算机基于大数据模拟人脑的各项功能，例如推理、视觉识别、语义理解、学习能力及规划与决策能力等，人工智能生成内容（AIGC）是指利用人工智能技术来生成内容，包括绘画、作曲、剪辑、写作等。AIGC 的萌芽可追溯到上世纪 50 年代，90 年代从实验性向实用性逐渐转变，但受限于算法瓶颈，无法直接生成内容，从 21 世纪 10 年代开始，随着以生成对抗网络（GAN）为代表的深度学习算法的提出和迭代，AIGC 迎来了快速发展阶段。AIGC 发展历程发展历程 数据来源：人工智能生成内容白皮书2022，中信建投 市场需求推动市场需求推动 AIGC 技术加速落地。技术加速落地。1）降低人力和时间成本：）降低人力和时间成本：AIGC 可以帮助人们完成许多繁琐工作，从而节省人力资本和工作时间，并可以在相同的时间内产出更多内容。2）改善内容质量）改善内容质量。AIGC 被认为是继专业生产内容（PGC）、用户生产内容（UGC）之后的新型内容生产方式。尽管 PGC 和 UGC 的内容更具多元化、个性化，但受限于激励措施和创作者自身因素影响，市场存在供给不足的现象。3）促进产业数字化，助力数字）促进产业数字化，助力数字经济发展。经济发展。产业数字化是数字经济的融合部分，是传统产业应用数字技术所带来的生产数量和效率提升，其新增产出构成数字经济的重要组成部分，AIGC 为数字经济提供了重要的数据要素。10 行业深度报告 通信通信 请参阅最后一页的重要声明 国内外公司国内外公司 AIGC 相关产品相关产品 数据来源：人工智能生成内容（AIGC）的演进历程及其图书馆智慧服务应用场景，中信建投 近期近期，ChatGPT 的的爆红引发了人们对于人工智能发展的高度关注爆红引发了人们对于人工智能发展的高度关注。2022 年 11 月 30 日，OpenAI 发布语言模型 ChatGPT。该模型采用对话的形式与人进行交互，可以回答后续问题、承认错误、挑战不正确的前提、拒绝不适当的请求。ChatGPT 不仅在日常对话、专业问题回答、信息检索、内容续写、文学创作、音乐创作等方面展现出强大的能力，还具有生成代码、调试代码、为代码生成注释的能力。Viable 使用使用 GPT-3 生成客户反馈摘要生成客户反馈摘要 ChatGPT 回答专业问题回答专业问题 数据来源：Viable，中信建投 数据来源：OpenAI，中信建投 ChatGPT 用户数攀升。用户数攀升。据瑞银集团数据显示，ChatGPT 推出仅两个月后月活用户已经突破 1 亿，成为史上用户增长速度最快的消费级应用程序。根据 Sensor Tower 数据显示，TikTok 达到 1 亿用户用了 9 个月，Instagram则花了 2 年半的时间。2023 年 1 月，ChatGPT 平均每天大约有 1300 万独立访客，是 2022 年 12 月的两倍之多。微软微软 AIGC 相关产品发展历程相关产品发展历程 时间时间 AIGC 相关进程相关进程 2019 年 7 月 微软投资 OpenAI10 亿美元，双方合作替 Azure 云端平台服务开发人工智能技术。2020 年 6 月 OpenAI 官宣 GPT-3 语言模型，微软 2020 年 9 月 22 日取得独家授权。2023 年 2 月 微软公告表示旗下所有产品将全线整合 ChatGPT，除搜索引擎必应、Office 外，还将在云计算平台 Azure 中整合 11 行业深度报告 通信通信 请参阅最后一页的重要声明 ChatGPT，Azure 的 OpenAI 服务将允许开发者访问 AI 模型。2023 年 2 月 微软宣布推出由 ChatGPT 支持的最新版本人工智能搜索引擎 Bing（必应）和 Edge 浏览器。微软 CEO 表示，“搜索引擎迎来了新时代”。2023 年 2 月 微软宣布将 OpenAI 的 GPT-4 模型集成到 Bing 及 Edge 浏览器中，这一举措成效初显，71%的测试者认可人工智能优化后的必应搜索结果。2023 年 3 月 OpenAI 发布了多模态大模型 GPT-4，GPT-4 支持多模态，并从多个维度提升了自然语言文本处理能力，进一步提升了安全性。2023 年 3 月 微软举办The Future of Work with AI发布会，发布 AI 办公助手Microsoft 365 Copilot，也就是将搭载了 GPT-4 大模型能力的 AI 助手 Copilot 接入微软全家桶产品中。资料来源：微软，中信建投 ChatGPT 运行背后需要强大的云计算算力支撑。运行背后需要强大的云计算算力支撑。OpenAI 在 2018 年推出的 GPT 参数量为 1.17 亿，预训练数据量约 5GB，而 GPT-3 参数量达 1750 亿，预训练数据量达 45TB。在模型训练阶段，ChatGPT 的总算力消耗约为 3640PF-days，总训练成本为 1200 万美元。在服务访问阶段则会有更大消耗，据测算，仅满足当前 ChatGPT日常用户搜索访问，使用服务器（GPU）进行处理，对应算力基础设施初始投入成本约为 30-40 亿美元。2 月月 7日晚，日晚，ChatGPT 再次因访问量激增而宕机，体现出再次因访问量激增而宕机，体现出 AI 应用对于云计算的海量算力需求。应用对于云计算的海量算力需求。GPT 模型示意图模型示意图 NVIDIA DGX A100 AI 服务器服务器 数据来源：OpenAI，中信建投 数据来源：NVIDIA，中信建投 国内国内 AIGC 领域领域百度发展领先。百度发展领先。百度深耕预训练模型的主要产品是文心大模型，起源于 2019 年，能对海量数据进行深度学习并为多种 AIGC 应用提供支持。目前，文心大模型已经发布超过十多个大模型，形成了一个大模型家族。2022 年 8 月，百度推出了 AI 艺术和创意辅助平台“文心一格”，用户只需输入一段简单文字即可快速获取智能生成的 AI 画作。2023 年 3 月 16 日，百度正式推出大语言模型“文心一言”，包括文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成五大能力。百度百度 AIGC 相关产品发展历程相关产品发展历程 时间时间 AIGC 相关进程相关进程 2019 年 百度正式启动“百度 APCT 数字人计划”，将数字人技术与 AIGC 图文转视频、TTS 语音合成技术结合，为媒体及创作者定制真人孪生数字人。创作者输入文本即可生成有数字主持人口播的视频，不仅保证信息播报准确性，还具备多国语言口播、情绪识别等人格化功能。2022 年 7 月 百度 AI 在百度世界大会上复原了富春山居图，百度 CEO 李彦宏着重强调 AIGC 的重要性。2022 年 8 月 推出了 AI 艺术和创意辅助平台“文心一格”，用户只需输入一段简单文字即可快速获取智能生成的 AI 画作。12 行业深度报告 通信通信 请参阅最后一页的重要声明 2022 年 9 月 百度发布 AI 助理，本质上是多种 AIGC 应用的集合，包括文本生成、图片生成，图片转换视频等多种功能，其直接面向用户与内容创作者，意味着 AIGC 技术的 C 端应用化正在实现。2023 年 2 月 百度公布了自家类 ChatGPT 产品“文心一言”并将于 3 月 27 日召开新品发布会，发布文心一言云服务及应用产品。2023 年 2 月 小度官方宣布将融合百度文心一言的全面能力，打造针对智能设备场景的人工智能模型“小度灵机”应用到小度全系产品。2023 年 2 月 在 2023AI 工业互联网高峰论坛上，百度智能云宣布“文心一言”将通过百度智能云对外提供服务，率先在内容和信息相关的行业和场景落地。2023 年 2 月 2023 年 2 月 22 日，百度 CEO 李彦宏宣布计划将多项主流业务与文心一言整合，将帮助百度增加用户粘性。2023 年 3 月 2023 年 3 月 16 日，百度正式推出大语言模型“文心一言”。资料来源：百度，中信建投 IDC 数据显示：2021 年全球人工智能 IT 投资额为 929.5 亿美元，预计 2026 年将增至 3014.3 亿美元，复合年增长率约 26.5%。中国市场，2026 年 AI 投资预计将达 266.9 亿美元，约占全球投资 8.9%，居世界第二位，复合年增长率约 21.7%。未来五年，硬件市场将成为中国人工智能市场最大的一级市场，占人工智能总投资的50%以上。IDC 预测，2026 年，中国在人工智能硬件市场的 IT 投资将超过 150 亿美元，接近美国人工智能硬件的市场规模，五年复合年增长率 16.5%。服务器作为硬件市场的主要组成部分，在五年预测期内将占 80%以上。人工智能的发展将对算力提出更高要求，算力网络基础设施需求有望持续提升。人工智能的发展将对算力提出更高要求，算力网络基础设施需求有望持续提升。根据中国信通院数据，2021年全球计算设备算力总规模达到 615EFlops（每秒浮点运算次数），同比增长 44%，其中基础算力规模为 369EFlops，智能算力规模为 232EFlops，超算算力规模为 14EFlops，预计 2030 年全球算力规模将达到 56ZFlps，平均年均增长 65%。我国智能算力规模持续高速增长，我国智能算力规模持续高速增长，2021 年智能算力规模已年智能算力规模已经经超超过过通用算力。通用算力。根据中国信通院数据，我国计算设备算力总规模达到 202EFlops，全球占比约为 33%，保持 50%以上的高速增长态势，增速高于全球，其中智能算力增长迅速，增速为 85%，在我国算力中的占比超过 50%。全球算力规模及增速全球算力规模及增速 我国算力规模及增速我国算力规模及增速 数据来源：中国信通院，中信建投 数据来源：中国信通院，中信建投 2.3 AI 或推动数据中心网络架构变化，光模块、交换机需求有望明显提升或推动数据中心网络架构变化，光模块、交换机需求有望明显提升 AI 数据中心网络架构或变为胖树型，交换机及光模块需求因此可能将大幅提升。以 ChatGPT 为代表的 AIGC0 0P00200300400500600700201620172018201920202021全球算力规模（EFlops）全球算力增速0 0P0100150200250201620172018201920202021基础算力智能算力超算算力算力增速 13 行业深度报告 通信通信 请参阅最后一页的重要声明 技术，依靠强大的 AI 模型和海量数据，能够在多个应用场景下产生优质的内容，有望推动人工智能更广泛的应用。算力作为 AIGC 技术的重要支撑之一，是影响 AI 发展与应用的核心因素。算力基础设施成了目前行业亟需布局的资源，除了 CPU/GPU 等算力硬件需求强劲，网络端也催生了更大带宽需求，以匹配日益增长的流量。与传统数据中心的网络架构相比，AI 数据中心的网络架构可能存在一些变化。微软微软 AI 数据中心示意图数据中心示意图 数据来源：微软，中信建投 在传统的数据中心中，网络侧主要包括传统三层架构和叶脊架构。在传统的数据中心中，网络侧主要包括传统三层架构和叶脊架构。早期的数据中心一般采用传统的三层结构，包括接入层、汇聚层和核心层，其中接入层用于连接计算节点与机柜交换机，汇聚层用于接入层的互联，核心层用于汇聚层的互联且实现与外部网络连接。但是由于采用的是 STP 协议，实际承载流量的只有一条链路，因此容易造成带宽浪费的问题。同时随着数据中心内部东西向流量的快速提升，三层网络架构的核心层和汇聚层任务加重，性能提升需求高，设备成本将大幅提升。因此，适用于东西向流量的扁平化的叶脊网络架构应运而生，叶交换机直接与计算节点相连，脊交换机相当于核心交换机，通过 ECMP 动态选择多条路径。叶脊网络架构具备带宽利用率高、扩展性好、网络延迟可预测和安全性高等优势，在数据中心中实现广泛的应用。传统三层网络架构传统三层网络架构 叶脊网络架构叶脊网络架构 数据来源：面包板社区，中信建投 数据来源：面包板社区，中信建投 AI 数据中心中，由于内部数据流量较大，因此无阻塞网络成了重要需求之一。数据中心中，由于内部数据流量较大，因此无阻塞网络成了重要需求之一。英伟达的 AI 数据中心中，采用了胖树（fat-tree）的网络架构来实现无阻塞的功能。胖树的网络架构基本理念为：使用大量低性能的交换 14 行业深度报告 通信通信 请参阅最后一页的重要声明 机，构建出大规模的无阻塞网络，对于任意的通信模式，总有路径让他们的通信带宽达到网卡带宽，架构中用到的所有交换机都是相同的。因此，在英伟达 DGX A100 SuperPOD 的 AI 数据中心系统中，三层交换机全部为Nvidia Quantum QM8790 的 40 端口交换机，第一层交换机与 1120 张 Mellanox HDR 200G Infiniband 网卡连接；第二层交换机下传端口与第一层相连，同时可以和其它 SuperPOD 的第二层互联进行扩展，上传端口与第三层互联；第三层交换机只有下传端口，与第二层相连。此外，存储侧独立组网，与计算侧网络架构分开，也需要一定数量的交换机和光模块。因此，相比较传统数据中心，AI 数据中心中的交换机及光模块数量大幅提升。英伟达英伟达 DGX A100 SuperPOD 系统示意图系统示意图 数据来源：英伟达，中信建投 我们认为我们认为，在在 AI 算力时代算力时代，数据中心内部架构可能发生显著改变数据中心内部架构可能发生显著改变，对于光模块和交换机设备的用量对于光模块和交换机设备的用量可能可能将大幅提升将大幅提升。我们认为，。我们认为，光模块光模块/光器件厂商建议重点关注天孚通信（光引擎产品受益光器件厂商建议重点关注天孚通信（光引擎产品受益 AI 等客户需求增长，有等客户需求增长，有望大规模出货）、中际旭创（全球数通高速望大规模出货）、中际旭创（全球数通高速光模块龙头，份额全球第一，光模块龙头，份额全球第一，800G、400G、200G、100G 等产品均等产品均具备大批量出货能力）、新易盛（具备大批量出货能力）、新易盛（800G 小批量出货，小批量出货，400G、200G 产品竞争力强）等；交换机设备公司建议重产品竞争力强）等；交换机设备公司建议重点关注紫光股份（国内交换机份额超点关注紫光股份（国内交换机份额超 30%，服务器、交换机、路由器、网络安全等，服务器、交换机、路由器、网络安全等 ICT 设备竞争力强劲，与设备竞争力强劲，与华为呈现双寡头竞争格局）、中兴通讯（交换机产品实力较强，服务器发展迅猛，跻身运营商服务器第一供应华为呈现双寡头竞争格局）、中兴通讯（交换机产品实力较强，服务器发展迅猛，跻身运营商服务器第一供应商，互联网企业也打开局面，同时公司芯片能力较强，可赋能自身网络算力设备商，互联网企业也打开局面，同时公司芯片能力较强，可赋能自身网络算力设备）、锐捷网络（国内交换机份）、锐捷网络（国内交换机份额排名第三，在互联网行业交换机供应份额领先）、工业富联（北美互联网企业服务器、交换机核心额排名第三，在互联网行业交换机供应份额领先）、工业富联（北美互联网企业服务器、交换机核心 OEM 企企业，显著受益北美业，显著受益北美 ChatGPT 发展）、菲菱科思（国内交换机发展）、菲菱科思（国内交换机 OEM 核心企业）等。核心企业）等。三、“东数西算”拉动产业投资，三、“东数西算”拉动产业投资，海底数据中心海底数据中心有望加速产业化有望加速产业化 3.1“东数西算”统筹全国算力网络建设，有望拉动投资需求“东数西算”统筹全国算力网络建设，有望拉动投资需求 2021 年 5 月，发改委、网信办、工信部、能源局联合印发全国一体化大数据中心协同创新体系算力枢纽全国一体化大数据中心协同创新体系算力枢纽实施方案实施方案，明确提出布局全国算力网络国家枢纽节点，启动实施“东数西算”“东数西算”工程，构建国家算力网络体系。全国一体化大数据中心协同创新体系算力枢纽实施方案全国一体化大数据中心协同创新体系算力枢纽实施方案围绕国家重大区域发展战略，根据能源结构、15 行业深度报告 通信通信 请参阅最后一页的重要声明 产业布局、市场发展、气候环境等，在京津冀、长三角、粤港澳大湾区、成渝以及贵州、内蒙古、甘肃、宁夏等地布局建设全国一体化算力网络国家枢纽节点，引导数据中心集约化、规模化、绿色化发展，引导数据中心集约化、规模化、绿色化发展，构建数据中心集群。国家枢纽节点间将进一步打通网络传输通道，加快实施“东数西算”工程，提升跨区域算力调度水平。根据全国一体化大数据中心协同创新体系算力枢纽实施方案要求，根据全国一体化大数据中心协同创新体系算力枢纽实施方案要求，京津冀京津冀、长三角长三角、粤港澳大湾区粤港澳大湾区、成渝等节点成渝等节点，用户规模较大、应用需求强烈，要重点统筹好城市内部和周边区域的数据中心布局，优化数据中要重点统筹好城市内部和周边区域的数据中心布局，优化数据中心供给结构，心供给结构，扩展算力增长空间，满足重大区域发展战略实施需要，城市内部加快对现有数据中心的改造升级，优先满足对实时性要求高的业务需求。贵州、内蒙古、甘肃、宁夏等节点，优先满足对实时性要求高的业务需求。贵州、内蒙古、甘肃、宁夏等节点，可再生能源丰富、气候适宜、数据中心绿色发展潜力较大，要重点提升算力服务品质和利用效率，充分发挥资源优势，夯实网络基础保障，夯实网络基础保障，积极承接全国范围需后台加工、离线分析、存储备份等非实时算力需求，打造面向全国的非实时性算力保障基地。打造面向全国的非实时性算力保障基地。为实现全国一体化算力网络国家枢纽节点布局，就要在集群和集群之间在集群和集群之间建立高速数据中心直联网络，构建建立高速数据中心直联网络，构建形成以数据流为导向的新型算力网络格局，助力实施“东数西算”工程，支撑大规模算力调度。形成以数据流为导向的新型算力网络格局，助力实施“东数西算”工程，支撑大规模算力调度。从数据中心网络时延的产生来看，主要分为传输时延（受制于物理距离）和传输节点时延（受制于节点数量和单节点转发时延），减少长距离传输时延的方法主要是路由优化，提供更短的光缆路由。传统上我国通信网络主要围绕人口聚集程度进行建设，网络节点普遍集中于北上广等一线城市，数据中心对网络依赖性强，随之集中于城市部署。推进“东数西算”工程，就要推进网络一体化建设，夯实西部地区的网络基础保障，围绕集群建设数据中心直推进“东数西算”工程，就要推进网络一体化建设，夯实西部地区的网络基础保障，围绕集群建设数据中心直连网，连网，增大网络带宽，提高传输速度，降低传输费用，推进新型互联网交换中心、互联网骨干直连点建设。2022 年 2 月，国家发展改革委、中央网信办、工业和信息化部、国家能源局再次联合印发通知，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏 8 地启动建设国家算力枢纽节点，规划了 10个国家数据中心集群，标志着全国一体化大数据中心体系完成总体布局设计，“东数西算”工程正式全面启动。标志着全国一体化大数据中心体系完成总体布局设计，“东数西算”工程正式全面启动。“东数西算”工程设立“东数西算”工程设立 8 个节点个节点 “东数西算”工程设立“东数西算”工程设立 10 个集群个集群 数据来源：发改委，中信建投 数据来源：发改委，中信建投 根据发改委根据发改委表态，“东数西算”工程总体思路有三方面：表态，“东数西算”工程总体思路有三方面：一是推动全国数据中心适度集聚、集约发展；二是促进数据中心由东向西梯次布局、统筹发展；三是实现“东数西算”循序渐进、快速迭代。在当前起步阶段，8 个算力枢纽内规划设立 10 个数据中心集群，划定了物理边界，并明确了绿色节能、上架率等发展目标，如集群内数据中心的平均上架率至少要达到 65%以上，要求张家口、韶关、长三角、芜湖、天府、重庆集群的 PUE 16 行业深度报告 通信通信 请参阅最后一页的重要声明 在 1.25 以下，和林格尔、贵安、中卫、庆阳集群的 PUE 在 1.2 以下。我们认为，我们认为，10 个国家数据中心集群更多个国家数据中心集群更多属于新建项属于新建项目，各地方此前已发放的能耗指标及相关目，各地方此前已发放的能耗指标及相关 IDC 公司在其它地区的投资规划可能多数会继续实施（现公司在其它地区的投资规划可能多数会继续实施（现有有 IDC 供应商本来在上述供应商本来在上述 10 个区域的投放安排就少），因此对于个区域的投放安排就少），因此对于 IDC 建设产业链带来利好。建设产业链带来利好。当前阶段的数据中心集群规划有两点值得关注：一是强调平均上架率至少要达到 65%以上，供给增加要匹配需求增长，避免无序扩张；二是对 PUE 提出严格要求，大部分中小规模的 IDC 服务商在绿色数据中心设计、建设和运维方面的能力较为一般，难以满足 PUE 在 1.25 以下的能耗要求。对此，我们认为：一是在上架率要求我们认为：一是在上架率要求的背景下，各数据中心集群的建设有望分期建的背景下，各数据中心集群的建设有望分期建设，边建设边交付边上架，最终投资金额仍待持续跟踪，假设上设，边建设边交付边上架，最终投资金额仍待持续跟踪，假设上架速度较慢，可能存在短期停建可能；二是“东数西算”作为架速度较慢，可能存在短期停建可能；二是“东数西算”作为 IDC 供给侧改革的重要举措，预计未来其它区域供给侧改革的重要举措，预计未来其它区域的的 IDC 供给将会进一步被压缩，未来东部核心区域的供给将会进一步被压缩，未来东部核心区域的 IDC 资源将愈发具有稀缺性，因此目前拥有较多热点区资源将愈发具有稀缺性，因此目前拥有较多热点区域域 IDC 资源的公司值得重视资源的公司值得重视；三是降低三是降低 PUE 的主要方法是提高温控系统的工作效率，空调机组将从风冷型和的主要方法是提高温控系统的工作效率，空调机组将从风冷型和水冷型向冷冻水型、双冷源型转化，未来液冷技术有望逐步普及，此外间接蒸发制冷的应用渗透率也有望提升。水冷型向冷冻水型、双冷源型转化，未来液冷技术有望逐步普及，此外间接蒸发制冷的应用渗透率也有望提升。总体来看，“东数西算”工程将会拉动数据中心的建设投资，因此提供总体来看，“东数西算”工程将会拉动数据中心的建设投资，因此提供数据中心规划、施工以及数据中心数据中心规划、施工以及数据中心配套设施，如制冷、电源、发电等的供应商有望最为受益。配套设施，如制冷、电源、发电等的供应商有望最为受益。我们我们建议建议重点重点关注数据中心关注数据中心 UPS 电源系统供应商电源系统供应商科科士达、士达、科华数据等，以及数据中心制冷空调供应商英维克、依米康等。科华数据等，以及数据中心制冷空调供应商英维克、依米康等。数据港数据港 Capex 支出构成支出构成 数据港数据港 OPEX 支出构成支出构成 数据来源：数据港招股书，中信建投 数据来源：数据港招股书，中信建投 根据央视新闻报道，“东数西算”根据央视新闻报道，“东数西算”工程自启动至今，全国新增投资超过工程自启动至今，全国新增投资超过 4000 亿元，整个亿元，整个“十四五”“十四五”期间，期间，将累计带动各方面投资超过将累计带动各方面投资超过 3 万亿元。万亿元。“东数西算”“东数西算”工程的工程的 8 个国家算力枢纽个国家算力枢纽节点建设已全部开工，工程从系节点建设已全部开工，工程从系统布局进入全面建设阶段。在已经开工的统布局进入全面建设阶段。在已经开工的 8 个国家算力枢纽中，今年新开工的数据中心项目近个国家算力枢纽中，今年新开工的数据中心项目近 70 个，其中西部个，其中西部新增数据中心的建设规模超过新增数据中心的建设规模超过 60 万机架，万机架，同比同比翻倍翻倍，至此国家算力网络体系架构初步形成至此国家算力网络体系架构初步形成。3.2 云计算需求可能将回暖，有望拉动云计算需求可能将回暖，有望拉动 IDC 市场需求市场需求 在数字中国和人工智能推动云计算市场在数字中国和人工智能推动云计算市场回暖的背景下回暖的背景下，IDC 作为云基础设施产业链的关键环节作为云基础设施产业链的关键环节，也有望进，也有望进入需求释放阶段。在过去两年半入需求释放阶段。在过去两年半，受多重因素影响下，受多重因素影响下，云计算需求景气度下行，云计算需求景气度下行，但但 IDC 建设建设与供给与供给未出现明显未出现明显放缓，放缓，2021 年和年和 2022 年分别新增机柜数量年分别新增机柜数量 120 万万架架和和 150 万架，万架，因此因此短期内出现供需失衡情况（核心区域供短期内出现供需失衡情况（核心区域供需状况相对良好），部分地区上电率情况需状况相对良好），部分地区上电率情况一般一般。所以所以 IDC 公司公司 2022 年业绩普遍承压。年业绩普遍承压。17 行业深度报告 通信通信 请参阅最后一页的重要声明 中国中国 IDC 标准机架规模标准机架规模 数据来源：中国信通院，中信建投 当前，我们认为国内 IDC 行业有望边际向好。随着宏观经济向好，平台经济发展恢复，AI 等拉动，IDC 需求有望逐步释放，叠加 2023 新增供给量有望较 2022 年减少（例如三大运营商 2022 年新增 IDC 机柜 15.6 万架，2023 年计划新增 11.4 万架）。展望未来，展望未来，电信电信运营商在云计算业务方面仍将实现快速增长运营商在云计算业务方面仍将实现快速增长，百度、字节跳动等百度、字节跳动等互联网公司互联网公司在在 AIGC 领域有望实现突破性进展，都将对包括领域有望实现突破性进展，都将对包括 IDC 在内的云基础设施产生在内的云基础设施产生较大新增较大新增需求，相关需求，相关IDC 厂商有望获益，建议关注润泽科技、宝信软件、奥飞数据、数据港、光环新网等。厂商有望获益，建议关注润泽科技、宝信软件、奥飞数据、数据港、光环新网等。3.3 人工智能算力需求有望推动人工智能算力需求有望推动海底数据中心海底数据中心规模化发展规模化发展 人工智能大模型训练和推理运算所用的人工智能大模型训练和推理运算所用的 GPU 服务器的功率密度将大幅提升，以英伟达服务器的功率密度将大幅提升，以英伟达 DGX A100 服务器服务器为例，其单机最大功率约为例，其单机最大功率约可以达到可以达到 6.5kW，大幅超过单台普通，大幅超过单台普通 CPU 服务器服务器 500w 左右的功率水平。在此情况下，左右的功率水平。在此情况下，一方面需要新建超大功率的机柜，另一方面为降低一方面需要新建超大功率的机柜，另一方面为降低 PUE，预计液冷温控渗透率将加速提升。，预计液冷温控渗透率将加速提升。我们认为，我们认为，海底数据中心可能将迎来产业化的关键节点。海底数据中心可能将迎来产业化的关键节点。一是中国通信工业协会已于 2022 年 12 月 14 日批准发布标准 T/CA 3032022水下数据中心设计规范。二是中国及全球近两年海上风力发电取得大发展，海底数据中心可就近消纳海上风电。三是东部沿海城市算力及 IDC 需求旺盛，海底数据中心可就近满足需求。四是 AIGC 需要单机柜功耗可能达几十 kW，海底数据中心单机柜功率可达 35kW 左右，利用海水冷却，无压缩机运行，单舱 PUE 可以低于 1.10，且无需冷却塔，可节约大量的水资源。五是全球在海底数据中心布局领先的是微软，2015 年开始启动测试，两次测试都成功，2022 年美国 subsea cloud us 计划推出商用海底数据中心。3.3.1 国内海底数据中心相关设计规范已经发布 国内第一个水下数据中心标准已发布并已开始实施。国内第一个水下数据中心标准已发布并已开始实施。中国通信工业协会已于 2022 年 12 月 14 日批准发布标准 T/CA 3032022水下数据中心设计规范，该标准于 2023 年 1 月 1 日起开始实施。该标准遵循开放、公平、透明、协商一致和促进贸易和交流的原则，按照全国团体标准信息平台公布的标准制定程序文件制定，由深圳海兰云数据中心科技有限公司、中国通信工业协会数据中心委员会、中国长江三峡集团有限公司、海洋石油工程股份有限公司、维谛技术有限公司、清华大学等单位共同起草。166226315401520670831672373094205400100200300400500600700800201720182019202020212022E总机架数量（万架）大型规模以上机架数量（万架）18 行业深度报告 通信通信 请参阅最后一页的重要声明 该标准适用于指导和规范新建、改建和扩建部署于海洋的水下数据中心设计工作。该标准适用于指导和规范新建、改建和扩建部署于海洋的水下数据中心设计工作。水下数据中心设计规范基于海底数据中心水下密封、无氧无尘、空间受限、无人值守等特点，规定了水下数据中心的分级与性能要求、选址与系统组成、水下舱体系统设计要求、电气系统设计要求、空调系统设计要求、监控系统设计要求、网络与布线系统设计要求、动力与通讯缆线系统设计要求、消防与安全系统设计要求。部署于湖泊、江水等水下数据中心亦可参照执行。该标准的发布有利于推进我国水下数据中心的发展。该标准的发布有利于推进我国水下数据中心的发展。水下数据中心设计规范标准的发布，有利于推进我国水下数据中心的发展，保障水下数据中心工程顺利实施，从而可以科学有序地衔接设计、建设、运维工作，确保水下数据中心安全、稳定、可靠运行，做到技术先进、经济合理、节能环保。更好地为用户、营运商和业务主管部门提供水下数据中心设计规范，从而为数据中心“碳中和”的实现贡献力量，为新业态、产业领域的多融合探索、构建树立标杆。水下数据中心示例图水下数据中心示例图 数据来源：Dgtl Infra，中信建投 水下数据中心的建设符合我国“双碳”发展目标和新型数据中心发展战略，该标准顺应了数据中心向“零水下数据中心的建设符合我国“双碳”发展目标和新型数据中心发展战略，该标准顺应了数据中心向“零碳”方向发展的趋势。碳”方向发展的趋势。“双碳”目标下各领域节能减碳力度正不断增强，零碳被广泛提及，对于高耗能的数据中心而言，零碳更是早已成为关注焦点。但各产业的算力需求不断提升，数据中心规模不断扩大，碳排总量提高，想要实现零碳挑战巨大。这需要对现有减碳方式进行升级，编制并落地更具指导性的标准、规范，进一步优化相应的技术及解决方案，水下数据中心设计规范便应运而生。3.3.2 海上风电已经实现规模化发展，有望与海底数据中心结合产生新商业模式 经历了经历了 2020-2021 年海风抢装潮，国内海上风电产业链加速成熟。年海风抢装潮，国内海上风电产业链加速成熟。我国海上风电探索起源于 2007 年。是年11 月 8 日，首座安装有 1 台金风科技 1.5 MW 风电机组的海上风电项目在渤海绥中油田建成发电，经历了十余年的发展，2020 年末，我国海上风电装机量达到了 9.89GW。2019 年 5 月 24 日，国家发改委发布关于完善风电上网电价政策的通知，提出将海上风电标杆上网电价改为指导价，新核准海上风电项目全部通过竞争方式确定上网电价；对 2018 年底前已核准的海上风电项目，如在 2021 年底前全部机组完成并网的，执行核准时的上网电价（约 0.85 元/千瓦时，补贴力度超 0.4 元/千瓦时），极具诱惑力的补贴价格，带来了海上风电的抢装潮，仅 2021 年中国海上风电新增装机量超过 16.9GW，抢装也加速了我国海风产业链的成熟，2010 年我国海上风电 19 行业深度报告 通信通信 请参阅最后一页的重要声明 的单 GW 造价水平大约在 240 亿左右，目前已经降至 120-130 亿元。截至 2022 年末，中国海上风电装机量达30.51GW。中国海上风电装机量（中国海上风电装机量（GW）数据来源：国家能源局，中信建投 风机大型化带来发电效率提升叠加产业链降本的推进，部分地区或已经实现平价。风机大型化带来发电效率提升叠加产业链降本的推进，部分地区或已经实现平价。通过十多年的海上风电场设计建造的经验，以及装备制造水平的提升，根据华东勘测设计院的测算，在福建、广东、海南等风资源较好且标杆煤电价格较高的省份已经基本具备平价上网的条件。海上风电经济性指标测算海上风电经济性指标测算 省（市）年平均风速（m/s）等效满负荷小时数（h）目前可研概算水平(元/kW)标杆煤电价格(元/kWh)最小电价差(元/kWh)最小造价差(元/kW)辽宁 6.5-8 2750-3200 13000 0.3749 0.083 2600 天津 6.5-8 2750-3300 13000 0.3655 0.086 2740 河北 6.5-8 2750-3300 13500 0.372 0.095 3030 山东 6.5-8 2750-3300 13500 0.3949 0.025 1300 江苏 7.0-8.0 3080-3300 13000 0.391 0.015 1000 上海 7.0-8.0 3080-3450 14000 0.4155 0.006 1190 浙江 7.0-8.0 3080-3450 14500 0.4153 0.039 1670 福建 7.5-10 3300-4100 15000 0.3932 广东 7.0-9.0 2750-3700 15500 0.453 广西 6.5-8.0 2420-3200 13000 0.4207 0.045 1400 海南 6.5-8.5 2420-3550 13000 0.4298 资料来源：华东勘测设计研究院，中信建投。注：最小电价差和最小造价差以资本金IRR6%反算。发展海上风电的省份均为东部发达地区，同时也是对于算力需求较高的省份。发展海上风电的省份均为东部发达地区，同时也是对于算力需求较高的省份。IDC本身对于能耗需求较高，本身对于能耗需求较高，使用海上风电与海底数据中心联合作业方式，既可实现对于海上风电能源的就近消纳，数据中心自身也可以使使用海上风电与海底数据中心联合作业方式，既可实现对于海上风电能源的就近消纳，数据中心自身也可以使用绿色能源来实现“零碳”目标，二者结合有望诞生新的商业模式。用绿色能源来实现“零碳”目标，二者结合有望诞生新的商业模式。3.3.3 海底数据中心节能优势突出，可较好满足沿海地区的旺盛算力需求 0.130.040.230.360.591.161.652.393.0616.94.120.390.430.671.041.632.794.446.839.8926.3930.510510152025303520122013201420152016201720182019202020212022新增装机累计装机 20 行业深度报告 通信通信 请参阅最后一页的重要声明 海底数据中心海底数据中心 UDC 是水下数据中心的一种。是水下数据中心的一种。海底数据中心是将服务器等信息基础设施安装在海底密封的压力容器中，利用流动海水进行散热，并利用海底复合缆供电且将数据回传至互联网的新型数据中心。海底数据中心具有节能、节地、低时延、安全可靠等显著的绿色低碳特征和多方面的优点，符合绿色低碳发展趋势。海底数据中心一般建设在海岸线海底数据中心一般建设在海岸线 10-20 公里之处，可满足沿海地区较高的算力、数据存储及低延迟的要求。公里之处，可满足沿海地区较高的算力、数据存储及低延迟的要求。水下数据中心为低延迟连接提供了一种解决方案，即减少数据在源和目的地之间传输所需的时间。西部内陆地区的数据中心可以进行一些冷数据的存储和延迟要求较低的计算，但对于延迟要求较高的还是需要在东部沿海地区寻找数据中心资源。东部沿海城市算力需求旺盛，海底数据中心可以利用较近的距离为基数巨大的沿海人口提供低延迟连接，因为世界上超过 50%的人口居住在距离海岸 120 英里（200 公里）的范围内。建设在海边的水下数据中心建设在海边的水下数据中心 数据来源：Dgtl Infra，中信建投 通过将水下数据中心放置在世界大部分人口附近，可以为服务不足的社区提供更快、更流畅的互联网浏览、视频流、游戏和云服务。因此，水下数据中心可能成为包括亚马逊网络服务（AWS）、微软 Azure 和谷歌云在内的云服务提供商的重要边缘计算工具。IDC 机房的各类消耗机房的各类消耗 我国数据中心能耗分布我国数据中心能耗分布 数据来源：中国热管理网，中信建投 数据来源：中国热管理网，中信建投 43.0E.0.0%2.0%散热能耗IT设备能耗供配电能耗照明及其他 21 行业深度报告 通信通信 请参阅最后一页的重要声明 PUE 值是衡量值是衡量 IDC 的重要指标。的重要指标。PUE 的计算方法为数据中心的总耗电量比上 IT 设备的耗电量，数值越接近 1，表明 IDC 的能效越高。工信部明确规定 2025 年底，新建数据中心的 PUE 值必须在 1.3 以下。在单机功率、在单机功率、PUE 等方面，海底数据中心优于陆上等方面，海底数据中心优于陆上 IDC。AIGC 的计算需要单机柜功耗可能达到几十 kW，目前广泛使用的英伟达 DGX A100 服务器单机功率就有 6.5kw；海底数据中心单机柜功率可达 35kW 左右，利用海水冷却，无压缩机运行，单舱 PUE 可低于 1.10，且无需冷却塔，可节约大量的水资源。此外，在冷却效率、延迟、建造时间与成本、可靠性及可持续性方面，以海底数据中心为代表的水下数据中心也表现出了一定优势。水下数据中心与传统陆上水下数据中心与传统陆上 IDC 部分指标对比部分指标对比 指标 传统陆上 IDC 水下数据中心 UDC 的特点 冷却效率 微软新建的陆基数据中心的 PUE 约为1.125。现有海南陆地 IDC 的 PUE 值（1.8-2.0）微软水下数据中心在海平面下 36 米处，温度比陆基数据中心低约 10 摄氏度。PUE 为 1.07。海兰信实测结果单舱 PUE 值为 1.076，公司预计海南示范项目实际 PUE 可以成功控制在 1.10 左右 海洋提供持续的寒冷环境，降低冷却成本 延迟 路基 IDC 对地理环境要求高，在中国多部署在离大城市较远的中西部地区，有时延 世界上超过50%的人口居住在距离海岸120英里（200 公里）的范围内，水下数据中心分布在沿海发达城市 10-20 公里海域内，距离用户更近，可能成为云服务提供商的重要边缘计算工具。海洋数据中心可以为沿海人口提供低延迟连接 建造时间和成本 在陆地上，数据中心的“建设”需要许可和适应各种物理环境。一般而言，建造数据中心的成本在每平方英尺 600至 1，100 美元之间，或每兆瓦 IT 负载7 万至 12 万美元。（具体见下文表格）传统数据中心的完整建设周期在 400天左右，模块化数据中心可以缩短建设周期到 2-3 个月。水下数据中心更多地涉及“制造”过程，旨在大规模生产模块，以便在非常相似的海洋条件下部署。相比路基 IDC，单千瓦 TCO（建设成本 运营成本）节约 15-20%左右，土地占用仅 1/5。水下数据中心是作为预制和标准化模块构建的，这样可以快速构建和交付时间 可靠性 陆基数据中心平均寿命为 10-15 年（来自华为的数据）海洋数据中心可以在现场无人且无需维护的情况下运行长达 5 年。生命周期在 20 年，每 5 年进行一次重新加载服务器和部署。水下数据中心具有高度的可靠性和更可预测的数据中心性能，因为这些预制模块是在受控的工厂环境中以精确的规格构建的 可持续性 陆基数据中心 2021 年行业平均 WUE是每千瓦时 1.8 升水 水下数据中心的可再生能源包括海上风能、太阳能、潮汐能和波浪能。通过不连接到电网，这些海洋数据中心可以减轻当地电网的压力。此外，水下数据中心用水效率 WUE 为 0，不消耗水。水下数据中心可以使用可再生能源，满足可持续性要求 资料来源：Dgtl Infra，中信建投 此外，海底数据中心在资源节约与互补、安全性等方面也存在优势。此外，海底数据中心在资源节约与互补、安全性等方面也存在优势。海底数据中心的岸站占地极少；没有冷却塔，节约大量的水资源（200 立方米/机柜年，典型规模年省水 60 万立方米）。同时，海底数据中心亦可利用海上风能、太阳能、波浪能和潮汐能等可再生能源实现多能互补。安全性方面，由于海底数据中心可满足恒温、恒湿、恒压、无氧、无尘的条件，其可充分保障数据的物理安全。并且水下数据中心可预制、作为标准化模块构建，因而可以快速构建和交付，实现工业化部署与模块化生产。海底数据中心的建设与使用在综合利海底数据中心的建设与使用在综合利 22 行业深度报告 通信通信 请参阅最后一页的重要声明 用海洋资源的同时，陆海统筹、生态用海、集约用海，也响应了高效利用海洋的国家战略。用海洋资源的同时，陆海统筹、生态用海、集约用海，也响应了高效利用海洋的国家战略。3.3.4 全球海底数据中心建设案例微软 Natick 项目 全球首个海底数据中心于全球首个海底数据中心于 2015 年由美国微软公司研制，微软在海洋中建立水下数据中心和放置服务器的研年由美国微软公司研制，微软在海洋中建立水下数据中心和放置服务器的研究实验究实验Natick 项目目前已完成了为期项目目前已完成了为期 4 个月的水下概念验证测试与为期两年的水下数据中心测试。个月的水下概念验证测试与为期两年的水下数据中心测试。该项目第一阶段的目的是有效地测试水下数据中心的冷却系统。第二阶段的目的则在于确定全尺寸水下数据中心模块的制造可行性以及在 90 天内部署它们的经济可行性。此外，在两年的时间里，微软还能够测试和监控水下数据中心服务器的性能和可靠性。微软微软 Natick 项目测试指标项目测试指标 Project Natick Phase 1 Phase 2 Phase 3 Launched August 2015 June 2018 Future Duration 105 days 2 years 5 years Location California Scotland TBD Racks 1 12 144 Servers 24 864 10,368 Length 10ft(3m)40ft(12.2m)300ft(131ft(40m)资料来源：微软，中信建投 Natick 项目的第一阶段是一个概念验证原型水下数据中心，于项目的第一阶段是一个概念验证原型水下数据中心，于 2015 年年 8 月启动。月启动。Natick 项目的第一阶段被放置在平静的浅水中的海底，距离美国加利福尼亚州圣路易斯奥比斯波附近的阿维拉海滩太平洋海岸约 0.6 英里（1 公里）。这个海洋数据中心的规格为 10 英尺（3 米）x 7 英尺（2.1 米）、38,000 磅重，装有 1 个标准 42U机架，包含 24 台服务器，服务器占据机架空间的 1/3，其他 2/3 服务器装满“负载托盘”以产生热量，目的为有效地测试水下数据中心的冷却系统。微软微软 Natick 项目第二阶段项目第二阶段水下数据中心水下数据中心 数据来源：微软，中信建投 Natick 项目的第二阶段是一个水下数据中心，部署时间为项目的第二阶段是一个水下数据中心，部署时间为 2018 年年 6 月到月到 2020 年年 7 月，时长达两年。月，时长达两年。在微软最初的概念验证测试之后，海洋数据中心的规模不断扩大，项目的第二阶段是一个集装箱大小的数据中心，承载 12 个机架，包含 864 台服务器。第二阶段被放置在北部群岛的海底117 英尺（36 米）深的岩石板海底，23 行业深度报告 通信通信 请参阅最后一页的重要声明 具体位于英国苏格兰奥克尼群岛的欧洲海洋能源中心（EMEC）。该设施包括一个装有 12 个机架的水下数据中心，其中包含 864 台具有 FPGA 加速功能的标准服务器。864 台服务器中的每一台都有 32TB 的磁盘，相当于27.6PB 的总磁盘。在电力消耗方面，微软 Natick 项目的第二阶段需要 240 千瓦（kW），这意味着在满负荷运行时，功率不到四分之一兆瓦。这种电力来自 100%当地生产的可再生电力，包括陆上风能和太阳能，以及海上潮汐能和波浪能。微软微软 Natick 项目第二阶段位置图项目第二阶段位置图 数据来源：微软，中信建投 微软微软 Natick 项目未来的第三阶段被描述为“试点”。项目未来的第三阶段被描述为“试点”。具体来说，微软将为 Natick 项目的第 3 阶段建立一个“更大规模”的水下数据中心，该数据中心“可能是多艘船”，并且“可能是与第二阶段不同的部署技术”。微软 Natick 项目的第 3 阶段将被放置在大于 117 英尺（36 米）的深度。微软通过微软通过 Natick 项目探索了海底数据中心发展的潜力。项目探索了海底数据中心发展的潜力。Natick 项目第二阶段测试结果显示，海底数据中心的 PUE 为 1.07，故障率是地面数据中心故障率的八分之一。同时，微软通过 Natick 项目发现，水下数据中心可实现快速部署，并可密封在类似潜艇的管道内，在海床上运行多年，而无需人工进行任何现场维护。初步分析表明，服务器在水下具有卓越性能的主要原因是避免了湿气和氧气的腐蚀。但需要注意的是，目前海底数据中心也存在发展瓶颈。但需要注意的是，目前海底数据中心也存在发展瓶颈。一是海底数据中心需要高额的建设成本，包括购买数据舱、服务器、布线、配电系统、通信系统等。二是海底数据中心的技术难度大，需要具备海洋环境下的建设、抗潮汛、抗海浪、抗噪声等技术。三是海底数据中心的运维工作复杂，由于海底环境条件复杂多变，需要特殊的技术和设备才能完成运维工作。四、电信运营商云计算发展具备独特优势，规模高速增长四、电信运营商云计算发展具备独特优势，规模高速增长 中国云计算市场格局正发生显著变化。中国云计算市场格局正发生显著变化。阿里云作为国内公有云份额第一的厂商，云计算收入增速明显下降。2021 年，阿里云（自然年，非财年，下同）收入为 723.58 亿元，同比增长 29.7%，2022 年收入为 775.92 亿元，同比增长 7.0%，而 2020 年及之前可以超过 50%。形成显著对比的是：虽然阿里云发虽然阿里云发展降速，但展降速，但 2021 年中国公年中国公有云市场同比增长近有云市场同比增长近 71%，IDC 报告显示报告显示 2022 年上半年中国公有云市场规模同比增长年上半年中国公有云市场规模同比增长 34.7%。因此，中国公。因此，中国公有云市场竞争格局正在发生变化，如电信运营商有云市场竞争格局正在发生变化，如电信运营商 2022 年云计算收入增速均超年云计算收入增速均超 100%。根据中国信通院数据，2021 24 行业深度报告 通信通信 请参阅最后一页的重要声明 年天翼云、移动云分别位列中国公有云市场第 2、5 位，市场份额为 14%、8.4%，同比提升 0.7pct、1.2pct，我们预计 2022 年运营商云计算市场份额将进一步提升。国内云厂商收入及增速对标（亿元）2018 2019 2020 2021 2022 阿里巴巴 213.61 355.25 557.98 723.58 775.92 YoY 91.27f.31W.07).68%7.23%中国电信 45 71 138 279 579 YoY 85.90W.9.12.27.9%中国移动 13 20 92 242 503 YoY 59.360.03.08.1%中国联通 10 24 114 163 361 YoY 145.883.1C.01%资料来源：阿里巴巴、中国电信、中国移动、中国联通，中信建投 阿里云业务收入（百万元）阿里云业务收入（百万元）中国公有云（中国公有云（IaaS）市场份额）市场份额 数据来源：阿里巴巴，中信建投 数据来源：中国信通院，中信建投 电信运营商资本开支加码云计算。电信运营商资本开支加码云计算。三大运营商 2022 年资本开支约 3519 亿元，同比增长约 3.7%，但 5G 资本开支已在下降，预计增量主要来自云计算业务等。其中，中国电信中国电信 2021 年产业数字化投资 173 亿元，同比增长 30.5%，2022 年其产业数字化投资再加码，达到 271 亿元，同比增长 57.1%，算力网络投资约 140 亿元（增加 16 万云服务器）；中国移动中国移动 2022 年为 1852 亿元，较 2021 年的 1836 亿元仅增长 0.9%，其中 5G 相关的移动通信网投资均下降，但业务支撑网投资明显增长 19.6%，预计主要投向云计算等业务；中国联通中国联通 2022 年算网方面的投资约 124 亿元，同比提升 65%。2023 年，三大运营商继续加码云计算投资，中国移动算力投资预计将增中国移动算力投资预计将增长长 34.9%，中国联通算力网络投资预计将增长，中国联通算力网络投资预计将增长 20.2%，中国电信产业数字化投资（，中国电信产业数字化投资（含含云计算）将增长云计算）将增长 40.2%。0 0000010000150002000025000阿里云收入同比增速35.604.30.30.00.50.20%9.70.00%7.20%8.40#.70.10 202021阿里云天翼云腾讯云华为云移动云其他 25 行业深度报告 通信通信 请参阅最后一页的重要声明 中国电信上市公司口径资本开支（亿元）中国电信上市公司口径资本开支（亿元）中国移动上市公司口径资本开支构成（亿元）中国移动上市公司口径资本开支构成（亿元）数据来源：中国电信，中信建投 数据来源：中国移动，中信建投 大力投入之下，电信大力投入之下，电信运营商运营商云计算云计算业务保持高速增长业务保持高速增长势头势头。中国电信天翼云 2022 年实现收入 579 亿元，同比增长 108%，公司预计 2023 年天翼云将突破千亿元收入；中国移动的移动云收入 2022 年达到 503 亿元，同比增长 108.1%；中国联通的联通云 2022 年实现收入 361 亿元，同比增长 121%，三大运营商云计算业务收入（亿元）及增速三大运营商云计算业务收入（亿元）及增速 数据来源：中国电信、中国移动、中国联通，中信建投 我们认为，电信运营商与互联网大厂相比，其发展云计算业务具有云网融合、客户关系良好、渠道覆盖完我们认为，电信运营商与互联网大厂相比，其发展云计算业务具有云网融合、客户关系良好、渠道覆盖完善、安全可信等优势，而且因底层的善、安全可信等优势，而且因底层的 IDC、带宽资源自有，客户渠道可复用，因此预计盈利能力可能也较强。、带宽资源自有，客户渠道可复用，因此预计盈利能力可能也较强。优势一：电信运营商可以真正实现云网融合、多云接入，为政企客户提供敏捷上云服务。优势一：电信运营商可以真正实现云网融合、多云接入，为政企客户提供敏捷上云服务。什么是云网融合？什么是云网融合？云网融合中的“云”是指云计算，“网”是指通信网，云网融合是通信技术与信息技术深度融合所带来的一种新技术形态，在发展上分为协同、融合和一体三个阶段，最终使得相对独立的云计算资源和网络设施融合形成一体化供给、一体化运营、一体化服务的体系。随着计算资源向云端迁移，数据在云上云下自由流动时，网络承担着将中心云算力输送至每个边缘节点的责任，是决定产业互联成效的关键因素。政企客户为什么需要云网融合？政企客户为什么需要云网融合？云网融合为政企客户上云提供便捷的网络接入，通过统一的云网运营平台帮助企业快速开通云网，让企业实现敏捷入云，通过网络切片差异化保障企业内不同的云业务，从而不但可为271320186148380315155140050100150200250300350400产业数字化移动网宽带网基础设施2022年2023年117133513421210294521412100200400600800100012001400连接算力能力基础2022年2023年1320922425034571138279579102411416336153.8560.003.047.85W.78.372.177.530.0075.00B.981.47%0P00 0%0005000020030040050060070020182019202020212022中国移动中国电信中国联通中国移动YoY中国电信YoY中国联通YoY 26 行业深度报告 通信通信 请参阅最后一页的重要声明 用户提供稳定的业务体验，还能解决企业一种业务配置一条专线带来的运维复杂、成本高等问题。此外，用户可通过统一的云网运营平台一站式订购云和专线，去除了中间多个流转环节，解决了业务开通慢等问题。电信运营商具有云网融合的独特优势。电信运营商具有云网融合的独特优势。电信运营商拥有完整的“网、云、边、端、安”能力。网络方面：网络方面：网络资源系运营商独有，可以提供全国范围内的有线、无线网络的覆盖，能满足云向边缘的延伸和扩展，确保“网随云动”。此外，电信运营商还可以为客户提供灵活的网络带宽适配以保证用户对传输速率的需求。云计云计算方面：算方面：虽然运营商云计算业务较 AWS、阿里云等起步晚，但是依靠其 IDC、带宽资源及 IT 积累，云业务实现了快速发展。运营商在云生态方面支持多云接入，可以为政企客户提供自主研发或第三方的公有云、私有云、专属云和混合云的全栈服务能力。在多云接入方面，运营商拥有天然优势，几乎可以整合所有第三方云，并根据客户需求提供，但第三方云公司之间因竞争关系，往往互斥，但政企客户一般需要多云备份，因此存在接入2 家或以上云计算公司的需求。此外三大运营商在 31 省市及边缘节点均有云资源池的布局，可实现云与边缘计实现云与边缘计算的超低时延服务和超强算力下沉，以满足产业互联网对于数据隐私、数据安全和实时控制的要求。算的超低时延服务和超强算力下沉，以满足产业互联网对于数据隐私、数据安全和实时控制的要求。云网融合架构云网融合架构 数据来源：中国联通，中信建投 优势二：电信运营商优势二：电信运营商 IDC 数量多、分布广，核心节点数量多、分布广，核心节点 31 省市均有布局，可为客户提供本地化服务。省市均有布局，可为客户提供本地化服务。我国我国IDC市场中，电信运营商占据主要份额。市场中，电信运营商占据主要份额。截至2022年底，ODCC数据显示三大运营商IDC份额约50%，其中中国电信占比约 21.1%，中国联通和中国移动分别为 14.7%和 14.4%。根据中国数据中心第三方运营商分析报告数据，万国数据、世纪互联、宝信软件、光环新网等 Top10 企业占据第三方 IDC 市场份额约 45%。根据三大运营商的公告数据，中国电信、中国移动、中国联通 IDC 数量分别为 51.3 万、46.7 万、36.3 万架。27 行业深度报告 通信通信 请参阅最后一页的重要声明 2022 年国内年国内 IDC 市场份额市场份额 2023 年三大运营商预计年三大运营商预计 IDC 机架数（万架）机架数（万架）数据来源：ODCC，中信建投 数据来源：中国移动、中国电信、中国联通，中信建投 总体来看，三大电信运营商的 IDC 业务布局策略相似，主要聚焦京津冀、长三角、粤港澳大湾区等高需求、高价值区域，同时在 31 个省直辖市自治区均有布局。预计到 2023 年末，中国移动对外可用机架数将达 53 万架，主要分布在京津冀、长三角、大湾区、成渝、海南自贸港等重点区域；中国电信对外服务机架数将超 56 万架，按“2（内蒙 贵州） 4（京津冀、长三角、粤港澳、陕川渝） 31（省级节点） X（接入层节点）”进行资源布局，80%机架布局在四大经济发达区域，覆益众多互联网企业、能源制造行业、服务业、金融业和政务等领域头部客户；中国联通机架数约 39 万架，按照“5（京津冀、长三角、珠三角、川陕渝、鲁豫） 2 31 X”布局，2021 年上半年平均使用率高于 60%，在拓展互联网客户基础上，优化客户结构，积极拓展金融和政府客户。优势三：电信运营商政企客户关系良好、渠道覆盖完善，强大的销售团队可提供贴身、定制服务。优势三：电信运营商政企客户关系良好、渠道覆盖完善，强大的销售团队可提供贴身、定制服务。电信运营商独家拥有基础网络资源，长期为政企客户提供语音、短信、专线等服务，所以只要有信息交互、数据传送、互联网访问等需求的政企客户几乎都是电信运营商的客户。因此，电信运营商的政企客户覆盖全面、数量众多、关系良好，且在为政企客户提供持续服务的过程中加深了客户理解、积累了丰富的运营经验，可快速、精准把握各类用户需求，为拓展政企客户的数字化转型业务打下了坚实基础。同时，云计算业务还可以复用现有客户经理团队。例如，天翼云在全国各地拥有 6 万名政企客户经理和 8 万名专业客服技术人员,移动云拥有 5 万人的客户经理团队，技术人员团队超 11.6 万人，客户可享受属地化支撑、贴身化服务的便利。优势四：数据安全日益重要，电信运营商作为央企，规范经营，打造了安全可信综合能力。优势四：数据安全日益重要，电信运营商作为央企，规范经营，打造了安全可信综合能力。2021 年 6 月，中华人民共和国数据安全法颁布，提出开展数据处理活动应当依照法律、法规的规定，建立健全全流程数据安全管理制度，组织开展数据安全教育培训，采取相应的技术措施和其它必要措施，保障数据安全。电信运营商在安全可信方面具有较强优势，一是其作为大型央企，在数据治理方面规范化程度相对较高；二是电信运营商运营着覆盖广泛的通信基础网络，本身就需要做好网络安全、信息安全等；三是作为独立的第三方平台，业务与政企客户几乎不发生重叠，亦不存在滥用客户数据的风险。此外电信运营商可为客户提供抗 DDoS 攻击、网站安全、域名安全、家庭安全、通话隐私安全、来电安全提醒等一系列保障和服务，可主动发现和拦截通过网络传播的恶意链接、恶意代码、诈骗信息、钓鱼网站等不良内容。21.10.70.40%5.20%4.10%2.10%1.40%0.80%0.505.70%中国电信中国联通中国移动万国数据世纪互联宝信软件光环新网数据港鹏博士其他5356390102030405060中国移动中国电信中国联通 28 行业深度报告 通信通信 请参阅最后一页的重要声明 四川国资云优势四川国资云优势 数据来源：四川国资云官网，中信建投 我们认为，企业数字化转型可能将先率从大中型企业开始，而国内大中型企业以国企居多，因此多地国资委积极探索发展“国资云”，旨在一方面助力地方国企加速数字化转型，另一方面保障数据安全。对此，我们预计电信运营商在“国资云”的发展中有望扮演重要角色。以四川国资云为例，其官方介绍的业务优势中特别强调了“安全可信”优势：四川国资云托管在四川电信 5 星级数据中心内，可实现运营商级别全链路，全体系安全保障，而“央企国资 省属国资”双倍的信用背书，可保证上云企业的数据安全。五、建议重点关注云计算产业链投资机会五、建议重点关注云计算产业链投资机会 2020 年年 7 月以来，云计算产业景气度有所下降，产业链相关公司股价与估值也明显回调。近期，云计算作月以来，云计算产业景气度有所下降，产业链相关公司股价与估值也明显回调。近期，云计算作为数字经济和人工智能的底层信息基础设施，虽然股价已有修复，但估值仍普遍处于历史估值中枢之下。为数字经济和人工智能的底层信息基础设施，虽然股价已有修复，但估值仍普遍处于历史估值中枢之下。云计算作为数字经济和数字中国的基石，有望依托政策支撑，迎来行业景气度的新一轮提升。云计算作为数字经济和数字中国的基石，有望依托政策支撑，迎来行业景气度的新一轮提升。二十大报告提出“建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合”，数字经济将是科技行业的发展主线。2023 年 2 月，国务院印发的数字中国建设整体布局规划指出，数字中国建设按照“2522”的整体框架进行布局，第一个“2”即夯实数字基础设施和数据资源体系两大基础。以以 ChatGPT 为代表的人工智能应用爆红，其有望作为驱动新一轮云计算及基础设施景气周期开启的重要为代表的人工智能应用爆红，其有望作为驱动新一轮云计算及基础设施景气周期开启的重要引爆点。引爆点。人工智能大模型在训练和推理过程中均需要海量算力支撑，目前以微软、谷歌、百度等为代表的互联网厂商积极进行大模型及应用开发，随着未来应用侧的不断演进，模型推理对新型智能算力的需求有望迅速提升，或将引发新一轮的算力基础设施投资热潮。根据中国信通院数据，2021 年全球计算设备算力总规模达到615EFlops（每秒浮点运算次数），同比增长 44%。预计 2030 年全球算力规模将达到 56ZFlps，平均年均增长 65%。展望未来，人工智能的发展将对算力提出更高要求，算力网络基础设施需求有望持续提升。展望未来，人工智能的发展将对算力提出更高要求，算力网络基础设施需求有望持续提升。29 行业深度报告 通信通信 请参阅最后一页的重要声明 云计算产业链示意图（部分企业）云计算产业链示意图（部分企业）数据来源：中国信通院，华为，紫光股份，中信建投 云计算产业链较长，涉及公司较多，我们认为在云计算产业链较长，涉及公司较多，我们认为在数字中国与数字中国与 AI 带动下，云计算行业景气度带动下，云计算行业景气度有望有望触底回升触底回升的背景下，产业链相关公司可能都的背景下，产业链相关公司可能都将将受益，业绩和估值都可能提升，其中我们建议重点关注：光模块受益，业绩和估值都可能提升，其中我们建议重点关注：光模块/光器件供光器件供应商（天孚通信、中际旭创、新易盛等）、应商（天孚通信、中际旭创、新易盛等）、ICT 设备商（紫光股份、中兴通讯、工业富联、锐捷网络等）、设备商（紫光股份、中兴通讯、工业富联、锐捷网络等）、IDC提供商（润泽科技、奥飞数据、宝信软件、海兰信等）以及电信运营商（中国电信、提供商（润泽科技、奥飞数据、宝信软件、海兰信等）以及电信运营商（中国电信、中国联通、中国联通、中国移动）。中国移动）。六、六、风险分析风险分析 国际环境变化对供应链的安全和稳定产生影响，且对相关公司向海外拓展的进度产生影响；芯片紧缺影响相关公司产品交付能力；疫情影响超预期，对相关公司的生产、销售和交付产生影响；人工智能行业发展不及预期，影响云计算产业链相关公司的需求；市场竞争加剧，导致毛利率快速下滑；汇率波动影响外向型企业的汇兑收益与毛利率，包括 ICT 设备、光模块/光器件等板块的企业；数字经济和数字中国建设发展不及预期等；电信运营商的云计算业务发展不及预期；运营商资本开支不及预期；云厂商资本开支不及预期等。30 行业深度报告 通信通信 请参阅最后一页的重要声明 分析师介绍分析师介绍 阎贵成阎贵成 中信建投证券通信&计算机行业首席分析师，北京大学学士、硕士，专注于云计算、物联网、信息安全、信创与 5G 等领域研究。近 8 年中国移动工作经验，6 年多证券研究经验。系 2019-2021 年 新财富、水晶球 通信行业最佳分析师第一名，2017-2018年新财富、水晶球通信行业最佳分析师第一名团队核心成员。武超则武超则 中信建投证券研究所所长兼国际业务部负责人，董事总经理，TMT 行业首席分析师。新财富白金分析师，2013-2020 年连续八届新财富最佳分析师通信行业第一名；2014-2020 年连续七届水晶球最佳分析师通信行业第一名。专注于 5G、云计算、物联网等领域研究。中国证券业协会证券分析师、投资顾问与首席经济学家委员会委员。刘永旭刘永旭 通信行业分析师，南开大学学士、硕士，曾从事军工行业研究工作，2020 年加入中信建投通信团队，主要研究云计算 IDC、工业互联网、通信新能源、卫星应用、专网通信等方向。2020-2021 年新财富、水晶球通信行业最佳分析师第一名团队成员。杨伟杨伟松松 通信行业分析师，南京大学理学学士，浙江大学工学硕士。6 年光通信行业研发及管理经验，曾就职于光通信头部企业 Coherent。2022 年 2 月加入中信建投通信团队，主要研究光通信、ICT 设备和激光雷达等方向。曹添雨曹添雨 中信建投证券通信行业分析师，中央财经大学硕士，曾在国家电网从事信息通信工作，2020 年加入中信建投通信团队，2020-2021 年新财富、水晶球通信行业最佳分析师第一名团队成员。31 行业深度报告 通信通信 请参阅最后一页的重要声明 评级说明评级说明 投资评级标准 评级 说明 报告中投资建议涉及的评级标准为报告发布日后 6个月内的相对市场表现，也即报告发布日后的 6 个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。A 股市场以沪深300 指数作为基准；新三板市场以三板成指为基准；香港市场以恒生指数作为基准；美国市场以标普 500 指数为基准。股票评级 买入 相对涨幅 15以上 增持 相对涨幅 5 中性 相对涨幅-5%5之间 减持 相对跌幅 5 卖出 相对跌幅 15以上 行业评级 强于大市 相对涨幅 10%以上 中性 相对涨幅-10-10%之间 弱于大市 相对跌幅 10%以上 分析师声明分析师声明 本报告署名分析师在此声明：（i）以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,结论不受任何第三方的授意或影响。（ii）本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。法律主体说明法律主体说明 本报告由中信建投证券股份有限公司及/或其附属机构（以下合称“中信建投”）制作，由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。中信建投证券股份有限公司具有中国证监会许可的投资咨询业务资格，本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格证书编号已披露在报告首页。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。本报告作者所持香港证监会牌照的中央编号已披露在报告首页。一般性声明一般性声明 本报告由中信建投制作。发送本报告不构成任何合同或承诺的基础，不因接收者收到本报告而视其为中信建投客户。本报告的信息均来源于中信建投认为可靠的公开资料，但中信建投对这些信息的准确性及完整性不作任何保证。本报告所载观点、评估和预测仅反映本报告出具日该分析师的判断，该等观点、评估和预测可能在不发出通知的情况下有所变更，亦有可能因使用不同假设和标准或者采用不同分析方法而与中信建投其他部门、人员口头或书面表达的意见不同或相反。本报告所引证券或其他金融工具的过往业绩不代表其未来表现。报告中所含任何具有预测性质的内容皆基于相应的假设条件，而任何假设条件都可能随时发生变化并影响实际投资收益。中信建投不承诺、不保证本报告所含具有预测性质的内容必然得以实现。本报告内容的全部或部分均不构成投资建议。本报告所包含的观点、建议并未考虑报告接收人在财务状况、投资目的、风险偏好等方面的具体情况，报告接收者应当独立评估本报告所含信息，基于自身投资目标、需求、市场机会、风险及其他因素自主做出决策并自行承担投资风险。中信建投建议所有投资者应就任何潜在投资向其税务、会计或法律顾问咨询。不论报告接收者是否根据本报告做出投资决策，中信建投都不对该等投资决策提供任何形式的担保，亦不以任何形式分享投资收益或者分担投资损失。中信建投不对使用本报告所产生的任何直接或间接损失承担责任。在法律法规及监管规定允许的范围内，中信建投可能持有并交易本报告中所提公司的股份或其他财产权益，也可能在过去 12 个月、目前或者将来为本报告中所提公司提供或者争取为其提供投资银行、做市交易、财务顾问或其他金融服务。本报告内容真实、准确、完整地反映了署名分析师的观点，分析师的薪酬无论过去、现在或未来都不会直接或间接与其所撰写报告中的具体观点相联系，分析师亦不会因撰写本报告而获取不当利益。本报告为中信建投所有。未经中信建投事先书面许可，任何机构和/或个人不得以任何形式转发、翻版、复制、发布或引用本报告全部或部分内容，亦不得从未经中信建投书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本报告全部或部分内容。版权所有，违者必究。中信建投证券研究发展部中信建投证券研究发展部 中信建投（国际）中信建投（国际）北京 上海 深圳 香港 东城区朝内大街2 号凯恒中心B座 12 层 上海浦东新区浦东南路528号南塔 2106 室 福田区福中三路与鹏程一路交汇处广电金融中心 35 楼 中环交易广场 2 期 18 楼 电话：（8610）8513-0588 电话：（8621）6882-1600 电话：（86755）8252-1369 电话：（852）3465-5600 联系人：李祉瑶 联系人：翁起帆 联系人：曹莹 联系人：刘泓麟 邮箱： 邮箱： 邮箱： 邮箱：charleneliucsci.hk

7人已浏览 2023-03-30 34页 5星级

卫星遥感技术金融业应用报告北京金融科技产业联盟2023 年 3 月版权声明本报告版权属于北京金融科技产业联盟，并受法律保护。转载、编摘或利用其他方式使用本白皮书文字或观点的，应注明来源。违反上述声明者，将被追究相关法律责任。I编制委员会主任：吕仲涛潘润红编委会成员：聂丽琴金海旻刘承岩鲁金彪编写组成员：孙凌浩张海军史大鹏胡国强黄炳罗涛姜璐白梦圆施佳子瞿威吕蓉缪迪文尹亮邱雪涛王宇文黎明谢林李斌陈东航邓俊毅谢超陆碧波郭胜韩冰冯丽娜徐旭丁洪涧丁来平宗煦李宇翔张晓娟杨晓诚肖扬编审：黄本涛姜璐刘昌娟姚文韬II牵头编写单位：工商银行金融科技研究院联合牵头单位：中国建设银行股份有限公司参编单位：中国银联股份有限公司银联商务股份有限公司兴业银行股份有限公司平安银行股份有限公司浙江网商银行股份有限公司华为技术有限公司III目录目录一、卫星遥感技术金融行业应用背景.1（一）金融业发展战略和数字化发展趋势.1（二）卫星遥感技术应用政策背景.1（三）多技术融合拓展卫星遥感应用广度和深度.3二、卫星遥感技术发展情况.4（一）卫星遥感技术介绍.5（二）卫星遥感技术应用流程.7三、金融行业卫星遥感应用诉求.27（一）涉农信贷.27（二）农险和产险.28（三）地产基建信贷风控.30（四）一带一路信贷风控.31（五）投资决策辅助.32（六）新能源绿色金融信贷风控.32（七）土地流转管理.34（八）金融租赁风控.35四、卫星遥感技术金融业应用案例.36（一）金融业应用现状概述.36（二）银行应用案例介绍.45（三）保险业应用案例介绍.67（四）遥感技术应用的局限性案例分析.68（五）遥感和 IOT 结合案例规划.72五、总结和展望.75（一）小结.75（二）风险与挑战.76（三）应用建议.80（四）展望.83六、参考文献.86七、附录.87（一）卫星遥感相关政策法规.87（二）卫星遥感相关标准.89（三）SaaS 平台.951一、卫星遥感技术金融行业应用背景（一）（一）金融业发展战略和数字化发展趋势金融业发展战略和数字化发展趋势随着云计算、大数据、人工智能、区块链和卫星遥感等新兴技术在金融行业的深入应用，科技对于金融的作用被不断强化，创新型的金融解决方案层出不穷，金融科技发展进入新阶段。金融机构纷纷立足新发展阶段，深入践行新发展理念，坚持目标导向和问题导向，以深化金融数据要素应用为基础，以支撑金融供给侧结构性改革为目标，以加快推进金融机构数字化转型为主线，在健全科技治理体系、夯实数字基础底座、加强技术创新引领、激活数字化经营动能、强化创新审慎监管、践行数字普惠金融等方面精准发力，加快健全适应数字经济发展的现代金融体系，为构建新发展格局贡献金融力量，进一步增强金融体系的适应性、竞争性和普惠性。以大型银行为代表的金融机构，对于数字化转型的目标、路径和举措都建立了各具特色、全面丰富的系统性战略布局，尤其体现在数字技术与信息化应用投入方面。银保监会发布的数据显示，2020 年的银行机构信息科技资金总投入达 2078 亿元，同比增长 20%，增长速度远高于同期银行业的收入和利润增长率。（二）卫星遥感技术应用政策背景（二）卫星遥感技术应用政策背景卫星遥感技术应用政策，是为推动遥感卫星技术实现深度应2用、商业化的一系列政策、法令、规章制度的总称。卫星遥感作为一个高投入、高风险且回报周期长的技术密集型产业，其发展离不开政府的政策和资金支持。为鼓励和规范卫星遥感技术及其应用，国家相继出台一系列的政策、标准和法律法规，在推动遥感卫星应用和产业化发展方面发挥了实实在在的重要作用。1.卫星遥感相关政策和法律法规近些年来，国家相继出台了一系列法律法规、规划纲要及产业鼓励政策，大力推进以卫星遥感为核心的卫星应用领域相关建设，加速卫星遥感商业化应用，促进中国卫星遥感行业迅速发展。如 2021 年中国人民银行金融科技发展规划（2022-2025 年）中提出在农村金融领域，借助移动互联网、卫星遥感、电子围栏等技术，实现融资需求精准授信，推动农业保险承保理赔电子化、智能化。2022 年中共中央办公厅和国务院办公厅发布的乡村建设行动实施方案加快建设农业农村遥感卫星等天基设施，建立农业农村大数据体系，推进重要农产品全产业链大数据建设（卫星遥感相关政策和法律法规详细内容见附录一）。2.金融行业卫星遥感技术应用标准目前，卫星遥感技术在金融行业已有较多应用，但遥感技术的标准化研究与建立工作还没有系统性地开展，整体上落后于遥感技术的发展，不能满足遥感技术的飞速发展和产业化的需要。当前卫星遥感的相关标准主要集中在数据和应用方面，遥感技术及其应用的行业标准主要集中在农业、测绘、环境保护、交通、3气象、地震、地质矿产等领域，而已颁布的金融业卫星遥感行业标准较少，主要包括由中国银行保险监督管理委员会颁布的基于遥感技术的农业保险精准承保和快速理赔规范。随着相关业务的开展，各金融机构对卫星遥感技术应用的标准化工作越来越重视，如北京金融科技联盟正牵头组织相关单位合作撰写的卫星遥感金融业技术指标和评估标准，以规范遥感技术在金融信贷的应用（现行或即将实施的遥感技术及其应用相关国家标准详见附录二）。（三）多技术融合拓展卫星遥感应用广度和深度（三）多技术融合拓展卫星遥感应用广度和深度云计算、人工智能、区块链、卫星遥感等新兴技术并非彼此孤立，而是相互关联、相辅相成、相互促进的。卫星遥感具有非接触、高分别率、探测范围广、可重复观测、真实客观等特性，被称为“千里慧眼”。随着人工智能技术特别是深度学习技术的快速发展，以及计算机处理能力的提高，使得卫星遥感数据的可用性显著增强，遥感数据的数量和质量在过去 10 年里取得了极大的提高。卫星遥感的应用模式已从传统的“数据-分析服务”，转变为“基础数据-增值产品-信息产品-解决方案”的全流程供应链。整个服务体系可面向行业应用，提取与挖掘多样化的信息产品满足业务化需求，可面向行业市场提供整体解决方案，形成完整的服务体系闭环，更好地支撑各行业的综合应用，提升新型信息化技术应用水平。通过对卫星遥感数据建立不同场景的人工智能算法模型，卫星遥感当前已经在国土资源监测、城市规划、农业估产、生态环境监测、防灾减灾应急响应等领域成功应用。4在金融行业中，利用卫星遥感具有观测覆盖面积大、重访周期短、精度高等特点，将遥感技术与金融服务进行深度融合，结合人工智能、图像分析等新技术，打造卫星遥感影像智能分析系统，并应用在信贷管理工程建设贷后监控、普惠金融农业信贷发放评估、保险定损理赔等业务方向上，全面提升金融行业信贷、保险等领域的服务水平。二、卫星遥感技术发展情况卫星遥感是从高空通过传感器探测及接收来自目标物体所辐射及反射的电磁波信息，从而识别物体的属性及其空间分布等特征，并通过遥感技术平台获取卫星遥感数据进行分析处理的技术。中央电视台新闻联播后的天气预报中屡被提及的卫星云图就是遥感成像技术的直观展现形式，如图 1 所示。图1.卫星遥感技术示意图5（一）卫星遥感技术介绍（一）卫星遥感技术介绍1.1.相关概念相关概念（1）遥感及遥感卫星遥感遥感（Remote Sensing，简称 RS），一词由美国海军研究局EvelynL.Pruitt 于 20 世纪 60 年代创造。在 卫星遥感技术 中，遥感的定义为“不直接接触物体，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理、并最后成像，从而实现对地面各种景物进行探测和识别的一种对地观测综合技术”。遥感卫星遥感卫星是用作外层空间遥感平台的人造卫星，是应用卫星的最主要类型之一，可以分为大卫星、小卫星等。大卫星的重量大于 1000KG，平均制造成本通常高于 5000 万美元；小卫星的重量在 500-1000KG，研制成本通常在 2000-5000 万美元；其次还有微小卫星、微卫星、纳卫星、皮卫星。遥感卫星通过对地球系统或物体进行特定电磁波谱段的数字化成像观测，进而获取观测对象多方面特征信息。遥感卫星在用途上区别于导航卫星、通信卫星和科研卫星等，主要应用场景包括资源调查、农业估产、天气与海况预报、防灾减灾和军事侦察等。（2）空间分辨率遥感图像上最小单元的尺寸，越小空间分辨率越高，图像中表达的信息就越丰富和精确。6（3）光谱分辨率传感器在接收目标辐射的光谱时，能分辨的最小波长间隔。光谱分辨率和空间分辨率相互制约，在一定程度上呈负相关。（4）时间分辨率时间分辨率是指在同一区域进行的相邻两次遥感观测的最小时间间隔，时间间隔大，时间分辨率低，反之时间分辨率高。2.卫星遥感特点2.卫星遥感特点卫星遥感具有时效性、周期性及数据综合性等特点。（1）时效性卫星遥感获取资料速度快、周期短，且不受高山、冰川、沙漠等恶劣条件限制，商业化发展潜力大。（2）周期性卫星遥感能动态反映地面事物的变化，遥感探测能周期性、重复地对同一地区进行对地观测，有助于动态跟踪事物变化。（3）数据综合性遥感获取的数据具有综合性，遥感探测所获取的是同一时段、覆盖大范围地区的遥感数据，这些数据综合地反映了各类事物的形态与分布等信息。7（二）卫星遥感技术应用流程（二）卫星遥感技术应用流程随着全球遥感卫星发射次数不断增长，卫星遥感上下游各行业新进入者日益增多，卫星遥感行业市场规模逐渐扩大，商业化进程加速推进。卫星遥感技术从应用流程角度可分为卫星遥感影像生成及获取、影像分析、场景应用三个环节，如图 2 所示。图2.卫星遥感技术应用流程1.1.卫星遥感影像生成及获取：卫星产业呈规模化发展，为商卫星遥感影像生成及获取：卫星产业呈规模化发展，为商业应用奠定基础业应用奠定基础卫星遥感影像生成和获取涉及遥感卫星的制造、发射及运营等上游产业，是获取空间信息的根源。当前卫星上游产业呈现规8模化发展，为商业应用奠定了基础。（1）遥感影像数据介绍卫星遥感影像信息的采集以电磁波作为传播媒介。根据电磁波波长的不同，遥感影像可分为紫外（探测波段 0.05-0.38um）、可见光（探测波段 0.38-0.76um）、红外（波段 0.76-15um）、微波（雷达）（探测波段 1mm-1m）遥感影像1。紫外遥感影像紫外遥感影像：指探测传感器波段在 0.05-0.38 的遥感影像。紫外波段的太阳光被低、中、高层大气分别强烈散射和被大气中的臭氧等微量气体强烈选择吸收，所观测的大气紫外散射光谱对大气密度、大气臭氧、气溶胶及其他微量气体的密度和垂直分布极为敏感。因此，利用紫外光谱观测可以同时遥感整层大气密度和臭氧等的三维分布，在气象的观测上有较大的用处。可见光遥感影像可见光遥感影像：指探测传感器波段在 0.38um-0.76um 的遥感影像。可见光是人类眼睛可见光谱段的总称，是最早用来进行遥感的光谱段，也是当前最常用的工作波段，广泛应用于各行各业。红外遥感影像红外遥感影像：指探测传感器波段在 0.76-15um 的遥感影像，又可进一步分为近红外（0.76-3um）、中红外（3-6um）和远红外（6-15um）。近红外和中红外统称反射红外，多用于白天光学摄影。远红外称为热红外或发射红外，主要由于地物自身辐射，用于夜间红外扫描、适用于军事侦察、地热、土壤温度、地质构造等。微波微波（雷达雷达）遥感影像遥感影像：指探测传感器波段在 1mm1m 的遥9感影像。相较于可见光等遥感影像，微波遥感具有不受光照和气候条件等限制实现全天时、全天候对地观测的特点，可以透过地表或植被获取其掩盖的信息，具有极高的空间分辨率，在农、林、水或地质、自然灾害等民用领域具有广泛的应用前景。随着光谱和成像相关技术的提高，遥感影像发展也逐步向多光谱、高光谱演进，光谱波段细分程度越来越细。多光谱遥感影像多光谱遥感影像：指具有两个以上波谱通道的传感器对地物进行同步成像的遥感影像。探测波段在可见光和红外波段，波段划分为几个、十几个窄波进行探测，不连续，不能覆盖全部波段范围，他将物体辐射反射的电磁波信息分成若干波谱段进行接收与记录。高光谱遥感影像高光谱遥感影像：指利用多个波段窄且光谱通道连续的遥感方法对地物成像的遥感影像。探测波段在紫外到中红外波段，与多光谱相比，覆盖全部范围。其光谱分辨率广，从可见光到短波红外，光谱通道数多达几十至百个以上，且各光谱通道是连续的，因此每个图像像元均具有一条完整的光谱曲线。（2）发展现状受益于政策助力和技术发展，我国遥感卫星数量持续增加，并呈现出规模化、低轨化、高分辨率的趋势。下文将针对遥感卫星数量、质量以及数据可得性对当前遥感卫星产业进行简要介绍。101）数量：遥感卫星数量持续增加，多源遥感数据量激增，市场发展呈规模化多源遥感数据量的激增多源遥感数据量的激增：随着遥感技术、光学、热红外和微波等技术的发展，多源遥感影像数据量（多时相、多光谱、多传感器、多平台、多分辨率）呈规模化增长，主要有以下特点：冗余性：对环境或目标的表示、描述或解译结果相同；互补性：信息来自不同的自由度且相互独立；合作性：不同传感器在观测和处理信息时对其他信息有依赖关系。遥感卫星市场呈规模化发展遥感卫星市场呈规模化发展：全球遥感卫星在轨运行数量占在轨卫星数量的比例日益提高，由 2015 年的 17%增长至 2019 年的 27%。根据美国忧思科学家联盟的在轨遥感卫星数量的数据中（截至 2020.7），美国排名第一，为 462 颗，中国排名第二，拥有 181 颗遥感在轨卫星，且近年来，国家重大高分专项的加持使得卫星发射成本逐渐降低，卫星遥感技术日渐成熟，为卫星产业应用规模化提供了有利条件。2）质量：在高分专项加持下，遥感数据质量显著提升，对地观测能力得到加强高分辨率高分辨率：随着卫星技术的发展，民用卫星影像的空间分辨率和时间分辨率在高分项目的加持下得到较大程度的提高，为后续的产业化应用提供了丰富的监测手段与数据基础。低轨化低轨化：低轨卫星（高度范围 500-2000km）采用更低的轨道，发射载荷效率高于传统卫星；能够快速抵达预定轨道工作，时延11短且链路损耗小，分辨率高；在轨重访周期短，可在更短时间内对同一目标再次侦测，获取更清晰的信息。小型化小型化：小卫星主要针对于大范围区域进行全方位遥感，小卫星研制周期短，仅需一年时间即可完成从立项研制到发射全过程，而大卫星则至少需要 5-8 年的时间，阵线长且时间成本高。3）可获得性：受益于政策支持和数据公开，数据可获得性增强2015 年的国家民用空间基础设施中长期发展规划（2015-2025 年）为国内民用遥感卫星产业发展奠定了坚实的基础，在卫星数据使用方面明确了逐步开放空间分辨率优于 0.5米级的民用卫星遥感数据。自此以后，国家在政策上逐步鼓励遥感数据的应用，于 2018 年在遥感数据应用方面重点颁布了遥感数据开放的管理办法，推动数据共享、应用推广，遥感数据应用的市场空间进一步打开。此外，欧空局官方公开哨兵二号等数据，支持全球数据下载。哨兵二号主要提供 L1C 和 L2A 两种产品数据。L1C 产品经过正射校正和亚像元级几何精校正，为天顶表观反射率数据；L2A 是对L1C 进行大气校正得到的地表反射率数据产品。2.2.卫星遥感影像分析：卫星遥感影像分析：AIAI 助力，从助力，从“看得清看得清”到到“看得懂看得懂”（1）卫星遥感影像分析技术介绍卫星遥感影像主要通过分析光学、微波遥感图像中各类地物12的光谱信息和空间信息，选择特征，采用合适算法将特征空间划分为互不重叠的子空间，提取感兴趣的像元数据，其关键包括卫星遥感影像的预处理、智能分析和 3S 融合可视化分析。卫星遥感影像分析技术发展可分为以下 4 个阶段：人工分析阶段、计算机辅助阶段、自动化阶段（专家系统）、空间大数据-人工智能-自助分析阶段。人工分析人工分析：依靠人工对遥感飞机等航测航拍数据进行识别、定位和分析，形成报告文档。计算机辅助计算机辅助：使用计算机处理遥感数据辅助人工分析。自动化自动化：对于遥感特定问题能实现自动化数据处理和分析。空间大数据-人工智能-自助式分析空间大数据-人工智能-自助式分析：空间大数据融合激发了一系列数据驱动的创新应用，人工智能技术突破使遥感图像识别更加智能化和普及化，自助式分析提供了高效的探索式分析能力，以上三者的有机结合开拓出空间数据智能的蓬勃发展。（2）卫星遥感影像的预处理通常情形下，获取的原始卫星遥感图像无法直接使用，需要先经过预处理。预处理的精度会直接影响人眼对图像视觉特征的敏感程度并间接影响图像处理的精准度与效率。遥感图像预处理技术主要包括辐射校正、几何校正、图像增强等。1）辐射校正采集图像时，传入传感器的辐射能量包括地物放射、大气层辐射以及地物反射，但因传感器特性上存在差异，造成传感器的13探测值与实际光谱辐射值不一致，这种辐射失真即辐射畸变，而消除或修正这种辐射畸变的过程即辐射校正。一般而言辐射校正分为辐射标定、大气校正、地形及太阳高度校正。辐射定标辐射定标：指将记录的原始遥感影像像元亮度值转换为大气外层表面反射率（或辐射亮度值），通过标定排除传感器、波普、时间等造成的误差。大气校正大气校正：将辐射亮度或者表面反射率转换为地表实际反射率，其目的是消除大气和光照等因素对地物反射的影响，获得地物反射率、辐射率、地表温度等正式物理模型参数。太阳高度角及地形校正太阳高度角及地形校正：通过统计学模型和物理学模型，消除地表地形不同、太阳高度角不同造成的辐射亮度的误差，如图3 所示。图 3.辐射校正2）几何校正几何校正是纠正系统或非系统因素引起图像像素相对于地14物实际位置产生的挤压、拉伸、扭曲与偏移的几何畸变。传统做法在遥感影像中选择控制点，定位地理坐标，而后建立影像和真实世界的映射函数，以此获得真实坐标信息，最后通过重采样计算变换后像元亮度值，如图 4 所示。图 4.几何校正3）图像增强图像增强指增强图像中的有用信息，改善图像的视觉效果，图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。图像增强有一系列的不同方法，包括图像融合、图像裁剪、对比度增强等。图像融合：图像融合：通过将时间或空间的多源数据按照一定法则合成为高空间分辨率的彩色影像图像。图像融合有两点需求：图像空间信息匹配：空间位置、图像行列数一致；图像光谱信息匹配：同名像元点的灰度值具有较好的相关性。在空间域代数运算融合比较常用的有 Brovey 转换法、PBIM 融合算法；在变换域比15较流行的有 HSI 变换融合法，如图 5 所示。图 5.图像融合图像裁剪图像裁剪：选定遥感影像中的一个特定的感兴趣的范围，常用的裁剪方式包括按 ROI 裁剪和按地图裁剪，而后根据需求进行旋转、放大、缩小等并整理成合适的训练数据集，如图 5 所示。图 6.图像裁剪对比度增强对比度增强：通过调整非正态分布的直方图到正态分布，对图像重新分配像素值，使一定范围内的像素数量大致相同，解决图像因对比图过小造成亮度过暗或过亮的问题，改善图像的质量，便于分辨地物轮廓并提取信息。16图 7.对比度增强（3）卫星遥感影像智能分析随着人工智能技术的发展，决策型的智能技术将成为未来的主流发展目标之一，其目的是在智能解译数据时让系统自带决策功能，学习人脑思维方式分析问题，利用“经验”自主选择判断依据，针对场景进行包括网络模型的适配、异构实体网络的自主构建、多关联关系的动态优化等，完成指定任务。卫星遥感影像智能分析是通过建立地物的分类、识别、变化深度学习神经网络模型，自动获取、加工、提取遥感影像中像素信息，形成数量、面积、方向，土地性质、长势等对业务领域有价值的信息，实现遥感影像从“看得清”到“看得懂”。1）人工智能目标检测算法目标检测算法通过网络模型分析影像前景和背景，提取影像中的感兴趣目标的位置、数目和类别信息。基于深度学习的遥感影像目标检测算法即通过训练适用于多分辨率遥感数据的卷积17神经网络模型（如 YOLT），分析影像语义特征，提取遥感影像中的感兴趣目标位置，如图 8 所示。该算法作为是遥感图像分析的一项重要工具，有助于城市规划、交通疏通等重要应用。例如在道路检测场景中，通过训练卷积神经网络模型，提取深度语义特征确定中心线位置并预测像素是中心线的“概率”，从遥感影像中检测道路，并输出矢量化的道路边界和中心线图层。图 8.目标检测2）人工智能地物分类算法地物分类通过已训练的分类网络模型对影像特定区域内的土地性质进行解析、分割，以此进一步分析不同位置的土地性质情况。通用的地物分类模型，是基于大量通用数据训练的，能够识别多类地物，模型具有一定的普适性。例如基于知识的决策树分类是以遥感影像数据及其他空间数据为基础，通过专家经验总结、数学统计、归纳方法等，获得分类规则并进行遥感图像分类。这类模型的分类规则易于理解，分类过程也符合人的认知过程。特殊的地物分类模型，例如对光伏、农作物等做进一步像素分析，18以获取其范围、面积、质量等信息，是通过训练适用于多分辨率遥感数据的卷积神经网络模型（如 U-net），对图像进行逐像素分类实现图像语义分割，其最大特点就是通过反卷积拼接特征，使得浅层语义信息和深层语义信息能结合起来，可支持多尺度和超大图像的输入，如图 9 所示。图 9.地物分类3）人工智能变化检测算法变化检测是从定量的角度来分析两个不同时期的同一区域地表物体变化的，确定和分析该地域地物的变化，包括地物位置、范围的变化和地物性质、状态的变化。由于变化检测的目的是研究图像中地物特性的变化，但是太阳光照角度、大气变化、传感器不同都会造成一定的干扰，因此在变化检测前需要对遥感图像进行预处理，例如辐射校正、大气校正，使干扰因素对变化检测的影响降到最小。根据算法的不同，检测算法可分为通用变化检测、建筑物变化检测等。通用变化检测算法采用深度神经网络和多模型融合技术，排除掉季节等干扰因素，按照一定的规则，提19取出其中土地，水域等发生变化的位置和范围。建筑物变化检测算法基于孪生神经网络专注提取图像中建筑物的语义特征，通过计算每对特征点之间的度量（如 L1 距离），判断该位置点是否发生了变化，当输入两期不同时间的同一地区的影像时，模型能够智能地找出影像中发生变化的建筑物，如图 10 所示。图 10.变化检测4）光谱分析算法卫星遥感影像是基于地物反射辐射成像的，包含了地表各物质的光谱信息，其中不同物质的光谱特性各不相同，需要特定算法对其解译。