川海智库

报告概述

本报告由NGMN Alliance发布，从运营商视角系统审视AI浪潮对6G网络设计的影响。研究对象包括三个方面：AI流量对网络的影响（考察AI应用带来的流量增长、模式变化和不确定性）、网络为AI（探讨6G如何超越传统连接提供动态网络、新计费模型、信任框架等新型能力）、AI为网络及对6G架构演进的影响（分析AI在网络管理、核心网、无线接入网中的整合方式）。报告基于5G SBA作为起点，提出6G应内建AI能力，实现自主运营与智能编排，并给出了标准化优先领域。适合关注6G标准化、AI与网络融合的产业决策者和技术研究人员阅读。

报告的核心结论

AI流量影响不确定，6G设计需强调灵活性。

报告指出，尽管AI应用增长迅速，但目前对移动网络流量的影响仍然有限，且未来流量增长规模高度不确定。多模态AI、自主体设备、企业应用等可能带来局部激增，但实际影响取决于模型优化、本地处理、用户采纳和监管约束。因此，6G标准化必须将灵活性作为核心原则，例如支持动态调整上下行配比，以适应不可预测的AI流量模式。

6G应提供超越连接的新能力以支持AI应用。

报告认为，6G网络不仅要提升连接性能，更需集成动态组网、增强QoS、边缘计算、统一数据框架、信任认证等能力。例如，借助令牌计费模型实现灵活资源交易，支持AI代理间动态协作，建立代理身份与授权机制。这些能力使6G能够高效支撑多模态AI、视频交互和机器对机器通信等新需求。

AI将成为6G网络的内建核心能力。

报告提出，AI将深度融入6G网络的各个域和层级，实现从被动响应到主动决策的转变。在网络管理层，AI支持意图驱动管理和自主编排；在核心网，AI增强网络开放和优化；在RAN，AI选择性地应用于MAC层等数据处理密集型功能。同时需平衡AI带来的性能增益、能耗、成本和复杂性。

6G架构以5G SBA为起点并引入AI代理框架。

报告明确6G核心网架构沿用5G服务化架构（SBA）作为基础。在此基础上，引入AI代理通信协议（如MCP、A2A），支持智能体与网络功能、UE及第三方应用之间的意图式交互。RAN从5G的孤立单节点处理演进为协作多节点智能集群，要求RAN-CN接口增强以支持AI模型共享。标准化需确保多厂商互操作性。

6G标准化应聚焦AI功能端到端集成与互操作性。

报告推荐标准开发组织优先制定跨域（RAN、核心、传输）和跨层的标准化架构、协议和接口，支持AI服务的显式QoS和计算需求声明。同时强调Agent-to-Agent和Agent-to-Network通信标准化，建立身份、策略和信任框架，并适度采用非电信领域的成熟AI接口（如MCP），避免限制未来创新。

报告回答的关键问题

AI应用如何改变6G网络流量模式？

报告指出，AI应用可能带来上行流量激增、机器导向媒体（如模型、向量）传输以及区域性和行业性流量不均。例如，AR眼镜持续上传图像、自主车队实时回传传感器数据，可能逆转当前下行主导的流量格局。但具体影响高度不确定，取决于本地处理、用户采纳和监管因素，因此6G网络必须灵活适应。

6G需要具备哪些新能力来支撑AI？

除了提升连接性能，报告强调6G需支持新型计费模型（如令牌制）、动态智能组网（如临时代理群体）、增强QoS机制（多模态同步）、边缘计算、统一数据和模型框架、以及代理认证与信任体系。这些能力使网络能高效调度资源、保障AI服务质量并促进跨域协作。

AI在6G架构中扮演什么角色？

报告认为AI是6G的内建核心能力，用于网络管理层的意图驱动和自主运维、核心网的智能化开放和优化、以及RAN的智能资源调度。AI代理将作为网络功能与外部系统之间的交互中介，支持动态编排和简化操作。但AI的部署需平衡性能、能耗、成本和可靠性，并保留非AI备选方案。

6G标准化应优先关注哪些AI相关方向？

报告建议优先制定端到端AI功能标准化架构和接口、支持AI服务显式需求（QoS和计算）的协议、适应动态流量模式的机制、以及代理发现、身份、策略和信任框架。同时推动多厂商互操作性，复用A2A、MCP等已有协议，并利用6G感知能力作为分布式AI数据平台的输入。

报告中的代表性数据

70-75%

移动数据流量中视频应用占比

2025年（报告引用数据对应时间），报告指出当前移动数据消费中视频应用占主导地位，占比约70-75%，主要来自社交媒体和流媒体服务。这一数据表明现有流量结构仍以人类消费内容为主，AI应用目前影响有限但可能改变这一格局。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 执行摘要（Executive Summary）：概述报告的三大研究维度及核心结论，包括AI流量不确定性、网络需具备的新能力、AI对架构演进的驱动作用。
  • 引言（Introduction）：介绍AI模型演进（大语言模型、多模态模型、AI代理）对网络提出的新要求，以及NGMN此前发布的6G目标和设计原则。
  • AI流量对网络的影响详析：包含流量增长分析（当前视频主导、AI应用现状、本地处理趋势）和需求转变（机器导向媒体、上行密集行为、区域差异），并引用第三方数据。
  • 网络为AI的设计使能因素：详细阐述六项关键能力——新计费模型、动态智能组网、增强QoS与策略控制、边缘计算、统一数据和模型框架、信任认证机制，每项均给出具体建议。
  • AI为网络及对6G架构演进的启示：分别讨论网络管理层（意图驱动、自动化、智能编排、节能）、核心网（网络开放、优化、架构演进）和RAN（AI适用性选择、两层架构、UE协同），并列出关键挑战（AI性能、负责任的AI、成本可持续性、非AI支持、遗留系统互通、技术变更速度）。
  • 6G架构演进要求：明确以5G SBA为起点，提出意图式交互、代理通信、核心网代理框架（含MCP和A2A协议）、RAN多节点智能集群、RAN-CN接口增强（如QUIC）、以及多厂商标准化原则。
  • 结论与标准化优先领域：总结三大维度的关键发现，并列出10项推荐标准化重点，包括端到端AI架构、显式需求声明、动态适配、代理标准化框架、以及互操作性要求。
  • 缩略语列表（List of Abbreviations）：全文使用的技术缩略语及其全称，如A2A、MCP、SBA、NF等。
  • 参考文献（References）：列出11篇参考文献，包括NGMN此前发布的6G系列文档、ITU-R报告、第三方市场数据报告等。
  • 致谢（Acknowledgements）：列出参与撰写和贡献的60余位专家及所属公司（运营商、设备商、研究机构等），以及项目负责人和编辑名单。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告