消息 加快发展新一代人工智能是赢得全球科技竞争主动权的重要战略抓手。面向2030+，6G有望在5G的基础之上全面实现数字化，推动社会走向“数字孪生，智慧泛在”的愿景。为了实现这个美好愿景，人工智能技术有望发挥重要作用。
近日，中国移动通信有限公司研究院、东南大学、清华大学发布《6G物理层AI关键技术白皮书》（以下简称《白皮书》）。
《白皮书》聚焦了目前备受关注且颇具挑战的物理层AI技术，分析了物理层AI的基本工作原理，以及在整个无线通信网络中可能发挥的价值。深入探讨了基于AI的发射机与接收机设计，重点指出了模型与数据双驱动的设计思路。讨论了基于AI的大规模MIMO
技术，并展望未来终极MIMO的技术特征。针对无线AI方案的评估准则和方法进行了分析，提出了一些典型的评估指标、数据集构建原则、提升AI方案泛化性的思路，并对未来的研究与标准化提供了一些参考建议。
什么是物理层AI呢？《白皮书》提到，物理层AI是接入网AI能力的一部分，主要功能是基于物理信道相关的信息对于物理层功能进行增强。
物理层AI设计包含两种主流方法：一是基于AI技术的端到端通信链路设计。二是基于AI技术的通信模块算法设计。其基本工作流程包括数据采集、模型训练、实时AI空口增强、智能调度。
在基于AI的发射机/接收机技术方面，《白皮书》指出，其工作原理为以数据（主要为无线信道数据）驱动的方式使用机器学习方法优化发射机/接收机中的单个或多个功能模块，从而实现链路/系统级性能的提升或模块计算复杂度的降低等目标。
基于AI的发射机/接收机方案主要呈现出两种设计思路，一种是基于数据驱动，另一种则是基于数据模型双驱动。《白皮书》倡导基于数据模型双驱动的设计理念，这样可以显著减少训练或升级所需的信息量，减少训练所需的开销，具有更好的泛化性。
MIMO技术是自4G LTE系统与5G NR系统中的物理层核心技术之一。基于AI的大规模MIMO技术是一种数据驱动的方法，能够从大量空口数据中挖掘出先前未知的特征，从而在性能上取得新的增益。
《白皮书》构想了基于AI的终极大规模MIMO技术所具备的特点，一是精确的下行信道估计和预测；二是以最小反馈开销反馈信道信息，充分结合上下行信道部分互异性、用户之间相关性、时频域和其他变换域信道等；三是下行多用户MIMO预编码方案，充分考虑小区内和小区间干扰。
在无线AI算法评估准则、数据集与泛化性方面，《白皮书》提出了物理层AI的评估准则和一些评估指标。一是性能相关的指标要根据不同用例进行选择；二是
开销相关指标要准确量化部署无线AI方案时引入的开销。
此外，《白皮书》还提出了评估数据集建立的准则以及AI算法泛化性提升的一些途径。面向未来，理想的评估数据集和评估用AI模型应该具有如下特征：
一是数据集需要最小化实测信道数据的开销，可以考虑主要或者全部基于现有信道模型产生。
二是训练集与测试集需要明确体现出对模型的泛化性要求与测试方法，从而最大程度地降低实际系统中因模型切换/重训等因素带来的开销。
三是评估用AI模型需要充分公开，包括模型结构与训练过程，便于参与方完整复现方案的评估结果。
经过近几年的快速发展，物理层AI技术，尤其是部分通信模块的功能增强方面有了长足的进步，涌现了很多优秀的算法。展望未来，在相关研究和标准化方面仍然有很多艰巨的挑战，包括基于AI的物理层链路（发射机与接收机）优化设计、端到端收发链路的联合设计、多域的联合优化等方面。
物理层以及无线AI的标准化将是一个“持久战”式的长期过程，因此不仅需要关注当前的标准化热点，更需要对未来标准化走势进行提前规划与把握。
《白皮书》从历史发展的角度回顾过去、展望未来，从科学规划相关研究的角度提出建议，致力于充分发挥无线AI的潜力，助力实现6G网络“数字孪生、智慧泛在”的美好愿景。