光谱分析影像处理的常见算法主要包括光谱角度匹配、光谱特征拟合、波段指数计算等。光谱角度匹配光谱角度匹配：通过比较图像波谱与地物波谱或波谱库中地物波谱完成对图像的分析，是一种交互式自动分类方法。光谱特征拟合光谱特征拟合：选择包含目标矿物特定吸收谱带的光谱区20间，利用最小二乘拟合方法，比较像元光谱与目标光谱吸收特征的整体形态和吸收深度的分类方法。波段指数计算波段指数计算：对于非可见光的多光谱遥感图像，可采用专业的遥感图像处理工具提取各波段信息，并根据公式计算，实现了从“定性”到“定量”的遥感对地观测。对近红外、热红外等波段进行波段提取和参数分析，在农业、地矿、水体、碳浓度监测等领域拥有独特的优势。例如在红波波段和近红外波段，作物的反射特征与作物长势额产量有明显的正相关关系。基于这两个波段计算的 NDVI（归一化植被生长指数）直接反映作物的生长过程。（4）卫星遥感 3s 融合可视化分析技术3S 是遥感（Remote Sensing）、全球定位系统（GlobalPosition System）和地理信息系统（Geographic InformationSystem）的简称，结合空间技术、传感器技术、卫星定位与导航技术和计算机技术、通信技术等多种技术。卫星遥感的应用，需要 GPS 与 GIS 的支撑：遥感影像带有天然的地理空间属性，作为地表的观测影像，遥感影像和其分析结果是一种典型的空间数据，需要基于影像元数据（拍摄时间、卫星轨道位置、拍摄角度等），并通过空间几何运算映射到地理空间位置和物理空间单位（如距离，面积等）才具备应用价值。为更好展示互动展现分析结果，发挥数据价值，遥感影像将分析结果，需要融合其他大数据（如地图信息、人地大数据等）信息，以交互式查询和分析的方式发掘商业智能。图 11 展示了 3S 融合可视化分析技术在不21动产抵押场景中的应用。图 11.3S 融合可视化分析技术（5）主流技术平台和框架介绍随着卫星行业示范应用的快速推广，又衍生出卫星应用服务新业态，即依靠基础软件平台和核心技术，对卫星数据进行提取、加工、解译处理，为用户提供监测分析服务或信息挖掘服务。遥感云计算平台可有效降低大比例、高分辨率及长时间序列遥感数据应用的准入门槛，大幅提高遥感数据运算效率。遥感云计算平台拥有海量数据资源，并提供交互式大数据计算服务及应用程序接口 API，无需本地安装软件亦无需下载数据至本地进行处理，只需接入云平台，按照流量、使用频率等方式进行付费，彻底改变了传统遥感数据需本地下载、处理及分析的模式。1）平台基于商汤 SenceRemote 智能遥感解译算法的 SenseEarth、阿里的泛自然资源行业人工智能引擎 AIEarth、腾讯的 WeEarth 超级地球及华为云地理智能体等平台发展迅速，逐渐应用于违建监22管、路网规划等城市管理领域，生态管理等自然资源领域，保险、期货等金融领域。各家平台简介如表 1 所示，详见附录（三）。表 1.遥感相关平台简介产品产品简介简介遥 感 智 能 视觉平台L-earth 天枢集成了海量数据管理、数据标注、模型训练、模型测试和发布、遥感推理服务以及模型知识资产的安全管控功能，提供数据中心、遥感解译（地物分割、变化检测、目标识别、实例分割）、工具箱（影像超分、电力检测）等模块。阿 里 达 摩 院AI Earth提供遥感、气象等多源对地观测数据的云计算分析服务，包括数据检索、处理分析、模型训练 3 大模块。其中处理分析模块分为 AI 解译和基础处理两部分，AI解译提供地物分类、大棚提取、地块提取等 14 种能力，基础处理提供波段合成、指数计算等 8 种能力。在农业遥感方面，AI Earth 针对农业气象提出解决方案。腾讯云WeEarth 超级地球提供遥感影像、时空大数据管理、融合和逻辑运算能力，以及地图、遥感、物联网、位置服务等领域的全时空 PaaS、SaaS 服务。涵盖卫星源数据的获取、存储、更新、传输、查询、应用、AI 分析等全产业链。华 为 云 遥 感地理智能体构建一站式全流程遥感智能开发云平台，提供数据平台、智能计算平台，为自然资源、生态、气象、环保等提供技术支撑。GoogleEarthEngine对大量地球尺度地球科学资料（尤其是卫星数据）进行在线可视化计算和分析处理的云平台，该平台能够存取卫星图像和其他地球观测数据库中的资料并拥有足够的运算能力对这些数据进行处理。四维地球提供日新图影像、镶嵌图影像、地物分类、变化检测、目标检测等产品。大地量子通过遥感 AI 技术，为农业、林业气候、金融等多个领域提供遥感服务。珈和地事通针对农情、农险相关场景提供农情类、土地类、气象类、病虫害、气象灾害 5 大类遥感监测服务。ENVI提供一个完整的遥感图像处理平台，支持光谱分析、数据分析、高级图像分析。PCI是业内主流的遥感图像处理软件，功能覆盖遥感图像处理的全部环节。ERDAS通过将遥感应用、图像处理、摄影测量、雷达数据处理、地理信息系统和三维可视化等技术结合在一个系统中，实现地学工程一体化结合；无需做任何格式和系统的转换就可以建立和实现整个地学相关工程。呈现完整的工业流程，为用户提供计算速度更快，精度更高，数据处理量更大，面向工程化的新一代遥感图像处理与摄影测量解决方案。中科星图在基础软件平台之上承载融合各行业空间信息、扩展行业应用打造形成的行业专23属应用软件，目前主要应用在特种数字地球应用软件、自然资源数字地球应用软件、交通数字地球应用软件、气象数字地球应用软件四大领域。航天宏图智慧地球云服务平台“PIE-Engine”是一套包容性强、普适性广的成熟产品集。集成了自主开发的光学、微波、光谱、雷达等多种数据算法，在支撑大气海洋环境，陆地资源环境，陆海空导航等卫星应用方面发挥重要作用，实现了关键领域核心技术的国产化替代。2）框架在框架方面，目前华为的深度学习框架 MindSpore、百度飞桨的 PaddleRS 等都包含对遥感技术应用的支持，此外相关框架也和科研院所共同合作开发了遥感专用开发框架以及预训练大模型。MindSporeMindSporeMindSpore 是华为推出的一种全新的深度学习计算框架，旨在实现易开发、高效执行、全场景覆盖三大目标。MindSpore 原生支持超大模型训练及 AI 科学计算能力，可以加速遥感模型的训练时间和效率。为了在大型数据集上有效训练大模型，MindSpore 支持数据并行、模型并行和混合并行训练，具有很强的灵活性。此外，MindSpore 还具备“自动并行”能力，通过在庞大的策略空间中进行高效搜索来找到一种快速的并行策略。LuoJiaNet&LuoJiaSETLuoJiaNet&LuoJiaSETLuoJiaNET是武汉大学与华为基于昇腾AI共同打造的全球首个遥感影像智能解译专用框架。LuoJiaNET 针对遥感数据像幅尺寸大、数据通道多、尺度变化大等特性，具备内存可扩展、尺度24通道灵活创建、数据通道自主优选、框架与数据协同处理的特点。其与国产人工智能硬件 NPU 深度融合，可支持 CPU、GPU、NPU 等计算设备，形成融合探测机理与地学知识的统一计算图表达、编译优化、图算融合、自动混合并行的新一代遥感智能解译框架。LuoJiaNET 构建了针对遥感影像“场景-目标-像素”多层级任务的遥感应用模型，包括场景检索、目标检测、地物分类、变化检测、多视角三维重建等五大类模型。LuoJiaSET 是业界最大遥感影像样本数据集，具备遥感领域满足 OGC 标准的大规模遥感影像样本库，其制定了支持全球范围的遥感影像样本分类标准、标注规范，建立了涵盖不同遥感任务的统一分类体系，形成样本要素的采集要求、内容和流程规范，可支持多级别、多类型遥感影像样本库的采集、制作、管理、共享、应用。针对现有样本数据集面临的问题：分类体系不统一。样本数据集传感器种类单一，通常样本库都是全色或者 RGB 彩色，缺少高光谱、红外、SAR 遥感影像的样本；且通常是二维数据，缺乏三维数据。现有数据空间跨度有限、时间覆盖不均，导致模型泛化能力弱。样本集受标注人员水平限制，质量参差不齐。LuoJiaSET 建立了统一类别体系，提供大量数据集，覆盖范围广、时间跨度大、涵盖传感器种类多，同时提供标准化的标注工具，可大幅提升影像标注效率。空天空天灵眸灵眸“空天灵眸”是由中国科学院空天信息创新研究院联合华为昇腾 AI 共同打造的全球首个面向跨模态遥感数据的生成式预25训练大模型，在模型设计、模型训练、推理优化等方向均进行了独特的技术创新。“空天灵眸”大模型深入结合光学、SAR（合成孔径雷达）等跨模态遥感数据的成像机理和目标特性，并在场景分类、检测定位、细粒度识别、要素提取及变化检测等典型下游任务中得到有效验证。在昇腾 AI 基础软硬件平台以及昇思 MindSpore AI 框架原生支持大模型的能力支持下，“空天灵眸”大模型的并行训练及下游任务开发得以加速实现，目前已在 8 个国际标准数据集上达到领先水平，填补了跨模态生成式预训练模型在遥感领域的空白。PaddleRSPaddleRS飞桨（PaddlePaddle）是百度自主研发的开源开放、功能丰富的产业级深度学习平台。PaddleRS 是飞桨推出的高性能、多任务、全流程的遥感影像智能解译开发套件，其依托深度学习框架PaddlePaddle，具备工业级训练与部署性能，支持图像分割、目标检测、变化检测、图像复原、场景分类等 5 大任务。在部署层面，PaddleRS 推出开源遥感可视化智能解译工具，提供轻量级、功能丰富的遥感模型 Web 部署与在线解译方案。在模型层面，PaddleRS 提供 30 余个开箱即用的视觉、遥感模型，涵盖经典算法与 SOTA 算法。在数据层面，PaddleRS 提供充分考虑遥感数据特点的数据处理 API 和工具，帮助用户简化繁琐的遥感数据处理流程，帮助开发者更便捷地完成从数据准备到模型部署的全流程AI 遥感开发应用。263.3.场景应用场景应用：应用范围更广应用范围更广、场景更丰富场景更丰富，下游需求不断增下游需求不断增长长遥感的应用范围广阔，遍布国土资源、气象观测、海洋资源、农业等各个领域，并结合了无人驾驶、5G、激光雷达、无人机、人工智能等技术。国内外主要应用场景如表 2 所示：表 2.卫星遥感技术应用场景应用方向应用方向应用场景应用场景描述描述国土资源调查检测评价、开发利用监督等帮助土地管理机构快速、便捷地获取土地、江河湖海、矿藏、生物等高精度卫星影像。气象观测气象监测分析、自然灾害监测气象观测应用可准确反映天气、陆地和海洋状态的各种物理与生态参量，在天气气候、大气监测、灾害监测中发挥重要作用。海洋资源海洋资源监测、海洋应急监测海洋观测具有大面积、全天候、全天时、高时效的观测优势、提高海洋水文气象预报的准确性、用于开发海洋资源，发展海运事业、建设海洋工程及检测海洋污染。农业领域农业生产监管农业遥感能够客观、准确、高效、快速监测和评估农业干旱和病虫害等灾害信息，估算全球、全国及地区区域的农作物产量，为粮食供应数量分析与预测预警提供信息。农业遥感技术主要分为作物监测、资源监测及灾害监测。环境监测大气环境监测、陆地环境监测、水环境监测、植被环境监测及土壤环境监测等遥感技术在环境领域的应用，目前主要体现在大面积的宏观环境质量和生态监测方面，在大气环境质量、水体环境质量和植被生态监测等方面中都有比较广泛的应用。智能驾驶自动驾驶高分辨率卫星遥感数据可用于制作高精度电子地图，高精度地图坐标精度更高、具有准确度道路形状及属性、所含丰富细致的道路交通信息元素，助力提升自动驾驶的可行性及安全性。应急管理灾害监测分析、应急指挥调度医疗和公共卫生领域，利用 3S 技术实现对人群流动进行高精度定点定位，揭示疫情时空格局与空间传播规律；通过实时遥感图像进行社会活动分析、旅游活动分析等，为政府提供真实有效的信息，便于对群众的定点疏散和管控，抑制疫情的蔓延。通过遥感图像还可为疫情期间的紧急建设场地提供生态环境监测，保障施工生态安全军事领域国防安全分析、军事目标侦查军用遥感通过可见光、红外、多光谱、微波和声波等遥感器，从高空或远距离感受来自目标物的电磁波信息，经光学、电子技术处理成为图像或数据，以揭示目标的性质和状态，从中获取信息，用来进行军事侦察、导弹预警、武器制导等。27三、金融行业卫星遥感应用诉求（一）涉农信贷（一）涉农信贷2017 年 10 月，习近平总书记在党的十九大报告中指出，农业农村农民问题是关系国计民生的根本性问题，必须始终把解决好“三农问题”作为全党工作的“重中之重”，实行乡村振兴战略。2018 年 2 月，中央一号文件中共中央国务院关于实施乡村振兴战略的意见正式公开发布，该文件明确“实施乡村振兴战略，必须解决钱从哪里来的问题”。金融行业应多方面推进投融资机制创新，加强金融供给，发挥农民主体作用，为乡村振兴提供有力支撑，其中涉农信贷是乡村振兴中的一个核心领域。目前，主流的涉农信贷模式主要分为信用方式和土地产权抵押方式，贷款对象包括传统农户和新型农业经营主体，贷款授信依赖于农户土地承包数据、农产品加工产业链上下游订单等信息，缺乏直接的农田、农作物、畜牧的动态数据。由于农村金融领域信用体系存在缺乏有效抵押物、运营成本高、覆盖程度低等问题，使得农户较难获得便捷优质的金融服务。当前涉农信贷在精细化授信、贷后风险管理、客户体验等方面面临着如下痛点：第一第一，农户申请贷款缺乏信用模型农户申请贷款缺乏信用模型、精准授信难精准授信难。由于农户资产大多为土地、作物、畜牧等形态，其勘察人力成本高且效率低下，贷前信息收集困难。针对不同产能规模、不同价值种类的农作物，也难以依靠人力来精准评估其资产价值。因此，农业资产难以进行有效的评估和抵押，同时也难以精准预估贷款额度和还款周期。28第二第二，风险预警慢风险预警慢，缺乏动态数据缺乏动态数据。由于涉农资产风险较高，容易受到干旱、洪涝、病虫害等不可抗力因素的影响，但无法对农业抵押物的生产经营过程进行动态监测和评估，无法及时处置，贷后管理亟待完善。第三第三，农户信贷体验差农户信贷体验差，流程繁琐流程繁琐。基于涉农信贷较高的授信难度和难以预测的贷后风险，农户在办理信贷业务时授信流程较为繁琐，依赖经办机构人工筛选和多层审批，且金融机构为了防范风险，其授信的额度也往往较低，无法满足农户的实际需求。站在国家战略的角度而言，涉农信贷支撑数据不足导致金融机构的涉农获客能力差，尤其是面向创新型、高产能、高作物价值的新型农业经营主体，金融机构缺乏商机洞察力，难以实现精准营销，同时也限制了此类优质农业经营主体利用信贷资源对产能、生产品种的进一步扩大和优化升级，对支撑乡村振兴战略的有效落地形成相反作用。基于上述痛点，卫星遥感技术在大田种植业、大棚种植业、畜牧业具有潜在巨大的应用前景，能够有效支撑涉农信贷贷前标的调查、贷中风险控制、贷后预估预警的全流程业务，更好地落实国家战略。（二）农险和产险（二）农险和产险近年来，保险业在贯彻党中央全面推进“乡村振兴”战略的决策部署中，通过持续扩面、增品、提标，不断提升保险保障服务水平，在乡村振兴方面发挥了积极作用，取得了明显成效。中国银保监会发布的关于 2022 年银行业保险业服务全面推进乡29村振兴重点工作的通知对提升保险业在乡村振兴中的功能和作用提出了具体要求，包括提升农业保险保障水平、落实三大粮食作物完全成本保险和种植收入保险主产省产量大县全覆盖等，提升农业农村保险承保理赔服务质效，按照“愿保尽保”“应赔尽赔”“快赔早赔”的原则，主动、迅速、合理开展承保理赔服务。随着近年来移动互联网的迅猛发展，大量涉农保险的承保、理赔流程已经从线下转移到了线上，有效降低了保险公司的人力成本与工作量，但还存在如下几个痛点：第一第一，核保难度大核保难度大，耗费人力且效果不佳耗费人力且效果不佳。对于种植业而言，核保人员需要人工核查种植作物面积、种类及产量，难以实现自动化的按图承保；对于养殖业而言，核保人员需要人工核对畜牧数量，无法做到精准识别，容易出现虚假承保等违规风险。第二第二，出险概率高出险概率高，费率不公平费率不公平。基于部分地区涉农产业容易遭受自然灾害的影响，在保险保障期间内难以及时进行保险标的物的灾害风险监控预警，一方面无法进行及时有效的防灾减损，另一方面也会抬高保险费率，不利于不同地区、不同作物保险产品的差异化定价。第三第三，查勘定损难查勘定损难，理赔效率低理赔效率低。被保涉农标的物在遭遇灾情后一旦出险，保险公司无法精准有效的对损毁情况进行核查，甚至还需耗费人力去往现场勘察，缺乏完善的定损体系，难以实现“快赔早赔”的要求。涉农保险领域亟需遥感技术赋能降本增效，激发农户的增产积极性，同时协助保险公司持续提升业务竞争力。在财险保险领域中，涉农保险只是其中的一个子类，其余涉30及大型被保标的物的财产保险同样对于卫星遥感技术的应用有着强烈的诉求。例如，产险标的物为已建成的高速公路、机场等工程，需要实现滑坡、塌方、沉降、变形等监测预警和灾后定损；产险标的物为国家森林等大面积植被，需要进行火灾预警和灾后评估定损。因此，卫星遥感技术在财产保险领域有着广泛的应用前景。（三）地产基建信贷风控（三）地产基建信贷风控基础设施建设是稳投资的“压舱石”，是经济社会发展的重要支撑。银保监会提出，要把稳定宏观经济大盘放在更加突出的位置，引导加大对基础设施建设项目的金融支持力度。中国人民银行提出，要引导金融机构增加对实体经济的贷款投放，重点发力支持基础设施领域建设。近年来，各家国有大行及股份制银行对于交通、水利、新基建、新型城镇化等基建项目和重大工程的信贷支持持续加大，同时也不得不面临着解决大型工业信贷管理中存在的“现场调查难、人力成本高、效率待提升、监控不全面”等痛点。首先首先，部分项目选址涉及深山、林地、沙漠、海上等偏远地区，现场定期调查不便，且调研成本较高，调研频率受限；其次其次，部分项目施工范围较大，例如铁路、公路项目涉及多个道路段，风电项目范围几千公里，通过人工勘探的方式较难实现，一方面获取信息不全面、全局统计评估困难，另一方面审核容易受到主观因素的影响；此外此外，国际形势等不确定因素也会导致境外建设项目无法派遣专业人员前往调查监督，例如受制于疫情影响等31等。因此，基建信贷领域亟待利用卫星遥感技术实现贷后的远程监督管理，包括工程进度的监测和异常状况的及时预警等。房地产信贷同样占据银行贷款业务中的较大比重。近年来，针对已售逾期难交付的住宅项目建设项目，住建部、财政部、人民银行等有关部门也纷纷出台措施，提出政策性银行专项借款，“保交楼、稳民生”。针对此类信贷业务的风控，同样对卫星遥感的应用有着强烈诉求，例如需要宏观分析建筑附近居住人口、办公人口、车流量、夜光经济热度指数等信息，为贷前授信提供重要数据支撑；需要监控已建楼高、工棚、物料堆、货运量等工程进度信息，作为贷后风险管控的重要依据。（四）一带一路信贷风控（四）一带一路信贷风控“一带一路”作为中国首倡、高层推动的国家战略，对我国现代化建设和屹立于世界的领导地位具有深远的战略意义。金融机构在深入推进“一带一路”建设的过程中，积极加强金融供给，在信贷领域做好强力支撑。然而“一带一路”沿线国家集中了全球 85%的地震灾害、水旱灾害、风暴灾害，在支撑沿线国家基础设施建设的信贷业务中，需要原始的地理、环境、地质等各方面信息作为信贷管理的数据支撑。针对大型融资项目普遍存在因交通不便导致的现场勘察成本高、监测不全面等痛点，对于贷后的风险管理能力较差，需要借助遥感影像分析技术，对空间分辨率 1m 以下遥感影像进行地物分析，对矿区开采、堆场变化、交通运输等进行非现场实时监测；同时沿线国家城市化进程和经济发展不平衡也是“一带一路”32建设的掣肘，因此在城市化建设、城市管理、环境保护方面，也亟待引入卫星遥感技术，例如通过夜光遥感，侧面分析一个国家、一个地区的发展程度，使我们对“一带一路”的资源环境现状及变化一目了然。（五）投资决策辅助（五）投资决策辅助为实现“碳达峰、碳中和”的目标，众多金融机构提出 ESG指数、夜光指数等投资评价体系。ESGESG 指数指数的“E”代表Environment，反映双碳目标驱动下企业可持续的社会责任感，可通过卫星遥感技术实施对环境的宏观动态检测，例如捕捉绿度数据等因子，监测区域内或工厂周边的绿度数据，继而反映工厂自身的环境管理情况以及对周边环境的负面影响。夜光指数夜光指数可通过夜光遥感获取人类夜间灯光照明等信息，反映地表人类活动情况，完成区域经济热度的跟踪，判定企业开工经营情况，对企业的整体营收具有一定的揭示意义，上述指数是双碳目标下投资决策的重要指标。此外，针对大宗商品企业或大型基建企业的投资调研方面，也可以通过卫星遥感技术实现相应的分析和决策辅助。例如针对矿产企业，可监测矿产的产能；针对原油企业，通过监测储油罐、油轮，监测原油的供应量；针对港口、机场，监测其物流货运量或起降量，从而更好地判断该企业是否值得投资。（六）新能源绿色金融信贷风控（六）新能源绿色金融信贷风控围绕双碳目标，践行绿色金融。当今气候变化和资源紧缺已33经成为全球性的话题，绿色金融概念在时代的大背景下也应运而生。风力、水力、光能新能源具有清洁高效、可持续、可再生等特性，我国的电源消费结构正向清洁低碳加快转变，火电站开发增速放缓，清洁能源占比逐年增加。在 2020 年 12 月在气候雄心峰会上，我国宣布到 2030 年非化石能源占一次能源消费比重将达到 25%左右，风电、光伏发电总装机容量将达到 12 千瓦以上。在 2021 年发布的2030 年前碳达峰行动方案中指出，要大力发展新能源，全面推进风电、光伏项目的大规模开发和高质量发展。在 2022 年发布的“十四五”现代能源体系规划国家鼓励在推进分散式风电外，有序推进集中式开发，加快推进地处沙漠、戈壁、荒漠等地区为重点的大型光伏基地建设，同时鼓励建设海上风电基地，推进海上风电向深水远岸区域布局。金融行业积极响应国家政策、推进信贷结构转型，大力发展绿色信贷，在新能源方面主要涉及风电站、水电站、光伏设施等工程建设的信贷项目。风电站、水电站、光伏设施等新能源设施建设项目在信贷管理中存在以下难点：涉及范围广、人工监控不全面；新能源项目多建设在海上、沙漠等偏远地区，受疫情、安全和交通等因素，人员难以到达，交通和安保成本高；现场审核存在由企业人员主导监测路径的情况，监控主观性强。为落实“主动防、智能控、全面管”的风险管理要求，解决项目建设进度监控和存续期管理时存在的“监测间隔期长、审核不全面、效率低、成本较高”等问题，实现更优的信贷管理工作，通过卫星遥感影像辅助，实现更广而全的非现场监控，将监控时34效从季度提升到月度乃至半月，将范围从局部监控提升到全面监控，提升监控工作的客观性和准确度，满足新能源信贷项目的贷后监控要求。（七）土地流转管理（七）土地流转管理农村土地流转指的是土地使用权流转，是农村家庭承包的土地通过合法的形式，保留承包权，将使用权（经营权）转让给其他农户或其他经济组织的行为。农村土地流转是农村经济发展到一定阶段的产物，通过土地流转，不仅促进了土地资源在经营者间的合理流动，加快了农村土地规模集约化的进程，优化了土地资源配置；也促进了农业结构的调整，加快了农业产业化进程；更加促进了农村经济的发展和劳动力的转移，有利于吸纳各种社会资金投入农业生产开发的利用，切实增加农民收入。当前实现土地流转健康运转还存在诸多痛点：第一第一，农业生产周期长、效益低、风险大。土地承包人从承包土地的选择、种植过程中的科学规划到自然灾害的应对，不确定因素太多，这一定程度阻碍了土地承包人的积极性。第二，第二，土地流转的意义在于土地流转以后，发展高效农业，精耕细作，达到高产高效，而一些承包大户由于缺乏相关技术支持，只能搞粗放的规模化，不仅无法提高效益，而且对土地资源也造成一种浪费。第三第三，土地使用情况的实时监管和补贴的准确发放也是土地流程管理中的困扰点，一些承包人私自改变土地农业用途，农田非粮化、非农化现象频发。35在土地流转管理平台中引入卫星遥感技术可以为管理方和承租人提供全程技术支持，很大程度地解决这些痛点。通过卫星遥感技术获取农田基础设施、地块分布及土壤肥力状况，土地承包人可以依此进行承包地块的选择。在土地承包后利用遥感对作物进行包括长势情况、产量估算、土壤墒情、病虫及自然灾害等信息监测，从而提高承租人的积极性。管理方可以利用卫星遥感技术进行种植情况的远程监管，看看是否有撂荒或者种植不符合约定作物的情况，从而避免了土地挪作他用。结合农村承包地确权登记数据，采用不同时期的遥感影像，可以获得实际耕作品种和面积，再和地方上报的数据进行比较分析，为农业补贴的发放提供客观的数据保障。（八）金融租赁风控（八）金融租赁风控作为我国金融结构的一个重要方面，发展金融租赁业务有利于商业银行资产结构的改变和业务渠道的拓宽；同时有利于中小企业融资环境的改善。租赁业务包括飞机租赁、船舶租赁等，通过卫星遥感技术能够更便捷地实现租中的监测，例如租赁物位置监测、租赁物折损等状态变化检测，实现金融租赁业务的线上化、智能化的动态管理。基于对上述八个金融领域的诉求分析可以明确：金融行业亟待利用金融科技赋能数字化转型，有效引导金融结构优化调整，而卫星遥感技术针对大范围大面积、全局信息获取、空间连续性高的地面数据采集场景具有天然优势，有必要深化国家卫星体系与金融科技应用结合创新，推动卫星通信技术在金融领域的产业36化应用。四、卫星遥感技术金融业应用案例（一）金融业应用现状概述（一）金融业应用现状概述本次与北京金融科技联盟专委会 24 家机构以问卷形式进行调研，结合各金融机构官方宣传内容，就场景和技术能力建设时间、数据使用方式、应用场景、系统建设情况等进行了广泛梳理，详情如下。1.1.银行业和保险业纷纷布局卫星遥感应用银行业和保险业纷纷布局卫星遥感应用在调研的金融机构中，已有 12 家银行机构启动卫星遥感相关的布局，占比 50%。已有 4 家保险机构启动卫星遥感相关布局，占比 18%。各金融机构应用的主要目标包括：提升风险评估的能力、一线员工的工作效率、金融服务水平，提高客户体验，激发本机构业务创新能力。早在 2009 年，人民保险集团启动卫星遥感相关项目；网商银行、工商银行、招商银行理财子公司于 2019年，建设银行、平安银行于 2020 年，农业银行、恒丰银行于 2021年，银联、银联商务、浦发银行、兴业银行、浙商银行、中国银行于 2022 年先后启动卫星遥感相关技术研究与实践工作，如图12 所示。37图 12.卫星遥感技术应用金融机构数量（1）各金融机构主要应用场景工商银行工商银行：工商银行领先同业，首批推出工业建设和农业农村卫星遥感采集和监测体系，赋能信贷业务管理，支撑贷前标的调查、贷中风险控制、贷后预估预警全流程。通过在绿色能源、公路基建、建筑工程、农业授信等 60 余个试点场景综合运用塔吊、桥墩、光伏、风车、变化检测等 10 余个智能识别能力，在后疫情时代打破地理隔离、加快智慧信贷步伐的同时，有效提升信贷管理智能化、精细化、专业化水平。目前，卫星遥感赋能项目已涉及融资规模超过 1000 亿元，有力支持乡村振兴、普惠金融、绿色金融等相关工作。建设银行建设银行：为积极响应国家乡村振兴号召，建设银行乡村振38兴金融部在 2020 年成功打造裕农快贷产品体系。2021 年，为深化农户金融服务，加大农贷有效投放，建设银行通过创新贷款服务，将卫星遥感应用于涉农贷款的贷前准入、授信审批、贷后监测全生命周期中。目前已完成河北南和、巨鹿、平山、正定，云南蒙自、开远试点县的冬小麦、夏玉米等作物的识别，有力支撑农户经营地块确认、农林作物品类识别、产量评估、长势分析等重要场景。此外，卫星遥感影像也广泛应用于行内海外项目的贷后管理。中国银联中国银联：为落实中国人民银行金融科技赋能乡村振兴示范工程，银联搭建了惠农服务基础支撑平台，即金融惠农数字营业厅。金融惠农数字营业厅主要为农业场景的金融应用提供数据服务的技术支撑，形成涉农信贷场景下覆盖贷前、贷中、贷后等环节的技术支撑能力。在种植业场景，通过连接商业银行、征信平台、保险公司、农担公司及地方政府等机构现有的三农平台，形成农业资产物卫星遥感等农业数据可信转接能力，构建相关大数据模型进行分析处理，联合商业银行、征信机构、保险公司、农担公司等外部机构为涉农企业、商户、农户提供涉农信贷服务。银联商务银联商务：银联商务已开展卫星遥感在精准农业领域应用的技术预研，依托银商大脑 AI 能力平台和第三方遥感数据，后续将为精准农业提供以下两类农田与作物的空间分布信息：一类是基础信息，这种信息在作物生育期内基本没有变化或变化较少，主要包括农田基础设施、地块分布及土壤肥力状况等信息；另一类是时空动态变化信息，包括作物产量、土壤墒情、作物养分状况、病虫害的发生和发展状况、杂草的生长状况以及作物物候等39信息。网商银行网商银行：网商银行 2020 年开始推出“大山雀”系统，通过深度学习等 AI 技术解析卫星图像，并首次将卫星遥感技术应用于农村金融领域。该系统可识别作物的种植面积、种类和长势，并结合农户对耕地的自证、政府机构登记的土地流转数据，以及气候、地理位置、行业景气度等情况，利用几十个风控模型预估产量和产值，为农户提供信贷额度和合理的还款周期。截至 2021年末，大山雀系统已服务 1000 多个县域，服务种植农户 60 多万。平安银行平安银行：平安银行发射首颗对地遥感成像卫星“平安 3 号”，与此前发射的物联网卫星“平安 1 号”、“平安 2 号”共同支持平安银行的供应链金融服务。“平安 3 号”能够获取高解像图像数据，在企业授权后银行能够掌握供应链上下游的真实经营情况，评估贷款风险，服务于微小企业，解决其融资困难的问题，推动普惠小微贷款的增长。在农业领域，对农作物的种植区域面积和生长情况等定期监测。在智慧能源领域，获取光伏发电站待识别区域的遥感影像，测算光伏板数量，评估完整度。在城市服务领域，监测商业地产及工业园区的建设进度。兴业银行兴业银行：2022 年，兴业银行为提升金融服务水平，基于前期对卫星服务福建“四大经济”课题的调研及商业航天与金融结合的交流探索，启动卫星遥感应用相关工作。将卫星遥感技术定位为行内“千里眼”，以突破银行依赖信贷人员现场开展贷款“三查”工作的传统模式限制，广泛应用于贷前、贷中、贷后各个环节，结合已经用于授信管理的工商、征信、税收、RP、用水用电等数据，将极大提高授信管理的数字化、智能化水平，带来信贷40模式的巨大变革。前期，已开展茶叶种植和林业碳汇试点应用场景建设，初步完成卫星应用平台建设，满足茶叶识别、种植面积测算、病虫害及自然灾害监测、生长趋势分析、林木识别、林场面积测算等业务需求。已规划工业-在建工程、工业-水电站、工业-风电站、工业广电站、基建-铁路公路、厂区、农业-主粮、海洋渔业-近海鱼排、林业-碳汇指数、城市活力-夜光指数等应用场景，完成部分场景的验证与可行性研究，同步开展微波雷达卫星、微光卫星、红外卫星等技术研究。农业银行农业银行：农业银行通过打造三农卫星遥感分析平台，应用于惠农 e 贷和农户信息建档，对农户贷款地块卫星影像进行智能判定，实现系统录入资料全面定位，低成本贷前调查、高可信贷中核查、短周期贷后重访，目前已落地多个应用场景。人民保险人民保险：已开展 13 年卫星遥感平台建设，支持水稻、玉米、小麦等作物的长势监控、产量预估等，已落地承保验标、作物长势监测、灾害查勘定损等多个场景，解放人力，节约物力，提高承保和理赔的精度和效率，有效增强企业项目的竞争优势。（2）各金融机构主要应用领域在应用领域方面，覆盖农业及自然资源遥感、工业遥感和夜光遥感 3 大领域：农业及自然资源领域的管理和监控农业及自然资源领域的管理和监控：主要识别包括耕地面积、农作物识别、长势监测、产量预估、农险定损、渔排监控、森林碳汇。工业领域工程进度的管理和监控工业领域工程进度的管理和监控：主要包括产业园区监控、41工矿仓储用地监控、绿色能源-风电站监控、绿色能源-水电站监控、绿色能源-光能监控、基建-公路铁路建设管理等。城市活力评估城市活力评估（夜光遥感夜光遥感）：夜光遥感通过获取地表发射的微光电磁波信息，主要反映的是地表人类活动状况、人类夜间灯光照明、石油天然气燃烧、海上渔船灯光、森林火灾以及火山爆发等现象。相比于普通的卫星遥感影像，夜光遥感能够提供以人类活动为中心的独特视角，能够直接揭示地表人类活动的潜在规律。（3）各金融机构主要监控要素在监控要素方面，各类场景中当前主要监控要素如表 3 所示：分类分类主要监控要素主要监控要素数据精度数据精度工业-在建工程建设范围、施工面积、建筑物变化检测、建筑物数目、高度、塔吊数目、地物分类和变化0.75-1m工业-水电站施工区域面积、建筑变化检测、蓄水面积、截流面积、电塔数目、水坝宽度，塔吊数目、地物分类0.75-1m工业-风电站机组安装数量，风车建设数目0.75-1m工业-光电站光伏板数目和面积0.75-1m工业-基建公路铁路类构筑物面积、建设里程数、桥墩，已建成未建成路段分类和计算0.75-1m厂区监控厂区面积、堆场面积、建筑变化检测0.75-1m农业场景-大棚监控大棚数目，在用和闲置大棚比例情况0.75m农业场景-主粮作物主粮作物小麦、玉米等长势监控、产量预估、干旱监测1m-10m农业场景-经济作物主要针对猕猴桃、苹果等经济作物的长势监控、产量预估、干旱监测，监测内容包括：作物种类，面积，长势，气象灾害，作物生长地的海拔等地形数据；10m农业场景-近海渔排渔排的数量和面积10m农业场景-森林或林场面积、树种、树龄0.5-0.75m42碳汇指数农业-保险理赔承保验标、作物长势监控、产量预估、土地受损面积1m-10m城市活力-夜光指数夜光指数通常100m表 3.卫星遥感应用场景主要监控要素和数据精度要求各金融机构监控要素分布情况如图 13 所示：图 13.金融机构主要监控要素2.2.数据使用：按场景综合应用高中低分辨率数据数据使用：按场景综合应用高中低分辨率数据在数据来源方面在数据来源方面，主要包括三种主要渠道。一是采用私有化商业遥感数据，例如工商银行、建设银行等；二是采用云数据/共用服务平台数据，例如网商银行、银联等；三是采用联合发射卫星模式，获得专项数据的方式等，例如平安银行发射“平安 3号”等，联合发射的“平安 3 号”整星发射重量约 75KG，运行于500km 太阳同步轨道，配置 0.9m 分辨率、14.4km 幅宽的光学相43机，主要用于对地光学遥感观测。在数据使用空间分辨率方面，在数据使用空间分辨率方面，目前包括高分辨率亚米级（1m）以及中低分辨率（1m），其中对于农业主粮作物等主要采用中低分辨率，对于工业场景以及经济作物需要使用高分辨率的遥感影像。在数据应用频度方面，在数据应用频度方面，目前包括按事件的触发、定时监控的2 种方式。事件的触发包括应急监控、定损监控、信贷额度评估、投资价值评估等；定时按频监控主要包括普惠金融农业信贷贷后管理、工业信贷贷后管理。3.系统建设：AI 和自动化趋势3.系统建设：AI 和自动化趋势目前一些金融机构使用公有云/私有云方式开展卫星遥感影像识别技术研究及系统建设，相关系统基于卫星遥感、图像识别、人工智能、空间分析等技术搭建，结合基础地理和卫星遥感等数据，实现卫星遥感影像的快速提取和自动分析。主要系统架构如图 14 所示：44图 14.卫星遥感系统架构在业务使用流程上，主要步骤如图 15 所示：图 15.卫星遥感技术业务使用流程45（二）银行应用案例介绍（二）银行应用案例介绍1.1.工业信贷管理工业信贷管理-新能源建设项目新能源建设项目（风电站风电站、水电站水电站、光伏设光伏设施）施）（1）新能源风电站风电站指利用风能驱动风轮机以带动发电机生产电能的电厂，风能属于可再生能源，无污染，具有广阔的应用前景。在风电站项目中，主要通过卫星遥感技术对工程项目建设期的进度进行监测评估，根据风电项目的监控目标大小，选用亚米级别遥感影像，进行目标分析识别。在风机基础工程上，重点关注土方开发、土方回填、混凝土基础垫层等变化情况，在风力发电组安装阶段，重点关注风车机组的数量变化。例如，通过图 16 可看出，与 T 月相比，T 1 月在风车机组数量上仅增加 1 个新的机组，与前期设定的阈值存在差距，需要工作人员关注风险，主动沟通确认项目实施进度，确保项目按序推进。图 16.风电站项目监控要素-施工进度（多时相）同时因风电在地域、季节变化中跨度较大，在自动识别时，46模型需具备较强泛化能力，能够适应季节、时相、气候、光照的变化，详见图 17 示例。图17.风电站项目监控要素（2）新能源水电站水电是一种可再生的清洁能源，成本低廉，在新能源发电中，占主要地位为 48%，而且在发电的同时还能控制洪水泛滥改善航运条件，是助力实现碳达峰、碳中和的重要方式之一。在水电站项目中，主要通过卫星遥感技术监控项目实施进度，结合多期影像分析结果和时令季节确认项目风险。根据水电站项目监控目标大小，采取卫星可见光遥感影像监测，辅以人工智能图像处理方法对目标地点按照月度进行监测，重点关注塔吊、车辆、施工区域。图 18 为某地水电站施工区域拍摄到的影像及分析结果，可以看到，相比较于 T 月，T 2 月份施工区域增加了一个塔吊。47图 18.水电站项目监控要素-施工进度（多时相）图 19 为水电站的地物分类结果，从地物分类结果上来看，建筑用地占总面积为 56186 ，占总面积比例约为 13.21%。图 19.水电站项目地物分类结果除了变化检测外，遥感影像能够实现多目标监测，如图 20所示，在某地水电站建设处能够拍摄到与大型运输车、高压电塔等物体。塔吊、大型运输车均与施工相关，高压电塔下方有大型变电站的设施，为水电站相关的配套设施。48图 20.水电站项目监控要素（3）新能源光伏设施光伏发电是指利用光伏电池将太阳辐射能直接转换为电能。在光伏项目中，主要通过引入卫星遥感影像分析技术，对光伏设施建设进度和设备情况进行有效监控管理，保障项目有效推进。根据光伏项目监控对象特点，采取卫星可见光遥感影像对项目现场的建设施工及关键设备情况进行监控，包括但不限于集热塔建筑、定日镜铺设、主机设备到位等，并将卫星监测结果与施工时间表进行比对，通过非现场方式判断项目建设进度是否正常。图21 为某地区光伏设施建设项目遥感监测影像，可以看出，在西北角区域，T 年为空地，T 1 年已建设有光伏板，光伏板面积32.795341 平方千米。49图 21.光伏项目监控要素-施工进度（多时相）2.工业信贷管理-产业园区2.工业信贷管理-产业园区产业园区是以促进某一产业发展为目标而创立的特殊区位环境，是区域经济发展、产业调整升级的重要空间聚集形式，担负着创新资源、培育新兴产业、推动城市化建设等一系列的重要使命。在产业集群的指导下，推进产业园区建设，不仅是当前发展产业集群的需要，更是加快新型工业化进行的必然选择。改革开放以来，我国各地如雨后春笋般涌现出各种类型的产业园区，数量逐渐增多，分布日益广泛，影像逐步扩大。十二五期间各地千亿级产业园规划有 10 余个，未来我国将进入各类产业园区建设高峰。为支持产业园区建设发展，金融行业多家银行推出“产业园区贷”等产品助推产业发展。产业园区具有面积大、建筑物多（工场以及各种公共设施和娱乐设施）等特点，且通常情况下50在项目实施前已有详细的区域规划对园区环境规定了执行标准和限制条件。根据产业园区监控对象特点，在能清晰识别相关建筑施工面积情况下采集月频可见光数据，将项目建设施工面积、施工车辆数目作为监控要点，结合多期影响分析结果确认项目风险。图 22分别为某地产业园施工区域拍摄到的遥感影像和地物分类结果，可以看出，相较于 T 月，T 2 月建设用地面积占比增加 4.9%。图 22.产业园区项目监控要素-施工进度（多时相）图 23 为建筑物高度监测影像，结合阴影、角度等信息数据实现建筑物高度检测，图中建筑物高度为 26.78 米。图 23.产业园区项目建筑物高度检测51图 24 为建筑物面积和个数监控影像，对该区域中的建筑物数量和面积进行智能分析，结果见图，该区域共有 18 个建筑物，面积如图 24 所示。图 24.产业园区项目建筑物数量和面积监控3.3.工业信贷管理工业信贷管理-基建公路铁路基建公路铁路交通运输是国民经济中具有基础性、先导性、战略性的产业，也是构建双循环发展格局的重要保障。2022 年 4 月 20 日，银保监会、交通运输部联合印发关于银行业保险业支持公路交通高质量发展的意见（以下简称意见），鼓励银行保险机构为符合条件的绿色低碳公路项目提供金融支持，推动公路交通实现高质量发展。意见要求，聚焦重点领域和重大项目，积极服务“一带一路”、粤港澳大湾区等国家重大战略实施，中西部地区、沿江沿边沿海战略骨干通道等为重点，支持国家高速公路待52贯通路段建设和交通繁忙路段扩容改造。某银行先后与西南、西北等偏远地区达成公路建设融资项目的合作，强有力地支持了地方经济建设。根据监控对象特点，使用卫星遥感影像分析技术对各个标段的建设进度按月进行监测，分析施工路段的情况，包括全长、在建、尚未建设的公里数、桥墩等信息。图 25 为某高速公路项目区域 a 道路提取专题图，道路全段长为 50km，在建设道路 17.28km（黄色部分），已完成 23.52km（绿色部分），其余部分还未开始（红色部分）。图 25.高速公路项目施工进度总览图 26 为 T 年和 T 1 年拍摄的另一个高速公路的影像和目标物桥墩个数的识别结果，通过影像分析结果可以得到相较于 T 年，T 1 年规划区域多了 10 个桥墩，正在按照计划进行施工。53图 26.高速公路项目监控要素-施工进度（多时相）4.4.工业信贷管理工业信贷管理-矿厂区矿厂区矿业开发是“一带一路”建设的重要组成部分。“一带一路”沿线国家在金属矿业领域有独特发展优势和巨大发展潜力，其矿产资源丰富，成矿条件好，找矿潜力巨大，且矿产资源及相关领域的投资能够带动当地就业和社会经济发展。我国与“一带一路”沿线国家开展广泛的矿业国际产能合作，通过合作，既满足了我国发展对矿产资源的迫切需求，又提升了我国矿业企业核心竞争力。某银行与“一带一路”某沿线国家达成合作，为其矿产开发项目提供融资。该国拥有丰富的矿产资源，该项目对于中国矿业企业“走出去”，加强中国与第三世界合作有着重要的意义。通过卫星遥感技术对施工人员及设施、矿区开采剥离、厂区建设等情况进行监测，以非现场方式判断项目建设进度是否正常。对于目标矿区，由图 27 放大的局部细节图可以看到，T 月与54T 1 月相比，施工区域有明显变化，且施工点附近均有很多大型施工车辆，可辅助判断处于施工状态。图 27.矿场区项目监控要素-施工进度（多时相）图 28 展示了其他监控要素，A 处为油罐、BC 处为建筑物、D处为洗矿池，同时通过影像分析能够得到B处当前面积为14332.7。图 28.矿场区项目监控要素5.5.农业信贷管理农业信贷管理-作物监控作物监控在中国共产党第十九次全国代表大会上，习近平总书记作主55题报告决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利，提出实施乡村振兴战略。为深度融入国家乡村振兴战略，各家金融机构在农业普惠信贷领域持续发力，在三农领域做好金融支持与综合服务。农业普惠信贷作为银行业支持乡村振兴战略的重要业务方向，始终存在着农户贷款难与银行难贷款并存的现象。为深化农户金融服务，加大农贷有效投放，解决农村由于地广人稀、农业数据不足带来的农业信贷工作中农业资产信息获取难、勘察人力成本高、贷款额度和还款周期预测不准等问题，可通过创新贷款服务，将卫星遥感应用于涉农贷款贷前准入、授信审批、贷后监测全生命周期中，采用全线上移动端办理模式，为农户打造极致贷款办理体验，节约业务开办成本，从源头上为农户增信，方便农户申请贷款，增加客户信贷可得率，提升农村贷款办理效率。为满足场景需求，首先需进行土地权属验证，利用农户上传的土地范围勾画数据，结合确权证明数据和高清影像数据，可对农户申请贷款的土地范围进行自动核验，判断贷款农户地块位置和面积；其次对区域的用地类型精准分析，实现对区域范围内涵盖耕地、林地及其他等类型分布、面积测算等精准监测，同时实现作物分类、产量预估等功能，用于快速核保与精准补贴发放；在贷后管理方面，有效监测农作物的长势情况，在生长期与历史同期长势进行比较，全面掌握生长期内的变化信息，并在冰雹、56大风、暴雨、旱涝等灾害后对房贷土地的受灾情况进行定性评估，从而监控并预判相关贷款风险；最后，可基于土壤水肥数据、气象及灾害数据等基础上构建农作物适应性评价模型，定制农业种植分布图，确定种植不同作物地块质量的等级分类，进行客户资产信息的数据沉淀。农业信贷业务流程见图 29，涉及的相关技术能力见图 30。图 29.农业信贷业务流程57图 30.农业信贷卫星遥感技术能力（1）主粮作物我国主粮作物包括水稻、小麦、玉米、大豆，主粮作物种植区主要分布在平原地带，具备种植集中、种植面积广等特点，应用遥感技术对作物进行监控，目前主要监控能力包括作物识别、长势分析、干旱监测、灾害监测、产量预估等，有效提升了监测的时效性，节省大量人力物力，助力乡村振兴。作物识别作物识别：通常基于作物在时序上的光谱特征差异对农作物的种类进行识别。使用遥感数据训练大规模深度神经网络和图神经网络模型，使模型能够学习到不同农作物的光谱随作物生长变化的特征以及作物生长环境的特征，进而区分不同的农作物如图31 所示。58图 31.作物识别长势分析长势分析：通常使用植被指数进行反映作物长势状况，根据作物不同长势状态下体现出的不同光谱特性，同时综合物候、云标识和农业气象等信息，对农作物的长势进行分析，对比历史同期和同年往期的作物生长情况，对农作物当前长势情况作出判断分析。图 32 为某地小麦长势监测结果，可以得到各类长势的空间分布。59图 32.长势分析干旱检测干旱检测：基于遥感数据等对土地干旱程度进行评估，通常使用植被干旱指数等信息反映干旱程度。图 33 为某地玉米干旱检测结果，分析得到各类干旱程度所占比例，区域中湿润的占比为 2%，正常的作物占比 2%，轻旱的作物占比 21%，中旱的作物占比 52%，重旱的作物占比 23%。60图 33.干旱监测灾害监测灾害监测：发生病虫害时，植物的生理生化特征将发生变化，如细胞结构、色素含量和含水量，而这些特征决定了植被在不同波长下的光谱反射率，通常基于光谱反射率对植被病虫害进行监测。利用温度、降水等气象监测数据，对常见的洪涝、冻害等气象灾害进行监测。产量预估产量预估：利用遥感影像建立作物生长信息与产量间的关联模型，通过作物生长期的植被指数及气温、降水等关键气象数据构建长势和单产的关系模型，使用作物历史时期的真实产量数据拟合等，预估农作物产量。利用时间序列等模型对各地的历史气候数据进行深度挖掘，并对未来一段时间内的气候情况进行预测，形成基于“地域气候作物农户”的全方位种植评价体系，根据历史温度、湿度、降水、风速、光照等预测农作物的产量和损益，从而进一步精准识别贷款风险。图 34 是对某地块的61产量预估，预测年产量为 353.95 公斤/亩。图 34.产量预估（2）经济作物经济作物指具有某种特定经济用途的农作物，包括蔬菜、瓜果、花卉等，经济作物通常具有地域性强、经济价值高、技术要求高等特点，对自然条件要求较严格，宜于集中进行专门化生产。相较于水稻等主粮作物，果树等经济作物种植一般比较稀疏，种植密度较低，在同等分辨率下的识别难度更大，且果园等卫星遥感影像与自然林木很接近，难以区分。因此，对于苹果等经济作物的识别，需要高分辨图像来进行识别，但是高分辨率的图像采买成本高，更新周期长，难以满足实时了解作物状态的需求。为解决经济作物识别难点，某银行融合多数据源多分辨率遥62感影像，升级作物识别算法模型，同时融合行业知识图谱，根据各类信息源建立农业知识图谱，利用各类知识，如地形、降水、积温、历史产量等帮助经济作物的识别，让算法机器掌握人工经验。比如，甘肃不适合种水稻，就可以排除该作物的识别。通过上述解决方案，该行成功识别苹果、柑橘、猕猴桃等经济作物。图35.经济作物识别模型6.6.农业信贷管理农业信贷管理-大棚大棚大棚作为农业生产的重要基础设施，被广泛应用于蔬菜、花卉、养殖业等领域，可以抵抗自然灾害，防寒报文，抗旱、涝，提早栽培，延长作物的生产期，达到早熟、晚熟、增产稳产的目的，在高寒地区、沙荒及干旱地区为抗御低温干旱及风沙危害起着重大作用，同时可以节约土地，提高土地利用率。利用遥感影像分析技术对大棚的分布、数量、面积等信息进行监控，如图 3663所示，可分析出框出监测区域已建设 13 个大棚，整个区域共有16888 个大棚，处于在用状态的有 13306 个，处于未使用状态的有 3582 个。图 37 中绿色大棚为在使用状态，灰色大棚为未使用状态。图36.大棚个数监测图 37.大棚使用状态监测647.农业信贷管理-近海渔排7.农业信贷管理-近海渔排在渔业养殖信贷场景中，应用卫星遥感及人工智能技术开展对水产养殖面积监测、气象灾害信息等一系列渔情信息的动态监测和分析。通过卫星对沿海区域渔民养殖的海带、鲍鱼、龙须菜等海产品养殖点进行周期性拍摄，智能识别养殖点渔排数量和面积的变化，及时了解渔业养殖资产变化情况，实现对渔民渔排养殖的风险监控，为渔排养殖贷业务贷中、贷后风险监控管理提供快捷的数字化决策支撑手段，提升信贷风控管理水平，同时也对乡村振兴的发展也有一定的推动作用，保障农户特别是贫困群众的持续增收。图 38 为某地近海渔排遥感影像监测情况，识别渔排面积 1921773 平方米，渔排数量 220 个。图 38.渔排数量监测658.8.农业信贷管理农业信贷管理-碳汇指数碳汇指数碳汇指的是自然界中碳的寄存体，主要表现为陆地与海洋等吸收并储存二氧化碳的生态系统，包括陆地碳汇（例如森林、耕地、草地等）和海洋碳汇（例如红树林、盐沼、海草床等）。林业碳汇指通过植树造林、加强森林经营管理吸收大气中二氧化碳，并与碳汇交易结合的体系。其中经核证的林业碳汇可以被需求企业购买，抵消其碳排放，成为一种量化环境效益的新型标准资产，因此其作为一种可以在公开标准市场交易的有价资产，可以被广泛应用于信贷担保和金融衍生品。但是目前林场经营者和金融机构在碳汇资产核算和森林常态化管理中面临严峻的挑战，其主要痛点在于森林资源分布广、林木种类多、地势险峻且核算方法困难、易受火灾等自然灾害影响，造成纯人工盘查难度大、成本高、耗时长。为深化落实十四五规划的重点任务双碳达标，提出林业碳汇的卫星遥感监测分析解决方案。该解决方案主要以卫星遥感为主，无人机为辅，以“AI 遥感”的方式，自动采集原始图像，智能分析所需指标。例如利用目标分割技术进行森林面积测算；利用目标识别技术进行乔木林、灌木林、竹林等树种识别；利用图像的时空序列分析树龄；利用激光雷达可穿透植被冠层，精确获取植被冠层垂直结构信息，进行植被高度/生物量反演等。实现检测过程工程化，用可信度高、实时性强的数据降低实地测量、66实时监测的成本，并将误差率控制在 5%以下，使得碳汇资产动态监测可应用于政府管理和林场经营者资产盘查，让银行充分发挥金融中介的作用，帮助林业经营者将环境外部性收益内部化，为建设绿色中国添砖加瓦。碳汇场景主要监控内容包括：森林面积：静态图像分析；树种：可识别乔木林、灌木林、竹林、草地等多种林草资源；树龄：图像时空序列分析。蓄积量（树干体积）：结合实际测量值训练人工智能测算模型；通过激光雷达可穿透植被冠层，精确获取植被冠层垂直结构信息，进行植被高度/生物量反演。碳汇指数监测如图 39 所示。图39.碳汇指数监测67（三）保险业应用案例介绍（三）保险业应用案例介绍1.1.农业保险农业保险-农业定损农业定损农业保险是指专门为农业生产者在从事种植业和养殖业生产过程中，对遭受自然灾害和意外事故所造成的经济损失提供保障的一种保险。2021 年中国人民银行金融科技发展规划（2022-2025 年）中提到在农村金融领域，借助移动互联网、卫星遥感、电子围栏等技术，推动农业保险承保理赔电子化、智能化，提高农村地区金融服务下沉度和渗透率，助力农业产业现代化发展，有力支撑乡村振兴战略实施。保险公司运用卫星遥感技术、无人机、测亩仪器、视频查勘等手段对承保标的进行定损，提升农业理赔的速度。某保险公司依靠卫星遥感技术搭建农险服务系统，支持承保验标、作物长势监测、灾害查勘定损。系统通过精准划定地块，建立全国地块数据底图和基础数据库，借助测苗仪、GPS 工具箱、Google Earth等工具测定土地受损面积，并融合无人机航拍进行农险定损，成功实现了水稻、玉米、小麦等粮食作物的长势监控、产量预估，在解放人力物力的同时提高了承保和理赔精度和效率，增强了企业的项目竞争优势。卫星遥感、无人机、气象预警及灾害监测等技术，也广泛应用于农险招标、气候预警、查勘定损等方面。全歼例如湖北水稻病虫害、台风“烟花”等场景。682.森林碳汇价值保险2.森林碳汇价值保险森林碳汇价值保险是在传统林木保险的基础上，将火灾、暴雨、风灾、地质灾害、森林病虫害、泥石流等自然灾害和不可预料事故造成的保险林木损失指数转化为森林固碳量损失，并按照约定利用卫星遥感技术对林木碳汇价值进行赔偿。财险推出“森林碳汇遥感指数”保险产品，高效监测林业碳汇变化情况，定期向客户反映森林长势，实现灾后的快速定损，急速理赔。借助“遥感 AI”技术，根据林木种类建模测算森林碳汇储量值、年度碳汇富余值，将由气象灾害、意外事故及病虫害造成的森林损毁或长势减弱而导致的碳汇富余值损失换算指数化，为后期的快速定损、极速理赔提供依据；同时，承保机构将定期监测森林长势及碳汇增长速度，为森林管理者做好风险预警。（四）遥感技术应用的局限性案例分析（四）遥感技术应用的局限性案例分析除了上述典型应用案例，本文也通过调研和实践方式探索了部分遥感相关技术在应用中存在的局限性。1.国内部分农村区域的客户信贷业务以线下模式为主，影响遥感技术应用与推广1.国内部分农村区域的客户信贷业务以线下模式为主，影响遥感技术应用与推广由于农村空心化，农民老龄化等问题，以县域为代表的地方性金融机构的信贷业务模式以线下服务为主，农户对线上信贷模69式接受度比较低，一定程度影响了卫星遥感技术的应用推广。例如针对某县域调研，在业务模式方面，当地农户大多数年龄偏大，对手机使用不熟悉，习惯现场办理业务，当地农商行的本地网点较多，信贷员对农村比较熟悉，一般通过现场批量采集农户信息，对农户进行集体预授信。在风控方面，当地农商行主要依赖省农担进行担保，农户信用资质普遍较好，坏账率比较低，多维度数据的交叉验证需求低。基于卫星遥感技术的信贷服务模式一般依托线上渠道，上述因素都制约了卫星遥感技术在地方性金融机构的贷前应用与推广。2.在农作物种植规模比较小的经营区域，卫星遥感技术优势发挥不明显2.在农作物种植规模比较小的经营区域，卫星遥感技术优势发挥不明显卫星遥感技术在农贷风险管理场景在农村土地流转比较成熟、发达，种植大户比较多的农村区域，比较有市场前景，但在种植散户比较聚集的区域，应用价值有限。对于种植大户，由于土地经营面积大，经营成本高，土地经营价值大，土地资产综合评估贷额度高，农户贷款意愿普遍比较强烈。采用卫星遥感技术，一方面可以从源头上为这些种植农户增信，方便农户申请贷款，增加农户信贷可得率；另一方面，通过构建动态监测的风控体系，可以有效降低涉农信贷风险。针对某县域的实地调研考察发现，农户的种植规模都偏小，70大部分农户人均 1.5 亩，以家庭为单位，土地规模均在 10 亩以内。对于种植散户群体，由于土地经营面积小，土地经营成本也低，土地经营价值也有限，可贷额度比较低，加上农户消费观念比较保守，农户对贷款利息比较敏感，贷款意愿或贷款需求整体不强烈，卫星遥感技术在风控管理场景的优势难以发挥。3.3.地形因素造成影像完整性不足和影像数据分析困难，遥感地形因素造成影像完整性不足和影像数据分析困难，遥感技术应用效果不佳技术应用效果不佳卫星遥感技术在农村信贷场景的应用受到区域地形因素影响比较大，譬如在东北、华北等平原地带，地势平坦，比较容易推广，但在山区或南方丘陵地区应用难度较大。中国国土辽阔，南北差异巨大，地形地貌、地块破碎程度、作物种植结构等方面存在巨大差异，卫星遥感影像分析技术受地域、地形的影响比较大2，要针对不同区域的业务需求制定针对性的解决方案。东北、华北等平原地带地形平坦，地块相对集中且地块较规整，规模化种植程度较高，卫星遥感识别目标具有足够显著的波谱特征，遥感影像不需要较高的精度，同时北方地区晴朗天气较多，获取影像相对容易。但在南方丘陵地区，地块破碎度较高，单个地块面积较小，为保证图像识别的精确度，需要采用更高分辨率的影像进行地物识别，且对卫星遥感技术的算法要求也相应升高。同时南方地区云雨天气较多，导致可用遥感影像可获得性变低，纵然目前数据源丰富，但依然很难满足农业71遥感应用的标准，应用难度较大。此外，基于阴影法测量建筑物高度的卫星遥感技术，在实际应用中也存在如下局限性：卫星图像自身分辨率及影像预处理的质量直接影响测量准确性；影像拍摄受云雨天气影响较大；楼间距较为密集，阴影交叉重叠时的高度监测不准；阴影的产生受到季节、时间等多方位因素的影响，如较高的高度角造成阴影较短，导致高度数据偏离度大。4.4.非露天资产以及流动资产无法监控，遥感技术应用效果不非露天资产以及流动资产无法监控，遥感技术应用效果不理想理想遥感信息主要反映土地地貌影像特征，可监控农作物的分类和变化信息，但对于室内发生的生产经营行为，譬如对于大棚内的作物类别和长势等，尚不具备影像获取基础。同时，因遥感数据采集时间分辨率等因素，监控频度一般以周频为主，无法监测车辆流动等实时性较高的应用场景。5.5.构建三维信息难度较大，遥感技术支撑不佳构建三维信息难度较大，遥感技术支撑不佳光学遥感图像通常是以二维信号的模式进行呈现的，因此在面对地物分类、变化检测、图像分割等应用时有着较强的技术支持，但是在基建、房地产等行业应用上，因无法获取项目的三维结构信息，在全面、系统的完成资产与建设进度评估方面存在一定的困难。72一种通用的做法是通过阴影法间接测量高度以获得三维信息。其理论依据是通过建筑物阴影、卫星侧视角、太阳高度角的数学关系，推算建筑楼高，具有以下优点：综合成本与精度，多光谱监测性价比高；多时相形成的连续持续观测，能够较为精准的监测在建工程的建设进度，如发生企业停工等异常情况能够及时发现并指导人工核查；自动化数据处理手段多样，便于降低监测成本。但是在实际应用上存在较多局限性：影像预处理的质量直接影响最终精度；影像拍摄受云雨天气影响较大；楼间距较为密集的工程监测难度较大；阴影的产生受到季节、时间等多方位因素的影响。这些严苛的局限性给阴影法测高的准确性带来了极大的挑战。虽然利用 SAR 雷达测距或者立体像对分析的方案可较大提升测量精准度，但面临巨大的成本压力，且应用案例较为匮乏。（五）遥感和 IOT 结合案例规划（五）遥感和 IOT 结合案例规划随着技术发展，遥感与其他技术的结合应用案例越来越多。物联网（The Internet of Things，简称 IoT）是指一种连接了各种物体的网络。这些被连接的物体，嵌入了能够就其内部状态与外部环境进行通讯及交互的技术。物联网的核心和基础仍是互联网，但其连接通讯范围延伸到了实体世界，扩展到了人与物、物与物之间。遥感和 IOT 结合，能够拓展数据采集，进一步提升农作物押品等场景的监控能力。731.遥感结合 IOT，提升农作物押品监控全面性1.遥感结合 IOT，提升农作物押品监控全面性在涉农信贷领域，对于以农作物作为押品的场景而言，可以在高空采用航空航天遥感技术，从宏观层面监测农田信息，包括作物生长情况、作物种类、占地面积等；在地面通过土壤温度水分传感器、摄像头，甚至移动机器人等物联网终端，在微观层面监测农作物的生长环境、有无发生病虫害等生长动态情况，甚至是否遇到警情等。对于以养殖畜牧为押品的场景而言，可以通过遥感技术识别畜牧的养殖规模、畜牧群移动位置和移动路线等信息，通过智能脚环等物联网设备实时采集畜牧个体的体温、运动异常状态等信息。更多维度、更全方位的涉农押品状态监管，为贷前贷款额度测算、贷后风险管理、保险等金融场景提供更有效和精准的数据支撑。2.遥感结合 IOT，提升工业监控全面性2.遥感结合 IOT，提升工业监控全面性在房屋抵押、工业信贷，直至延伸到住房领域，除了根据需求通过卫星图斑点现场核查、建筑物定性及房屋整楼所在地区环境勘察、违建监测、监测房屋变化、获取占地面积等，还可通过卫星遥感宏观识别工业建设标的的整体实施情况。针对钢筋混凝土的内部情况，通过卫星遥感技术则难以判断，此时可借助物联网传感器采集房屋结构发生的微小变形、裂缝信息等，从而对工业建设标的的情况、质量等进行更加精准的综合评估。743.3.遥感结合遥感结合 IOTIOT，提升畜牧业监控能力，提升畜牧业监控能力以畜牧业为例，金融机构借助物联网技术，帮助解决传统生物资产难以监控、难以估值的痛点，对生物资产进行全周期监控和跟踪，并协助打通上下游产业链，对成品、半成品的供应链环节形成追溯，升级新型供应链融资模式。同时，物联网平台采集的相关生产运行数据及销售数据，可以反哺畜牧企业，帮助企业提升信息化管理水平。具体场景中，物联网收集的畜牧业数据可以应用在以下两方面：一是进行风险加持，提升对银行授信资产和授信对象的监管能力。如及时发现活体数量异常、健康状态异常、养殖环境异常、非法闯入以及未经授权出库等情况，启动自动报警系统并及时通知银行。特殊场景下，可以自动拦截非法作业、未经授权的人员或生物。二是实现畜牧养殖的数字化水平。如通过 APP/PC 等多终端对养殖生产情况以及产品溯源信息进行在线监控，帮助提高畜牧企业线上化、规范化、模型化的经营管理能力。75五、总结和展望（一）小结1.卫星遥感助力金融数字化转型，赋能金融提质增效（一）小结1.卫星遥感助力金融数字化转型，赋能金融提质增效卫星遥感金融应用初见成效，赋能提质增效明显。卫星遥感技术在金融业的应用既是金融数据要素与卫星数据要素融合的突破，也是卫星遥感技术与人工智能技术融合的突破，更是技术和业务融合的突破。金融业利用卫星遥感等金融科技赋能数字化转型，为更好地落实国家数字战略、贡献数字经济建设、服务实体经济转型升级，做出了有益的探索尝试。2.卫星遥感金融应用挑战与机遇并存2.卫星遥感金融应用挑战与机遇并存前期金融机构针对卫星遥感的相关探索和应用充分验证了遥感影像智能分析技术，卫星遥感在金融行业应用具备广泛前景。但我们也看到目前遥感应用在技术复杂度、场景适用性、政策和标准支持、客户接受度等方面仍存在不少挑战。随着金融机构的试点推广、业务与技术的深度融合挖掘以及卫星遥感、大数据、人工智能、云计算等技术的蓬勃发展，卫星遥感技术在金融行业的应用将向纵深发展，进一步促进金融机构数字化和智能化转型。76（二）风险与挑战（二）风险与挑战1.1.卫星遥感技术应用落地涉及多学科融合，流程比较复杂，卫星遥感技术应用落地涉及多学科融合，流程比较复杂，仍有较高技术门槛仍有较高技术门槛卫星遥感技术应用是多学科的融合应用，卫星遥感综合性分析系统建设的复杂度较高。卫星遥感数据的综合性分析系统，涉及遥感技术、地理信息技术、图像处理技术、人工智能技术、空间数据库存储、可视化分析技术等多学科技术。在流程上，卫星遥感技术提供业务可用的数据需通过传感器参数、辐射校正系数、数字高程模型，对原始卫星影像进行正射纠正、辐射校正、配准、全色影像和多光谱影像数据融合等操作，将非标影像处理成标准格式影像。另外不同区域的卫星影像数据无法使用通用的模型或算法来分析，因此还需要结合业务构建不同产品的分析模型，将标准格式影像加工成业务可用数据。在数据获取方面在数据获取方面，卫星遥感技术应用除遥感数据外，还需打通农业确权数据，GIS 地理信息数据、气象数据等，但地理信息数据、遥感数据等可能涉及隐私授权、相关保密要求等，数据可获得性仍然存在难点。在实际应用相关数据时，也存在数据来源风险、更新周期长、传输安全等问题：国内部分遥感数据来自欧洲哨兵等公开数据，存在数据来源真实性、持续性和自主可控风险；遥感数据的更新周期较长，一般为事后监管，针对极端天气、特殊情况和成熟速度较快的农作物，存在监测、预警不及77时的情况；数据传输存在安全风险，遥感数据可能在传输过程中被截获篡改，从而泄露客户数据或影响数据的真实性。在系统建设方面在系统建设方面，业界虽有遥感应用公有云平台，且应用便捷，但金融机构有严格的数据安全保密要求，一般无法将数据外传互联网，因此需要搭建本地私有云平台。建设私有云平台技术门槛高，建设成本高，周期较长，制约了遥感技术的应用。针对技术本身而言，卫星遥感的优点之一是能够快速观测地面的大片区域，但大面积覆盖会导致较低的空间分辨率（即卫星影像数据的清晰度），因此如何兼顾时空覆盖度与空间分辨率是当前卫星遥感技术应用难题。其次，遥感数据应用的全生命周期管理也有待进一步完善，卫星数据处理、参数反演、应用模型研发、专题数据生产到业务系统开发的各个节点仍然存在一些未能解决的技术难题，诸如数据建模、运算精度提升、平台响应等，难以支撑卫星遥感监测大范围、多目标、定量化的业务需求。卫星遥感技术金融应用与其他行业应用相比，场景的识别目标偏向微观，模型通用性和精确性不高。卫星遥感技术在资源规划布局等领域较为宏观，一般为政府机构的整体布局提供决策支持，分析目标一般为城镇、省份乃至国家等，监控因素多为各类资源的布局分类和质量等。在金融行业中，一般围绕各类信贷、保险业务展开，场景监控的目标较小且具体，例如检测塔吊的数目和方向等。此类应用业界数据积累少，缺少可直接复用的成熟模型，需要结合场景定制化开发，但受制于训练数据稀缺等原因，78初始准确率比较有限，对于一些过小的监控目标例如小型车辆等，即使在高分辨率影像下，其图像表达像素过少，信息不够充分，无法获得理想识别效果。2.2.卫星遥感技术在金融领域应用，面临投入产出比、业务流卫星遥感技术在金融领域应用，面临投入产出比、业务流程改造等适用性评估程改造等适用性评估卫星遥感技术在金融场景应用一般在传统流程和策略基础上，作为新的决策因子被引入。卫星遥感影像数据的专业化分析，会给金融机构带来数据获取、技术升级和流程改造成本。金融机构需要客观、全面的评估引入遥感数据给金融业务带来的价值和成本，即投入产出比。金融作为强监管、重稳定的行业，其创新技术应用的管理机制具有一定的特殊性。针对新技术的引入，总行需经过完善的可行性研究、投资回报率分析等，由于遥感数据使用成本较高、技术难度较大、短期内针对长尾客户的金融服务的提升效果难以评估，因此目前难以在金融机构大范围推广应用。例如在农业对象监控管理方面，主粮作物的监控是目前主流做法。与主粮作物相比，经济作物的影像数据获取和技术分析门槛高，虽然亩产价值大，但没有主粮作物应用范围广。卫星遥感技术在水稻、小麦、玉米等大田作物种植场景应用效果明显，由于识别目标具有显著的波谱特征，利用中低精度遥感影像能快速获取大范围的作物类型和分布情况。但在柑橘、橙子、猕猴桃等79果树类经济作物场景，依赖于更高精度的遥感影像，其数据获取成本更高，同时卫星遥感技术的应用门槛较高，但果树类经济作物的亩产效益显著高于大田作物，信贷等价值更加明显。金融机构针对卫星遥感技术对业务的提升效果进行了重点评估。以银行场景为例，通过评估收益（信贷额度的增加、贷后管理成本的降低以及营销决策效率的提升）与成本（数据获取、算法建设、算力支撑）等，在主粮作物的遥感应用上，银行接受度更高。例如在工业场景方面，金融机构难以通过微波遥感测量监控目标的高度、深度等。SAR（合成孔径雷达）技术对海拔高度敏感，具备穿透云雨的特性，在测量高度、深度具有明显技术优势。但国内外高空间分辨率的 SAR 卫星相对光学卫星较少，主要服务于国防部门，商业应用成本也较高，目前金融机构主要采用光学卫星结合阴影的数据分析方法进行高度测算，SAR 雷达卫星尚未在金融机构中得到广泛应用。3.3.行业政策与标准比较缺乏，影响卫星遥感技术的规范化、行业政策与标准比较缺乏，影响卫星遥感技术的规范化、规模化应用规模化应用目前国家“十四五”规划纲要明确提出了要大力推进“天空地”一体化的信息网络建设，加速卫星商业化应用，重点通过政策鼓励和引导遥感数据和技术在国防建设、生态环境保护、海水养殖、乡村振兴等领域的应用。但遥感技术在金融行业应用的具体指导意见还比较稀缺，因此当前金融行业的大部分机构，仍处80于观望期，仅少量大型金融机构主导新技术的探索和验证。当前遥感技术在金融行业的应用仍处于布局探索阶段，遥感技术的标准化研究与标准制定工作还没有系统开展，尚未形成统一的规范指引与行业标准，对行业缺乏具体的实践指导，一定程度上制约了场景的推广。行业亟需针对金融领域建立完善的卫星遥感数据接入以及应用标准，促进卫星遥感技术在金融业的规范应用和快速发展。（三）应用建议（三）应用建议当前，金融机构对于遥感技术的相关探索和应用，充分验证了遥感影像智能分析技术在金融行业应用的前景与价值。遥感技术的商业化应用也具备一定技术和生态基础，金融机构可加大遥感智能分析技术的应用推广，加速卫星遥感技术的应用布局，重点增强卫星遥感技术在农业、工业等领域的应用，提升信用评估、风险监控、定损理赔等环节的智能化水平。1.1.数据与技术能力建设：建议制定卫星遥感技术应用相关行数据与技术能力建设：建议制定卫星遥感技术应用相关行业标准，加强数据联动业标准，加强数据联动在遥感数据获取和应用方面在遥感数据获取和应用方面，建议遥感技术应用领先的金融机构牵头建设符合金融安全等级的统一的卫星遥感数据服务能力和技术应用标准。一是规范遥感数据来源，积极推进金融行业专用卫星联合发射，降低使用成本。二是针对金融场景的共性业81务诉求，形成遥感影像智能识别系统指标要求和评估方法，完善卫星遥感相关金融数据采集技术标准体系，定义统一的遥感应用相关数据服务目录和标准，进行数据分级分类，为金融行业各方建设可用性强、时效性高、成本低廉、安全性高的卫星遥感金融数据服务能力提供采集和分析参考标准。三是结合行业最佳应用实践，发布卫星遥感在金融领域的建设应用指南，提供卫星遥感在金融领域的建设应用参考，促进遥感技术在金融行业的普及化。在遥感训练数据积累方面在遥感训练数据积累方面，建议加强卫星遥感技术的产学研联动。卫星遥感影像的智能化分析依赖人工智能遥感解译深度学习算法模型，需要海量标注样本，但现阶段高质量的标注数据比较稀缺，建议利用云、区块链等新兴网络共享技术，将散落在各行业，譬如政府、科研院所和公司中的遥感样本关联整合起来，互为补充，尝试共建大规模的训练样本库以及预训练模型。同时鼓励各大金融机构和互联网公司开源遥感影像分析算法，降低中小银行卫星遥感金融服务的准入门槛。在其他遥感技术应用的关联数据融合方面，在其他遥感技术应用的关联数据融合方面，建议加强与气象、农业、林业、工商、畜牧等相关政府数据联动合作。遥感数据主要聚焦于光谱信息，与政府和企事业单位的业务数据融合，能进一步提升监控管理目标的精确性，形成良好的综合决策能力。例如积极推进与气象局、水利部、国土资源部的联合，提高气象风险预警能力和准确度，降低农业土地归属认定成本，通过82交叉数据验证，提高认证效率和准确度。例如建立种植险“一张图”管理模式以 3S（RS、GIS、GPS）技术为支撑，引入村级行政区划数据、遥感影像数据、农村地籍调查数据，建立地块信息与农业信贷或者农险信息相融合的可视化数据图，形成基于耕地地块的“地块 农户 标的物”一体化空间信息数据库，实现“按图作业”，为综合决策提供有效参考。2.2.应用场景选择应用场景选择：建议客观评估卫星遥感应用的投入产出比建议客观评估卫星遥感应用的投入产出比，在性价比较高的场景试点先行在性价比较高的场景试点先行建议金融机构充分考虑经营特点、区域地形特点、技术特点、数据可获取性，综合评估金融机构的投入产出效益等因素，进行场景选择。具体建议如下：一是在农业场景方面一是在农业场景方面，建议在农村土地流转比较发达、地势比较平坦、种植大户比较多的区域率先试点，积累经验，逐步推广应用；相反，在一些山区、丘陵等农业区域，要谨慎使用卫星遥感技术，科学论证，不能单纯为追求使用新科技、新手段而舍本逐末。同时，充分挖掘卫星遥感技术在农业贷款营销经营决策场景的应用价值，合理解决农业贷款供给和需求的矛盾。地方性金融机构在开展农业贷款中，需要准确锁定有贷款需求的目标客户群，建议充分发挥卫星遥感在农业生产经营监控方面的真实性与时效性的优势，辅助金融机构实现精准获客，真正达到国家普惠金融的目标。83二是在工业场景方面二是在工业场景方面，建议优先选择露天的、非流动的、具有足够目标像素的场景，例如塔吊、桥墩、堆土、风电基座、光伏板、电塔等、停留的大车辆等。按监控目标分辨率方面，建议应用场景的单个目标的像素不少于 15 个，相关目标人眼可辨别。除使用光学遥感影像外，也可进一步探索使用雷达影像进行深度、高度的测试，应用碳卫星进行碳排放分析等。此外此外，在场景探索初期，可优先选择功能完备、接入便捷的国内外 SaaS 服务平台进行功能体验和业务场景分析，验证场景可行性。（四）展望（四）展望1.1.行业发展上：随着我国金融基础设施的不断完善，卫星遥行业发展上：随着我国金融基础设施的不断完善，卫星遥感规模化应用的条件日趋成熟感规模化应用的条件日趋成熟卫星遥感数据在金融行业的应用，是遥感数据和人工智能算法，以及高性能算力的高效融合，相关技术要素的持续发展是卫星遥感技术规模化应用的基础保障。在数据方面在数据方面，由于国家政策的推动，我国遥感卫星技术迅猛发展。近年来，我国遥感卫星进入快速发展期，卫星发射数量、数据采集频度、空间分辨率以及光谱分辨率等指标逐年提升，数据可获取性显著增强。未来随着更多低成本、高频率卫星数据的普及，卫星遥感技术应用场景的创新门槛将进一步降低。84在算力方面在算力方面，国家推进东数西算，为人工智能技术应用奠定了算力基础。在 2021 世界计算大会上，中国信息通信研究院发布了中国算力发展指数白皮书。白皮书指出，我国算力正在逆势发展，呈现出“算力规模持续扩大，算力结构不断演化；算力环境日益优化，应用需求不断提升；算力助推经济增长，各地加快发展步伐”的特征。截至 2021 年底，我国在用数据中心机架总规模达到 520 万套，算力总规模超过 140EFlops，近五年年均增速超过 30%，算力规模排名全球第二。在算法方面在算法方面，遥感影像识别分析技术正向无监督大规模预训练方向发展。与有监督学习需大规模样本标注数据不同，无监督学习能充分利用大量无标注的训练样本，解决遥感数据解译中的模型的泛化和通用性问题。基于遥感影像的预训练大模型，可利用少量样本，通过微调优方法，定制个性化的遥感识别模型，加速场景落地。在网络方面在网络方面，5G 技术提升了遥感连接能力。通过 AI 与 5G 的结合，能够大幅缩短遥感图像解译周期、提高解译精准度，同时催生新的遥感应用领域，推动遥感技术应用变革。借助 5G 技术，实现 PNTRC（定位 Positioning、导航 Navigation、授时 Timing、遥感 Remote sensing，以及通信服务 Communication）系统，能提供传输容量更大，速率更快的空天信息实时智能服务。852.2.场景应用：卫星遥感与不同行业以及物联网等技术深度融场景应用：卫星遥感与不同行业以及物联网等技术深度融合，未来将孵化更多创新场景合，未来将孵化更多创新场景卫星遥感与行业融合不断加深，金融应用呈现多元化趋势。当前卫星遥感技术在金融行业的应用主要在农信贷授信评估、风险防控、保险定损理赔、工业工程进度监控等方面，后续卫星遥感技术还可以在生态环境、新农村建设规划、自然灾害监测、公共安全、水利、矿产资源勘探、测绘等国民经济及社会发展等多个行业应用发展，探索出更多金融应用场景。卫星遥感与物联网等技术深度融合，孵化更多场景创新。卫星遥感与物联网等技术融合，以建设“天空地”一体化网络为目标，实现网络通信的三维立体“泛在覆盖”。一是发挥物联网技术和遥感技术不同优势，将地面物联网技术用于小范围监测、局部点位信息获取及其他空间连续性低的场景，将遥感技术用于大范围大面积监测、全局信息获取，及其他空间连续性高的场景。二是针对近地卫星遥感难以识别的场景，通过无人机遥感的方式实现近地面的辅助信息采集，结合地面物联网，实现全场景、全方位的数据孪生体刻画，形成人、地、事、物的深度融合和多元共享。遥感技术与物联网技术的结合应用，在涉农信贷、工业信贷、房屋抵押等金融领域具有广阔的应用前景。86六、参考文献1 ThomasM.Lillesand,RalphW.Kiefer筑.遥感与图像解译(第四版)M.电子工业出版社,2003.2 吴保升;李旭;邵倩;刘钇廷;李家毅,遥感技术在农业领域的研究探讨,2021-09-25.87七、附录（一）卫星遥感相关政策法规（一）卫星遥感相关政策法规近年来关于遥感技术及其应用的相关政策法规如下：发布发布时间时间发布部门发布部门政策名称政策名称主要内容主要内容2015年改革委、财政部、国防科工局国家民用空间基础设施中长期发展规划（2015-2025 年）支持和引导社会资本参与国家民用空间基础设施建设和应用开发，积极发展区域、产业化、国际化及科技发展等多层面的遥感、通信、导航综合应用示范，明确了住不开放空间分辨率由 0.5 米级的民用卫星遥感数据。2016年国 土 资 源部国土资源信息化“十三五”规划要全面建成以“国土资源云”为核心的信息技术体系，基本建成国土资源调查监测及监管体系。充分运用遥感监测技术对用地量大、违法用地量多面广的地区开展全天候督查。2016年国务院“十三五”国家战略性新兴产业发展规划加快卫星及应用基础设施建设。构建星座和专题卫星组成的遥感卫星系统，形成“高中低”分辨率合理配置、空天地一体多层观测的全球数据获取能力；加强地面系统建设，汇集高精度、全要素、体系化的地球观测信息，构建“大数据地球”。2016年中共中央国民经济和社会发展第十三个五年规划纲要加快构建以多模遥感、宽带移动通信、全球北斗导航卫星为核心的国家民用空间基础设施，形成服务于全球通信、减灾防灾、资源调查监管、城市管理、气象与环境监测、位置服务等领域系统性技术支撑和产业化应用能力。此外，相关部门合理规划利用卫星频率和轨道资源，加快空间互联网部署，实现空间与地面设施互联互通，并加速北斗、遥感卫星商业化应用，为卫星遥感行业的持续发展提供保障。2016年国 防 科 工局、发改委关于加快推进“一带一路”空间信息走廊建设与应用的指导意见加快构建以遥感、通信、导航卫星为核心的国家空间基础设施，面向“一带一路”空间信息开放服务和集成应用需求，进一步完善国家统筹建设的数据中心和应用服务平台，有助于促进“一带一路”沿线国家实现空间信息互联互通，推进中国航天装备和高新技术产业国际化发展。2017年国 务 院 办公厅国务院办公厅关于推动国防科技工业军民融合深度发展的意见推进“一带一路”空间信息走廊建设和金砖国家遥感卫星星座合作，鼓励参与海外石油矿产资源开发和国际工程承包。2018国 务 院 办遥感卫星数据开加强卫星遥感数据的共享与应用88年公厅放共享管理暂行办法2019年中 共 中 央办公厅、国务 院 办 公厅数字乡村发展战略纲要建设农业农村遥感卫星等天基设施，大力推进北斗卫星导航系统、高分辨率对地观测系统在农业生产中的应用。2019年国 家 航 天局国家民用卫星遥感数据管理暂行办法光学遥感数据公开标准不优于 0.5 米，微波遥感数据不优于 1 米。为推动国家遥感卫星数据共享及应用推广等提供有力的政策保障。2020年自 然 资 源部自然资源卫星遥感应用体系建设聚焦省级卫星中心已覆盖 31 个省级行政区，为部省协同、统筹推动构建资源共享、创新高效的自然资源卫星技术体系、不断提升卫星遥感服务供给能力及水平奠定基础。2021年国 务 院 办公厅国务院办公厅关于加强草原保护修复的若干意见建立完善草原监测评价队伍、技术和标准体系。加强草原监测网络建设，充分利用遥感卫星等数据资源，构建空天地一体化草原监测网络，强化草原动态监测。2021年中 共 中 央国务院国家综合立体交通网规划纲要加快提升交通运输科技创新能力，推进交通基础设施数字化、网联化。推动卫星通信技术、新一代通信技术、高分遥感卫星、人工智能等行业应用，打造全覆盖、可替代、保安全的行业北斗高精度基础服务网，推动行业北斗终端规模化应用。2021年中 共 中 央国务院中共中央 国务院关于全面推进乡村振兴加快农业农村现代化的意见加快建设农业农村遥感卫星等天基设施。发展智慧农业，建立农业农村大数据体系，推动新一代信息技术与农业生产经营深度融合。2021年国务院“十四五”推进农业农村现代化规加快推动遥感卫星数据在农业农村领域中的应用。推动农业生产加工和农村地区水利、公路、电力、物流、环保等基础设施数字化、智能化升级。2021年中 华 人 民共 和 国 生态环境部关于统筹和加强应对气候变化与生态环境保护相关工作的指导意见在全国层面，探索通过卫星遥感等手段，监测土地利用类型、分布与变化情况和土地覆盖(植被)类型与分布，支撑国家温室气体清单编制工作。2021年中 国 人 民银 行 办 公厅金融科技发展规划（2022-2025 年）在农村金融领域，借助移动互联网、卫星遥感、电子围栏等技术，实现融资需求精准授信，推动农业保险承保理赔电子化、智能化。2022年中 共 中 央办公厅、国务 院 办 公厅乡村建设行动实施方案加快建设农业农村遥感卫星等天基设施。建立农业农村大数据体系，推进重要农产品全产业链大数据建设。2022年中 华 人 民共 和 国 生关于加强海水养殖生态环境监管各级生态环境部门综合运用卫星遥感、无人机、陆岸巡视等方式，加大集中连片养殖活动对岸线及生态影89态环境部的意见响的监视监管力度。数据来源：观研天下数据来源：观研天下（二）卫星遥感相关标准（二）卫星遥感相关标准现行或即将实施的遥感技术及其应用相关国家标准如下:标准号标准号标准名称标准名称GB/T 41540-2022陆地遥感产品真实性检验地面观测场的选址和布设GB/T 41538-2022地表发射率遥感产品真实性检验GB/T 41534-2022地表温度遥感产品真实性检验GB/T 41535-2022气溶胶光学厚度遥感产品真实性检验GB/T 41536-2022土地覆被遥感产品真实性检验GB/T 41537-2022积雪面积遥感产品真实性检验GB/T 41541-2022热红外遥感基本术语GB/T 41539-2022卫星遥感影像地表温度产品规范GB/T 41450-2022无人机低空遥感监测的多传感器一致性检测技术规范GB/T 41279-2022反照率遥感产品真实性检验GB/T 41281-2022光合有效辐射遥感产品真实性检验GB/T 41282-2022植被覆盖度遥感产品真实性检验GB/T 41280-2022卫星遥感影像植被覆盖度产品规范GB/T14914.5-2021海洋观测规范 第 5 部分：卫星遥感观测GB/T 40513-2021星载光学遥感仪器污染防护要求GB/T 40033-2021地表蒸散发遥感产品真实性检验GB/T 40034-2021叶面积指数遥感产品真实性检验GB/T 40038-2021植被指数遥感产品真实性检验GB/T 40039-2021土壤水分遥感产品真实性检验GB/T 39468-2020陆地定量遥感产品真实性检验通用方法GB/T 38935-2020光学遥感器在轨成像辐射性能评价方法 可见光-短波红外GB/T 38236-2019航天光学遥感器实验室辐射定标方法GB/T 38025-2019遥感卫星地面系统接口规范GB/T 38028-2019遥感卫星全色数据产品分级GB/T 38026-2019遥感卫星多光谱数据产品分级GB/T 37151-2018基于地形图标准分幅的遥感影像产品规范GB/T 36296-2018遥感产品真实性检验导则GB/T 36297-2018光学遥感载荷性能外场测试评价指标GB/T 36299-2018光学遥感辐射传输基本术语GB/T 36300-2018遥感卫星快视数据格式规范GB/T 35642-20171:25 000 1:50 000 光学遥感测绘卫星影像产品GB/T 35643-2017光学遥感测绘卫星影像产品元数据GB/T 34509.1-2017陆地观测卫星光学遥感器在轨场地辐射定标方法 第 1 部分：可见光近90红外GB/T 34509.2-2017陆地观测卫星光学遥感器在轨场地辐射定标方法 第 2 部分：热红外GB/T 34514-2017陆地观测卫星遥感数据分发与用户服务要求GB/T 33987-2017S/X/Ka 三频低轨遥感卫星地面接收系统技术要求GB/T 33700-2017地基导航卫星遥感水汽观测规范GB/T 31011-2014遥感卫星原始数据记录与交换格式GB/T 31010-2014色散型高光谱遥感器实验室光谱定标GB/T 30115-2013卫星遥感影像植被指数产品规范GB/T 29391-2012岩溶地区草地石漠化遥感监测技术规程GB/T 28923.1-2012自然灾害遥感专题图产品制作要求 第 1 部分：分类、编码与制图GB/T 28923.2-2012自然灾害遥感专题图产品制作要求 第 2 部分：监测专题图产品GB/T 28923.3-2012自然灾害遥感专题图产品制作要求 第 3 部分：风险评估专题图产品GB/T 28923.4-2012自然灾害遥感专题图产品制作要求 第 4 部分：损失评估专题图产品GB/T 28923.5-2012自然灾害遥感专题图产品制作要求 第 5 部分：救助与恢复重建评估专题图产品GB/T 28419-2012风沙源区草原沙化遥感监测技术导则GB/T 14950-2009摄影测量与遥感术语GB/T 15968-2008遥感影像平面图制作规范数据来源：全国标准信息公共服务平台数据来源：全国标准信息公共服务平台目前，遥感技术及其应用的行业标准主要集中在农业、测绘、环境保护、交通、气象、地震、地质矿产领域，金融行业的应用标准还比较少，相关标准如下：标准号标准号标准名称标准名称行业领域行业领域NY/T 4065-2021中高分辨率卫星主要农作物产量遥感监测技术规范农业CH/T 1049-2021合成孔径雷达（SAR）卫星遥感原始数据质量检验技术规程测绘HJ 11562021自然保护地人类活动遥感监测技术规范环境保护HJ 1236-2021集中式地表水饮用水水源地风险源遥感调查技术规范环境保护HJ 1234-2021入河（海）排污口排查整治 无人机遥感解译技术规范环境保护HJ 1233-2021入河（海）排污口排查整治 无人机遥感航测技术规范环境保护HJ 1166-2021全国生态状况调查评估技术规范生态系统遥感解译与野外核查 HJ 1166-2021环境保护HJ 12132021滨海核电厂温排水卫星遥感监测技术规范（试行）环境保护JT/T 13952021交通地质灾害评估高分遥感专题图技术规范交通NY/T 3922-2021中高分辨率卫星主要农作物长势遥感监测技术规范农业NY/T 3921-2021面向农业遥感的土壤墒情和作物长势地面监测技术规程农业QX/T344.4 2021卫星遥感火情监测方法 第 4 部分：过火区面积估算气象LY/T 3255-2021国家森林资源连续清查遥感专题图制作规范林业91QX/T 6072021地基导航卫星遥感气象观测系统建设规范气象HJ 1098-2020水华遥感与地面监测评价技术规范环境保护QX/T344.3 2020卫星遥感火情监测方法 第 3 部分：火点强度估算气象QX/T 962020卫星遥感监测技术导则 积雪覆盖气象QX/T 5842020海上风能资源遥感调查与评估技术导则气象QX/T 5642020地基导航卫星遥感气象观测系统数据格式气象QX/T 5612020卫星遥感监测产品规范 湖泊蓝藻水华气象NY/T2739.3-2015农作物低温冷害遥感监测技术规范 第 3 部分：北方春玉米延迟型冷害农业NY/T2739.2-2015农作物低温冷害遥感监测技术规范 第 2 部分：北方水稻延迟型冷害农业NY/T2739.1-2015农作物低温冷害遥感监测技术规范 第 1 部分：总则农业NY/T2738.3-2015农作物病害遥感监测技术规范 第 3 部分：玉米大斑病和小斑病农业NY/T2738.2-2015农作物病害遥感监测技术规范 第 2 部分：小麦白粉病农业NY/T2738.1-2015农作物病害遥感监测技术规范 第 1 部分：小麦条锈病农业DB/T 842020卫星遥感地震应用数据库结构地震JR/T 0180-2019基于遥感技术的农业保险精确承保和快速理赔规范金融NY/T 3528-2019耕地土壤墒情遥感监测规范农业NY/T 3527-2019农作物种植面积遥感监测规范农业NY/T 3526-2019农情监测遥感数据预处理技术规范农业CH/T 3022-2019光学遥感测绘卫星影像数据库建设规范测绘CH/Z 4021-2019极地地区 1:50 000 1:100 000 遥感影像平面图制作规范 测绘HJ 1008-2018卫星遥感秸秆焚烧监测技术规范环境保护QX/T344.2 2019卫星遥感火情监测方法 第 2 部分：火点判识气象QX/T 474-2019卫星遥感监测技术导则水稻长势气象DZ/T 0265-2014遥感影像地图制作规范（1：50000、1：250000）地质矿产DZ/T 0264-2014遥感解译地质图制作规范（1：250000）地质矿产DZ/T 0266-2014矿产资源开发遥感监测技术规范地质矿产TD/T 1010-2015土地利用动态遥感监测规程土地管理DZ/T 0296-2016地质环境遥感监测技术要求 1:250000地质矿产DB/T 80-2018地震灾害遥感评估 产品产出技术要求地震DB/T 75-2018地震灾害遥感评估 建筑物破坏地震DB/T 78-2018地震灾害遥感评估 地震极灾区范围地震DB/T 77-2018地震灾害遥感评估 地震烈度地震DB/T 76-2018地震灾害遥感评估 公路震害地震DB/T 74-2018地震灾害遥感评估 地震地质灾害地震92DB/T 79-2018地震灾害遥感评估 地震直接经济损失地震QX/T 454-2018卫星遥感秸秆焚烧过火区面积估算技术导则气象QX/T 460-2018卫星遥感产品图布局规范气象CH/Z 1044-2018光学卫星遥感影像质量检验技术规程测绘SL/T 750-2017水旱灾害遥感监测评估技术规范水利EJ/T 353-2018铀矿遥感地质调查规范核工业CH/T 3019-20181:25 000 1:50 000 光学遥感测绘卫星影像产品生产技术规范测绘QX/T 389-2017卫星遥感海冰监测产品规范气象QX/T 412-2017卫星遥感监测技术导则气象QX/T 379-2017卫星遥感南海夏季风爆发监测技术导则气象DB/T 69-2017活动断层探察 遥感调查地震QX/T 364-2016卫星遥感冬小麦长势监测图形产品制作规范气象QX/T 344-2016卫星遥感火情监测方法 第 1 部分：总则气象MZ/T 065-2016自然灾害遥感基本术语民政QX/T 284-2015甘蔗长势卫星遥感评估技术规范气象DL/T 5492-2014电力工程遥感调查技术规程电力QX/T 266-2015气象卫星光学遥感器场地辐射校正星地同步观测规范气象QX/T 267-2015卫星遥感雾监测产品制作技术导则气象SL 592-2012水土保持遥感监测技术规范水利QX/T 207-2013湖泊蓝藻水华卫星遥感监测技术导则气象HY/T 147.7-2013海洋监测技术规程 第 7 部分:卫星遥感技术方法海洋QX/T 176-2012遥感卫星光学辐射校正场数据格式气象SY/T 6965-2013石油天然气工程建设遥感技术规范石油天然气LY/T1662.3-2008数字林业标准与规范 第 3 部分：卫星遥感影像数据标准林业QX/T 96-2008积雪遥感监测技术导则气象QX/T 177-2012中尺度对流系统卫星遥感监测技术导则气象QX/T 188-2013卫星遥感植被监测技术导则气象LY/T 1954-2011森林资源调查卫星遥感影像图制作技术规程林业QX/T 141-2011卫星遥感沙尘暴天气监测技术导则气象LY/T 2021-2012基于 TM 遥感影像的湿地资源监测方法林业QX/T 140-2011卫星遥感洪涝监测技术导则气象MT/T 1043-2007遥感煤田地质填图技术规程煤炭DZ/T 0195-1997物探化遥感勘查技术规程规范编写规定地质矿产DZ/T 0190-1997区域环境地质勘查遥感技术规程地质矿产DZ/T 0151-1995区域地质调查中遥感技术规定地质矿产DZ/T 0143-1994卫星遥感图像产品质量控制规范地质矿产DZ/T 0206-1999地质遥感术语地质矿产DZ/T0121.12-1994地质仪器术语 地质遥感遥测仪器术语地质矿产93DZ/T 0203-1999航空遥感摄影技术规程地质矿产数据来源：全国标准信息公共服务平台数据来源：全国标准信息公共服务平台此外，还有一些省市根据当地情况颁布了遥感技术应用的地方标准：标准号标准号标准名称标准名称省份省份DB32/T 4324-2022河湖库利用变化高分遥感监测规范江苏省DB23/T 33132022黑龙江省生态系统遥感野外核查方案设计指南黑龙江省DB4106/T 64-2022冬小麦苗情卫星遥感监测技术规范鹤壁市DB37/T 45182022河湖水域岸线遥感监测技术规范山东省DB21/T 1455.4-2022极轨卫星遥感监测 第 4 部分：森林火灾辽宁省DB21/T 1455.2-2022极轨卫星遥感监测 第 2 部分：干旱灾害辽宁省DB21/T 1455.1-2022极轨卫星遥感监测 第 1 部分:术语辽宁省DB5301/T 74-2022滇池湖滨 地表特征无人机遥感调查规程昆明市DB23/T 31772022应用 MODIS 遥感数据进行天然草原生产力遥感监测技术规程黑龙江省DB23/T 31762022草原物候关键期遥感监测技术规程黑龙江省DB11/318-2022在用汽油车排气污染物排放限值及测量方法（遥感检测法）北京市DB1301/T415-2022冬小麦单产遥感预测技术规程石家庄市DB32/T 4236-2022水稻种植面积遥感监测技术规程江苏省DB23/T 31512022寒地水稻倒伏灾害遥感评估技术规程黑龙江省DB23/T 31502022自然保护地人类活动遥感监测技术规程黑龙江省DB42/T1829-2022遥感影像控制点数据库建设规范湖北省DB15/T 24702021内蒙古西部黄土丘陵区基于遥感数据的土壤水蚀简易计算技术规程内蒙古自治区DB4403/T 193-2021城市热岛效应遥感评估技术规范深圳市DB32/T 4123-2021生态地质环境调查航空高光谱遥感技术规程江苏省DB1301/T385-2021小麦撂荒耕地遥感监测技术规程石家庄市DB65/T 4357-2021草原资源遥感调查技术规程新疆维吾尔自治区DB3210/T 1074-2020水稻长势遥感监测技术规程扬州市DB63/T 1929-2021高原湖泊湖冰物候遥感监测技术青海省DB34/T 3801-2021卫星遥感农作物病虫害监测信息处理与发布技术要求安徽省DB11/T 1829-2021生产建设项目水土保持遥感信息应用技术规范北京市DB51/T 2765-2021SAR 遥感数据产品分级规范四川省DB13/T 5287-2020森林资源调查遥感判读区划技术规程河北省DB23/T 27742020地貌遥感调查技术要求（1 比 50 000）黑龙江省DB23/T 27612020自然资源遥感综合调查技术要求（1 比 10000）黑龙江省94DB54/T 0189-2020高寒牧区草地盖度变化趋势遥感监测技术规程西藏自治区DB37/T 41382020花生生长参数卫星遥感监测技术方法山东省DB32/T 3781-2020遥感监测小麦苗情及等级划分江苏省DB32/T 3780-2020遥感预测小麦产量技术规范江苏省DB22/T 3156-2020高分辨率遥感影像防护林林地化监测技术规程吉林省DB42/T 1546-2020卫星遥感影像制作数字正射影像图技术规程湖北省DB37/T 3796-2019小麦冬前苗情卫星遥感监测技术规范山东省DB37/T 3791-2019大蒜长势卫星遥感评估技术规范山东省DB1301/T 319-2019冬小麦苗情遥感监测规程石家庄市DB61/T 1041-2016小麦、玉米产量遥感估测规程陕西省DB61/T 1040-2016小麦条锈病、白粉病遥感监测规程陕西省DB61/T 1130-2018农业干旱风险遥感评估技术规范陕西省DB61/T 1131-2018苹果树长势遥感监测技术规程陕西省DB13/T 2972-2019耕地生产能力遥感评价规范河北省DB41/T 1783-2019玉米长势遥感监测技术规范河南省DB37/T 3643-2019生态环境遥感监测人员持证上岗考核技术导则山东省DB37/T 3240-2018农作物种植面积遥感监测技术规程 大蒜山东省DB37/T 3243-2018农作物种植面积遥感监测技术规程 棉花山东省DB37/T 3241-2018农作物种植面积遥感监测技术规程 冬小麦山东省DB37/T 3242-2018农作物种植面积遥感监测技术规程 马铃薯山东省DB63/T 1746-2019高寒湿地遥感分类技术指南青海省DB63/T1681-2018高寒草地土壤墒情遥感监测规范青海省DB63/T1680-2018高原湖泊、水库水体面积遥感监测规范青海省DB52/T 1373-2018极轨卫星遥感监测地表温度贵州省DB63/T 1565-2017高寒积雪遥感监测评估方法青海省DB63/T 1564-2017高寒草地遥感监测评估方法青海省DB37/T 2888-2016中分辨率成像光谱仪（MODIS）遥感影像小麦长势监测技术规程山东省DB35/T 1570-2016森林资源监测遥感调查技术规范福建省DB21/T 1455.10-2015极轨卫星遥感监测 第 10 部分：植被含水量辽宁省DB51/T 1963-2015草原生态工程生态效益遥感监测技术规范四川省DB51/T 1846-2014草原返青遥感监测技术规范四川省DB50/T 570-2014现状城乡建设用地遥感解译规程重庆市DB23/T 1549-2014极轨卫星遥感监测森林火灾技术规程黑龙江省DB51/T 1730-2014草原沙化遥感监测技术规范四川省DB42/T 963-2014地基卫星定位水汽遥感站选址技术规范湖北省DB32/T 2430-2013大田小麦长势遥感监测操作规范江苏省DB21/T 2015-2012极轨卫星遥感监测 第 9 部分：地表温度辽宁省DB51/T 1089-2010基于 MODIS 数据的草原地上生物量遥感估测技术规程四川省DB51/T 939-2009草原资源遥感监测地面布点与样方测定技术规程四川省95（三）（三）SaaSSaaS 平台平台1.1.华为遥感平台华为遥感平台地理智能体（GeoGenius）依托于华为云在人工智能，大数据等前沿技术的积累，构建了一站式全流程遥感智能开发云平台，提供数据平台、智能计算平台，帮助用户聚焦挖掘数据核心价值，专注于应用算法开发，使能行业快速应用创新，为自然资源、生态、气象、环保、海洋等调查、监测、评价、监管和执法等重点工作提供技术支撑。华为云地理智能体 Geogenius 为开发者提供一站式全流程遥感智能开发云平台。AI 开发是地理遥感数据开发的重要组成部分和前沿方向，Geogenius 支持从数据准备、模型开发、模型训练的一站式 AI 流程，兼容业界主流引擎，兼容用户习惯，让 AI 开发变得更简单、更方便。架构具备自主可控、灵活部署、数据安全、弹性伸缩等特点。2.2.中科星图中科星图“GEOVIS 智慧管理”系列产品以特种领域为特色，赋能四大行业的遥感软件提供商。公司的数字地球应用软件平台（GEOVIS 数字地球应用软件平台）是在基础软件平台之上承载融合各行业空间信息、扩展行业应用打造形成的行业专属应用软件，目前主要应用在特种数字地球应用软件、自然资源数字地球96应用软件、交通数字地球应用软件、气象数字地球应用软件四大领域。3.3.航天宏图航天宏图自主研发的智慧地球云服务平台“PIE-Engine”是一套包容性强、普适性广的成熟产品集，集成了公司自主开发的光学、微波、光谱、雷达等多种数据算法，在支撑大气海洋环境，陆地资源环境，陆海空导航等卫星应用方面发挥重要作用，实现了关键领域核心技术的国产化替代。该产品可对标 Google Earth 数字地球平台的 PIE-Engine。随着公司业务向平台化发展，融合接入的细分行业逐渐增多，PIE-Engine 已从单一的多源遥感数据处理工具，发展成为承载海量地球观测数据、开展时空智能分析、实现物理世界孪生建模的新一代数字地球平台；基于平台形成的解决方案覆盖自然资源、应急管理、生态环境、气象海洋、农业林业、环境咨询、水文水利、防灾减灾、城市规划等十多个行业，为政府实现信息化综合治理及国防信息化建设提供空天大数据分析利器。4.ENVI4.ENVIENVI 是 L3Harris Technologies 公司旗下产品，是一个完整的遥感图像处理平台，ENVI 已经广泛应用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防安全、地球科学、97公用设施管理、遥感工程、水利、海洋、测绘勘察和城市与区域规划等领域。ENVI 早在二十世纪 90 年代就已开始进入中国市场，成为遥感应用教学、科研以及生产的重要支撑，由此逐步占据国内市场，获得了较高的市场份额。ENVI 功能：光谱分析：利用不同波长的像素响应来获取每个像素内材料的信息。数据分析：ENVI 的综合数据分析工具使用经过验证的算法快速、轻松和准确地识别图像信息，如生成图像统计、测量特征和模型地形特征。高级图像分析：使用 ENVI软件，从严格的正畸校正和特征提取，到大气校正和 DEM 提取，都可以通过一个软件包完成高度专业化的任务，降本增效。5.PCI5.PCI加拿大 PCI 公司产品，行业内主流的遥感图像处理软件，功能覆盖遥感图像处理的全部环节，全球用户数量为 5-10 万。软件成熟度高，研发时间超过 20 年。PCI 产品的二次开发局限性较高。在卫星接入数据类型方面，可接入国内外主流的光学、高光谱原始影像，不支持 SAR 原始影像接入。下游面向遥感数据处理市场，覆盖国土测绘、地质地调、林业、民政等行业。6.ERDAS6.ERDASERDAS IMAGINE 遥感图像处理系统是面向企业级的遥感图像处理系统。他以先进的图像处理技术，友好、灵活的用户界面和98操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具，具有高度的 3S（遥感 RS、地理信息系统 GIS、全球定位系统 GPS）集成功能。ERDAS APOLLO 海量影像空间信息共享与服务系统是一个企业级的数据管理、分发和共享解决方案，采用即拿即用的空间信息基础设施建设和地理信息共享服务平台为用户提供了最全面的海量影像数据管理、处理、发布、共享和服务。ERDAS IMAGINE 遥感图像处理系统特点：功能全面，包括航空、航天、全色、多光谱、高光谱、雷达、激光雷达等）影像的显示、处理、分析、地图制图和 3D 模型输出。3S 集成，主要应用方向侧重于遥感图像处理，同时与地理信息系统的紧密结合，并且具有与全球定位系统集成的功能。无缝集成，功能、数据的无缝集成，数据库与管理系统的无缝兼容。工程一体化，通过将遥感应用、图像处理、摄影测量、雷达数据处理、地理信息系统和三维可视化等技术结合在一个系统中，实现地学工程一体化结合；无需做任何格式和系统的转换就可以建立和实现整个地学相关工程。呈现完整的工业流程，为用户提供计算速度更快，精度更高，数据处理量更大，面向工程化的新一代遥感图像处理与摄影测量解决方案。

