1、6G6G 网络网络 AIAI 关键指标需求关键指标需求前言前言1.背景及目标背景及目标6G 网络的发展带来了不断丰富的用户场景，如沉浸式 XR、自动驾驶和智能协同控制等，网络 AI 应运而生。网络 AI 通过 AI 算法优化网络资源配置，提高网络性能和可靠性，为用户提供就近泛在的 AI 服务，具有泛在普惠、移动性支持、带有用户属性、极致性能、内生安全隐私、可信等技术优势。现有的 5G 网络服务等级协议（SLA）聚焦于面向会话连接的服务，例如时延、抖动、误码率、峰值速率等，关注 ToB 业务的 SLA，缺乏对 6G 网络 AI 的刻画与衡量。此外，云AI 属于外挂式 AI，提供基础设施即服务（I

2、aaS）、平台即服务（PaaS）、软件即服务（SaaS）三类服务模式，对应不同的服务指标体系，不能相互兼容。云 AI 重点关注 To C 业务的指标，也不再符合 6G 网络 AI 赋能千行百业的愿景。6G 网络引入多样化 AI 能力与多维度 AI资源，如何先扩展后收敛、量化、标准化 AI 相关的指标是 6G 网络提供高效 AI 服务的必要条件。2.关键指标设计原则和关键指标设计原则和方法方法网络 AI 的 KPI 设计原则如下：定量性定量性：KPI 尽可能是可以度量的，具体而清晰，能够通过数据来验证。并且 KPI 应该具有明确的指标和测量方法，以便能够收集和分析相关数据，并对其进行评估。业务相

3、关性：业务相关性：KPI 应该与 AI 业务目标密切相关，并直接反映出 AI 服务对业务的影响。这有助于确保 AI 服务的价值与业务目标保持一致。可操作性可操作性：KPI 应该能够为网络决策、执行、评估、保障提供指导，帮助网络检测识别问题并采取相应的措施。因此，KPI 应该符合实际可操作测量和可改进优化的指标，而不仅仅是简单地度量性能。灵活性：灵活性：面临业务和技术不断更新的变化，KPI 可能存在频繁调整的问题。因此，KPI的设计应该具有一定的灵活性和适应性，以应对不断变化的需求和挑战。可定位性可定位性：KPI 的变化应该能够追溯到特定的原因或事件，以便在需要时进行调查和分析。这需要建立有效的

4、数据收集和记录机制，以便跟踪 KPI 的变化。基于上述关键指标的设计原则，潜在设计方法和路线如下：1.6G 网络 AI 关键指标的潜在设计从典型场景的典型用例的出发，明确其需求和目的。2.明确不同 6G 网络指标的面向对象，包括面向单个用户的服务质量、面多个用户的服务质量、面向网络或系统的评估。3.通过分析现有 ITU 明确提出的 6G 的 15 个可量化的能力指标（连接数密度、移动性、时延、可靠性、定位精度、峰值速率、用户体验速率、频谱效率、区域流量密度、感知相关指标、AI 相关指标、安全隐私韧性性能指标、可持续性性能指标、覆盖、互操作）与典型场景的典型用例的关系，从 15 个指标中先筛选出

5、符合 AI 服务需求和目的的指标形成合集，并且分析每个指标能满足服务质量的定量描述，包括准确数值或者一定范围的数值。4.针对典型用例逐个分析，筛选出除 15 指标以外新的指标。新的指标可以针在不同颗粒度上的、不同维度的指标，例如针对在空口上、在整个 AI 服务质量上等，并研究起定义、评估方法等。3.典型场景典型场景及及新新 K KPIPI3.13.1 场景一场景一网络辅助智能机器人网络辅助智能机器人3.1.13.1.1 场景说明及典型用例场景说明及典型用例机器人在工业、物流、医疗、教育等领域中有广泛应用，它们可以互相协作完成复杂任务，如搬运货物、制造商品等。协作机器人之间的任务规划对它们完成任

6、务的效率和质量有重要影响。如果机器人各自决策并通过彼此协商来进行任务规划，当参与任务的机器人数量较多时，通常需要经过多轮协商，这将会非常消耗机器人的计算资源和电量。因此，6G 网络可以为多个协作机器人规划任务，各机器人根据分配的任务进行运动控制以执行任务，这样可以节约机器人的电力和计算资源，并提升任务规划效率1。图 3.1.工厂示意图。如图 3.1 所示，厂房内的机器人 A，B，C，D，E，F 需要协作将设备 P1 和 P2 搬到位置 L。在这个用例中，我们假设机器人与 6G 网络相连，机器人之间可以直接通信。其业务流程如下：1.机器人管理员给多个协作机器人部署设备搬运任务，为了更高效地得出任