22人已浏览 2023-03-29 103页 5星级

边缘：当能量喷薄而出边缘计算和 5G 技术如何助力电网减碳 目录页码 3渴求能源的世界如何持续运转？页码 4从集中化发电到分布式发电 页码 5从单向供应转变为双向供应 页码 6对于强大电网的需求 页码 7运用数据实现减碳 页码 8从电力网络到 5G 网络 Page 9两种文化合为一种：提供具有 OT 可靠性的 IT 功能Page 10Past experience will not unlock future performance Page 11A unique facilitator for energy and telecom collaboration Page 12Our commitment to the open 5G future Page 13Driving innovation and choice across the open 5G ecosystemPage 1410 years expertise across energy exploration,generation,and supply Page 15Customer StoriesPage 17The Road to Net Zero-Find Out More目录页码 3能源匮乏世界的可持续性发展页码 4从集中化发电到分布式发电 页码 5从单向供应转变为双向供应 页码 6对于强大电网的需求 页码 7运用数据实现减碳 页码 8从电力网络到 5G 网络 页码 9两种文化合为一种：提供具有 OT 可靠性的 IT 功能 页码 10过去的经验不足以解锁未来的成效 页码 11能源行业和电信行业合作的独特促进因素 页码 12我们致力于支持未来的开放的 5G 技术 页码 13在开放的 5G 生态系统中，促进创新和自由选择 页码 14在能源勘探、发电和供电领域拥有10年专业技能 页码 15客户案例 页码 17与我们共同踏上净零的历程 边缘：当能量喷薄而出21世纪下半叶的历史，将在上半叶完成之前就已被书写。为了减轻气候变化的最恶劣影响，全世界将需要在2050年之前实现“净零”排放。针对这一预测，戴尔科技承诺：截至2040年，我们所有的生产设施将完全使用可再生能源。而且，我们相信，我们能帮助促进能源可持续性转型。目前能源行业所产生的温室气体占全球总量的75%*，与此同时，人类对能源的需求在不断增长。在未来的8年间，地球新增的10亿多人将消耗大量能源，而且新增人口大多来自于发展中国家，他们需要经济上最易于负担的能量来源。近年来，化石燃料对于地缘政治的重要性日益增强，全球能源危机促使各国更加关注能源安全问题。在短期内，各国可能增加对于碳氢化合物储备的依赖性。唯一可持续的长期战略是显著提升可再生能源在总体能源消费中的比例。显然，能源的未来在于电力。发电方式正在变得更加灵活和分散，为了跟上这一趋势，电网需要拥抱 IT 技术进步，例如自动化和人工智能、边缘计算以及高容量、超低延迟的数据通信。戴尔科技致力于促进电力和能源部门的创新和协作。本指导文章讨论 5G 网络和数据驱动的电网如何将 IT 的敏捷性与运营技术结合起来，以便提供可持续的电力来满足全球之需。能源匮乏世界的可持续性发展 边缘：当能量喷薄而出3减碳和提升能源安全性的需求，正在促进业界的大量投资与多元化。向可再生能源的转变包括风能、波浪能和太阳能正在改变一切业态。自从爱迪生时代以来，电网一直围绕着集中发电而构建提前预测需求，并按照日程规划进行发电，以便满足需求。如今美国的能源大约有60%来自于煤炭、石油和天然气，19%来自于核能，而仅有17%来自于各种可再生能源。2 随着可再生能源在整体能源混合体中的比例上升，电力开发在地理上将更加分散。可再生能源的间歇性性质必须得到考虑，其输出的峰值可能与需求并不对应，并且会限制能源存储容量。为了有效地管理包含更大比例间歇性发电容量的能源系统，需要进行转型，以便高效地管理实时供需和分布式能源存储系统。为了实现转型，将需要在边缘环境中使用复杂的数据驱动型自治系统，来尽可能地降低能源的碳密度。从集中化发电到分布式发电 边缘：当能量喷薄而出4从单向供应转变为双向供应 另一种根本性的变化是，越来越多的最终用户在投资进行微型发电和能源存储。每一年，每名发电者/消费者可能只将少量的剩余能源馈送到电网，然而随着数百万个家庭和企业的加入，此类能源的体量和重要性将显著增长。电力车辆的不断增多也促进了 V2G（车辆到电网）电力馈送技术的发展。通过运用该技术，车载高压电池可在用电高峰时刻将电力释放回电网，有助于应对用电需求和减轻电网的供应压力。同样的负载平衡原则还可应用于家用电器和工业流程，由每个耗电地点的智能电表边缘来执行。例如，智能洗碗机可自动定时在夜间的最优时段运行即电价最低并且使用可再生能源的时段。边缘：当能量喷薄而出5能源基础设施的这种根本性转型，有助于支持更加复杂的供需模式。电网不仅能够满足用电高峰的需求，还将：对于强大电网的需求为了取得这些成果，电网将需要充足的计算容量，智能化地根据实时数据和海量变量做出自治决策。从“生产者兼消费者”所拥有的风力涡轮机、太阳能发电板和电车电池，向电网馈送多余的电力，从而扩展电力基础设施。通过激励措施，促进电力需求侧的重大改变，例如，“错峰使用”奖励，以及设定智能电器在当地用电需求最低的时间段自动运行等。在精细的粒度水平上了解能源使用情况，例如通过智能互连电表管理复杂的、不断变化的供电模式预测数百万个分散发电地点的维护需求边缘：当能量喷薄而出6还需要充足的网络容量，以便在最短的延迟时间内传输海量的数据，进而支持大体量实时数据所驱动的决策。在2050年之前实现“净零”目标，是一个令人难以置信的艰巨挑战。为了应对这一挑战，除了做出其他方面的努力，还需要全球能源基础设施进行根本性的转型，以实现双向的电力流动。为了实现“保障供应”和“管理需求“这两大目标，需要收集和分析来自数十亿个分散设备的数据，并在数毫秒内将洞察力转变为行动。这就需要显著地提高边缘环境的计算能力，运用新一代技术来优先提升网络安全性和弹性。运用数据实现减碳更复杂的是：通过分配负载，来优化数百万最终用户的能源使用效率。边缘：当能量喷薄而出7在海量规模上，进行高容量、低延迟的数据传输，对于实现转型至关重要。对于通信服务提供商而言，这为多种多样的 5G 技术大展身手带来了非凡的新机会。美国已通过基础设施投资和就业法案（Infrastructure Investment and Jobs Act）拨款十亿美元级的投资，供能源公用设施实施宽带和无线技术，作为能源网络的一部分。换句话说，能源公用设施很快将需要高容量、低延迟的网络，并已做好了投资准备。5G技术能为之交付高容量、低延迟的网络。戴尔科技在采矿业的相似用例中已经拥有了丰富的经验。最近，Rogers 电信公司建设了加拿大的第一个 5G 无线专用网络，由戴尔科技提供关键基础设施。Rogers 商用 5G WPN 使用行业合作伙伴所提供的戴尔基础设施和技术，为矿业工作者提供更好的连接、通信和更高的安全性，同时通过高可扩展的网络来运行数千个现代化解决方案。从电力网络到 5G 网络 边缘：当能量喷薄而出8转型的另一方面，是需要在大规模、分布式的边缘地点开展复杂的数据处理和分析，同时确保国家关键基础设施的安全性。能源行业需要在 OT 能力上实现跨越式进步。而 IT 的领域已经拥有人工智能和自动化工具来促进这一进步。IT 更新周期一般是3年，而 OT 系统的服役时间往往持续数十年甚至更久。在关键行业，例如能源行业，IT 提供商面临着“提供行业所必需的、接近于 OT 级的安全性和弹性”的挑战。在不远的未来，能源基础设施将远比今日的复杂。为了控制这些基础设施，能源行业需要实现 OT 现代化，以便充分发挥海量实时数据的所用。同时，IT 提供商必须更上一层楼，大幅地提升安全性和弹性水平。两种文化合为一种：提供具有 OT 可靠性的 IT 功能 边缘：当能量喷薄而出9过去的经验不足以解锁未来的成效 在电力安全框架中，融会了超过一个世纪的经验，其技术选择相对稳定和系统化，风险也得到很好的了解。然而，以往的经验并不总是足够为未来做好准备1。”“国际能源署（IEA）总结能源提供商所面临的挑战（2020年）为了解锁全球能源可持续发展能力，需要不止一个、而是两个关键基础设施领域的系统性改变：反过来，还需要在这两个非常不同的行业之间打造兼容性。对于通信服务提供商而言，按照网络设备构建系统（National Equipment Building System，NEBS）中符合 OT 标准的IT 原则来创建和部署新的 5G 用例，需要克服“复杂性”的挑战。对于能源公用设施而言，挑战则在于创建和部署符合关键国家基础设施安全标准的、复杂程度显著提升的边缘基础设施（仍然需要依据IT原则）。边缘：当能量喷薄而出10戴尔科技关注并大力投资于未来的开放的、软件定义的 5G 技术，并且在服务于能源行业客户方面拥有超过10年的专业经验。我们拥有良好的定位来促进这一转型。我们是边缘计算和虚拟化领域的专家。我们拥有深入的经验，能在广泛的区域部署、管理和保护软件定义的设备，并运用专业技能来迎接网络转型的技术和物流挑战。因此，我们能帮助通信服务提供商和公用设施部门在每个设计领域的 IT 与 OT 之间实现最优平衡。如果您正在实施数据中心现代化，我们能以 IT 的速度帮助您实施。如果您在更新关键的、类 OT 的变电站或基站，我们能集成、测试和检验解决方案，使您在解决方案部署到网络以前很早就了解其性能和可靠性。当您将 IT 技术运用于 OT 运营活动时，戴尔科技拥有良好的定位，来帮助您汲取这两个领域的优势并实现现代化目标。能源行业和电信行业合作的独特促进因素 边缘：当能量喷薄而出11戴尔科技致力于促进兼容性，支持通信服务提供商从一个通用的平台满足众多不同行业的需求。我们大力投资拓展 5G 技术的边界。其中，开放电信生态系统实验室（OTEL）是我们投资的一个重要组成部分。OTEL 的理念是：将软硬件制造商与通信服务提供商、与快速转型行业的合作伙伴和客户汇聚起来，以便促进创新。在 OTEL，我们致力于“催化”跨行业的协作，促进开放 RAN 技术的采用，以及打造历经测试和检验的、可随时部署的 5G 解决方案。在能源行业，我们已在帮助头部原始设备制造商将 5G 技术嵌入到客户解决方案中。我们还致力于创建一个通用的 5G 平台，供通信服务提供商用于构建实时高容量数据链路，从而支持能源公用设施最大程度地发挥可持续能源和智能网络的潜力。我们致力于支持未来的开放的 5G 技术 边缘：当能量喷薄而出12在开放的 5G 生态系统中，促进创新和自由选择 OTEL：开放的电信生态系统实验室位于德克萨斯州圆石市的先进的虚拟和物理实验室、旗舰设施 提供先进的资源，为实验和学习提供便利 促进行业标准合规，简化集成和互操作性降低风险并开发历经认证的安全解决方案，来帮助通信服务提供商发挥 5G 技术的潜力在生产环境和先进的设施中构建和测试解决方案 将历经认证和检验的解决方案从实验室推向市场在类似于生产设施、中立于供应商的环境中，构建和测试以客户为中心的新解决方案在受控的安全的环境中，为通信服务提供商和合作伙伴开发和演示定制解决方案边缘：当能量喷薄而出13戴尔科技在整个能源生态系统中拥有广泛的经验具体包括从能源勘探、生产和运输，到发电、输电、配电和电力消费。作为能源行业的人工智能和高性能计算头部企业，我们提供历经验证的产品、解决方案和专业技能，在难以到达的极端环境中部署先进的技术。我们拥有广泛的经验，帮助全世界的一些重要 OT 电力设备制造商开发 OEM 硬件解决方案。戴尔科技是虚拟化、容器化和边缘计算领域的全球头部企业这些技术对于构建下一代电网至关重要。从这些经验中，我们积累了非常广泛的技能来帮助您打造面向未来的、可持续的能源环境。结合以我们的合作伙伴生态系统和行业提供商，我们能够提供广泛多样的解决方案，其中包括基础设施、应用程序和服务。在能源勘探、发电和供电领域拥有10年专业技能边缘：当能量喷薄而出14构建基础设施来从能源需求侧减碳智能化计量为了打造需求侧的电网管理解决方案，并最大程度地降低能源的碳密度，我们将需要在整体计量基础设施中显著增加数据和连接。新一代的由 5G 技术支持的智能电表正在将取样率从每小时4次提升到32KHz。5G 连接对于电网将是不可或缺，可用于支持广泛多样的设备，具体包括电动汽车、电池储能、智能设备以及太阳能光伏等。提升发电能力，降低运营和维护成本 风力涡轮机农场风力涡轮机一般部署在农场中，因此，为了优化风涡轮的性能，需要进行仔细协调。业界正在开发新一代的控制系统，以便充分发挥 5G 网络的低延迟、高带宽能力，运用由人工智能技术支持的预测性维护算法，来提升发电能力和降低运营与维护成本。边缘：当能量喷薄而出15为公用设施野外工作者提升安全性和效率 互连的工作者随着极端天气现象的不断加剧，公用设施野外工作者的职责变得更具挑战性。任务优化型技术，例如扩展现实，对于提升健康和安全性非常重要，同时还能降低维护成本。众多的公用设施公司已经看到了 5G 技术的优势，有望使用 5G 技术支持的坚固化设备来提升运营效能。促进由数据驱动的高网络弹性自治 数字化变电站实现变电站数字化，是大多数公用设施公司网格现代化战略的一个关键组成部分。基于虚拟化和容器化的基础设施而部署新一代数字化变电站的做法，正在转型传统的数据采集与监视控制（SCADA）系统，支持连接大量增长的数据，通过自治系统来处理这些数据并相应地采取行动。5G 技术在连接变电站内外部设备方面，将发挥越来越重要的作用，并能确保符合甚至超越该行业严格的网络弹性要求。边缘：当能量喷薄而出16了解更多信息加入我们，可持续地为未来注入能量实现全球“净零”排放目标，对于我们所有人都非常重要。戴尔科技相信，只有做有益于人的事情，才能把事情做好。在这方面，我们面临着空前重要的机会。为了快速地转变全球能源供需状况，人类将面临巨大的挑战。而我们团结起来，能够应对这些挑战。欢迎您更具体地了解我们如何与通信服务提供商和能源行业开展合作，为未来打造可持续的能源基础设施。与我们共同踏上净零的历程*可再生能源驱动更安全的未来（Renewable energy powering a safer future）|联合国的1 2020年，（Power Systems in Transition）巴黎国际能源署IEA转型中的电力系统2 美国用于发电的能源类型（What is U.S.electricity generation by energy source?）请阅读 eia 报告

17人已浏览 2023-03-27 18页 5星级

面向典型行业的云网边端智能协同与剪裁WHITE PAPER V9.0D2023.03摘 要从云计算到雾计算再到边缘计算，为了给用户提供极致的定制化服务体验，我们见证了无线网络与计算的不断融合与发展。然而，云计算会带来极高的传输延迟；而资源受限的边缘设备难以承担复杂的计算需求，且会给用户的数据隐私保护带来困难。所以可结合云端训练与边缘端推理，通过云网边端智能协同与剪裁技术实现按需的定制化服务，以支撑多种垂直行业的典型应用，这样不仅可以降低数据传输延迟，也可以保护用户的数据安全。由于面向典型行业的云网边端智能协同与剪裁技术目前还处于起步阶段，因此本白皮书旨在分析云网边端智能协同与剪裁的研究进展。主要包括：（1）云网边端智能协同与剪裁关键技术：首先对云计算和边缘计算的概念和特点进行简单描述。然后针对垂直行业的差异化需求，对裁剪技术（网络切片）、软件定义网络和人工智能等进行介绍，并分析其在云网边端协同中的应用。（2）云网边端协同安全研究：首先阐述了云网边端协同面临的诸多安全问题和挑战。然后分析云网边端协同的安全管理架构和安全技术等。最后对云网边端协同生命周期的安全管理进行了阐述。（3）云网边端协同典型应用：作为白皮书的核心部分，对云网边端智能协同在新兴的代表性业务场景中的应用进行了分析，如物联网、智慧医疗、智慧交通和云手机等。云网边端协同简介 国内外发展现状 云网边端协同网络架构研究现状云网边端协同方式研究现状 白皮书章节安排 面向典型行业的云网边端协同架构 云边协同架构分析 云网边端协同架构分析 云网边端智能协同与剪裁关键技术研究 云计算和边缘计算基本概述网络切片基本概述在云网边端协同中的应用软件定义网络基本概述在云网边端协同中的应用人工智能基本概述机器学习在云网边端协同中的应用联邦学习在云网边端协同中的应用知识图谱在云网边端协同中的应用云网边端协同安全研究云网边端协同面临的安全挑战缺乏安全可信的网络架构安全认证机制的不足隐私数据泄露风险基础设施安全风险开源软件安全风险云网边端协同的安全框架基础安全虚拟化安全数据安全应用安全1 1.1 1.1.11.1.21.22 2.1 2.2 3 3.1 3.2 3.2.1 3.2.2 3.3 3.3.1 3.3.23.4 3.4.1 3.4.23.4.33.4.44 4.1 4.1.14.1.24.1.34.1.44.1.54.24.2.14.2.24.2.34.2.401 01 010101 03030506060707091010121414161819222223232324242526262727目录云网边端协同安全的关键技术 网络安全接入标准轻量级安全技术 边缘计算安全数据隐私保护安全隔离 高级持续性威胁防御技术 云网边端协同生命周期的安全管理 产品开发过程安全第三方组件安全运维安全管理安全事件管理云网边端协同典型应用案例人脸识别场景概述性能需求分析对云网边端协同的潜在需求与应用自动驾驶场景概述性能分析对云网边端协同的潜在需求与应用物联网场景概述性能需求分析对云网边端协同的潜在需求音视频服务场景概述性能需求分析对云网边端协同的潜在需求与应用智慧交通场景概述性能需求分析对云网边协同的潜在需求与应用智慧医疗场景概述4.3 4.3.14.3.2 4.3.3 4.3.4 4.3.5 4.3.6 4.4 4.4.14.4.24.4.34.4.455.15.1.15.1.25.1.35.25.2.15.2.25.2.35.35.3.15.3.25.3.35.45.4.15.4.25.4.35.55.5.15.5.25.5.35.65.6.128 2829 29 30 31 32 32 323334353636363738404142464747484850505051525252525353性能需求分析 对云网边协同的潜在需求与应用云手机 场景概述 性能需求分析 对云网边端协同的潜在需求与应用 面向 6G 的云网边端智能化协同研究 面向 6G 云网边智能化架构架构总体描述架构特征服务化 RAN服务化 RAN 概述服务化 RAN 技术特征致谢5.6.2 5.6.35.7 5.7.1 5.7.2 5.7.3 6 6.1 6.1.16.1.26.26.2.16.2.2754 5556 56 57 58 58 58 595959606162-01-面向典型行业的云网边端智能协同与剪裁1.云网边端协同简介1.1 国内外发展现状边缘计算能够提供近距离的智能服务，进行准确、快速的数据处理，具有占用资源少、处理低延时的优点，但难以实现资源的全局控制。云计算拥有足够的计算和存储资源，但处理速度较慢，用户交互延迟较大。通过构建云网边端协同架构，可以实现终端物联网设备的便捷通信和可靠的数据交互，满足不同行业的差异化服务。结合云计算和边缘计算的优势，云网边端协同应运而生，通过云边协同网络，可在为终端用户提供低延时服务的同时提高数据的处理速度。1.1.1 云网边端协同网络架构研究现状云网边端协同架构近年来受到产业界广泛关注。如，KubeEdge 架构 1 将云应用程序部署到边缘节点，具备云边协同、边缘自治和计算沉降能力 2。OpenYurt 架构 3 依托云原生，实现了在云服务器统一管理海量边缘资源、数据和业务的能力。1.1.2 云网边端协同方式研究现状产业界和学术界对资源协同、智能协同和数据协同等协同方式进行了大量研究。如联合通信和计算资源协同分配算法 45，云边协同计算卸载、计算和通信资源分配方案 6，用于煤矿井下环境实时智能视频监控的云边协同框架 7，集成云边端Deep Adapter 框架 8，边边协作人工智能按需学习卸载机制 9，用于大规模监控视频流的云边协同实时查询系统 Surveil Edge10，工业云边协同计算平台 Sophon Edge11。云网边端协同无论是在框架还是协同方式都已引起了国内外学者的关注，其中通过云网边端进行智能算法协同训练及推理来实现万物智联显得尤为重要。1.2 白皮书章节安排本白皮书一共分为七个章节，各章节内容安排如下：第一章首先对云网边端协同架构与协同方式的国内外研究现状进行了分析，并简要介绍了全文的主要内容和结构安排。第二章探讨了云网边端协同的主要架构。分别就云边协同和云网边端协同架构进行了简单的分析。第三章针对云网边端协同的关键技术进行了介绍，并着重介绍了这些技术在云网边端协同中的应用。第四章对云网边端协同安全技术行了详细的介绍，首先介绍了云网边端协同面临的安全风险，然后云网边端协同安全框架与安全管理技术详细的描述说明。第五章介绍了典型场景中的云网边端协同，首先对应用场景进行了简要描述，然后介绍了应用场景的性能需求，最后对云网边端协同在典型行业中的应用进行了分析。第六章对 6G 时代的云网边端智能协同架构进行了展望。第七章对本白皮书的所有撰写者进行了衷心的感谢。参考文献1 J.Chen and X.Ran,“Deep Learning With Edge Computing:A Review,”Proceedings of the IEEE,vol.107,no.8,pp.1655-1674,Aug.2019.2 刘光毅,金婧,王启星,等.6G 愿景与需求:数字孪生、智能泛在 J.移动通信,2020,44(6):3-9.3 喻鹏,面向 B5G/6G 边缘网络的智能管控架构 J.移动通信,2020,44(6):90-95.4 J.Ren,G.Yu,Y.He and G.Y.Li,“Collaborative Cloud and Edge Computing for Latency Minimization,”IEEE Transactions on Vehicular Technology,vol.68,no.5,pp.5031-5044,May 2019.5 J.Ren,Y.He,G.Yu and G.Y.Li,“Joint Communication and Computation Resource Allocation for Cloud-Edge Collaborative System,”2019 IEEE Wireless Communications and Networking Conference(WCNC),2019,pp.1-6.6 C.Kai,H.Zhou,Y.Yi and W.Huang,“Collaborative Cloud-Edge-End Task Offloading in Mobile-Edge Computing Networks With Limited Communication Capability,”IEEE Transactions on Cognitive Communications and Networking,vol.7,no.2,pp.624-634,Jun.2021.7 W.Tang et al.,“Wireless Communications with Programmable Metasurface:New Paradigms,Opportunities,and Challenges on Transceiver Design,”IEEE Wireless Communications,vol.27,no.2,pp.180-187,Apr.2020.8 Y.Zhao,H.Yu,H.Xu,“6G mobile communication networks:vision,challenges,and key technologies,”Scientia Sinica Informations,2019,49(8):963-987.9 张彤,任奕璟,闫实.人工智能驱动的 6G 网络:智慧内生 J.电信科学,2020,9:14-22.10 Y.Sun,Z.Wang,S.Yuan,et al.“The sixth-generation mobile communication network with endogenous intelligence:architectures,use cases and challenges,”Application of Electronic Technique,2021,47(3):8-13.11 N.Dragoni,I.Lanese,S.Larsen,et al.“Microservices:How to make your application scale,”International Andrei Ershov Memorial Conference on Perspectives of System Informatics,2017:95-104.-02-面向典型行业的云网边端智能协同与剪裁下面以基于软件定义网络（Software Defined Network，SDN）的云边协同架构为例进行分析。首先，集中式 SDN 的控制平面可以提供云服务器和边缘服务器对不同资源的使用情况，根据不同的业务类型提供满足其需求的资源数量。其次，SDN 与访问控制、广域网和云计算技术的兼容特性使得部署在无线接入网的虚拟网络功能灵活创建，从而极大程度地降低网络管理复杂度。最后，基于 SDN 的云边协同网络将更好地发挥云计算和边缘计算的优势，满足云边协同网络在资源分配、任务调度等方面的需求。图 2.1 云边协同架构-03-2.面向典型行业的云网边端协同架构云网边端协同架构包括云中心、边缘域和网络部分。云中心是数据集中处理的中心，负责长期大流量数据的分析和处理，具有业务智能决策和管理能力，实现边缘节点全生命周期管理和周期性运维。边缘域或边缘节点可以接入云中心。云中心对边缘域和边缘节点上传的数据进行分析和处理。边缘域负责收集、存储和处理边缘节点的数据。网络部分包括核心网，承载网和接入网等。2.1 云边协同架构传统的云边协同架构处理数据的流程主要是在终端设备产生数据之后，由无线接入网将数据上传至边缘服务器，并由边缘服务器执行计算任务。当计算量较大、计算任务复杂度较高时，边缘服务器会将计算任务上传到云服务器进行处理。当云服务器完成计算任务后，会将计算结果下发至边缘服务器，再由边缘服务器将计算结果传输至终端设备，由此实现云边协同，如图 2.1 所示。面向典型行业的云网边端智能协同与剪裁图 2.2 基于 SDN 的云边协同架构图 2.2 描述了基于 SDN 的云边协同系统架构。从图中可以看到该架构主要由基础设施层、控制层、应用层和用户层组成。基础设施层由边缘服务器和云服务器组成，其中，边缘服务器负责收集网络当前状态，然后通过南向接口将当前状态的相关信息发送给控制层。控制层收到相关信息后，会按照其自身的规则处理数据并执行计算任务。控制层通过北向接口连接至基础设施层，并逐级控制各个边缘计算网络和云计算网络环境，实现边缘计算和云计算的协调控制以及云和边缘的协同计算。控制层通过南向接口连接至应用层，应用层旨在为终端用户提供满足性能要求的应用程序，通过控制层提供的各类控制器，应用程序可以访问终端设备：终端设备发出的各种任务由应用层下发至控制层，由控制层进行决策并调用底层基础设施资源以实现应用层的各种任务。控制层是整个架构的核心，云计算设备和边缘计算设备可通过控制层合并到一个统一的体系架构中，该层包含局部控制器和全局控制器：其中，局部控制器控制局部范围内的资源调度和任务决策，当遇到较为复杂的计算任务时，局部控制器会将任务反馈给全局控制器，由全局控制器进行决策和任务处理。基于 SDN 的云边协同计算架构通过局部和全局控制器的协同实现负载优化、减少全局控制器的成本并降低延时，同时每层控制器的相对独立特性又保证了计算网络的安全性和稳定性。但云边协同体系涉及多个云计算平台、多设备的接入控制及资源调度，因此基于 SDN 的云边协同体系架构仍需要进一步的统一标准。-04-面向典型行业的云网边端智能协同与剪裁2.2 云网边端协同架构分析云网边端架构包括边缘计算设备、云计算设备及通信网络，通信网络包括接入网、承载网及核心网等。云网边端协同架构需要在通信网络中引入云计算和边缘计算，并在云计算与边缘计算中引入网络技术，是对网络架构的深刻变革，需要云网边端高度协同、相互借鉴。5G 核心网已经实现了全面云化，从而实现了海量数据的存储和处理。然而面对垂直行业的不同应用，其对网络的计算能力、存储能力及响应时间的需求是不同的：例如自动驾驶技术需要超低的响应时间，而超高清视频则需要较高的数据传输速率。因此需要通过边缘计算就近为用户提供低延时服务，同时边缘计算平台需要引入容器、网络功能虚拟化等技术进一步提高平台效率，降低运维成本。由于垂直行业会产生大量的承载网设备，其场景较为复杂、带宽需求量大，因此面向垂直行业的承载网需要大带宽、大容量。同时垂直行业的多种服务，例如工业控制、车联网、智慧医疗等需要低误码率以及低时延，因此要求承载网能够提供和处理超低时延服务。无线接入网是实现未来新兴应用的关键网络之一。随着垂直行业的持续发展，接入网技术也在不断提高，主要表现在以下几个方面：1）接入网的复杂程度在不断提高。不同的接入技术的竞争与综合使用，以及对不同垂直行业应用的支持，使得接入网的复杂程度不断增加。2）接入网应支持更复杂的业务，包括各种增强移动宽带（Enhanced Mobile Broadband，eMBB）、超可靠低时延通信（Ultra-reliable and Low Latency Communications，uRLLC）和海量机器类通信（Massive Machine Type Communication，mMTC）业务。3）光纤技术的发展与光纤覆盖范围的扩展使接入网能够满足更多应用，并促进各种垂直行业的全光纤连接，实现统一的全光结构。云网边端协同架构将促使更多新兴业务产生。在云端，应用将不再被各种资源限制；在网络端，由网络连接的分布式的计算设备将促使更多低延时应用诞生；在边缘端，云边端协同将会产生云游戏等新兴应用。在云端和边缘端的基础上，网络将辅助各种垂直行业进行资源高效流通，从而提升整个网络结构的运营能力。尽管云网边端协同发展催生了更多的应用，也为用户带来极致的服务体验，但在其发展过程中也存在着诸多问题。首先是网络技术的突破：新型的网络技术需要兼顾网络质量以及成本，如何权衡运营商在网络部署过程中的收益和成本将会成为制约云网边端协同发展的难点之一；其次，面对未来大量的泛在接入问题，在考虑收益和成本的同时更需要解决服务的灵活动态部署，需基于用户的服务等级协议需求，并综合考虑网络的多维资源使用情况，来提升网络的服务性能；最后，由于边缘服务器的算力有限，如何在边缘计算平台部署的轻量化设备中引入用户隐私保密技术也是一个亟待解决的难题。-05-面向典型行业的云网边端智能协同与剪裁3.云网边端智能协同与剪裁关键技术研究 云网边端协同是云计算和边缘计算的进一步延伸。基于云计算和边缘计算，融合网络切片（剪裁技术）、SDN和人工智能等技术，实现云边按需协同互操作和系统的动态优化调度，进而支持垂直行业的复杂应用的构建、运行和评估。3.1 云计算和边缘计算基本概述作为一种超级计算模式，云计算以互联网为基础，来实现用户的在线软硬件资源和信息资源共享，将计算机的存储和计算能力最大化。云计算在 2007 年由谷歌率先提出，在分布式计算、并行计算和网络计算的基础上形成的一种新的计算模型。广义上，云计算指用户通过网络在线以按需或易扩展的方式获得服务，这种服务包括软硬件和信息资源，对服务进行交易并收取费用。狭义上，云计算指把计算机基础设施作为商品进行交付和使用，通过互联网并根据用户需要，选择付费享用软硬件资源信息。云计算具备诸多优势：1）用户通过网络可随时随地对云端进行访问：云计算不仅拥有自己的系统，而且整合了各种异构的信息设备，用户可在拥有网络的前提下，接入云端访问资源。2）可以给用户提供自助式服务：云计算提供了自动化的软件运行环境，用户可按照个性化需要，得到请求的服务，无需与服务提供商进行交互，极大地降低了运营成本。3）资源池化：云计算将所有的软硬件及信息资源放在虚拟化的运行环境中，用户请求服务时，这些资源就会按需组合，以满足用户的业务需求。4）弹性供给：云计算并不是静态地提供服务，当用户访问量过大时，可以自动提供更多资源，快速进行资源池化反应；当用户需求访问量减少时，则慢速反应，使其一直处于动静结合的状态，以满足不同访问量的需要。5）服务可计量：云计算提供的服务是可度量的，资源池会根据用户对服务的不同需求进行动态扩展或收缩，用户只需按接受服务的内容和次数交付费用。图 3.1 云计算和边缘计算示意图-06-面向典型行业的云网边端智能协同与剪裁云计算服务是一种集中式服务，所有数据都通过网络传输到云端进行处理，资源的高度集中使得云计算具有很高的通用性。然而，面对物联网设备和数据的爆发式增长，基于云计算模型的聚合性服务逐渐显露出其在实时性、网络制约、资源开销和隐私保护等方面的不足。为了弥补集中式云计算的不足，边缘计算的概念应运而生，它是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储和应用为一体的分布式开放平台，就近提供边缘服务。由于传输链路的缩短，边缘计算能够在数据产生侧快捷、高效地响应业务需求，数据的本地处理也可以提升用户隐私保护程度。另外，边缘计算减小了服务对网络的依赖，在离线状态下也能够提供基础服务。边缘计算最早可以追溯至内容分发网络中的功能缓存概念，2015 年边缘计算进入快速发展期后，以边缘计算为主题的协会与联盟相继成立，各类定义、标准与规范逐渐形成。旨在推动云操作系统的发展、传播和使用的OpenStack 基金会以及由华为技术有限公司、中国科学院沈阳自动化研究所等联合成立的边缘计算产业联盟等组织对边缘计算进行了定义，尽管这些定义的描述不尽相同，但在边缘计算的核心概念上达成共识：边缘计算是指在网络边缘执行计算的一种新型计算模型，这里的边缘是指从数据源到云端之间的任意资源，其操作对象包括来自云服务的下行数据和万物互联服务的上行数据。边缘计算具备如下优势：1）在数据安全方面，边缘计算架构中的数据收集和计算都是在本地进行，数据不再被传输到云端，因此重要的敏感信息可不经过网络传输，有效地避免了传输过程中的隐私泄漏。2）在交互延迟方面：物联网应用面对的数据量极大，而边缘计算更靠近数据源，能够提供更实时、更快速的数据处理，降低了数据上传到云服务器的时间和数据回传带来的延时，从而提高了系统的效率。边缘计算的及时性和即时性对响应速度有苛刻时间要求的应用至关重要，比如自动驾驶应用、视频监控应用等。3）在带宽成本方面：随着物联网设备的增多，网络传输压力越来越大，而在边缘计算的过程中与云端的数据交互很少，无需要占用太多网络带宽。因此，边缘计算在数据计算和存储上均具有成本优势。这对基于互联网或者跨多个域数据转发的应用尤为关键，边缘计算既可以通过减少网络传输数据量来降低传输成本，也可以进一步提高云计算中心计算效率。4）在能耗方面：由于数据可在网络边缘进行处理，云端不必处理海量数据，从而可以降低云服务器的能耗。综合以上分析，云计算和边缘计算各有优势，单独依靠云计算或边缘计算都难以实现典型行业对各性能指标的需求。在此背景下，需要产业界和学术界研究合适的网络架构以适应各种垂直行业的发展。3.2 网络切片3.2.1 基本概述面向物联网与垂直行业的无线网络为不同应用场景提供定制化服务，以满足不同应用场景的性能需求。例如，-07-面向典型行业的云网边端智能协同与剪裁自动驾驶、智能工业等工业级应用场景要求超低时延和工业级可靠性保障；虚拟现实、增强现实和全息影像等要求高带宽；智慧城市/家庭、智能水务等物联网传感器接入类业务要求大规模海量物联网终端接入。而同一张物理网络难以支撑千差万别的业务需求，而且移动互联网和物联网的快速发展带来的爆发式流量增长和设备接入引发了资源不足和管理困难等问题。因此，网络切片技术应运而生，其基本思想是为在统一的开放式网络架构下，基于共享的物理基础设施，通过网络功能的深度解耦和灵活重构按需组建多个具有不同特点彼此隔离的虚拟逻辑子网，不同的虚拟逻辑子网可为用户提供定制化服务，适配各种业务类型需求的同时提高了网络资源的利用率。作为 5G/6G 网络的关键技术之一，网络切片具有以下特性：（1）隔离性：隔离性是网络切片最基本、最重要的特性。即使不同用户在使用网络切片提供的服务时存在性能需求上的冲突，其也可以为网络中的每个用户提供性能和安全的双重保障。从性能上来说，各个网络切片的性能需求相互独立，当某一个网络切片的资源发生阻塞时不会对其他网络切片产生影响；从安全上来讲，当某一个网络切片发生故障时，其他网络切片所占有的资源和服务不会被影响且仍可以正常使用。网络切片的隔离性不仅涉及数据平面，还涉及控制平面，具体包括网络拓扑隔离、带宽隔离等。一般而言，可使用物理网络基础设施和资源的共享或专用程度来衡量网络切片的隔离程度。（2）定制化：定制化确保了分配给网络切片中每个用户的资源可以得到有效利用，从而使得各自的服务需求得以满足。定制化可通过对底层物理网络基础设施的拓扑抽象，并且针对每个网络切片调度虚拟网络功能和资源来实现。（3）虚拟化：虚拟化特性是实现网络切片的前提，运营商利用软件定义网络和网络功能虚拟化（Software Defined Network/Network Function Virtualization,SDN/NFV）技术在通用的物理基础设施上对网络中的计算、存储和通信资源以及所需的网络功能进行虚拟化之后才可以实现网络切片的创建。（4）通用统一平台：网络切片可以基于 SDN/NFV 的通用基础设施和通用服务器平台构建，实现低成本的同时保障高效运营。（5）网络复杂度低：在传统网络中，网络功能之间的依赖性较强，每种通信业务都需要专用的设备，且各个设备之间存在功能重复和依赖，网络复杂度较高。而网络切片技术通过软硬件解耦，将网络功能虚拟化，保证了每个网络切片仅包含各自服务类型所需的网络功能，并且各个切片之间的功能互不影响，降低了网络的复杂度。-08-面向典型行业的云网边端智能协同与剪裁3.2.2 在云网边端协同中的应用对于网络切片应用，大规模数据适合在云数据中心进行集中处理，而部分小规模数据更适合在边缘计算中进行本地处理，处理结果可以上报到云数据中心，此时云边协同可以达到快速处理决策。因此，云计算和边缘计算相辅相成，网络切片可跨越不同的资源域（包括云和边缘），并在不同资源域提供可用性保障。以电力网络切片为例，其网络切片结构将虚拟网络主控制器部署在云端，多个子控制器部署在边缘。主控制器管理整个网络，可以根据业务的实时需要创建网络切片来承载不同类型的网络服务，而子控制器接受网络主控制器的管理并控制本地网络（边缘网络）。虚拟网络控制中心通过在云端和边缘构建专用管理网络（物理管理平面），实现对网络设备的统一控制及云端与边缘资源的互联。部署在云端的网络主控制器模块和部署在边缘的网络子控制器构成虚拟网络控制结构。网络主控制器管理整个网络的网络策略和骨干网络配置，而网络子控制器管理网络边缘，接受网络主控制器的控制策略，并在边缘范围内管理网络策略。网络控制器对各种物理通信方式进行统一管理，可以屏蔽底层传输网络的差异，为网络应用提供统一的虚拟网络接口，并充分利用底层物理网络的特点，将其创建为不同的网络切片，实现网络功能和资源的灵活调度与网络服务的按需定制。部署在云端的主控制器和边缘的子控制器通过网络控制协议进行信息交互。由于控制器类型的不同，网络控制器和受控网络设备之间使用不同的控制协议。网络主控制器管理整个网络的物理拓扑、路由、虚拟网络建设和转发规则发布等，并负责管理云端的网络虚拟化。此外，网络主控制器还管理所有子控制器，向每个子控制器发送网络控制策略，并与子控制器交换网络拓扑信息，形成全局网络拓扑。子控制器只管理其区域内的网络虚拟化，接受网络控制中心（主控制器）的管理，并与网络控制中心交换其管理区域内的网络信息。网络切片云网边端协同管理无处不在的通信物联网，解决了当前通信网络面临的海量终端的灵活接入、安全和调度问题，以及各种垂直行业对网络服务质量的不同需求和现有网络的运维问题，为无线网络的发展提供了方便灵活的网络基础设施支持，具备诸多优势：（1）网络主控制器与多个子控制器相结合的分层网络控制管理架构，克服了单个控制器控制范围过大、管理效率低下以及云端与边缘协同控制的难题。（2）实现了分层次多区域的协同控制：网络主控制器管理和控制网络子控制器，并管理子域与外部网络之间的数据传输，而网络子控制器管理其网络子域中的数据传输。（3）通过多网络融合控制，并与 5G 网络进行协调和控制，实现了多个物理网络的统一管理。-09-面向典型行业的云网边端智能协同与剪裁3.3 软件定义网络随着通信技术的飞速发展，应用多元化以及对业务的高冗余化需求，传统网络的弊端逐渐暴露出来。传统网络及其设备只能手动配置，无法编程，偏重静态，配置复杂，不易改动，且物理网络设备的功能无法充分利用。而软件定义网络（Software Defined Network，SDN）技术的出现解耦了数据平面与控制平面，并且提供了控制可编程特性，为未来网络提供了更灵活、更方便的解决方案。3.3.1 基本概述SDN 自诞生以来，便引发了全球学术界和产业界的极大关注和深入思考。SDN 起源于美国斯坦福大学主导的Ethane 项目，该项目最早提出了 SDN 的定义和核心思想。随后，全球各大高校和产业界重量级企业纷纷对SDN 展开了如火如荼的研究。其中 SDN 最重要的标准化组织实属开放网络基金会组织（Open Networking Foundation，ONF），该组织是 2011 年初由 Google、Facebook、Yahoo 等企业联合成立的一个非营利性组织，集中精力于 SDN 的开发、标准化和商业化。ONF 给出的 SDN 定义如下：作为一种新兴的网络体系架构，SDN 将控制平面与数据平面解耦并支持网络可编程。SDN 具备其独特的搭建方式，图 3.2 所示为 ONF 组织提出的 SDN 网络架构。该架构图包含应用平面、控制平面、数据平面和控制管理平面以及各个平面之间的接口。以下为各个平面的功能：（1）应用平面包含若干 SDN 应用程序，旨在满足用户需求，是用户最为关注的一部分。其通过开放的北向接口（Northbound Interface，NBI）与控制平面通信，以可编程的方式将用户的请求发送给控制平面的控制器。此外，这些应用程序也可以通过抽象、封装自身的应用逻辑对外提供更高级别的北向接口。（2）控制平面由 SDN 控制器构成，是 SDN 实现集中控制的关键组件。其位于数据平面与应用平面之间，一方面通过南向接口与数据平面交互，抽象底层基础设施的状态、事件等供上层应用使用。另一方面通过 SDN北向接口将应用平面的请求发送至下层基础设施。在大型 SDN 网络中控制平面存在多个 SDN 控制器，这些控制器之间通过东西向接口通信，以便控制器间共享网络信息并协调其决策过程。（3）数据平面由若干交换设备（如交换机，路由器等）组成。这些交换设备不具备控制功能，主要负责两个任务，首先，收集网络状态信息，例如网络拓扑、流量统计等，将其发送至控制平面的控制器。其次，依据控制器下发的转发策略完成数据包的转发。-10-面向典型行业的云网边端智能协同与剪裁（4）控制管理平面负责承担配置基础设施层的交换设备、确定控制器的控制区域、签订服务等级协议等。在多数 SDN 架构中，控制管理平面设计较少。面向典型行业的云网边端智能协同与剪裁图 3.2 SDN 架构图基于上述 SDN 的定义及架构，可以总结出 SDN 具有如下优势：（1）转发和控制分离：SDN 打破了传统网络中控制和转发紧密耦合的状态，将其分离，使其各司其职。由控制平面的控制器负责全局逻辑上的控制，从全局的视角对数据平面的交换设备进行统一管理；由数据平面的交换设备分布式地完成高性能的网络转发；（2）网络灵活可编程：SDN可编程性体现在很多方面，除了通过强大的编程接口赋予网络灵活可编程的能力外，基础设施层的交换机、控制层的控制器等都可以通过软件编程实现，使得用户可以灵活地进行功能拓展；（3）集中控制：SDN通过控制器提供整个网络的集中控制，控制器利用可编程方式对所有的网络元素，如交换机、路由器等进行管理。该特点有助于依据网络流量的变化实时动态地调整转发策略，以增强整个网络的性能。-11-3.3.2 在云网边端协同中的应用随着云计算的兴起，传统数据中心的设备利用率低、维护费用高、管理部署复杂等诸多问题也逐渐凸显。面对这些问题，SDN 技术能很好解决大规模数据中心网络的集中管理、灵活组网、多路径转发、虚拟机灵活部署和智能迁移、虚拟多租户、IaaS 等方面的需求及挑战。云网协同的 SDN 网络架构设计，需要满足云内网络、云间互联和上云网络的需求，需要管理复杂的多域和异构的多个网络资源系统，实现云网业务的协同工作和一站式管理服务。大型服务商的云网协同架构至少涵盖接入、骨干网和云中心等几个层面，这不仅涉及到整体架构的统一规划还涉及到多域技术整合。下面针对某一项目实例简要介绍 SDN 在云网协同中的应用。该项目实现了云网协同统一管理、协同工作，基于 SDN 技术重构网络基础架构，对接公有云和私有云资源，提供端到端的网络服务自动部署和调度（SDN 业务编排），为企业客户提供上云服务、跨云的连接（包括数据中心、公有云、私有云）和分支组网等多重场景，包括解决云计算落地“最后一公里”的问题。该架构采用大地云网 SDN 解决方案，如图 3.3 所示：下面就部署情况加以详细介绍：（1）SDN 编排和服务平台针对客户的需求和服务流程，为客户提供多域的服务编排能力，对接公有云和混合云互联业务编排，L2/图 3.3 SDN 云网协同架构图（来源：https:/ 服务质量保障、路径规划和 VPN 租户安全管理，同时提供从边缘到骨干以及与各家云商对接的多域业务的统一北向 API 规范和 YANG 模型，实现异厂家控制器对接和解耦。大大简化了传统的客户业务系统需要调用多个网络域的烦恼，为客户业务提供云网协同能力奠定了基础。由于客户的业务需求、环境和流程比较复杂，项目基于大地Terra业务编排器并做了大量定制开发。同时在Terra业务编排协同层纳管SDN数据中心控制器，SD-Core 骨干网控制器和 SD-WAN 边缘接入控制器。（2）云数据中心网络重点考虑以下几点：在云中心考虑云资源池的 VPC 网络与物理资源池 BM 网络部署了混合 Overlay 组网，包括 Openstack Neutron 联动。第二个是在不同的 POD 区采购了多厂商的网络设备，如何管理多厂商的VXLAN/EVPN 网络，为上层提供统一逻辑网络服务能力；第三个重点设计考虑 VPC 与外部网络尤其是骨干网的协同管理，实现 VPC 和边界路由器（GW/VBR）互通和统一纳管。项目基于大地云网 TerraDC 控制器实现上述功能，并增加 L4-L7 的 NFV 服务管理。（3）骨干网络重点考虑 L2VPN、L3VPN 业务的自动开通和重要业务的 SLA 和流量工程设计。该服务商的骨干网采用以多协议标签交换（MPLS）/分段路由隧道（SRTE）为主骨干网路由器组网，通过虚拟专用网络（L2VPN/L3VPN）与云中心以及租户分支机构对接，同时客户利用 SRTE 实现不同业务的 SLA 质量保障，客户采用 SR SDN 重构新一代的骨干网实现流量调度和管理。由于 PE 节点要延伸到数据中心和公有云，PE 和边界路由器（GW/VBR）互通以及和 SD-WAN 接入实现自动对接也是重点，上述功能基于大地云网 TerraCore 控制器实现。（4）边缘接入网在设计时重点考虑 SD-WAN POP 点组网设计和探测，多线 POP 节点设计和组网以及 POP 点如何和骨干网的MPLS 整合为一体，接入侧 CPE 设备利用自动探测技术选择最佳的 POP 节点，还有一点与 MPLS 的整合组网要考虑如何防止路由的环路和倒灌，以及SD-WAN租户与MPLS租户的完美统一，解决MPLS最后一公里问题。这部分基于大地云网 TerraEdge 实现上述功能。新型云服务商追求资源逻辑管理和秒级响应，传统的运营商网络或传统网络模式已无法支撑业务的弹性和快速增长。云网协同和 SDN 技术的出现，将整个物理网络抽象并简化为“单一”逻辑网络资源池，并通过软件定义用户业务的自动化流程，实现多个系统联动、多个域网络联动，完成业务端到端快速自动部署。-13-部署在云端的网络主控制器和边缘云中的网络子控制器通过网络控制协议交换信息和控制。这些交换协议主要包括 OpenFlow 协议、边界网关协议（Border Gateway Protocol，BGP）、Netconf、简单网管协议（Simple Network Management Protocol，SNMP）等。该方案采用区域协同控制方式，每个子控制器管理一个边缘云区域网络，主控制器通过管理和协调每个子控制器来管理和控制整个网络。云边协同网络控制架构中融合 SDN 和 NFV 技术，解决现有网络设备对新技术支持不足的问题，并为新型网络业务发展提供便携灵活的网络基础设施支撑。3.4 人工智能3.4.1 基本概述人工智能（Artificial Intelligence，AI）是由 McCarthy 于 1956 年在 Dartmouth 学会上正式提出；随后，在20 世纪 60 年代，感知机被提出；专家系统、知识工程于 20 世纪 70 年代开始出现。在接下来的十多年里，人在电力网切片云边协同研究中，云与边缘协同的电力网络切片技术方案被提出，采用网络控制器部署在中心云，子控制器部署在边缘的控制方式、SDN 和 NFV，根据需求对电力通信网络进行灵活切片。SDN 主要应用于网络切片控制体系中，如图 3.4 所示，在网络主控制器和网络子控制器中部署 SDN 控制器或NFV 管理控制器，并在受控网络设备上部署 SDN 客户端或 NFV 代理。网络主控制器部署在中心云，网络子控制器部署在边缘云，以协调网络虚拟化和传输控制。-14-图 3.4 云边协同控制架构(W.Chuanjun,W.Hailin,C.Jinming and J.Hao,Research on Power Network Slicing Technology Based on Cloud-Edge Collaboration,2021 IEEE International Conference on Power Electronics,Computer Applications(ICPECA),2021,pp.743-753)面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-15-工智能进入了低谷期。直到 20 世纪 80 年代到中期开始，有关人工神经元网络的研究取得了突破性的进展并带领人工智能走进全新的发展领域。Rumelhart 于 1969 年提出了反向传播（back propagation-BP）学习算法，解决了多层人工神经元网络的学习问题，掀起了人工神经元网络的研究热潮。1985 年，Geoffrey Hinton 使用多个隐藏层来代替感知机中原先的单个特征层，并使用 BP 算法来计算网络参数。1989 年，Yann LeCun 使用深度神经网络识别信件中邮编的手写体字符。从 1987 年开始，随着电脑性能不断提升，人工智能的硬件市场急剧萎缩，人工智能经历了第二次寒冬。直到2006年，Hinton提出了深度置信网络（Deep Belief Networks,DBN），其降低了学习隐藏层参数的难度，并且该算法的训练时间和网络的大小和深度近乎线性关系，其带领人工智能重新进入人们的视野。人工智能进入了新一轮的快速发展阶段，迎来了第三次浪潮。2010 年，美国国防部 DARPA 计划首次资助深度学习项目。2012 年，Hinton 将 ImageNet 图片分类问题的 Top5 错误率由 26%降低至 15%。2014 年，Google 将语言识别的精准度从 2012 年的 84%提升到如今的 98%，移动端 Android 系统的语言识别正确率提高了 25%。人脸识别方面，Google 的人脸识别系统 FaceNet 在 LFW 上达到 99.63%的准确率。2016 年，DeepMind 使用了 1920 个 CPU 集群和 280 个 GPU 的深度学习围棋软件 AlphaGo 战胜人类围棋冠军李世石。2017 年 4 月，AlphaGo 向柯洁等中国棋手再下战书，人工智能进入快速发展阶段。图 3.5 人工智能发展史(来源：https:/ 年Minsky 首次提出“强化”和“强化学习”的概念和术语。1957 年，Bellman 提出了求解最优控制问题以及最优控制问题的随机离散版本马尔可夫决策过程（Markov Decision Process，MDP）的动态规划方法。随后 Howard 提出了求解马尔可夫决策过程的策略迭代方法。自此强化学习进入了一段长达三十年左右的低谷期。直到 1989 年，Watkins 提出的 Q 学习进一步拓展了强化学习的应用和完备了强化学习。此后一段时间，强化学习被监督学习（supervised learning）的光芒所遮掩，直到 2013 年，DeepMind 发表了利用强化学习玩 Atari 游戏的论文，至此强化学习开始了新的十年。2015 年 10 月，由 Google DeepMind 公司开发的AlphaGo 程序击败了人类高级选手樊麾。2016 年 3 月，透过自我对弈数以万计盘进行练习强化，AlphaGo 在-16-一场五番棋比赛中 4:1 击败顶尖职业棋手李世石。Master（AlphaGo 版本）于 2016 年 12 月开始出现于弈城围棋网和腾讯野狐围棋网，取得 60 连胜的成绩，以其空前的实力轰动了围棋界。在强化学习中采用神经网络的方法成功将强化学习和神经网络结合起来，开启了深度强化学习（Deep Reinforcement Learning，DRL）。深度强化学习在自动驾驶、控制论、推荐系统、智能电网、智能交通网络及网络流领域被广泛使用。随着 5G 网络的快速发展以及万物互联时代的出现，数量激涨的网络边缘侧设备将会产生海量的边缘侧数据。由于用户终端设备的计算能力有限，因此常常需要利用云计算数据中心的模式对上述数据进行计算、通信及存储。然而，传统云计算模型在应对急剧增长的数据量时，存在着实时性、带宽以及数据隐私安全等多方面不足。针对云计算模型所面临的问题，边缘计算模型被提出并用来对用户终端产生的海量数据进行处理与计算。移动边缘计算（Mobile Edge Computing，MEC），即在网络边缘侧实现通信数据的传输及计算，其中，网络边缘即为云计算数据中心与用户终端之间的任意位置，其主要针对用户终端所传输的上行数据以及云中心处理所得到的下行数据进行处理。边缘侧利用其优势逐渐引用并融合 AI 技术，令 AI 算法能够顺利在边缘侧运行，即边缘智能。虽然边缘智能可以赋能人工智能于边缘计算甚至终端设备，但其受限于计算、存储以及网络资源，仅能完成低数据量的计算，而且 5G 网络的发展，使得网络传输速率大大提高。因此，联合云计算、5G 网络以及边缘计算实现人工智能的应用显得非常有必要。3.4.2 机器学习在云网边端协同中的应用近二十年来，机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA 序列测序、语音和手写识别、战略游戏和机器人等领域。在学术界机图 3.6 强化学习发展过程（来源 https:/ 5G 网络、边缘计算以及云计算的发展，学术界开始将机器学习应用到云网边端协同中。同时，工业界也展开了机器学习在云网边端协同的落地。施耐德电气与亚马逊云科技合作，建立 AI 工业视觉检测平台，其由 Amazon SageMaker 机器学习及其他相关服务构建而成。该平台帮助施耐德电气实现了检测自动化和智能化，提升了产品质量和可靠性，并通过云边协同，实现了云端对边缘的统一管理，确保多边缘端能够同时完成模型迭代升级和管控。中国移动积极布局 AI 新基建，包括 AI 基础设施新基建、平台能力新基建、云网新基建三方面。构建云网边端协同的AI基础设施。中国移动的网络遍布全国各城市，建设中心云和边缘云，通过云、网、边的融合，发挥云网融合和云边协同的优势，布局 AI 算力资源，打造“连接 计算”的泛在智能基础设施，建设海量数据资源体系。为了更好的实现机器学习在云网边端协同中的实现。国内外也开源了很多云边协同架构，比如华为发布的Sedna 是一个边云协同 AI 项目，Sedna 可以实现跨边云的协同训练和协同推理，如联合推理、增量学习、联邦学习、终身学习等。Sedna 支持目前广泛使用的 AI 框架，如 TensorFlow、Pytorch、PaddlePaddle、MindSpore 等，现有 AI 类应用可以无缝迁移到 Sedna，快速实现边云协同的训练和推理，可在降低成本、提升模型性能、保护数据隐私等方面获得提升。图 3.7 Sedna 架构图Sedna 由以下组件构建：GlobalManager：其主要负责统一边云协同 AI 任务管理，跨边云协同管理与协同以及中心配置管理。LocalController：其主要负责边云协同 AI 任务的本地流程控制以及本地通用管理:模型，数据集，状态同步等。-18-Worker：其主要负责执行训练或推理任务，基于现有 AI 框架开发的训练/推理程序以及不同特性对应不同的 worker 组，worker 可部署在边上或云上，并进行协同。Lib：其主要面向 AI 开发者和应用开发者，暴露边云协同 AI 功能与应用。3.4.3 联邦学习在云网边端协同中的应用联邦学习于 2016 被提出，其目的是为了保护用户数据隐私以及解决数据孤岛等问题。根据参与各方数据源分布的情况不同，联邦学习分为三类：横向联邦学习、纵向联邦学习、联邦迁移学习。联邦学习的侧重点是在多方数据不出库的情况下通过加密技术实现多方之间的数据传输与交互，从而实现联合建模，侧重于数据交流之间的安全性计算。联邦学习的提出引发了学术界和工业界的广泛关注。图 3.8 为联邦学习基本架构图，其主要由服务端和客户端两部分组成。客户端利用本地隐私数据进行模型训练，随后将其模型参数或梯度上传给服务端；服务端采用同步者异步方式等待客户端传送的参数，一般采用联邦平均方式聚合模型参数，并将聚合后的参数重新发送给客户端，如此循环直到模型达相应精确度。联邦学习的一般设计包括在本地数据样本上训练本地模型，并在这些本地模型之间交换参数（例如，DNN 中的权重）以生成全局模型。联邦学习算法可以使用中央服务器来协调算法的各个步骤并用作参考时钟，或者它们可以是对等的，不存在中央服务器。联邦学习过程分为多轮，每轮包括四个步骤：第 1 步：本地训练所有本地服务器计算训练梯度或参数，并将本地训练的模型参数发送到中央服务器。第2步：模型聚合中央服务器对来自“n”个本地服务器的上传参数执行安全聚合，而无需学习任何本地信息。第 3 步：参数广播中央服务器将聚合参数广播到“n”个本地服务器。第 4 步：模型更新所有本地服务器使用接收到的聚合参数更新各自的模型，并检查更新模型的性能。经过中央服务器与其关联的本地服务器间的多次本地训练和更新交换，实现全局最优学习模型。图 3.8 联邦学习架构面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-19-在工业界，华为和中兴等企业为了解决设备数据采集难、架构封闭和数据孤岛等问题，推出了基于云原生开放架构的云边协同解决方案。华为公司根据业务需求的不同划分了云边视频分析协同、云边应用集成协同、云边物联感知协同、云边容器集群协同等场景，并在德邦快递和数字中国等企业落地了云边协同的应用场景，这些应用场解决了带宽、能耗、通信效率等问题，并保证用户隐私安全。微众银行的联邦学习开源框架 FATE 与腾讯云神盾沙箱携手，让解决隐私泄露问题成为了可能。一方面，神盾沙箱将推动公有云上现有数据资产方使用沙箱部署 FATE，帮助那些在己方行业维度上有数据优势的企业，在安全的基础上，更深入地挖掘数据的价值。另一方面，神盾数据沙箱也将借助 FATE 打造腾讯云上数字生态，助力对数据强依赖的企业、机构在隐私保护前提下进行 AI 应用落地。此外，在合作过程中，腾讯云神盾沙箱团队也进一步对 FATE 进行了完善。3.4.4 知识图谱在云网边端协同中的应用知识图谱（Knowledge Graph）是人工智能的重要分支技术，它在 2012 年由谷歌提出，是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体关系实体”三元组，以及实体及其相关属性值对，实体间通过关系相互联结，构成网状的知识结构。知识图谱的起源可以追溯至 1960 年，在人工智能的早起发展中，有两个主要的分支，也就是两派系，一个是符号派，注重模拟人的心智，研究如何用计算机符号表示人脑中的知识，以此模拟人的思考、推理过程；一个则是连接派，注重模拟人脑的生理结构，由此发展了人工神经网络。这个时候提出了 Semantic Networks，即语义网络，作为一种知识表示的方法，主要用于自然语言理解领域。1970 年，随着专家系统的提出和商业化发展，知识库（Knowledge Base）构建和知识表示得到重视。专家系统的主要思想认为专家是基于脑中的知识来进行决策的，所以为了实现人工智能应该用计算机符号来表示这些知识，通过推理机来模仿人脑对知识进行处理。早期的专家系统常用的知识表示方法有基于框架的语言（Frame-based Languages）和产生式规则（Production Rules）。框架语言用来描述客观世界的类别、个体、属性等，多用于辅助自然语言理解；产生式规则主要用于描述逻辑结构，用于刻画过程性知识。1980 年，哲学概念“本体”（Ontology）被引入人工智能领域来刻画知识，我理解的本体大概可以说是知识的本体，一条知识的主体可以是人，可以是物，可以是抽象的概念，本体就是这些知识的本体的统称。1989 年，Tim Berners-Lee 在欧洲高能物理研究中心发明了万维网，人们可以通过链接把自己的文档链入其中，在万维网概念的基础上，1998 年又提出了语义网（Semantic Web）的概念，与万维网不同的是，链入网络的不止是网页，还包括客观实际的实体（如人、机构、地点等）。2012 年谷歌发布了基于知识图谱的搜索引擎。-20-图 3.9 表示整个云网边端协同知识图谱工作流程。该框架分为设备，边缘和云。设备是图像采集终端，边缘处理场景图生成的相关任务，并且云处理场景图共享和深级信息提取的任务。每个边缘对应于多个设备，并且由设备收集的图像数据上载到场景图生成的相应边缘。同时，相关设备可以订阅边缘生成的场景图数据，这可以解决多个设备之间的场景图分享问题。云对应于多个边缘终端，并且可以从所有边缘终端上载的场景图数据聚合更多一般知识图。在工业界，国内外一些公司也将知识图谱运用到其公司产品中。腾讯知识图谱是一个集成图数据库、图计算引擎和图可视化分析的一站式平台。在金融、安全、泛互联网、政府、企业等领域中，海量数据之间彼此关联产生了大量数据，这种复杂的关联关系数据隐藏着大量的业务信息和商业价值。腾讯知识图谱支持千亿级节点关系的存储和计算，实时响应节点搜索、多跳查询、最短路径分析等在线查询操作；支持 PageRank、社群发现、相似度计算、模糊子图匹配等离线计算模型。支持高效的从异构数据中抽取融合实体和关系生成知识图谱；支持多种图结构布局和渲染等可视化方案。基于腾讯海量的社交和业务数据进行测试验证，为客户在各个场景的定制化需求提供一站式的解决方案。物联网终端设备，如医疗仪器、运输业车辆 GPS 等，可轻易且持续的产生 TB 级数据。腾讯知识图谱在物联网数据接入、管理、分析等方面，为客户提供从引擎级产品到行业知识落地的全套解决方案，原生图计算框架能帮助客户从这些数据中挖掘出其隐含的巨大价值。图 3.9 知识图谱工作流程（来源：https:/ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9651576）面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-21-图 3.10 知识图谱应用于物联网场景图星环科技基于自主研发的分布式图数据库 StellarDB 知识图谱平台 Sophon KG，为银行等用户构建图谱平台，实现知识获取、图谱构建与存储、图谱更新迭代、图谱计算与分析等功能，并且通过星环平台的高可用和健壮性，可以满足客户高可用、资源管控、可视化效果、NLP 能力等的需求。星环科技图谱知识方案更稳健，性能更快，支持超大规模图，支持图谱的对比分析、可视化统计、时序分析、多种布局和样式的设置、3D 大图展示，支持 NLP 等。相比于基于开源系统构建知识图谱平台，基于星环科技自研产品构建知识图谱平台具有明显优势：在图数据库方面，星环科技的平台不是基于开源组件，而是基于星环科技自研的分布式图数据库 Stellar DB，性能更好，比开源快 4-6 倍；可支持万亿边规模图数据存储，具备查询速度快、分析能力强、稳定性高的特点。在支持图算法方面，星环科技的 KG 与 StellarDB 平台支持的图算法丰富，内设金融场景 NLP 模型支持半自动化文本构图；而开源的方案支持的图算法需要手动开发，开发成本高，且不支持 NLP。在集群方面，星环科技的平台底层基于容器，资源管控更好，支持高可用；可以方便的进行资源共享；可以动态扩缩容。开源项目资源隔离性一般，用户操作不当，可能造成整个集群宕机，不支持高可用；难以实现资源共享功能；无法动态扩缩容等。-22-图 3.11 星环知识图谱架构（来源：https:/marketing-1253207870.cos.ap- 云网边端协同面临的安全挑战当前整个网络攻击包括信息泄露、隐私安全给用户造成了极大的损失，未来以车联网、精密制造的云网边端协同业务为代表，对网络的安全和可靠性提出了相当高的要求。5G 引入切片、NFV（网络功能虚拟化，面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-23-Network Function Virtualization）、MEC 等新技术以支持智能网络服务的定制，使得网络的形态、生态、商业模式、信任与风险关系呈现出更加动态与复杂的态势。集中编排与软件定义能力的运用，在为网络带来新的中心化特征的同时，也对安全性带来了新的挑战。此外，监管、安全的法律法规也提出了更加严苛的要求，所以安全问题面临更多挑战。4.1.1 缺乏安全可信的网络架构现有的 IP 网络未考虑网络安全可信的问题，缺乏基本的安全性设计，导致互联网的安全性通过业务层“补丁”方式进行防范，从而不断被动层叠局部安全技术，并未系统性地考虑面向全局应用的安全防护体系和机制，导致防护冗余、方案完整性缺失以及代价过大等缺陷。考虑到用户/终端行为的不确定性、威胁的泛在多变性，现有网络防护模式以及安全能力难以满足新型面向服务网络的安全需求，不能适配网络多态化快速演进需求，严重制约未来网络的发展与应用。4.1.2 安全认证机制的不足未来 B5G/6G 网络中，车联网、远程医疗、工业网络、算力与网络融合等应用场景衍生了新型网络体系结构，具有泛在互联、万物互动等特点，对网络安全可信提出了更高要求。海量终端、泛在异构接入和多样化应用为地址假冒和 DDoS 攻击提供了有利条件，从而造成流量非法重定向、传输和应用资源不可用等问题。从身份管理的角度看，身份管理系统为通信端提供一切交互行为的信任根源，未来网络中异构化的应用场景使得通信端的身份分发和检验机制变得复杂，缺乏协同式或联盟态的管理机制，同时，中心化的管理系统存在不可信或被攻击风险，从而导致严重的安全问题。4.1.3 隐私数据泄露风险大数据、云计算、互联网、社交网络及各种智能终端的普及使个人数据无处遁形，而自然人的天然弱势地位导致其难以掌控自身数据。在云网边端架构中，涉及的个人隐私数据安全风险如图 4.1 所示：-24-图 4.1 个人隐私数据安全风险示意图依据隐私保护原则，客户的隐私信息需要保密，也就是说没有权限的人不能查看，也无权传播。在必须要传播的某些数据中，如果携带了用户数据，则需要对用户数据做匿名化处理。个人隐私数据指可以直接或者间接关联到用户个人的信息，如已知用户号码，能反查到用户姓名，那么用户号码就是个人隐私。这种关联比较直接，称为直接个人信息。某些信息需要绕几个圈才能关联到用户信息的，称为间接个人信息。所谓的匿名化就是，在任何有导出文件的地方，如果涉及到用户隐私相关的信息，做散列或者加密处理，保护数据安全。在终端、接入网和核心网的数据处理中，涉及的隐私数据泄露风险包括：数据收集：数据收集可能会造成信息泄露。数据传输：信令、数据在传输过程中可能会造成信息泄露；数据使用、存储、维护、销毁：信令、数据在虚拟网络中的处理、存储、维护可能造成信息泄露；数据对外提供：攻击者利用公用网络攻击业务系统获取用户信息，业务系统滥用、泄露用户信息。4.1.4 基础设施安全风险基站设备的基础设备包括部署环境、硬件设备以及基站内部的软件版本、数据、文件等。对于部署环境和硬件，面临的安全威胁是损坏设备周围环境，如温度、烟雾等，或直接破坏设备的硬件。对于基站内的软件，面临的安全威胁是非授权登录基站、或普通账户登录基站后执行非授权访问，破坏基站的数据、文件，导致基站功能不可用。4.1.5 开源软件安全风险尽管开源软件是免费的、创新的、高效的，并且使得软件产品富有竞争力，但是它也必须按照资产进行管理，遵守许可证，必须像内部开发软件标准一样满足安全要求。需要意识到并理解与开源软件代码相关的安全漏洞面向典型行业的云网边端智能协同与剪裁会在产品中出现，所有开源软件已知的安全漏洞和在安全社区公布的安全漏洞必须在 HPPD 研发过程中使用相同的威胁模型进行确认、评估及修复。开源设计选型时，需要充分考虑安全因素，包括编码安全、已披露安全漏洞修复等。识别出代码中用到的开源代码，对现有开源组件进行安全性检查（如黑鸭子安全漏洞扫描）。4.2 云网边端协同的安全框架典型的云网边端协同的网络架构如图 4.2 所示：典型的 ToB 行业应用混合专网场景，是指基站可以被 ToC 公网、ToB 专网共用，因客户业务本地处理需求，下沉部署园区专用UPF/MEC的本地分流网关，软件上通过切片方式隔离出专用资源，提供给ToB行业用户使用，切片在同小区进行切片的逻辑切分时，无线空口侧资源使用基于时、频、空域的资源调度方式隔离，互不影响，不同切片的数据（DRB）承载映射到不同的PRB，各切片所需的PRB按频域或按照总资源百分比进行切分调度。典型面向行业应用的云网边端协同安全框架如图 4.3 所示：面向典型行业的云网边端智能协同与剪裁-25-图 4.2 云网边端协同的网络架构示意-26-图 4.3 云网边端协同安全框架4.2.1 基础安全软硬件解耦，NFV、SDN 的引入，使得原来私有、封闭的专用网络设备变成标准、开放的通用设备，也使得网络防护边界变得模糊。网络虚拟化、开放化使得网络更易遭受攻击，并且集中部署的网络将导致网络威胁传播速度更快，波及更广。由于网络功能实体共享基础设施资源，因此需要其提供资源的安全隔离技术来保障上层5G 网络功能系统运行的安全性。可以通过虚拟隔离机制来实现资源隔离，让承载每个网络的功能实体无法突破虚拟机/容器管理给出的资源限制。虚拟化网络的安全防护还需要保证网络基础设施的可信，这一点对于非信任环境部署的基础设施，例如基站云化、边缘计算等来说更为重要。通过可信计算技术，在网络功能实体平台上植入了硬件可信根，以构建从计算环境、基础软件到应用及服务的信任链，并依托逐级完整性检查，来实现网络功能实体的软硬件环境的完整性保护。4.2.2 虚拟化安全5G 网络切片借助于网络虚拟化技术，在 5G 基础设施上细分出功能完整的逻辑网络，为垂直行业用户提供专用的、安全的、差异化的网络服务。区别于传统物理专网的私有性与封闭性，5G 网络切片建立在开放环境下的虚拟化专用网络，为行业用户提供端到端的安全隔离机制和定制化的安全服务机制。5G 网络切片安全涵盖无线侧、承载侧和核心网侧，除了提供传统移动网络安全机制（例如接入认证、接入层和非接入层信令安全、数据的加密和完整性保护等），还提供网络切片之间端到端安全隔离机制，并根据用户需要提供定制化的安全服务。面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-27-4.2.3 数据安全用户数据在传输过程中存在被窃听、篡改、泄露等威胁。为降低 5G 应用中的数据安全风险，5G 提供了更强壮的数据安全保护方法。在机密性保护的密码算法方面，5G 延用了 4G 所采用的 AES（高级加密标准 Advanced Encryption Standard）、SNOW3G（3GPP 流密码算法）、ZUC（祖冲之密码算法）等算法，这些算法采用 128 位密钥长度，被业界证明是安全的。同时，为应对将来量子计算可能对对称秘钥体系的影响，考虑采用更长的安全秘钥及更强的安全保护算法。为保护数据在网络间传输，5G 新增了安全边缘保护代理功能（Security Edge Protection Proxies：SEPP）。SEPP 在运营商之间建立 TLS 安全传输通道，对需要保护的信息进行机密性和完整性保护，有效防止数据在网间传输时被篡改或窃听。随着科技的发展，伪基站对移动网络的危害越来越大，攻击者可诱导行业用户接入到伪基站以非法获取用户数据信息。5G 将对基站广播或者单播消息进行安全保护，行业用户在验证消息合法后再接入，避免接入到非法的伪基站造成数据泄露。此外，5G 针对行业应用中的数据产生、处理、使用等环节提供了完整的安全保护。在数据产生和处理过程中，可根据数据的敏感度进行分类，建立不同安全域间的加密传输链路；根据不同的安全级别采用差异化的数据安全技术；对数据使用方进行授权和验证，保证数据使用的目的和范围符合安全策略；并对重要业务数据的使用进行审计，最终为行业用户提供数据的机密性和完整性保护。4.2.4 应用安全针对工业互联网、物联网等网络的海量终端、泛在连接、多样化应用带来的安全需求和问题，结合新型网络结构体系特征，自顶而下地在网络设计和构造中深度融入安全因子，以全系统为视角构建一体化内生安全可信防护体系。将安全需求与安全属性融入系统架构，使安全可以随系统变化自适应地调整，持续保障云网边端协同的安全。包括以下特征：（1）可信安全标识符命名体系可信安全标识符命名体系，全面涵盖用户、业务、网络等角色信息，结合多层面信任关联和传递机制，在保证网络网络参与者身份真实有效的同时，满足异构网络大规模开放互联场景中的可信互通需求。-28-（2）新型网络内生安全模型和架构支撑新型网络体系结构的立体化内生安全模型和架构，基于新型网络标识符命名体系，通过可信身份管理、证明、授权、验证等技术，协同业务面、控制面、管理面多层级实现端到端流量安全传输能力。（3）异构通信、可信通信及零信任防御技术针对异构归属的全过程可信验证与转发机制，基于跨域身份管理、可信身份验证等技术，实现多方通信场景的网络流量全过程可信转发。端到端灵活的按需可信通信机制。从源主机、路由节点以及目标主机多角度设计身份可信方案，实现全系统的可信保障。结合用户、应用或场景需求，按需在不同节点对关键信息验证，以实现高性能轻量化的实时检验机制。针对网络云化安全边界模糊导致的内部威胁防护困难及被动应对的局面，提出了动态隐匿网络模型，基于移动目标防御、数字身份动态实时验证与最小授权等技术，按需构造动态、隐匿的，且只允许合法的用户以最小权限访问的网络，动态变换攻击面，实现了对安全访问的精准、有序管理和对内部攻击的免疫。（4）高性能可信转发应用支持可信转发的高性能路由设备，满足新型网络标识符体系，支持基于可信标识的验证与转发。4.3 云网边端协同安全的关键技术4.3.1 网络安全接入标准移动通信网作为商业化的电信网络，在标准设计之初，就充分考虑了网络接入的移动性、可靠性和安全性，通过 SIM（用户识别卡，ubscriber Identity Module）USIM（全球用户识别卡，Universal Subscriber Identity Module）等身份标识、认证授权、访问控制、信道与承载加密等方式，提供了良好的安全通信能力。5G 网络继承了 4G 的安全特性，并对认证授权、隐私保护、数据传输安全、网络架构和互通安全等进行了优化。相对 WiFi、企业专网等非 3GPP 接入机制，5G 提供了更大范围的移动性，也为用户提供了更健壮的业务安全、更严密的数据保护及更强的用户隐私保护。5G 提供了基于统一认证框架的双向认证能力，使终端和网络都能够确认对方身份的合法性。这样不仅能避免非法用户接入，也能避免利用伪基站、伪热点进行诈骗或者窃取用户信息。面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-29-4.3.2 轻量级安全技术3GPP R15/R16 的安全标准，重点研究 5G 系统安全架构和流程相关要求，包括安全框架、接入安全、用户数据的机密性和完整性保护、移动性和会话管理安全、用户身份的隐私保护以及与演进的分组系统（EPS）互通等相关内容。目前对安全技术的研究一般都偏高层，如传输层、网络层等，在物理层的研究较少，但 5G 的安全漏洞往往都是从物理层开始，例如 GSMA CVD-2019-0030 ReVoLTE attack 安全漏洞，虽然在 PDCP 层做了加密，但攻击者通过物理层监听，仍有被窃听信息的漏洞。因此，有必要从全面保障 5G 产品安全和业务演进的多维度风险分析，完善 5G 安全体系和开展关键技术研究。5G 物理层安全主要面向 5G 通信系统所引入的新接入技术和新应用场景，从物理层的角度出发，重点分析适用于 5G 通信的物理层信息安全关键技术，构建 5G 通信系统物理层安全架构，并在此架构下进一步研究了信道估计、安全预编码、无线信道密钥生成等物理层安全关键技术。从而有效保护处于开放空间的空中接口，实现用户接入设备和接入网络之间的比特流安全传输。4.3.3 边缘计算安全多接入边缘计算技术（MEC）是使能 5G 业务多元化的核心技术之一。MEC 将服务能力和应用推进到网络边缘，部署位置更接近用户，从而减少对传输网的带宽压力，大幅降低网络时延，可满足车联网、工业互联网等低时延业务的需求。5G 网络通过用户面功能（User Plane Function：UPF）下沉部署、灵活分流等功能，实现对 MEC 的支持。MEC 平台需要承载部分网络功能和垂直行业应用，如图 4.4 所示：图 4.4 网络功能和垂直行业示意图-30-由于部署的物理位置、网络边界和承载主体等方面的特殊性，使得行业客户在使用 MEC 提供的服务时，特别关注行业数据资产的安全：行业应用和网络功能共平台部署时，网络边界模糊，如果缺乏信任、隔离等机制，容易滋生平台内部威胁（虚拟机逃逸、镜像篡改、数据窃取等），增大了行业敏感数据资产泄露风险；为了提升业务体验，缩短业务时延，通常使用用户面传输功能下沉、行业服务接近用户部署、安全机制轻量化等措施，可能导致资产数据在传输时面临被窃取或被篡改的风险。对此，需要从平台层、网络层和业务管理层等多个方面对 MEC 进行安全加固，确保行业数据资产传输、处理、存储过程中的安全。MEC 是一个多元系统，承载了移动通信网络功能、网络能力开放服务以及行业应用等多个系统，需要构建有效的信任关系，为多系统的安全共存提供信任基础。除了建立用户、行业应用及能力开放服务（如定位服务）之间的信任关系，还需要考虑构建移动终端、网络切片与 MEC 平台之间的信任。MEC 平台安全通过引入可信计算技术，从系统启动到上层应用，逐级验证，构建可信的 MEC 平台。平台内部也需要划分不同的功能域，如管理域、核心网域、基础服务域等，加强域间隔离和访问控制。根据需要，可进一步部署入侵检测技术、异常流量分析、反 APT 技术等，对恶意软件、恶意攻击等行为进行检测，防止威胁横向扩展。MEC 节点位于网络边缘，处于运营商控制较弱的开放网络环境中，数据窃取、泄露的风险较高。为确保 MEC上运行和存储的行业客户数据资产安全，需要对使用 MEC 的各方的行为执行认证、授权、审计，对数据资产的所有权、使用权和运维权进行分权分域管理。在 MEC 部署及业务运行过程中，必须对 MEC 应用可能涉及的数据进行识别，包括用户标识、接入位置等，对安全要求高的数据需要采用加密方式存储；对行业高价值资产数据，应使用 IPSec/TLS（传输层安全，Transport Layer Security）等安全传输方式，避免传输过程中数据泄露或被篡改。对数据处理、分析和使用，需要服从当地数据隐私规定，结合数据操作对象的认证、授权等方式规范数据处理，并记录操作过程；如果涉及数据隐私，在使用之前需要对数据进行脱敏处理。4.3.4 数据隐私保护用户数据在传输过程中存在被窃听、篡改、泄露等安全威胁。为降低 5G 行业应用中的数据安全风险，5G 提供了更强壮的数据安全保护方法。面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-31-在机密性保护的密码算法方面，5G 延用了 4G 所采用的 AES（高级加密标准 Advanced Encryption Standard）、SNOW 3G（3GPP流密码算法）、ZUC（祖冲之密码算法）等算法，这些算法采用128位密钥长度，被业界证明是安全的。同时，为应对将来量子计算可能对对称秘钥体系的影响，考虑采用更长的安全秘钥及更强的安全保护算法。为保护数据在网络间传输，5G 新增了安全边缘保护代理功能（Security Edge Protection Proxies：SEPP）。SEPP 在运营商之间建立 TLS 安全传输通道，对需要保护的信息进行机密性和完整性保护，有效防止数据在网间传输时被篡改或窃听。随着科技的发展，伪基站对移动网络的危害越来越大，攻击者可诱导行业用户接入到伪基站以非法获取用户数据信息。5G 将对基站广播或者单播消息进行安全保护，行业用户在验证消息合法后再接入，避免接入到非法的伪基站造成数据泄露。此外，5G 针对行业应用中的数据产生、处理、使用等环节提供了完整的安全保护。在数据产生和处理过程中，可根据数据的敏感度进行分类，建立不同安全域间的加密传输链路；根据不同的安全级别采用差异化的数据安全技术；对数据使用方进行授权和验证，保证数据使用的目的和范围符合安全策略；并对重要业务数据的使用进行审计，最终为行业用户提供数据的机密性和完整性保护。4.3.5 安全隔离5G 网络切片借助于网络虚拟化技术，在 5G 基础设施上细分出功能完整的逻辑网络，为垂直行业用户提供专用的、安全的、差异化的网络服务。区别于传统物理专网的私有性与封闭性，网络切片建立在开放环境下的虚拟化专用网络，为行业用户提供端到端的安全隔离机制和定制化的安全服务机制。网络切片安全涵盖无线侧、承载侧和核心网侧，除了提供传统移动网络安全机制（例如接入认证、接入层和非接入层信令安全、数据的加密和完整性保护等），还需要提供网络切片之间端到端安全隔离机制，并根据用户需要提供定制化的安全服务。图 4.5 网络切片安全隔离机制-32-4.3.6 高级持续性威胁防御技术在众多威胁形式中，高级持续性威胁 APT 破坏性较大，APT 攻击旨在干扰基础设施运行及破坏其敏感信息，其攻击链分为侦查探测、渗透利用、命令控制、横向移动、数据泄露破坏等。自 2010 年极光、震网攻击发生以来，针对重要基础设施攻击事件层出不穷，也是 5G 行业应用中面临的最大挑战。在已正式实施的网络安全等级保护 2.0 标准中，抗 APT 攻击技术被列为确保行业网络安全的必备测评项。为应对 APT 攻击对 5G 网络乃至其相关行业用户所带来的安全威胁，我们提出基于态势感知理念的高级威胁防御方案，围绕 APT 攻击过程，基于行为检测原理，从恶意软件和异常流量两个角度出发，提供全面、智能化检测机制，并将人工智能技术运用于威胁检测及事件关联分析，提升威胁检测准确率，预测威胁态势，使 5G及其行业应用网络具备高级威胁防御能力。4.4 云网边端协同生命周期的安全管理4.4.1 产品开发过程安全安全嵌入的研发流程对交付高质量安全的产品至关重要。早在 2001 年，微软提出安全开发生命周期（SDL），该流程减少了软件中至少 50%的漏洞 13，大大提高了产品的安全性和开发效率，成为全世界众多公司软件开发流程的蓝本，并加以定制和发展。参考 SDL 的高效产品开发流程（HPPD）是中兴通讯研发领域共同遵循的流程，经过多年的发展，其成功借鉴了业界最佳实践，并在各个阶段融入安全管控措施。在该流程基础上，中兴通讯持续提升关键安全技术和研发安全成熟度，提高安全治理核心人员的专业能力。需求和设计安全需求来自不同国家监管、客户、以及技术演进，中兴通讯将中长期安全需求纳入产品路标规划，短期安全需求纳入产品版本规划。我们通过威胁建模来分析安全需求。威胁建模是安全设计中的核心步骤，是一种分析和解决问题的结构化方法，用来识别和量化威胁，并确定应对措施的优先级以降低风险。其目的是在产品开发过程的早期阶段识别风险并进行控制。我们参考业界最佳实践，如 ITU-T X.805，微软 STRIDE/DREAD，新思 ARA 等模型，建立了适合通讯产品的系统威胁建模方法，以发现威胁，识别风险，输出针对威胁的应对措施。面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-33-公司发布产品安全设计技术标准和技术栈目录，引入威胁建模工具，建立安全设计知识库，指导产品完成安全需求分析以及安全架构和特性安全设计。对社会各届关注的隐私保护和数据合规问题，中兴通讯遵循隐私保护设计理念，将治理动作前移，在需求阶段即纳入数据保护的需求，尽早发现数据保护合规风险，有效降低风险防控成本。开发和测试在开发测试阶段，采用的安全编码标准参考自业界通用指南，如计算机安全应急响应小组（CERT）系列安全编码规范、开放式 Web 应用程序安全项目（OWASP）开发指南、通用缺陷列表（CWE）、安全技术实施指南（STIG）。安全编码规范在持续优化，不安全函数被替换。代码需通过静态检查和自动化扫描，衡量代码的质量、可靠性、安全性、可维护性。工具扫描出的缺陷采取看板化管理，监控缺陷闭环，通过控制门确保达成安全缺陷控制目标。在开发测试阶段，我们依据安全测试规程和测试方案，对产品进行代码扫描、漏洞扫描、协议健壮性测试、渗透测试、病毒扫描等安全类测试，充分验证包含个人数据保护等安全需求的实现并修复缺陷。发布和维护中兴通讯制定了一套严格的发布流程，要求产品必须经过安全测试和工具扫描，通过产品安全风险评估，确保遵从中兴通讯产品安全红线，且产品必须配备安全加固手册和工具方可发布。研发团队对现网已部署和使用中的产品制定持续的回归测试策略并执行测试，以判断新增漏洞是否影响现有版本，并且及时更新安全补丁或部署安全加固方案，确保现网产品安全风险得以消除或控制。4.4.2 第三方组件安全对产品使用的包含开源的第三方组件实施，包括从引入到退出的全生命周期管理，并且嵌入了 HPPD 流程，由DevOps 工具链支撑。在第三方组件引入阶段，充分分析和验证其功能和性能，确保达成出口管制、数据保护、开源许可等合规要求，以及公司的产品安全红线要求。同时考虑第三方组件的可替代性及供应商承诺的产品生命周期，保证其与我们产品生命周期匹配，达成对客户的服务承诺。只有通过安全合规评估并确保经过认证的可靠来源的第三方组件才能进入公司的组件管理系统，开发人员通过审批之后才能获得这些软件的访问权限，选取第三方组件以供所需产品使用。-34-产品所选用的第三方组件须通过安全测试，达成安全标准后才能随产品进行发布。在我们的产品生命周期内，一旦发现安全漏洞，不论发现人是客户、供应商、第三方还是我们自己，我们均会对该安全漏洞进行评估，提供解决方案或者规避措施，以及时消除风险。在产品生命周期内，当第三方软件因为功能、性能或安全性进行版本更新、引入补丁程序，或当第三方软件生命周期终止时，我们通过组件管理系统对第三方软件进行更新或宣布停用，以确保产品所使用的第三方软件是最新的。第三方软件的安全风险评估贯穿从组件选型、引入、测试、交付到维护的全过程，并纳入 HPPD 流程的节点管控，确保及时发现安全风险，快速评估并提供恰当的安全解决方案或规避措施。同时，我们将第三方软件作为产品配置项纳入配置管理流程，以确保其使用可追溯。特别是当发现安全漏洞时，我们可以追踪其应用范围，彻底解决所有与第三方软件使用相关的问题。作为开源社区的积极贡献者，中兴通讯持续跟踪社区发布的漏洞，在使用漏洞修复方案的同时贡献安全漏洞修复方案。4.4.3 运维安全管理随着产品交付给客户，业务场景产生变化，新的安全风险也随之而来，需要采取适当的保护措施保证交付过程中产品和数据的完整性、机密性和可用性，实现端到端的安全。交付领域建立基于风险的交付安全治理体系，全面涵盖授权管理、安全部署、远程接入管理、网络数据保护、资产安全管理、事件响应、合作伙伴管理等模块，产品安全要求已全面融入开通、验收、移交和运维阶段，确保交付行为安全可靠、网络设备安全运行，客户网络和数据得到有效的保护。此外，应定期进行模拟演练和抽查，确保人员安全意识和规范动作到位。授权管理在对客户的网络和数据进行操作前，如软件升级、安全加固、网络巡检，中兴通讯事先获取客户授权，并在约定的范围和时间段完成操作，操作过程记录在案，实施操作的人员可通过日志进行追溯。安全部署为确保软件的端到端安全部署，严格的流程和管理制度需落实：仅授权人员才能从支撑网站下载所需版本或补面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-35-丁，下载均有记录，且所有下载的软件会在升级前进行完整性检查和病毒检查。软件部署所需工具和软件均从指定官方渠道获取，确保安全可信和知识产权合规。远程接入管理为确保高效安全的远程技术支持，中兴通讯在遵循所在地法律法规和客户授权的前提下，允许产品专家通过部署的全球一张网系统（Advanced Operations Suite，AOS）、安全隔离区远程访问客户网络，进行问题排查或业务支持等。对客户网络的所有远程操作均可事后审计，确保符合客户预期的授权。网络数据保护为保护网络数据的安全，中兴通讯要求接入客户网络的个人移动设备做好基本的安全防护，如安装系统重要补丁和防病毒软件，仅安装授权的、与业务目的有关以及无信息安全风险的软件等。个人移动设备如需临时存储网络数据，需在客户同意后按照数据的敏感性进行相应的脱敏、加密等保护，并在遵循所在地法律法规的前提下，按照“最小范围”和“知所必需”原则进行传播。资产安全管理为确保客户网络设备的防护能力不会随着内外部威胁的变化而降低，中兴通讯基于合同要求定期对网络设备进行安全检查、加固和风险评估，践行对客户资产应尽的风险关注和处置义务。事件响应当客户网络出现安全问题时，现场工程师会立即上报至中兴通讯全球客户支持中心（GCSC）系统，并置上“产品安全”标签。安全问题会汇聚到产品安全事件响应团队（PSIRT），并根据其严重等级分发到对应的产品支持团队，确保在客户服务水平协议（SLA）约定的时间内得到有效解决。此外，中兴通讯定期进行重大灾害、网络攻击等突发事件的应急演练，持续提升事件响应和处置的能力。4.4.4 安全事件管理由于威胁和脆弱性会发生改变，网的安全风险不能完全消除。当安全风险转变为安全事件时，需及时缓解，以减轻安全事件带来的不利影响。同时，消减漏洞能在很大程度上避免安全事件的发生，因此，任何已识别的产品漏洞信息应及时披露给客户，并提供漏洞处理方案。此外，安全事件响应和漏洞处理机制有赖于利益相关方协同、高效地分享信息并及时响应，以有效缓解安全风险。安全事件响应机制中兴通讯事件响应机制穿透了供应链、研发和工程服务领域，由专职团队 PSIRT 负责接收、处理和披露与中兴通讯产品和解决方案相关的安全漏洞。PSIRT 协同客户和利益相关方有效合作，快速给出解决方案。对于安全事件和数据泄露建立分级响应机制，确保统一协作并快速修复，迅速恢复业务。安全事件处理采取预防、检测、纠正和恢复、事后反馈的闭环处理机制，一旦发生安全事件，PSIRT 迅速对事件进行分析，采取必要措施控制事态发展，直到业务彻底恢复。事件得到有效控制后进行复盘改进，防止类似事件再次发生。安全漏洞处理机制中兴通讯重视与安全组织协作，对内外部发现的漏洞，秉承公开透明的原则，结合客户及相关方的意见和要求进行负责任的披露，并提供规避措施以及解决方案。在客户实施解决方案之后，对方案的有效性进行监控，并根据反馈情况进行方案迭代，实现漏洞闭环管理。5.云网边端协同典型应用案例5.1 人脸识别人脸识别是一种重要且可靠的身份识别技术。自生物特征识别技术提出以来，人脸识别技术即成为计算机视觉研究的重点。从广义上说，人脸识别就是通过摄像头采集图像信息，在此图像中检测出人脸，然后依照一定方法提取人脸特征，最后将人脸特征与计算机中储存的人脸特征进行比对，得到比对结果。从这个定义可以得知，人脸识别技术是借助计算机技术、人脸识别算法和摄像功能，完成对某一个体或某一人群的身份识别。5.1.1 场景概述作为一种基于人脸特征信息进行身份确认的技术，人脸识别近年来一直是人工智能、计算机视觉、心理学等领域的热门研究问题。类似用于身份识别的人体的其他生物特征，如指纹识别，人脸具备唯一性、一致性和高度不可复制性，为身份识别提供了稳定的条件。人脸识别的应用日益广泛，例如用于刑事案件侦破、智慧交通、出入口控制、互联网服务等。人脸识别不同于传统的学科，它涉及到计算机视觉、心理学等诸多学科的理论方法，人脸识别技术的研究对相关人员知识体系的完备性提出了较高要求，具有丰富的研究意义。-36-面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-37-下面介绍人脸识别的几种典型应用场景：（1）公共安全领域公共安全领域是人脸识别技术从理论走向现实的起点，正是处于公共安全管理的实际需要，为了协助公安部门对管理区域和目标人员进行更好的布防与追踪，人脸识别技术才能够不断从理论走向实践，并且获得了大规模应用的实际场景需求。公共安全领域的人脸识别具体应用场景包括：对出入境敏感人物进行甄别过滤；对公共场所可能存在的危险人物进行识别排查，以减少安全隐患；对持证人进行核对，如身份证、驾驶证，检验是否伪造：在机要部门门禁系统中对准入人员进行许可确认。随着社会不断发展，公共安全领域的人脸识别运用场景也在不断拓展，人脸识别技术对于公共安全管理具有重要价值。（2）信息金融安全现代市场经济发展对于金融体系的依赖度愈发提升，金融领域内长期关注的核心问题之一就在于金融信息安全。金融信息安全对于促进金融体系发展具有重要意义，但受限于金融信息安全保障技术手段的制约，金融信息安全长期停留在非生物特征识别的密钥识别技术层面。人脸识别技术为信息金融安全提供了全新的解决方案，依靠人脸识别技术，金融信息可以在涉及金融信息验证的银行账户和电子商务的开启、数据文件的加密解密、计算机登陆环节采用人脸识别技术，对于强调安全性和便利性的商用化信息金融安全而言，人脸识别技术具有无可比拟的优越性。同时，由于信息金融安全对于识别和检验精确度的高要求，人脸识别技术在信息金融安全领域的推广运用也反向促进了该技术本身的突破，逐渐建立起规模化的应用能力来应对多场景需求，能够具备良好可复制性和推广性的人脸识别技术解决方案。（3）人机交互领域人机交互领域是一个较为笼统的领域分类，是根据人脸识别的应用模式得出的具体场景类别。具体而言，人机交互是指识别对象与提供识别功能的机器设备进行交互验证，从而完成人脸识别。人机交互是目前人脸识别商用化的主要实现手段，包括刷脸支付、考勤打卡、人脸验证门禁系统、身份验证系统等等，都属于传统的人机交互领域内的人脸识别应用。人机交互一般是将具有人脸识别功能的集成模块事先植入到特定的机器系统中，依据该系统的设计功能导向进行人机交互式的人脸识别。5.1.2 性能需求分析人脸识别的性能需求包括准确率和实时性。准确率是衡量准确识别人脸信息的精度指标，通常来说，系统人脸识别准确率需要高达 99%，同时对有一定角度的侧面人脸也具有不错的识别效果；实时性表征的是系统身份识别快慢的指标，要求系统在至多1s内输出身份识别结果。多数情况下，人脸识别的性能按照以下指标来评判。-38-（1）错误拒绝率（False Rejection Rate，FRR）FRR 是生物识别安全系统错误拒绝授权用户访问的可能性的度量。人脸识别系统 FRR 是错误拒绝次数与尝试识别次数的比值。（2）错误接受率（False Acceptance Rate，FAR）FAR 是生物识别安全系统错误接受未经授权用户访问的可能性的度量。系统的 FAR 表示为错误接受次数与尝试识别次数的比值，定义为“不同人的面部图像被错误匹配的概率”。（3）相等错误率（Equal Error Rate，EER）通过取 FAR 和 FRR 具有相同值的点，从收敛区域（Region of Convergence，ROC）图中获得了 FAR 和 FRR相等的速率。EER 是一种比较具有不同 ROC 曲线的系统精度的方法，通常具有最低 EER 的系统最准确。（4）正确识别率（Correct Recognition Rate，CRR）CRR 测量匹配率和不匹配率的百分比，而不考虑 FAR 和 FRR。在匹配的情况下，它是正确匹配的数量与数据库中对象总数的比值；在不匹配的情况下，它是不匹配的数量与数据库中对象总数的比率。由上述指标可知，FRR、FAR、EER 的值越小，CRR 的值越大，系统的识别性能越好。5.1.3 对云网边端协同的潜在需求与应用面对多异地分布，多网段划分和多系统交互的情况，目前已经有的人脸识别解决方案，大多是将人脸信息下发到终端，在终端获取人脸信息之后进行算法处理；或者是将终端获取的人脸信息传送到云端，在云端进行算法处理；还有使用云边端融合技术，在边端进行人脸数据处理，将获取的人脸信息返回到云端进行对比。这些方案都能实现人脸识别的功能，但实施起来都存在一些缺陷以待提升。终端人脸识别方案在于将人脸信息和相关数据存储在终端，这样会导致人脸信息的露，不能保证信息安全，而且 ARM 架构的终端设备性能有限，一旦人脸数量较多，比对的时间会大幅增大，导致体验不佳。在云端进行人脸识别具体是将在终端采集的人脸信息传回云端，在云端进行算法的处理比对和数据的管理，而数据到云端的传输过程消耗大量的时间，同时算法处理和数据管理都放在云端进行，这会导致云端计算压力过大，处理速度过慢，耦合度高。如果在云网边端协同的基础上运行人脸识别算法，会有效降低网络传输压力和计算时延，实现本地分析、快速处理、实时响应，从而提升用户体验。基于云边端架构的人脸识别方法中，云边端架构包括依次通信连接的终端、边端和云端，终端与边端均安装在同一本地网段，云端安装在远程网段，方法包括通过终端实时采集人脸信息，对人脸信息进行质量检测和活体面向典型行业的云网边端智能协同与剪裁面向典型行业的云网边端智能协同与剪裁-39-检测，将检测通过的人脸信息推送给边端；在边端对终端推送的人脸信息进行特征提取，然后和从云端传送至边端的人脸特征数据进行比对，获取比对结果；根据该对比结果控制终端的动作；云端对边端的对比结果进行管理和存储，并与边端进行数据交互。具体流程如图 5.1 所示。基于云边端架构的人脸识别方法利用云边端架构，通过终端进行人脸信息采集，在边端进行人脸信息对比，由处在同一本地网段的终端和边端进行数据计算，实现将计算前置，使数据就近完成处理，传输更加安全，数据处理更加及时；使用多个边缘节点来处理数据，响应速度更快，计算效率更高；在异地部署云端，统一将数据在云端管理，增加了数据的安全性。该方法具有减少了网络带宽的压力，提升了人脸识别效率和可靠性等优点。在城市安防工作中人脸识别技术不可或缺。在云边端协同的计算模式以及视频人脸捕捉检测和识别能力不断提升的前提下，已建和新建的视频监控设备都可以被利用，实现城市中海量视频的人脸识别、比对布控能力，增加对城市视频图像的感知能力，在前端通过边缘计算实现布控比对报警，在边端实现人脸特征聚类分析，在云端实现大数据预警分析、城市人群态势感知等。人脸识别在云边协同系统中有效实现城市中海量人脸数据的采集和处理，达到人脸信息的精准识别。人脸识别是人工智能领域不断发展的产物，在智能家居、公共安全、智慧城市等领域应用广泛，人脸识别技术对图像处理速度、传输时延和用户数据的安全性有较高的要求，云网边端协同架构在一定程度上可以满足人脸图 5.1 云边端架构人脸识别流程图（来源：郭勇,潘怡,谢一菡.一种基于云边端架构的人脸识别方法和系统.）识别的性能需求，同时提高人脸识别的准确率，因此越来越多的人脸识别系统运行在云网边端协同架构中，以达到性能提升，精准识别的效果。5.2 自动驾驶自动驾驶是一种能够通过感知周围环境，在没有任何人为干预的情况下自行操作并执行必要功能的技术。有六个不同级别的自动化，随着级别的提高，无人驾驶汽车在操作控制方面的独立程度也会增加。Level 0，汽车无法控制其运行，人类驾驶员完成所有驾驶。Level 1，车辆的高级驾驶员辅助系统（Advanced Driver Assistance System，ADAS）能够通过转向或加速和制动来支持驾驶员。Level 2，ADAS 可以在某些情况下监督转向、加速和制动，尽管人类驾驶员需要在整个旅程中继续完全注意驾驶环境，同时还要执行其余的必要任务。Level 3，高级驾驶系统（Advanced Driving System，ADS）可以在某些条件下执行所有部分的驾驶任务，但当 ADS 要求人类驾驶员重新获得控制权时，它必须能够重新获得控制权。在其余条件下，人类驾驶员执行必要的任务。Level 4，车辆的 ADS 在无需人工注意的特定条件下独立执行所有驾驶任务。Level 5，涉及完全自动化，车辆的 ADS 能够在所有条件下执行所有任务，无需人类驾驶员提供驾驶辅助。这种完全自动化将通过 5G 技术的应用实现，这将使车辆不仅可以相互通信，还可以与交通信号灯、标牌甚至道路本身进行通信。面向典型行业的云网边端智能协同与剪裁-40-面向典型行业的云网边端智能协同与剪裁-41-图 5.2 自动驾驶等级（来源：https:/ 场景概述汽车自动驾驶具有“智慧”和“能力”两层含义。所谓“智慧”指汽车能够像人一样智能地感知、综合、判断、推理、决断和记忆；所谓“能力”指自动驾驶汽车能够确保“智慧”有效执行，可以实施主动控制，并能够进行人机交互与协同。自动驾驶是“智慧”和“能力”的有机结合，二者相辅相成，缺一不可。为了实现 L4 级或 L5 级的自动驾驶，仅仅实现单车的“智慧”是不够的。需要通过车联网（Vehicle to Everything，V2X）实现车辆与道路以及交通数据的全面感知，获取比单车的内外部传感器更多的信息，增强对非视距范围内环境的感知，并通过高清 3D 动态地图实时共享自动驾驶的位置。例如在恶劣天气下，或在交叉路口、拐弯等场景下，雷达和摄像头无法清晰辨别前方障碍，通过 V2X 来获取道路、行车等实时数据，可以实现智能预测路况，避免意外事故的发生。随着 5G 网络、边缘计算与云计算的发展，自动驾驶通过 5G 网络将数据传输到更靠近用户的边缘计算平台，时延敏感性、计算稀疏性业务在边缘计算处理；而时延非敏感性、计算密集性业务可以由云计算处理；5G 网络根据汽车的移动，自动实现数据流向的转移以及网络切片的划分以保证汽车运行时数据的稳定传输，保证车辆的安全驾驶。通过与5G技术的结合，实现了高宽带和低延时的网络通信能力，但是光是网络层面仍远远不够，目前运营商们都在建设更多的基站，甚至“微基站”来满足大量的终端的接入，由于汽车上可能有大量的感知设备，因此在边缘网络中，“多接入”和“低延迟”成为了无人驾驶场景中的关键特性。面向典型行业的云网边端智能协同与剪裁-42-多接入：自动驾驶需要的传感器系统主要有三种类型：摄像头、雷达和激光雷达，摄像头具有分辨颜色（识别指示牌和路标）的优势，易受恶劣天气环境和光线的影响，但雷达在测距、穿透雨雾等有优势，两者互补融合可作出更精确、更可靠的评估和判断。在接入层有大量的终端接入，每个终端或者每辆车需要一个 IP，在路段拥堵的情况下，可能存在大量的 IP 需求，那么 IPv6 的需求会增强。低延迟：5G 核心网控制面与数据面相互分离，NFV 令网络部署更加灵活，从而使能分布式的边缘计算部署。边缘计算将更多的数据计算和存储从“核心”下沉到“边缘”，部署于接近数据源的地方，一些数据不必经过网络到达云端，从而降低时延和网络负荷，提升了数据安全性和隐私性。这对于时延要求极高、数据处理和存储量极大的自动驾驶领域而言，重要性不言而喻。未来对于靠近车辆的移动通信设备，如基站、路边单元等或均将部署车联网的边缘计算，来完成本地端的数据处理、加密和决策，并提供实时、高可靠的通信能力。图 5.3 具体描述了未来无人驾驶的场景，通过大型的基站，覆盖一部分路段，并提供大量的计算、存储能力，在基站附近建设边缘云，连接路边的其他基础设施，如红绿灯、路灯、摄像头，并连接路面上行驶的车辆。边缘计算云提供了基础设施服务，而上层的自动驾驶的软件应用将根据边缘计算采集的数据，进行智能分析，并快速地为汽车提供准确、安全的操作指令。5.2.2 性能分析自动驾驶是通过自动驾驶系统，部分或完全的代替人类驾驶员，安全地驾驶汽车。汽车自动驾驶系统是一个涵盖了多个功能模块和多种技术的复杂软硬件结合的系统。在机器学习、大数据和人工智能技术大规模崛起之前，图 5.3 无人驾驶场景面向典型行业的云网边端智能协同与剪裁-43-自动驾驶系统和其他的机器人系统类似，整体解决方案基本依赖于传统的优化技术。随着人工智能和机器学习在计算机视觉、自然语言处理以及智能决策领域获得重大突破，学术和工业界也逐步开始在无人车系统的各个模块中进行基于人工智能和机器学习的探索。而无人驾驶系统作为代替人类驾驶的解决方案，其设计思路和解决方法背后都蕴含了很多对人类驾驶习惯和行为的理解。现在，无人驾驶已经成为最具前景的应用之一。自动驾驶是一个系统性的复杂工作，一般是在传统汽车上进行加装来构建整个系统。自动驾驶硬件系统包含五部分：感知模块、自动驾驶计算机、供电模块、信号通信模块、执行和制动模块。因此自动驾驶主要分析交通环境感知、车载芯片以及高精度定位性能。（1）环境感知：感知模块可以代替传统驾驶汽车中驾驶员的眼睛和耳朵，并学习其驾驶经验。通常由摄像头、激光雷达、毫米波雷达和GNSS/IMU组成。摄像头相当于人类驾驶员的眼睛，主要用于获取图像信息，可用于识别行人、车、树、红绿灯、交通标志等物体，以便进行定位。相比之下，激光雷达通过接收的反射数据，可以获取更加丰富而准确的信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数，从而对目标进行探测、跟踪和识别以及更加准确的定位，其三维测距原理是通过测量激光信号的时间差、相位差确定距离，通过水平旋转扫描测角度，并根据这两个数据建立二维的极坐标系，再通过获取不同俯仰角度的信号获得第三维的高度信息。毫米波雷达工作频率为一般为 24GHz 和 77GHz，通过获取反射数据，可用于识别障碍物和测距。与其他主流雷达相比，毫米波雷达性能更佳，不受目标物体形状颜色和大气紊流的影响，具有很好的稳定的探测性能，环境适应性好。对于日常驾驶可能遇到的恶劣天气有很好的容错性，受天气和外界环境的变化的影响小，在实际应用中，对于雨雪天气、灰尘、阳光都有很强的适应。而且多普勒频移大，测量相对速度的精度提高，很适合自动驾驶高精度定位、识别等功能，对自动驾驶的工程应用有很大的促进作用。GNSS/IMU组合则用于实时获取全局位置信息。当前，所有感知问题的关键仍然是神经网络算法，对于域控制器处理过程能力来说，其需要重点考虑计算精度、实时性、算力利用率等，这是确保物体不被漏检或误检的前提。其中由于感知硬件设备中输入的超大分辨率图像问题，涉及单目或多目摄像头对感知输入的处理问题都是需要重点关注的。此类感知任务的难点或者优化方向核心主要在于如下几个方向：如何处理高分辨的输入 如何提高密集小目标检测 如何解决类多目标重叠问题 如何利用少量的训练数据解决目标多样性问题 如何利用单目摄像头进行目标位置的精确估计面向典型行业的云网边端智能协同与剪裁-44-（2）车载芯片自动驾驶计算负责进行自动驾驶相关的数据处理，一般包含五部分：CPU、GPU、内存、硬盘存储空间和硬件接口。目前还有专门用于加速计算的专用处理器。根据汽车智能化的分级标准，L2 级自动驾驶需要的计算力100TOPS，L5 需要的算力目前未有明确定义（有预测需要至少 1000TOPS），自动驾驶等级每增加一级，算力需求增长一个数量级。如果考虑功能安全的冗余备份，算力需求还要翻倍。根据行业推算，全自动驾驶时代，每辆汽车每天产生的数据量高达 4000GB。随着高级别智能驾驶的到来，智能汽车需要处理大量的图片/视频等非结构化数据，仅依靠传统 MCU 芯片不能满足运算需求，具备 AI 能力的主控芯片成为主流，汽车主控芯片结构形式也由 MCU 向 SOC 异构芯片方向发展。而各大自动驾驶汽车厂家也发布了自己的解决方案。地平线宣布第三代车规级产品征程 5 芯片流片成功，该芯片主打高算力低功耗，面向 L4 高等级自动驾驶的大算力需求。征程 5 系列芯片算力最高 128TOPS（另有说法为 96TOPS），同时支持 16 路摄像头感知计算。地平线基于自身强大的芯片能力，可提供全系列自动驾驶解决方案。包括 Horizon Matrix Mono 辅助驾驶解决方案、Horizon Matrix Pilot 领航驾驶解决方案，以及 Horizon Matrix FSD 全自动驾驶解决方案，面对不同的应用场景提供相应的算力。特斯拉 FSD 计算平台横空出世，以 144 TOPS 算力的全自动驾驶双冗余（单芯片算力为 72 TOPS）引领车载芯片市场，重新定义智能汽车时代核心技术，也标志着特斯拉正式步入 HW3.0 时代。英伟达目前旗下有 Xavier、Orin 和 Altan 三款自动驾驶芯片。Xavier 芯片算力 30TOPS，支持 L2-L3；Orin单颗芯片算力 200TOPS，支持 L3-L4，目前还未量产；Altan 单颗芯片算力达到了 1000TOPS，支持 L4-L5。图 5.4 FSD 芯片内部简单架构图（来源：https:/ 是通过多个芯片组成的一整套自动驾驶解决方案，在集成度上存在不足，但 Mobileye 的自动驾驶组合更加自由，从而提供给客户更多的解决方案。EyeQ3 和 EyeQ4 是目前 Mobileye 在市场上的主流产品。EyeQ3 发布于 2014 年，主要负责视觉处理；EyeQ4 芯片算力为 2.5 TOPS，最高支持 L3 级自动驾驶。而性能更强大的 EyeQ5 芯片，算力达到了 24 TOPS。高通推出了 Snapdragon Ride 自动驾驶解决方案，可以为 L1/L2、L2 /L3、L4 等不同等级的自动驾驶系统提供不同的 SoC。面向 L1/L2 级自动驾驶，配备单个高通骁龙ADAS 应用处理器；面向 L2 /L3 级自动驾驶，可以采用算力达到 30 TOPS 等级单颗 SoC，如果是 L4/L5 级自动驾驶，则可以采用多颗 SoC，算力超过 700 TOPS，功耗为 130W 的设备。华为在自研芯片领域的技术底蕴大家也都有所了解。自动驾驶领域，华为自主研发的 MDC 810 是面对 L4-L5 级自动驾驶推出的高算力自动驾驶SOC芯片，支持400TOPS/800TOPS两档算力。2019年，黑芝麻发布了旗下第一颗芯片华山一号（A500）。2020 年 6 月，黑芝麻智能推出了第二款自动驾驶计算芯片华山二号 A1000，这是针对 L3、L4 智能自动驾驶级别而设计的芯片，单芯片算力高达 70TOPS。（3）高精度定位：高精度定位可以按照不同的定位技术分为三类：第一类，基于信号的定位，如 GNSS（全球导航卫星系统）定位。第二类，依靠 IMU（惯性测量单元）等进行航迹推算，根据上一时刻的位置和方位推断现在的位置和方位。第三类，环境特征匹配，基于激光雷达的定位，用观测到的特征与数据库及存储的特征进行匹配，得到车的位置和姿态。图 5.5 自动驾驶芯片（来源：https:/ 和 4G/5G 通常用于室外定位，UWB 用于室内定位。通过结合不同的定位技术，5G 与车身传感器融合（雷达，摄像头，激光雷达和地图相结合）是人口稠密地区 L4/L5 自动驾驶的两种最佳解决方案。然而，卫星定位更适用于人口稀少的地方，因为它不适合大规模建设 5G 基站。具有米级定位精度的 GNSS 远远不能实现自动驾驶。厘米级卫星定位需要校正由电离层引起的 GNSS 定位误差，这通常通过实时动态（RTK）来完成，RTK 是从传统的 1 1 或 1 2 系统演变为广域差分系统的技术。在一些城市建立的连续运行参考站（CORS）可以显着改善了 RTK 测量范围。5.2.3 对云网边端协同的潜在需求与应用随着自动驾驶中各种传感器的加入，车辆会产生海量数据，车载计算机的性能始终有限，所以需要将一些数据上传到云计算平台中。但云计算与车辆的距离远，因此车辆不能将所有的任务都卸载到云端；随着 5G 网络和边缘计算的发展，车辆接入 5G 网络，可以快速稳定的将数据传输到边缘计算以及云计算平台中。因此，自动驾驶未来将依赖云计算、边缘计算和 5G 网络达到更高级别。自动驾驶将何种任务卸载到边缘计算、何种任务卸载到云计算平台中，5G网络如何保证自动驾驶数据传输的时延以及安全性，是目前亟需考虑的问题。另外，自动驾驶汽车中的各种传感器也可以通过 5G 网络接入云计算以及边缘计算平台，将云计算、边缘计算、5G 网络以及终端设备协同起来，以实现更好的自动驾驶。图 5.6 GNSS 定位（来源：https:/ MEC 平台构筑在边缘机房，通过蜂窝通信模式，提供小区级微观交通服务。区域 MEC 平台部署在边缘MEC 平台之上，可与一个或多个边缘 MEC 平台联动，提供大区级宏观交通服务，实现更上层、更全局的用户管理、数据汇聚和业务调度。中心平台构筑于区域 MEC 平台之上，作为业务应用顶层，提供广域级宏观交通服务。在纵向维度上可按照“业务面”与“管理面”进行分解，在业务面上，各层级平台联合承载自动驾驶综合数据底座、车路协同事件与消息服务等业务类功能，支撑车路协同辅助/自动驾驶应用、公共交通出行、交通管理管制等服务。在管理面上，各层级平台协同负责路侧基础设施运维管理、车联网用户管理、平台安全管理等管理类功能，为产业可持续化运营提供基础支撑。平台的业务面与管理面联动配合，支撑实现车路协同场景。5.3 物联网5.3.1 场景概述物联网（IoT，Internet of things）即“万物互联的网络”，是在互联网基础上的延伸和扩展，它可以将各种信息传感设备结合起来形成一个巨大网络，实现任何时间、任何地点，人、机、物的互联互通。面向典型行业的云网边端智能协同与剪裁-47-图 5.7 描述了云网边端协同下的自动驾驶整体架构。其中自动驾驶车辆通过自身的传感器与周围环境进行交互，以掌握交通环境信息。为了保证数据的实时性，车辆可以将时延敏感型任务直接在本地计算以及通过 5G 网络的 UPF 将任务发布到边缘计算平台中。边缘计算接受到车辆发布的任务以后，通过本地计算完成相应的任务再回传给车辆。车辆中一些常见的日志信息，如果全部保存到本地，会消耗大量的存储资源。因此可以将大部分常见的日志信息传输到云计算平台中，让云计算保存。由于云计算具有海量的存储资源以及强大的计算资源，一方面可以满足数据存储功能；另一方面也可以借助强算力进行数据的挖掘进一步的实现智能算法的更新迭代。图 5.7 云网边端协同下的自动驾驶面向典型行业的云网边端智能协同与剪裁-48-传统的物联网架构分为感知层、网络层和应用层。感知层由各种各样的传感器设备组成，负责收集环境中产生的各种各样的数据；网络层由各种异构网络以及边缘和云平台组成，负责处理由环境产生的各种各样的数据；应用层主要实现物联网 场景下的一些智能应用。随着物联网技术的进一步发展，越来越多的物联网设备将会接入网络，预计到 2025 年全球物联网设备联网数量将达到 252 亿个，同时智慧工业、智慧交通、智慧健康等领域的发展，对物联网设备的需求量也会进一步提升。由于物联网业务的进一步延伸以及终端数据量的爆炸式增长，对网络的各方面的性能提出了更高的要求。随着物联网设备的普及，海量的数据需要计算能力更加强大的物联网架构实现实时的处理；同时，物联网技术不断发展，基于物联网的应用广泛应用于智能交通、智能电网、智慧农业以及智慧家庭等领域。许多特殊的应用场景，比如自动驾驶，对数据处理的实时性要求很高，需要网络提供极低延时。传统的基于云计算的网络架构已无法支撑物联网应用的进一步发展。因此，需要一种边缘计算驱动的物联网架构，能够在满足物联网海量设备接入的同时提供低时延以及高计算能力。5.3.2 性能需求分析在物联网应用场景下，对无线网络的能力提出了新的要求，主要体现在一下四个方面：（1）对于高可靠低延时的服务，端到端的延时要小于 1ms 并且可靠性要高于 99.999%；（2）对于大规模物联网应用，无线网络的承载能力要达到每平方公里能接入 100 万个设备；（3）对于移动宽带应用，用户的数据速率要大于 50Mb/s;（4）终端应用产生的数据应该受到保护，以免出现恶意用户对数据发起攻击，同时由于边缘计算节点计算能力的有限性，轻量级的加密方案应该被采用。5.3.3 对云网边端协同的潜在需求物联网面临的新需求对云网边端协同架构提出了新的挑战。云计算虽然为数据处理提供了强大的计算能力，但是网络带宽的增长速度远远落后于物联网设备产生数据的增长速度，因此云计算的数据处理模型已经难以满足物联网行业对于数据处理的实时安全等性能需求。边缘计算作为云计算的补充，可以为物联网应用提供海量存储、强大算力以及极低延时，从而满足物联网应用对于实时性、隐私保护以及降低能耗的需求。除了云计算和边缘计算，物联网应用的发展也促使蜂网络技术的演进。首先，软件定义的无线传感器网络将成为未来物联网的使能技术之一，部署蜂窝技术的传统方法通常是基于硬件的。硬件部署限制了网络扩展的可扩面向典型行业的云网边端智能协同与剪裁-49-展性。因此，软件定义的无线传感器网络是一种很有前途的范式，来客服网络扩展的限制性。软件定义的无线传感器网络是软件定义网络和无线传感器网络的混合。软件定义网络应用于数据中心（有线通信网络）和互联网连接。目前，它被设想为 5G 技术的推动者。最初使用软件定义网络部署 5G 网络的主要目的是将控制逻辑平面从网络设备中分散出来，并提供对整个网络进行编程的集中机制。由于大量连接设备的需求不断增加，需要像软件定义网络这样的集中式软件模式来满足服务质量一致性的需求。软件定义网络将简化网络管理问题，如链路/节点下线问题、资源分配和部署新的链路/节点等。不同的 SDN 解决方案有 Soft Air、Cloud RAN 和CONTENT。因此，它被视为未来下一代 5G 物联网技术发展的关键推动者。其次是网络功能虚拟化。虚拟网络功能可以被实现为软件包，这些软件包可以用于提供网络服务需求。网络功能虚拟化的概念源于对虚拟机的理解，虚拟机可以安装在同一台服务器的不同操作系统上。由于网络虚拟化概念支持网络可伸缩性机制、分布式云上的网络切片、实时处理能力（在切片网络中优化速度和容量），并维护其异构性，这是基于物联网的 5G 的重要特性和要求之一，因此网络功能虚拟化是成功部署 5G 物联网的有希望的候选者。不仅如此，网络功能虚拟化还能节约能源和成本，从而减少资本和运营支出。最后是认知无线电，物联网的大规模应用导致了网络资源的过载，并且导致频谱资源越来越稀缺。因此在物联网应用中需要一种有效且智能的频谱使用方式来满足日益增长的需求，认知无线电以一种机会主义的方式使用/共享频谱资源，巧妙地解决了而这个问题。认知无线电可根据其工作环境的相互作用调整其发射机参数，其通用架构由射频前端和基带处理器组成。为了适应时变的射频环境，各组件都附加了控制总线。认知无线电与传统无线电的不同之处在于认知无线电的射频前端由宽带天线、功率放大器和自适应滤波器组成。射频前端的这些特性使其具有宽带传感能力。由于认知无线电旨在适应无线电环境的需求，因此它遵循频谱感知、频谱分析和频谱决策三个基本步骤。首先，认知无线电感知主要用户的喜好、流量的变化以及用户的移动，这些可以通过认知无线电的发射机检测、协作检测和基于干扰的检测等各种技术实现；然后对频谱的特性进行了估计和分析，包括干扰、路径损耗、无线链路误差、链路层延迟和保持时间等参数；最后，通过以上操作，认知无线电决定传输的合适的传输速率，带宽和传输模式。这些特征使得认知无线电成为物联网应用成功部署的有效候选技术之一。5.4 音视频服务5.4.1 场景概述随着现代通信技术和业务的发展，人们对通信已经由最初的单一语音需求转变为对视频和音频的通信需求，以传送语音、数据、视频为一体的音视频通信业务成为通信领域发展的热点，并在会议电视、远程视频医疗、远程视频教育等方面得到越来越广泛的应用。音视频通信业务种类繁多，包括会议电视、视频电话、远程视频教育、远程视频医疗、互动电视以及远程视频购物等。从当前发展趋势看，音视频业务的发展主要呈现出以下趋势：（1）越来越注重服务质量。先前的视频会议、视频监控、视频点播等的图像质量由于受到网络带宽等方面的限制，不能提供令人满意的图像质量。现在，随着人们对音视频通信服务的依赖性越来越大，对它的服务质量要求也越来越高。（2）融合应用越来越多。固定与无线的融合、电信与广电融合、网络的 IP 化等使得 IP 电视、宽带电视、手机电视等新型音视频通信业务越来越多。（3）个人音视频应用越来越广泛。在音视频通信初期，由于价格昂贵等因素的影响，基本上都是在教育、医疗、金融、政府和企业等范围内应用。现在，随着技术不断进步、业务模式的不断拓展以及人们消费观念转变等方面的影响，音视频服务正在逐渐走向大众化，向个人应用倾斜，视频电话、视频聊天、视频博客、IP 电视等正在吸引越来越多的用户。5.4.2 性能需求分析常见的音视频业务在网络性能方面具备如下需求：（1）在吞吐量方面，音视频业务通常需传输大量的数据，特别是高清、超清视频等，对吞吐量提出了较高的要求，一般的吞吐量在 100Mbps 以上。（2）在延迟方面，诸多音视频业务对时延要求比较敏感，如沉浸式虚拟现实业务，通常需要延迟在150ms以下。（3）在算力方面，一些音视频业务涉及到对音视频数据进行转码或渲染，对算力方面具有较高的要求，如虚拟缓存解码，虚拟现实和增强现实的渲染，对算力的要求在 10 CPU cycle/s 以上。面向典型行业的云网边端智能协同与剪裁-50-8面向典型行业的云网边端智能协同与剪裁-51-5.4.3 对云网边端协同的潜在需求与应用云网边端协同对音视频业务的服务质量带来了巨大的提升。例如，边缘设备（如数据基站）具备强大的存储能力，可将其服务范围内所有用户频繁请求的音视频文件进行缓存，当有用户请求到达且请求的音视频文件已缓存在边缘，则边缘设备无需到云端请求，直接将文件发送至请求的用户，节约了承载网的通信资源。目前诸多终端设备也具备存储能力，对于单个用户频繁请求而其他用户请求较少的音视频文件，可将其存储至终端设备，用户需要时无需向基站和云端发送请求，大大节省了承载网和接入网的通信资源，减少了数据量的传输，降低了网络拥塞和通信延迟。由此可见，通过网络边缘和终端的存储资源与承载网和接入网的通信资源相互协同，可提高资源利用率和用户音视频服务的体验，改善网络的多方面性能。同时，随着边缘计算的迅速发展，边缘设备强大的计算能力能够与边缘缓存相互协作、相互补充可改善网络性能。对于用户频繁请求的音视频文件，可物理缓存到边缘设备，当用户请求达到时可直接通过接入网发送给用户。对于用户请求较少的文件，可将压缩的音视频元文件在边缘，即虚拟缓存。由于其尺寸相较于未压缩的文件要小很多，因此其占用的存储空间可忽略不计。当用户请求虚拟缓存的音视频文件时，被压缩的音视频元文件可经过处理，转码为相应的音视频文件在传输给用户。这一过程消耗了边缘设备的计算资源，节约了边缘设备的存储资源和承载网的通信资源的消耗，用户的音视频服务请求同样无需发送至云端即可得到相应的音视频文件。虚拟缓存的引入进一步降低了传输时延，提高了用户的服务体验。图 5.8 虚拟缓存示意图5.5 智慧交通5.5.1 场景概述根据“智研咨询”的研究报告，截止至2021年12月，中国机动车保有量达3.95亿辆，较2020年增加了0.23亿辆，同比增长 6.18%；对于轨道交通而言，截止 2021 年底，中国开通轨道交通运营线路 269 条，较 2020 年增长36 条，增长率为 15.45%。运力的提升对城市承载的交通流量、智能化管理都提出了更高要求，为解决交通需求总量增长与交通设施供给不足之间的矛盾，寇带建设被提出来满足全方位业务需求。智慧交通是城市智能化建设必不可少的一部分，其可将多种先进技术融合一体，例如卫星导航与定位技术、无线传感网络、资源管理等技术，从而推动城市交通的现代化建设，解决交通拥堵、交通管控等问题。智慧交通的应用场景非常广泛，不仅包括车辆、轨道交通，还包括停车场、公路等空间数据信息的共享。由于涉及到大量视频监控、宏观和微观交通流信息的共享，智慧交通对通信网络有着高传输速率、低时延和大连接的要求，因此，必须借助通信网络、数据存储和资源调度等技术构建集分析和展示综合一体化的智能交通平台。5.5.2 性能需求分析基于智慧交通的安全属性，低时延和大连接是其基本需求。另外，智慧交通中数字监控视频需求急剧上升，且车辆和街边单元，以及车辆之间在信息共享的过程中会产生大量的时间、空间和用户应用等信息，而单一车辆的计算资源有限，因此需要云端提供算力。然而传统的云计算在处理海量数据时存在开销大、负荷高、时延高等问题，因为，要满足高传输速率、低时延和大连接的需求，是智能交通领域中的一大挑战。5.5.3 对云网边端协同的潜在需求与应用面对智慧交通特性和性能需求，可以考虑将交通网络中产生的大量数据上传到云端，由云端提供算力，但是这样势必会导致网络资源被大量占用。而且，所有信息都上载到传统云端，用户侧信息从传感器上传到距离较远的云端时，存在信息泄露的风险，同时在云端进行鉴权和数据处理的时候也会增加资源的占用。针对以上传统云端的局限性，可利用边缘计算（Edge Computing，EC）框架解决，将部分计算任务卸载到数据边缘侧进行本地处理，形成“云、网、边、端”的协同一体化平台。“云、网、边、端”一体化的智慧交通基本架构主要感知层、网络层、边缘层、云中心层构成，如图 5.9 所示，1）感知层负责采集底层交通流信息和路况以及气象信息，车辆终端业务信息上报至路侧单元，各类传感器上报温湿度等气象信息；2）网络层支持多种接入方式，有线可采用光纤传输数据，无线可采用 3G/4G/5G、WiFi、面向典型行业的云网边端智能协同与剪裁-52-面向典型行业的云网边端智能协同与剪裁-53-LoRa 等技术；3）边缘层由边缘控制器、边缘网关和边缘云构成；近用户侧边缘云，可以将采集到的海量数据在边缘服务器进行处理，为云端分担部分负载，从而解决了传统云端时延高、负载高的缺点；4）云中心层由高性能服务器集群搭建而成，并利用高性能算法对上传数据进行处理和分析，负责数据的全局分析存储，相当于智慧交通体系中的“大脑”。图 5.9“云、网、边、端”一体化的智慧交通基本架构5.6 智慧医疗5.6.1 场景概述智慧医疗将传统医疗设备与物联网相结合，目的是提高医疗设备的传感和处理能力，通过泛在健康检测网络的发展，将患者的身体指标上传至网络，随时随地实现远程监测服务。另外一方面，为了更好的诊断疾病，医疗设备也不断提升，比如 200 万像素的全高清电子内窥镜，逐行扫描，每秒 60 帧 1080P 画面输出，未压缩的原始数据约 3Gbps，而 4K 超高清内窥镜，输出 4K 超高清画面，是全高清图像的 4 倍，可以观察到更细微的面向典型行业的云网边端智能协同与剪裁-54-组织结构，其未压缩数据量达到 13Gbps。4K 超高清图像在实际传输中应用压缩编码后的传输需求约 50Mbps左右。其未压缩数据量达到13Gbps。4K超高清图像在实际传输中应用压缩编码后的传输需求约50Mbps左右。一方面造成了海量数据的产生和存储，另外一方面，提高了对数据传输速率的要求。总结来看，智慧医疗5G专网分为面向医务人员“智慧医疗”、面向患者“智慧服务”、面向医院管理者“智慧管理”三个方面。具体的业务需求如图 5.10 所示。5.6.2 性能需求分析智慧医疗的性能需求主要分为五个方面：（1）安全要求：医患敏感数据不出院，业务可分级 QoS 管理，设备及终端可管控，无线接入认证授权以及网络系统备份容灾；（2）时延要求：为满足实时远程操控和监控的需求，需实现设备快速处理，业务响应时间端，数据在本地可分流，小区切换速度快等；速率要求：高清动态影像速率高；（3）带宽要求：为满足传输的稳定性，需要实现医院区域无线全覆盖，如果采用 4.9GHz，100MHz 载波带宽，单用户峰值速率可达到下行峰值:1.45Gbps，上行峰值:375Mbps 的技术指标，根据需要还可以采用大上行帧格式配置，使单用户上行峰值速率达到 770Mbps；（4）融合要求：智慧医疗需要实现无线和医院应用融合，其中关键需求包括通用平台云化部署，IT 和 CT 可深度融合，网络连接能力开放，算力资源能力开放以及第三方应用集成开发；图 5.10 智慧医疗业务需求面向典型行业的云网边端智能协同与剪裁-55-（5）物联要求：医院物联传感需要实现大连接，即通信物联一体化，并实现多样式行业终端，室内皮基站集成多物联接口和高精度室内定位，支持 RJ45/11（POE）接口和 UWB/蓝牙定位等。5.6.3 对云网边端协同的潜在需求与应用经过 5.6.2 节对智慧医疗的性能分析，在超高清医学影像设备上结合 5G 大带宽传输功能，从而实现实时分享本地的采集图像，实现分布式多屏输出，可实现不同区域同步诊断分析；同时 5G 高速的将现场大量医学影像采集数据上传到云端服务平台，结合人工智能辅助开展医学影像分析，能更加快速处理海量记录数据，更加高效的辅助阅片与勾画。然而所有的数据上传到一个云端服务平台上，会出现负载过高，时延大等问题，从而影响医疗平台的实时和安全可靠等属性。MEC 被认为是解决此类障碍的有利范例。通过将医疗分析任务卸载到附近的边缘服务器，可以减轻本地设备的负担。如图 5.11 所示，为智慧医疗 5G 专网架构示例。目前已有一些医院部署了智慧医疗网络，例如北京大学深圳医院部署了智慧医疗专网，采用 3.5G 频段 5G小基站，SA 组网，实现 5G 智能终端接入、5G 医疗小车、智能穿戴设备 5G 数据回传等应用，其方案架构如图 5.12 所示。图 5.11 智慧医疗 5G 专网架构示例2019 年以来，福田区医联体、中国移动、华为等单位联合在深圳开展 5G 智慧医疗战略合作。通过部署医联体医疗专网，在实现全区医疗机构（7家医院，83家社康）信息高效安全互通的基础上，率先完成5G远程急救、5G 远程会诊、5G 移动诊疗、5G 社康急救指导、5G 智慧病房等应用，实现福田医联体服务的远程化、移动化、信息化快速升级改造。在疫情期间，基于 5G MEC 的医疗专网，通过床旁会诊、远程会诊、社康急救切实落实分级诊疗，助力精准疫情防控。5.7 云手机5.7.1 场景概述算力是数字化经济时代的新生产力，包括网络、计算和存储等多维度资源。在基于 5G 移动连接的数字化系统中，业务所需的计算通常在端侧和云端执行，5G 系统提供端侧和服务器的连接通道辅助完成计算任务。在 6G时代构建自由连接的物理与数字融合世界，面向沉浸式 XR、交互型虚拟数字人、高度智能机器人、无人驾驶、多感官互联等场景，将面临终端侧本地计算能力（算力、存储、智能）不足，云端距离远时延不满足需求的挑战。通过部署 MEC 可满足部分场景需求，但算网融合度不高。6G 将内生部署融合计算功能，通过算网融合技术，提供包括 AI 在内的融合计算服务，更好的使能物理与数字世界高度融合 1。参考文献1 vivo 通信研究院，6G 服务，能力与使能技术白皮书，2022 年 7 月面向典型行业的云网边端智能协同与剪裁-56-图 5.12 北京大学深圳医院智慧医疗专网方案面向典型行业的云网边端智能协同与剪裁-57-手机等终端作为物理世界和数字世界融合的媒介将支持更加丰富和精良的应用，屏幕、摄像头、陀螺仪、指纹传感器和环境光传感器等显示和传感器仍然是手机的重要组成部分。同时受限于重量、体积、功耗和成本等因素，手机本地的计算和存储能力难以满足部分应用的良好用户体验需求。因此，当算力需求超过终端本地能力时，云手机可通过移动网络（如 6G）获得近似本地计算服务质量体验的计算服务，从而满足高性能计算需求。云手机对物理手机起到了非常好的延伸和拓展作用，可以用在如交互型虚拟数字人、云手游、移动办公等场景。5.7.2 性能需求分析云手机的性能需求与算力的应用场景有关，本节以交互型虚拟数字人为例分析云手机的性能需求。中国虚拟数字人影响力指数报告指出 2021 年元宇宙概念兴起，叠加疫情下国人对虚拟内容需求增加、消费级 VR 硬件快速发展，虚拟数字人发展进入快车道。虚拟数字人将以新媒介角色，广泛应用在元宇宙新生态中，担任着信息制造、传递的责任，是元宇宙中“人”与“人”、“人”与事物或事物与事物之间产生联系或发生孪生关系的新介质。交互型 3D 虚拟数字人有望成为 2030 元宇宙时代的普遍应用，建模、驱动、渲染是虚拟数字人制作过程的三大关键技术。通常人物形象和形象建模过程基于多方位摄像头等扫描，基于形象设计和算法进行建模，可离线完成。驱动和渲染用于交互过程中虚拟数字人的人物表达。驱动通常是通过智能合成和动作捕捉迁移来实现，目前 3D 数字人已实现嘴型动作的智能合成，其他身体部位的动作还只支持录播。通过将捕捉采集的动作迁移至数字人是目前 3D 数字人动作生成的主要方式，核心技术是动作捕捉（光学、惯性、基于计算机视觉的动作捕捉）。渲染在电脑绘图中是指用软件从模型生成图像的过程。模型是用严格定义的语言或者数据结构对于三维物体的描述，它包括几何、视点、纹理以及照明信息。将三维场景中的模型，按照设定好的环境、灯光、材质及渲染参数，来进行二维投影成数字图像的过程。因此，渲染将驱动所输出的模型信息转换为呈现给用户的数字图像。考虑终端侧的计算资源情况，通常终端侧的驱动算法采用轻量级的神经网络模型，渲染所采用的人物模型面数较云端渲染少。基于 mobilenet v1 计算量和 50 万面级别的人物模型原始面数初步测算，50 万面级别的高精度高智慧交互型虚拟数字人，人物表达所需的驱动和渲染的计算需求预计不小于 10TFLOPS（floating-point operations per second,T=10e9），超过大多智能终端本地算力范围。实时交互体验要求数字人对人的语言动作反馈总时延不超过 200ms，去掉其它开销，6G 系统中的计算时延要求在 10ms-100ms 内，云端渲染几乎无法满足需求，需要 6G 系统提供低时延计算服务。进一步的，假设高价值场景活跃用户密度 0.2 人/平米，每人每天使用数字人的平均时间为 30 分钟，忙时集中率(系数)为 10%，小区覆盖面积为 10000 平米为例。关于用户性能指标，移动通信网络目标覆盖范围内单用户可获得的峰值计算性能约为 10TFLOPS，其中 FLOPS是每秒所执行的浮点运算次数。关于系统性能指标，移动通信网络单位覆盖面积能提供的算力约为100000TFLOPS/平方千米数量级。因不同计算用例需求的差异性，运营商的 6G 计算能力需根据业务需求合理部署规划。5.7.3 对云网边端协同的潜在需求与应用综上所述，云手机场景从通信需求上看需要终端、网络和应用之间的低时延通信协同；从算力需求上看需要终端和位于边缘的网络计算功能单元计算协同。云手机潜在的应用包括交互型虚拟数字人等。6.面向 6G 的云网边端智能化协同研究在 6G 时代，云边协同将会进入一个新的时期，越发丰富的应用场景，不仅对云网融合提出了新的需求，且边侧设备也会跟随着 6G 的脚步发生变化，会越加智能。智能化作为 6G 的特征对云网边端协同的演进给出新的方向，本部分将阐述面向 6G 云网边端智能化架构，同时介绍未来在接入侧的服务化 RAN 技术。6.1 面向 6G 云网边端智能化架构如图 6.1 所示为面向 6G 云网边端智能化架构，该架构兼具云化、智能化和服务化的特征，能够根据算力的分布实现平台中智能化元素的灵活部署，协同边侧业务处理。面向典型行业的云网边端智能协同与剪裁-58-图 6.1 面向 6G 云网边端智能化架构6.1.1 架构总体描述本架构延续了云化的演进路线，接入侧支持多种接入方式，其中重点考虑以用户为中心的无蜂窝接入方式。异构资源抽象为云化资源池，统一调度编排，且为智能化单元提供通用的调度接口。开放的服务提供方式支撑更多的云网边端行业应用，实现典型行业的应用场景的智能化支撑。在面向差异化的服务场景时，图 6.1 中的大云台和小云台能够根据算力的分布灵活部署。大云台适合部署在算法较为丰富的节点中，大云台兼具智能化模型训练、推理和数据集构建的功能。小云台适应更靠近边侧场景的节点部署，小云台能够接收大云台下发的已训练完成的智能化模型，进而业务场景能够根据需求请求对应的智能化模型来实现业务处理。6.1.2 架构特征（1）云化云网边端场景需对边缘侧业务做出快速响应、多样化接入和灵活部署，云化消除了异构设备和异构网络的差异性，统一的资源调度方便了网络和云资源的协同部署和调度。在云化的基础上，能够快速实现新的边侧业务的部署、更新和维护，提升了资源利用率和处理效率。（2）智能化内生智能是 6G 愿景中的一个目标，智能化的演进也从外挂智能逐步融入网络“内心”。智能化是云网边端协同的大脑，边侧设备通过何种接入方式接入网络，云网边端侧异构资源的分配，以及处理边侧场景算法的选择，都需要智能化给出精准的决策。（3）服务化服务化的方法具备模块化、无状态、独立化的特点，可实现网络功能灵活快速部署，并融合云中间件能力，支撑边侧场景，助力更多典型行业的应用。6.2 服务化 RAN为实现面向 6G 的云网边端智能化协同，云（中心云/边缘云）与网的深度融合是业界认可的探索和演进方向。而要实现云网边端协同，使无线网络基于云原生底座，充分利用和发挥云架构、云能力和云技术的优势，实现网络功能灵活快速部署和动态伸缩，适应不同场景的多种业务需求，服务化是 6G 网络架构的重要发展趋势。面向典型行业的云网边端智能协同与剪裁-59-当前 5G 核心网已经引入服务化架构，网络功能间采用轻量级服务化接口，利用服务化架构模块化、无状态、独立化、扁平化、自主化的优势，推动网络走向开放化、虚拟化、软件化。但无线接入网（Radio Access Network，RAN）依旧采用传统的点对点结构，针对未来全息通信、数字孪生、元宇宙等新型应用，无法支持6G 无线网络的业务需求和技术演进以及云网边端深度协同。因此服务化 RAN 是 6G 服务化架构的核心研究方向之一。6.2.1 服务化 RAN 概述服务化 RAN 架构旨在结合面向服务的架构（Service-Oriented Architecture，SOA）和基于微服务体系结构的优点，实现网络功能服务的灵活、快速、高效部署和动态扩缩容，能够独立轻松地扩展网络功能组件，实现面向用户和业务的定制化服务。RAN 服务化有助于促进 RAN 与分布式核心网功能的融合统一及端到端服务化，还可以实现高效的网络功能生命周期的管理、资源的协同调度、网络能力的开放及智能可编程等。图 6.2 为基于深度边缘云的端到端服务化参考架构，顶层为智能可编程模块和服务管理模块，并与服务总线连接。智能可编程模块用于构建面向服务化的智能可编程体系框架。服务管理模块则用于对 RAN 及分布式核心网（Core Network，CN）所提供的服务进行管理，包括服务注册、服务发现、服务鉴权验证、负载管理、状态保持等。服务总线连接 RAN 和 CN 的多种服务，CN 服务包括连接管理控制和安全保障服务、会话管理服务、数据传输处理服务等，可按需部署和提供。RAN 服务包括四大类，分为无线连接服务 API、无线会话服务 API、无线 AI服务 API 以及能力开放服务 API，每一类服务 API 提供多种服务，支持实时动态调整。面向典型行业的云网边端智能协同与剪裁-60-图 6.2 基于深度边缘云的端到端服务化参考架构面向典型行业的云网边端智能协同与剪裁-61-边缘云）与网的深度融合是业界认可的探索和演进方向。而要实现云网边端协同，使无线网络基于云原生底座，充分利用和发挥云架构、云能力和云技术的优势，实现网络功能灵活快速部署和动态伸缩，适应不同场景的多种业务需求，服务化是 6G 网络架构的重要发展趋势。架构横向分为三层，即计算层、控制层和处理层，每一层都包含具体的功能组件，纵向服务 API 针对提供的具体服务，可对横向每一层的功能组件进行灵活编排，统一提供相应服务。6.2.2 服务化 RAN 技术特征服务化 RAN 支持如下关键技术特征：RAN 与 CN 深度融合：5G 核心网已采用控制面与用户面分离架构，并实现用户处理及转发功能下沉到边缘侧。面向 6G 需求，控制面相关功能可能进一步下沉至边缘侧提升网络运行效率，支持特定 2B 应用场景和业务定制化。这些服务与 RAN 服务一起，统一被管理控制，提升效率。AI 作为关键服务：结合当前 6G 应用需求，无线接入网 AI 内生是关键能力，因此提供无线 AI 服务API，增加计算层，并在控制层和处理层中均会新增 AI 处理组件。面向典型行业的云网边端智能协同与剪裁-62-7.致谢诚挚的感谢如下人员对本白皮书做出的贡献：牵头单位：西安电子科技大学、西安电子科技大学广州研究院：王云峰 赵力强 顾汇贤 李因新 赵春宇参与单位：广东省新一代通信与网络创新研究院：朱伏生 王志刚 李芳中兴通讯股份有限公司：陆海涛 娄笃仕中国电信股份有限公司研究院：刘 洋 王晴天维沃通信：袁雁南 秦飞 姜大洁

24人已浏览 2023-03-27 68页 5星级

通感一体化系统架构与关键技术WHITE PAPER V9.0B2023.03引言 通感一体化业务与性能指标通感一体化业务分类 通感一体化业务的性能指标 通感一体化典型业务 通感一体化主要标准组织的进展 通感一体化系统架构通感融合发展层级感知服务参考模型感知功能感知方式通感一体化空口关键技术通感一体化波形与信号设计通感一体化波形简介基于通信波形的一体化波形基于感知波形的一体化波形基于通感融合的一体化波形波形与信号设计性能评估准则多天线感知技术基于虚拟阵列的多天线感知技术基于波束赋形的多天线感知技术网络协作通感一体化系统模型关键技术感知非理想因素的消除技术感知非理想因素及其影响非理想因素的消除方法多频点协作感知技术多频点协作感知技术的研究意义多频点协作感知技术的架构分析多频点协作感知技术的难点分析1 2 2.1 2.22.3 3 4 4.1 4.24.34.455.15.1.15.1.25.1.35.1.45.1.55.25.2.15.2.25.35.3.15.3.25.45.4.15.4.25.55.5.15.5.25.5.301 020203041218181920232425252526272830303335353640404449495254目录通感一体化的移动性管理感知辅助通信的移动性管理感知业务的连续性管理通感一体化的链路自适应技术 基本流程测量量和调节参数基于 RIS 的通感一体化技术RIS 辅助的定位技术RIS 辅助的感知技术感知辅助的 RIS 通信系统 基于反向散射的感知与定位技术 反向散射通信技术原理基于反向散射的感知技术基于反向散射的定位技术总结5.65.6.15.6.25.7 5.7.1 5.7.25.8 5.8.1 5.8.2 5.8.3 5.9 5.9.15.9.25.9.36参考文献缩略语白皮书贡献人员54546061 6161 67 67 6869 70 707174787985891.引言5G 是为支持通信服务而设计的。具体的，5G 支持 eMBB（Enhanced Mobile Broadband，增强移动宽带），URLLC（Ultra-Reliable Low-Latency Communications，超高可靠和超低时延通信）和 mMTC（Massive Machine Type Communication，大规模机器类通信）三大类通信应用场景。5G新空口的第一个版本（Release 15）没有考虑感知服务。5G 新空口的增强版本（Release 16）开始支持基于 LMF（Location Management Function，定位管理功能）的 UE 定位服务。但是 5G 感知的范畴比较有限，5G 只支持对有源设备如 UE 的位置的感知，不提供对无源物体的速度、方向、材质、成像等的感知。因此，5G 主要扮演着信息传递者的角色。包括沉浸式XR（Extended Reality，扩展现实）、全息远程呈现、交互型3D虚拟数字人、协作机器人、无人驾驶、多感官互联、甚至元宇宙在内的未来新业务对通信、感知和计算都提出了很高的要求。面向 6G，移动通信系统扮演的角色将发生变化，除了信息传递者之外，6G 还将扮演信息生产者和信息加工者的角色。信息生产者主要通过提供感知服务来实现的，而信息加工者是通过提供计算服务来实现的。如图 1-1 所示，6G 将原生地支持通信、感知和计算服务，成为支撑未来社会高效可持续发展的网络信息底座，赋能缤纷多彩的未来新业务。无线通信和无线感知均基于电磁波理论，电磁波信号在人类活动的高价值场景几乎实现了无缝覆盖。在发送端对电磁波信号进行调制，使得电磁波承载信源信息，而电磁波信号在传播过程中会受到无线环境的影响，-01-通感一体化系统架构与关键技术图 1-1.5G 到 6G 服务范式的转变通感一体化系统架构与关键技术即电磁波信号受到环境调制因此也承载了环境信息。接收端通过对电磁波信号的分析，不仅能够得到所承载的信源信息，还能够提取出反映传播环境特征的感知信息，也就是说，电磁波信号具有与生俱来的通信与感知双重功能，这就使得通信感知一体化（Integrated Sensing And Communication，ISAC，简称通感一体化）成为可能。相比感知与通信分离的系统，通感一体化系统能够带来许多优势，例如节约成本、减小设备尺寸、降低功耗、提升频谱效率、减小通信和感知之间的互干扰等。随着 6G 系统的频段向毫米波甚至太赫兹扩展，其频段具有大带宽和高穿透能力的特点，同时将来更大规模天线和更密集网络的部署，将共同推动 6G 提供更高感知精度与更高感知分辨率的感知服务。通感一体化将是 6G的标志特征之一。本白皮书的第二章介绍了通感一体化的业务与性能指标，第三章介绍了全球主要 6G 组织关于通感一体化的进展，第四章给出了通感一体化的系统架构。第五章介绍了通感一体化的九个关键技术。第六章给出了结论。2.通感一体化业务与性能指标感一体化被认为是 6G 时代具有广泛应用前景的技术，其业务服务范围将突破传统通信维度，可利用相同设备同时提供感知和通信服务。在业务分类方面，可以按照通信与感知的赋能关系，业务应用范围，对感知测量数据的处理方式，以及感知目标属性等多个维度对感知业务进行分类。在业务性能指标方面，需要对通信和感知能力同时进行衡量。以智慧交通，无人机监测，呼吸监测，手势识别等为代表的典型业务将会对人们的生产生活带来极大改变。2.1 通感一体化业务分类通感一体化业务中通信和感知能力不是孤立的，二者相互赋能从而实现更好的用户体验。可以根据通信与感知间的相互关系分为通信辅助感知类业务和感知辅助通信类业务。通信辅助感知方面，通信的参考信号作为感知信号，实现目标定位、测速、手势识别等业务；高速可靠的通信能力也为感知数据的汇聚提供保障，能够进一步提高感知精度和感知分辨率。感知辅助通信方面，通过无线感知技术对无线通信环境及通信节点进行探测感知，可获得环境地图、通信节点位置、移动速度等多种先验信息，运用感知信息及感知结果，辅助通信系统对信道估计、均衡、波束管理等模块进行算法选择、算法参数设置及算法优化。根据业务的应用范围，可以将通感一体化业务分为广域和局域两大类，如图 2-1 所示。广域通感业务主要面向开放式的空间范围内的业务。该场景的业务通常关注远距离宏观感知参数，其典型应用场景包括环境监测，空天地一体化感知，无人机网络和智慧交通等。局域通感业务主要面向封闭式的空间范围内的业务。该场景业务通常关注近距离微观感知，其典型应用场景包括智慧医疗，智慧办公，智能工厂和智能家居等。-02-通感一体化系统架构与关键技术根据对感知测量数据的处理方式，可以分为检测类、估计类和识别类三类感知 2。检测类是指基于感知测量数据对被感知物体的状态做出二元/多元的判断，状态通常包括目标存在与否或事件是否发生等，例如入侵检测、车辆/行人/无人机检测等。估计类是指基于感知测量数据对被感知物体的参数（包括距离、速度、角度、位置等）进行估计，估计性能可以通过均方误差来衡量。识别类是指基于感知测量数据识别被感知目标是什么，可包括目标识别，以及人类活动/事件识别等，其性能由识别准确率来评估。从感知目标属性的角度，根据感知目标上是否安装有信号收/发设备，无线感知的感知目标可以分为无源目标或有源目标。对应着，无线感知可以分为对无源目标的感知和对有源目标的感知。实际上，为了增强对无源目标的感知性能，无源目标上可以安装低成本低功耗微小体积的标签设备，例如 RFID（Radio Frequency Identification，射频识别）无源标签或者 backscatter（反向散射）标签。2.2 通感一体化业务的性能指标通感一体化业务将极大地拓宽未来网络提供服务的能力，为用户提供方便快捷，智能高效的定制化服务。与传统通信业务不同，通感一体化业务除了对通信性能指标进行衡量外，还需要对感知性能指标进行衡量。通感一体化业务的通信性能指标主要包含误比特率/误码率、网络覆盖率、时延、数据速率、连接密度、频谱效率、能量效率、可靠性等。如表 2-1 所示，感知性能指标既包括感知业务时延和刷新频率等这一类大部分感知用例涉及的公共指标，也包括前述检测类、估计类和识别类各自涉及的指标，具体指标定义如下 1。需要指出的是，精度性能指标的量化定义通常需与置信度关联定义，通过置信度（confidence level）描述了所有可能测量的感知结果中期望包含真实感知结果的百分比。例如，在置信度 95%情况下，定位精度为 0.2 米。图 2-1.广域和局域通感业务示意图通感一体化系统架构与关键技术-03-2.3 通感一体化典型业务随着科技的发展和行业领域的细分，通感一体化业务在数量和质量上将会稳步提升。在众多业务中，智慧交通，智能工厂，无人机监管，呼吸检测，手势识别和天气监测作为典型的通感一体化业务，将会深刻改变人们的生产生活方式。表 2-1 感知性能指标 检测准确率（或检测概率）：检测准确率为正确检测目标状态的概率。漏检概率：感知系统在获取表示目标物体或环境特征的感知结果时，漏检该感知结果的概率。虚警概率：感知系统在获取感知结果时，检测到表示非目标物体或环境特征的虚假感知结果的概率。定位精度：描述了目标物体的位置测量结果与其真实位置的接近程度，可以进一步分为水平定位精度（二维参考平面或水平面上的感知结果误差），以及垂直定位精度（垂直轴或高度上的感知结果误差）。距离精度：描述了目标物体的距离测量结果与其真实距离的接近程度。速度精度：描述了目标物体的速度测量结果与其真实速度的接近程度。距离分辨率：表示能够测量的目标对象之间的距离的最小差异。速度分辨率：表示能够测量的目标对象之间的速度的最小差异。识别准确率：表示能够正确识别出感知目标类别/含义的概率。刷新频率：感知系统产生感知结果的频率，它是两次连续感知结果报告给应用服务器的时间间隔的倒数。感知业务时延：从触发获取感知结果到感知系统接口处获得可用的感知结果的时间间隔。通感一体化系统架构与关键技术-04-智慧交通：智慧交通是集成车联网、自动驾驶、高精度地图构建等技术为一体的典型通感一体化业务。该业务对通信和感知能力都具有极高要求。通信方面，需要超低时延、高数据速率；感知方面，要求对道路环境本身以及实时动态的车辆行人信息进行感知探测。通过对多车环境感知数据的共享，道路上的驾驶员可以获得其当前位置以及自身视野之外的空间信息，克服恶劣环境下的视线盲区，并在此基础上执行导航和路径规划。传统即时定位与地图构建（Simultaneous Localization and Mapping,SLAM）依赖相机或激光雷达，6G 通感一体化设备将利用通感一体化信号实现Gbps 量级的大带宽数据传输的同时对周围环境进行探测和构建。在车路协同方面，利用通感一体化路侧单元（Road Side Unit,RSU）所具备的部署位置优势和设施通感能力优势，能够支持海量终端数据通信，高效感知路、车、人的实时状态，快速获取多车的行驶状态并下发控制信息，为车辆编队、自动驾驶等提供更可靠的服务保障。车辆与 RSU 的端到端通信时延将有望降至 10ms 以下，V2V 时延有望降至 1ms 以下，同时通信的可靠性将能够达到99.999%。车辆和路设单元对环境的定位精度在0.5m以下，速度精度在0.5m/s以下，感知角度为2度，感知刷新频率为 20Hz-30Hz。无人机监管/路径管理：随着无人机产品的发展与普及，无人机将会成为人们生产生活中不可或缺的一部分。由于无人机具有体积小，图 2-2.智慧交通示意图通感一体化系统架构与关键技术-05-全天候和全空域等特点，大量的无人机被应用于农业灌溉，应急通信和抢险救灾等垂直行业中。可以预见的是，无人机的应用场景将会越来越多样化。其具体业务场景可进一步细分为无人机监管（包括无人机入侵检测）和无人机路径管理，如图 2-3 所示。无人机监管：该场景主要利用通信与感知融合技术实现规定区域内无人机设备的感知，识别与监管。全天候地探测、跟踪规定区域内的无人机设备，当发现有未许可无人机接近或进入规定区域时，发出警告或进行驱赶。在针对未许可无人机的入侵检测中，由于无需对入侵无人机的数量进行精准估计，同时规定区域往往存在着安全缓冲区，因此并不需要过高的感知精度要求。无人机路径管理：该场景主要利用无人机与基站实现无人机工作环境的感知，并将工作环境的感知结果（如障碍物的位置和形状，无人机的位置和飞行速度等）上报给数据处理中心，并利用数据处理中心强大的计算能力，及时发现飞行路径上的障碍物，及时统筹规划更新无人机或无人机集群的飞行路径，实现无人机的避障与路径管理。该场景中，感知数据量大，在实时性要求高的情况下，感知数据的传输速率要求较高。智能工厂：智能工厂业务涉及对智能机器人和海量终端的调度和管控，以及环境信息生成和高精度定位等任务。为了保证大规模机器的工作效率和稳定性，引入通感一体化技术可以有效实现无线通信与环境感知的互惠增强，进而满足智能工厂内环境识别、路线规划、集群导航、手势识别、缺陷检测、产品技术等典型用例的网络服务需求，图 2-3.无人机场景示意图通感一体化系统架构与关键技术-06-图 2-4.通感融合技术应用在智能工厂示意图提高无线网络系统效率。具体的，将无线感知功能部署在基站侧，通过基站发送通感信号对目标货物/机器人进行位置、形态、速度等进行感知，可以有效实现对厂区环境的实时监控，对目标器件/货物/机器人的持续追踪等任务。将无线感知功能部署在终端侧，通过机器人/智能终端发送通感信号对相邻货物以及周围环境等进行感知，可以实现厂区内物品接近检测，有效避免碰撞发生，此外，还可实现路径规划、手势识别等业务。生命体征监测：呼吸和心跳等生命体征与人体身体健康状况息息相关，这些信号提供了医学问题的重要线索，例如睡眠障碍或异常，呼吸急促或呼吸不畅等症状都反映了身体的非健康状况。心率变化往往由活动引起，在睡眠或休息时，节奏较慢，但心率往往会随着身体活动、情绪反应、压力或焦虑等因素而加快，对呼吸和心跳等生命体征进行监测对于医疗保健以及日常生活等领域具有重要意义。采用接触式设备进行生命体征监测一方面影响被测试者的舒适度，不便于人体自由活动，另一方面佩戴的检测设备对于部分患者可能产生皮肤刺激，例如婴儿或有皮肤烧伤的病人等。常见的非接触式检测技术例如谐振电路调频法、红外检测、机器视觉检测等存在检测准确度低、使用场景受限等问题。相比较之下，利用无线信号检测能够克服以上不足，通过对接收到的无线信号的分析获取信道状态信息，进而能够得到呼吸以及心跳的特征信息，且由于无线信号在绝大部分场景中广泛存在，该方式具有无接触、低成本的优点。利用无线感知技术进行生命体征监测主要是对呼吸或心跳引起的微多普勒特征进行检测，考虑到人体典型呼吸频率范围（0.10.5Hz）以及心率范围（0.82Hz），保证不高于 0.05Hz（即 3 次/分钟）的检测误差以及 0.1Hz以上的刷新率可以满足异常呼吸或心跳的检测需求。通感一体化系统架构与关键技术-07-图 2-5.呼吸监测示意图手势/动作识别：无接触手势/动作识别是人机交互的重要组成部分，智能家居、智能穿戴设备、智能汽车以及 VR/AR 等领域都增加了手势/动作识别控制功能。在早期的穿戴式手势/动作识别技术中，手势/动作识别需佩戴专用的传感器设备，通过传感器采集信息进行识别、这种方式成本高，而且用户体验收到较大影响。通过视频设备采集手势/动作的视频数据，也能实现手势/动作识别。然而，这种方式容易受光照条件的影响，当光照不稳定，识别准确率就会降低，另外也存在个人隐私容易泄露的问题。典型的利用无线信号进行手势/动作识别的方式之一是采用雷达技术，如今无线通信网络已逐渐成为现实生活的重要补充和延展，基于无线通信信号的手势/动作识别技术具有天然应用基础。基于无线信号的手势/动作识别弥补了传统手势/动作识别技术的缺陷，比如部署成本高，用户隐私得不到保护，以及受环境条件制约较大。基于无线信号的行为感知方法，具有实现成本低、部署过程便捷和无需携带设备等优势，并且能够在各种应用环境中进行部署，不受光照条的影响，相较于传统方法感知范围大幅提升，用户无需担心隐私受到侵犯，甚至在有部分遮挡的情况下也可以进行有效识别。利用无线感知技术进行手势/动作识别主要依靠对手势或动作带来的微多普勒特征进行识别 3，对于实时人机交互应用，保证小于 0.5s 的时延，从而不降低使用者的体验，手势/动作识别的准确率不低于 95%。通感一体化系统架构与关键技术-08-图 2-6.基于手势的人机交互入侵检测：在关键建筑物或特定区域中检测入侵者，对于个人家庭安全以及公共区域安全具有重要意义。传统的入侵检测方法包括基于视频、超声波、红外、UWB（Ultra Wide Band，超宽带）的技术，此外还有激光雷达技术，以及专用传感器技术，例如光感应传感器、声感应传感器、温度传感器、气体传感器等等。其中，基于视频的检测技术是应用最广泛的入侵检测技术，但容易受到光照条件和烟雾的影响，在光线不佳或者烟雾环境中，摄像头无法进行准确识别，容易产生监测盲区，常常会出现误判、漏判等，且存在明显的隐私问题。近年来，激光雷达入侵监控系统基于激光雷达 3D 点云，有望在一些场合下替代传统视频入侵检测系统，实现对监控区域实现实时监测，然而该方式需要发射激光信号，存在安全性隐患，且成本较高。基于无线通信信号的入侵检测技术，利用了无线通信信号覆盖广，不受光照条件影响，且无线通信设备分布广的特点，具有全天候、覆盖广的优势。由于不需要专门安装监视器，或者专用传感器，也降低了使用成本。利用无线通信信号进行入侵检测，相比于基于视觉的检测方式能够保护用户隐私不受侵犯，降低隐私泄露可能性。利用无线感知技术进行入侵检测主要是检测信道信息的变化 4，为能够及时更新居家环境状态，入侵检测的感知数据刷新率大于 1 Hz，为保证业务的可靠性，减少漏报、误报的情况发生，检测概率需要达到 95%以上，虚警概率低于 2%。通感一体化系统架构与关键技术-09-图 2-7.入侵检测场景信道状态信息变化特征天气监测：天气监测例如降雨监测对天气预报、气候模型、农业、水利工程设计等有重要意义，传统降雨监测主要有雨量计、气象雷达和卫星等。雨量计通过对接收到的雨水进行计量来检测局部区域降雨量，具有空间分辨率高的优点，然而雨量计的空间覆盖范围小，广域覆盖时需要部署大量雨量计及配套设备。气象雷达通过测量雨滴的反射回波信号提取降雨信息，具有时间分辨率高、可定位降雨位置、可检测降雨分布、检测范围广等优点，然而气象雷达误差因素来源较多，设备昂贵、且具有较大的电磁污染、不适合大量部署。气象卫星通过各种气象遥感载荷接收包括红外光、可见光、微波等信号来分析云层及风速风向等气象信息，从而提取包括降雨在内的各种气象信息，具有时间分辨率和空间分辨率高的优点，然而气象卫星获取的降雨强度等信息不精确，通常用作辅助覆盖。相比之下，利用已有的移动通信网络进行天气监测无需额外部署硬件、具有较大的成本优势，此外还具有传感器数量大、空间分布广泛、降雨监测的时间和空间分辨率高、可检测降雨分布等优势。利用无线感知技术进行天气监测主要是通过测量通信链路中的信号链路衰减，进而利用信号链路衰减与天气指标之间的关系得到对应的天气情况5。为了准确的区分降雨大小的分类，降雨率的分辨率需要在1mm/h左右，为保证天气监测业务的实时性需求，降雨量的数据刷新时间间隔小于 15 分钟。通感一体化系统架构与关键技术-10-图 2-8.不同雨量接收信号强度的概率密度分布图 2-9.降雨监测示意图通感一体化系统架构与关键技术-11-3.通感一体化主要标准组织的进展本章介绍 ITU（International Telecommunication Union，国际电信联盟），中国 IMT-2020 推进组和IMT-2030 推进组，北美 Next G Alliance，ETSI（欧洲电信标准化协会，European Telecommunications Standards Institute）和 Hexa-X，IEEE（电气与电子工程师协会，Institute of Electrical and Electronics Engineers），3GPP 等全球多个标准化组织和 6G 研究机构关于通感一体化研究的进展。通信感知一体化技术已经受到上述各个组织的广泛关注，各个组织在通感一体化的用例分析、技术趋势、发展侧重或技术挑战等方面给出了各自的理解和分析。ITUITU-R 在 IMT-2030 愿景-架构和总体目标的报告 6 中，把感知作为未来用户和应用趋势之一。未来无线系统中的感知与通信融合，将提供成像、mapping、定位等超出通信的能力，提供高分辨率和准确度的目标检测，识别和范围/角度/速度估计。该报告指出可以在系统设计里融合定位、感知、和成像功能。感知是physical world,biological world 和 cyber world 融合的一个关键使能，实现从物联到智联。通感融合的功能使移动运营商能够提供许多新服务，包括极高精度的定位、跟踪、成像（例如用于生物医学和安全应用）、即时定位和地图构建、污染或自然灾害监测、手势和活动识别、缺陷和材料检测等。这些功能使未来消费者和垂直应用的应用场景成为可能，适用于各种形式的业务，例如沉浸式以人为本的通信、工业自动化、互联自动化车辆和运输、能源、医疗保健/电子医疗等。ITU-R 在 IMT-2030 技术趋势报告 7 中，把通感融合作为几个新兴技术趋势和使能技术之一。其他技术趋势包括 AI 内生通信，算网融合架构，D2D 通信，有效频谱使用（频谱共享，超宽频谱），高能效低能耗，实时业务和通信，可信通信等。无线感知包括物体检测、测距、定位、跟踪、成像等，长期以来一直是与 IMT 系统并行开发的独立技术。与仅出于通信目的设计无线网络的传统方法不同，IMT-2030 将从一开始就考虑集成感知和通信系统。在未来的通信系统中，通过新功能的支持，例如可能使用更高频谱（例如从毫米波到太赫兹）、更宽的带宽、更密集的部署、更大的天线阵列，以及人工智能和通信节点/设备之间的协作，感知将成为与通信系统集成的新功能，以实现具有更高精度的创新服务和解决方案。在通感融合系统中，感知和通信功能将在集成系统中互惠互利。一方面，网络作为传感器，通信系统可以辅助感知服务，可以探索无线电波传输、反射和散射，以感知和更好地理解物理世界。另一方面，感知辅助通信，传感结果可用于辅助接入或控制，例如更精确的波束成形、更好的干扰管理、更快的波束故障恢复和更少的开销来跟踪 CSI（Channel State Information，信道状态信息），提供通信系统的 QoS（Quality of 通感一体化系统架构与关键技术-12-Service，服务质量）。此外，感知可以被视为连接物理世界和数字世界的新通道。因此，实时感知与人工智能技术相结合对于实现数字孪生也至关重要。ITU 技术趋势报告将通信和感知系统之间的交互级别分为：（a）共存，其中感知和通信在物理上分离的硬件上运行，使用相同或不同的频谱资源并且不共享任何信息，彼此视为干扰；（b）合作，其中两个系统在物理上分离的硬件上运行，而信息可以相互共享（例如，感知/通信的先验知识可以共享，减少系统间干扰或在某些情况下增强另一个系统）；（c）集成设计，其中两个系统被设计为一个单一系统，在频谱使用、硬件、无线资源管理、空中接口以及信号传输和处理等方面具有信息共享和联合设计。ISAC 在未来 IMT 的重点是（c）。在集成设计中，ISAC 的技术开发可以分为不同的阶段，从松散耦合到完全集成。作为起点，通信和感知系统共享频谱和硬件等资源。通信和感知可以作为一个系统实现，同时服务于两种业务形式。在感知和通信模块之间开发高效的调度和协调算法，以尽量减少彼此之间的干扰，是一个关键的研究问题。更进一步，通信和感知将协同工作，以提高单个系统的性能。信号处理的集成，如时域、频域和空间域处理技术，可以联合设计为感知和通信服务。这一阶段的潜在方向包括基于联合波形的空中接口设计、统一波束成形方案等，这对于提高ISAC 系统的效率至关重要。迈向 ISAC 的成熟阶段，通信和感知将在频谱、硬件、信令、协议、组网等所有可能的维度进行协调和协作，实现互利共赢。ISAC 系统进一步结合 AI、网络协作和多节点协同感知等技术，将有利于整个系统增强相互性能，控制总体成本、尺寸和功耗。通信和感知服务需要共享可用的硬件和波形，同时融合来自网络部署区域中不同测量源的信息。在系统级设计和评估方法等领域仍然存在研究挑战，例如对集成系统中两种功能 trade-off 的设计和评估，对硬件缺陷的敏感性增加所需的解决方案，联合波形设计和优化等。IMT-2020 推进组和 IMT-2030 推进组中国 IMT-2020 推进组成立通信感知融合任务组，从场景，网络架构，空口技术方案，仿真评估方法，试验等多方面进行研究推进，并形成相应的研究报告。IMT-2030 推进组将通信感知融合和 AI 共同作为 5G 到 6G 演进的关键因素，并发布了通信感知一体化技术报告第一版和第二版。该技术报告对通感一体化的应用场景、基础理论、关键技术、原型验证进行了详细分析。在基础理论方面，介绍了无线感知的基础理论与评价指标，结合通信和感知系统的评估标准，介绍了通信感知一体化基础理论框架，提出了通信与感知的互信息以及感知速率极限。并在通信波形约束下的通信感知一体化理论性能边界研究、通信感知一体化性能评估准则、通系统优化设计理论和网络优化基础理论等几个方面，综述了当前通信感知一体化基础理论方面的研究进展和可能的发展方向。关键技术研究包括空口技术、信号处理技术、网络架构与组网设计、硬件架构与设计、协同感知五个方面。其中，空口技术主要分析了 OFDM（Orthogonal Frequency Division Multiplexing，正交频分通感一体化系统架构与关键技术-13-复用）和 OTFS（Orthogonal Time Frequency Space，正交时频空调制）两种典型波形在感知场景下的性能评估；信号处理技术方面分别从干扰消除、定位与 环境重构、信号融合、参数估计等方面进行研究与探索；在组网设计方面，基于业务连续性和 QoS 保障为目标，提出感知节点应用实例和切换流程；在硬件架构方面，提出通信感知一体化硬件设计，需要解决高性能全双工等带来的干扰和设备电路等设计问题，从基础的系统与电路架构、高隔离度的系统、高性能高精确度的器件与电路模型建模、小型化集成化的收发信机方案上解决相应挑战；在协同感知技术中通过实例提出协同感知的关键技术研究方向。IMT-2030 推进组将通感融合分为三个阶段：业务共存，能力互助，网络互惠。通信感知一体化作为 IMT-2030推进组 6G 技术试验的关键技术试验之一，进行了定位、成像、模式识别三类感知场景的测试。测试所用概念样机通信和感知接收均为相互独立的两套系统，仍处于业务共存阶段。Next G AllianceNext G Alliance 由美国 ATIS（Alliance for Telecommunications Industry Solutions，电信行业解决方案联盟）发起，致力于在未来 10 年内提升北美 6G 移动技术的领先地位，将高度重视技术商业化，涵盖研发、制造、标准化和市场准备的整个生命周期。2022 年 6 月份 Next G Alliance 推出的 6G 技术报告 9 里，从应用和要求角度，总结了 4 类发挥关键作用的用例，包括：1）网络支持的机器人和自主系统（Network Enabled Robotics and Autonomous Systems），使用全球定位系统（GPS）、光探测和测距（LiDAR）、声纳、雷达和测程法等传感器感知周围环境。2）多图 3-1.IMT-2030 推进组提出的 6G 典型场景 8通感一体化系统架构与关键技术-14-感官扩展现实（Multi-sensory XR），包括虚拟现实 VR 和增强现实 AR 等。3）分布式感知和通信（Distributed Sensing and Communications），包括与通信紧密集成以支持自主系统的传感器。4）个性化用户体验，基于用户个人资料和上下文信息（例如，用户的偏好、趋势和生物识别）对设备、网络、产品和服务进行实时、全自动和安全的个性化。Next G Alliance 技术报告明确了其关注的技术领域，涵盖组件技术，无线电技术，系统和网络架构，网络运营、管理维护（OA&M）和服务支持，可信度（安全性、可靠性、隐私性和弹性）。在无线技术领域，通感融合是主要方向之一。报告分析了 Joint Communications and Sensing（JCAS）对通信和感知两方面功能的益处：共存以改善频谱共享、硬件重用和干扰管理；通信辅助感知，有助于在许多感知节点之间实现环境可视化；感知辅助通信，以提高通信性能；此外，JCAS 可以通过 standalone 蜂窝和非蜂窝技术增强定位性能。Next G Alliance 提出的 JCAS 研究领域包括感知与通信性能的 trade-off 研究与评估，感知信道建模，波形波束成形设计，感知与通信功能之间的共存、协作与协同设计，资源分配，协同感知，JCAS 产生的硬件要求，杂波抑制，UE 定向，多雷达联合处理，基于 AI/ML 的感知融合，全双工无线电等。其中全双工无线电是单站感知的关键推动因素，也是高功率 BS 和低功耗 UE 的重要研究领域。在蜂窝系统中，取决于不同的感知能力，JCAS 操作可基于 BS，基于 UE，或者同时基于 BS 和 UE。基于 BS 的 JCAS 可以作为起点，因为它具有处理能力、传输能力、覆盖范围、潜在的全双工能力和 MIMO/波束成形支持。BS 的全双工操作是单站感知的基础。双站感知操作需要基站间的同步协调。对于 JCAS 存在的挑战，Next G Alliance 提出以下方面：1）考虑到通信和感知共享频谱，一个关键的挑战是可以在不同的通信和感知性能trade-off下运行的灵活设计。波形、波束成形设计、资源复用是这一挑战的核心。2）感知操作的空间方向可能不同于通信链路传输的空间方向，这就需要在感知和通信功能的 QoS 之间进行权衡。3）关于在网络中许多感知节点之间潜在地协助协同感知的通信，感知节点之间的同步成为一个主要挑战。4）干扰管理也是 JCAS 操作的核心，除了要考虑通信系统间的干扰和感知系统间的干扰外，还要考虑跨功能干扰管理，即通信系统和感知系统间的干扰。ETSIETSI Technology Radar（ETR）提出信息通信技术 ICT 的技术趋势，旨在促进 ETSI 成员对这些技术趋势的认识和讨论，这些趋势可能影响 ICT 标准化。2021 年 ETR 白皮书提出了 ICT 中十个技术趋势，包括 5G 演进、人工智能、自治网络、网络安全、Distributed Ledgers、动态数据、扩展现实、物联网、量子、自治系统。2022 年 ETR 针对该白皮书进行了更新，新增的技术趋势加入了通感一体化，另外还涵盖了光子学、（亚）太赫兹和太赫兹通信、Reconfigurable Intelligence Surface(RIS，智能超表面)、光无线通信、非陆地网络、智能分布式 EDGE、高性能计算机、可持续性（Sustainability）等技术。-15-通感一体化系统架构与关键技术ETR 所提的 ISAC 技术具体包括支持 ISAC 的 Waveform/sequence/coding/modulation/beamforming 等信号处理技术，支持ISAC的MIMO和RIS等天线技术，使用通信波形的被动感知，毫米波/THz的通感一体化等方面。Hexa-XHexa-X 和后续阶段 Hexa-X-II 是由欧盟赞助的旗舰项目，旨在开发 B5G/6G 愿景以及连接人类、物理和数字世界的智能架构，为 6G 的行业共识奠定基础并做出贡献。Hexa-X Work Package 1(WP1)“End-to-End Vision,Architecture and System Aspects”发布了 6G 愿景用例价值报告 1011 和 6G 网络架构报告 12。Hexa-X 将通信/定位/成像/感知的融合（Convergence of communications,localization,imaging and sensing）作为未来连接技术趋势之一 11。随着更大带宽信号与更高频段频谱（100 GHz）的使用，以及SLAM 技术与较低频谱通信的结合，未来的网络将集成高精度定位（具有厘米级精度），感知（类似雷达和非类似雷达）和成像（毫米级）功能。因此需要开发新算法以共同优化通信、感知和/或定位的共同优化。这不仅可以改变应用层方面，还可以优化网络性能，例如通过主动无线电资源分配和管理，并确定波形设计，以实现具有超高数据速率的连接性能和完整的 6D 环境地图。6D 环境地图具备所有三个空间（纬度，经度，高度）和方向（俯仰、横滚、偏航）的信息。将此类连接性和 6D 地图，与运动预测、AI 相结合，基于新沉浸式 XR 体验的新应用和用例将变为现实。这提供了一种直观的交互方式，以及从医疗到工业环境的各种用例。Hexa-X 指出此类应用和用例必须集成安全和隐私。Hexa-X 将计算，AI，安全，感知，定位都视为服务 12。感知服务 sensing-as-a-service(SaaS)被认为将影响 6G 架构，包括服务化架构，为感知能力定义新服务和新接口，以及现有定位的增强和修订等。感知和定位在 Hexa-X 大部分用例中都是重要角色，针对感知和定位，Hexa-X 专门组织了 Work Package 3(WP3)-“6G High-Resolution Localisation and Sensing”。Hexa-X 把二者联合考虑，作为系统架构必不可少的部分。在下一代 E2E 网络架构设计中，需要考虑仅通信、仅感知、通信感知定位联合这三种能力的灵活切换和优先级。定位和感知应该被设计为基本功能或微服务，需要考虑开放框架、安全、低时延、QoS 等多个问题。已启动的 Hexa-X-II 项目将以 Hexa-X 成果为基础，并将提供 6G 平台蓝图，实现基于传感和计算等新集成功能的新服务。IEEEIEEE 针对 WLAN 感知（WLAN sensing）在 IEEE 802.11 内成立了任务组 802.11bf task group。WLAN sensing 主要指的是具备 WLAN 感知能力的站点，接收 WLAN 信号以检测环境中目标对象的特征。其中环境-16-通感一体化系统架构与关键技术（Environment）包括房间，房屋，车辆，公司等；目标包括物品，人体，动物等；特征（feature）包括范围，速度，角度，动作，存在或接近，姿态等。802.11bf task group 将定义对 IEEE 802.11 MAC 层以及Directional Multi Gigabit(DMG)和 enhanced DMG(EDMG)PHY 层的修改，以增强 1 GHz 至 7.125 GHz 以及 45 GHz 以上免许可频段的 WLAN sensing，使能站点通知其他站点其 WLAN sensing 能力，请求和设置传输以便执行 WLAN sensing 测量，交换 WLAN sensing 反馈和信息。802.11bf task group 目前发布了一系列文档并仍在继续完善，包括用例,功能要求,信道模型,评估方法和仿真场景等。802.11bf 提出的 WLAN sensing 用例 13 包括房屋内感知，手势识别，健康监护，3D 视角，汽车内感知等几类，并对各个用例从 Max range，Range Accuracy，Max Velocity/Velocity Accuracy，angular Accuracy，Target Separation，Security/Protection Robustness，Maximum Network Load 等方面参数进行了具体定义和定量描述。802.11bf 提出的 WLAN sensing 信道模型 14 介绍了基于光线追踪结果和其他可能方法（例如 measurement campaigns）的 WLAN sensing 系统信道模型，协助 WLAN sensing 标准化过程。提出了一种新的信道模型，该模型考虑了在 sub 7GHz 和 60GHz 的无设备移动目标引起的传播信道的非平稳特性。描述了参考天线模型，提出定向和全向天线模型与信道模型一起使用。在 2023 年 1 月更新的评估方法和仿真场景文档 15 中，提出了 WLAN sensing 物理层性能评估标准和链路级仿真场景。其中仿真场景定义为一个 TX-RX 对与移动目标（如物体、单个人、动物等）之间的链路级仿真。链路级仿真的目标是评估目标参数估计的感知性能，包括距离、速度、角度或运动、存在或接近、手势等活动检测。3GPP3GPP SA1 成立了研究项目 Integrated sensing and communication(ISAC)1，计划于 2023 年 6 月完成。5G系统需要增强以提供针对不同垂直应用的感知服务，例如自动驾驶/辅助驾驶，V2X，无人机，3D地图重建，智能城市，智能家居，工厂，医疗保健，海事部门等。该项目研究讨论 ISAC 的用例和潜在要求，同时关注安全、隐私、监管和收费等话题。研究项目所提用例侧重于基于 NR 的感知，某些用例可能会利用 EPC 和 E-UTRA 中已有的信息（例如蜂窝/UE 测量、位置更新），一些用例还可能包括非 3GPP 类型的传感器（例如雷达，摄像头）。目前 ISAC 研究报告主要描述了多个 ISAC 用例，例如住宅入侵检测，高速公路和铁路入侵检测，无人机入侵检测，无人机轨迹跟踪和冲突避免，自动驾驶和导航感知辅助，沿途交通管理，工厂 AGV 检测跟踪，工厂 AMR 冲突避免，睡眠监测，健康监测，无缝 XR 流等。并分别给出了支持各个用例的潜在要求，包括感知结果的性能要求，同时SA1 正在研究统一的潜在要求和 KPI。报告还考虑了感知的机密性、完整性和可用性，在部署中要考虑感知的隐私问题。另外，5GS 中的感知操作应支持商业服务（例如驾驶辅助），关键任务服务（例如公共安全，公用事业，铁路）和其他具有优先处理要求的优先服务（例如 MPS）。通感一体化系统架构与关键技术-17-目前 3GPP 无线通感融合技术处于研究阶段，尚需进一步分析无线通感融合标准化需求，以及后续可能的标准化网络架构和协议。4.通感一体化系统架构4.1 通感融合发展层级从系统架构角度来说，通感和感知融合发展层级可分为：业务层融合、服务层融合、空口融合，如图 4-1 所示。业务层融合是指无线移动通信系统仅作为第三方感知服务的数据传输通道，其本身不提供感知服务。第三方感知服务是指无线移动通信系统之外的其他系统提供的感知服务，包括基于雷达、摄像头等提供的服务。现有无线移动通信系统可以支持这一层次的融合。服务层融合是指未来无线移动通信系统将基于第三方感知单元、通信单元以及未来通感一体化单元获得的感知数据和通信数据形成面向应用的内生感知服务。第三方感知单元包括雷达、摄像头等。这一层次的融合涉及 6G 系统架构中服务层和功能层的改动，未来研究需考虑感知服务接口的定义、感知控制和感知数据处理流程等。空口融合是指未来无线移动通信系统将基于空口层面的通信感知一体化单元获得的感知数据形成内生感知服务。通信感知一体化单元基于感知信号和通感一体化信号的发送和接收获得感知数据。通感一体化信号是同时用于感知和通信的无线信号。这一层次的融合涉及 6G 系统架构中功能层和资源层的改动，未来研究需考虑空口信号设计、频谱资源共享和一体化硬件设计等。通感一体化系统架构与关键技术-18-图 4-1.通信和感知融合发展层级相比业务层融合，服务层融合可以提升 6G 系统的服务能力，为未来 6G 系统商用提供创造更多新型应用的可能性。服务层融合也可以提供用于辅助通信性能提升的感知服务。空口层融合可以进一步带来频谱效率提升、成本节约、功耗降低和信息处理效率提升等诸多优势。未来无线移动通信系统将主要向服务层通感融合和空口通感融合进行演进，形成支持内生感知服务的通感一体化系统。对通感一体化系统架构的研究需要首先根据通感一体化业务抽象出感知服务的参考模型和感知服务的需求，然后确定满足感知服务需求的通感一体化系统需要包含的功能，再对支持感知服务的各个功能的构建和组织进行设计。4.4.2 感知服务参考模型根据通感一体化业务可以提炼出通感一体化系统提供的感知服务的参考模型，如图 4-2 所示。其中，感知服务客户端可以从感知服务器请求感知对象的感知信息，感知服务器响应于感知请求，执行感知功能，获得感知对象的感知信息，并将其提供给感知服务客户端。通感一体化系统架构与关键技术-19-感知服务客户端可以是通感一体化系统外的实体，也可以是通感一体化系统内部的实体（例如，终端、核心网中的一个网络功能）。感知对象和感知信息根据不同的通感一体化业务而定。例如，感知对象可以为环境、物体、人等，感知信息可以是环境地图、物体的成像、人的速度和位置等。感知服务器由通感一体化系统实现，基于现有无线移动通信系统的架构，其包含核心网、无线接入网和终端。感知服务器可以根据通感一体化单元和第三方感知单元获得的感知数据确定感知对象的感知信息。通感一体化单元通过测量系统内部配置的感知信号获得感知数据，感知信号包括专用于感知的信号以及同时用于感知和通信的信号。第三方感知单元获得感知数据所使用的技术不在通感一体化系统的研究范围内。感知服务除了需要感知服务器能够向感知服务客户端提供感知对象的感知信息以外，还有以下需求。图 4-2.感知服务参考模型 感知服务质量保障感知服务器能够向感知服务客户端提供满足其要求的感知服务质量的感知信息。感知服务质量包括时延、精度、感知范围、检测虚警率等。对于不同的感知服务，相应的感知服务质量会有所不同。安全隐私检查感知服务器需要保证感知过程和感知信息的隐私和安全方面。一方面需要保证感知对象允许被感知，感知服务客户端有权要求提供感知对象的感知信息。另一方面需要保障感知服务端到端流程的安全和认证，避免攻击或篡改等。计费感知计费是通信感知一体化商业的重要组成部分，潜在的内容包括计费对象、计费标准和计费方案。其中计费对象既需要包括对感知服务客户端的收费，也需要考虑对参与感知的终端的付费。4.3 感知功能基于上述感知服务的需求确定通感一体化系统需要包含哪些功能是架构研究的重点之一。图 4-3 给出了通感一体化系统（也就是感知服务器）的功能框图。下面对各个功能进行介绍。通感一体化系统架构与关键技术-20-图 4-3.通感一体化系统的功能框图通感一体化系统架构与关键技术-21-总体上，通感一体化系统从下到上可以分为资源层、功能层和服务层。空口层面的通感融合会涉及到资源层和功能层的改动，服务层通感融合会涉及服务层和功能层的改动。资源层在功能层的控制下执行物理感知过程，并向功能层提供感知底层数据。资源层的功能包括感知信号发送、感知信号接收和测量以及第三方感知技术。感知信号发送、感知信号接收和测量功能实现空口层面的通感融合。第三方感知技术不在通感一体化系统的研究范围内，但通感一体化系统能够获取第三方感知技术获得的感知数据，可以支持服务层通感融合。功能层根据服务层的感知请求，控制资源层执行物理感知过程，并基于资源层获得的感知底层数据得到最终感知信息，并提供给服务层。结合前述感知服务的需求，功能层具体可以包括感知任务管理、服务质量处理、感知能力交互、感知资源调度、感知数据处理、感知数据存储几个功能。感知任务管理功能包括感知方法选择、感知节点选择等。感知资源调度功能调度感知信号的资源。服务质量处理功能根据感知请求的需求影响感知任务管理、感知资源调度功能，从而满足感知服务的要求。感知能力交互功能可以获得可参与感知的节点的感知能力信息，从而支撑感知任务管理功能的感知节点选择等。感知数据处理功能对资源层提供的感知底层数据进行处理，从而获得最终感知信息。感知数据存储可以存储感知数据。服务层接收感知客户端的感知请求，进行安全隐私检查，通知功能层提供感知信息，并向感知客户端响应感知信息，实现服务层通感融合。结合前述感知服务的需求，服务层具体可以包括服务接口开放、安全隐私保障、计费几个功能。感知服务流程基于通感一体化系统的主要功能，图 4-4 给出感知服务基本流程示意图。感知服务客户端向通感一体化系统发送感知请求。通感一体化系统中安全隐私保障功能实体进行安全隐私检查。在检查通过的情况下，感知任务管理功能实体确定感知方法、感知节点等。如果通过通感一体化单元获得感知数据，则需要进行感知资源调度，通感一体化单元进行感知信号发送、接收和测量。感知数据处理功能实体基于通感一体化单元和第三方感知单元获得的感知数据，确定出最终感知信息。通感一体化系统向感知服务客户端返回的感知响应包含最终感知信息。通感一体化系统架构与关键技术-22-感知功能分配上述支持感知服务的各个功能在通感一体化系统中的分配、组织和接口是架构研究的另一个重点。基于现有无线移动通信系统架构，对于各个功能到网元的分配目前有如下几点考虑。一是资源层功能的分配考虑与传统通信资源层的网元共享设备和器件，从而节约成本。资源层的感知信号发送、感知信号接收和测量以及第三方感知技术可以分配在传统进行无线信号收发的无线接入网节点和终端中。二是功能层功能的分配考虑分布式地分配在通感一体化系统的多个网元中。例如，集中的感知数据处理功能分配要求网元具有较高的算力支撑和传输带宽支持，而感知数据处理功能分层地分配到核心网、接入网和终端可以有效缓解对每个网元的算力和传输带宽的要求。又如，感知任务管理功能既可以分配到核心网以支持感知范围较大的感知服务，也可以分配到接入网以更高效地支持辅助接入网通信的感知服务。三是各个功能独立分配到不同的网元还是分配到同一个网元需要综合考虑接口交互时延、灵活弹性组织等因素的权衡。例如，感知任务管理等控制功能和感知数据处理功能分别分配在不同的网元中，实现控制和数据分离，能够支持更加灵活地部署。例如，感知任务管理实体部署在核心层，感知数据处理实体部署在边缘层，从而适用于带宽大、隐私安全要求高的感知服务。而感知任务管理功能等控制功能和感知数据处理功能分配在同一个网元中，可以避免两个功能之间的接口交互，减少与其他功能之间的接口，降低整体流程复杂度。图 4-4.感知服务流程示意图通感一体化系统架构与关键技术-23-4.4 感知方式在通感一体化系统中，资源层的功能包括感知信号发送、感知信号接收和测量。感知信号发送、感知信号接收功能可以分配在传统进行无线信号收发的无线接入网节点和终端中。根据感知信号收发节点不同会形成不同的感知方式，感知方式也将影响通感一体化空口关键技术的设计。具体的感知实现方式包括：（1）基站自发自收（2）基站 A 发基站 B 收（3）基站发终端收（4）终端发基站收（5）终端自发自收（6）终端 A 发终端 B 收其中，方式(1)和方式(5)是单基感知方式，感知由一个节点执行，与传统的单基雷达类似。由于发射机和接收机处于同一位置，单基感知方式的感知信号不必是专用的导频信号，携带数据的通信信号也可以用于单基感知。另外，由于发射机和接收机共用同一个硬件平台，发射机和接收机可以很容易地实现时钟同步。而且感知结果可以由该节点直接解析，不需要额外的数据传输和外部设备的协助。然而，单基模式需要基站或终端具备全双工能力。方式(2)对应由一个基站发射感知信号，另一个基站接收感知信号进行感知的情况。这种方式类似传统双基雷达的工作模式。由于发射机和接收机在空间上的分离，该模式不需要收发机具有全双工能力，而且发射机和接收机的时钟同步也较容易实现。但是，该模式需要涉及专用的感知信号，且发射机和接收机的位置误差、同步误差也会影响感知结果。方式(3)和方式(4)是另一种形式的双基工作模式，发射机和接收机其中一方为基站，另一方为终端。方式(3)和方式(4)也可以采用携带数据的通信信号进行感知，但是需对通信数据解码后再做感知处理。如果通信数据发生解码错误（例如在信噪比很低的工作环境），此时感知性能会恶化。另外，方式(3)和方式(4)的收发机时钟同步也是一个挑战。方式(6)也具有方式(3)和方式(4)的特点。方式(5)和方式(6)中感知功能实现与无线通信网络相对独立，甚至可以在无线通信网络覆盖之外进行感知。但是方式(5)和方式(6)由于终端发射功率的限制，感知范围较其它方式要小，另外终端的移动性引起的位置误差会影响感知结果。六种感知方式的优缺点总结如下表：表 4-1.不同感知方式的优缺点通感一体化系统架构与关键技术-24-上述各个感知方式下，其感知链路与通信链路存在较大差异。因此，需要考虑各个感知方式对业务连续性、覆盖、干扰协调、组网方式等的影响。5.通感一体化空口关键技术为支持各类通感一体化业务，并满足通感一体化业务的指标需求，图 5-1 梳理了 9 个通感一体化的关键技术。本章将对该 9 个关键技术进行介绍。5.1 通感一体化波形与信号设计5.1.1 通感一体化波形简介波形设计是通感一体化的关键技术之一。通感一体化波形设计思路可以是重用已有通信波形或感知波形，采取时分、频分、空分的方式实现通信和感知波形的分集发送，这种方式资源利用效率较低；也可以通过对已有波形的改造或新波形设计将通信和感知功能集成到一种波形，实现一体化设计。按照当下学术界和工业界的讨论，主要包括三大技术路线 216：基于通信波形的一体化波形、基于感知波形的一体化波形以及基于全新的通感融合的一体化波形。例如，通信波形中主要以 OFDM 波形为代表；感知波形中主要以线性调频（Linear Frequency Modulation,LFM）脉冲信号为代表；而通感融合的波形主要以 OTFS 调制信号为代表。国内外专家目前正围绕上述三种研究思路展开相应的研究工作，同时有些企业、高校以及研究机构也正在开展部分的原型验证工作。下面分别就上述三种波形展开简单的介绍与分析。5.1.2 基于通信波形的一体化波形基于通信波形的设计思路是保证通信信息传输效率的前提下实现感知功能，典型的通信波形主要有 OFDM 波形、单载波频域均衡（Single Carrier Frequency Domain Equalization,SC-FDE）波形以及滤波器组多载波（Filter-bank multicarrier，FBMC）波形等。其中，以基于OFDM为代表的波形近来受到了越来越多的关注17，这主要是考虑到它与以 5G 为代表的移动通信系统具有良好的兼容性。但若要保证感知所需的特性，则需要对其进行特殊的改进。图 5-1.通感一体化关键技术示意图通感一体化系统架构与关键技术-25-OFDM 是一种多载波调制方案，它是指将传输信道分解为若干个正交的子信道，将需要传输的高速数据信号转换为并行的低速数据流，并调制到每个正交信道的子载波上进行传输，叠加传输的若干正交信号在接收端通过一定方式进行解调分离。由于其具有良好的抗衰落和抗多径传播的能力，其在当今的无线通信标准中被广泛采用。如图 5-2 所示为 OFDM 的系统结构图 18，二进制数据经过 QAM/QPSK 调制、串并转换，然后经过逆快速傅里叶变换（Inverse Fast Fourier Transformation,IFFT）模块以及并串转换，此时再将串并转换后的信号转换为模拟信号，并在载波频率上发送出去。在接收端，经过目标反射回来的回波信号，按照与发射端相反的顺序进行处理，根据接收到的调制符号与发射端调制符号可以解算得到目标的信息。通信主要考虑的是通信的可靠性、速率、吞吐量等信息，重点关注通信的传输速率、保密性和尽可能低的误码率。而感知主要考虑的是目标的位置、速度、形状等信息，重点关注感知距离、感知精度等性能指标。二者侧重点不同，在基于 OFDM 波形设计时，应该考虑循环前缀长度、导频间隔、OFDM 符号长度等参数，需要考虑在满足通信性能的前提下，应尽可能最大化感知的性能。但若将 OFDM 波形用于通感一体化，存在感知距离受限、峰均比较高的问题，需要结合感知的性能指标，进行一体化设计。5.1.3 基于感知波形的一体化波形基于感知波形的设计思路是保证感知参数估计性能的前提下传输通信信息，也就是在不影响感知性能的前提下将通信数据嵌入到感知波形中，例如利用雷达旁瓣波束发送通信信息、在感知波形的时域或者频域表示图 5-2.OFDM 的系统结构图通感一体化系统架构与关键技术-26-图 5-3.LFM 信号图示（带宽 70MHz，脉宽 2us）通感一体化系统架构与关键技术-27-中嵌入通信符号等。典型的感知波形主要有线性调频 LFM 脉冲信号、调频连续波（Frequency Modulated Continuous Wave,FMCW）信号以及步进频率连续波(Stepped Frequency Continuous Waveform,SFCW)信号等。其中，以 LFM 信号为代表的感知信号是雷达感知中最常用的波形之一 16。LFM 信号又被称为 chirp 信号，也即在脉冲带宽内，线性调频信号的频率随时间线性变化。当调频率大于 0 时，称为正向调频信号；当调频率小于0时，称为反向调频信号。如图5-3所示为带宽70MHz，脉宽2us的LFM信号。在接收端，经过目标反射回来的回波信号，需要进行脉冲压缩处理（脉冲压缩其实就是对该信号进行匹配接收），根据脉冲压缩输出结果可以解算得到目标的信息。LFM 信号的调频率、带宽、波长是影响感知精度的主要因素，在设计一体化波形时，应该重点考虑其对通信与感知性能的影响。若将 LFM 信号用于通感一体化，存在频谱利用率低、通信效率低的问题，需要进一步结合通信的性能指标，对其进行特殊的设计。5.1.4 基于通感融合的一体化波形OFDM 信号具有频谱利用率高、通信速率高等优点，在一体化波形设计中得到广泛应用。然而，OFDM 一体化信号对多普勒频偏敏感，在强多普勒效应场景下 OFDM 信号子载波的正交性会被破坏，从而导致通信性能急剧下降。为了解决这一问题，Hadani R 等人提出了 OTFS 调制方案。图 5-4.OTFS 系统结构图通感一体化系统架构与关键技术-28-在 OTFS 一体化系统中，信号将在时延-多普勒域进行处理 19。在系统发射端，数据信息被视为时延-多普勒域中的点，每个时延-多普勒域的数据信息经过逆辛有限傅里叶变换（Inverse Symplectic Finite Fourier Transform，ISFFT）被分布到时间-频率域，然后利用海森堡（Heisenberg）变换进行多载波调制。数据信息经过无线传输后，在接收端利用维格纳（Wigner）变换对其进行多载波解调，接着再进行辛有限傅里叶变换（Symplectic Finite Fourier Transform，SFFT）将数据最终恢复为时延-多普勒域数据信息 20。ISFFT与 SFFT 都可以通过两次一维的傅里叶变换或逆傅里叶变换得到，这使得信号处理的复杂度大大降低，并且可以在现有多载波调制方法的基础上得到 OTFS。如图 5-4 所示为 OTFS 的系统框图 21。OTFS 能够克服多普勒频偏，相比于 OFDM 系统，其更适用于高速场景，具有更低的误比特率；同时 OTFS 在时延-多普勒域数据块里的每个数据都经历了相同的时延和多普勒频偏，因此也具有一定的分集增益。然而，OTFS 需要在频域上多个子载波和时域上多个 OFDM 符号组成的大数据块基础上进行联合处理，这样时延比较大，不适合低时延业务；并且还存在与现有 MIMO 技术结合困难、处理复杂度等问题。目前仍处于研究初期，需要综合考虑通信与感知的性能，根据一体化性能指标进行波形参数设计，进而实现更优的通感性能 22。5.1.5 波形与信号设计性能评估准则总之，为实现通信感知系统的深度融合，高效利用有限的频谱资源，需要根据通信功能与感知功能性能衡量指标，从对波形参数的需求出发进行权衡，实现高度一体化的波形设计。目前的波形研究主要是基于已有通信或感知波形进行改造，从而同时具备通信和感知的功能。全新的通感一体化波形设计还处于研究初期，有研究将等效均方误差、估计-信息速率等作为通信感知统一的性能衡量指标，或者将基于速率失真理论的容量失真函数的概念引入到通信感知一体化系统，以及通过最大化通信和感知的互信息加权和为准则进行波形设计 19-22。-29-模糊函数（Ambiguity Function，AF）：模糊函数作为雷达信号分析的基本工具，定义为信号时间频率复合自相关函数模的平方 23，可表示发射波形采用最优信号处理条件下的分辨力、测速测距精度以及杂波抑制能力等性能。一般而言，波形模糊函数图的主峰多普勒半宽近似为信号持续时间分倒数，主峰的时延半宽近似为信号带宽的倒数，理想的模糊函数呈图钉状，具有单一中心峰值，而在峰值之外的延时多普勒平面上其他能量均匀分布，具有很高的距离和速度分辨率。克拉美罗下界（Cramr-Rao lower bound，CRLB）：克拉美罗下界是无偏估计量的方差的下限，反映了无偏估计中能够获得的最佳估计精度，即如果 是 的无偏估计，则有 _ 2()CR ，指出了进行参数无偏估计时可以达到的最好的情况，能够作为感知信号设计时评估距离、速度、角度、位置等参数估计性能的参考边界。有研究将通信信道容量和 CRLB 结合作为通感一体化性能衡量指标，用于确定满足通信感知性能、最大化资源利用率的信号设计方案 24。估计信息速率：通过将感知信息量化为时间的函数，可以得到与通信信息速率相对应的感知性能指标 25，可用来衡量感知频谱效率，在进行通感一体化性能优化时，同时考虑通信数据速率与估计信息速率去优化一体化波形、信号设计等，使得整体系统设计尽可能靠近性能界限。韦尔奇下界：最大互相关函数和最大自相关函数旁瓣有一个联合下限，信号在周期性相关的情况下可以达到的最小旁瓣电平是 26，其中 L 表示序列的长度，M 表示根据生成规则可以得到的不同序列的个数。信号自相关函数峰值随着序列长度 L 增加而线性增加，而自相关函数旁瓣近似随着 L 的平方根线性增加。对于给定信号设计，可根据实际系统参数计算出韦尔奇下界，进而判断该设计在感知检测中能否满足性能要求。除了上述内容外，峰值旁瓣比、积分旁瓣比、峰均功率比或包络峰均比等也是波形和信号设计及优化中常见的性能评估指标。通感一体化系统架构与关键技术通感一体化波形与信号设计和优化通常需要在感知性能和通信性能之间进行折中处理，通信系统通常以提高吞吐量和传输可靠性为优化目标，通感一体化系统则需要考虑到感知性能甚至通感联合性能，下面对常见的性能评估准则进行分析。5.2 多天线感知技术感知的一个典型用例是对感知目标进行方位角测量和定位，这自然与雷达联系紧密。1950 年代后期美国麻省理工林肯实验室针对相控阵雷达（Phased-Array Radar）进行了一系列研究，包括理论分析、应用研究、硬件设计、器件制造和系统测试 27。早期的具备多个雷达阵元的雷达主要为相控阵雷达，通过调整雷达阵列各个天线阵元的发射信号相位，实现雷达波束赋形，以及波束灵活、快速转向。到了 2003 年前后，随着信号处理技术的进一步发展，出现了多输入多输出（Multiple Input Multiple Output Radar，MIMO Radar）雷达。普遍认为 MIMO 概念先用在了无线通信（1990 年前后），随后被借鉴到了雷达领域。MIMO 雷达特征是，阵列各天线发射相互正交的信号（可通过时分复用、频分复用、多普勒频分复用、码分复用，以及上述组合方式）。研究表明，MIMO 雷达利用波形分集（Waveform Diversity）以及虚拟阵列（Virtual Array）特性，能够获得相对于 Phase Array 更高的检测准确度与估计分辨率，更高的最大可识别目标数，以及更好的杂波抑制能力 28。MIMO 雷达根据天线部署位置，又可以分为集中式 MIMO 雷达（Co-located MIMO Radar）29，以及分布式 MIMO 雷达（Distributed MIMO Radar）28。分布式 MIMO 雷达中天线间距较大，一般远远大于发送信号半波长，这种雷达的信号模型常需要考虑近场假设（到达接收阵列的信号为球面波）。相对于集中式 MIMO 雷达，分布式 MIMO 雷达还可以更好地利用目标的雷达散射截面分集（Radar Cross Section diversity，RCS diversity），提高目标检测性能32。集中式MIMO在阵列侧能够实现目标角度估计（远场假设），而分布式 MIMO 一般直接估计目标的方位坐标，估计精度也很高。从实现来看，分布式 MIMO 雷达天线间的精确同步是个挑战。后来，又出现了 Phased-MIMO 雷达 30、Beamspace-MIMO 雷达 31 等新型雷达体制，提供了更加灵活的雷达信号、天线配置方案，使得雷达能够同时兼顾相控阵雷达和 MIMO 雷达的优势，具备优良检测和参数估计性能。5.2.1 基于虚拟阵列的多天线感知技术未来的多天线通感一体化系统很可能同时具备 MIMO 通信以及 MIMO 雷达功能，我们在此称之为 MIMO-ISAC系统。MIMO-ISAC 系统感知精度的提升利用了 MIMO 雷达中的虚拟阵列的概念，下面进行简单介绍。考虑MIMO-ISAC 系统发射阵列天线总数为 M，各发射天线位置坐标为 ，接收阵列天线总数为 N，各接收天线坐标为 。假设各发射天线发射信号正交，则 (1)此时接收机每个接收天线使用 M 个匹配滤波器分离发射信号，因此接收机总共得到 NM 个接收信号。考虑 1个远场点目标，则第 n 个接收天线的第 m 个匹配滤波器得到的目标响应可以表示为 (2)其中 为 1 个从雷达发射机指向点目标的单位向量，为点目标的反射系数。可以看到反射信号的相位由-30-通感一体化系统架构与关键技术图 5-5 给出一个 M=3 和 N=4 的 MIMO-ISAC 系统配置以及对应的虚拟阵列示意图。MIMO-ISAC 系统实际部署时，通过合理设置发射天线阵元、接收天线阵元的位置，仅仅通过 N M 个物理天线，就能构造出包含 NM 个互不重叠的虚拟天线的阵列。由于虚拟阵列往往能够形成更大的阵列孔径，因此能够获得更好的角度分辨率。更一般地，若存在 L 个目标，假设各发射天线发送信号存在一定相关性，MIMO-ISAC 系统经过距离-多普勒滤波之后的（这里只分析角度估计，假设时延和多普勒参数在接收机侧已进行过补偿）接收信号为 (4)其中 包含了第 l 个目标反射系数和反射时延，为发送信号长度，且发射天线和接收天线共同确定。等效地，等式(2)的目标响应与 1 个天线数为 NM 的阵列得到的目标响应完全相同，该等效阵列天线位置坐标为 (3)称该天线数为 NM 的阵列为虚拟阵列（Virtual Array，VA）。图 5-5.MIMO-ISAC 系统天线配置示例及对应虚拟阵列示意图-31-通感一体化系统架构与关键技术为维度为 的等效虚拟导向矢量。对于相控阵雷达，各发射天线信号是相干的，此时 仅包含 1 个非零特征值，所以 此时 (15)(5)(6)(7)(8)为 的 MIMO-ISAC 系统导向矢量矩阵，等式(6)(7)分别为接收和发射阵列导向矢量，和 分别为发射和接收阵列相对参考点的信号传播时延。各发射天线发送信号相关矩阵为 (9)其中 为第 个发射天线和第 个发射天线发送信号的相关系数。可以证明 32，等式(4)对参数 的最大似然估计可以根据 向量 (10)得到。一般为了接收机算法复杂度的简化，希望 为统计独立的充分统计量 32。对发送信号相关矩阵做特征值分解，有 ，相应地，实际发送信号可以看作是一组正交信号 的线性变换，即 (11)代入等式(4)且由于 得到 (12)相应地，等式(10)变为 (13)其中 (14)-32-通感一体化系统架构与关键技术此时虚拟阵列的有效阵元数仅为 N。对于各发射天线发射信号完全正交的 MIMO-ISAC 系统，有 以及 ，此时 (16)由上可见，各发射天线发送信号间的正交性（互相关性）会影响 MIMO-ISAC 系统的虚拟阵列有效阵元数（或有效虚拟阵列孔径大小），进而影响接收机侧信号处理的灵活性和角度分辨率。一般地，MIMO 雷达可以被看作是一种多基地雷达。对于分布式 MIMO 雷达而言，其相对于集中式 MIMO 雷达的能力优势在于能够充分挖掘感知目标的 RCS diversity。对于一般的形状和表面不规则的物体，其 RCS会根据不同的信号入射角或出射角表现出明显波动，这个波动范围可以达到 5-20 dB28。另外一方面，无线信道的大尺度和小尺度衰落，也会导致不同发射机位置到达目标，或目标到达不同接收机位置的信号呈现明显的差异。在目标的 RCS 波动以及信道衰落共同影响下，不同接收机位置接收到的目标反射信号呈现不同特征（幅度和相位）。对于一个固定的发射机和接收机位置，感知目标的反射信号具有一定概率会出现深衰落，然而当处于不同位置的发射机或接收机数量的增多，感知目标的反射信号同时出现深衰落的概率将大大降低。通过对多个接收机或接收机多个接收通道的接收信号进行联合处理，能够有效提升感知 SNR，提高目标检测概率。文献 27 指出，上述分集增益的获取与感知目标在天线阵列的空间投影尺寸，以及发射天线或接收天线与感知目标的距离等因素都有关系。分布式 MIMO 雷达以及多雷达节点协作，能够充分利用上述分集增益，获得优秀的检测性能和感知性能。基于 MIMO 雷达虚拟阵列的感知技术，不同天线发送信号彼此独立（准正交或正交），通过合理部署天线位置，或者在大规模阵列上进行天线选择，在同样的天线端口数下能够形成大孔径的虚拟阵列，大幅提升角度分辨率。此外，基于 MIMO 雷达的感知技术具有较强的杂波抑制能力，但由于各发射天线波形正交，导致波束较宽、波束增益有限。5.2.2 基于波束赋形的多天线感知技术目前，5G 基站的广泛部署，以及大规模 MIMO 的广泛应用，为基于波束赋形的多天线感知打下了物理基础。基于相控阵雷达的多天线感知技术，目前具有成熟的硬件实现方案和信号处理方法。通信感知一体化系统可以利用波束赋形集中发射能量，通过定向波束实现通信与感知。在该模式下，回波信号能量高、杂波少、回波信噪比较高，可以达到感知精度的提升。另一方面，基于波束赋形的感知，波束宽度决定了角度分辨率，感知区域较大时需要进行波束扫描，多目标彼此距离小于波束宽度则无法区分。由于感知和通信有不同的性能要求，通信感知一体化波束赋形的设计将面临独特的挑战。首先，通信系统要求准确指向通信方向的波束，以保障稳定的高质量通信，到那时感知系统通常需要扫描波束以实现对更大范-33-通感一体化系统架构与关键技术围内目标的估计和检测。其次，感知系统波束宽度需要精心设计。例如，当波束较宽时，系统单个波束的覆盖角度大，链路预算更为全面且有利于系统在更多角度上探测感知目标的存在。但是由于全向波发射能量分散，在该方式下发射波束覆盖距离小，不适用于远距离通信与感知。此外，在诸如密集城区等复杂环境中，全向波束形成的回波杂波干扰较多，系统的感知精度较低。此外，在毫米波波束赋形系统中，实现波束赋形的硬件条件会影响算法性能，例如移相器的量化误差、天线阵列耦合等非理想因素将造成波形失配、增益下降等严重后果。针对通信与感知波束赋形设计准则不同的问题可以有以下解决方案。在定向波束传输模式下，通信感知一体化系统可以设计基于空分的波束管理策略。通过同时发射多个波束，将通信波束与感知波束从空间域进行隔离，实现通信与感知系统的独立设计，易于实现。文献 33 提出了一种多波束方案，在进行有效的波束赋形进而通信的同时，附加波束感知了基站周围的环境。在文献 34 中，提出了多波束框架和具有两个模拟阵列的波束赋形设计，以同时支持通信和感知。在车联网场景下，文献 35 基于硬件测试平台设计了一种的快速波束对准和波束跟踪算法，在保证低延迟和高数据速率的毫米波通信的同时实现了车辆的追踪。但是上述方案也存在如下问题：首先，多波束使发射能量分散，造成感知范围的减少。其次，链路预算或感知功能在非波束直射的方向上将产生损失。第三，当接收机同时接收到来自多个感知波束的回波信号时，如何区分这些回波信号也是较为困难的。综上，设计自适应的波束选择与波束赋形策略，合理地调整通信波束与感知波束的传输方式以得到系统覆盖距离与系统性能的最优折中是十分必要的。值得一提的是，随着毫米波（millimeter Wave，mmWave）以及大规模 MIMO 技术的持续发展，数字模拟混合架构的大规模 MIMO 正成为发展趋势 36。这种数模混合架构包括全连接结构(Fully-Connected，FC)、部分连接结构(Partially-Connected，PC)，以及上述两者的折中连接结构。一个或多个天线阵元与一个模拟移相器连接，模拟相位调控；一组与多个模拟移相器连接的天线构成一个子阵列（Subarray）。一个子阵列与一个模数转换器（Analog to Digital Converter，ADC）/数模转换器（Digital to Analog Converter，DAC）连接，实现数字幅相调控。这种混合架构大幅度减少了降低了射频链路数目的需求，节约了实现成本。目前，学界针对这种结构的混合波束赋形进行了广泛研究 37，但针对这种架构下的通感一体化研究处在探索阶段 38。未来通感一体化场景中，基于雷达技术的感知，诸如行人、机动车、无人机等的设备解耦（Device-free）的定位和轨迹追踪等，往往需要对某个区域一个或多个目标或事件进行感知，在此之前也可能需要对角度覆盖范围较大的区域先进行检测，识别目标所在大致区域。不同于传统雷达场景，通感一体化场景下，业务覆盖距离一般为几十几百米，周围环境和物体容易形成显著杂波，对感知性能造成严重影响。通感一体化场景下，信号多径传播对于通信来说能够提升容量，但对于感知来说情况更复杂，一部分会成为杂波，另一部分也可能有助于提升感知性能 39。可以预见，混合架构的大规模 MIMO 仍然是未来大容量高可靠通信的一项关键-34-通感一体化系统架构与关键技术技术，这种结构有望实现可动态调控的天线/天线子阵列拓扑，以及发送信号的灵活配置，这为实现通感一体化提供了坚实基础。利用数量可观的天线阵元，能够实现感知波束的精细调控，提升感知性能。-35-图 5-6.协作通感一体化系统模型5.3 网络协作通感一体化未来，6G 网络将具有无时不刻、无处不在地感知物理世界的基础能力。网络协作通信感知一体化技术旨在充分利用移动通信网络中大量部署的节点，通过节点间的信息交互，实现通信、感知信息的深度融合，赋予 6G网络更强的感知能力，推动实现数字孪生。与传统的单节点通感一体化系统相比，协作通感一体化通过在分布式收发节点间引入协作，有效避免单节点通感的自干扰删除问题，扩大感知范围，实现连续覆盖，并可利用联合处理提升感知精度（尤其是对于小区边缘目标）。5.3.1 系统模型网络协作感知系统模型如图 5-6 所示。在该系统模型中，节点 A 作为通感一体化发送端，其发出的下行通信信号由该小区内的用户 A 接收，用于数据通信。节点 A 也可以发送感知信号，经目标反射后，感知回波信号由节点 B 和节点 C 接收，用于联合感知。通过这一协作感知过程，可以将感知的收发端在空间上分离开，节点A仅需进行下行传输，而节点B和节点C工作在上行接收模式，规避了单站独立感知需要面临的全双工问题。此外，当节点 B 和节点 C 工作在上行模式时，还可以与各自小区内的用户进行上行通信。通感一体化系统架构与关键技术协作通信感知一体化的实现面临多项挑战，包括节点间同步、发送序列设计、波束赋形与管理、上下行干扰以及参数联合处理等。节点间同步是感知信息高效融合的前提，由于各节点在地理位置上的差异，导致时间上的同步误差，进而削弱感知性能。因此需要设计同步方案，消除同步误差的不利影响。多节点协作感知的基础是在感知发送序列上的共识，因此需要对发送序列进行设计。在利用大规模天线技术实现协作通感功能时，需要设计波束赋形和波束管理算法，利用最低的波束扫描开销，为收发节点的波束与同一感知目标建立联系。此外，节点数目、节点位置以及节点数据融合方式等也会直接影响感知精度，需要进行灵活的部署和调度。5.3.2 关键技术节点间同步在网络协作通感一体化系统中，多节点间同步误差将会引入额外的相位偏差，导致感知时延的模糊，进而造成感知精度的下降。因此，在基于多节点的网络协作通感一体化系统中，收发端同步误差对定位精度的损失不可忽略。关于同步问题的解决方案包括共同时钟校准（有线连接、GPS 等）、利用参考径（详见 5.4 节）等，但现有方法实现同步仍有诸多弊端，例如有线连接限制了网络协作感知系统的灵活扩展、依赖 GPS 信号限制了网络协作通感覆盖区域（在 GPS 信号覆盖较弱的地方，无法完成收发端同步）、完成同步时间周期较长、部分用于同步的关键器件导致系统成本增加等。因此，降低或避免同步误差需要从系统性能、复杂度、成本等角度进一步研究。发送序列设计不同于单基站独立感知的某些场景可复用数据信号进行感知，对于多节点协作感知的模式，节点间协同的基础是互相已知发送序列，因此需要考虑利用参考信号来完成感知。一种方式为利用现有的通信参考信号，例如解调参考信号（DMRS，Demodulation Reference Signal）、信道状态信息参考信号（CSI-RS，Channel State Information-Reference Signal）等完成感知功能。复用现有的通信参考信号虽然可以提高资源利用率，但是由于时频域资源、通信目标与感知目标的方位差异、可探测的感知目标数量等方面限制，感知精度和感知范围将会受到影响。因此，针对多节点协作感知的模式，需要设计新的感知专用参考信号，并选择自相关性较好、互相关性较差，且支持多用户复用的序列（例如 m 序列、Gold 序列等），来完成对多目标的感知。另一方面，协作节点间发送序列的设计还应考虑到接收信号的正确检测。根据雷达方程可以得知，经物体反射后，感知信号接收功率与距离的四次方成反比。当感知目标较远时，接收信号强度较弱，可能会出现无法正确进行信号接收和感知探测的情况。此外，由于目标物体材质、信号散射等，也会导致反射信号强度弱，-36-通感一体化系统架构与关键技术-37-可能会出现无法正确进行信号接收和感知探测的情况。此外，由于目标物体材质、信号散射等，也会导致反射信号强度弱，感知范围变小。由于 OFDM 波形存在峰均比（PAPR）较高的问题，因此现有移动通信系统需要对功率放大器进行功率回退，从而使功率放大器在线性区域运行。然而，功率回退导致了发送功率的降低，使得感知回波信号更不易被检测。因此，若基于 OFDM 波形进行通信感知一体化系统设计，需要选择满足感知范围要求的参考信号序列，可采取低峰均比的序列（例如 ZadoffChu 序列等）作为感知序列，避免高 PAPR 的缺点，减少功率回退，增大发射功率，从而满足感知需求。对于参考信号序列的映射方式，也需要进行灵活的设计，来满足不同的感知需求。例如，当利用经典的OFDM 感知算法，通过信道信息矩阵来求解目标物体的距离和速度时，需要对时延和多普勒分别引入的相位差进行估计。为了避免相邻感知子载波或者相邻感知符号间出现相位模糊的情况，需要考虑资源映射的方式。尤其当感知资源受限的情况下，可考虑利用梳状排布的方式，来满足不同的感知精度和感知范围需求。波束管理协作通感MIMO系统发送与接收节点处于不同位置，为实现感知目标角度估计，两者均需完成全空间波束扫描。为获得更远的感知覆盖距离及更强的感知接收信号强度，扫描波束宽度通常较窄，扫描相同角度范围，协作通信感知需要更多的感知波束数，将造成较大的资源开销。此外，当系统中同时存在多个感知目标时，系统将测量出多组离开角与到达角，由于收发节点异置，若不进行特殊设计，多组离开角、到达角与感知目标将无法关联，造成感知失败。可见，设计合理的低开销波束管理方案是非常必要的。降低波束扫描开销的方案有两种思路，第一种为设计增强型测角方案，使得系统采用较大的扫描间隔、较少的扫描波束数下依然可以得到较高的测角精度。第二种为首先缩小感知目标所在空间范围，然后在缩小的范围内扫描窄波束实现目标感知。下面给出一种可行的两阶段波束扫描方法。如图 5-7 所示，在第一阶段，节点 A 与节点 B 通过宽波束扫描快速、粗略感知目标所在区域。然后在第二阶段利用窄波束精细扫描感知目标所在区域，得到较强的回波信号，从而得到较高的感知角度分辨率与感知精度。值得注意的是，为保证宽波束具有与窄波束相同的覆盖距离及窄波束的感知高精度，可以采用高、低频协同的方式发射波束。即：使用低频信号发送宽波束、高频信号发送窄波束。通感一体化系统架构与关键技术图 5-7.两阶段波束扫描方案示意图-38-干扰管理大规模部署的分布式网络节点为实现网络协作通信感知提供基础支撑，协作感知需要引入动态上下行配置方式（如动态 TDD），这将额外引入上下行交叉链路干扰、小区内上行通信用户干扰等。如图 5-8 所示，对于协作感知模式，节点 1 和节点 2 的时隙配置类型与感知信号的收发过程、感知区域及感知精度要求有关，涉及协作节点上下行时隙配置的改变。例如，节点 1 配置为下行时隙时，节点 2 如采用相同的上下行配置，将无法有效接收感知信号，其在协作感知模式中可被重新配置为上行时隙，即协作通感占用的相关时隙需重新进行上下行配置。然而，当节点 1 处于下行信号发射，节点 2 同时接收本小区上行通信信号时，则可能引发节点1下行信号对节点2上行通信信号的干扰以及节点2的上行通信信号对感知信号的干扰4041 4243。因此，在采取协作感知模式时，网络需要尽可能避免上下行干扰等对一体化性能的影响，以同时满足网络的感知需求与通信需求。图 5-8.上下行链路交叉干扰通感一体化系统架构与关键技术同时，为评估干扰强度对通信、感知功能性能的影响，可建立干扰随机几何模型，并基于该干扰模型进一步研究降低干扰的自动化干扰检测和规避技术，具体包括：1)干扰检测：设计专用干扰测量参考信号，用于获取基站及用户的受干扰情况等信息，并上报上下行链路交叉干扰、小区内上下行干扰、及小区间同频干扰等。为了提高干扰测量准确度与及时性，除选择和设计与协作感知干扰模型分析相匹配的测量参考信号外，进一步研究与之匹配的测量及上报机制。2)干扰抑制：干扰抑制可从空域、数字及功率域进行，例如利用多天线空间自由度设计预编码和/或接收向量实现空域干扰抑制，基于先进的数字处理算法删除强干扰信号，或者通过灵活调整发射功率的方式实现干扰抑制。3)干扰规避：基于干扰测量结果，从时域、频域、空域、码域及功率域等维度的调度资源入手，通过设计协作节点的选择与调度方案、收发时隙配置方案等，使通信与通信、通信与感知、感知与感知等行为间尽可能保持正交性，实现自动化规避上下行链路交叉干扰、小区内上下行干扰、收发干扰及小区间同频干扰等。干扰的协作调度会一定程度上造成系统资源利用率降低。面向未来，为充分平衡未来网络对通信性能与感知性能需求，设计安全可靠的干扰管理方法是支持高移动性、连续性和高定位精度等的关键技术保障。在后续研究中，要注意区分协作通信感知系统干扰与传统通信网络干扰存在与处理的差异性，上述干扰信息间可能存在有特定目标相关的有效信息，可通过多节点信息联合处理的方式，不仅可以联合消除干扰，还能充分利用各径信号携带的信息，帮助提升通信及感知信息的全面性及准确性。另外，干扰管理要注意蜂窝网络的拓扑结构，与节点部署及组网研究相结合，解决协作节点调度时的竞争和合作关系。在协作通信感知的实际应用中，还需充分考虑感知与通信间的干扰以及不同感知任务间的干扰，以满足系统对通信与感知的实际需求。参数联合处理多节点协同感知需要多节点建立感知协同接口，协调感知相关信息及相关资源，并执行感知相关操作。在选择感知节点时，需要考虑感知信号的频段、带宽和发送功率对知精度和感知范围的影响，还要兼顾感知节点的通信业务量，避免对通信无线资源的挤兑，降低通信速率。另外，选取合适数量的感知节点参与协作感知也需要统筹设计。数量过多的感知节点会造成资源浪费，增加感知节点间的相互干扰，而感知节点数量不足会影响感知精度与可靠性，在干扰信号较强或者感知目标回波功率空间分布不均的情况下，需要额外增加调度感知节点辅助感知。如图 5-9 所示，三个感知节点可以根据-39-通感一体化系统架构与关键技术图 5-9.多节点感知示意图测得感知目标与感知节点夹角及回波信息，结合空间坐标系中基站所在位置，提升多种感知参数的测量精度，解决独立感知存在的多普勒盲问题（即无法测量切向速度），并获得后向路径的散射分集增益 28，较为精确地估计出感知目标位置、速度等信息。在估计感知目标信息的过程中，需要融合多节点数据以提高感知的准确性，其中感知空间统一性是感知信息高效融合的前提条件。在数据级融合的协作感知中，不同节点通过共享各自的感知结果信息来获得协同感知的性能增益 45，此时，不同节点需要使用统一的空间坐标系来表达感知结果，弥补感知信息的系统误差。在信号级融合的协作感知中，不同节点通过共享各自的原始感知信号来获得协同感知的性能增益，此时，不同节点间需要明确统一探测的区域，提升感知结果的可靠性。-40-5.4 感知非理想因素的消除技术5.4.1 感知非理想因素及其影响在通感一体化应用中，获取精确的测量信息尤为重要，而器件和硬件电路的非理想因素会显著影响测量精度44,48。在基站和终端之间发送和接收的感知方式中，提取信道状态信息（Channel State Information，CSI）进行感知，是通感一体化的主要实现方式。因此获取质量较好的信道估计尤其重要，而一些非理想因素导致的 CSI 测量误差，会显著影响感知的精度，具体包括：通感一体化系统架构与关键技术(1)定时偏移（Timing Offset,TO）感知信号的接收端和发射端使用各自的时钟信号进行定时，收发端之间的定时差异会造成定时偏移，给感知信号在频域上带来除了由信号传播时延产生的、额外的相位偏差。因此，定时偏移会造成感知信号时延的模糊，从而带来距离测量的模糊，即计算得到的距离值是在真实距离值上叠加了一个未知的偏移值，导致感知精度的下降。假设感知信号的发射时间被设定为 ，受到感知信号收发端设备中时钟的非理想因素的影响，实际发送信号时刻为 、接收信号时刻为 ，另外，设感知信号的传播时延为 ，则接收信号经过信号处理后计算得到的时延为 ；其中，即为定时偏移。目前的 5G 基站间定时误差要求为 65ns54，不能满足网络协作通感对感知精度的要求。(2)载波频率偏移（Carrier Frequency Offset,CFO）载波频率偏移来自两个方面：一是收发端设备本振频率偏差（Local Frequency Offset,LFO），收发端设备使用各自的本振频率源进行信号生成，收发端设备之间的本振频率差异会引起载波频率偏移；二是多普勒频移，由收发端设备之间的相对运动以及信号传播环境中物体的运动产生的多普勒频移也会给 OFDM 系统带来载波频率偏移。作为一个整体，载波频率偏移相当于在收发端设备间引入了一个时变的信道，随着时间的推移，信道的相位变化线性增大。特别是，小数倍频偏导致接收信号的幅度、相位发生变化，并引入子载波间干扰，影响感知信号正确解调，对高精度感知带来了挑战。图 5-10 展示了小数倍载波频率偏移对于测距均方根误差的影响。仿真假设子载波间隔 60kHz、中心频点26GHz、带宽 100MHz。从图中可以看到，当载波频率偏移较小时（CFO=0.3SCS），达到相同的感知精度对 SNR 的要求提升约 6dB；当载波频率偏移增加时（CFO=0.7SCS），需要将 SNR 提升 8dB 才能达到相同的感知精度。当载波频率偏移进一步增加时（CFO=1SCS），接收机将无法进行正确的感知信息提取。通感一体化系统架构与关键技术-41-在通感一体化系统中，需要通过感知信号处理获得由感知目标运动引起的多普勒频移。从感知信号的接收端来看，本振频率偏移和多普勒频移叠加在一起，从而本振频率偏移会造成多普勒频移测量的模糊，从而带来速度测量的模糊，即计算得到的速度值是在真实速度值上叠加了由本振频率偏移引起的偏移值。假设感知信号载频被设定为 ，受到感知信号收发端设备中本振频率源的非理想因素的影响，实际发送信号频率为 、接收端本振信号频率为 ，另外，设感知目标与收发端设备之间的相对运动引起的多普勒频移为 ，则接收信号经下变频后基带信号频率为 ；从中提取出多普勒频移 需要消除本振频率偏移 的影响。(3)通道不一致性阵列天线的各个天线单元之间或天线面板之间的幅度和相位不一致性，会造成包括在利用波束赋形进行感知时，波束赋形的幅度和相位的误差，将导致形成的波束形状（波束增益、波束宽度、旁瓣水平）与期望不符，进而在基于波束赋形后的信道信息进行感知时导致精度下降，造成角度和反射功率估计误差，甚至造成误检 45。(4)时域随机相位图 5-10.小数倍频偏对于测距误差的影响通感一体化系统架构与关键技术-42-随机相位来自于发射机天线、射频模块（包括连接射频通道上的各种器件）、数字处理模块、时钟模块的其中至少 1 者在信号发送和接收过程中状态发生了变化（例如开启、关闭、从 1 个状态转变为另 1 个状态等）。若设备具有不止 1 套发射机，则每个发射机可能会产生独立的随机相位。该随机相位一般在发射信号带宽内是一致的，但不同时刻上产生的随机相位值是不同的，呈现在某个弧度范围内随机分布。时域随机相位会严重影响多普勒或速度的测量，甚至通常导致多普勒或速度无法测量。(5)相位噪声利用 OFDM 波形进行感知时，相位噪声是影响感知精度的重要因素之一。相噪是接收机的射频硬件在各种噪声的影响下，对输出信号产生相位的随机变化。不同于热噪声，相位噪声是乘性噪声而不是加性噪声，这对高精度感知带来了挑战。当采用经典的 OFDM 感知算法时，即通过分析信道信息矩阵得到时延和多普勒所引入的相位差来估计目标物体的距离和速度，相噪会对上述相位估计产生影响，进而降低感知精度。图 5-11 展示了相位噪声对于测距均方根误差的影响。仿真假设子载波间隔 60kHz、中心频点 26GHz、带宽100MHz。从图中可以看到，当相噪较小时 _pn2=），达到相同的感知精度对 SNR 的要求提升约 2dB，当相噪增加时（_pn2=，需要将 SNR 提升 9dB 才能达到相同的感知精度。当相噪较大时 ，接收机将无法进行正确的感知信息提取。因此，当系统中的相位噪声较大时，需要进行相噪消除，来满足高精度感知的需求。图 5-11.相位噪声对于测距误差的影响通感一体化系统架构与关键技术-43-对于通信功能，上述的感知非理想因素的影响较小或者能够通过同步或信道估计过程被很好地抑制。除上述的感知非理想因素以外，功放不确定性（Power Amplifier Uncertainty,PAU）、IQ 路不平衡（In-phase Quadrature Imbalance）等因素也会造成感知信号的恶化、降低感知性能，这些问题是感知与通信的共性问题，这里不作重点讨论。5.4.2 非理想因素的消除方法在文献中，关于定时偏移、载波频率偏移和相位噪声的研究和解决方案较多，通道不一致性可通过硬件的校准得到很好的抑制，时域随机相位是在通信系统中引入感知功能后引起关注的新问题，尚无明确的解决方案。下面介绍关于定时偏移和载波频率偏移的几种解决方法。(1)共同时钟校准感知信号的收发端之间共用时钟是解决定时偏移和本振频率偏移问题的最直接的方法 46，主要包括以下两类方法：感知信号的收发端之间通过有线连接（例如，光纤链路）共用同一时钟源，此种方法在定时偏移和本振频率偏移问题的各种解决方案中具有最佳的性能，在传统的双基地或多基地雷达中即是采用此种方法。然而，此种方法要求感知信号的收发端设备均为固定位置设备，限制了系统灵活性，在通感一体化的四种收发不同设备的感知模式中，只有基站间收发的感知模式能够采用此种方法，而基站和 UE 之间、以及 UE 和 UE 之间的感知均无法采用此种方法。感知信号的收发端时钟均通过直挂全球卫星导航系统（Global Navigation Satellite System，GNSS）进行同步。如需进一步降低同步误差，系统需要配置铷原子钟锁定 GPS/北斗信号 55 或同步高度稳定的石英晶体振荡器 56 实现同步。实验表明，当 GPS 天线接入系统，经过大约 15 分钟，雷达收发端同步漂移速率降低至每分钟 5ns57。但是该方案在 GPS 或北斗信号覆盖较弱的地方无法完成收发端同步；其次，高度稳定的石英晶体振荡器极大地增加了接收机成本；另外，接收 GPS 或北斗信号占用了部分带宽资源。显然，此种方法的局限性在于，校准过程需要较长的收敛时间、或者校准后的性能不能满足感知业务的需求，或者设备成本高，适用场景受限。(2)CSI 商/共轭乘对多个共用时钟源的接收天线的接收信号进行除法运算或者共轭乘运算，能够抑制收发端之间本振频率偏移的影响，提取出感知目标的多普勒频移，该方法在生命体征（呼吸、心跳）检测的感知应用场景中得到很好通感一体化系统架构与关键技术-44-的应用，具有较好的性能 47。文献中感知信号复用 Wi-Fi 的信道状态信息（Channel State Information,CSI）参考信号，因此不同天线接收信号之间的除法运算方法又被称为 CSI 商方法。公式(1)和公式(2)分别展示了CSI商和共轭乘方法抑制本振频率偏移、提取感知目标多普勒频移的方法，其中，和 表示感知信号接收端设备中共用时钟源的两个天线的接收信号，表示由本振频率偏移引起的相位，和 分别表示两个天线接收信号中的静态径部分，和 分别表示两个天线接收信号中对应感知目标的动态径的复振幅，和 分别表示时变的动态径的长度，其中包含了感知目标的多普勒频移，表示由两个天线的间隔。从公式中可以看出，两个天线接收信号所承受的本振频率偏移是相同的，经过除法运算或者共轭乘运算后很容易被去除。进一步地，在静态径的功率占主导地位的情况下，CSI 商的方法能够提取出感知目标的多普勒频移，且不受多普勒频移的镜像频率的影响。共轭乘运算后的第二项和第三项包含了感知目标的多普勒频移，第一项和第四项分别是静态分量和功率较小、可以忽略的动态分量。可以看出，共轭乘运算后的第二项和第三项在频域上互为镜像分量，因此，提取出的多普勒频移值是模糊的。CSI 商或共轭乘的方法的局限性在于，首先，只能提取感知目标的多普勒频移、而无法解决定时偏差带来的时延模糊问题；其次，此种方法要求感知环境中只有感知目标主导的动态径（有多普勒频移），其他径均为静态径，这要求环境中不能存在其他运动目标。(3)参考径参考径，是在感知测量的环境中，基于先验信息能够事先确定其参数的径。利用参考径可以对感知信号的收发端之间的定时偏移和本振频率偏移进行校准，避免收发端设备间同步误差的影响，其核心思想是通过已知信号传播时延和多普勒频移的参考径来估计出叠加在这条径上的额外的时延和多普勒，即为定时偏移和本振频率偏移。（1）（2）通感一体化系统架构与关键技术-45-和 ；因此，可以得到定时偏移和多普勒频移分别为 和 ，或者，直接估计出目标反射径的时延和多普勒为 和 。如图 5-12(a)所示，典型的可用作为参考径的是 LOS（Line of Sight）径 49。发射端发射的通感信号分别通过 LOS 径及经过感知目标的反射径到达接收端。根据感知信号的收发端之间的相对位置和相对运动速度，计算得到 LOS 径的真实时延和真实多普勒；以感知信号的接收端设备（或者感知信号处理设备）计算得到的 LOS 径的测量时延和测量频率与真实时延和真实多普勒进行对照，即可得到时延偏移和本振频率偏移，用来估计出感知目标反射径的信号传播时延和多普勒频移。例如，假设 LOS 径和经感知目标反射径的信号传播时延分别为 和 、多普勒频移分别为 和 ，接收端相对发送端的定时偏移和本振频率偏移分别为 和 ，其中 和 能够通过收发端之间相对位置和相对运动得到真实值；则 LOS 径和经感知目标反射径的信号在接收端经信号处理后得到的测量时延分别为 和 在利用参考径进行校准时，一个关键点是感知信号的接收端设备（或者感知信号处理设备）需要从多径信号中识别出参考径。在有 LOS 径的场景下，由于 LOS 径通常占据了接收信号中的大部分能量，根据这一特征LOS 径较为容易被识别出来。一种简化的情况是，感知信号的收发端设备均处于静止状态，此时 LOS 的真实多普勒为零。当感知信号的收发端设备之间因为遮挡等原因而没有 LOS 径时，可以利用 RIS 进行中继来获得参考径 50，如图 5-12(b)所示。已知 RIS 的位置，可以根据发送端设备、RIS 和接收端设备之间的位置关系计算得到真实时延和真实多普勒。同样地，以感知信号的接收端设备（或者感知信号处理设备）计算得到的经过 RIS 反射的参考径的测量时延和测量频率与真实时延和真实多普勒相对照，即可得到时延偏移和多普勒偏移。感知信号的接收端设备（或者感知信号处理设备）识别出经过 RIS 反射的参考径的方法是 RIS 对感知信号进行调制，接收端根据调制信息提取出经 RIS 反射的参考径 51。通感一体化系统架构与关键技术-46-图 5-12.参考径方法示意图(4)往返测量类似于 NR 定位中的往返时间（Round-Trip Time,RTT）方法 52，在通感一体化系统中可以通过往返测量来估计出感知信号的收发端设备之间的定时频移和本振频率偏移。其基本思想是，在较短的时间内（例如，几毫秒到几十毫秒），感知目标的运动状态（位置和速度）没有发生变化；对于同一感知目标，基于感知信号的收发端设备之间相互收发感知信号，进行往返测量得到的信号传播时延和多普勒频移是相同的，而定时偏移和本振频率偏移的绝对值相同、正负号相反，因此可以提取出定时偏移和本振频率偏移。如下图所示，设图中节点 B 设备相对于节点 A 的定时偏移和本振频率偏移分别为 和 。在由节点 A 发送感知信号、节点 B 接收感知信号的测量中，节点 B 通过接收感知信号并进行信号处理得到的时延和频率信息分别为 和 ，其中 和 分别为对应感知目标的径的信号传播时延和多普勒频移；那么，在由节点 B 发送感知信号、节点 A 接收感知信号的测量中，节点 A 通过接收感知信号并进行信号处理得到的时延和频率信息分别为 和 ；因此，可以通过对节点 A 和节点 B 分别测量得到的时延和频率信息进行联合处理，提取出定时偏移 和载波频率偏移 ，或者，通过将两次测量得到的时延和频率信息相加取平均，可以消除定时偏移和本振频率偏移的影响，直接得出信号传播时延 和多普勒频偏 。联合处理的方案可以是节点 B 将测量结果发送给节点 A、由节点 A 提取定时偏移和载波频率偏移，也可以是节点 A 和节点B 分别将测量结果发送给第三方节点（例如，核心网设备）、由第三方节点处理。-47-通感一体化系统架构与关键技术图 5-13.往返测量方法示意图-48-此种方法的难点在于，需要在存在定时偏移和本振频率偏移的情况下，将节点 A 和节点 B 分别检测出的对应同一感知目标的时延和多普勒信息关联起来；例如，将节点 A 检测出的感知目标 和节点 B 检测出的感知目标 确定为同一感知目标。(5)载波频率偏移估计为确保感知信息的有效提取，需要有效补偿频偏，其前提是载波频率偏移的估计。这里的载波频率偏移是本振频率偏移和多普勒频移叠加的结果。载波频率偏移估计可以在时域或者频域进行：时域估计：可利用 CP 或者导频信号进行 CFO 估计。在基于 CP 的 CFO 估计方法中，其核心是利用CP 及相应的 OFDM 符号相乘之后的相角确定频偏，该方案 CFO 的估计范围局限于 0.5 个子载波间隔；在利用导频信号进行 CFO 估计方法中，其核心是将导频信号在时域重复若干次后发送，该方案可有效增加 CFO估计范围，但系统均方误差性能略有下降，两者之间存在一定折中关系；频域估计：可利用 P.H.Moose 提出的最大似然算法 53，即利用两个重复的同步符号进行载波频偏估计，其优势是精度较高，但不足是估计范围有限。通感一体化系统架构与关键技术-49-(6)相位噪声消除方法为了减轻相位噪声对感知精度的影响，可以采用更精密的射频器件，包括振荡器、锁相环、滤波器等，通过提升硬件性能的方式来降低相噪。除了硬件增强，还可以设计参考信号（例如 NR 系统中的相位跟踪参考信号）来估计出公共相位误差（Common Phase Error，CPE)，并利用 CPE 对接收信号进行相位补偿。此外，还可以考虑配置更大的子载波间隔，来降低相位补偿的难度。更大的子载波间隔会使得 OFDM 符号时长变短，相位变化的相对速度变低，可以更高效的补偿相位。5.5 多频点协作感知技术5.5.1 多频点协作感知技术的研究意义通信感知一体化的研究与频率有很大的关系，可以从两个维度进行分析。一方面，从不同的频段与感知性能的关系来看，不同频率的物理特性对感知的精度和通信覆盖有很大的影响，因此在选用通感融合频率的时候需要综合考虑；另一方面，频率的迭代性也对通感融合的进程有明显的影响，比较明确的影响是高频段许可的发放时间和现有中低频率资源的使用方案都对产业都比较明显的影响。因此多种频率协调在通感融合中将是必不可少的技术，需要综合考虑通信和感知融合的需求，开展多种模式的多频点通感融合技术的研究。下面从三个方面进行多频点协同的通感融合的必要性分析。（1）频率性能对感知的差异性分析5G仅仅是“万物互联”的开始，面向6G将在5G网络的基础上更深层次的全面支撑社会的数智化转型，并实现“万物智联”，并搭建起连接物理世界和数字世界的桥梁。6G 在进一步的满足更高容量和超高体验速率需求，需要支持更丰富的业务种类，而多频点的感知是其重要的助推力。目前，6G 潜在的频点包括低频，毫米波，太赫兹和可见光。由于天然的物理属性约束，不同频段电磁波所能提供的感知功能和业务能力是不同的。频点越高，波长越短，往往可用的频谱资源就越多，其可提供的感知精度就越高。但是，频点越高，其传播有效距离就会越短，可感知的范围就越小。通感一体化系统架构与关键技术表 5-1.各个频段的潜在应用场景图 5-14.多种智能家居中的感知场景-50-6G 新系统将会充分利用各个频段的特性，提供丰富的感知服务。智能家居、智能工厂、车联网、公共服务等都需要多种感知技术结合来满足用户的需求。以智能家居场景为例，在智能家居场景中存在多种感知场景：家庭健康、居家安防、家庭办公、家庭娱乐、家电控制等，如图 5-14 所示。不同的场景需要一种或多种感知类技术来完成综合感知服务。例如：通过低频感知技术进行居家安防；通过毫米波或太赫兹技术来感知人的跌倒，保证老人独自在家的安全；通过毫米波或太赫兹技术，识别人体的局部变化（比如手势）来增强家庭娱乐，家庭办公的应用等。通感一体化系统架构与关键技术此外，不同频点的感知技术结合还有助于改善通信性能。比如通过毫米波技术感知周围环境，为后续传播波束选择提供参考，优化波束训练和波束跟踪开销，提升通信性能。（2）频率性能对通感融合的影响首先从频率对感知的影响来看，频率的增高和带宽的增加都会增加感知的精度，因此从感知的精度需求逐步提升的角度来看，在高频段进行部署的优点更大；但是考虑从单站感知范围和通信覆盖能力来看，低频段更加适合广域的部署。图 5-15 可以看出通信和感知在频率上展示了不同的变化趋势，因此很难找到一种可以适用全部通信和感知场景的单一频段，因此需要开展多个频段的合作部署。通感一体化系统架构与关键技术-51-图 5-15.通信-感知性能与频率的关系（3）频率迭代对通感融合的影响从国家 6G 技术部署要求层面，2022 年 8 月 24 日，工信部办公厅发出通信函，通知决定启动 6G 技术试验工作。从技术发展的方面，通感融合将通信和感知在设备和架构层面进行整合，极大的节省了原来两套设备带来的冗余，且可以扩展部署范围，因此成为 5.5G 和 6G 核心技术，是通信拓展新蓝海，应用前景非常广阔。目前 3GPP、ITU 和欧盟 Hexa-X 等国际标准组织都成立了研究项目，国内 CCSA、IMT-2020 和 IMT-2030 都成立了工作组进行相关技术研究。从技术衔接和成本控制角度来看，高低频协作是现在乃至未来网络发展的必然趋势，美国已经在 2016 年批准 4 个毫米波频段用于发展 5G，在 2020 年批准 3.1GHz-3.7GHz 中频发展5G；欧盟在较低的频段中，使用 3400-3800 MHz 频段，在较高的频段中，使用 24.25-27.5 GHz 频段。因此在高低频或者多频协作的基础上，开展通感融合研究很有意义。从通感设备应用来看，目前高频感知有较大的应用空间，仅无人机检测场景的市场设备规模可以达到数千万。5.5.2 多频点协作感知技术的架构分析5.5.2.1 多频点协作通感架构的理念图 5-16 给出多频点协作通感网络架构。通信感知一体化通过同一设备以及同一频谱实现通信功能与感知功能的深度融合，感知服务器作为新的结构单元，将承担不同频点感知数据的处理以及联合信号处理的功能，可在基站侧或网络侧分布。多维感知信息将在多个分布式感知服务器间高效智能交互，赋予 6G 网络更强大的感知能力。通感一体化系统架构与关键技术-52-图 5-16.多频点协作通感网络架构示意图在多频点协作网络中，Sub 10GHz 频段主要用于粗颗粒度、广域范围的信息探测以及控制信令传输，为高频段提供初级感知信息以及通信可靠性保障。毫米波、可见光、太赫兹等频段基于低频段的控制信息按需开启，并基于初级感知信息，快速为个性化业务提供高精度感知能力以及高速率数据传输业务。5.5.2.2 潜在多频点协作感知技术的架构分析由于通信和感知融合后，由于部署场景的差异性和设备能力情况都会需要开展多种频段部署的需求出现。通信感知融合多频部署技术可以按照低频部署情况和具体作用进行分类，具体可以分为如下几种：1）多频同时兼顾通信和感知能力的业务架构，例如使用的低频和高频都具备通信和感知功能，在感知要求较低且感知范围较广的情况下使用低频基站或载波进行通感业务，而在感知要求或通信要求较高的情况下部署高频基站进行感知和通信，设备架构图如图5-17所示。在这种模式下，可以按照需求选取通信和感知的频段。通感一体化系统架构与关键技术-53-图 5-17.基站级高低频协调技术2）多个频段都具备通信功能，但是只有其中一个或两个频率可以进行感知的业务架构，例如采用低频进行通信打底，高频具备通信和感知功能，在发生感知需求且通信业务需要进行部分强制移出的情况下，通过 Xn接口或者载波间其他管理接口进行通信数据的有效的传输，设备架构图如图 5-18 所示。这种架构更加符合现在网络架构基础上进行感知功能的叠加，对网络设备的改造较少，对现有基站的利旧性高。图 5-18 载波级高低频协调技术通感一体化系统架构与关键技术-54-5.5.3 多频点协作感知技术的难点分析针对目前的多频组网研究，存在较多的难点需要进行攻关和突破，其中多频协作触发机制和多频协作资源协同调度机制需要重点进行研究。由于采用多频部署通感融合系统，需要考虑多频协调的触发机制，一般可以设置为感知精度触发、通信需求触发或者邻区关系触发等。针对感知精度触发，可以进行高频到低频触发或者低频到高频的触发，也可以进行多个频点联合部署触发等。这种情况下，主要以感知精度作为频点的切换标准，按照感知精度高低进行频率匹配。针对通信需求触发，在通信和感知的业务同时存在的情况下，按照通信的需求进行频点选取和聚合等工作。在多频协调处理中，资源协同调度机制是验证中需要进行研究的内容。如何在通信和感知一体化的情况下，进行资源的有效分配，分配机制需要考虑哪些因素、分配的规则和关键算法等。这些因素都需要从通信和感知两个业务同时共存的情况考虑，需要对现有的调度机制和方法进行业务级的功能重构。5.6 通感一体化的移动性管理5.6.1 感知辅助通信的移动性管理通信的移动性管理根据用户终端的移动范围不同可以分为小区内的移动性管理及小区间的移动性管理。整个移动性管理过程中，网络设备和终端设备会消耗相当数量的空口资源及算力资源。在通感一体化设计的系统中，感知获得的信息可以辅助通信的移动性管理有更好的用户体验且消耗更少的系统资源。5.6.1.1 小区内的移动性管理 用户终端在小区内移动时，原先的波束覆盖可能不再适用于当前的地理位置。网络侧需要实时监控并更新各个终端的最优波束及备选波束信息。在经典的 5G 通信场景中，大量的时频资源、空间波束资源、终端算力都用来实现小区内的波束管理。如图 5-19 所示，一个完整的波束管理过程需要包括：P1:网络侧以宽波束扫描的方式在多个不同波束方向上发送小区同步信号块（SSB，Synchronization Signal Block）。终端通过测量识别最优波束方向对应的 SSB，并在对应的 RACH（Random Access Channel，随机接入信道）occasion 发送上行传输，进而建立初始通信的波束对。通感一体化系统架构与关键技术-55-在 P1 和 P2 过程中，有大量的波束扫描过程，会消耗很多空口资源及终端算力。从通信感知一体化系统设计来考虑，如果想要优化波束管理机制，可以基于以下两个思路：一是利用辅助信息来缩小波束扫描范围并减少波束扫描次数。由于感知过程也需要进行波束扫描，物理过程和通信的波束扫描基本一致，若将感知和通信的波束扫描过程相结合并进行部分信息的共享就可以减少波束扫描带来的资源消耗。二是通过通信模块和感知模块的分工协作，在消耗相同资源的情况下获得更多的有效信息。所以，考虑一种通信和感知联合的波束扫描方案会比各自独立设计的方案更有优势。接下来我们将会从四个例子来阐述不同角度的通感联合波束管理方案：基于感知的波束扫描基于感知的波束扫描是指利用感知得到的结果进行辅助，以简化通信波束管理流程并确定最优通信波束。具体的实现方式可以参考图 5-20 中的举例：在初始接入完成后，终端可以上报自己的终端类型和粗略的位置信息。其中，终端类型可以是显式的上报该设备是手持终端或车载终端等，也可以隐式的上报设备的能力、功率等级；位置信息可以基于蜂窝或卫星定位来获得并上报。此外，网络侧同时还可以利用感知模块进行感知来确定附近一个或多个目标的距离、方向信息。由此，网络侧可以基于终端的位置信息及感知获得目标位置信息来确定终端的最优波束。图 5-19.波束训练过程示意图P2：在 P1 步骤识别的发送波束的角度内，网络侧以不同的窄波束发送多个 CSI-RS。然后终端通过以固定的接收波束识别出最优的发送波束方向，并将测量结果汇报给网络侧。P3：网络侧使用 P2 识别的最优的发送波束方向为固定波束方向发送多个 CSI-RS。然后终端在 P1 步骤识别的接收波束的角度内，以不同的窄波束接收 CSI-RS。然后终端通过测量识别出最优的接收波束方向。通感一体化系统架构与关键技术-56-图 5-20.基于感知的波束扫描 基于通信的波束扫描基于通信的波束扫描是指感知模块利用通信的波束训练获得更多的有效信息，网络侧可以利用这些信息进行波束预测，从而更快更准确地进行波束切换，以保证通信的连续性。如图 5-21 中的举例：对于通信模块，同现有的波束管理流程一样，网络侧向不同方向发送波束进行波束扫描，终端对波束进行测量并按照网络侧的配置上报一个或者多个波束的测量结果，最后经由网络侧的波束指示，确定最优通信波束。而对于感知模块，在这个过程中可以持续接收所有的回波信息，并基于回波信息确认周围环境（如障碍物的位置信息）。终端在移动的过程中，网络侧就可以通过终端的当前位置和移动方向进行波束失败预警，从而提前实现波束切换。基于感知通信协作的波束扫描图 5-21.基于通信的波束扫描图 5-22.基于感知通信协作的波束扫描通感一体化系统架构与关键技术-57-对于通信模块和感知模块同时具有波束扫描功能的情况，考虑到通信与感知的工作频点及天线阵列不同，我们可以设计联合的波束管理策略。假设感知模块工作在高频点如毫米波频段，而通信模块工作在较低的频点。为了获得更好的感知性能，感知模块配置的天线阵列规模较大，在毫米波频段可以以更窄的波束发送感知探测信号。而通信模块因为工作在较低频点，电磁波的覆盖特性较好，通常更多是以宽波束发送通信信号以获取更大的覆盖。作为一种联合波束管理策略，可以先通过通信单元进行大范围的波束扫描来获得低精度的通信波束管理信息，并同时通过回波或者终端的感知信息上报来获得低精度的感知信息。然后，感知单元可以基于低精度的感知信息判断需要获取高精度感知信息的区域，然后以更窄的波束发送感知信号来获得更高精度的感知信息。位于高精度感知信息的区域内的终端通信设备，也可以测量窄波束的感知信号的信号质量，作为高精度的通信波束管理信息并将其反馈给网络侧。终端侧辅助感知仅依靠网络设备对周边环境的感知所获得的环境信息受限于网络设备的地理位置及其感知的探测范围，由此得到的环境信息可能并不完备。例如，受限于一些障碍物的存在，网络设备无法重构完整的环境信息。此时，如果结合终端侧辅助感知，那么就可以获得更多的感知信息。具体来说，网络设备可以基于自身感知判断终端设备的大概位置并结合终端设备汇报的能力等，判断是否需要触发终端感知上报，并指示终端上报参数（感知方位区间、障碍物个数、反射面大小、反射系数等）。然后，终端基于网络设备的指示进行感知,并将感知结果上报网络设备。网络设备基于网络设备感知及终端侧感知结果,重构周围环境（如建立 3D 地图），并确定最优收发波束。5.6.1.2 小区间的移动性管理移动通信的移动性管理除了小区内的移动性管理，还包含有小区间的移动性管理。小区间的移动性管理所涉及的内容包括小区选择，小区重选，小区切换等。对于通感一体化的设备，获得的感知信息可以辅助小区间移动性管理，达到加速流程、节约算力、节约能耗的效果。图 5-23.基于终端侧辅助感知的波束扫描通感一体化系统架构与关键技术-58-传统的小区选择/重选更多的是依靠终端对通信信号的质量测量，并根据一些算法（如 S 准则）来进行合适小区的选择。在这个过程中，终端需要在多个频点进行大量的信号测量工作，并根据测量结果来判断驻留小区。对于具有通感一体化能力的终端，在进行小区选择/重选之前，可以通过自身的感知功能单元获得先验的感知信息，进而辅助通信的小区选择/重选流程。具体来说，感知信息可以通过终端设备自发自收，或者多个终端设备联合感知的方式获得。感知信息的内容可以包含有如终端在环境中的位置信息、障碍物识别、物体类型识别等。再结合一些基站地理位置的先验信息，终端设备可以在测量通信信号之前，简单地判断终端和已部署基站之间的距离信息、有无障碍物信息以及对通信质量的预判断信息。这些感知信息可以帮助终端更好的识别一些更适合驻留的小区，一方面可以节约终端进行小区选择/重选的时间，提高通信体验；另一方面可以节约终端的算力，达到节能的效果。小区切换算法按照类型可以简单分为条件式小区切换以及非条件式小区切换。1)条件式小区切换：切换的执行主体是用户终端，但是网络侧需要提前将切换的条件告诉终端，并当满足一定条件时可以进行小区切换。对于通感一体的终端，在提前获取与已知地理信息的基站之间距离、障碍物等感知信息的前提下，可以更好的辅助其进行小区切换的判断。其中，感知信息可以是终端自身的探测结果。2)非条件式小区切换：切换的执行主体是网络设备。传统的非条件式小区切换是网络设备通过获得终端的移动性测量上报信息，然后再判断是否进行小区切换以及切换的目标小区。在通感一体的网络内，网络设备可以通过自身获得感知信息或者接收终端上报的感知信息，辅助进行非条件式小区切换。通感一体化系统架构与关键技术-59-图 5-24.感知结果辅助小区间移动性管理示意图5.6.2 感知业务的连续性管理类似通信系统为了满足数据业务的连续性而引入的移动性管理，当设备需要进行连续的感知业务时，也需要考虑保障感知业务的连续性。尤其是考虑到被感知物体可能从一个小区移动到另一个小区,或者，由于进行感知的设备自身的移动导致无法连续监控目标物体的情况。如果感知发生了中断，导致的直接后果就是对目标物体的监控丢失以及潜在的各种安全隐患。图 5-25.感知业务连续性管理适用场景通感一体化系统架构与关键技术-60-按照不同类型的移动主体及感知探测执行主体，可以把感知业务移动性管理的场景细分为三类，如图 5-25 所示。1)场景 1：感知探测的主体是网络设备，且需要持续感知的目标从一个小区移动到了另一个小区。此时，可以模仿通信的移动性管理，探测目标当前所在的小区可以把当前和历史上获得的感知信息告知相邻小区，然后相邻小区会进行接下来的感知探测服务。2)场景 2：感知探测的主体是用户终端，且需要持续感知的目标从一个小区移动到了另一个小区。当感知目标进入新的小区是，可以由新的小区来执行接下来的感知探测工作，并通过网络设备之间的后台交互及用户终端与所在小区的设备之间接口交互，来获得最新的感知信息。3)场景 3：感知探测的主体是用户终端，且终端从一个小区移动到了另一个小区。在完成终端的小区切换之后，终端的感知探测过程可以由新驻留小区来进行调度。5.7 通感一体化的链路自适应技术类似于通信系统中的功率自适应和带宽自适应，在感知业务中需要根据感知测量结果自适应调节感知信号资源的配置，以资源的优化配置，提高通信感知一体化系统的整体效率。5.7.1 基本流程在通感一体化框架下，参与感知的设备主要包括基站和 UE。为了网络整体效率（包括通信和感知）的最大化，信号资源需要在网络中统一协调调度，以提高信号资源利用效率、并避免相互干扰。因此，感知信号占用的信号资源需要由网络根据感知业务的执行情况自适应地调节并配置给基站或 UE，执行感知业务的基站或 UE根据网络配置的信号资源生成并发送感知信号、接收感知信号和进行感知信号处理。信号资源的链路自适应调节的基本流程如图 5-26 所示。基站或 UE 在执行感知业务得到感知测量量后，向网络反馈指定的感知测量量（例如，通过感知报告进行反馈）。网络根据反馈的感知测量量，并结合通感一体化系统的其他业务运行情况，判断是否需要调节感知信号资源配置。例如，如果有高优先级业务占用了较多的信号资源，则即使根据反馈的感知测量量判断出感知业务需要增加对应维度的感知信号的信号资源，网络也不会响应该需求。网络完成信号资源的自适应调节后，向基站或 UE 发送调节后的感知信号资源配置。图 5-26.感知信号资源链路自适应配置流程5.7.2 测量量和调节参数在通感一体化系统中，感知信号的信号资源主要包括空间、时间、频率和功率四个维度的资源。对应不同维度的信号资源，用来判断并执行信号资源配置的自适应调节的感知测量量也各不相同，如表 5-2 所示：通感一体化系统架构与关键技术-61-表 5-2.感知链路自适应的测量量和参数a)功率域资源的自适应调节与通信中的功率控制类似，感知信号的发射功率主要影响接收回波信号的功率和信噪比（Signal-to-Noise Ratio,SNR）。反馈的感知测量量可以包括两类参数：第一类是用来表征接收回波信号整体的功率或 SNR 水平的参数，可以复用通信中的参考信号接收功率（Reference Signal Received Power,RSRP）、参考信号接收质量（Reference Signal Received Quality,RSRQ）、参考信号强度指示（Reference Signal Strength Indicator,RSSI）、以及 SNR 等 58；第二类是用来表征接收回波信号中对应于感知目标的功率或 SNR 水平的参数，这里称之为感知回波信号功率或感知 SNR。在通信系统中，RSRP、RSRQ、RSSI、SNR 等测量量的计算在时间域和频域率中进行。与通信系统不同的是，感知信号的检测是在时延域、多普勒域和角度域中进行的，例如：在对无源目标定位的应用中是在时延角度域中检测感知信号，而在动目标检测的应用中则是在多普勒域检测感知信号。在采用 OFDM 信号波形的系统中，时延域信号由对频率域信号通过IFFT得到，多普勒域信号由对时间域信号通过快速傅里叶变换（Fast Fourier Transformation,FFT）得到，角度域信号通过对空间域信号进行 FFT 运算得到。这里，IFFT 或者FFT 通常也可以由高精度算法来代替以获得更高的分辨率性能，例如，多重信号分类算法（Multiple Signal Classification，MUSIC）。对于给定的感知目标，其在时延域、多普勒域、或角度域中的信号由其在频率域、时间域、或空间域中的信号相干叠加而得到，因此感知回波信号功率或感知 SNR 在数值上通常远大于通信系统中在时间域或频率域得到信号功率或 SNR。如下图，感知信号在时间域占用 N 个 OFDM 符号，则感知目标在多普勒域的信号由该N 个 OFDM 上的信号相干叠加得到，在理想情况下，感知目标对应的感知信号功率和感知 SNR 分别为时间域信号功率的 N2 倍、时间域 SNR 的 N 倍。通感一体化系统架构与关键技术-62-因此，进行功率与资源的自适应调节，执行感知业务的基站或 UE 向网络反馈 RSRP、RSRQ、RSSI、SNR、感知回波信号功率、感知 SNR 等测量量，网络判断并执行感知信号发射功率的自适应调节。另外，感知信号的发射功率的调节对象是每资源单元发送能量（Energy per Resource Element,EPRE）。b)时间域资源的自适应调节以 OFDM 信号波形为例，感知信号的时间资源配置主要涉及三个参数：感知结果的更新周期、感知帧时长、感知 OFDM 符号间隔；分别类似于传统脉冲体制雷达中的参数：数据采样间隔时间、雷达帧时长、脉冲重复周期 59,60。如图 5-28 所示，感知 OFDM 符号间隔是相邻的、由感知信号占用的 OFDM 符号之间的时间间隔（图中以 Ts 表示）；感知帧时长是指执行一次感知信号处理对应的感知信号所跨越的时间长度，通常又被称为相干处理时间（Coherent Processing Interval,CPI）；更新周期是指相邻两次执行感知信号处理所对应的感知信号之间的时间间隔。图 5-27.感知信号功率示意图-63-图 5-28.信号的时间资源配置参数示意图通感一体化系统架构与关键技术在感知业务中，感知信号的时间资源配置主要影响对多普勒或速度的测量分辨率和测量范围。具体包括：感知 OFDM 符号间隔：主要影响多普勒或速度的最大不模糊测量范围，在感知业务中要求 61：其中，表示多普勒的最大不模糊测量值，当感知目标的运动方向已知时 ，否则 。从链路自适应的角度来看，可以根据感知目标的类别、运动速度、应用场景等因素设定多普勒的最大不模糊测量值，进而设定感知 OFDM 符号间隔。例如，相比于感知目标是行人，感知目标是车辆时要求更大的多普勒的最大不模糊测量值。在满足上述要求的情况下，设置较大的感知 OFDM 符号间隔能够降低感知信号的资源开销。感知帧时长：主要影响多普勒/速度的分辨率，在感知业务中要求 62：-64-其中，表示多普勒的分辨率。从链路自适应的角度来看，可以根据感知目标的类别、运动速度、应用场景等因素设定多普勒的分辨率，进而设定感知帧时长。例如，相比于感知目标是车辆，感知目标是行人时要求更高的多普勒分辨率性能（即，更小的多普勒分辨率值）。在满足上述要求的情况下，设置较小的感知帧时长能够降低感知信号的资源开销、减小感知信号处理的运算量和存储负荷。感知结果的更新周期：主要影响对于机动（速度变化）目标的感知性能，可以根据感知目标的类别、应用场景等因素进行设定。从链路自适应的角度来看，如果目标运动速度稳定，例如接近匀速直线运动，则可以设定相对较大的更新周期以减小感知信号占用的时间资源；如果目标运动速度变化较快，例如频繁加减速和转弯，则需要设定相对较小的更新周期以保证感知性能。在满足上述要求的情况下，设置较大的更新周期能够降低感知信号的资源开销。因此，进行时间域资源的自适应调节，执行感知业务的基站或 UE 需要反馈的测量量包括：多普勒/速度、多普勒/速度的方差、时延/距离的方差和角度方差，其中，多普勒/速度的方差、时延/距离的方差和角度方差能够反映感知目标运动速度的变化情况。c)频率域资源的自适应调节通感一体化系统架构与关键技术以 OFDM 信号波形为例，频率资源配置主要涉及两个参数：带宽、感知子载波间隔，其中，感知子载波间隔是指相邻的、由感知信号占用的子载波之间的频率间隔。在感知业务中，信号的频率资源配置主要影响对时延或距离的测量分辨率和测量范围，具体包括：带宽：主要影响时延/距离的分辨率，在感知业务中要求 61：其中，表示时延分辨率。从链路自适应的角度来看，可以根据感知目标的类别、距离、应用场景等因素设定时延的分辨率，进而设定感知信号的带宽。例如，相比于交通监测场景，室内场景通常要求更高的时延分辨率性能（即，更小的时延分辨率值）。在满足上述要求的情况下，设置较小的信号带宽能够降低感知信号的资源开销。-65-感知子载波间隔：主要影响时延或距离的最大不模糊测量范围，在感知业务中要求 61：其中，表示时延的最大不模糊测量值。从链路自适应的角度来看，可以根据感知目标的类别、距离、应用场景等因素设定时延的最大不模糊测量值，进而设定感知子载波间隔。例如，相比于室内场景，交通监测场景要求更大的时延的最大不模糊测量值。在满足上述要求的情况下，设置较大的感知子载波间隔能够降低感知信号的资源开销。因此，进行频率域资源的自适应调节，执行感知业务的基站或 UE 需要反馈的测量量主要包括感知目标的时延/距离。d)空间域资源的自适应调节在感知业务，信号的空间域资源配置具体包括：天线孔径：对于具有波束赋型能力的天线阵列，天线阵元数和阵元排布决定了波束宽度，从而决定测角分辨率。对于均匀布阵天线阵列，方位向或俯仰向的 3dB 波束宽度可以表示为 60：通感一体化系统架构与关键技术其中，表示方位向或俯仰向的天线孔径，为波长，为波束指向。因此，需要根据感知业务的测角分辨率要求设定天线孔径；然而由于天线数量有限，通常直接使用最大的可用天线孔径。波束指向：随着感知目标的运动，感知目标相对于基站或 UE 的角度会发生变化，为了保持对感知目标的跟踪，需要根据感知目标的位置自适应地调节感知信号的波束指向。因此，进行空间域资源的自适应调节，执行感知业务的基站或UE需要反馈的测量量主要包括感知目标的角度。-66-图 5-29.波束指向切换示意图除上述的四个维度的信号资源的自适应调节之外，还可以对两个或两个以上的信号资源参数进行联合的链路自适应调节。例如，时间域、频率域和空间域中任一维度的信号资源都可以和功率域资源进行联合自适应调节，在单个天线的 EPRE 达到最大而无法继续增大时，可以通过增加时间域、频率域和空间域中任一维度的信号资源数来提升感知回波信号功率或感知 SNR，以获得更好的感知性能。通感一体化系统架构与关键技术其中 表示基站到终端的 LOS 路径的信道响应，表示基站的波束预编码。表示第 k 个 RIS 对应的虚拟 LOS 路径，可以进一步表示为5.8 基于 RIS 的通感一体化技术5.8.1 RIS 辅助的定位技术传统的定位技术依靠多基站/定位锚点的协作来实现高精度的定位测量，并且为了获得准确的测量结果，要求定位终端和定位锚点之间存在直射路径。这对定位锚点的组网部署提出了相对严格的要求。在实际应用场景中，定位终端和定位锚点之间的直射路径可能存在遮挡的情况的，例如，移动物体的遮挡，复杂环境（密集城区、室内环境）导致的覆盖盲区。RIS 辅助的定位技术可以针对 LOS 路径遮挡问题提供灵活高效的解决方案，从而避免大量部署定位锚点的问题。-67-其中 表示虚拟 LOS 路径的信道增益，和 分别表示发送天线和接收天线的角度响应特性，和 分别表示 RIS 的接收和发送信号的角度响应特性，表示 RIS 的各个单元的相位调整参数。接收端可以通过空域信号处理算法（例如 MUSIC）来提取 RIS 对应的虚拟 LOS 路径的信道信息 H_(RIS,k)来用于定位估计。假设基站和 RIS 的位置已知，现有的定位估计算法可以应用于 RIS 路径的定位估计。例如，按照 TOA 或者 TDOA 的原理，系统可以根据 H_(RIS,k)测量虚拟 LOS 路径的达到时间或者相对于 LOS 路径的到达时间差来获得虚拟 LOS 路径的长度，进而推测终端的位置。RIS 辅助的定位系统中包含至少一个定位锚点和至少一个 RIS 节点，如图 5-30 所示。通常情况下，假设基站和 RIS 节点的位置是由网络部署确定的，并且基站和 RIS 之间存在 LOS 路径。基站/定位锚点通过 RIS 的转发波束指向终端，形成一条虚拟 LOS 路径，从而降低基站与终端的 LOS 路径遮挡概率。实际部署场景中，每个基站和 RIS 节点都可以形成一条虚拟 LOS 路径。对于 M 个基站和 N 个 RIS 组成的定位系统中，最多存在M 个 LOS 路径和 M*N 个虚拟 LOS 路径。因此，RIS 辅助的定位系统可以大大降低 LOS 路径遮挡的概率和提升定位精度。RIS 辅助的定位流程可以简单概括为信道测量和定位估计两个步骤 62。在信道测量阶段，终端或者基站发送参考信号来测量虚拟 LOS 路径的信道状态。RIS 辅助的定位系统的信道模型可以表示为通感一体化系统架构与关键技术-68-RIS 辅助的定位系统可以通过优化 RIS 的相位调整参数 _k 来提升定位精度。文献 63 通过分析定位系统的CRB 指出最大化虚拟 LOS 路径的信号强度可以获得最优的 CRB。因此，RIS 的波束对准操作在 RIS 辅助定位流程中是关键环境，直接影响 RIS 辅助定位的测量精度；同时，RIS 的转发波束角度也可以作为定位估计流程中的辅助信息，来确定终端相对于 RIS 的位置。5.8.2 RIS 辅助的感知技术对环境中的无源物体进行感知也是感知技术的一种重要应用场景。基站/感知系统需要通过波形设计和接收端信道处理从多径信号中分离出感知物体的反射路径，根据感知物体的反射路径信息估计感知物体的特征（例如移动速度、人体姿势、呼吸频率）。目前无源感知的算法主要集中在收发端的设计。RIS 辅助的无源感知技术为感知物体的反射路径的获取提供一个新的信号处理维度。RIS 反射波束可以形成基站的虚拟镜像，扩展对感知物体的更多的观测角度 64；RIS 的反射信号也可以作为干扰路径的抵消信号，提升感知物体对应的路径的信号比重 65，如图 5-31 所示。图 5-30.RIS 辅助的定位系统示意图通感一体化系统架构与关键技术图 5-31.基于 RIS 的无源感知示意图5.8.3 感知辅助的 RIS 通信系统感知测量结果可以反馈给通信系统来优化通信系统的配置，提高通信系统的测量和传输效率。对于 RIS 辅助的通信系统，高效的 RIS 波束训练和控制方案直接决定了 RIS 在通信系统中的工作效率。由于 RIS 节点不具备信号处理能力并且 RIS 节点包含大规模的 RIS 单元，这导致基于 RIS 的信道测量的导频开销增大，RIS 的波束赋形算法复杂度大大提升。通感一体化的通信系统可以基于对终端位置的感知结果来优化 RIS 的信道估计、波束训练的流程，降低 RIS 信道估计/波束训练的候选波束数量和导频开销 66。图 5-32.感知辅助的 RIS 波束控制示意图 66-69-通感一体化系统架构与关键技术5.9 基于反向散射的感知与定位技术5.9.1 反向散射通信技术原理6G 通信提出“万物智联、数字孪生”的美好愿景，并将支持千亿级的海量设备互联。基于环境能量供能的无源物联设备，将散布在环境中的电磁波、太阳能、热能、动能等微能量收集起来并转化为设备能够使用的直流功率，从而实现极低功耗甚至免电池下的零功耗物联网。反向散射通信（Backscatter Communication）是实现极低功耗通信最具代表性的技术，能以极低功耗反向散射通信的方式完成感知数据的传输。进一步，可以考虑将感知能力与反向散射通信能力进行集成，以实现反向散射设备的“感通”一体化，从而进一步增强反向散射设备的功能，以及增强现有系统的感知与定位功能。可以预见，由于反向散射通信在低成本、超低功耗、设备体积小、组网架构灵活以及易于大规模部署的技术优点，未来结合反向散射通信的感知、定位以及通感一体化将在 6G 时代催生出更多新的应用。与传统的有源无线通信的信号调制与发送过程不同，支持反向散射通信的设备（或称标签、Tag）并不具备载波生成能力，无法“主动”对外发送信号，而是将设备自身需要发送的信息调制在第三方载波信号上。反向散射设备根据需要发送的比特信息选择对应的负载阻抗或改变晶体管等固态器件的偏置电压，以改变第三方载波信号的幅度、相位或频率等物理属性，从而在无需混频器、振荡器等射频器件的情况下实现自身信息的调制与传输。由于反向散射通信并不主动生成射频载波信号，其能耗极低，通常为数十微瓦到数百微瓦之间。-70-图 5-33.典型的反向散射通信硬件系统架构通感一体化系统架构与关键技术受限于反向散射设备调制电路和储能容量等硬件能力约束，以及双程级联信道下的信号衰减、信号干扰等客观环境因素，传统反向散射通信系统存在接收灵敏度低、传输速率低、覆盖能力弱、系统容量不足、传输可靠性低等问题。基于蜂窝的反向散射通信有助于将反向散射通信从传统的近距离通信扩展到广域蜂窝无线网络应用，为客户提供方便和标准化的蜂窝网络功能。通过调制编码设计、干扰处理、多天线技术、低复杂度同步技术、多址技术等空口设计优化，可以有效提升反向散射通信系统在通信距离、传输速率、可靠性等方面的性能指标。另外，设计与空口技术相匹配的网络架构和极简协议栈，可以解决广域覆盖、大规模组网、安全鉴权等蜂窝化组网问题 67。5.9.2 基于反向散射的感知技术通感一体化能够催生出一系列新的应用，而基于低成本、低功耗、易于大规模部署的反向散射设备的通感一体化将进一步扩展通感一体化的应用场景。基于射频识别（Radio Frequency Identification，RFID）或反向散射通信技术的无线感知，相比于设备解耦（Device-free）的无线感知，在实现基本的感知功能同时，还能够获取额外的感知目标信息，从而有望进一步增强感知或通感一体化的性能。目前，学术界和工业界对基于反向散射的感知技术做了丰富的研究，包括定位与轨迹追踪、手势和动作识别、生命体征检测与振动检测等小信号检测、物体材料和成分识别、环境重构与成像等。例如，车联网中具有感知功能的路边单元（Roadside Unit，RSU）可通过自发自收通感一体化信号，与在道路行驶车辆通信的同时完成车辆定位、测速、轨迹追踪。当车辆上安装了反向散射设备（或标签、tag），标签能够额外提供车辆 ID、车辆当前状态等辅助信息。RSU 通过接收标签的反射信号，在实现高精度车辆定位 68、测速、轨迹追踪的同时，还能够精确识别和区分道路上的不同车辆，拓展了感知能力。在文献 69中，研究人员开发了一款部署在车辆上，可用于车-车通信和车载雷达感知的标签。在该系统中，安装在车辆前部的调频连续波（Frequency Modulated Continuous Wave，FMCW）雷达，对前车进行探测（例如测速、测距、测角），其中部分雷达信号会被安装在前车后部的标签反射，与目标反射回波一起被后车的雷达接收机接收，如图 5-34 所示。其中，标签对 FMCW 信号进行调制后，使其携带前车的信息，该信息能够被后车雷达接收机直接识别和提取，进而实现对前车的感知和通信。该系统的标签微控制器（Micro-Control Unit，MCU）与车辆的电子控制单元（Electronic Control Unit，ECU）连接，对车辆控制信号进行读取。后车雷达信号处理系统能够实时的进行信号检测和分类，此类信号包括前车的停止信号、转向信号和应急灯信号等，可为后车安全行驶提供辅助信息，且整个交互过程可以不依赖于专用的车-车通信系统。为了保证标签的反向散射信号不被车辆反射信号淹没，标签的天线设计成了阵列形式，能够获得 14.6 dBi 的阵列天线增益。同时，标签通过使用脉冲宽度调制（Pulse-Width Modulation，PWM），其反向散射信号的一阶谐波可以清晰地体现在 FMCW 接收机的时延-多普勒谱中，提高了标签反向散射信号的检测概率。在文献 70中，研究者也采用了类似实现方案，将 FMCW 雷达作为标签的读取设备，实现对标签的测距以及通信。-71-通感一体化系统架构与关键技术图 5-34.基于反向散射标签和车载雷达的车-车通信感知 69-72-在对微小信号感知方面，反向散射技术同样得到了较好的应用。通过将标签部署在微小信号源附近，能够使标签对微小信号进行放大的同时，消除环境杂波干扰。例如，在文献 71 中，为了实现对病人打点滴时的药水滴速的无人监控，研究人员将标签贴近点滴盒外侧，对药水液滴下落情况进行感知。当液滴下落撞击液面时，液面的波动会对感知信号的相位产生较明显的影响。然而，这个反射信号微弱的变化很容易被淹没在干扰信号中。这是因为环境中其他动态物体（如医院内走动的人员）的反射信号能量与经过点滴盒液面反射的信号能量相比通常会更强。此外，液滴反向散射信号还会受到热噪声的影响。为了解决这个问题，研究人员在点滴盒外侧感知标签的旁边，离点滴盒较远的位置放置了另一个参考标签，如图 5-35 所示。由于参考标签距离点滴盒液面较远，经过它的反射信号对液面波动不敏感，但是它与感知标签一样，都会反射环境中的其他干扰信号。由于感知标签和参考标签放置位置接近，且本身体积较小，他们反射的干扰信号差异不大。因此，通过对感知标签和参考标签的反射信号做差分处理，即可实现干扰抑制的目的。文献 71 详细介绍了上述打点滴滴速检测方案的信号处理流程和样机测试情况，实测验证表明该系统能准确估计输液滴速，常规情况下滴速估计的平均相对误差小于 1%。通感一体化系统架构与关键技术图 5-35.基于 RFID 标签的点滴滴速的感知 71在感知目标上或者目标周围区域部署多个RFID标签，还能够扩展感知系统的功能，实现丰富的感知应用。例如，文献 72 中研究人员通过在感知物体表面不同位置放置标签，实现对物体朝向的精确估计。其原理是，当标签阵列随物体一起旋转时，不同标签之间的标签到阅读器的距离会发生变化，从而影响标签之间的相对相位偏移（也称为到达相位差）。文献 73 在感知目标所在区域周围布置了多个 RFID 标签，形成标签阵列，实现了对感知区域内物体材质识别和二维成像。值得一提的是，蜂窝化的反向散射通信相比于目前广泛商用的RFID，能够提供更高的通信速率和更大的通信距离 74，因此基于蜂窝化的反向散射通信的无线感知有望成为 6G 通感一体化的一种重要实现方式。总的来说，通过将标签安装在感知目标上或者部署在感知目标附近区域，感知或通感一体化接收机可以对标签的反向散射信号进行检测、信号分类、感知参数估计等一系列操作，完成感知或通感一体化目的。现有的研究表明，基于反向散射的感知或通感一体化具备以下优势：（1）在不同的感知目标上或目标周围区域分别安装不同的标签，可以使感知或通感一体化接收机根据不同标签反向散射的信号特征不同，分辨不同的感知目标，在多目标感知中实现感知目标与感知数据的准确关联；此外，标签还可以获取感知目标信息（例如目标类型信息、运动状态信息、内部传感器信息等），并通过反向散射通信方式实现信息交互，从而实现低成本、低功耗的通感一体化。（2）通过在标签上集成功率放大器或者使用多天线波束赋形设计，能够提升标签反向散射信号的信号强度，提高感知信噪比或通信信噪比，从而提高感知或通感一体化的可靠性。对于不使用反向散射技术的设备解耦的感知，感知目标的反射特性与感知目标的尺寸、材质、形状、朝向等都有关系，其反射特征并不可控，而基于反向散射的感知则能够通过灵活控制标签天线阵列增益解决这个问题。-73-通感一体化系统架构与关键技术（3）对于干扰环境下的微小信号感知（例如人体呼吸、物体振动、液体滴速监测等），基于反向散射的感知相比于不基于反向散射的感知优势明显。通过合理设计信号处理流程，能够实现微小信号放大，以及环境干扰的有效抑制或消除，提高了感知系统的灵敏度和抗干扰能力。（4）利用反向散射设备成本低、功耗低、体积小、易部署的特点，通过在环境中（例如在感知目标附近）部署多个标签，对多个不同位置的标签的反向散射信号进行联合感知处理，可以增大感知范围，即增大感知物理距离、物理角度范围，增大感知网络密度。此外，还可以提高感知信噪比，提高感知分辨率，降低感知误差。与技术优势对应的是基于反向散射感知技术存在的技术挑战，虽然目前业界针对其中的弱信号感知、环境干扰消除已有不少的研究工作，但可以预见的是其中的一些技术难点将长期存在，需要进一步研究：（1）非理想因素消除：由于反向散射信号的相位受噪声、器件工艺水平等因素影响，相位呈现高斯分布特性，直接影响了感知性能。另外，由于不同设备之间，包括基站、终端以及反向散射设备之间都有自身的相位偏差与同步误差，而系统进行相位校准和纳秒级定时偏差校准的挑战较大。另外，信道多径导致了测量出的相位是叠加了视距径和非视距径的结果，并且很难通过传统信号处理的方式进行分离。（2）感知可靠性提升：由于反向散射设备体积很小，在中远距离感知场景下，其本身的反射截面与感知目标相比可能更小，从而难以分离目标反射信号与有用的反向散射信号。另外，实际环境部署时，反向散射信号也很容易淹没在背景杂波中，并且多径干扰、信道衰减等会进一步增加对弱反向散射信号的检测难度，从而降低感知可靠性。为了进一步提升基于反向散射的感知精度和感知范围，包括基于反向散射的通感一体化波形设计、帧结构设计、网络感知流程、非理想因素消除方案、感知信号处理与算法设计等，都是未来需要进一步研究和解决的关键技术。5.9.3 基于反向散射的定位技术由于反向散射通信设备成本低、功耗低、体积小的特点，未来可广泛应用于仓储物流、工业制造、智慧城市、智能家居等定位场景中的货物盘点和追踪、个人物品寻找、停车场车辆定位、商场的商铺定位和博物馆站台定位等。表 5-3 从不同维度给出几种典型的基于反向散射的定位场景涉及的业务类别及指标需求。从定位类型上，基于反向散射的定位类型可以分为标签自定位和标签辅助定位。标签自定位一般需要标签与物体进行绑定，通过对标签的定位来实现对物体的定位；标签辅助定位一般基于标签来辅助其他网络设备的定位。对标签进行定位时，用于计算、协调和管控的定位设备可以是基站或 AP，也可以是 UE 等设备。-74-通感一体化系统架构与关键技术支持反向散射通信定位所需的测量参数包括参考信号强度（Received Signal Strength，RSS）、RSSI、到达角（Direction Of Arrival,DOA）、相位信息、到达时间（Time Of Arrival，TOA）或往返时间（Round-Trip Time,RTT）、到达时间差（Time Difference Of Arrival，TDOA）等 7577。考虑到设备的发送功率是已知的，可以使用 RSS/RSSI 参数来估计网络设备和标签之间的绝对距离，但是该方法存在易受环境干扰、精度较低等缺点 7778。基于 DOA 的估计方法的性能好于 RSS/RSSI 方法，但该方法需要网络设备配置多根接收天线，且测量相位易受 NLOS 径、环境噪声等影响 7980。基于 TOA 或 RTT 估计的方法需要利用信号在空口的传播时间来计算锚点设备和标签之间的距离，该方法需要传输信号带有时间戳以辅助测量，且需要锚点设备和标签之间具有严格的时钟同步 81。基于 TDOA 估计的方法是通过多个锚点设备的测量信号传播时间的差值来进行定位，但定位精度也受不同网络设备之间的时钟同步误差影响。总结来说，目前业界关于反向散射的定位方法分为基于距离有关的方法和距离无关的方法 79，其中，基于距离的方法包括测距、测角等；距离无关的方法包括指纹识别和非指纹识别方法等。表 5-4 总结了业界提出的几种典型的基于反向散射的定位方法。由于标签的移动性、收发设备的硬件能力、无线信道环境等非理性因素都会对标签的定位精度造成影响，通过测角、测距或非指纹识别的方法进行标签定位时，需要考虑多径环境、热噪声和不同设备之间同步误差等非理想因素的影响 8081。对于标签来说，需要消除由于晶振稳定性差引起的频率偏差；对接收设备来说，需要消除由于硬件引入的采样定时误差和采样频率误差，以及由于热噪声引入的相移；此外，还需考虑由于环境中存在 LOS 和 NLOS 径，导致接收相位叠加多径效应的影响。表 5-3.反向散射通信典型定位场景 757677-75-通感一体化系统架构与关键技术受限于反向散射设备的硬件能力的约束，以及双程信道的信号衰减、信号干扰较强等客观环境因素，基于反向散射通信的定位普遍存在定位精度低、稳定性差等问题。此外，反向散射设备的移动性也是影响定位精度和稳定性的关键因素。总结基于反向散射的定位技术中存在的技术难点包括：（1）同步性能差：受限于反向散射设备的硬件能力，其集成的晶振存在采样时间不准且随时间漂移的特性，因此严重影响了基于 TOA 或 TDOA 等定位方式的定位性能。（2）带宽小：受限于调制电路中负载阻抗开关的切换速率，反向散射信号的带宽通常都很小，影响基于TOA、TDOA、RTT 等测距方法下的定位精度。（3）天线少：受限于硬件成本、功耗和体积，反向散射通信设备不会集成太多的天线，因此影响了 AOA、DOA 等测角方法下的定位精度。（4）低信噪比：受双程链路信道衰减、反射损耗等因素影响，反向散射信号的信号功率通常都比较小，从而导致反向散射信号的接收信噪比较低，这也会影响定位的精度。（5）移动性：反向散射设备移动会对低时延定位带来更大的挑战，否则在没有完成本次定位服务后反向散射设备的位置已经发生了变化；另外在蜂窝网络对反向散射设备定位服务时，移动性会对核心网中的移动性管理带来新的挑战。未来，可以考虑设计对同步误差、信号带宽、天线数、信噪比不敏感的定位方法，从而在保证设备低功耗、低成本的前提下进一步提高基于反向散射定位下的定位精度和稳定性。潜在的定位增强技术有：表 5-4.反向散射通信典型定位方法-76-通感一体化系统架构与关键技术（1）载波相位定位：载波相位定位通过测量接收机接收到具有多普勒频偏的载波相位，与接收机产生的参考载波信号之间的相位差，通过相位差来求解接收机的位置。由于该方案不受信号的带宽的限制，在解决整周模糊的情况下仅通过两个单频或小带宽信号就可以实现高精度测距，因而在 GNSS 高精度定位中获得了广泛的应用。由于其定位精度高的优点，3GPP R18 NR 定位也将载波相位定位方法作高精度定位的潜在技术纳入标准工作进行研究 84。因此，在基于反向散射的定位中，也可以基于载波相位定位原理来实现定位，从而解决反向散射信号小带宽约束下的高精度定位问题。（2）精细时间测量（Fine Time Measurement，FTM）：为了改善 WiFi 的定位精度，IEEE 802.11mc 标准中引入了 FTM 协议 85，通过多次测量 RTT 往返时间并通过求均值的方法来提高一个测距周期内的 RTT信息的精度并进行高精度定位。类似的，在面向 UWB 的 IEEE 802.15.4z 的标准中，定义了双边双程测距（Double-Sided Two Way Ranging，DS-TWR）协议 86，通过测量至少三次往返时间来提高测距精度。类似的，在基于反向散射定位中，也可以通过测量多次往返时间来进一步提升弱同步精度下的定位精度，从而减弱无源晶振采样时间不稳且随时间偏移所带来的同步误差问题。（3）分布式定位：在基于反向散射的定位场景中，锚点设备或待定位设备的体积较大时，可以利用设备集成的多天线面板（Panel）实现分布式定位。比如，在锚点设备（比如车、CPE、AP 设备、RSU 等）需要对反向散射设备进行定位时，可以利用锚点设备体积大的优势安装多个 Panel，并利用多个 Panel 对反向散射设备进行定位，从而提高定位精度。又比如，待定位的设备体积较大但不具备通信或定位功能时，可以利用反向散射设备体积小、易部署的优点将多个反向散射设备贴附在待定位设备的不同位置，通过对不同位置上的反向散射设备进行定位并联合待定位设备的尺寸先验信息，可以实现对该定位设备的高精度定位。（4）协作定位：在很多定位场景中，非视距（NLoS）径下的非视距误差是影响定位精度的主要因素之一。通过在锚点设备和待定位设备之间放置支持定位功能的反向散射设备，使得锚点设备与反向散射设备之间以及反向散射设备与待定位设备之间形成视距（LoS）链路，并通过设备之间的协作定位来实现锚点设备和待定位设备之间的高精度定位，从而减弱非视距径下定位精度差的问题。-77-通感一体化系统架构与关键技术6.总结6G 将原生地支持通信、感知和计算服务，成为支撑未来社会高效可持续发展的网络信息底座，赋能缤纷多彩的未来新业务。通感一体化将是 6G 的标志特征之一。在业务分类方面，可以按照通信与感知的赋能关系，业务应用范围，对感知测量数据的处理方式，以及感知目标属性等多个维度对感知业务进行分类。在业务性能指标方面，需要对通信和感知能力同时进行衡量。通信感知一体化技术已经受到 ITU，中国 IMT-2020 推进组和IMT-2030 推进组，北美 Next G Alliance，欧洲 ETSI 和 Hexa-X，IEEE，3GPP 等的广泛关注，各个组织在通感一体化的用例分析、技术趋势、发展侧重或技术挑战等方面给出了各自的理解和分析。未来无线移动通信系统将主要向服务层通感融合和空口通感融合进行演进，形成支持内生感知服务的通感一体化系统。服务层通感融合可以提升 6G 系统的服务能力，为未来 6G 系统商用提供创造更多新型应用的可能性，也可以提供用于辅助通信性能提升的感知服务。空口通感融合可以进一步带来频谱效率提升、成本节约、功耗降低和信息处理效率提升等诸多优势。服务层通感融合需要在服务层引入感知服务开放等功能，在功能层引入感知管理、感知数据处理等功能。空口融合的通感一体化系统需要进一步在资源层引入感知信号收发功能，在功能层引入感知资源调度等功能。资源层信号收发之间的感知链路与通信链路存在较大差异，需要考虑不同感知方式对通感一体化空口关键技术设计的影响。为支持各类通感一体化业务，并满足通感一体化业务的指标需求，本白皮书梳理了 9 个通感一体化的关键技术。具体的，通感一体化波形与信号设计是满足感知指标和通信指标的基础技术，通感一体化波形包括基于通信波形的一体化波形、基于感知波形的一体化波形以及基于全新的通感融合的一体化波形三种技术路线。多天线感知技术包括基于虚拟阵列的感知技术和基于波束赋形的感知技术，可以提升感知精度和感知分辨率。与传统的单节点通感一体化系统相比，网络协作通感一体化通过在分布式收发节点间引入感知协作，有效避免单节点通感的自干扰删除问题，扩大感知范围，实现连续覆盖，并可利用联合处理提升感知精度。在通感一体化应用中，器件和硬件电路的非理想因素（包括定时偏移、载波频率偏移、通道不一致性、相位噪声等）会显著影响测量精度，因此需要研究感知非理想因素的消除技术来加以克服。多频点协作感知技术可以利用所有可能的频率来提高感知的性能。针对通感一体化的移动性管理，一方面感知获得的信息可以辅助通信的移动性管理从而获得更好的用户体验和更少的系统资源开销；另一方面，也需要考虑感知的移动性管理机制来保障感知业务的连续性。类似于通信系统中的功率控制和带宽自适应等技术，在感知业务中需要根据感知测量结果等以自适应调节感知信号资源的配置，提高通信感知一体化系统的效率指标。RIS 与感知的结合可产生不同的技术方向，包括RIS辅助的定位和感知，以及感知辅助的RIS通信系统等。最后，基于RFID或Backscatter通信技术的无线感知，相比于设备解耦的无线感知，在实现基本的感知功能同时，还能够获取额外的感知目标信息如设备 ID。-78-通感一体化系统架构与关键技术参考文献1 3GPP TR 22.837,“Feasibility Study on Integrated Sensing and Communication”,November 2022.2 Liu,Fan,et al.Integrated sensing and communications:Towards dual-functional wireless networks for 6G and beyond.IEEE journal on selected areas in communications,2022.3 Chen W,Niu K,Zhao D,et al.Robust dynamic hand gesture interaction using LTE terminalsC/2020 19th ACM/IEEE International Conference on Information Processing in Sensor Networks(IPSN).IEEE,2020:109-120.4 Hernandez S M,Bulut E.Adversarial occupancy monitoring using one-sided through-wall WiFi sensingC/ICC 2021-IEEE International Conference on Communications.IEEE,2021:1-6.5 Beritelli F,Capizzi G,Sciuto G L,et al.Rainfall estimation based on the intensity of the received signal in a LTE/4G mobile terminal by using a probabilistic neural networkJ.IEEE Access,2018,6:30865-30873.6 ITU-R WP5D,IMT Vision Framework and overall objectives of the future development of IMT for 2030 and beyond,June 20227 ITU-R WP5D,Future Technology Trends of Terrestrial IMT Systems towards 2030 and beyond,July 20228 IMT-2030(6G)推进组,6G 典型场景和关键能力白皮书,20229 Next G Alliance Report:6G Technologies,June 202210 Hexa-X WP1 D1.1:6G vision,use cases and key societal values,202111 Hexa-X WP1 D1.2:Expanded 6G vision,use cases and societal values including aspects of sustainability,security and spectrum,202212 Hexa-X WP1 D1.3:Hexa-X architecture for 6G networks initial release,202213 802.11 TGbf Use Cases document,January 202114 802.11 TGbf Channel Models document,January 202315 802.11 TGbf Evaluation Methodology and Simulation Scenarios document,January 202316 中国通信学会.通感算一体化网络前沿报告 R.2021.17 IMT-2030(6G)推进组.通信感知一体化技术研究报告 R.2022.18 郭薇.融合感知的通信波形关键技术研究 D.电子科技大学,2016.19 商晓可,张贞凯,王小江.正交时频空雷达通信一体化波形优化设计方法 J.战术导弹技术,2022(5):8.20 Tianshi L I,Ruisi H E,Bo A I,et al.OTFS modulation performance in a satellite-to-ground channel at sub-6-GHz and millimeter-wave bands with high mobilityJ.Frontiers of Information Technology&-79-通感一体化系统架构与关键技术Electronic Engineering,2021.21 Farhang A,Rezazadehreyhani A,Doyle L E,et al.Low Complexity Modem Structure for OFDM-based Orthogonal Time Frequency Space Modulation:IEEE Wireless Communications Letters,10.1109/LWC.2017.2776942P.2017.22 vivo 通信研究院.6G 服务、能力与使能技术 R.2022.23 J.Wang,B.Zhang and P.Lei,Ambiguity function analysis for OFDM radar signals,2016 CIE International Conference on Radar(RADAR),2016,pp.1-5.24 Jiamo Jiang,Mingfeng Xu,Zhongyuan Zhao,Kaifeng Han,Yang Li,Ying Du,Zhiqin Wang,“Rethinking the Performance of ISAC System:From Efficiency and Utility Perspectives,”arXiv,2022.25 B.Paul,A.R.Chiriyath and D.W.Bliss,Survey of RF Communications and Sensing Convergence Research,in IEEE Access,vol.5,pp.252-270,2017.26 C.Sturm and W.Wiesbeck,Waveform Design and Signal Processing Aspects for Fusion of Wireless Communications and Radar Sensing,in Proceedings of the IEEE,vol.99,no.7,pp.1236-1259,July 2011.27 Fenn,Alan J.,et al.The development of phased-array radar technology.Lincoln Laboratory Journal 12.2(2000):321-340.28 Haimovich,Alexander M.,Rick S.Blum,and Leonard J.Cimini.MIMO radar with widely separated antennas.IEEE Signal Processing Magazine 25.1(2007):116-129.29 Li,Jian,and Petre Stoica.MIMO radar with colocated antennas.IEEE Signal Processing Magazine 24.5(2007):106-114.30 Hassanien,Aboulnasr,and Sergiy A.Vorobyov.Phased-MIMO radar:A tradeoff between phased-array and MIMO radars.IEEE Transactions on Signal Processing 58.6(2010):3137-3151.31 Khabbazibasmenj,Arash,et al.Efficient transmit beamspace design for search-free based DOA estimation in MIMO radar.IEEE Transactions on Signal Processing 62.6(2014):1490-1500.32 Li,Jian,and Petre Stoica.MIMO radar signal processing.John Wiley&Sons,2008.33 P.H.Pathak,X.Feng,P.Hu and P.Mohapatra,Visible Light Communication,Networking,and Sensing:A Survey,Potential and Challenges,IEEE Communications Surveys&Tutorials,vol.17,no.4,pp.2047-2077,2015.34 J.A.Zhang,X.Huang,Y.J.Guo,J.Yuan and R.W.Heath,Multibeam for Joint Communication and Radar Sensing Using Steerable Analog Antenna Arrays,IEEE Transactions on Vehicular Technology,vol.68,no.1,pp.671-685,2019.35 Q.Zhang,H.Sun,Z.Wei and Z.Feng,Sensing and Communication Integrated System for-80-通感一体化系统架构与关键技术Autonomous Driving Vehicles,2020 IEEE Conference on Computer Communications Workshops(INFOCOM WKSHPS),2020,pp.1278-1279.36 Alkhateeb,Ahmed,et al.MIMO precoding and combining solutions for millimeter-wave systems.IEEE Communications Magazine 52.12(2014):122-131.37 Molisch,Andreas F.,et al.Hybrid beamforming for massive MIMO:A survey.IEEE Communications magazine 55.9(2017):134-141.38 F.Liu,C.Masouros,A.P.Petropulu,H.Griffiths,and L.Hanzo,“Joint radar and communication design:Applications,state-of-the-art,and the road ahead,”IEEE Transactions on Communications,vol.68,no.6,pp.38343862,2020.39 Xu,Zhou,Chongyi Fan,and Xiaotao Huang.MIMO Radar Waveform Design for Multipath Exploitation.IEEE Transactions on Signal Processing 69(2021):5359-5371.40 Chen X,Feng Z,Wei Z,et al.Concurrent Downlink and Uplink Joint Communication and Sensing for 6G NetworksJ.IEEE Transactions on Vehicular Technology,2023.41 Zhang X,Li H,Himed B.Multistatic detection for passive radar with direct-path interferenceJ.IEEE Transactions on Aerospace and Electronic Systems,2017,53(2):915-925.42 Bialkowski K S,Clarkson I V L,Howard S D.Generalized canonical correlation for passive multistatic radar detectionC/2011 IEEE Statistical Signal Processing Workshop(SSP).IEEE,2011:417-42043 Thom R S,Andrich C,Myint S J,et al.Characterization of Multi-Link Propagation and Bistatic Target Reflectivity for Distributed ISACJ.arXiv preprint arXiv:2210.11840,2022.44 Zhuo,Y.,Zhu,H.,Xue,H.,&Chang,S.(2017,May).Perceiving accurate CSI phases with commodity WiFi devices.In IEEE INFOCOM 2017-IEEE Conference on Computer Communications(pp.1-9).IEEE.45 Tadayon,N.,Rahman,M.T.,Han,S.,Valaee,S.,&Yu,W.(2019).Decimeter ranging with channel state information.IEEE Transactions on Wireless Communications,18(7),3453-3468.46 Zhang,J.A.,Wu,K.,Huang,X.,Guo,Y.J.,Zhang,D.,&Heath Jr,R.W.(2022).Integration of Radar Sensing into Communications with Asynchronous Transceivers.arXiv preprint arXiv:2203.16043.47 Y.Zeng,D.Wu,J.Xiong,E.Yi,R.Gao,and D.Zhang,“Farsense:Pushing the range limit of wifi-based respiration sensing with csi ratio of two antennas,”Proceedings of the ACM on Interactive,Mobile,Wearable and Ubiquitous Technologies,vol.3,no.3,pp.126,2019.48 D.Zhang,D.Wu,K.Niu,X.Wang,F.Zhang,J.Yao,et al.,Practical issues and challenges in CSI-based integrated sensing and communication,arXiv:2204.03535,2022.49 Y.Zhang,W.Guo,Z.Gao and C.Zhang,Multiple Doppler estimation based ICI elimination scheme in OFDM over high-mobility channels with LoS path,Proc.2013 19th Asia-Pac.Conf.Commun.,pp.637-81-通感一体化系统架构与关键技术642,Aug.2013.50 Y.Liu,X.Liu,X.Mu,T.Hou,J.Xu,Marco Di Renzo,and N.Al-Dhahir,Reconfigurable intelligent surfaces:Principles and opportunities,IEEE Commun.Surveys Tuts.,vol.23,no.3,pp.1546-1577,3rd Quart.2021.51 A.Aubry,A.De Maio and M.Rosamilia,Reconfigurable intelligent surfaces for N-LOS radar surveillance,IEEE Trans.Veh.Technol.,vol.70,no.10,pp.10735-10749,Oct.2021.52 S.Park,H.S.Ahn and W.Yu,Round-Trip Time-based Wireless Positioning without Time Synchronization,the 2007 International Conference on Control Automation and Systems IEEE,pp.2323-2326,October 2007.53 Moose P H.A Technique for Orthogonal Frequency Division Multiplexing Frequency Offset Correction J.IEEE Transactions on Communications,1994,42(10):2908-291454 3GPP,“Base Station(BS)Radio Transmission and Reception,”3GPP TS 38.104,2021.55 E.Hamed,H.Rahul,M.A.Abdelghany,and D.Katabi,“Real-time distributed MIMO systems,”in Proc.ACM SIGCOMM,2016,pp.412-425.56 N.Xie,L.Zhang,and H.Wang,“Phase synchronization at target in MIMO radar,”in Proc.IEEE ICCC,2014,pp.37-41.57 M.Scharrenbroich and M.Zatman.,“Statistical MIMO radar experimental results,”in Proc.IEEE Radar Conference,2014,pp.617-622.58 3GPP TS 38.215:NR;Physical layer measurements.59 张光义，赵玉洁，相控阵雷达技术，电子工业出版社，2006.60 丁鹭飞，雷达原理，电子工业出版社，2020.61 Y.Liu,G.Liao,Z.Yang and J.Xu,Design of integrated radar and communication system based on MIMO-OFDM waveform,J.Syst.Eng.Electron.,vol.28,no.4,pp.669-680,2017.62 C.Pan,G.Zhou,K.Zhi,S.Hong,T.Wu,Y.Pan,H.Ren,M.Renzo,A.Swindlehurst,R.Zhang,and A.Zhang,“An Overview of Signal Processing Techniques for RIS/IRS-aided Wireless Systems,”arXiv:2112.05989v2,Dec.2021.63 J.He,H.Wymeersch,L.Kong,O.Silven,and M.Juntti,“Large intelligent surface for positioning in millimeter wave MIMO systems,”in 2020 IEEE 91st Vehicular Technology Conference(VTC2020-Spring),Jun.2020,pp.15.64 X.Shao,C.You,and R.Zhang,“Intelligent Reflecting Surface Aided Wireless Sensing:Applications and Design Issues,”arXiv:2302.05864v1,Feb.2023.65 S.Tewes,M.Heinrichs,R.Kronberger,and A.Sezgin,“IRS-enabled Breath Tracking with Colocated-82-通感一体化系统架构与关键技术Commodity WiFi Transceivers,”IEEE Internet of Things Journal,Dec.2022.66 S.Jiang,A.Hindy,and A.Alkhateeb,“Camera Aided Reconfigurable Intelligent Surfaces:Computer Vision Based Fast Beam Selection,”arXiv:2211.07563v1,Nov.2022.67 6G 服务、能力与使能技术白皮书，vivo 通信研究院，2022 年 7 月68 韩凯峰,刘铁志.基于反向散射通信的车辆精准定位技术.电信科学 36.7:107-117.69 Lazaro,Antonio,et al.Car2car communication using a modulated backscatter and automotive fmcw radar.Sensors 21.11(2021):3656.70 Schmid,Christian M.,Reinhard Feger,and Andreas Stelzer.Millimeter-wave phase-modulated backscatter transponder for FMCW radar applications.2011 IEEE MTT-S International Microwave Symposium.IEEE,2011.71 Lin,Yuancan,et al.DropMonitor:Millimeter-level Sensing for RFID-based Infusion Drip Rate Monitoring.Proceedings of the ACM on Interactive,Mobile,Wearable and Ubiquitous Technologies 5.2(2021):1-22.72 Wei,Teng,and Xinyu Zhang.Gyro in the air:tracking 3D orientation of batteryless internet-of-things.Proceedings of the 22nd Annual International Conference on Mobile Computing and Networking.2016.73 Wang,Ju,et al.TagScan:Simultaneous target imaging and material identification with commodity RFID devices.Proceedings of the 23rd Annual International Conference on Mobile Computing and Networking.2017.74 Daskalakis,Spyridon,et al.A printed millimeter-wave modulator and antenna array for low-complexity Gigabit-datarate backscatter communications.(2021).75 3GPP TR22.840.Study on Ambient power-enabled Internet of Things,Technical Specification Group Services and System AspectsS.2022.11.76 IEEE 802.11-22/1562r05.Draft Technical Report on support of AMP IoT devices in WLAN S.2022.12.77 Zhou J,Shi J.RFID localization algorithms and applicationsa reviewJ.Journal of intelligent manufacturing,2009,20:695-707.78 Li C,Mo L,Zhang D.Review on UHF RFID localization methodsJ.IEEE Journal of Radio Frequency Identification,2019,3(4):205-215.79 Scherhufl M,Pichler M,Stelzer A.UHF RFID localization based on evaluation of backscattered tag signalsJ.IEEE Transactions on Instrumentation and Measurement,2015,64(11):2889-2899.80 Yang L,Chen Y,Li X Y,et al.Tagoram:Real-time tracking of mobile RFID tags to high precision using COTS devicesC/Proceedings of the 20th annual international conference on Mobile computing and-83-通感一体化系统架构与关键技术networking.2014:237-248.81 Zhang X,Wang W,Xiao X,et al.Peer-to-peer localization for single-antenna devicesJ.Proceedings of the ACM on Interactive,Mobile,Wearable and Ubiquitous Technologies,2020,4(3):1-25.82 Kotaru M,Zhang P,Katti S.Localizing low-power backscatter tags using commodity WiFiC/Proceedings of the 13th International Conference on emerging Networking EXperiments and Technologies.2017:251-262.83 Mo L,Li C.Passive UHF-RFID localization based on the similarity measurement of virtual reference tagsJ.IEEE Transactions on Instrumentation and Measurement,2018,68(8):2926-2933.84 3GPP TR 38.859，Study on Expanded and Improved NR Positioning.85 IEEE Standard for Information technology.Telecommunications and information exchange between systems Local and metropolitan area networks.Specific requirements-Part 11:Wireless LAN Medium Access Control(MAC)and Physical Layer(PHY)Specifications,”in IEEE Std 802.11-2016(Revision of IEEE Std 802.11-2012),pp.1-3534,14 Dec.201686 IEEE standard for low-rate wireless networksamendment 1:Enhanced ultra wideband(uwb)physical layers(phys)and associated ranging techniques,”IEEE Std 802.15.4z-2020(Amendment to IEEE Std 802.15.4-2020),pp.1174,2020-84-通感一体化系统架构与关键技术-85-缩略语英文缩写英文全称The fifth generation mobile communication systems第五代移动通信系统增强移动宽带超高可靠和超低时延通信大规模机器类通信定位管理功能扩展现实射频识别即时定位与地图构建路侧单元超宽带国际电信联盟国际移动通信通信感知一体化Enhanced Mobile BroadbandUltra-Reliable Low-Latency CommunicationsMassive Machine Type CommunicationLocation Management FunctionExtended RealityRadio Frequency IdentificationSimultaneous Localization and MappingRoad Side UnitUltra Wide BandInternational Telecommunication UnionInternational Mobile Telecommunication Integrated sensing and communication中文文全称5GeMBBURLLCmMTCLMFXRRFIDSLAMRSUUWBITUIMTISAC通感一体化系统架构与关键技术Institute of Electrical and Electronics EngineersEuropean Telecommunications Standards Institute电气与电子工程师协会欧洲电信标准化协会信道状态信息服务质量正交频分复用正交时频空电信行业解决方案联盟线性调频单载波频域均衡滤波器组多载波调频连续波步进频率连续波逆辛有限傅里叶变换智能超表面Channel State InformationQuality of ServiceOrthogonal Frequency Division MultiplexingOrthogonal Time Frequency SpaceAlliance for Telecommunications Industry SolutionsLinear Frequency ModulationSingle Carrier Frequency Domain EqualizationFilter-bank multicarrierFrequency Modulated Continuous WaveStepped Frequency Continuous WaveformInverse Symplectic Finite Fourier TransformReconfigurable Intelligence SurfaceIEEEETSICSIQoSOFDMOTFSATISLFMSC-FDEFBMCFMCWSFCWISFFTRIS-86-通感一体化系统架构与关键技术辛有限傅里叶变换模糊函数克拉美罗下界定时偏移载波频率偏移往返时间公共相位误差同步信号块随机接入信道解调参考信号信噪比信道状态信息参考信号参考信号接收功率全球卫星导航系统Symplectic Finite Fourier TransformAmbiguity FunctionCramr-Rao lower boundTiming OffsetCarrier Frequency OffsetRound-Trip TimeCommon Phase ErrorSynchronization Signal BlockRandom Access ChannelDemodulation Reference SignalSignal-to-Noise RatioChannel State Information-Reference SignalReference Signal Received PowerGlobal Navigation Satellite SystemSFFTAFCRLBTOCFORTTCPESSBRACHDMRSSNRCSI-RSRSRPGNSS-87-通感一体化系统架构与关键技术参考信号接收质量参考信号强度指示逆快速傅里叶变换参考信号强度到达角到达时间差精细时间测量到达时间Reference Signal Received QualityReference Signal Strength IndicatorInverse Fast Fourier TransformationReceived Signal StrengthDirection Of ArrivalTime Difference Of ArrivalFine Time MeasurementTime Of ArrivalRSRQRSSIIFFTRSSDOATDOAFTMTOA-88-通感一体化系统架构与关键技术白皮书贡献人员公司贡献人员姜大洁，姚健，李健之，丁圣利，袁雁南，黄伟，杨坤，吴建明，秦飞刘家祥，汪博文，刘胜楠，谢瞻远，蒋峥刘光毅，金婧，楼梦婷，王亚娟，张小舟，马良，韩子祥，韩林丛杨艳，张忠皓，李福昌韩志强，王钟斌，夏树强乔晓瑜，梁华瑞张萌，李祺亦舒索士强，彭莹，龚秋莎，才宇，耿毅维沃移动通信有限公司中国电信中国移动中国联通中兴通讯股份有限公司苹果紫光展锐（上海）科技有限公司中信科移动通信技术股份有限公司-89-通感一体化系统架构与关键技术

23人已浏览 2023-03-27 92页 5星级

ICDT 融合的 6G 网络 3.0WHITE PAPER V9.02023.03摘 要信息技术的发展，是一个新技术不断涌现和融合的过程。5G 时代已经完成了信息通信技术（ICT）的融合，在向 6G 演进的趋势中，ICT 进一步与大数据和人工智能技术融合，呈现 ICDT（Information，Communication，big Data Technology）融合特征。ICDT 融合的 6G 是一个端到端的信息处理与服务系统，是强连接、强算力、强智能、强安全“四强”融合的移动信息网络。大量新技术与新功能成为 6G 设计候选方案，方案性能在理论、仿真和原型等不同层面得到验证。本白皮书尝试从系统视角对 6G 潜在技术与方案进行分类与集成分析，给出技术体系建议。根据功能特性和定位，6G 技术大致分为无线通信、无线网络、功能架构和系统组网四大方向。其中，无线通信目标提升点对点传输性能，无线网络目标实现多频段多制式、覆盖增强扩展和网络感知能力，功能与架构通过平台化、结构化、服务化和内生化设计，实现网络至简和信息流的全过程服务。系统组网目标是实现自生长、自优化、自演进网络运营能力，提升能源和资源效率。在无线通信与组网方面，通信感知一体化、智能超表面和智能化干扰协调成为热点，也是 5G 增强重点方向。当前，这些技术都已经完成技术方案与原型方案设计，正在开展外场测试工作。在网络架构与功能方面，柔性至简网络、智能内生网络、服务化无线网络、移动算力网络、数字孪生网络、智能网络管理、语义通信成为研究重点。基于熵减网络理论和云化池化基础资源，以服务化和软件定义功能方式设计，可很好的实现通信、算力、智能、业务等多要素融合。面向未来，ICDT 融合 6G 将进一步向新感知、新终端、新算力、新安全、新低碳、新材料、新仿生、新组网、新设施、新范式跨界融合延伸，为 6G 带来更多创新路径。其中量子计算以其并行计算优越性将对 6G 网络带来颠覆性机遇。为了 6G 更好的发展，本文倡议在单点技术创新同时，加强系统设计研究和验证；在关注极致性能同时，要以柔性至简、绿色安全为前提；在积极推进 6G 同时，注重与 5G 协同。Executive SummaryThe development of information technology is a process of continuous emergence and integration of new technologies.The 5G era has completed the integration of information and communication technology(ICT).In the trend of evolution to 6G,ICT is further integrated with big Data,artificial intelligence technology,presenting the characteristics of ICDT(Information,Communication，big Data Technology)integration.ICDT integrated 6G is an end-to-end information processing and service system.It is a mobile information network with strong connectivity,strong computing power,strong intelligence,and strong security.A large number of new technologies and new functions have become candidates for 6G design,and the performance of the scheme has been verified at different levels such as theory,simulation and prototype.This white paper attempts to classify and integrate 6G potential technologies and solutions from a system perspective,and gives technical system suggestions.According to functional characteristics,6G technology can be roughly divided into four directions:wireless communication,wireless network,functional architecture and system operation.Among them,wireless communication aims to improve the point-to-point transmission performance,wireless network aims to achieve the capabilities of multi-band networking,enhanced coverage,network sensing,lean network and the full life-cycle information process through platform-based,structured,service-oriented and biochemical design.The goal of system networking is to achieve self-growth,self-optimization and self-evolution of network operation capabilities,and improve energy and resource efficiency.In terms of wireless communication and networking,the integrated sensing and communication,reconfigurable intelligent surface and intelligent interference coordination have attracted much attention,and are also the key directions of 5G enhancement.At present,these technologies have completed the design of technical solutions and prototype solutions,and are undergoing field testing.In terms of network architecture and functions,lean network,intelligent native network,service-based wireless network,mobile computing network,digital twin network,intelligent network management,and semantic communication have become the research focus.Based on entropy reduction network theory and cloud pooling of basic resources,the integration of communication,computing,AI,service and other elements can be realized in a service-based and software-defined way.ICDT integrated 6G will further extend to the cross-border integration of new sensing,new terminals,new computing,new security,new low-carbon,new materials,new bionics,new networking,new facilities and new paradigms,bringing more innovative paths to 6G.Among them,quantum computing with its advantages of parallel computing will bring subversive opportunities to 6G networks.For the better development of 6G,this paper proposes to strengthen the research and verification of system design,as well as the individual technological innovation.We should not only pay attention to the ultimate performance,but also take flexibility,simplicity,green and security as the premise.While actively promoting 6G,we should pay attention to cooperation with 5G.摘 要Executive Summary 1 22.1 2.22.32.42.533.13.1.13.1.23.23.2.13.2.23.2.33.33.3.13.3.244.14.1.14.1.24.1.34.24.2.14.2.24.2.34.34.3.14.3.2 引言 ICDT 融合的 6G 技术体系总体技术体系视图 无线通信技术簇无线网络技术簇功能与架构技术簇系统组网技术簇ICDT 融合的无线通信与组网通信感知一体化技术基本概念关键技术协作反射节点（智能超表面）基本概念关键技术技术挑战智能化自主干扰协调技术概述技术建议ICDT 融合的架构与功能柔性至简网络基本概念技术挑战技术建议智能内生网络基本概念关键技术技术挑战服务化无线网基本概念关键技术01 02 060606070707080908080809091010111111121212131313131414141415目录技术挑战无线算力网络 基本概念架构设计关键技术数字孪生网络基本概念架构设计技术挑战语义通信基本概念关键技术技术挑战ICDT 融合的技术趋势跨界融合技术趋势量子计算及应用结束语4.3.3 4.4 4.4.14.4.24.4.34.54.5.14.5.24.5.34.64.6.14.6.24.6.355.15.25.5.1 致 谢 15 1515 16 17 17 17 17 18191920202121212223-06-1.引言信息技术发展日新月异。融合信息技术、通信技术、人工智能与大数据技术、系统控制技术和数字孪生技术的6G 技术持续发展。2020 年 11 月全球 6G 大会上，ICDT 融合的 6G 网络白皮书 1.0 正式发布，指出 6G 将是一个端到端的信息处理与服务系统，其核心功能将从信息传递扩展到信息采集、信息计算与信息应用，提供更强的通信、计算、感知、智能和安全等多维内生能力。2022 年 3 月全球 6G 大会上，ICDT 融合的 6G 网络白皮书 2.0 发布，在 1.0 版本基础上，聚焦感知、通信、计算融合的网络能力、架构、空口、终端和产业，提出了 6G 新方案。近一年来，6G 内涵和定位在不断延伸，呈现 ICDT（Data，Operation，Information，Communication Technology）融合趋势，强连接、强算力、强智能、强安全“四强”能力特征更加显著。目前，6G 技术发展正从多点技术向重点技术聚焦，系统方案设计和原型验证工作成为重点，IMT-2030 工作组启动了关键技术原型样机室内室外测试工作。同时，产业已经开始在 3GPP 5G-A 中对部分准 6G 技术开展标准化工作。中国移动和华为牵头发起 6GANA（全球的网络智能交流平台），倡导全球 6G 统一标准，已涵盖产学研超 31 家单位，已经在智能网络架构层面提出多项解决方案。基于 6G 的最新进展，本次 FuTURE 论坛 6G 工作组牵头完成了ICDT 融合的 6G 网络白皮书 3.0 版本，重点介绍 ICDT 融合的 6G 技术体系，ICDT 融合的无线通信与组网，ICDT 融合的架构与功能，简要探讨 ICDT 融合的技术趋势，给出 6G 发展倡议。2.ICDT 融合的 6G 技术体系2.1 总体技术体系视图面向 6G 总体技术愿景，从 6G 系统设计角度看，6G 新技术根据功能特性和定位可分类为无线通信、无线网络、功能与架构和系统组网四大方向。其中，无线通信定位在点对点通信，目标是提升频谱效率、峰值速率和接入用户数。无线网络定位在多点对多点组网，目标是支持多频段多制式、拓展微域和盲区覆盖能力和网络感知能力。功能与架构定位在信息通信网络架构理论体系，通过平台化、结构化、服务化、内生设计等技术手段，实现网络至简和结构熵减，以及与 5G 的平滑代际演进和前后双向兼容。面向全场景，融合全要素，实现全领域资源和能力贯通，实现信息流的全过程服务。系统组网定位在贯通物理和数字空间，在系统层面实现自生长、自优化、自演进。向集中 分布协同转变，按需扩展，即插即用，实现柔性网络组织。端到端系统节能，提升能源和资源利用率。网业融合，实现能力内化与开放共生。ICDT 融合的 6G 网络 3.0-07-图 1 6G 技术体系2.2 无线通信技术簇无线通信重点解决新频谱、新天线技术的系统化集成问题，重点技术包括大规模智能无线传输和超高频段通信两个技术簇。前者以超大规模 MIMO、虚拟 MIMO、新型多址接入、协作无源节点（如智能超表面）和空口 AI为技术组件，构建智能化多天线空口方案。后者以可见光通信和太赫兹通信为主，提供超高速率传输方案，峰值速率目标至少 100Gbps。2.3 无线网络技术簇无线网络技术重点解决多技术、多频段、多功能无线组网和覆盖问题。重点包括多维异构融合组网和网络协作通信感知技术两个技术簇。前者包括中低频段、毫米波、太赫兹和可见光等多频段融合组网、地面与卫星融合组网、5G/6G 短距离通信等多制式融合组网、蜂窝网和无蜂窝融合组网，以及微域通信（微覆盖）等技术。后者包括多维干扰协调管理、分布式 MIMO 和网络协作感知等技术。2.4 功能与架构技术簇6G 功能与架构重点解决 6G 总体架构与内生功能设计问题，重点包括平台化服务化网络和全要素融合网络两个技术簇。前者包括熵减网络理论、全服务化网络（服务化核心网和接入网），柔性至简网络等技术，后者包括内生 AI 网络、内生安全网络、移动算力网络、6G 空天地一体化网络等。多种功能融合设计，形成功能耦合，带来系统架构设计难度。基于云化池化基础资源，以服务化和软件定义功能方式设计，是一种可行思路。ICDT 融合的 6G 网络 3.02.5 系统组网技术簇系统组网重点解决端到端网络运营问题，包括网络管理、业务管理、运维和能力开放等，重点技术包括全域自治网络和高能效运维两个技术簇。前者包括网络智能化、数字孪生网络和分布式自治网络等技术组件，后者包括信息能源融合技术、网业融合（如语义通信）、网管与编排、能力开放等技术。3.ICDT 融合的无线通信与组网3.1 通信感知一体化技术3.1.1 基本概念未来，6G 网络将具有无时无刻、无处不在感知物理世界的基础能力，旨在通过频谱资源共享、一体化空口与硬件架构等设计实现通信感知一体化，支撑网络具备通信与感知能力，提升频谱和硬件资源利用率。其中，网络协作通感利用网络中规模部署的分布式节点，通过多点协作与信息交互，促进通与感深度融合。3.1.2 关键技术1）空口融合技术一体化波形设计：新型通信感知一体化波形联合设计需同时考虑通信和感知性能的折中，还要尽可能降低与硬件适配的复杂度。帧结构设计：依据业务优先级与业务量需求，灵活配置符号类型，同时满足感知辅助通信与通信辅助感知业务场景的需求。参考信号设计：单节点感知可复用数据信号，网络协作感知则需设计 PAPR 较低的参考信号，并进一步设计灵活的信号映射方式，以满足多样的感知需求。波束赋形与波束管理：波束赋形可实现对准目标定向传输与精准感知，但感知的波束扫描过程开销较大，因此，合理的波束管理方式可优化一体化系统性能。-08-ICDT 融合的 6G 网络 3.02）网络融合技术多频点协同：综合考虑低中高多频段的衰落特性、通信能力、感知能力等，构建各频段互补与增强的全频谱融合通感网络，实现广覆盖探测与微观精准感知。节点间同步：协作通感网络中，收发节点异步引入的误差不可忽略，需要从系统性能、复杂度等角度出发，设计降低或避免同步误差的系统方案。组网干扰协调：网络协作通感打乱了传统的同频部署，额外引入交叉链路干扰等，可从组网资源配置及协调调度的角度，优化各协作节点的时隙配置方式。信号联合处理：多节点信息联合处理可获得联合处理增益，考虑频段、带宽和发送功率对感知精度和范围影响的同时，还要兼顾系统通信业务量的要求。3）硬件架构设计对于单节点感知，发射机可通过空口联合设计实现硬件一体化，但同时收发模式会引入自干扰，且需要依赖于全双工能力实现。然而，全双工器目前仍处于研究阶段，未来需要综合考虑全双工技术的成熟度进行硬件架构设计。3.2 协作反射节点（智能超表面）3.2.1 基本概念智能超表面（Reconfigurable Intelligent Surface，RIS）是由成百上千个器件单元组成可调器件阵列，通过数字可编程的控制模块动态或半静态地控制每个器件单元的工作状态，以实现对无线信号的不同响应模式，从而实现对电磁波传播环境的重塑。智能超表面具有低功耗、低成本、低热噪、全双工等优势，部署在无线传输环境中的物体表面，将传统不可控的无线信道重构为智能可编程无线环境，引入未来无线通信的新范式。智能超表面可以作为反射节点应用于移动通信网络中，并且需要基站根据信道状态、通信目标、调度请求等因素与其进行协作交互，进而实现覆盖增强和容量提升等网络性能的提升。因此，又将上述应用场景中的智能超表面成为协作反射节点。-09-ICDT 融合的 6G 网络 3.03.2.2 关键技术在系统方案方面，存在协作反射节点的通信系统架构包括一个新节点和两个新链路。对于该新节点，即协作反射节点，需要定义网元能力、波束赋形方法等。网元能力包括对电磁波的调控类型（反射或透射），调控所需要的时间，阵列排布等。波束赋形具体实现会影响控制和传输方案的设计，以及码本的设计，例如，基于信道信息的波束赋形需要重新设计 CSI 的获取方法，基于波束扫描的方法需要对 RIS 引入的大量额外波束进行指示索引等。对于两个新链路，一是基站到 RIS 的控制链路，该接口协议需要进一步设计，而无线的控制接口有利于实现 RIS 的灵活部署；二是基站和终端经过 RIS 的数据和信令传输链路，该链路又分成入射链路和反射链路，需要进一步考虑 RIS 的引入对现有空口协议的影响，重新设计传输方案，例如随机接入过程、波束管理过程、信道状态信息获取过程等。在信道模型方面，RIS 单元结构数量大，且需要额外考虑近场传播模型，但近场模型更为复杂多变，建模和测量难度都更大。目前仅有部分研究机构对 RIS 信道模型展开了初步研究，需要进一步在实际传输环境下的建模与测量结果。在组网部署方面，当前 RIS 尚不具备针对特定频点的滤波能力，因此需要评估和研究同频和邻频干扰问题，以及运营商间的干扰协调和组网部署问题。需要研究在无线同构网络内或在无线异构网络内 RIS 网络拓扑结构及部署方案。需要研究网络环境中同小区/异小区中多个 RIS 之间的协作问题。在硬件特性与结构设计方面，通过电磁仿真研究，目前发现单极化 RIS 仅对一种极化方向的来波进行响应，对其他极化方向的来波进行镜面反射。基于该问题，可以研究双极化 RIS 的结构设计。3.2.3 技术挑战目前智能反射面在硬件实现和工程部署、理论和方案设计、控制方案和网络架构三方面还面临着严峻的挑战。1）硬件实现和工程部署。RIS 的硬件实现和工程部署受规模、价格、部署难度等因素制约。在硬件实现方面，RIS 材料和器件成熟度不高但成本较高；可调器件性能难以满足调控需求、结构设计待优化；受可调器件调控速率的限制，目前的高频段 RIS 中继还未实现动态调控；RIS 工作带宽受限，能量转换效率低，难以支持远近距离覆盖和大带宽传输。在工程部署方面，由于 RIS 面板尺寸较大，部署需与物业、业主沟通，存在风阻大的问题；馈电需求会限制 RIS 的部署，并且馈电需求可能存在弱电干扰。2）理论和方案设计。目前仍缺乏可靠完善的传输理论基础、信道模型和系统模型，无法为 RIS 系统传输方案设计提供有力的理论支撑。现有空口传输相关方案复杂度高、开销大、可行性受限。因此，首先需要一套-10-ICDT 融合的 6G 网络 3.0完善可信的、综合考虑非理想因素的系统实际性能评估体系；然后，考虑性能和复杂度折中，设计可实现的信道估计和联合波束赋形等基本空口传输方案。除此之外，RIS 能否支持子带调度方案，高低频阵子相位调节速度是否足够快都有待进一步的研究。3）控制方案和网络架构。RIS 的控制方式对网络架构设计、功耗和部署方式会产生重要影响，需要考虑功耗和网络复杂度的折中，真正实现无源/半无源和动态控制。在组网方面，在多带宽、多制式的通信模式下，RIS 是否可以获得性能增益，以及如何设计传输方案等方面还有待进一步的评估和研究。3.3 智能化自主干扰协调3.3.1 技术概述干扰管理技术始终是保证无线通信质量的关键技术，如面向 4G 的 ICIC、eICIC 技术，网络编码、干扰迁移、多点协同传输等干扰管理技术，面向 5G 的干扰对齐、干扰消除、干扰随机化等智能抗干扰技术。网络干扰优化方法从传统的数学建模优化等模型驱动优化发展到当前的基于强化学习等 AI 算法的数据驱动优化。面向未来 6G 超大规模用户接入、超高致密异构网络的网络架构和超高带宽、超低时延、超高可靠性的新型业务需求，结合 6G 网络 AI 内生、通信感知一体化的演进特性，亟需研究基于 AI 的新型网络干扰管理技术和相应的问题优化方法，建立数据与模型双驱动的干扰智能管理决策和优化，对实现 6G 复杂网络的进一步干扰抑制和满足 6G 网络的新型 QoS 要求具有重要意义。3.3.2 技术建议1）智能匹配自适应统一干扰管理理论研究。当前对网络干扰管理的研究多是针对不同网络结构和不同通信技术下的单一干扰管理优化，虽然通过分析不同场景下多种维度的干扰特征，提出了多种模型或数据驱动的干扰管理方法，但在针对网络场景日趋复杂和多样化的干扰管理方法智能自适应最优选择方面的研究还很缺乏。因此面向 6G 新型大规模异构接入网络特征，可通过基于随机几何理论进行网络场景的高精建模，基于网络协同感知技术进行网络多维参数以及干扰环境的感知，基于数据融合和特征提取算法获得干扰在空间上的分布以及干扰的结构特征，进而将这些信息映射成为干扰的状态特征；研究智能匹配统一干扰管理决策模块，该模块包括干扰管理机制资源库和干扰管理动作策略。干扰管理机制资源库中包括了可采用的干扰管理方式，根据干扰的状态特征，基于可采用的干扰管理方式，通过智能算法，产生一个融合的干扰管理动作策略，并且对采用该动作策略后网络的性能进行预测。干扰决策模块根据当前网络性能和预测网络性能之间的差异以及网络和干扰的状态，通过自学习的算法，调整干扰管理策略，从而实现智能匹配网络干扰状态特征的自适应统一干扰管理。-11-ICDT 融合的 6G 网络 3.02）面向 AI 融合大规模用户协同接入网络架构的群智干扰优化。当前基于数据和模型优势互补双驱动的干扰管理方法方面也存在不足。因此，为突破传统模型或数据单一驱动的干扰管理方法，综合利用线上无线干扰环境的数据库和线下原型系统实际采集的无线干扰数据库，面向 6G 满足大规模用户接入的高异构网络特征，基于知识图谱技术建立网络多维参数和网络干扰水平的相互关联和制约关系模型，建立如信号空间、时频资源、网络节点的空间分布等多维网络资源与网络干扰状态特征之间的相互关联和制约机理，挖掘复杂网络下的多维度干扰特征，提出结合模型的多智能体学习算法，以实现面向 AI 融合大规模用户协同接入网络架构的群智干扰优化。3）基于干扰洼地/空洞感知的自主式干扰避免传输。通过对基站和 UE 的相关空口参数的采集，构建时频空域的大尺度三维空间干扰分布特征以及基于虚拟栅格的无线指纹地图。利用建立的无线指纹地图表征无线干扰环境，智能感知 UE 的干扰情况。干扰检测可首先通过获取基站服务状态数据，针对基站、用户中协议栈各层参数，如频率占用情况、负荷开销、流量负载、邻区发送功率、射频指纹等，构建基于虚拟栅格的无线指纹地图；根据无线指纹地图，构建 AI 模型和统计干扰参数，实现用户秒级别的近实时干扰检测；然后根据虚拟栅格进行干扰源定位；最后，利用干扰检测和干扰源定位的结果，优化基站配置，实现基于干扰洼地/空洞感知的干扰避免传输。4.ICDT 融合的架构与功能4.1 柔性至简网络4.1.1 基本概念柔性指网络提供灵活按需的功能和服务，满足定制化的行业需求，至简指设计统一的网络架构和协议框架，破解网络中的约束关系。柔性和至简相结合，构建网络与业务深度融合的 6G 网络。柔性至简网络的设计包含面向用户、面向业务和面向运维多个维度。面向用户的柔性至简。在 6G 网络中，多层不规则覆盖范围的站点异构密集混合组网方式取代了传统的单层单基站类型的组网方式，这使得接入点密集、类型繁多，接入方式灵活，去蜂窝化趋势明显，传统蜂窝架构以网络为中心的管理控制方式不再适用，面向用户的至简成为了重要的研究方向。面向业务的柔性至简。未来 6G 时代将对网络的业务质量保障提出了更多的极致要求，如何做到按需服务提升业务的适应性，使空口能力和业务需求相结合的 QoS 保障是无线侧 QoS 保障的核心问题。-12-ICDT 融合的 6G 网络 3.0面向运维的柔性至简。由于泛在的连接、海量的信息处理、多种的接入技术和复杂的网络拓扑导致网络运维难度越来越大，运维人员需要面对的参数越来越多，会严重影响运维的复杂度。如何将复杂的运维问题简化、提高运维效率是柔性至简网络面临的重要问题。4.1.2 技术挑战柔性至简网络需要考虑的核心问题是“柔”和“简”的平衡。随着业务需求的日益增加，网络的设计也必要需要越来越灵活，但是灵活性和网络的复杂度是两个相互影响的指标，过高的灵活性通常是以提升的网络的复杂度为代价。如何构建一套统一的技术体系在不过多提升网络内部复杂度的情况下，提升网络的弹性是该方向面临的主要挑战。4.1.3 技术建议面向用户的柔性至简网络：用户侧体验要更简洁灵活。在网络设计时要简化网元关系、统一架构设计，通过多级控制减少信令路径长度和条数，通过 MAC 增强设计实现多空口统一调度。面向业务的柔性至简网络：6G 网络需要解决现有“三大场景”的设计思想与更多样、更多维的业务需求之间的矛盾。将业务特征内化到无线 QoS 体系，按需服务提升业务的适应性，根据网络状态调整网络能力，敏捷适配新需求新场景，提升资源利用率。面向运维的柔性至简网络：6G 网络需遵循网络能力和需求相一致原则，采用即插即用的方式保证网络的按需灵活扩展，面向 5G 到 6G 的平滑兼容，实现网络以建促用、边建边用、以需促建。4.2 智能内生网络4.2.1 基本概念6G 网络内生 AI 是在 6G 网络架构内部提供数据采集、数据预处理、模型训练、模型推理、模型评估等 AI 工作流全生命周期的完整运行环境，将 AI 服务所需的算力、数据、算法、连接与网络功能、协议和流程进行深度融合设计，支持将 AI 能力按需编排到无线、传输、承载、核心等，能够通过对用户以及网元需求的感知进行自我设计、自我实施、自我优化、自我演进，为高水平网络自治和多样化业务需求提供智能化所需的基础能力。另一方面，6G 智能内生网络能够在各个环节嵌入安全能力，实现自主检测威胁、自主防御。同时，网络智能化还能提供智能化的服务能力。总之，6G 智能内生网络的设计理念即是网络原生支持智能服务，让智能体现在部署、运行、维护等诸多方面，成为网络内生的特征。-13-ICDT 融合的 6G 网络 3.04.2.2 关键技术6G网络将支持智能内生，要求移动通信网络不仅是传输管道，更要成为一个连接与计算能力兼具的智能平台，这依赖于通信、算力、数据和存储一体化协作和多维资源联合调配，将智能服务所需的多维资源与网络功能、协议和流程进行深度融合设计。考虑云计算节点与分布式网元节点间多维异构资源的集中分布式混合特征以及智能服务对性能的差异化需求，研究异构网元节点间资源高效灵活协作模式，以保障智能服务的质量。与此同时，现网部署时使用的时延、吞吐量、信噪比等传统 QoS 指标难以精确表征 6G 网络中智能服务的质量，需要综合考虑智能服务对通信、计算、数据和存储资源不同需求研究面向QoAIS的建模表征与性能评估方案。6G 网络将新增数据面、智能面、计算面，并产生维度大幅扩展的控制面和用户面。其中，智能面提供内生 AI 全生命周期所需的完整运行环境，调用数据面、计算面提供的服务，为其他层和面提供智能服务。智能面架构具有如下技术特征：一是 AI 用例的自生成和导入；二是 QoAIS 的生成，一个 AI 服务对应一套QoAIS；三是 AI 工作流全生命周期承载于网络内部；四是管理面、控制面和用户面协作保障 QoAIS 的持续达成；五是 AI 集中式与分布式架构相结合，兼顾到各种智能应用场景的性能需求。4.2.3 技术挑战未来 6G 网络中，多维资源广泛分布在空天地环境中大量的异构网元节点中，如何针对多维资源不均匀分布研究编排管理方案是一个挑战。此外，不同行业和场景中的智能服务对 6G 网络的需求千差万别，部分QoAIS 指标尚无成熟的量化评估方式，提出能够精确描述个性化智能服务的差异化需求的指标，指导智能内生网络部署是一个挑战。将管理面计算与通信的融合机制与控制面计算与通信的融合机制有效的结合起来是一个巨大的挑战。同时，仅依靠管理面对工作流所需资源进行编排可能难以保障 AI 服务的 QoAIS 持续达成。因此需要考虑是否需要控制面的参与，以及管理与控制如何协同和区分的问题。4.3 服务化无线网4.3.1 基本概念目前 5G 已经实现了核心网控制面的服务化改造，随着服务化 RAN 和服务化 CN 研究的推进，未来 6G 系统将实现端到端全服务化架构，以提升网络对于全场景的适应能力。基于云原生技术的 6G 服务化 RAN，旨在将传统集成式的单体基站解耦为控制面与用户面服务，通过服务化接口实现功能服务之间的交互与能力开放，以按需组合的方式提供更灵活的服务能力。此外还可以将接入网能力逐层级封装和开放，为客户提供不同形式与能力等级的集成服务。-14-ICDT 融合的 6G 网络 3.04.3.2 关键技术为更好的形成符合云原生原则的端到端服务化网络，服务化 RAN 的研究包括 RAN 控制面与用户面基本功能的服务化设计，以及对于多维能力的引入，例如 AI、感知、计算等，并且随着网络服务化改造的深入还可能扩展到终端服务化。具体地，RAN 控制面的关键研究内容例如接口服务化方案，将 N2 接口进行服务化改造，以实现接入网与核心网服务之间的直接调用，减少冗余信令；RAN 与 CN 的服务融合，设计轻量化的服务调用流程，进一步实现端到端的信令流程设计；以及多维能力的服务化，通过 RAN 与第三方服务之间的服务化接口定义，实现网络对多维能力的快速引入与部署。对于 RAN 用户面，传统的 RAN 用户面遵从 OSI 分层协议设计理念，无法实现灵活的跨层信令交互及跨层功能组合。RAN 用户面的服务化突破传统分层协议设计理念，使得功能模块之间可以灵活调用，其调用关系不再受限于上下层协议关系。将 RAN 的用户面功能合理地拆分重构为多个 RAN 用户面服务，并按需灵活组合。具体地，RAN 用户面服务化研究包括：用户面服务的拆分重构、服务化接口设计开发以及用户面数据的处理顺序等。4.3.3 技术挑战传统 RAN 的固有局限性，以及新技术引入带来的新问题，给服务化 RAN 的研究带来了挑战。一是服务的拆分定义，不合理的服务拆分很可能会构建出一个分布式单体应用，把单体架构和微服务架构两者的弊端集于一身；二是服务化带来的网络能效问题，服务化 RAN 的实现大部分将基于通用芯片，其优势是成本低，灵活性高，但与此同时也会带来处理效率低，功耗高的问题；三是测试运维，开放的接口会带来更加复杂的处理机制，部分接口还需定义全新规范的信令流程，增加了整体的设备复杂度和系统集成的难度。此外，成本优势短期不显著、目前的标准化方式与服务化 RAN 的快速开发部署需求不适配以及服务化 RAN 带来的相应的网络安全问题也需要进一步的研究与考量。4.4 无线算力网络4.4.1 基本概念目前移动通信网络架构都以满足无线通信系统的基本功能、网络实时性和稳定性要求为设计目标，通用计算资源非常有限，尤其在高业务负荷场景下，通信处理计算量较大时，难以为无线侧部署的数据分析和 AI 计算等智能化功能提供稳定、持续的计算和存储资源。未来面向智能服务的演进，同时云化 5G 网络和分布式计算等技术的日益成熟，网络将连接云、边、端，边缘算力将成为支撑智能服务的重要环节。未来无线网络-15-ICDT 融合的 6G 网络 3.0融合边缘算力构成边缘智能服务的基础，基于内生 AI 能力，统一协同调度网络、存储、算力等多维资源，实现连接和算力在网络边缘的融合供给，构建“连接 计算 智能”的无线算网一体架构和技术体系，打造无线算网服务能力。4.4.2 架构设计无线算网架构具体包括四层，异构资源层、网络功能层、智能决策层和服务应用层。其中异构资源层是网络连接、频谱、算力和存储等多维在网资源的基础设施提供者。网络连接资源包括为网络各角落提供无处不在网络连接的路由、传输和交换资源；频谱资源主要包括负责无线接入的无线频谱资源；计算资源包括CPU、GPU、NPU 等以计算能力为主的处理器，以及通过操作系统逻辑化的各种具备数据处理能力的设备；存储资源包括各类独立存储或分布式存储设备。异构资源层依托于虚拟化、云化技术发展，向上层提供抽象的资源视图和调用接口，实现资源的融合和共享。网络功能层在 3GPP 对无线接入网定义的基础上进行了功能延伸，包括原有的控制面和用户面，增加了感知面、数据面、智能面和系统整体的安全功能。网络功能层可以将一种或者多种网络功能组合在一起形成特定的网络功能，以满足不同应用和服务的需求。智能决策层主要包括智能连接、智能配置、智能编排和智能管理，通过对多维在网资源的实时监控、融合调度、联合编排、以及对各种任务实力的全生命周期的实时管理和控制，智能连接和智能配置通过对于需求服务的映射，利用合理的任务编排，实现服务和业务功能需求的最优匹配。服务应用层包括连接服务、算力服务、功能定制和能力开放，服务应用层通过对系统能力的抽象、图 2 移动算网架构-16-ICDT 融合的 6G 网络 3.0封装和组合，以统一的服务化接口向终端客户和其他用户提供各类业务的服务接入，也能针对特定客户提供定制化的业务服务，同时将各类业务需求下发给智能管理层或对应的业务功能。随着分布式云的快速发展，资源和数据处理将加速由云端向边侧、端侧扩散，网络正在经历从最开始单纯提供“端到端”的通信服务，到“云到端”的内容服务，再到“端-边-云”协同的智能服务的转变。4.4.3 关键技术未来 6G 通信资源与计算的深度融合包括以下两个方面的关键技术研究。一是新的计算面、智能面的引入，为无线网络架构带来重构的必要性，需要明确相应的接口、适用流程，以发挥无线算力网络在性能、智能化服务等方面的优势。同时为了支撑无线算力网络的实现，协议栈可能会简化，为任务型业务提供高性能的解决方案，如用户与位于计算面的 POD 或容器直接建立连接，不再通过传统的基站与核心网的数据连接方式。还包括 AI算法的设计与部署，无线算力网络需要 AI 辅助兼顾通信、计算及存储资源的开销与性能。二是在网管层面，网络和算力需统一编排，包括异构算力的支持、算力与业务的泛在调度，以及网络智能化管理运维，包括针对不同应用场景进行智能化的推理、优化、验证，从部署、运维到故障分析与决策实现网络的自动化。4.5 数字孪生网络4.5.1 基本概念数字孪生网络即通过对网络本身进行数字孪生构建孪生的数字化网络，为实现 6G 网络高水平自治提供了新的技术思路和解决方案。数字孪生网络是一个由物理网络实体及其孪生的数字化网络构成的，且物理网络与孪生的数字化网络间能进行实时交互映射的网络系统。它通过构建物理网络的数字化镜像，精细化复制网络和设备的全流程，可以为网络运维优化操作和策略调整提供接近真实网络的数字化验证环境，实现低试错成本与风险的预验证，同时其自主构建和扩展的能力可以实现新业务的需求探索与效果验证。从而可以帮助6G 无线网络自优化、自演进和自生长。4.5.2 架构设计6G 数字孪生网将呈现集中式与分布式相结合、分层跨域的架构。局部网元的数字孪生体及其功能可支持局部或单一网元的自治需求，有利于数字孪生体按需就近生成，降低数据采集与传输压力，保护设备数据隐私。无线网络的数字孪生平台则存储了无线网络级数字孪生体及其功能，可支持广域或网络级自治需求，可支撑全局业务优化。-17-ICDT 融合的 6G 网络 3.0在此基础上，面向 6G 无线网络自治需求，数字孪生网络中的资源对象具有“三体”和“五态”，并通过“双闭环”实现持续的优化，组成了“三层三域双闭环”的整体架构。为了满足 6G 无线网络自治的需求，网络需要内闭环和外闭环结合来实现“三体”之间的联动。对象的物理实体和数字孪生体是数字孪生技术中普遍提到的概念，而数字规划体则是基于网络自治特点提出的新概念。数字规划体代表了在网络自治场景下数字域的决策内容和结果，是数字孪生体与物理对象保持同步的目的，体现了数字孪生网络的决策智能水平，是构成网络自治闭环中的重要环节。当前，各行业数字孪生系统的构建主要关注在上行方向上，物理对象与其数字孪生体之间同步的实时性和精准度，而在下行方向上，数字规划体实施至物理对象的时延、准确度和性能抖动也直接影响网络自治效果。“三体”之间的关系为数字孪生体是物理实体状态的映射，网络根据数字孪生体及相关数据，生成数字规划体，按照数字规划体对物理实体进行优化调整。不同于当前网络中相互割裂的规、建、维、优各阶段，6G 网络设备从供货到退服的所有状态均在数字孪生网络的管理中。为了区分设备在生命周期不同阶段与孪生的数字化网络的不同关系和技术需求，同时为了兼容不支持数字孪生的现有网络设备，提出了五种状态的设计方案：起始态、规划态、服务态、孪生态和节能态。网络在架构方面需具备完整的自治闭环，以及平台级、分布式算力，以实现分层分域的多级闭环自治。标准化和行业组织中提到的自治闭环一般包括观察、分析、决策和执行四个环节。在数字孪生网络中，数字孪生体通过同步物理网络状态实现了“观察”，数字规划体对应了“决策”结果，物理实体是“执行”的对象。对于“分析”环节，由于数字孪生网络具备高拟真度的数字化网络环境，能够验证决策效果，为在数字域进行决策的闭环优化提供了可能，使得“分析”环节本身成为了一个闭环过程。4.5.3 技术挑战作为基于规模庞大的通信网络构建的复杂系统，数字孪生网络在数据、模型和架构方面存在多项需要攻克的技术难题。在数据方面，数据隐私保护，异厂商数据的兼容性、以及如何针对不同网络自治场景设计数字孪生体和规划体模型并保证数据质量是需要思考的问题；在模型方面，不同类型的模型如何互通互联，如何利用多种模型对数字孪生体精准度进行校正，仍需进一步研究；在架构方面，如何实现按需定制、动态生成的数字孪生体和规划体，如何根据局部/网元的数字孪生体构建全局/网络的数字孪生体，以及如何实现预验证意图的自解析和流程的自编排，以满足不同网络自治场景的性能需求（如实时性、精准度等）需要业界一同探索。如何构建全网通用的智能数字孪生体，形成泛化能力高，迁移能力强的孪生网络。尽管网络的数字孪生体在部分现网中已经得到应用，然而这类孪生体往往是依据大量专家知识和特定领域背景构建的，通用性较差，-18-ICDT 融合的 6G 网络 3.0往往只能适合网络环境中特定的物理或逻辑区域。如何充分利用无线网络大数据，知识图谱和人工智能构建无线网络元模型和元算法，形成泛化能力强，可迁移到多种无线网络环境的网络数字孪生体。如何实现虚拟网络场景生成的可控性，提高数字孪生网络增广数据和预验证结果的可靠性。虚拟网络场景旨在模拟实际网络性能，需要建立其性能评估体系和调控机制。此外，数字孪生网络还需要能够产生基于特定条件下的增广数据和预验证结果，从而实现特定意图驱动的自定义场景的仿真。如何提高真实无线网络数据的使用效率，降低数字孪生网络建模的成本。考虑到真实无线网络数据采集成本，数字孪生网络应当尽可能降低训练所需的样本数量，但是小样本会导致数字孪生网络无法匹配实际场景，因此需要平衡有效性和复杂度的关系。4.6 语义通信4.6.1 基本概念香农和韦弗指出，通信包含语法层、语义层和语用层三个层次。语义通信很早就与语法通信同步提出，但受技术水平和场景需求限制，人们更多精力放在语法通信。时至今日，语法通信已经逼近香农极限。随着人工智能技术的发展，以及 6G 面向智能体通信的需求增长，语义通信再次成为热点技术。经典信息论在语法层面解决信息符号的无差错传输，把信息内容理解环节交给了接收者自身。语义通信是一种以语义表征信息并传输的技术。它在语义层面解决信息的含义表达与传输，把信息含义的理解环节部分或全部地前置到发送端，从而降低传输量，减少带宽需求。语义通信主要关注信源内容的语义表征、传输与重构，以及基于语义的无线传输。因此，语义通信关键环节主要包括语义编解码和信道编解码。相对于传统的语法通信，语义通信具有三大特征优势。一是信息表征方式。语义通信将符号表征升级为语义表征，这样信源内容语义特征的提取和理解就从接收端前置到发送端，直接面向场景、用户意图和任务，因此增加业务功能，可提供增值服务，如情绪识别、情感分类、语音增强等等。同时，在特定条件下可增强数据安全，因为在没有语义解码模型情况下无法恢复原始信息。二是服务质量评价准则。语法通信通常以误符号率、误包率、丢包率等指标衡量服务质量，不能及时直接反映 QoE 等主观体现质量，语义通信采用语义准确性和感知质量来定义服务质量。三是传输带宽。语义通信仅仅传输语义信息，传输带宽需求可下降10倍，带宽需求下降将进一步带来传输时延和抖动的下降，提升传输可靠性和传输容量，并进一步与无线传输方案融合，提升无线传输效率。-19-ICDT 融合的 6G 网络 3.04.6.2 关键技术 当前语义通信主要关注如下几个领域。一是语义信息度量。主要解决语义信息非统计特性和模糊性问题，以及语义熵、语义率失真函数、语义信道容量和语义通信系统性能度量问题。目前考虑用逻辑概率代替统计概率、引入模糊集合论和广义信息论解决。第二个问题要针对具体的信源内容具体分析，目前存在语义相似度定义，以及直接引入机器学习中的指标如精确率（如 BLUE）和召回率（如 ROUGE）等。二是语义特征提取。主要研究视频、图像、语音和文本等多模态信源语义信息提取、编码和压缩。很大部分工作是从机器学习领域直接转移过来。三是语义信源信道联合传输。主要研究语义编解码模块与信道编解码模块的联合设计，以及基于 AI 的联合训练问题，目标是最小化特征冗余和最大化重建质量。四是语义通信与 AI 融合理论。主要研究面向智能化需求的语义信息定义与表征、语义信息生成机理、语义编解码机制等。五是语义通信系统设计。主要研究支持语义信息处理与语义信号处理的网络架构，例如引入知识共享机制和语义处理面功能。多模态信源语义表征、特征提取和编码的基本原理是：1）图像语义通信。传统图像编码以像素为表征单元，以像素精准度为重建目标，在带宽受限下性能不佳。图像语义通信基于场景图方法，将图像语义用“主谓宾”三元组方式表征并传输。2）视频语义通信。以人脸场景为例，其基本原理是在发送端通过识别人脸，提取人脸语义特征，然后编码传输，在接收端根据语义特征信息重建人脸。3）文本语义通信。基本原理是通过数据集联合训练语义编解码器和信道编解码器，使其具有抗语义噪声和信道噪声的能力，通过语义噪声建模丰富数据集，进一步提升系统抗语义噪声能力。4）语音语义通信。基本原理是发送端对初始音频进行文本识别和语音特征提取，然后编码传输到接收端进行语音合成。所提语音特征提取方案可实现比传统方法更好的语音识别和语音合成效果。4.6.3 技术挑战 语义通信技术总体来说还不成熟，面临着四方面产业化挑战。一是多用户语义通信。语义通信实用化需要解决多用户通信问题，困难在于多用户可能对语义的理解不一致，造成多方通信失败。二是多模态通信，目前的多媒体业务基本都是视频、语音、图像、图片和文本的内容混合，而当前语义通信原型都是针对单一媒体图 3 视频语义通信原理图-20-ICDT 融合的 6G 网络 3.0-21-形态，无法实用。在产业化进程中，必须解决单个模型提取多模态信源语义信息难题，或解决多个模型如何保持语义一致性和传输同步性问题。三是知识库的构建与更新。语义通信依赖于收发双方一致的知识背景，需要系统支持知识库的分发、共享与更新，这点产业化难度较大。四是信息隐私保护问题。语义通信提取了用户的特征信息，例如面部特征、声纹特征，以及用户数据中的特征，同时，针对用户特征训练的模型可以用来模仿用户本人，带来极大风险，必须有足够强大的安全机制保障。5.ICDT 融合的技术趋势5.1 跨界融合技术趋势信息通信技术跨领域、跨学科融合已成为新常态，如下十大跨界创新方向。可能影响未来 ICDT 技术发展。一是新感知。感知技术是数字化的数据底座，呈现出多技术融合、异质异构集成、微能源化发展趋势，包括通信感知一体化技术、无源传感技术、智能微系统、智能感知和数字孪生人系统等。二是新终端。未来新终端将具备生物友好和低功耗等特征。包括的技术有柔性终端、全息终端、模块化终端等。三是新算力。计算体系呈现多样化、多路线共存演进趋势，非经典计算逐步从理论走向实践。包括量子计算、光计算、存算一体等技术。四是新安全。传统补丁式、外挂式的安全防御体系亟待升级，实现从“网络安全”到“安全网络”的变革。包括量子安全通信、可信内生安全体系、基于生物和设备特征的统一身份认证等。五是新低碳。信息处理需求的增长为“双碳”目标的实现带来巨大压力，需寻求节能降碳新突破。包括“零瓦特 零比特”技术、绿色新能源技术，以及通信网与能源网融合技术。六是新材料。更高频段、更低能耗的信息通信网络发展对新材料提出变革性需求。重点材料技术包括纳米打印新天线材料、碳纳米管新芯片材料和空芯反谐振光纤新材料等。七是新仿生。脑科学和材料学的发展，为信息通信领域的仿生技术带来新方向和新突破。包括类脑计算和 DNA存储等。八是新组网。现有网络的组织关系总体来说是刚性的、封闭的，难以适应未来面向千行百业复杂场景、高度定制等发展需要。未来通信网络将向开放、柔性、积木式、多模态方向发展。包括即插即用功能、积木式服务化网络功能和按需服务功能，以及多模态网络技术，实现“应用网络与网络资源分离”新范式升级。九是新设施。信息基础设施与关联基础设施协同建设、融合发展已成新趋势。重点包括通信与市政公用基础设施融合、通信与楼宇基础设施的融合等。十是新范式。未来移动通信将涉及更多跨界领域和交叉学科，新的产业和商业模式不断涌现。包括产业研发新范式、生态发展新范式和信息服务新范式等。5.2 量子计算及应用量子计算是一种遵循量子力学规律的新型计算模式，在量子模拟和计算加速方面呈现出相对经典计算的“优越性”，已在化学、药物、材料、金融、物流和航空领域得到试验性应用。目前量子计算技术路线众多，各ICDT 融合的 6G 网络 3.0有优劣，百家争鸣，各有侧重，产业发展存在很大不确定性。实用性通用量子计算机预计在 1020 年内成熟，但针对特定应用的专用量子计算机可能近几年就能商用，将对信息通信发展带来深刻影响。目前量子计算已有一些可能应用方向。一是面向移动网络的计算服务。量子计算为网络优化与业务优化提供指数级加速，推进网络高品质升级。为机器学习模型训练与计算提供指数级加速，赋能网络大脑，驱动网络智能化升级。二是面向垂直应用的算力网络服务。基于自有量子计算机算力、经典云计算基础设施和第三方量子计算机资源，通过确定性高可靠的算力网络为化学、医药、气象等存在超算需求以及航空、交通、物流、金融等存在优化算力需求的垂直行业提供量子模拟、量子计算和量子算法等新服务。三是量子信息网络将催生巨大服务新空间。基于量子隐形传态，量子信息网络可实现量子数据共享和小规模量子计算机互联，通过盲量子计算和分布式量子计算方式，未来为中小企业、高校和个人提供低门槛、低成本量子计算与存储服务。随着量子传感器技术与产业发展，量子信息网络将进一步扩大量子信息处理与量子计算范畴，带来更多综合性量子信息服务。6.结束语移动通信技术与计算技术、感知技术、大数据与 AI 技术、控制技术的融合发展，正在形成 6G 技术新生态，在网络、空口、终端、应用各个层面带来诸多革新方案。为了 6G 可持续发展，本文倡议：坚持全球 6G 创新体系和 6G 国际化路线。在单点核心技术攻关同时，需要结合未来可能的商业应用场景、网络部署方式等，加强 6G 系统设计研究，以终为始引导技术创新、标准制定和产业发展。加强基础技术和跨界融合技术的研究与实验验证，以及“安全、低碳”等新兴技术的研究和布局，在 6G 关键方向上积累技术和产业先发优势，并为人工智能、生命科学、环保能源、新材料等前沿领域的跨界融合创新拓展新的机会。信息安全、网络安全、产业安全和绿色低碳成为社会发展强约束要求。6G 系统设计要以柔性至简、绿色安全作为重要前提条件通盘考虑，超越单点最优，追求综合最优。注重与 5G 的技术协同、网络协同和应用协同，营造共同生态。-22-ICDT 融合的 6G 网络 3.0易芝玲，潘成康潘成康，王启星，刘建军，邓娟，王莹莹，金婧，李娜，楼梦婷，苏鑫，陈天骄，侯帅，孙志雯，李昕莹 秦志金，段一平，杜其原 黄蓉，刘珊，庞博 崔琪楣，张雪菲，陶小峰 孙彦赞，陈小静，张舜卿，徐树公 责任编辑:中国移动:清华大学:中国联通:北京邮电大学:上海大学:致 谢-23-ICDT 融合的 6G 网络 3.0

41人已浏览 2023-03-27 25页 5星级

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。1 证券研究报告 科技科技 运营商加码算力基础设施建设运营商加码算力基础设施建设 华泰研究华泰研究 通信通信 增持增持 (维持维持)通信运营通信运营 增持增持 (维持维持)研究员 余熠余熠 SAC No.S0570520090002 SFC No.BNC535 (86)755 8249 2388 研究员 黄乐平，黄乐平，PhD SAC No.S0570521050001 SFC No.AUZ066 (852)3658 6000 联系人 王兴王兴 SAC No.S0570121070161 (86)21 3847 6737 联系人 高名垚高名垚 SAC No.S0570121080027 (86)21 2897 2228 联系人 王珂王珂 SAC No.S0570122080148 (86)21 2897 2228 行业行业走势图走势图 资料来源：Wind，华泰研究 重点推荐重点推荐 股票名称股票名称 股票代码股票代码 目标价目标价 (当地币种当地币种)投资评级投资评级 中兴通讯 000063 CH 41.51 买入 美格智能 002881 CH 38.35 增持 移远通信 603236 CH 152.75 买入 中国移动 600941 CH 107.30 买入 中国电信 601728 CH 8.02 买入 中国联通 600050 CH 7.70 增持 数据港 603881 CH 41.82 买入 紫光股份 000938 CH 32.25 增持 长光华芯 688048 CH 143.64 买入 炬光科技 688167 CH 163.40 买入 七一二 603712 CH 39.14 买入 海格通信 002465 CH 13.40 增持 上海瀚讯 300762 CH 16.71 买入 资料来源：华泰研究预测 2023 年 3 月 26 日中国内地 专题研究专题研究 本周观点本周观点 市场方面，上周通信（申万）指数上涨 3.66%，同期沪深 300 上涨 1.72%，创业板指上涨 3.34%。2022 年三大运营商业绩稳步增长，移动云/天翼云/联通云收入均实现翻倍增长。资本开支方面，2023 年运营商资本开支进一步向算力领域倾斜，在算力领域合计资本开支将同比增长 34%至 981 亿元。我们认为，数字中国建设背景下，三大运营商加码算力基础设施建设，有望带动服务器、交换机、光模块等算力基础设施领域需求增长。建议关注：中兴通讯、美格智能、移远通信、中国移动、中国电信、中国联通、数据港、紫光股份、长光华芯、炬光科技、七一二、海格通信、上海瀚讯。周专题：三大运营商业绩稳步增长，加码算力基础设施建设周专题：三大运营商业绩稳步增长，加码算力基础设施建设 2022 年三大运营商业绩稳步增长，服务营收合计为 15,662 亿元，同比增长7.98%，增速较 2021 年提升 2.2pct；净利润合计 1,604 亿元，同比增长2.5%。其中，产业数字化业务已成为驱动运营商收入增长的第一引擎，云计算业务增长亮眼，中国电信/中国移动/中国联通 2022 年云业务收入分别达到 579/503/361 亿元，同比增长 108%/108.1%/121%。资本开支方面，根据各公司 2022 年业绩会材料，2023 年三大运营商合计资本开支将同比增长 2%，资本开支结构进一步向算力领域倾斜，2023 年运营商在算力领域资本开支将同比增长 34%至 981 亿元，有望拉动算力基础设施领域需求增长。工信部：工信部：1-2 月我国电信业务收入累计完成月我国电信业务收入累计完成 2803 亿元，同比增长亿元，同比增长 7.9%据 C114 通信网 3 月 23 日报道，工信部发布的 2023 年 1-2 月份通信业经济运行情况显示，我国电信业务收入稳步提升，电信业务总量持续两位数增长。1-2 月份，我国电信业务收入累计完成 2,803 亿元，同比增长 7.9%。按照上年不变价计算的电信业务总量同比增长 17.7%。固定互联网宽带业务收入平稳增长；移动数据流量业务收入低速增长；新兴业务收入较快增长，12月份共完成业务收入 629 亿元，同比增长 25.7%，其中云计算和大数据收入同比增速分别达 69.8%和 39.3%，物联网业务收入同比增长 31.7%。华为华为 P60 系列手系列手机新品具备卫星双向通信新特性机新品具备卫星双向通信新特性 据华为官网 3 月 24 日报道，3 月 23 日，华为召开 2023 春季新品发布会，推出了 P60 等一系列新品，该系列手机只支持 4G，不支持 5G，但拥有卫星双向通信、天线信号增强、灵犀通信等特性。双向通信发展，可选择的仅有北斗第二代、中国卫通（刚发射了高通量卫星中星 26）、中国电信的天通卫星，华为则是基于北斗。天通目前卫星暂时只有三颗，均为高轨同步卫星，分别是 01/02/03 星，号段 1740。同时关于 P60 双向通信，值得关注的是其是自编短信，还是模板短信，二者报文长度完全不同，发射和接收难度区别很大。2023 全球全球 6G 大会：大会：6G 仍处在愿景研究阶段，将带来多元立体的全新体验仍处在愿景研究阶段，将带来多元立体的全新体验 据光明日报 3 月 23 日报道，3 月 22 日至 24 日，由 2023 全球 6G 技术大会在南京召开。东南大学青年首席教授、紫金山实验室课题负责人许威在接受采访时认为，5G 与 6G 紧密关联，目前全球 5G 信息消费类应用已进入普遍渗透期，垂直行业类应用仍处于起步阶段，6G 预计将从社会生产、人类生活、数据安全，以及终端智能化等多层面带来多元立体的新体验。目前 6G 仍处在愿景研究阶段，尚无明确的统一技术、统一标准，不少国际组织、学术机构、知名企业已经开始进行前瞻性研究。风险提示：中美贸易摩擦加剧；全球新型肺炎尚未可控；云厂商资本开支投入不及预期；5G 发展不及预期。(19)0203958Mar-22Jul-22Nov-22Mar-23(%)通信通信运营沪深300 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。2 科技科技 本周观点本周观点 市场方面，上周通信（申万）指数上涨 3.66%，同期沪深 300 上涨 1.72%，创业板指上涨3.34%。2022 年三大运营商业绩稳步增长，移动云/天翼云/联通云收入均实现翻倍增长。资本开支方面，2023 年运营商资本开支进一步向算力领域倾斜，在算力领域合计资本开支将同比增长 34%至 981 亿元。我们认为，数字中国建设背景下，三大运营商加码算力基础设施建设，有望带动服务器、交换机、光模块等算力基础设施领域需求增长。建议关注：中兴通讯、美格智能、移远通信、中国移动、中国电信、中国联通、数据港、紫光股份、长光华芯、炬光科技、七一二、海格通信、上海瀚讯。周专题：周专题：三大运营商业绩稳步增长，加码算力基础设施建设三大运营商业绩稳步增长，加码算力基础设施建设 2022 年运营商业绩稳步增长，产业数字化成第一增长引擎年运营商业绩稳步增长，产业数字化成第一增长引擎 三大运营商三大运营商 2022 年服务收入及净利润同比稳步增长。年服务收入及净利润同比稳步增长。根据三大运营商年报，2022 年三大运营商服务营收合计为 15,662 亿元，同比增长 7.98%，增速较 2021 年提升 2.2pct；净利润合计 1,604 亿元，同比增长 2.5%。细分来看，2022 年中国移动、中国电信、中国联通服务营收分别为 8,120、4,349、3,193 亿元，分别同比增长 8.1%、8.0%、7.8%（2021 年服务营收分别同比增长 8.0%、7.8%、7.4%）；三者 2022 年净利润分别为 1255、276、73亿元，分别同比增长 8.0%、6.3%、15.8%（2021 年净利润分别同比增长、7.7%、24.4%、14.2%）。图表图表1：2022 年三大运营商服务营收持续向好年三大运营商服务营收持续向好 图表图表2：2022 年三大运营商净利润同比增长稳定年三大运营商净利润同比增长稳定 资料来源：公司公告，华泰研究 资料来源：公司公告，华泰研究 2022 年产业数字化业务持续增长，云业务收入再度翻番年产业数字化业务持续增长，云业务收入再度翻番 产业数字化业务已成为三大运营商增长第一引擎产业数字化业务已成为三大运营商增长第一引擎，云业务收入再翻番，云业务收入再翻番。2022 年三大运营商产业互联网业务合计营收 2,747 亿元，同比增长 27.5%，增速较 2021 年同比上升 0.9pct；产业互联网业务营收占服务营收比重为 17.5%，较 2021 年占比提升 2.6pct。云计算方面，2022 年三大运营商云计算业务合计营收 1443 亿元，同比增长 120%。我们认为在云业务引领下，运营商产业数字化板块有望持续快速增长，叠加 5G 渗透率提升驱动移动业务ARPU 持续回暖等带动下，运营商收入及利润有望保持稳健增长。具体而言，1）2022 年中国移动 DICT 业务营收 864 亿元，同比增长 38.7%。其中，行业云营收 412 亿元，同比增长 114.50%；IDC 业务营收 254 亿元，同比增长 17.2%；2）2022年中国电信产业数字化业务营收 1,178 亿元，同比增长 19.7%。其中天翼云营收 579 亿元，同比增长 108%；IDC 营收 333 亿元，同比增长 5.4%。3）2022 年中国联通产业互联网营收 705 亿元，同比增长 28.6%。其中联通云营收 361 亿元，同比增长 121%；IDC 营收 218亿元，同比增长 10%。我们认为在数字中国建设及 AIGC 等新应用不断涌现的背景下，运营商产业数字化业务将加速赋能数字经济产业链，营收将延续当前高增长态势。-6%-4%-2%0%2%4%6%80002000300040005000600070008000201420152016201720182019202020212022中国移动中国电信中国联通移动同比（右轴）电信同比（右轴）联通同比（右轴）(亿元)-200%-100%00 0000P0004006008001,0001,2001,4002014 2015 2016 2017 2018 2019 2020 2021 2022中国电信中国移动中国联通电信同比（右轴）移动同比（右轴）联通同比（右轴）(亿元)rRnM2YdUeUaYvZfWzWaQ8Q6MsQnNtRnOiNqQsRkPpNqP8OoPnNuOnMsMMYsRqM 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。3 科技科技 图表图表3：三大运营商云业务收入实现翻番三大运营商云业务收入实现翻番 资料来源：三大运营商公告，华泰研究 资本开支：资本开支：2023 年三大运营商资本开支继续向产业数字化倾斜年三大运营商资本开支继续向产业数字化倾斜 2023 年三大运营商合计资本开支年三大运营商合计资本开支为为 3591 亿元，亿元，同比增长同比增长 2%。资本开支方面，2022 年三大运营商合计资本开支为 3,519 亿元，同比增长 3.71%，据公司业绩会材料，2023 年三大运营商合计资本开支将同比增长 2%，占收比进一步下降。具体而言，2022 年中国移动/中国电信/中国联通资本开支分别为 1,852/925/742 亿元；2023 年中国移动/中国电信/中国联通资本开支指引分别为 1,832/990/769 亿元，同比增长 0.9%/6.7%/7.5%。三大运营商三大运营商 2023 年在算力或产业数字化领域投入同比增长年在算力或产业数字化领域投入同比增长 34%至至 981 亿元亿元。算力领域，据公司业绩会材料，2023 年中国移动/中国电信/中国联通算力或产业数字化资本开支指引分别为 452/380/149 亿元，分别增长 35%/40%/20%，三者合计算力领域资本开支达到 981亿元，同比增长 34%。我们认为，随着三大运营商资本开支进一步向算力领域倾斜，有望带动服务器、交换机、光模块等数字基础设施领域需求提升。图表图表 15：三大运营商合计资本开支（单位：亿元）：三大运营商合计资本开支（单位：亿元）资料来源：三大运营商官网、华泰研究 0 00000200300400500600700202020212022中国移动中国电信中国联通中国移动YOY（右轴）中国电信YOY（右轴）中国联通YOY（右轴）(亿元)-25%-20%-15%-10%-5%0%5 001000150020002500300035004000450050002010201120122013201420152016201720182019202020212022 2023E中国移动中国电信中国联通合计同比增速（右轴）免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。4 科技科技 图表图表 16：三大运营商：三大运营商算力网络或产业数字化资本开支算力网络或产业数字化资本开支（单位：亿元）（单位：亿元）资料来源：三大运营商 2022 年业绩推介材料，华泰研究 5G 产业链产业链 工信部：工信部：1-2 月我国电信业务收入累计完成月我国电信业务收入累计完成 2803 亿元，同比增长亿元，同比增长 7.9%据 C114 通信网 3 月 23 日报道，工信部发布的 2023 年 1-2 月份通信业经济运行情况显示，我国电信业务收入稳步提升，电信业务总量持续两位数增长。1-2 月份，我国电信业务收入累计完成 2,803 亿元，同比增长 7.9%。按照上年不变价计算的电信业务总量同比增长 17.7%。固定互联网宽带业务收入平稳增长；移动数据流量业务收入低速增长；新兴业务收入较快增长；移动语音业务收入由负转正。工信部：工信部：我国我国 5G 基站总数达基站总数达 238.4 万个万个，5G 移动电话用户达移动电话用户达 5.92 亿户亿户 据 C114 通信网 3 月 23 日报道，工信部发布的 2023 年 1-2 月份通信业经济运行情况显示，截至 2 月末，我国 5G 基站总数达 238.4 万个；5G 移动电话用户达 5.92 亿户。移动电话用户数稳中有增，5G 用户占比不断提升。工信部数据显示，截至 2 月末，三家基础电信企业的移动电话用户总数达 16.95 亿户，比上年末净增 1,188 万户。其中，5G 移动电话用户达5.92 亿户，比上年末净增 3,129 万户，占移动电话用户的 34.9%，占比较上年末提升 1.6个百分点。5G 网络建设稳步推进。截至 2 月末，5G 基站总数达 238.4 万个，比上年末净增 7.21 万个，占移动基站总数的 21.9%，占比较上年末提升 0.6 个百分点。东部地区 5G建设和应用领先。中国广电和高通合作推动中国广电和高通合作推动 5G 热点覆盖解决方案在垂直行业的应用热点覆盖解决方案在垂直行业的应用 据 C114 通信网 3 月 20 日报道，3 月 20 日，中国广电（600831 CH）和高通技术公司（QCOM US）宣布，双方合作完成全球首个基于高通 FSM100 5G RAN 平台、支持 4.9GHz 频段的5G 热点覆盖解决方案的验证，并启动 700MHz 频段相关技术方案验证。此次合作将助力中国广电加速实现 5G 网络的全面深度覆盖，灵活满足垂直行业的多元化组网需求，同时降低5G 网络部署成本。中广电移动网络有限公司副总经理谌颖表示：“5G 热点覆盖解决方案特别适用于 5G 工业互联网、5G 智慧园区、5G 智慧矿山、5G 智慧能源等局域覆盖场景，对深化 5G 与垂直行业的融合以及促进传统行业数字化转型具有积极的推动作用。02004006008001,0001,20020222023E中国移动中国电信中国联通(亿元)免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。5 科技科技 运营商集采运营商集采 中国联通启动网络数据平台数据采集研发项目集采：总预算中国联通启动网络数据平台数据采集研发项目集采：总预算 1402 万元万元 据 C114 通信网 3 月 24 日报道，从中国联通（60050 CH）官网获悉，中国联通发布公告称，启动 2022 年中国联通网络数据平台数据采集研发项目（移动网 DPI 采集/DPI/EDPI数据实时监控部分）已具备招标条件，现进行公开招标，有意向的潜在投标人可前来投标。中国联通方面表示，本期项目建设后，将完成 2023 年 6 月前建设投产移动核心网 5G DPI数据采集解析能力，支撑移动核心网、无线网、物联网、智能运维等数字化平台业务场景开发与推广。该次集采最高总预算为 1,402 万元（不含税）。该项目划分 4 个标包，允许投标人所有标包兼投兼中。中国移动存储集采中国移动存储集采：曙光存储夺魁曙光存储夺魁 据 C114 通信网 3 月 22 日报道，中国移动连续启动了 2023 年至 2024 年分布式文件存储集采（新建部分）、2023 年至 2024 年分布式文件存储集采，持续建设算力基础设施。曙光存储（603019 CH）连中两元，在两项集采的 4 个标包中全部以第一份额中标，中标金额达到 2.7 亿元，表现极为出色。这是曙光存储连续第三年中标。得益于重点增加全闪存分布式块存储，匹配中国移动的 IT 建设规划、重点投入分布式全闪等举措，曙光存储在中国移动集采中接连夺魁。基于全栈自研带来的产品竞争力提升，满足愈加复杂的应用场景，曙光在中国移动分布式存储集采中提升了份额占比，成为其价值链传导的受益者。中国移动云中国移动云资源池四期工程分布式块存储集采资源池四期工程分布式块存储集采:华为、浪潮两家包揽华为、浪潮两家包揽 据 C114 通信网 3 月 22 日报道，从中国移动官网获悉，中国移动公示了 2023 年集中网络云资源池四期工程分布式块存储采购的中标结果，华为和浪潮（000977 CH）两家瓜分。据此前中国移动发布的集采公告显示，本次集中网络云资源池四期工程分布式块存储采购，共将采购分布式块存储有效容量 41,420TB，其中分布式块存储 SATA 模型 11,120TB；分布式块存储 SAS 模型 30,300TB。实施地域为：保定、南京、金华、郑州等网络云资源池节点，涉及 16 个省份共计 20 个城市。该项目不划分标包，原则上选取 2 个中标人，以资源池为单位划分份额，每个中标人对应的分配份额原则上依次为 70%、30%。中国电信启动室内天线集采：预估中国电信启动室内天线集采：预估 667.27 万副，满足未来万副，满足未来 3 年需求年需求 据 C114 通信网 3 月 21 日报道，来自中国电信官网消息，中国电信室内天线（2023 年）集中采购项目已批准，招标人为中国电信集团有限公司和中国电信股份有限公司，项目已具备招标条件，现进行资格预审，特邀请有意向的潜在投标人（以下简称申请人）提出资格预审申请。公告显示，本招标项目采购内容为中国电信集团有限公司和中国电信股份有限公司及其下属子公司、分公司在 2023 年至 2025 年各工程中所需的室内天线产品。本项目集采的产品包括：单极化全向吸顶天线、双极化全向吸顶天线、单极化定向壁挂天线、双极化定向壁挂天线、单极化定向对数周期天线，频段在 806M-3,700M 之间，预计总集采规模为 667.27 万副。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。6 科技科技 云计算云计算&IDC 中国信通院联合发布数据中心智能化运维发展研究报告（中国信通院联合发布数据中心智能化运维发展研究报告（2023 年）年）据中国 IDC 圈 3 月 24 日报道，2023 年 3 月 22 日，中国信通院联合开放数据中心委员会（ODCC）在“华彩杯”算力大赛上海赛区启动会上发布数据中心智能化运维发展研究报告（2023 年）。数据中心智能化运维发展研究报告（2023 年）指出当前我国数据中心总体处于平台化、自动化运维阶段，呈现平台化、自动化、可视化等典型特征。首次论述了以自动化设施提升运行效率、以数字化平台促进智能管理、以技术手段赋能运维体系变革、以巡检机器人释放运维人力四个方面对于产业界的价值，体现了产业界发展理念与体系的创新升级，为行业实现高技术、高质量发展提供了有益参考。文心一言改变云计算服务模式，百度云或将成为中国领先云供应商文心一言改变云计算服务模式，百度云或将成为中国领先云供应商 据百度智能云 3 月 24 日报道，百度（9888 HK）创始人、董事长兼首席执行官李彦宏在与36 氪对话时表示，“芯片-框架-模型-应用”这四层架构，百度在每一层都提早了很多年布局，当能力完整时，未来开发应用基于百度智能云是最方便的。文心一言会改变云计算服务模式，从原先基于芯片层、框架层开发应用转变为基于大模型这种快速、成本低廉的方式。同时，由于文心一言的使用，百度智能云将顺势成为中国领先的云供应商。华为发布华为发布 2023 数据中心能源十大趋势数据中心能源十大趋势 据中国 IDC 圈 3 月 24 日报道，2023 您 2 月 23 日，华为举办以“智简 DC，绿建未来“为主题的数据中心能源十大趋势发布会并发布白皮书。发布会上，华为基于自身实践和行业洞察，面向全球发布未来五年数据中心能源十大趋势，以趋势明晰方向，助力数据中心产业低碳可持续发展。十大趋势分别为：低碳化、可持续发展、快速部署、高密化、弹性扩容、预制化、存储一体、分布式制冷、智能运维、安全可信。2023 年年 8 个国家算力枢纽开工数据中心项目近个国家算力枢纽开工数据中心项目近 70 个个 据中国 IDC 圈 3 月 22 日报道，据国家发展改革委，截至目前，“东数西算”工程的 8 个国家算力枢纽节点建设已全部开工，“东数西算”工程从系统布局进入全面建设阶段。在甘肃，庆阳国家数据中心集群开工建设，建成后将重点服务京津冀、长三角、粤港澳大湾区等区域的算力需求，打造面向全国的算力保障基地。在已经开工的 8 个国家算力枢纽中，2023年新开工的数据中心项目近 70 个，其中，西部新增数据中心的建设规模超过 60 万机架，同比翻了一番。“东数西算”工程自启动至今，全国新增投资超过 4,000 亿元，整个“十四五”期间，将累计带动各方面投资超过 3 万亿元。物联网物联网&车联网车联网 华为华为 P60 系列手机新品具备卫星双向通信系列手机新品具备卫星双向通信新特性新特性 据华为官网 3 月 24 日报道，3 月 23 日，华为召开 2023 春季新品发布会，推出了 P60 等一系列新品，该系列手机只支持 4G，不支持 5G，但拥有卫星双向通信、天线信号增强、灵犀通信等特性。双向通信发展，可选择的仅有北斗第二代、中国卫通（刚发射了高通量卫星中星 26）、中国电信的天通卫星，华为则是基于北斗。天通目前卫星暂时只有三颗，均为高轨同步卫星，分别是 01/02/03 星，号段 1740。同时关于 P60 双向通信，值得关注的是其是自编短信，还是模板短信，二者报文长度完全不同，发射和接收难度区别很大。2023 全球全球 6G 大会：大会：6G 仍处在愿景研究阶段，将带来多元立体的全新体验仍处在愿景研究阶段，将带来多元立体的全新体验 据光明日报 3 月 23 日报道，3 月 22 日至 24 日，由 2023 全球 6G 技术大会在南京召开，大会主题为“6G 融通世界，携手共创未来”。东南大学青年首席教授、紫金山实验室课题负责人许威在接受采访时认为，5G 与 6G 紧密关联，目前全球 5G 信息消费类应用已进入普遍渗透期，垂直行业类应用仍处于起步阶段，6G 预计将从社会生产、人类生活、数据安全，以及终端智能化等多层面带来多元立体的新体验。目前 6G 仍处在愿景研究阶段，尚无明确的统一技术、统一标准，不少国际组织、学术机构、知名企业已经开始进行前瞻性研究。随着 6G 新技术突破，相信未来无线网络的性能将在传输速率、通信时延、立体覆盖、隐私安全以及智能化等不同指标组合下得到量级提升。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。7 科技科技 移远通信推出面向物联网行业应用的移远通信推出面向物联网行业应用的 CC200A-LB 卫星通信模组卫星通信模组 据 C114 通信网 3 月 23 日报道，移远通信（603236 CH）今日宣布，面向物联网行业应用推出 CC200A-LB 卫星通信模组。该产品搭载全球领先的物联网通信和解决方案提供商ORBCOMM 的卫星物联网连接平台，旨在为蜂窝网络无法覆盖的偏远区域提供可靠的全球无线网络覆盖和连接，并通过更具成本效益、超低时延等优势，为诸多应用场景打造理想的无线解决方案，包括海事、运输、重型设备、农业、采矿以及石油和天然气监测等。其能够提供可靠的全球连接，具有超低时延，同时，移远还可为客户提供“移远连接管理平台”（QCMP）Juniper Research：2026 年使用年使用 eSIM 技术的全球物联网连接数将达技术的全球物联网连接数将达 1.95 亿亿 据 C114 通信网 3 月 21 日报道，Juniper Research 的一项新研究发现，到 2026 年，使用eSIM 技术的全球物联网连接数将达到 1.95 亿，而 2023 年只有 2,200 万。报告指出，eSIM平台越来越多地采用 eIM(eSIM 物联网管理器)，这将推动其未来三年的增长。eIM 是一种标准化的 eSIM 配置工具，允许大规模部署和管理支持 eSIM 的物联网设备。该报告预计，在未来三年内，支持 eSIM 的物联网设备将在全球范围内增长 780%。物流和油气开采是两个受益最大的行业。预计到 2026 年，这两个市场将占全球 eSIM 使用量的 75%。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。8 科技科技 行情回顾行情回顾 图表图表4：上周行情回顾上周行情回顾 资料来源：Wind，华泰研究 图表图表5：一年内行业走势一年内行业走势 图表图表6：上周内通信（申万）指数走势上周内通信（申万）指数走势 资料来源：Wind，华泰研究 资料来源：Wind，华泰研究 图表图表7：运营商板块总市值与市盈率变化运营商板块总市值与市盈率变化 图表图表8：移动通信设备板块总市值与市盈率变化移动通信设备板块总市值与市盈率变化 资料来源：Wind，华泰研究 资料来源：Wind，华泰研究 024681012日经225上证综合股指数道琼斯工业指数纳斯达克综合指数SW申万A股恒生指数深证成指SW通信HSI恒生科技指数SW计算机SW电子SW传媒%-50%-40%-30%-20%-10%0 0 21-092021-102021-112021-122022-012022-022022-032022-042022-052022-062022-072022-082022-092022-102022-112022-122023-012023-022023-03SW通信深证成指上证综合指数成份SW申万A股成份0.461.913.163.660.01.02.03.04.0上证综合股指数成份SW申万A股成份深证成指SW通信4681012141605,00010,00015,00020,00025,00030,0002018-082019-012019-062019-112020-042020-092021-022021-072021-122022-052022-102023-03P/E总市值(亿元)总市值PE（TTM，整体法）010203040506005001,0001,5002,0002,5003,0003,5002019-112020-022020-052020-082020-112021-022021-052021-082021-112022-022022-052022-082022-112023-02P/E总市值(亿元)总市值PE（TTM，整体法）免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。9 科技科技 图表图表9：无线上游板块总市值与市盈率变化无线上游板块总市值与市盈率变化 图表图表10：光模块光模块&光器件板块总市值与市盈率变化光器件板块总市值与市盈率变化 资料来源：Wind，华泰研究 资料来源：Wind，华泰研究 图表图表11：云计算相关基础设施设备板块总市值与市盈率变化云计算相关基础设施设备板块总市值与市盈率变化 图表图表12：物联网物联网&车联网板块总市值与市盈率变化车联网板块总市值与市盈率变化 资料来源：Wind，华泰研究 资料来源：Wind，华泰研究 图表图表13：上周涨幅前十上周涨幅前十&跌幅前十公司跌幅前十公司 涨幅涨幅 TOP10 跌幅跌幅 TOP10 代码代码 公司名称公司名称 P/E 股价变动股价变动 代码代码 公司公司名称名称 P/E 股价变动股价变动 5D 1M YTD 5D 1M YTD 300308 CH 中际旭创 33.85 50.91 47.13 93.23 600050 CH 中国联通 9.35(10.57)(1.22)16.98 688668 CH 鼎通科技 42.52 33.43 15.16 9.77 002115 CH 三维通信(7.97)(8.29)20.51 46.58 300570 CH 太辰光 35.05 29.47 35.53 90.18 002089 CH ST 新海 14.64(6.48)12.22(52.36)603083 CH 剑桥科技 45.74 25.90 50.45 166.37 0728 HK 中国电信 12.32(6.24)3.84 32.25 300502 CH 新易盛 20.77 25.32 22.09 65.47 300252 CH 金信诺 135.84(5.97)29.75 47.35 300571 CH 平治信息 33.73 20.80 25.31 60.75 603712 CH 七一二 33.97(5.20)(3.53)(5.96)300394 CH 天孚通信 49.31 18.44 24.15 96.88 0941 HK 中国移动 9.67(5.16)6.38 20.87 600522 CH 中天科技 28.64 18.40 12.58 11.95 000032 CH 深桑达 A(203.14)(4.42)33.67 72.61 002881 CH 美格智能 55.78 17.51 6.56 28.81 603703 CH 盛洋科技 273.11(4.29)(7.67)8.15 000070 CH 特发信息(16.84)17.10 25.88 50.43 002446 CH 盛路通信(284.26)(3.75)7.91 12.76 资料来源：Wind，华泰研究 (600)(400)(200)02004006008000501001502002503003502018-082019-012019-062019-112020-042020-092021-022021-072021-122022-052022-102023-03P/E总市值(亿元)总市值PE（TTM，整体法）010203040506070809010002004006008001,0001,2001,4001,6001,8002018-082019-012019-062019-112020-042020-092021-022021-072021-122022-052022-102023-03P/E总市值(亿元)总市值PE（TTM，整体法）0102030405060708005001,0001,5002,0002,5003,0003,5002018-082019-012019-062019-112020-042020-092021-022021-072021-122022-052022-102023-03P/E总市值(亿元)总市值PE（TTM，整体法）02040608010012001002003004005006007008009002018-082019-012019-062019-112020-042020-092021-022021-072021-122022-052022-102023-03P/E总市值(亿元)总市值PE（TTM，整体法）免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。10 科技科技 图表图表14：沪沪/深股通通信板块持仓情况（流入、流出前五名）深股通通信板块持仓情况（流入、流出前五名）排名排名 代码代码 公司名称公司名称 交易货币交易货币 收盘价（元收盘价（元/股）股）03-24 股价变动股价变动 北向资金流入北向资金流入（亿元人民币）（亿元人民币）北向持股市值北向持股市值（亿元人民币）（亿元人民币）北向持股比例北向持股比例（%）5D 1M YTD 流入 Top5 1 600050 CH 中国联通 HKD 5.73-1.91%-1.22.98%6.65 0.00 0.00 2 000938 CH 紫光股份 CNY 31.26 15.27$.53b.12%4.19 25.53 2.85 3 002139 CH 拓邦股份 CNY 12.88 9.67%2.14).03%0.95 6.84 4.18 4 600487 CH 亨通光电 CNY 15.56 12.91%6.86%4.52%0.84 8.46 2.20 5 002402 CH 和而泰 CNY 17.54 7.84%7.18 .78%0.82 5.37 3.28 流出 Top5 1 600522 CH 中天科技 CNY 17.44 18.40.58.95%-5.03 46.13 7.75 2 000063 CH 中兴通讯 CNY 36.60 2.05%9.776.85%-2.08 38.35 2.63 3 000032 CH 深桑达 A CNY 36.26-4.423.67r.61%-1.42 4.04 0.97 4 300394 CH 天孚通信 CNY 50.85 18.44$.15.88%-1.40 6.88 3.43 5 300017 CH 网宿科技 CNY 7.00 9.13.580.65%-0.91 10.49 6.14 资料来源：Wind，华泰研究 图表图表15：近期近期通信通信板块板块 IPO/重组上市重组上市进展进展 证券代码证券代码 公司公司 状态状态 上市上市/过会日期过会日期 上市板上市板 发行价格发行价格（元当地货币）（元当地货币）新股发行数量新股发行数量（万股）（万股）（拟）募资总额（拟）募资总额（亿元当地货币）（亿元当地货币）301165 CH 锐捷网络 已上市 2022-11-21 创业板 32.28 6818.18 22.01 688041 CH 海光信息 已上市 2022-08-12 科创板 36.00 30000.00 91.48 688205 CH 德科立 已上市 2022-08-09 科创板 48.51 2432.00 11.80 688375 CH 国博电子 已上市 2022-07-22 科创板 70.88 4100.00 26.75 301139 CH 元道通信 已上市 2022-07-08 创业板 38.46 3040.00 11.69 688322 CH 奥比中光 已上市 2022-07-07 科创板 30.99 4,000.10 12.40 688400 CH 凌云光 已上市 2022-07-06 科创板 21.93 10,350.00 22.70 001270 CH 铖昌科技 已上市 2022-06-06 科创板 21.68 2,795.35 6.06 301191 CH 菲菱科思 已上市 2022-05-26 创业板 72.00 1,334.00 9.60 688515 CH 裕太微电子 已上市 2023-02-10 科创板 92.00 2000.00 18.40 688948 CH 源杰科技 已上市 2022-12-21 科创板 100.66 1500.00 15.10 盛科通信 待上市 2022-06-21 科创板 5000.00 10.00 资料来源：Wind，华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。11 科技科技 重点公司概览重点公司概览 图表图表16：重点公司一览表重点公司一览表 收盘价收盘价 目标价目标价 市值市值(百万百万)EPS(元元)PE(倍倍)股票名称股票名称 股票代码股票代码 投资评级投资评级(当地币种当地币种)(当地币种当地币种)(当地币种当地币种)2021 2022E 2023E 2024E 2021 2022E 2023E 2024E 中国移动 600941 CH 买入 90.86 107.30 1,941,436 5.66 5.88 6.34 6.80 16.05 15.45 14.33 13.36 中国电信 601728 CH 买入 6.63 8.02 606,692 0.28 0.30 0.34 0.38 23.68 22.10 19.50 17.45 中国联通 600050 CH 增持 5.50 7.70 174,924 0.20 0.23 0.27 0.32 27.50 23.91 20.37 17.19 中兴通讯 000063 CH 买入 35.39 41.51 167,611 1.44 1.71 2.08 2.39 24.58 20.70 17.01 14.81 紫光股份 000938 CH 增持 31.63 32.25 90,464 0.75 0.86 1.05 1.29 42.17 36.78 30.12 24.52 长光华芯 688048 CH 买入 117.99 143.64 15,999 0.85 0.92 1.66 2.51 138.81 128.25 71.08 47.01 炬光科技 688167 CH 买入 129.88 163.40 11,684 0.75 1.41 2.33 3.34 173.17 92.11 55.74 38.89 数据港 603881 CH 买入 37.06 41.82 12,190 0.34 0.35 0.50 0.66 109.00 105.89 74.12 56.15 七一二 603712 CH 买入 32.84 39.14 25,352 0.89 1.12 1.48 1.88 36.90 29.32 22.19 17.47 海格通信 002465 CH 增持 10.56 13.40 24,335 0.28 0.29 0.37 0.43 37.71 36.41 28.54 24.56 上海瀚讯 300762 CH 买入 14.92 16.71 9,379 0.37 0.49 0.64 0.75 40.32 30.45 23.31 19.89 美格智能 002881 CH 增持 34.43 38.35 8,991 0.49 0.77 1.22 1.73 70.27 44.71 28.22 19.90 移远通信 603236 CH 买入 120.11 152.75 22,699 1.89 3.18 4.59 6.48 63.55 37.77 26.17 18.54 注：数据截至 3 月 17 日 资料来源：Bloomberg，华泰研究预测 图表图表17：重点公司最新观点重点公司最新观点 股票名称股票名称 最新观点最新观点 中国移动中国移动(600941 CH)2022 年收入利润稳步增长，派息率提升至年收入利润稳步增长，派息率提升至 67 22 年公司收入同比增长 10.5%至 9,373 亿元，符合彭博一致预期 9,353 亿；A 股归母净利润为 1,255 亿元，基本符合彭博一致预期 1,266 亿。我们看好公司的长期增长潜力，预计其 23-25 年归母净利润为 1355/1453/1542 亿元。公司 2022 年派息率已达 67%，并计划 2023 年将派息率进一步提升至 70%。考虑到公司较高的盈利能力及其在政企市场的增长潜力，给予 A 股 1.7 倍 2023 年 PB（全球平均：1.39），对应目标价 107.3 元（前值：83.03 元）；参考过去一年公司 AH 股溢价率均值 55%，给予 H 股 1.1 倍 2023 年 PB，对应目标价 80.50 港元（前值：78.65），维持“买入”评级。风险提示：1）ARPU 改善低于预期；2）5G 资本开支超出预期；3）竞争加剧；4）公司采取较为保守的股息政策。报告发布日期：2023 年 03 月 23 日 点击下载全文：中国移动点击下载全文：中国移动(941 HK,买入买入;600941 CH,买入买入):业绩增长提速业绩增长提速,发力信息能量融合创新发力信息能量融合创新 中国电信中国电信(601728 CH)2022 年收入利润稳步增长，派息率进一步提高年收入利润稳步增长，派息率进一步提高 2022 年公司 A 股收入同比增长 9.4%至人民币 4,750 亿元，基本符合彭博一致预期（4,831 亿），归母净利润同比增长 6.3%至人民币 276 亿元，基本符合彭博一致预期（282 亿）。公司拟每股派发现金股利 0.076 元，2022 年全年派息率为 65%（2021:60%）。考虑到公司产业数字化业务增长潜力，我们预计其 23-25 年归母净利润为 310/345/381 亿元，给予 A 股 1.65 倍 2023 年 PB 估值（全球平均：1.38），对应目标价 8.02 元（前值：5.46）；参考过去一月公司 AH 股溢价率均值 65.5%，给予 H 股 1.0 倍 2023 年 PB 估值，对应目标价为 5.51 港币（前值：3.92）。风险提示：1）ARPU 改善低于预期；2）5G 资本开支超出预期；3）竞争加剧；4）公司采取较为保守的股息政策。报告发布日期：2023 年 03 月 23 日 点击下载全文：中国电信点击下载全文：中国电信(728 HK,买入买入;601728 CH,买入买入):产业数字化排头兵产业数字化排头兵,天翼云收入再翻倍天翼云收入再翻倍 中国联通中国联通(600050 CH)2022 年收入及利润增长提速；扬帆数字中国蓝海年收入及利润增长提速；扬帆数字中国蓝海 中国联通于 3 月 8 日发布 2022 财务业绩，2022 年公司 A 股营收同比增长 8.3%至人民币 3549.4 亿元（2021：7.9%），高于彭博一致预期 3518.1亿元；A 股归母净利润 73 亿元，同比增长 15.8%。公司派发 2022 年股息 0.274 元/股，派息率提升至 50%。我们预计 H 股 23-25 年 BPS 为11.84/12.64/13.57 元，A 股 23-25 年 BPS 为 5.13/5.56/6.05 元，考虑到公司在数字经济领域发展潜力，给予 A 股 1.5 倍 2023 年 PB，对应目标价7.70 元（前值：4.43），维持“增持”评级；考虑到美国 13959 号行政令的影响，给予 H 股 0.65 倍 2023 年 PB，对应目标价 8.70 港元（前值：5.63），维持“买入”评级。风险提示：1）APRU 改善幅度小于预期；2）5G 相关资本支出大于预期；3）行业竞争加剧。报告发布日期：2023 年 03 月 09 日 点击下载全文：中国联通点击下载全文：中国联通(762 HK,买入买入;600050 CH,增持增持):新战略新开局新战略新开局,把握数字中国发展机遇把握数字中国发展机遇 中兴通讯中兴通讯(000063 CH)三大业务齐增三大业务齐增 盈利能力改善，盈利能力改善，2022 年公司扣非净利同比增长年公司扣非净利同比增长 86.5%根据公司 2022 年年报，2022 公司营收为 1229.54 亿元，同比增长 7.36%；归母净利润为 80.80 亿元，同比增长 18.6%；扣非归母净利润为 61.67亿元，同比增长 86.5%。其中 Q4 单季公司营收/归母净利润/扣非归母净利润分别为 303.95/12.60/6.16 亿元，分别同比-0.98%/ 31.28%/扭亏为盈。考虑到公司研发费用的增长，我们预计公司 20232025 年归母净利润分别为 98.30/113.04/127.68（前值：106.97/123.43/-）亿元，可比公司 2023年 Wind 一致预期 PE 均值为 18x，考虑到公司 ICT 龙头地位，给予公司 2023 年 20 xPE，目标价为 41.51 元（前值：37.40 元）；参考 2023 年至今公司 H、A 股 PE 比率均值 64%，港元汇率取 0.88，对应 H 股 2023 年 PE12.9x 及 H 股目标价 30.33 港元（前值：23.36 港元），维持“买入”评级。风险提示：运营商业务毛利率大幅下滑；新业务拓展不及预期。报告发布日期：2023 年 03 月 12 日 点击下载全文：中兴通讯点击下载全文：中兴通讯(763 HK,买入买入;000063 CH,买入买入):扣非净利高增扣非净利高增,第二曲线打开成长空间第二曲线打开成长空间 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。12 科技科技 股票名称股票名称 最新观点最新观点 紫光股份紫光股份(000938 CH)HPE 实体拟出售新华三全部股权，紫光股份拟全资控股新华三实体拟出售新华三全部股权，紫光股份拟全资控股新华三 近日 HPE 实体向紫光国际发出关于行使卖出期权的通知，HPE 开曼和 Izar Holdings Co 将向全资子公司紫光国际出售其持有的新华三合计 49%股权,收购价对应 2021 年 5 月至 2022 年 4 月的扣非净利润 PE 15x。交易完成后，紫光股份将持有新华三 100%的股权。我们认为此次交易有望增厚上市公司净利润，新华三深度布局“云-网-边-端-芯”全产业链，有望受益于国内数字经济发展，持续拓展市场份额。我们预计其 22-24 年归母净利润为 24.68/30.17/36.76 亿元，基于分部估值法，给予公司目标市值 922.3 亿元，目标价为 32.25 元，对应 23 年 PE 30.57x，维持“增持”评级。风险提示：1）公司自研芯片进度不及预期或投入过大；2）创新业务发展不及预期；3）新业务市场不及预期。报告发布日期：2023 年 01 月 05 日 点击下载全文：紫光股份点击下载全文：紫光股份(000938 CH,增持增持):拟全资控股新华三，拟全资控股新华三，ICT 龙头再起航龙头再起航 长光华芯长光华芯(688048 CH)2022 年扣非净利承压，看好年扣非净利承压，看好 2023 年景气度回暖年景气度回暖 根据公司业绩快报，2022 年公司营收/归母净利润/扣非归母净利润分别为 3.86/1.25/0.09 亿元，分别同比-9.98%/ 8.50%/-88.25%，公司扣非净利下滑主要系国内光纤激光行业景气度承压，导致上游激光芯片需求波动，以及公司研发保持高度投入，此外公司产能利用率不足导致费用摊销增加。展望 2023 年，随着光纤激光器行业需求有望复苏，以及公司特种领域、激光雷达等业务有望持续开拓，或带动公司业绩逐季度环比回暖。我们预计公司 22-24 年归母净利润为 1.25/2.25/3.40 亿元（前值：1.42/2.73/4.01 亿元），对应 22-24 年 CAGR 为 43%，根据 Wind 一致预期，2023 年可比公司平均 PEG 为 1.73x，考虑到公司在高功率激光芯片领域龙头地位，给予公司 23 年 PEG 2x，目标价 143.64 元（前值：145.00 元），维持“买入”。风险提示：下游需求恢复不及预期；公司产品价格出现大幅下滑。报告发布日期：2023 年 02 月 28 日 点击下载全文：长光华芯点击下载全文：长光华芯(688048 CH,买入买入):业绩短期承压，看好业绩短期承压，看好 23 年景气修复年景气修复 炬光科技炬光科技(688167 CH)2022 年扣非净利同比增长年扣非净利同比增长 72%，多元化经营展现盈利韧性，多元化经营展现盈利韧性 根据公司 2022 年业绩快报，2022 年公司营收为 5.5 亿元，同比增长 16.0%；归母净利润为 1.27 亿元，同比增长 87.6%；扣非归母净利润为 0.84亿元，同比增长 72.4%，接近此前业绩预告区间上限（归母净利润：1.201.30 亿元；扣非归母净利润：0.750.85 亿元）。2022 年公司多元化经营展现盈利韧性，此外经营效率逐步提升推动盈利能力改善。我们预计公司 20222024 年归母净利润预期分别为 1.27/2.10/3.00 亿元（前值：1.28/2.10/3.00 亿元）。可比公司 2023 年 Wind 一致预期 PE 均值为 46x，考虑到公司泛半导体制程等领域的领先优势，给予公司 2023 年 70 xPE，目标价为 163.40 元（前值：151.72 元），维持“买入”评级。风险提示：公司泛半导体业务开拓不及预期；公司上游业务竞争加剧。报告发布日期：2023 年 02 月 26 日 点击下载全文：炬光科技点击下载全文：炬光科技(688167 CH,买入买入):业务多点开花，业务多点开花，22 年扣非净利高增年扣非净利高增 数据港数据港(603881 CH)2022 全年营收全年营收/EBITDA 稳定增长；新增交付项目产能逐步释放稳定增长；新增交付项目产能逐步释放 2022 年公司营收为 14.55 亿元（YoY： 16.88%），EBITDA 为 10.22 亿元（YoY： 21.54%），主要系公司前期已投入运营的数据中心机柜逐步上电，产能逐步释放；归母净利润为 1.15 亿元，同比下降 5.45%，主要系前期投产大规模数据中心，造成固定资产及其折旧短期增幅较大。长期来看，“数字中国”政策出台及产业数字化转型趋势将持续驱动 IDC 需求，我们预计公司 2325 年 EBITDA 分别为 11.76/13.73/16.28 亿元（前值：14.22/17.30/-亿元）。考虑到新增项目短期上架率的影响，给予公司 23 年 EV/EBITDA 14 倍（可比公司均值：17.72），对应目标价 41.82 元（前值：38.68 元），维持“买入”评级。风险提示：客户上电进度不及预期；项目建设及交付进度不及预期。报告发布日期：2023 年 03 月 14 日 点击下载全文：数据港点击下载全文：数据港(603881 CH,买入买入):EBITDA 稳步增长，供需拐点可期稳步增长，供需拐点可期 七一二七一二(603712 CH)营收利润同比大幅增长，未来发展长期看好营收利润同比大幅增长，未来发展长期看好 1-3Q 公司营收/归母净利润/扣非归母净利润分别为 22.13/3.03/2.86 亿，同比增长 25.73%/22.14%/38.08%,其中 3Q22 营收/归母净利润/扣非归母净利润分别为 8.41/0.96/0.94 亿，同比增长 26.29%/18.62%/39.93%。我们维持此前盈利预测不变，预计 20222024 年归母净利润为 8.63/11.46/14.50亿。根据 Wind 一致预期，可比公司 2022 年 PE 均值为 31x，考虑到军工行业维持高景气，公司利润率稳步回升，我们给予公司 2022 年 PE35x，目标价 39.14 元/股，维持“买入”评级。风险提示：疫情影响产品交付；军品竞争加剧。报告发布日期：2022 年 10 月 28 日 点击下载全文：七一二点击下载全文：七一二(603712 CH,买入买入):行业维持高景气，营收利润稳增长行业维持高景气，营收利润稳增长 海格通信海格通信(002465 CH)定增预案发布，发力北斗定增预案发布，发力北斗 5G、无人信息与卫星互联网、无人信息与卫星互联网 公司公告拟向特定对象发行股票募资总额不超过 20 亿元，募集资金用于“北斗 5G”通导融合研发产业化项目、无人信息产业基地项目和天枢研发中心建设暨卫星互联网研发项目，发行对象为包括控股股东无线电集团及其全资子公司平云产投在内的不超过 35 名投资者。考虑到疫情影响项目延期交付，我们调整盈利预测，预计 20222024 年归母净利润为 6.59/8.58/9.94 亿元（前值：7.16/8.45/9.87 亿元），23 年可比公司 Wind 一致预期均值 PE26x，考虑到公司在无线通信和北斗导航领域的优势，我们给予 23 年目标 PE36x，对应目标价 13.40 元/股（前值：11.18 元/股），维持“增持”评级。风险提示：国防信息化建设不及预期；疫情影响产品交付。报告发布日期：2023 年 03 月 16 日 点击下载全文：海格通信点击下载全文：海格通信(002465 CH,增持增持):定增预案发布，布局卫星互联网研发定增预案发布，布局卫星互联网研发 上海瀚讯上海瀚讯(300762 CH)Q3 延续业绩增长，看好公司未来发展延续业绩增长，看好公司未来发展 1-3Q 公司营收/归母净利润/扣非归母净利润分别为 3.86/0.89/0.78 亿，同比增长 2.02%/10.01%/25.02%,其中 3Q22 营收/归母净利润/扣非归母净利润分别为 2.04/0.66/0.60 亿，同比增长-1.98%/11.03%/20.66%。考虑到军品换装节奏的影响，我们下调盈利预测，预计 20222024 年归母净利润分别为 3.09/4.00/4.71 亿（前值 3.48/4.26/5.13 亿）。根据 Wind 一致预期，可比公司 2022 年 PE 均值为 34x，我们给予公司 2022 年 PE34x，目标价16.71 元/股（前值 17.75 元/股），维持“买入”评级。风险提示：研发进度不及预期；军品需求不及预期。报告发布日期：2022 年 10 月 25 日 点击下载全文：上海瀚讯点击下载全文：上海瀚讯(300762 CH,买入买入):利润稳步增长，军用区宽空间广阔利润稳步增长，军用区宽空间广阔 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。13 科技科技 股票名称股票名称 最新观点最新观点 美格智能美格智能(002881 CH)Q3 业绩符合预期，看好长期发展前景业绩符合预期，看好长期发展前景 根据公司三季报，公司 Q3 单季营收为 6.76 亿元，同比增长 9.1%；单季归母净利润为 0.36 亿元（符合此前业绩预告的 0.340.38 亿元），同比增长 13.2%。Q3 公司泛 IOT 业务因行业景气度波动影响，需求短期承压；车载、FWA 业务仍保持顺利推进。长期来看，我们仍然看好物联网模组发展前景，公司作为国内智能模组领先厂商，市场份额亦有望延续提升。考虑到公司国内泛 IOT 业务需求端受疫情影响短期承压，我们预计公司20222024 年归母净利润分别为 1.84/2.92/4.15 亿元（前值：1.97/2.95/4.20 亿元），可比公司 2022 年 Wind 一致预期 PE 均值为 37x，基于公司在智能模组、算力模组等领域的领先地位，给予公司 2022 年 50 xPE，对应目标价为 38.35 元（以当前股本计算，前值为 49.30 元），维持“增持”评级。风险提示：订单量不及预期，新客户拓展存在一定周期。报告发布日期：2022 年 10 月 29 日 点击下载全文：美格智能点击下载全文：美格智能(002881 CH,增持增持):Q3 业绩符合预期，看好长期发展前景业绩符合预期，看好长期发展前景 移远通信移远通信(603236 CH)2022 年业绩快速增长，年业绩快速增长，Q4 营收增速略放缓营收增速略放缓 根据公司 2022 年业绩预告，预计 2022 年营收/归母净利润/扣非归母净利润分别约 142.0/6.0/4.8 亿元，分别同比增长约 26.1%/67.6%/40.2%，全年公司业绩的快速增长主要受益于模组业务需求的稳步增长，以及公司积极开拓新业务，贡献新的业绩增量。4Q22 单季来看，预计营收/归母净利润/扣非归母净利润分别为 40.6/1.6/1.4 亿元，分别同比增长约 7.3%/34.9%/25.9%，营收及归母净利增速较 Q3 放缓，我们判断或因国内疫情影响，以及海外需求的波动。考虑到海外物联网模组市场需求端或有波动，我们下调公司 2022-2024 年营收预期至 142/197/268 亿元（前值：150/219/308亿元），可比公司 2023 年 Wind 一致预期 PS 均值为 1.46x，给予公司 2023 年 1.46xPS，目标价为 152.75 元（前值：139.93 元），维持“买入”评级。风险提示：上游原材料涨价，研发费用持续增加，国内疫情反复。报告发布日期：2023 年 01 月 30 日 点击下载全文：移远通信点击下载全文：移远通信(603236 CH,买入买入):22 年业绩高增，新业务积极开拓年业绩高增，新业务积极开拓 资料来源：Bloomberg，华泰研究预测 图表图表18：行业新闻概览行业新闻概览 新闻日期新闻日期 来源来源 新闻标题及链接地址新闻标题及链接地址 2023 年 03 月 24 日 中国通信网 新疆电信用数字技术抢农时备春耕（点击查看原文）2023 年 03 月 24 日 新浪财经 日本半导体制造装置协会（SEAJ）：2 月日本芯片制造设备订单同比增长 0.1%（点击查看原文）2023 年 03 月 24 日 通信世界网 2022 年国家新型数据中心典型案例公布，中国移动入选率达 30%！（点击查看原文）2023 年 03 月 24 日 C114 通信网 台晶圆代工厂“有条件”地接受从陆同行转移的订单（点击查看原文）2023 年 03 月 24 日 中国证券网 大成基金基金经理王帅：看好消费电子行业（点击查看原文）2023 年 03 月 24 日 动点科技 Canalys：个人智能音频设备市场走势低迷，全球真无线耳机 2022Q3 增速放缓至 6%（点击查看原文）2023 年 03 月 24 日 一财 华为轮值董事长徐直军：华为已完成芯片 14nm 以上 EDA 工具国产化（点击查看原文）2023 年 03 月 24 日 中国经营网 国内电脑市场由寒转暖 2024 年增长可期（点击查看原文）2023 年 03 月 24 日 腾讯网 通信行业云基建专题报告：AI 加速发展下，云基建产业新趋势（点击查看原文）2023 年 03 月 24 日 财联社 IDC：2022 年中国真无线耳机出货量同比下降 15%骨传导耳机出货量同比增长 123.6%（点击查看原文）2023 年 03 月 24 日 通信世界网 2022 年中国智能手表出货量同比下降 9%华为、苹果占据近 50%份额（点击查看原文）2023 年 03 月 24 日 电子工程专辑 中国发布自主 Chiplet 小芯片标准，重在优化、适用性以及成本可控（点击查看原文）2023 年 03 月 24 日 通信世界网 英特尔陈伟：聚焦网络与边缘，缔造可持续数字化未来（点击查看原文）2023 年 03 月 24 日 TechWeb 软银旗下 ARM 寻求上市前提高芯片设计价格 已告知多家智能手机制造商（点击查看原文）2023 年 03 月 24 日 TechWeb 微软高管：谷歌的 Bard 与 Bing Chat 相比远远落后（点击查看原文）2023 年 03 月 24 日 新浪财经 IDC：2022 年中国蓝牙耳机市场同比下滑 18%，骨传导耳机大涨 124%（点击查看原文）2023 年 03 月 24 日 硬科技评论 全球半导体产业重组迫在眉睫（点击查看原文）2023 年 03 月 24 日 全球半导体观察 研究人员在自旋电子器件制造工艺方面获新突破，或成半导体芯片行业新标准（点击查看原文）2023 年 03 月 24 日 智通财经 Counterpoint Research：2022 年中国智能手表出货量同比下降 9%华为、苹果(AAPL.US)合计份额约达 50%（点击查看原文）2023 年 03 月 24 日 IT 之家 Counterpoint：2022 年全球 ODM/IDH 智能手机出货量同比下降 5（点击查看原文）2023 年 03 月 24 日 21 世纪经济报道 华为手机高端再“亮剑”折叠屏市场风起云涌（点击查看原文）2023 年 03 月 24 日 科技日报 全球 6G 技术大会呼吁搭建协同创新桥梁（点击查看原文）2023 年 03 月 24 日 新浪财经 Counterpoint：国内智能手表出货量去年同比下降 9.3%（点击查看原文）2023 年 03 月 24 日 财联社 半导体巨头押注氮化镓芯片 有望在数据中心领域大幅放量（点击查看原文）2023 年 03 月 24 日 药明康德 比尔盖茨重磅解读人工智能：40 年来最重大的技术革命！（点击查看原文）2023 年 03 月 24 日 中国证券报 工信部：前两月电信业务收入增 7.9%云计算等新兴业务表现亮眼（点击查看原文）2023 年 03 月 24 日 腾讯网 PCB 行业专题报告：底部明确，关注布局景气增量的优质公司（点击查看原文）2023 年 03 月 24 日 科技日报 自旋电子器件制造工艺获新突破（点击查看原文）2023 年 03 月 24 日 21 世纪经济报道 华为大动作！余承东透露关键信息（点击查看原文）2023 年 03 月 24 日 第一财经日报“拍得清月亮却拍不清月光下的人”手机影像“卷”偏了（点击查看原文）2023 年 03 月 23 日 中国基金报 集体飙涨！“最差的一年”过去了？（点击查看原文）2023 年 03 月 23 日 新浪财经 科技部副部长张广军：中国高度重视 6G 发展 在 MIMO、太赫兹通信等领域取得进展（点击查看原文）2023 年 03 月 23 日 华尔街见闻 孙正义发狠了？关键 IPO 之前 ARM 计划改变专利费收取模式（点击查看原文）2023 年 03 月 23 日 旭日大数据 出口旺盛本土低迷，越南智能手机出货量下降 30%（点击查看原文）2023 年 03 月 23 日 电子工程专辑 28 纳米也受限制，美国对芯片“安全护栏”做出定义（点击查看原文）免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。14 科技科技 新闻日期新闻日期 来源来源 新闻标题及链接地址新闻标题及链接地址 2023 年 03 月 23 日 前瞻网 2023 年全球汽车大算力芯片市场发展现状及趋势 汽车大算力芯片的需求将不断提高（点击查看原文）2023 年 03 月 23 日 中国证券网 艾瑞咨询：折叠屏手机 2023 年会迎来爆发 出货量将超过 550 万台（点击查看原文）2023 年 03 月 23 日 中国经济网 7.9%和 17.7%！1-2 月电信业务收入、总量同比双增长（点击查看原文）2023 年 03 月 23 日 ZAKER 存储芯片，压得韩国喘不过气（点击查看原文）2023 年 03 月 23 日 阿思达克 工信部：首两月电信业务收入按年增 7.9%三大电信商云计算等新兴业务收入增 25.7%（点击查看原文）2023 年 03 月 23 日 和讯网 工信部：今年首 2 月电信业务收入和业务总量稳步增长（点击查看原文）2023 年 03 月 23 日 华尔街见闻 微博 CEO 王高飞：过去一年微博折叠手机用户增长 74%（点击查看原文）2023 年 03 月 23 日 界面新闻 工信部：1-2 月电信业务收入、总量同比分别增长 7.9%和 17.7%（点击查看原文）2023 年 03 月 23 日 52RD 韩国：接受美国补贴的芯片公司不会被迫关闭中国工厂（点击查看原文）2023 年 03 月 23 日 格隆汇 第三届全球 6G 技术大会开幕（点击查看原文）2023 年 03 月 23 日 第一财经 深南电路：算力爆发仍停留在终端应用层面 暂未明显传导至 PCB 端（点击查看原文）2023 年 03 月 23 日 证券时报网 中泰证券：价格库存底部信号明显 面板行业有望进一步复苏（点击查看原文）2023 年 03 月 23 日 界面新闻 英媒：软银旗下 ARM 寻求上调芯片设计价格（点击查看原文）2023 年 03 月 23 日 通信世界网 数据中心可持续发展之谜（点击查看原文）2023 年 03 月 23 日 凤凰网 芯片要大涨价？ARM 已通知小米等客户将改变授权模式（点击查看原文）2023 年 03 月 23 日 科创板日报 消息称中国游戏笔电销量开始回升（点击查看原文）2023 年 03 月 23 日 观察者网 美对华芯片限制“护栏”细则公布（点击查看原文）2023 年 03 月 23 日 科创板日报 日本 2 月 PC 出货量同比增长 10.1%创近两年来最大增幅（点击查看原文）2023 年 03 月 23 日 芯智讯 传手机 ODM 厂商拿到三星 2500 台手机大单，将带动产业链走出寒冬？（点击查看原文）2023 年 03 月 23 日 智通财经 中泰证券：价格库存底部信号明显 面板有望进一步复苏（点击查看原文）2023 年 03 月 23 日 高工 LED 高工巡回|何时熬过低谷期？多家 LED 厂商给出答案（点击查看原文）2023 年 03 月 23 日 中国证券网 工业和信息化部：截至 2 月末我国 5G 基站总数达 238.4 万个 比上年末净增 7.21 万个（点击查看原文）2023 年 03 月 23 日 证券时报网 工信部：截至 2 月末 5G 基站总数达 238.4 万个（点击查看原文）2023 年 03 月 23 日 证券时报网 工信部：固定宽带接入用户稳步增加，千兆用户突破亿级规模（点击查看原文）2023 年 03 月 23 日 财联社 工信部：1-2 月通信业电信业务收入累计完成 2803 亿元 同比增长 7.9%（点击查看原文）2023 年 03 月 23 日 芯智讯 国产化率不足 10%！一文看懂国产半导体材料产业现状（点击查看原文）2023 年 03 月 23 日 中国通信网 中国电信傅志仁：预计 6G 接入网和核心网全通道实现共建共享（点击查看原文）2023 年 03 月 23 日 虎嗅网 日本断供光刻胶：本土半导体学不了三星（点击查看原文）2023 年 03 月 23 日 科创板日报 面板需求逐步提升 DDI 出货 2023 年 Q2 有望回温（点击查看原文）2023 年 03 月 23 日 凤凰网 全国首家穿戴甲研究设计院开幕，穿戴甲行业迎来新风向标（点击查看原文）2023 年 03 月 23 日 科创板日报 PCIe 5.0 SSD 推进缓慢 行业人士预测 2024 年下半年才能普及（点击查看原文）2023 年 03 月 23 日 中国航天科技集团 我国首个干涉 SAR 商业卫星星座数据产品发布（点击查看原文）2023 年 03 月 23 日 AGV 网 Promat 2023 展会上的内部物流移动机器人中国军团（点击查看原文）2023 年 03 月 23 日 中国投资咨询网 通信行业：数字经济核心资产 云与数据重塑价值（点击查看原文）2023 年 03 月 23 日 电子工程专辑 芯片巨头，咬着牙“赌未来”（点击查看原文）2023 年 03 月 23 日 通信世界网 中国移动 5G 全连接工厂军团首站落地宁波，携手华为加快 5G 全连接工厂建设（点击查看原文）2023 年 03 月 23 日 新浪财经 人形机器人未来很任性（点击查看原文）2023 年 03 月 22 日 腾讯网 连台湾地区芯片出口都连续 4 个月下滑，芯片求需求复苏是难上加难了？（点击查看原文）2023 年 03 月 22 日 财联社 算力爆发将极大提升用量！PCB 龙头股价翻倍，受益上市公司梳理（点击查看原文）2023 年 03 月 22 日 21 财经 存储器跌价计提资产减值 1.6 亿 江波龙上市首年净利大跌九成（点击查看原文）2023 年 03 月 22 日 新浪财经 机构：2022 年全球激光投影市场出货量将达 145 万台（点击查看原文）2023 年 03 月 22 日 通信产业网 二月运营数据出炉：快马加鞭冲刺首季开门（点击查看原文）2023 年 03 月 22 日 智能制造网 格局打开了！我国新型显示产业由“跑”转“飞”（点击查看原文）2023 年 03 月 22 日 中商情报网 2023 年中国公有云行业市场规模及市场竞争格局预测分析（点击查看原文）2023 年 03 月 22 日 市界“卷”起来的一夜，AIGC 要全面影响人类？（点击查看原文）2023 年 03 月 22 日 财联社 中国电信谈 ChatGPT：将提供大模型算力服务 关注产业 AI（点击查看原文）2023 年 03 月 22 日 财联社 中国电信产业数字化投资今年将增加 40%（点击查看原文）2023 年 03 月 22 日 爱荷聊财经 大跌 31.3%！芯片出口内地连跌 4 个月，台湾经济支撑摇晃（点击查看原文）2023 年 03 月 22 日 电子智造业 与连接器厂商共赴电子峰会盛宴 探市场先机（点击查看原文）2023 年 03 月 22 日 英维塔 AI 的 iPhone 时刻已经到来！英伟达让芯片计算光刻提速 40 倍！（点击查看原文）2023 年 03 月 22 日 新浪财经 Omdia：2023 年大尺寸显示面板出货量有望同比增 0.8%（点击查看原文）2023 年 03 月 22 日 证券时报网 利扬芯片：未来芯片测试行业将以第三方独立芯片测试企业为主（点击查看原文）2023 年 03 月 22 日 智通财经 Canalys：智能手机品牌正寻求新的增长机会 建议关注三个关键标准（点击查看原文）2023 年 03 月 22 日 证券时报网 外交部回应美芯片法案：所谓“护栏”是彻头彻尾的科技封锁和保护主义（点击查看原文）2023 年 03 月 22 日 财经网 Counterpoint：去年四季度全球智能手机出货量下降 19%（点击查看原文）2023 年 03 月 22 日 中证网 2023 全球 6G 技术大会开幕 未来数字世界“超级基础设施”备受关注（点击查看原文）2023 年 03 月 22 日 TechWeb 碾压式领先三星、小米！苹果重回全球出货量最大手机厂商（点击查看原文）2023 年 03 月 22 日 中国通信网 破解版 App“危机重重”中国电信多维度护航网信安全（点击查看原文）2023 年 03 月 22 日 WitsView 睿智显示 三星显示计划与 APS Holdings 合作开发 3500ppi FMM 技术（点击查看原文）2023 年 03 月 22 日 中国通信网 数字经济开新篇 中小企业如何重启“增长飞轮”？（点击查看原文）免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。15 科技科技 新闻日期新闻日期 来源来源 新闻标题及链接地址新闻标题及链接地址 2023 年 03 月 22 日 TechWeb 微信聊天记录不用头疼了：vivo、小米和 oppo 宣布跨品牌换机数据迁移（点击查看原文）2023 年 03 月 22 日 工业和信息化部 能源电子产业政策西南片区宣贯会在四川召开（点击查看原文）2023 年 03 月 22 日 iDoNews OPPO、小米、vivo 现已达成合作 支持第三方应用数据互相迁移（点击查看原文）2023 年 03 月 22 日 科创板日报 训练 AI 模型需大量 GPU 有望拉动 ABF 载板长期需求（点击查看原文）2023 年 03 月 22 日 钛媒体 国产屏幕崛起 20 年：一位工程师的见证与探索（点击查看原文）2023 年 03 月 22 日 界面新闻 韩版芯片法案获韩国国会财政委通过，半导体等战略产业可获更高扣除税率（点击查看原文）2023 年 03 月 22 日 华尔街见闻 中国算力总规模近五年年均增速超 25%，产业仍需加大研发投入（点击查看原文）2023 年 03 月 22 日 阿思达克 南韩：晶片商取得美国补贴不代表中国厂房会被迫关闭（点击查看原文）2023 年 03 月 22 日 通信世界网 2022 年营收最高的十家芯片厂商：AMD 增幅最大、台积电未入围（点击查看原文）2023 年 03 月 22 日 中国新闻网 广州数字产品制造企业近 7000 家 元宇宙场景应用广泛（点击查看原文）2023 年 03 月 22 日 盖德化工网 美印宣布半导体供应链和创新合作伙伴关系谅解备忘录（点击查看原文）2023 年 03 月 22 日 电子工程专辑 2023 Fabless100 系列：100 家中国 IC 设计上市公司综合实力和增长潜力排名（点击查看原文）2023 年 03 月 22 日 科创板日报 SEMI：预计半导体设备支出 2024 年复苏回升 重返 900 亿美元大关（点击查看原文）2023 年 03 月 22 日 新浪财经 手机面板价格有望自第二季未起止跌回稳（点击查看原文）2023 年 03 月 22 日 市界 旗舰 4000 起，国产手机买不起了（点击查看原文）2023 年 03 月 22 日 TechWeb 坚持为用户利益而战！卢伟冰：Redmi 焊的门谁能搬得走？（点击查看原文）2023 年 03 月 22 日 中商情报网 2023 年中国 PC 显示器出货量及发展趋势预测分析（点击查看原文）2023 年 03 月 22 日 TechWeb 微软研究员质疑 Bard 数据集包括 Gmail 邮件：谷歌迅速澄清（点击查看原文）2023 年 03 月 22 日 金融界 韩国大企业去年第四季营业利润同比降 69%，IT 电气电子业同比骤降 85.4（点击查看原文）2023 年 03 月 22 日 中证网 中国信通院云大所副所长李洁：我国算力总规模近五年年均增速超过 25%（点击查看原文）2023 年 03 月 22 日 界面新闻 SEMI：预计今年全球晶圆厂设备支出同比减 22%至 760 亿美元（点击查看原文）2023 年 03 月 22 日 半导体行业观察 半导体设备，同比下跌 22%（点击查看原文）2023 年 03 月 22 日 挖贝网 助力功率半导体国产化替代 锴威特 IPO 拟进一步提升竞争优势及服务能力（点击查看原文）2023 年 03 月 22 日 TechWeb 一文看懂黄仁勋描绘的 AI 未来：AI 迎来“iPhone 时刻”（点击查看原文）2023 年 03 月 22 日 IT 之家 Counterpoint 报告：苹果超过三星成为全球出货量最大的手机厂商（点击查看原文）2023 年 03 月 22 日 通信世界网 15 个主体入选！工信部公布第二批 5G 应用安全创新推广中心名单（点击查看原文）2023 年 03 月 22 日 财信证券研究 家用电器行业 2023 年 3 月报：扫地机器人线下高增，线上销量降幅收窄（点击查看原文）2023 年 03 月 22 日 浙江在线 5G、3D、VR、XR 悉数登场 智能应用让杭州亚运会耳聪目明（点击查看原文）2023 年 03 月 22 日 中国证券报 6G 需求与设计考虑白皮书发布 中国移动推动 6G 研究向系统设计跨越（点击查看原文）2023 年 03 月 21 日 中国通信企业协会 第二届“鼎新杯”数字化转型应用征集大赛在京启动（点击查看原文）2023 年 03 月 21 日 北京商报 苹果独占高端手机市场 75%份额！为啥难说高枕无忧？（点击查看原文）2023 年 03 月 21 日 财联社 缺芯潮 2.0 来了？GPU 短缺下游急寻替代品 价格战首枪已打响（点击查看原文）2023 年 03 月 21 日 Ofweek 维科网 捷威动力荣获“维科杯OFweek 2022 年度最具成长力企业奖”（点击查看原文）2023 年 03 月 21 日 Ofweek 维科网 鹏辉能源荣获“维科杯OFweek 2022 年度最具成长力企业奖”（点击查看原文）2023 年 03 月 21 日 智通财经 银行动荡将波及欧洲科技行业？初创企业去年债务几乎翻倍（点击查看原文）2023 年 03 月 21 日 绿盟科技 隐私计算技术赋能智慧医疗发展（点击查看原文）2023 年 03 月 21 日 新浪财经 Analysys Mason 与华为联合发布5G 新通话产业发展白皮书（点击查看原文）2023 年 03 月 21 日 界面新闻 CPU GPU 异构计算成芯片巨头新宠（点击查看原文）2023 年 03 月 21 日 半导体芯闻 中国台湾对印度的芯片出口持续增长（点击查看原文）2023 年 03 月 21 日 半导体芯闻 日媒揭露厂商库存，芯片行业迎来转机？（点击查看原文）2023 年 03 月 21 日 芯智讯 2022 年全球高端智能手机市场：华为销售额下滑 44%，份额降至 3%！（点击查看原文）2023 年 03 月 21 日 芯智讯 补贴“无上限”？传中国将大力扶持中芯国际、华为等芯片企业（点击查看原文）2023 年 03 月 21 日 央广网 全球 17 家运营商发布 6G 白皮书 提出 6G 系统架构与设计考虑（点击查看原文）2023 年 03 月 21 日 科创板日报 TrendForce：Q2 面板驱动 IC 价格有望逐渐回稳（点击查看原文）2023 年 03 月 21 日 新浪财经 全球 PC 与家电厂商库存下降 半导体需求或触底（点击查看原文）2023 年 03 月 21 日 智通财经 中国光伏行业协会：2 月全国太阳能级多晶硅产量同比增长 32.3%（点击查看原文）2023 年 03 月 21 日 同壁财经 机构看好电子行业转型新风向 领益智造汽车光伏业务扬帆起航（点击查看原文）2023 年 03 月 21 日 DIGITIMES 6G 芯片前哨战开打 国内力图主导发展（点击查看原文）2023 年 03 月 21 日 阿思达克 中移动(00941.HK)等全球 16 间营运商发布 6G 设计与需求白皮书（点击查看原文）2023 年 03 月 21 日 科创板日报 消息称 LG 显示为美国电动汽车 Lucid 供应 OLED（点击查看原文）2023 年 03 月 21 日 新浪财经 泰国智能机出货因售价上涨而下滑，2022 年降幅达 21%（点击查看原文）2023 年 03 月 21 日 通信世界网 信通院辛勇飞：电信领域行政执法程序进一步完善，助推法治政府建设（点击查看原文）2023 年 03 月 21 日 中国通信网 福州电信助力打造全国首个全数字化、镜像化“云中大学”（点击查看原文）2023 年 03 月 21 日 新浪财经 Counterpoint：2022 年全球智能手机销量同比下降 12%（点击查看原文）2023 年 03 月 21 日 金融界 3 月 LCD TV 面板价格全线上涨 大尺寸偏光片供不应求（点击查看原文）2023 年 03 月 21 日 智通财经 TechhInsights：2 月全球智能手机出货量及销量分别同比下降 11%和 5%（点击查看原文）2023 年 03 月 21 日 科创板日报 IDC：预计 2024 年中国 PC 显示器出货量为 2618 万台 同比增长 4.3%（点击查看原文）2023 年 03 月 21 日 显示与触控网 2022 年 LCD 驱动芯片中国厂商排名/面板驱动 IC 定价持稳 OLED 有潜在竞争（点击查看原文）2023 年 03 月 21 日 21 财经 彩电“天花板”短期难以突破 商显赛道成新战场（点击查看原文）2023 年 03 月 21 日 界面新闻 机构：2023 年中东智能手机出货量预计增长 6%（点击查看原文）免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。16 科技科技 新闻日期新闻日期 来源来源 新闻标题及链接地址新闻标题及链接地址 2023 年 03 月 21 日 界面新闻 机构：2 月全球智能手机出货量同比下降 11%，三星重回第一（点击查看原文）2023 年 03 月 21 日 恒越基金 一周涨了 11%的光刻胶到底是什么？（点击查看原文）2023 年 03 月 21 日 IT 之家 国家版权局：2022 年全国共完成计算机软件著作权登记 1835341 件（点击查看原文）2023 年 03 月 21 日 科创板日报 分析师：消费类芯片需求回温 但数据中心等高性能芯片存在库存过剩风险（点击查看原文）2023 年 03 月 21 日 科创板日报 韩国 3 月前 20 天芯片出口额同比下降 44.7%（点击查看原文）2023 年 03 月 21 日 中国电子报 电子纸千亿赛道谁将领跑？（点击查看原文）2023 年 03 月 21 日 财经网 去年全球智能手机销量同比下降了 12%，高端手机市场苹果占 75%（点击查看原文）2023 年 03 月 21 日 凤凰财经 iPhone 15 改用 USB-C“带火”充电头 郭明錤：年出货量将增长 6800 万（点击查看原文）2023 年 03 月 21 日 中国通信网 中国电信启动 2023 年 WLAN 设备集采：预估 29.6 万台（点击查看原文）2023 年 03 月 21 日 智通财经 Canalys：2023 年中东智能手机出货量将增长 6%达到 4040 万部 沙特阿拉伯为最大市场（点击查看原文）2023 年 03 月 21 日 科创板日报 Canalys：2023 年中东智能手机市场增长幅度将达到 6%（点击查看原文）2023 年 03 月 21 日 TechWeb OpenAI：ChatGPT 可能对美国 19%工作岗位产生重大影响（点击查看原文）2023 年 03 月 21 日 中国通信网 中国移动采购 5425 个 FDD 基站，软件开通 2.86 万个 NB-IoT 基站（点击查看原文）2023 年 03 月 21 日 电子工程专辑 全球内存库存达历史最高点，营收现大幅亏损，2023 年仍将下滑（点击查看原文）2023 年 03 月 21 日 TechWeb ChatGPT 之父夜不能寐：我真担心大模型被滥用（点击查看原文）2023 年 03 月 21 日 新华网 智能电视如何更便捷（点击查看原文）2023 年 03 月 21 日 荆楚网 2023 光谷人工智能产业生态大会智能网联汽车专场 23 日启幕（点击查看原文）2023 年 03 月 21 日 DT 半导体 哪种半导体技术将主宰后摩尔时代？（点击查看原文）2023 年 03 月 21 日 中国证券网 集邦咨询：3 月下旬电视面板价格进一步上涨（点击查看原文）2023 年 03 月 20 日 高工移动机器人 2022 年中国移动机器人行业数据重磅发布（点击查看原文）2023 年 03 月 20 日 科创板日报 华为相关人士发声，“进军 ERP 市场”系误读！抢“蛋糕”猜想引行业龙头股价大跌（点击查看原文）2023 年 03 月 20 日 南方都市报 华为宣布杀入 ERP 软件市场，用友、金蝶股价大跌，这样回应（点击查看原文）2023 年 03 月 20 日 中国通信网 中国移动 2 月 5G 套餐客户净增 1666 万户，累计近 6.4 亿户（点击查看原文）2023 年 03 月 20 日 Bugster 科技 美方芯片竟开始暴跌！比尔盖茨预言验证，中国芯片真要崛起了？（点击查看原文）2023 年 03 月 20 日 智通财经 一文看懂移动(00941)联通(00762)2 月运营数据 电信股此番大跌原因何在？（点击查看原文）2023 年 03 月 20 日 界面新闻 友达：面板景气二季度落底，下半年优于上半年（点击查看原文）2023 年 03 月 20 日 数据宝 根本买不到，这种芯片大缺货！IGBT 遭抢买，国内厂商纷纷布局，助推业绩增长（点击查看原文）2023 年 03 月 20 日 每经网 硅碳负极材料用在手机上，能否解决用户电池续航焦虑？（点击查看原文）2023 年 03 月 20 日 野马财经 周期拐点已至！面板全线调涨，大尺寸龙头 TCL 科技春天近了？（点击查看原文）2023 年 03 月 20 日 通信世界网 2 月净增 313.9 万户！中国移动移动业务客户总数达 9.786 亿户（点击查看原文）2023 年 03 月 20 日 钛媒体 芯片视角下的 GPT-4（点击查看原文）2023 年 03 月 20 日 TechWeb 集邦咨询：2023 年第一季度 NAND 闪存营收将继续下滑（点击查看原文）2023 年 03 月 20 日 通信信息报 借势“数据局”东风：产业迎来发展新机遇（点击查看原文）2023 年 03 月 20 日 财事爱雅 想要在大陆上分一杯羹？以台积电为代表的四大芯片巨头宣布退市（点击查看原文）2023 年 03 月 20 日 证券时报 国内首单工业数据工具场内交易在深数交落地（点击查看原文）2023 年 03 月 20 日 新浪财经 WitsView：3 月下旬电视各尺寸面板价格进一步上涨 其他产品均价维持不变（点击查看原文）2023 年 03 月 20 日 DIGITIMES 5G 增长低于预期 然射频前端市场持续攀高（点击查看原文）2023 年 03 月 20 日 每经网 一天共蒸发 2800 亿！中国移动、中国联通跌超 9%，中国电信触及跌停！数字经济“东风”吹不动了？（点击查看原文）2023 年 03 月 20 日 前瞻网 车载 48V 系统受热捧，国内外芯片、车厂争相布局（点击查看原文）2023 年 03 月 20 日 科创板日报 大尺寸面板报价涨势延续（点击查看原文）2023 年 03 月 20 日 科创板日报 友达：面板已从供过于求转为供需平衡 预期行业景气在 4-5 月触底（点击查看原文）2023 年 03 月 20 日 通信世界网 实探云南三地数字乡村建设：数智化“造福”彩云之南（点击查看原文）2023 年 03 月 20 日 IT 之家 Canalys：预计 2023 年中国云服务支出将增长 12%（点击查看原文）2023 年 03 月 20 日 科技 plus 华为超过 Acer、神舟、小米等，成中国第五大 PC 厂商（点击查看原文）2023 年 03 月 20 日 通信世界网 Canalys：2023 年中国云服务支出将增长 12%（点击查看原文）2023 年 03 月 20 日 维科网显示 关于显示行业，我们与国产“ChatGPT”文心一言聊了这些（点击查看原文）2023 年 03 月 20 日 TechWeb 宝尊与阿里云达成战略合作，加速全面上云与数字化产品集成（点击查看原文）2023 年 03 月 20 日 信科视界 填补行业空白！中国信科主导的这个国际标准助力我国把牢 5G 光器件研发生产全球话语权（点击查看原文）2023 年 03 月 20 日 格隆汇 手机需求回稳表现温吞 零件、品牌、渠道三方承压（点击查看原文）2023 年 03 月 20 日 科创板日报 手机 CIS 供应链资源挪移 低端车规品恐陷价格战（点击查看原文）2023 年 03 月 20 日 TechWeb 4 月亮相？小米 13 Ultra 三证已齐：只待系统完备（点击查看原文）2023 年 03 月 20 日 中国通信网 华为、曙光、浪潮 3 家瓜分中国移动分布式文件存储集采（点击查看原文）2023 年 03 月 20 日 中国家电网 每年约出 3 亿到 4 亿部！旧手机标准化回收流程亟待出台（点击查看原文）2023 年 03 月 20 日 科创板日报 机构：到 2031 年全球 SiC 晶圆市场规模预计将达到 29.4 亿美元（点击查看原文）2023 年 03 月 20 日 TechWeb 为避免大裁员，苹果采取十二大举措降本增效（点击查看原文）2023 年 03 月 20 日 智通财经 半导体封测板块迎来周期复苏 先进封装成长的利好（点击查看原文）2023 年 03 月 20 日 科创板日报 IC 设计终端需求仍未明显复苏（点击查看原文）2023 年 03 月 20 日 科创板日报 IGBT 陷入紧缺（点击查看原文）资料来源：财汇资讯、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。17 科技科技 图表图表19：公司动态公司动态 公司公司 公告日期公告日期 具体内容具体内容 华工科技 2023-03-23 关于华工科技产业股份有限公司 2022 年年度股东大会的法律意见书 链接：https:/ 2023-03-23 2022 年年度股东大会决议公告 链接：https:/ 中际旭创 2023-03-24 关于持股 5%以上股东之一致行动人部分股票解除质押的公告 链接：https:/ 2023-03-24 关于股票交易异常波动的公告 链接：https:/ 2023-03-21 关于部分高级管理人员减持计划期限届满暨实施情况的公告 链接：https:/ 2023-03-21 关于第三期员工持股计划完成非交易过户的公告 链接：https:/ 金卡智能 2023-03-24 关于回购股份实施结果暨股份变动的公告 链接：https:/ 天孚通信 2023-03-21 关于持股 5%以上股东持股比例变动 1%的公告 链接：https:/ 2023-03-21 关于持股 5%以上股东股份减持计划实施进展暨减持完毕的公告 链接：https:/ 2023-03-21 关于控股股东及一致行动人持股比例变动 1%的公告 链接：https:/ 新易盛 2023-03-20 关于控股股东减持股份达到 1%的公告 链接：https:/ 2023-03-20 关于公司控股股东、监事减持计划期限届满的公告 链接：https:/ 移为通信 2023-03-22 关于公司通过高新技术企业复审的公告 链接：https:/ 2023-03-20 关于理财产品到期赎回及继续使用闲置募集资金和自有资金进行现金管理的公告 链接：https:/ 2023-03-20 关于公司控股股东、实际控制人减持比例达 1%的公告 链接：https:/ 2023-03-20 关于公司部分高级管理人员减持计划时间过半的公告 链接：https:/ 上海瀚讯 2023-03-20 简式权益变动报告书 链接：https:/ 2023-03-20 关于披露简式权益变动报告书的提示性公告 链接：https:/ 2023-03-20 2023-010 关于 2020 年限制性股票激励计划首次授予部分第二个归属期归属结果暨股份上市的公告 链接：https:/ 中天科技 2023-03-20 第八届监事会第十次会议决议公告 链接：https:/ 2023-03-20 关于终止分拆所属子公司上市的公告 链接：https:/ 2023-03-20 独立董事关于第八届董事会第十次会议相关事项的独立意见 链接：https:/ 中国移动 2023-03-24 独立非执行董事关于公司 2022 年度对外担保情况的专项说明与独立意见 链接：https:/ 2023-03-24 关于日常关联交易的公告 链接：https:/ 2023-03-24 2022 年年度报告摘要 链接：https:/ 2023-03-24 关于中国移动通信集团财务有限公司与关联方开展金融业务风险处置预案 链接：https:/ 2023-03-24 中国国际金融股份有限公司、中信证券股份有限公司关于中国移动有限公司日常关联交易事项的核查意见 链接：https:/ 2023-03-24 2022 年年度报告 链接：https:/ 2023-03-24 2023 年第一次董事会决议公告 链接：https:/ 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。18 科技科技 公司公司 公告日期公告日期 具体内容具体内容 2023-03-24 2022 年度募集资金存放与实际使用情况专项报告 链接：https:/ 2023-03-24 独立非执行董事关于 2023 年第一次董事会相关事项的事前认可意见 链接：https:/ 2023-03-24 中国国际金融股份有限公司、中信证券股份有限公司关于中国移动有限公司财务公司关联交易有关事项的核查意见 链接：https:/ 2023-03-24 关于续聘会计师事务所的公告 链接：https:/ 2023-03-24 关于中国移动通信集团财务有限公司的风险持续评估报告 链接：https:/ 2023-03-24 独立非执行董事关于 2022 年度金融服务协议暨关联交易实际执行情况的专项说明与独立意见 链接：https:/ 2023-03-24 董事会审核委员会 2022 年度履职报告 链接：https:/ 2023-03-24 中国国际金融股份有限公司、中信证券股份有限公司关于中国移动有限公司 2022 年度募集资金存放与实际使用情况的专项核查意见 链接：https:/ 2023-03-24 2022 年末期利润分配方案的公告 链接：https:/ 2023-03-24 独立非执行董事关于 2023 年第一次董事会相关事项的独立意见 链接：https:/ 2023-03-24 2022 年度审计报告 链接：https:/ 2023-03-24 2022 年独立非执行董事述职报告 链接：https:/ 2023-03-24 2022 年内部控制评价报告 链接：https:/ 2023-03-24 2022 年内部控制审计报告 链接：https:/ 2023-03-24 审核委员会关于相关事项的书面审核意见 链接：https:/ 2023-03-24 2022 年涉及财务公司关联交易的存款、贷款等金融业务汇总表的专项说明 链接：https:/ 2023-03-24 2022 年非经营性资金占用及其他关联资金往来情况的专项说明 链接：https:/ 2023-03-24 2022 年募集资金存放与实际使用情况专项报告的鉴证报告 链接：https:/ 2023-03-24 薪酬委员会职权范围书 链接：https:/ 2023-03-21 2023 年 2 月客户数据公告 链接：https:/ 中国电信 2023-03-23 2022 年年度利润分配方案公告 链接：https:/ 2023-03-23 2022 年年度报告摘要 链接：https:/ 2023-03-23 独立董事关于第七届董事会第二十七次会议相关事项的独立意见 链接：https:/ 2023-03-23 普华永道中天会计师事务所(特殊普通合伙)关于中国电信股份有限公司 2022 年度财务报告内部控制的审计报告 链接：https:/ 2023-03-23 关于中国电信集团财务有限公司关联交易 2022 年度风险持续评估报告 链接：https:/ 2023-03-23 独立董事关于公司对外担保情况的专项说明及独立意见 链接：https:/ 2023-03-23 中国国际金融股份有限公司、中信建投证券股份有限公司关于中国电信股份有限公司 2022 年度涉及中国电信集团财务有限公司关联交易的核查意见 链接：https:/ 2023-03-23 2022 年度社会责任报告 链接：https:/ 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。19 科技科技 公司公司 公告日期公告日期 具体内容具体内容 2023-03-23 2022 年度独立董事述职报告 链接：https:/ 2023-03-23 2022 年度募集资金存放与实际使用情况的专项报告 链接：https:/ 2023-03-23 2022 年度内部控制评价报告 链接：https:/ 移远通信 2023-03-24 5%以上股东减持数量过半暨权益变动达 1%的提示性公告 链接：https:/ 七一二 2023-03-22 持股 5%股东减持股份计划公告 链接：https:/ 数据港 2023-03-24 股东减持股份计划公告 链接：https:/ 2023-03-23 股东减持股份结果公告 链接：https:/ 威胜信息 2023-03-22 北京市金杜律师事务所关于威胜信息技术股份有限公司 2022 年年度股东大会的法律意见书 链接：https:/ 2023-03-22 2022 年年度股东大会决议公告 链接：https:/ 2023-03-21 中国国际金融股份有限公司关于威胜信息技术股份有限公司 2022 年度持续督导跟踪报告 链接：https:/ 炬光科技 2023-03-22 股东集中竞价减持股份结果公告 链接：https:/ 源杰科技 2023-03-22 关于变更公司注册资本、修订公司章程并办理工商变更登记的公告 链接：https:/ 资料来源：财汇资讯、华泰研究 风险提示风险提示 1.中美贸易摩擦加剧。中美贸易关系存在一定的不确定性，贸易摩擦激化或将在短期内影响上游核心芯片供应。2.全球新型肺炎尚未可控。肺炎疫情影响经济生活，若持续恶化将对全球行业产生不利影响，包括但不限于影响开工时间、影响供应链、影响日常销售以及工程建设等工作。3.云厂商资本开支投入不及预期。数据中心需求同云厂商资本开支相关，若云厂商放缓资本开支投入，对于数据中心的需求将产生影响。4.5G 发展进程不及预期。运营商及 5G 产业链公司与 5G 发展进程息息相关，若 5G 整体发展不及预期，则将对产业链需求造成影响。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。20 科技科技 免责免责声明声明 分析师声明分析师声明 本人，余熠、黄乐平，兹证明本报告所表达的观点准确地反映了分析师对标的证券或发行人的个人意见；彼以往、现在或未来并无就其研究报告所提供的具体建议或所表迖的意见直接或间接收取任何报酬。一般声明及披露一般声明及披露 本报告由华泰证券股份有限公司（已具备中国证监会批准的证券投资咨询业务资格，以下简称“本公司”）制作。本报告所载资料是仅供接收人的严格保密资料。本报告仅供本公司及其客户和其关联机构使用。本公司不因接收人收到本报告而视其为客户。本报告基于本公司认为可靠的、已公开的信息编制，但本公司及其关联机构(以下统称为“华泰”)对该等信息的准确性及完整性不作任何保证。本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，华泰可能会发出与本报告所载意见、评估及预测不一致的研究报告。同时，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。以往表现并不能指引未来，未来回报并不能得到保证，并存在损失本金的可能。华泰不保证本报告所含信息保持在最新状态。华泰对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本公司不是 FINRA 的注册会员，其研究分析师亦没有注册为 FINRA 的研究分析师/不具有 FINRA 分析师的注册资格。华泰力求报告内容客观、公正，但本报告所载的观点、结论和建议仅供参考，不构成购买或出售所述证券的要约或招揽。该等观点、建议并未考虑到个别投资者的具体投资目的、财务状况以及特定需求，在任何时候均不构成对客户私人投资建议。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。对依据或者使用本报告所造成的一切后果，华泰及作者均不承担任何法律责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。除非另行说明，本报告中所引用的关于业绩的数据代表过往表现，过往的业绩表现不应作为日后回报的预示。华泰不承诺也不保证任何预示的回报会得以实现，分析中所做的预测可能是基于相应的假设，任何假设的变化可能会显著影响所预测的回报。华泰及作者在自身所知情的范围内，与本报告所指的证券或投资标的不存在法律禁止的利害关系。在法律许可的情况下，华泰可能会持有报告中提到的公司所发行的证券头寸并进行交易，为该公司提供投资银行、财务顾问或者金融产品等相关服务或向该公司招揽业务。华泰的销售人员、交易人员或其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。华泰没有将此意见及建议向报告所有接收者进行更新的义务。华泰的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。投资者应当考虑到华泰及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突。投资者请勿将本报告视为投资或其他决定的唯一信赖依据。有关该方面的具体披露请参照本报告尾部。本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布的机构或人员，也并非意图发送、发布给因可得到、使用本报告的行为而使华泰违反或受制于当地法律或监管规则的机构或人员。本报告版权仅为本公司所有。未经本公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人(无论整份或部分)等任何形式侵犯本公司版权。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并需在使用前获取独立的法律意见，以确定该引用、刊发符合当地适用法规的要求，同时注明出处为“华泰证券研究所”，且不得对本报告进行任何有悖原意的引用、删节和修改。本公司保留追究相关责任的权利。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。中国香港中国香港 本报告由华泰证券股份有限公司制作,在香港由华泰金融控股（香港）有限公司向符合证券及期货条例及其附属法律规定的机构投资者和专业投资者的客户进行分发。华泰金融控股（香港）有限公司受香港证券及期货事务监察委员会监管，是华泰国际金融控股有限公司的全资子公司，后者为华泰证券股份有限公司的全资子公司。在香港获得本报告的人员若有任何有关本报告的问题,请与华泰金融控股（香港）有限公司联系。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。21 科技科技 香港香港-重要监管披露重要监管披露 华泰金融控股（香港）有限公司的雇员或其关联人士没有担任本报告中提及的公司或发行人的高级人员。有关重要的披露信息，请参华泰金融控股（香港）有限公司的网页 https:/.hk/stock_disclosure 其他信息请参见下方“美“美国国-重要监管披露”重要监管披露”。美国美国 在美国本报告由华泰证券（美国）有限公司向符合美国监管规定的机构投资者进行发表与分发。华泰证券（美国）有限公司是美国注册经纪商和美国金融业监管局（FINRA）的注册会员。对于其在美国分发的研究报告，华泰证券（美国）有限公司根据1934 年证券交易法（修订版）第 15a-6 条规定以及美国证券交易委员会人员解释，对本研究报告内容负责。华泰证券（美国）有限公司联营公司的分析师不具有美国金融监管（FINRA）分析师的注册资格，可能不属于华泰证券（美国）有限公司的关联人员，因此可能不受 FINRA 关于分析师与标的公司沟通、公开露面和所持交易证券的限制。华泰证券（美国）有限公司是华泰国际金融控股有限公司的全资子公司，后者为华泰证券股份有限公司的全资子公司。任何直接从华泰证券（美国）有限公司收到此报告并希望就本报告所述任何证券进行交易的人士，应通过华泰证券（美国）有限公司进行交易。美国美国-重要监管披露重要监管披露 分析师余熠、黄乐平本人及相关人士并不担任本报告所提及的标的证券或发行人的高级人员、董事或顾问。分析师及相关人士与本报告所提及的标的证券或发行人并无任何相关财务利益。本披露中所提及的“相关人士”包括 FINRA定义下分析师的家庭成员。分析师根据华泰证券的整体收入和盈利能力获得薪酬，包括源自公司投资银行业务的收入。长光华芯（688048 CH）：华泰证券股份有限公司、其子公司和/或其联营公司在本报告发布日之前的 12 个月内担任了标的证券公开发行或 144A 条款发行的经办人或联席经办人。中国移动（600941 CH）、长光华芯（688048 CH）：华泰证券股份有限公司、其子公司和/或其联营公司在本报告发布日之前 12 个月内曾向标的公司提供投资银行服务并收取报酬。华泰证券股份有限公司、其子公司和/或其联营公司,及/或不时会以自身或代理形式向客户出售及购买华泰证券研究所覆盖公司的证券/衍生工具，包括股票及债券（包括衍生品）华泰证券研究所覆盖公司的证券/衍生工具，包括股票及债券（包括衍生品）。华泰证券股份有限公司、其子公司和/或其联营公司,及/或其高级管理层、董事和雇员可能会持有本报告中所提到的任何证券（或任何相关投资）头寸，并可能不时进行增持或减持该证券（或投资）。因此，投资者应该意识到可能存在利益冲突。本报告所载的观点、结论和建议仅供参考，不构成购买或出售所述证券的要约或招揽，亦不试图促进购买或销售该等证券。如任何投资者为美国公民、取得美国永久居留权的外国人、根据美国法律所设立的实体（包括外国实体在美国的分支机构）、任何位于美国的个人，该等投资者应当充分考虑自身特定状况，不以任何形式直接或间接地投资本报告涉及的投资者所在国相关适用的法律法规所限制的企业的公开交易的证券、其衍生证券及用于为该等证券提供投资机会的证券的任何交易。该等投资者对依据或者使用本报告内容所造成的一切后果，华泰证券股份有限公司、华泰金融控股（香港）有限公司、华泰证券（美国）有限公司及作者均不承担任何法律责任。评级说明评级说明 投资评级基于分析师对报告发布日后 6 至 12 个月内行业或公司回报潜力（含此期间的股息回报）相对基准表现的预期（A 股市场基准为沪深 300 指数，香港市场基准为恒生指数，美国市场基准为标普 500 指数），具体如下：行业评级行业评级 增持：增持：预计行业股票指数超越基准 中性：中性：预计行业股票指数基本与基准持平 减持：减持：预计行业股票指数明显弱于基准 公司评级公司评级 买入：买入：预计股价超越基准 15%以上 增持：增持：预计股价超越基准 5%持有：持有：预计股价相对基准波动在-15%5%之间 卖出：卖出：预计股价弱于基准 15%以上 暂停评级：暂停评级：已暂停评级、目标价及预测，以遵守适用法规及/或公司政策 无评级：无评级：股票不在常规研究覆盖范围内。投资者不应期待华泰提供该等证券及/或公司相关的持续或补充信息 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。22 科技科技 法律实体法律实体披露披露 中国中国：华泰证券股份有限公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J 香港香港：华泰金融控股（香港）有限公司具有香港证监会核准的“就证券提供意见”业务资格，经营许可证编号为：AOK809 美国美国：华泰证券（美国）有限公司为美国金融业监管局（FINRA）成员，具有在美国开展经纪交易商业务的资格，经营业务许可编号为：CRD#:298809/SEC#:8-70231 华泰证券股份有限公司华泰证券股份有限公司 南京南京 北京北京 南京市建邺区江东中路228号华泰证券广场1号楼/邮政编码：210019 北京市西城区太平桥大街丰盛胡同28号太平洋保险大厦A座18层/邮政编码：100032 电话：86 25 83389999/传真：86 25 83387521 电话：86 10 63211166/传真：86 10 63211275 电子邮件：ht- 电子邮件：ht- 深圳深圳 上海上海 深圳市福田区益田路5999号基金大厦10楼/邮政编码：518017 上海市浦东新区东方路18号保利广场E栋23楼/邮政编码：200120 电话：86 755 82493932/传真：86 755 82492062 电话：86 21 28972098/传真：86 21 28972068 电子邮件：ht- 电子邮件：ht- 华泰金融控股（香港）有限公司华泰金融控股（香港）有限公司 香港中环皇后大道中 99 号中环中心 58 楼 5808-12 室 电话： 852-3658-6000/传真： 852-2169-0770 电子邮件： http:/.hk 华泰证券华泰证券（美国美国）有限公司有限公司 美国纽约公园大道 280 号 21 楼东（纽约 10017）电话： 212-763-8160/传真： 917-725-9702 电子邮件:Huataihtsc- http:/www.htsc- 版权所有2023年华泰证券股份有限公司

20人已浏览 2023-03-27 22页 5星级

运营商资本开支预期增长，ChatGPT 支持插件应用，持续利好算网产业链 Table_Industry 信达通信产业追踪（85）Table_ReportTime2023 年 3 月 26 日 蒋 颖 通信行业首席分析师 S1500521010002 86 15510689144 石瑜捷 通信行业研究助理 86 17801043822 请阅读最后一页免责声明及信息披露 http:/ 2 证券研究报告 行业研究 行业周报 行业行业名称名称 通信通信行业行业 投资评级投资评级 看好看好 上次评级上次评级 看好看好 蒋 颖 通信行业首席分析师 执业编号：S1500521010002 联系电话： 86 15510689144 邮 箱： 石瑜捷 通信行业研究助理 86 17801043822 信达证券股份有限公司 CINDA SECURITIES CO.,LTD 北 京 市 西 城 区 闹 市 口 大 街9号 院1号 楼 邮编：100031 运营商资本开支运营商资本开支预期增长预期增长，ChatGPTChatGPT 支持插件应用，持续利好算网产业链支持插件应用，持续利好算网产业链 2023 年 3 月 26 日 周投资观点周投资观点 Table_Summary 3 月月 23 日，日，OpenAI 推出推出 ChatGPT plugins，支持多种插件，支持多种插件，可可实现实现实时联网，实时联网，AI 模型实用性、可靠性进一步提升，坚定看好算力产业链模型实用性、可靠性进一步提升，坚定看好算力产业链：ChatGPT 解锁多种插件，将拥有自己的解锁多种插件，将拥有自己的“APP Store”。首批开放支持。首批开放支持的插件包括旅游出行插件的插件包括旅游出行插件 Expedia、法律法规知识插件、法律法规知识插件 FiscalNote、杂货预定插件杂货预定插件 Instacart、航班酒店租车插件、航班酒店租车插件 KAYAK、网购比价插件、网购比价插件Klarna Shopping、AI 语音插件语音插件 Speak，以及可连接超，以及可连接超 5000 个个 APP的插件的插件 Zapier 等。未来将允许更多的开发者来开发适合自己应用的等。未来将允许更多的开发者来开发适合自己应用的ChatGPT 插件，适用范围进一步扩大，插件，适用范围进一步扩大，ChatGPT 的生态将逐渐丰富。的生态将逐渐丰富。ChatGPT 可通过插件，增强自身能力，拥有更丰富的知识库。用于可通过插件，增强自身能力，拥有更丰富的知识库。用于ChatGPT 模型训练的数据库日期截止至模型训练的数据库日期截止至 2021 年年 9 月，使得模型始终月，使得模型始终存在部分限制，信息可能已经过时，现在，插件相当于模型的存在部分限制，信息可能已经过时，现在，插件相当于模型的“眼睛和眼睛和耳朵耳朵”，使，使 ChatGPT 接入实时信息，模型的回答将更加可靠。接入实时信息，模型的回答将更加可靠。随着随着 ChatGPT API、Plugins 的相继开放，我们认为的相继开放，我们认为 AI 模型模型或或将不将不断优化，以适应多种场景，断优化，以适应多种场景，AI 产品商业化进程继续产品商业化进程继续加快。流量的提升加快。流量的提升也将进一步拉动对日常推理算力的需求，持续利好算网产业链。也将进一步拉动对日常推理算力的需求，持续利好算网产业链。三大运营商三大运营商运营商资本开支运营商资本开支预期增长预期增长，算力投入持续加大。，算力投入持续加大。2022 三大三大运营商资本开支合计为运营商资本开支合计为 3519 亿元，同比上涨亿元，同比上涨 3.71%；预计；预计 2023 年三年三大运营商资本开支合计为大运营商资本开支合计为 3591 亿元，同比上涨亿元，同比上涨 2.04%。各运营商在。各运营商在算网算网相关相关方面的投资均保持方面的投资均保持 20%以上增速以上增速：1）2023 年年，中国移动中国移动预计资本开支合计约为预计资本开支合计约为 1832 亿元亿元，主要用于主要用于保持连接品质领先、优化算力资源布局、促进能力锻造提升以及支撑保持连接品质领先、优化算力资源布局、促进能力锻造提升以及支撑CHBN 业务发展等方面，其中算力投资预计增加至业务发展等方面，其中算力投资预计增加至 452 亿元，同比增亿元，同比增长长 34.9%，算力投资在资本开支占比由，算力投资在资本开支占比由 18.1%提升至约提升至约 24.7%。2）2023 年，中国电信预计资本开支水平将达到年，中国电信预计资本开支水平将达到 990 亿元，同比增长亿元，同比增长7%，其中产业数字化投资占比将达到，其中产业数字化投资占比将达到 38.4%，投资总额超过，投资总额超过 380 亿亿元，同比增长超过元，同比增长超过 40%；2023 年产业数字化投资中，算力（云资源）年产业数字化投资中，算力（云资源）计划投资计划投资 195 亿元，亿元，IDC 计划投资计划投资 95 亿元。亿元。3）2023 年，年，中国联通中国联通预计资本开支水平将达到预计资本开支水平将达到 769 亿元，同比增长亿元，同比增长4%，其中算网投资占比将超过，其中算网投资占比将超过 19%，投资总额超过，投资总额超过 146 亿元，同比亿元，同比增长超过增长超过 20%。数字经济时代，三大运营商是建设国内算力网络的主力军和直接力量，数字经济时代，三大运营商是建设国内算力网络的主力军和直接力量，是我国算力的核心底座支撑，运营商投资算网是我国算力的核心底座支撑，运营商投资算网或将持续或将持续利好数字经济利好数字经济全产业链。全产业链。此外，此外，数字经济的发展离不开人工智能、工业互联网、智数字经济的发展离不开人工智能、工业互联网、智能制造、云计算等新兴技术的研发，通信行业公司在科技研发方面保能制造、云计算等新兴技术的研发，通信行业公司在科技研发方面保持着较高的投入，在持着较高的投入，在 5G 数字经济时代，有望成为新技术研发的中流数字经济时代，有望成为新技术研发的中流砥柱。砥柱。我们认为，今年的通信板块，数字经济我们认为，今年的通信板块，数字经济&智能制造为确定性较高的成长智能制造为确定性较高的成长mMqRWWcVcWfVuY9YzW9P9R9PnPmMpNtQjMnNoNeRsQqP9PpOoOMYnNyRNZmMzQ 请阅读最后一页免责声明及信息披露 http:/ 3 主线，我们持续提示重点关注的主线，我们持续提示重点关注的“算力龙头算力龙头”宝信软件、中兴通讯、运宝信软件、中兴通讯、运营商、紫光股份和营商、紫光股份和“智能制造二巨头智能制造二巨头”宝信软件、中控技术有望长期受宝信软件、中控技术有望长期受益益，同时建议重点同时建议重点关注两大数字经济产业方向关注两大数字经济产业方向：1）通信通信&云云&卫星互卫星互联网基础设施建设：（联网基础设施建设：（1）IDC 与制冷温控等：宝信软件、光环新网、与制冷温控等：宝信软件、光环新网、润泽科技、奥飞数据、英维克、申菱环境等；（润泽科技、奥飞数据、英维克、申菱环境等；（2）设备商：中兴通讯、）设备商：中兴通讯、紫光股份、锐捷网络等；（紫光股份、锐捷网络等；（3）光器件与光连接：中际旭创、源杰科技、）光器件与光连接：中际旭创、源杰科技、腾景科技、光库科技、天孚通信、新易盛、亨通光电、永鼎股份、通鼎腾景科技、光库科技、天孚通信、新易盛、亨通光电、永鼎股份、通鼎互联、太辰光等；（互联、太辰光等；（4）卫星互联网：中国卫通、华力创通、铖昌科技、）卫星互联网：中国卫通、华力创通、铖昌科技、海格通信、华测导航、光库科技等海格通信、华测导航、光库科技等。2）智能制造、工业互联网、物智能制造、工业互联网、物联网、云计算等数字经济核心应用：宝信软件、中控技术、中国联通、联网、云计算等数字经济核心应用：宝信软件、中控技术、中国联通、中国电信、中国移动、炬中国电信、中国移动、炬光科技、禾川科技等；广和通、美格智能、移光科技、禾川科技等；广和通、美格智能、移远通信、威胜信息、力合微等；三旺通信、东土科技、映翰通等。远通信、威胜信息、力合微等；三旺通信、东土科技、映翰通等。行情回顾：行情回顾：2023 年年 3 月月 20 日日3 月月 24 日，在申万一级行业中，通信日，在申万一级行业中，通信（申万）指数（申万）指数上涨上涨 3.66%，在，在 TMT 板块中排名第板块中排名第四四。周重点周重点公司公司：宝信软件、宝信软件、中兴通讯、中兴通讯、紫光股份、中国电信、紫光股份、中国电信、中国移动、中国移动、中国联通、中国联通、源杰科技、光库科技、中际旭创、新易盛、天孚通信、源杰科技、光库科技、中际旭创、新易盛、天孚通信、中控中控技术、禾川科技、技术、禾川科技、铖昌科技、海格通信、铖昌科技、海格通信、亨通光电、亨通光电、威胜信息、威胜信息、瑞可瑞可达、达、永新光学、永新光学、广和通广和通、炬光科技、经纬恒润、科博达炬光科技、经纬恒润、科博达、美格智能、移美格智能、移远通信、和而泰、华大九天、概伦电子远通信、和而泰、华大九天、概伦电子、容知日新、怡合达、容知日新、怡合达等。等。风险因素风险因素：5G 建设不及预期、新能源汽车发展不及预期、海风发展不建设不及预期、新能源汽车发展不及预期、海风发展不及预期、中美贸易摩擦等及预期、中美贸易摩擦等。重点公司主要财务指标重点公司主要财务指标 公司名称公司名称 21EPS 22EPS 23EPS 21PE 22PE 23PE 宝信软件宝信软件 1.2 1.1 1.3 46.5 53.1 44.6 中兴通讯中兴通讯 1.4 1.8 2.1 85.5 64.9 49.5 紫光股份紫光股份 0.8 0.8 1.0 43.2 43.6 25.9 中控技术中控技术 1.2 1.5 2.0 25.8 17.5 13.2 禾川科技禾川科技 1.0 1.0 1.6 24.6 20.0 16.5 亨通光电亨通光电 0.6 0.9 1.2 42.2 39.5 32.9 永新光学永新光学 2.4 2.5 3.1 38.1 36.6 29.1 炬光科技炬光科技 0.8 1.3 2.2 173.2 96.9 59.9 经纬恒润经纬恒润-W 1.6 1.9 2.6 83.3 72.6 52.7 科博达科博达 1.0 1.2 1.6 59.6 47.4 36.3 瑞可达瑞可达 1.1 2.2 3.4 83.5 39.3 26.2 威胜信息威胜信息 0.7 0.9 1.2 44.7 33.4 25.1 广和通广和通 1.0 0.8 1.1 24.1 31.2 20.7 移远通信移远通信 2.5 3.2 4.8 48.8 37.9 24.9 美格智能美格智能 0.6 0.8 1.0 53.8 45.9 34.1 资料来源：Wind，信达证券研发中心预测；股价为2023年3月24日收盘价 请阅读最后一页免责声明及信息披露 http:/ 4 目 录 一、核心观点.6（一）周投资观点.6（二）产业数据更新.7（三）重点赛道和标的.8 二、产业数据.9（一）云计算：仍处于逐步复苏中.9（二）5G：2022 年 2 月我国 5G 基站总数达 238.4 万个；2023 年 2 月，5G 套餐用户数达 11.37 亿户 12（三）物联网：2022 年 Q3 蜂窝物联网模块出货量同比增 2%.14（四）运营商：2023 年 2 月份 5G 套餐用户数达 11.37 亿户；创新业务发展强劲.15（五）新能源汽车：2023 年 2 月国内新势力销量大部分实现同比正增长.19（六）海缆：2023 年 1 月我国海缆已招标 10.65GW.21 三、风险提示.22 表 目 录 重点公司主要财务指标重点公司主要财务指标.3 图 目 录 图图 1：通信核心赛道与标的：通信核心赛道与标的.8 图图 2：Aspeed 月度营收情况（百万新台币）月度营收情况（百万新台币）.9 图图 3：Intel 数据中心业务季度营收（亿美元）数据中心业务季度营收（亿美元）.9 图图 4：BAT 季度资本开支情况季度资本开支情况.10 图图 5：阿里、腾讯、百度单季度资本开支（百万）：阿里、腾讯、百度单季度资本开支（百万）.10 图图 6：海外云巨头（亚马逊、谷歌、苹果、微软、海外云巨头（亚马逊、谷歌、苹果、微软、Meta）资本开支增速相对）资本开支增速相对稳定稳定.10 图图 7：Equinix 机柜价格（美元机柜价格（美元/机柜机柜/月）月）.11 图图 8：万国数据机柜价格（元万国数据机柜价格（元/平米平米/月）月）.11 图图 9：世纪互联机柜价格（元世纪互联机柜价格（元/机柜机柜/月）月）.11 图图 10：移动电话基站建设情况（万站）移动电话基站建设情况（万站）.12 图图 11：三大运营商三大运营商 5G 用户数（百万户）用户数（百万户）.12 图图 12：移动、电信、联通：移动、电信、联通 5G 用户数（百万户）用户数（百万户）.13 图图 13：国内手机及国内手机及 5G 手机出货量（万部）手机出货量（万部）.13 图图 14：2022Q1 全球蜂窝模组出货量市场份额全球蜂窝模组出货量市场份额.14 图图 15：2022Q2 全球蜂窝模组出货量市场份额全球蜂窝模组出货量市场份额.14 图图 16：2022Q2 全球前十大蜂窝物联网模组出货量应用全球前十大蜂窝物联网模组出货量应用.14 图图 17：2022Q3 全球前十大蜂窝物联网模组出货量应用全球前十大蜂窝物联网模组出货量应用.14 图图 18：三大运营商三大运营商 5G 用户数（百万户）用户数（百万户）.15 图图 19：移动、电信、联通：移动、电信、联通 5G 用户数（百万户）用户数（百万户）.16 图图 20：移动：移动 电信电信商宽带用户数（百万户）商宽带用户数（百万户）.16 图图 21：移动、电信宽带用户数（百万户）：移动、电信宽带用户数（百万户）.16 图图 22：2022 年年联通云营收达联通云营收达 361 亿元，同比增长亿元，同比增长 121.0%（亿元）（亿元）.16 图图 23：2022 年年移动云营收达移动云营收达 503 亿元，同比增长亿元，同比增长 108.1%（亿元）（亿元）.17 图图 24：2022 年年天翼云营收达天翼云营收达 579 亿元，同比增长亿元，同比增长 107.5%（亿元）（亿元）.17 图图 25：中国联通：中国联通 ARPU 值值.17 请阅读最后一页免责声明及信息披露 http:/ 5 图图 26：中国移动：中国移动 ARPU 值值.18 图图 27：中国电信：中国电信 ARPU 值值.18 图图 28：我国新能源汽车月销量：我国新能源汽车月销量.19 图图 29：我国新能源汽车渗透率：我国新能源汽车渗透率.19 图图 30：新能源车企月度销量（万辆）新能源车企月度销量（万辆）.20 图图 31：新能源车企月度新能源车企月度销量同比增速销量同比增速.20 图图 32：海缆招标节奏（纵向海缆招标节奏（纵向).21 图图 33：海缆招标节奏（横向海缆招标节奏（横向).21 请阅读最后一页免责声明及信息披露 http:/ 6 一、核心观点（一）周投资观点 1、3 月月 23 日，日，OpenAI 推出推出 ChatGPT plugins，支持多种插件，可实现实时联网，支持多种插件，可实现实时联网，AI 模型实用性、可靠性进模型实用性、可靠性进一步提升，坚定看好算力产业链一步提升，坚定看好算力产业链。ChatGPT 解锁多种插件，将拥有自己的“APP Store”。首批开放支持的插件包括旅游出行插件 Expedia、法律法规知识插件 FiscalNote、杂货预定插件 Instacart、航班酒店租车插件 KAYAK、网购比价插件 Klarna Shopping、AI 语音插件 Speak，以及可连接超 5000 个 APP 的插件 Zapier 等。未来将允许更多的开发者来开发适合自己应用的 ChatGPT 插件，适用范围进一步扩大，ChatGPT 的生态将逐渐丰富。ChatGPT 可通过插件，增强自身能力，拥有更丰富的知识库。用于 ChatGPT 模型训练的数据库日期截止至 2021年 9 月，使得模型始终存在部分限制，信息可能已经过时，现在，插件相当于模型的“眼睛和耳朵”，使 ChatGPT接入实时信息，模型的回答将更加可靠。随着随着 ChatGPT API、Plugins 的相继开放，我们认为的相继开放，我们认为 AI 模型或将不断优化，以适应多种场景，模型或将不断优化，以适应多种场景，AI 产品商业化产品商业化进程继续加快。流量的提升也将进一步拉动对日常推理算力的需求，持续利好算网产业链。进程继续加快。流量的提升也将进一步拉动对日常推理算力的需求，持续利好算网产业链。2、三大运营商运营商资本开支三大运营商运营商资本开支预期增长预期增长，算力投入持续加大。，算力投入持续加大。2022 三大运营商资本开支合计为三大运营商资本开支合计为 3519 亿元，同亿元，同比上涨比上涨 3.71%；预计；预计 2023 年三大运营商资本开支合计为年三大运营商资本开支合计为 3591 亿元，同比上涨亿元，同比上涨 2.04%。各运营商在算网相关方。各运营商在算网相关方面的投资均保持面的投资均保持 20%以上增速：以上增速：1）2023 年，中国移动预计资本开支合计约为 1832 亿元，主要用于保持连接品质领先、优化算力资源布局、促进能力锻造提升以及支撑 CHBN 业务发展等方面，其中算力投资预计增加至 452 亿元，同比增长 34.9%，算力投资在资本开支占比由 18.1%提升至约 24.7%。2）2023年，中国电信预计资本开支水平将达到990亿元，同比增长7%，其中产业数字化投资占比将达到38.4%，投资总额超过 380 亿元，同比增长超过 40%；2023 年产业数字化投资中，算力（云资源）计划投资 195 亿元，IDC 计划投资 95 亿元。3）2023 年，中国联通预计资本开支水平将达到 769 亿元，同比增长 4%，其中算网投资占比将超过 19%，投资总额超过 146 亿元，同比增长超过 20%。数字经济时代，三大运营商是建设国内算力网络的主力军和直接力量，是我国算力的核心底座支撑，运营商投资数字经济时代，三大运营商是建设国内算力网络的主力军和直接力量，是我国算力的核心底座支撑，运营商投资算网或将持续利好数字经济全产业链。此外，数字经济的发展离不开人工智能、工业互联网、智能制造、云计算算网或将持续利好数字经济全产业链。此外，数字经济的发展离不开人工智能、工业互联网、智能制造、云计算等新兴技术的研发，通信行业公司在科技研发方面保持着较高的投入，在等新兴技术的研发，通信行业公司在科技研发方面保持着较高的投入，在 5G 数字经济时代，有望成为新技术研数字经济时代，有望成为新技术研发的中流砥柱。发的中流砥柱。3 3、我们认为，今年的通信板块，数字经济我们认为，今年的通信板块，数字经济&智能制造为智能制造为确定性确定性较高的较高的成长成长主线主线，我们持续，我们持续提示重点关注提示重点关注的“算力的“算力龙头”宝信软件、中兴通讯、运营商、紫光股份和“智能制造二巨头”龙头”宝信软件、中兴通讯、运营商、紫光股份和“智能制造二巨头”宝信软件、中控技术宝信软件、中控技术有望有望长期长期受益受益。同时建议重点关注同时建议重点关注两大两大数字经济产业方向：数字经济产业方向：1 1）通信通信&云云&卫星互联网基础设施建设：（卫星互联网基础设施建设：（1 1）IDCIDC 与制冷温控等与制冷温控等：宝信软件、光环新网、润泽科技、奥飞数据、英维克、申菱环境等；（2 2）设备商：）设备商：中兴通讯、紫光股份、锐捷网络等；（3 3）光器件）光器件与光连接与光连接：中际旭创、源杰科技、腾景科技、光库科技、天孚通信、新易盛、亨通光电、永鼎股份、通鼎互联、太辰光等；（4 4）卫星互联网：）卫星互联网：中国卫通、华力创通、铖昌科技、海格通信、华测导航、光库科技等；2 2）智能制造、工业互联网、物联网、云计算等数字经济核心应用：智能制造、工业互联网、物联网、云计算等数字经济核心应用：宝信软件、中控技术、中国联通、中国电信、中国移动、炬光科技、禾川科技等；广和通、美格智能、移远通信、威胜信息、力合微等；三旺通信、东土科技、映翰通等。请阅读最后一页免责声明及信息披露 http:/ 7（二）产业数据更新【云计算】【云计算】仍处于逐步复苏中仍处于逐步复苏中（1）全球服务器管理芯片供应商龙头全球服务器管理芯片供应商龙头 Aspeed 2023 年年 2 月营收同比月营收同比增长增长 1.20%，环比下滑环比下滑 33.20%；Intel 数数据中心据中心 2022Q4 营收同比延续下滑趋势，但环比增速由负转正为营收同比延续下滑趋势，但环比增速由负转正为 2.38%。（2）2022Q4 海外五大云巨头资本开支为海外五大云巨头资本开支为 433 亿美元，同比增长亿美元，同比增长 17%，环比增长，环比增长 4.8%；BAT 2022Q3 总资本总资本开支同比环比均下滑，但环比下滑幅度收窄；阿里开支同比环比均下滑，但环比下滑幅度收窄；阿里 2022Q4 资本开支为资本开支为 68.97 亿元，同比下滑亿元，同比下滑 48.34%，环比下，环比下滑滑 43.06%；腾讯；腾讯 2022Q3 资本开支为资本开支为 23.77 亿元，同比下滑亿元，同比下滑 66.34%，环比下滑，环比下滑 21.16%；百度；百度 2022Q4 资本资本开支为开支为 19.29 亿元，同比下滑亿元，同比下滑 54.47%，环比下滑，环比下滑 11.92%。（3）2022Q4，Equinix 机柜平均价格为机柜平均价格为 2005 美元美元/机柜机柜/月，环比持平；月，环比持平；2022Q4，万国数据机柜价格为万国数据机柜价格为 2194元元/平米平米/月，略有下滑月，略有下滑；2022Q3，世纪互联机柜价格为，世纪互联机柜价格为 9287 元元/机柜机柜/月，维持稳定。月，维持稳定。【5G 基建】基建】2022 年年 2 月月我国我国 5G 基站总数达基站总数达 238.4 万万个个；2023 年年 2 月，月，5G 套餐用户数达套餐用户数达 11.37 亿户亿户 2022 年年 2 月月，我国我国 5G 基站总数达基站总数达 238.4 万个，比上年末净增万个，比上年末净增 7.21 万个万个；2023 年年 2 月，三大运营商月，三大运营商 5G 套餐套餐用户数达用户数达 11.37 亿户；亿户；2022 年年 12 月月 5G 手机出货手机出货 2323 万部，占比万部，占比 83.4%，同比下滑，同比下滑 14.41%。【物联网】【物联网】2022 年年 Q3 蜂窝物联网模块出货量同比增蜂窝物联网模块出货量同比增 2%根据根据 Counterpoint 的全球蜂窝物联网模块和芯片组跟踪器的最新研究显示，的全球蜂窝物联网模块和芯片组跟踪器的最新研究显示，2022 年年 Q3，全球蜂窝物联网模块，全球蜂窝物联网模块出货量同比仅增长出货量同比仅增长 2%，本季度中国市场出货量同比下降，本季度中国市场出货量同比下降 8%；2022Q3 全球前三大蜂窝物联网应用分别为智能全球前三大蜂窝物联网应用分别为智能表计、表计、POS、汽车。、汽车。【运营商】【运营商】2023 年年 2 月份月份 5G 套餐用户数达套餐用户数达 11.37 亿户；创新业务发展强劲亿户；创新业务发展强劲（1）2023 年年 2 月份，三大运营商月份，三大运营商 5G 套餐用户数达套餐用户数达 11.37 亿户，其中移动亿户，其中移动 6.39 亿户、电信亿户、电信 2.78 亿户、联通亿户、联通2.20 亿户亿户。移动移动 电信固网宽带用户数达电信固网宽带用户数达 4.61 亿亿户，其中移动户，其中移动 2.78 亿户、电信亿户、电信 1.83 亿户。截至亿户。截至 2022 年年 12 月，月，联通固网宽带用户数达联通固网宽带用户数达 1.04 亿户。亿户。（2）运营商创新业务方面，运营商创新业务方面，2022 年三大运营商数据如下：年三大运营商数据如下：1、中国联通：联通云营收达、中国联通：联通云营收达 361 亿元，同比增长亿元，同比增长 121%；产业互联网营收达；产业互联网营收达 704.58 亿元，同比增长亿元，同比增长 28.6%；5G 行业应用营收达行业应用营收达 40 亿元（亿元（2022 年年 H1 数据）；数据中心营收达数据）；数据中心营收达 124 亿元，同比增长亿元，同比增长 13.3%（2022 年年 H1 数数据）；物联网营收达据）；物联网营收达 86 亿元，同比增长亿元，同比增长 42%；大数据营收达；大数据营收达 40 亿元，同比增长亿元，同比增长 58%；2、中国电信：天翼云营收达、中国电信：天翼云营收达 579 亿元，同比增长亿元，同比增长 107.5%；网络安全服务营收达；网络安全服务营收达 46.9 亿元，同比增长亿元，同比增长 23.5%；物联网营收达物联网营收达 40.1 亿元，同比增长亿元，同比增长 40.2%；3、中国移动：移动云营收达、中国移动：移动云营收达 503 亿元，同比增长亿元，同比增长 108.1%；DICT 营收达营收达 864 亿元，同比增长亿元，同比增长 38.8%；物联网；物联网营收达营收达 154 亿元，同比增长亿元，同比增长 35.5%。（3）三大运营商三大运营商 ARPU 值方面，值方面，2022 年年三大运营商数据如下：三大运营商数据如下：1、中国联通：移动业务、中国联通：移动业务 ARPU 值为值为 44.3 元，较元，较 2021 年年 43.9 元有所提升；元有所提升；2、中国电信：移动业务、中国电信：移动业务 ARPU 值为值为 45.2 元，较元，较 2021 年年 45 元有所提升；元有所提升；3、中国移动：移动业务、中国移动：移动业务 ARPU 值为值为 49 元，较元，较 2021 年年 48.8 元有所提升。元有所提升。【新能源汽车】【新能源汽车】2023 年年 2 月国内新势力销量大部分实现同比正增长月国内新势力销量大部分实现同比正增长（1）2023 年年 1 月，我国新能源汽车月产量为月，我国新能源汽车月产量为 42.5 万辆，月销量为万辆，月销量为 40.8 万辆，同比分别下降万辆，同比分别下降 6.9%和和 6.3%，请阅读最后一页免责声明及信息披露 http:/ 8 市场占有率达市场占有率达24.7%；2022年，新能源汽车产销分别达年，新能源汽车产销分别达705.8万辆和万辆和688.7万辆，同比分别增长万辆，同比分别增长96.9%和和93.4%，市场占有率达市场占有率达 25.6%。（2）截至目前，比亚迪、埃安、小鹏、理想、蔚来等公布了）截至目前，比亚迪、埃安、小鹏、理想、蔚来等公布了 2023 年年 2 月新能源车销量数据，比亚迪、埃安、月新能源车销量数据，比亚迪、埃安、小鹏、理想、蔚来小鹏、理想、蔚来 2 月新能源汽车销量为月新能源汽车销量为 19.4 万辆、万辆、3 万辆、万辆、0.6 万辆、万辆、1.66 万辆、万辆、1.22 万辆，同比增速分别万辆，同比增速分别为为 119.4%、252.9%、-3.5%、97.5%、98.3%。【海缆】【海缆】2023 年年 1 月我国海缆已招标月我国海缆已招标 10.65GW（1）截至）截至 2023 年年 1 月末，国内月末，国内“十四五十四五”已招标已招标 21 个海缆项目，合计容量个海缆项目，合计容量 10.65GW。已中标。已中标 19 个项目个项目，合，合计计 9.69GW。（2）纵向看，）纵向看，2021 年，海缆招标年，海缆招标 5 个项目，个项目，3.97GW。2022 年，海风缆招标年，海风缆招标 20 个项目，个项目，10.141GW，中标，中标 18个项目，个项目，9.391GW。2023 年年 1 月，招标月，招标 1 个项目，个项目，0.51GW，同比增长，同比增长 82.14%。（3）横向看，总量上，国内）横向看，总量上，国内“十四五十四五”已中标量占招标量已中标量占招标量 90.99%，占已公开项目容量，占已公开项目容量 24.20%，占规划量，占规划量 12.70%。地区上，规划量占总规划量，广东最高，地区上，规划量占总规划量，广东最高，22.28%；公开项目量占规划量，浙江最高，；公开项目量占规划量，浙江最高，91.87%；招标量占公开项；招标量占公开项目量，山东最高，目量，山东最高，47.26%；中标量占公开项目量，广东；中标量占公开项目量，广东最高，最高，46.27%；中标量占招标量，广东、江苏、浙江、；中标量占招标量，广东、江苏、浙江、辽宁均达辽宁均达 100%。（三）重点赛道和标的 图图 1：通信核心赛道与标的通信核心赛道与标的 资料来源：信达证券研发中心 请阅读最后一页免责声明及信息披露 http:/ 9 二、产业数据（一）云计算：仍处于逐步复苏中（1）全球全球服务器管理芯片服务器管理芯片供应商龙头供应商龙头 Aspeed 2023 年年 2 月营收月营收同比增长同比增长 1.2%，环比下滑环比下滑 33.20%；Intel 数据数据中心中心 2022Q4 营收同比营收同比延续下滑趋势延续下滑趋势，但环比，但环比增速由负转正为增速由负转正为 2.38%。（2）2022Q4 海外五大云巨头资本开支为海外五大云巨头资本开支为 433 亿美元，同比增长亿美元，同比增长 17%，环比增长，环比增长 4.8%；BAT 2022Q3 总资本总资本开支同比环比均下滑，但环比下滑幅度收窄开支同比环比均下滑，但环比下滑幅度收窄；阿里；阿里 2022Q4 资本开支为资本开支为 68.97 亿元，同比下滑亿元，同比下滑 48.34%，环比下，环比下滑滑 43.06%；腾讯腾讯 2022Q3 资本开支为资本开支为 23.77 亿元，同比下滑亿元，同比下滑 66.34%，环比下滑，环比下滑 21.16%；百度；百度 2022Q4 资本资本开支为开支为 19.29 亿元，同比下滑亿元，同比下滑 54.47%，环比下滑，环比下滑 11.92%。（3）2022Q4，Equinix 机柜平机柜平均价格为均价格为 2005 美元美元/机柜机柜/月，月，环比持平；环比持平；2022Q4，万国数据机柜价格为万国数据机柜价格为 2194元元/平米平米/月，略有下滑月，略有下滑；2022Q3，世纪互联机柜价格为世纪互联机柜价格为 9287 元元/机柜机柜/月，维持稳定月，维持稳定。1、云计算：Aspeed 2023 年 2 月营收同比略增，环比下滑；Intel 数据中心 2022Q4 季度营收同比仍下滑，但环比转正 图图 2：Aspeed 月度营收情况（百万新台币）月度营收情况（百万新台币）资料来源：Aspeed官网，信达证券研发中心 图图 3：Intel 数据中心业务季度营收（亿美元）数据中心业务季度营收（亿美元）资料来源：wind，信达证券研发中心-60%-40%-20%0 000200300400500600营收（百万新台币）QoQYoY-60%-40%-20%0 0203040506070802015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q32019Q42020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q4数据中心收入（亿美元）YOYQoQ 请阅读最后一页免责声明及信息披露 http:/ 10 2、云计算：阿里、百度 2022 年 Q4 资本开支同比环比均下滑；图图 4：BAT 季度资本开支情况季度资本开支情况 资料来源：阿里、腾讯、百度公告，信达证券研发中心 图图 5：阿里、腾讯、百度单季度资本开支（百万）阿里、腾讯、百度单季度资本开支（百万）资料来源：阿里、腾讯、百度公告，信达证券研发中心 3、云计算：2022Q4 海外五大云巨头资本开支为 433 亿美元，同比增长 17%，环比增长 4.8%图图 6：海外云巨头（亚马逊、谷歌、苹果、微软、海外云巨头（亚马逊、谷歌、苹果、微软、Meta）资本开支增速相对稳定）资本开支增速相对稳定 资料来源：wind，信达证券研发中心 -100%-50%0P000001000015000200002500030000BAT资本开支（百万元）YOYQoQ-40%-20%0 000200300400500云巨头资本开支（亿美元）YOYQoQ 请阅读最后一页免责声明及信息披露 http:/ 11 4、云计算：2022Q4 Equinix 机柜价格稳定 图图 7：Equinix 机柜价格（美元机柜价格（美元/机柜机柜/月）月）资料来源：Equinix公告，信达证券研发中心 图图 8：万国数据机柜价格（元万国数据机柜价格（元/平米平米/月）月）图图 9：世纪互联机柜价格（元世纪互联机柜价格（元/机柜机柜/月）月）资料来源：万国数据公告，信达证券研发中心 资料来源：世纪互联公告，信达证券研发中心 0200040006000800010000北美EMEA亚太平均（美元/机柜/月）05001000150020002500300035002017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q32019Q42020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q40100020003000400050006000700080009000100002016Q22016Q32016Q42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q32019Q42020Q12020Q22020Q32020Q42021Q12021Q22021Q32021Q42022Q12022Q22022Q3 请阅读最后一页免责声明及信息披露 http:/ 12（二）5G：2022 年 2 月我国 5G 基站总数达 238.4 万个；2023 年 2 月，5G 套餐用户数达 11.37亿户 2023 年年 2 月，我国月，我国 5G 基站总数达基站总数达 238.4 万个，比上年末净增万个，比上年末净增 7.21 万个万个；2023 年年 2 月，三大运营商月，三大运营商 5G 套餐套餐用户数达用户数达 11.37 亿户亿户；2022 年年 12 月月 5G 手机出货手机出货 2323 万部，占比万部，占比 83.4%，同比下滑，同比下滑 14.41%。移动移动 电信固网电信固网宽带用户数达宽带用户数达 4.61 亿亿户，其中移动户，其中移动 2.75 亿户、电信亿户、电信 1.82 亿户。截至亿户。截至 2022 年年 12 月，联通固网宽带用户数达月，联通固网宽带用户数达1.04 亿户。亿户。1、5G 基建：2023 年 2 月，我国 5G 基站总数达 238.4 万个，比上年末净增 7.21 万个 图图 10：移动电话基站建设情况（万站）移动电话基站建设情况（万站）资料来源：工信部，信达证券研发中心 2、5G 基建：2023 年 2 月，三大运营商 5G 套餐用户数达 11.37 亿户 图图 11：三大运营商三大运营商 5G 用户数（百万户）用户数（百万户）资料来源：三大运营商公告，信达证券研发中心 020040060080010001200移动电话基站数4G基站数5G基站数0%2%4%6%8004006008001,0001,2005G用户总数（百万）QoQ 请阅读最后一页免责声明及信息披露 http:/ 13 图图 12：移动、电信、联通移动、电信、联通 5G 用户数（百万户）用户数（百万户）资料来源：三大运营商公告，信达证券研发中心 3、5G 基建：2022 年 12 月 5G 手机出货 2323 万部，占比 83.4%，同比下滑 14.41%图图 13：国内手机及国内手机及 5G 手机出货量（万部）手机出货量（万部）资料来源：中国信通院，信达证券研发中心 0 0Pp00100015002000250030003500400045005G手机出货量（万部）国内手机出货量（万部）5G手机出货量占比 请阅读最后一页免责声明及信息披露 http:/ 14（三）物联网：2022 年 Q3 蜂窝物联网模块出货量同比增 2%根据根据 Counterpoint 的全球蜂窝物联网模块和芯片组跟踪器的最新研究显示，的全球蜂窝物联网模块和芯片组跟踪器的最新研究显示，2022 年年 Q3，全球蜂窝物联网模块，全球蜂窝物联网模块出货量同比仅增长出货量同比仅增长 2%，本季度中国市场出货量同比下降，本季度中国市场出货量同比下降 8%；2022Q3 全球前三大蜂窝物联网应用分别为智能全球前三大蜂窝物联网应用分别为智能表计、表计、POS、汽车。、汽车。图图 14：2022Q1 全球蜂窝模组全球蜂窝模组出货量出货量市场份额市场份额 图图 15：2022Q2 全球蜂窝模组全球蜂窝模组出货量出货量市场份额市场份额 资料来源：Counterpoint，信达证券研发中心 资料来源：Counterpoint，信达证券研发中心 图图 16：2022Q2 全球前十大蜂窝物联网全球前十大蜂窝物联网模组出货量模组出货量应用应用 图图 17：2022Q3 全球前十大蜂窝物联网全球前十大蜂窝物联网模组出货量模组出货量应用应用 资料来源：Counterpoint，信达证券研发中心 资料来源：Counterpoint，信达证券研发中心 38.1%8.6%3.2%4.6%5.7%4.6%3.7%3.2%2.2%2.2#.9%移远通信广和通美格智能中国移动日海智能TelitThalesSierra wirelessU-blox富士康Others38.9%8.7%5.6%5.5%5.5%4.6%4.0%3.3%3.0%2.4.4%移远通信广和通美格智能中国移动日海智能TelitThalesSierra wireless有方科技U-bloxOthers0%5 %智能表计POS工业路由器/CPE资产追踪自动驾驶远程信息处理企业医疗住宅0%5 %智能表计POS汽车工业路由器/CPE远程信息处理资产追踪医疗住宅企业 请阅读最后一页免责声明及信息披露 http:/ 15（四）运营商：2023 年 2 月份 5G 套餐用户数达 11.37 亿户；创新业务发展强劲（1）2023 年年 2 月份，三大运营商月份，三大运营商 5G 套餐用户数达套餐用户数达 11.37 亿户，其中移动亿户，其中移动 6.39 亿户、电信亿户、电信 2.78 亿户、联通亿户、联通2.2 亿户；亿户；2023 年年 2 月，移动月，移动 电信固网宽带用户数达电信固网宽带用户数达 4.61 亿户，其中移动亿户，其中移动 2.78 亿户、电信亿户、电信 1.83 亿户亿户。截至。截至2022 年年 12 月，联通固网宽带用户数达月，联通固网宽带用户数达 1.04 亿户亿户。（2）运营商创新业务方面，运营商创新业务方面，2022 年三大运营商数据如下：年三大运营商数据如下：1、中国联通：联通云营收达、中国联通：联通云营收达 361 亿元，同比增长亿元，同比增长 121%；产业互联网营收达；产业互联网营收达 704.58 亿元，同比增长亿元，同比增长 28.6%；5G 行业应用营收达行业应用营收达 40 亿元（亿元（2022 年年 H1 数据）；数据中心营收达数据）；数据中心营收达 124 亿元，同比增长亿元，同比增长 13.3%（2022 年年 H1 数数据）；物联网营收达据）；物联网营收达 86 亿元，同比增长亿元，同比增长 42%；大数据营收达；大数据营收达 40 亿元，同比增长亿元，同比增长 58%；2、中国电信：天翼云营收达、中国电信：天翼云营收达 579 亿元，同比增长亿元，同比增长 107.5%；网络安全服务营收达；网络安全服务营收达 46.9 亿元，同比增长亿元，同比增长 23.5%；物联网营收达物联网营收达 40.1 亿元，同比增长亿元，同比增长 40.2%；3、中国移动：移动云营收达、中国移动：移动云营收达 503 亿元，同比增长亿元，同比增长 108.1%；DICT 营收达营收达 864 亿元，同比增长亿元，同比增长 38.8%；物联网；物联网营收达营收达 154 亿元，同比增长亿元，同比增长 35.5%。（3）三大运营商三大运营商 ARPU 值方面，值方面，2022 年三大运营商数据如下：年三大运营商数据如下：1、中国联通：移动业务、中国联通：移动业务 ARPU 值为值为 44.3 元，元，较较 2021 年年 43.9 元有所提升；元有所提升；2、中国电信：移动业务、中国电信：移动业务 ARPU 值为值为 45.2 元，较元，较 2021 年年 45 元有所提升；元有所提升；3、中国移动：移动业务、中国移动：移动业务 ARPU 值为值为 49 元，较元，较 2021 年年 48.8 元有所提升。元有所提升。1、运营商：三大运营商 5G 套餐用户数达 11.37 亿户；2022 年三大运营商固网宽带用户数达 5.57亿户 图图 18：三大运营商三大运营商 5G 用户数（百万户）用户数（百万户）资料来源：三大运营商公告，信达证券研发中心 0%2%4%6%8004006008001,0001,2005G用户总数（百万）QoQ 请阅读最后一页免责声明及信息披露 http:/ 16 图图 19：移动、电信、联通移动、电信、联通 5G 用户数（百万户）用户数（百万户）资料来源：三大运营商公告，信达证券研发中心 图图 20：移动移动 电信电信商商宽带用户数宽带用户数（百万户）（百万户）资料来源：三大运营商公告，信达证券研发中心 图图 21：移动、电信宽带用户数（百万户）移动、电信宽带用户数（百万户）资料来源：运营商公告，信达证券研发中心 2、运营商：2022 联通云/移动云/天翼云同比分别增长 121.0%/108.1%/107.5%图图 22：2022 年年联通云营收达联通云营收达 361 亿元，同比增长亿元，同比增长 121.0%（亿元亿元）资料来源：中国联通公告，信达证券研发中心 0501001502002503003504004505002020M12020M22020M32020M42020M52020M62020M72020M82020M92020M102020M112020M122021M12021M22021M32021M42021M52021M62021M72021M82021M92021M102021M112021M122022M12022M22022M32022M42022M52022M62022M72022M82022M92022M102022M112022M122023M12023M2固网宽带用户总数（移动 电信）0P000020030040020212022联通云YOY 请阅读最后一页免责声明及信息披露 http:/ 17 图图 23：2022 年年移动云营收达移动云营收达 503 亿元