2024年中国网络大模型十大问题白皮书.pdfVIP

2024年中国网络大模

型十大问题白皮书

1

摘要

作为6G的研究热点，网络与AI被ITU-R正式提出作为6G的6大场景之一。其一直以来受

到学术和工业界的广泛关注，6GANA也提出了网络AI的理念并展开了深入的研究。而随着大模

型的兴起以及其在各行业表现出来的强大潜力，可以预见到大模型也将在6G网络中扮演重要的

角色，相关的研究也将逐渐进入高发期。本白皮书将首先对网络大模型（NetGPT）给出明确的

定义，随后从基础理论、场景需求、网络架构、部署管控、数据治理等方面系统阐述NetGPT的

10大重点研究问题，分析潜在的研究路线，希望能够为后续的NetGPT的相关工作指引方向。

2

目录

摘要2

1.背景4

2.网络大模型的定义4

3.十大基础问题5

3.1NetGPT场景和需求问题6

3.2NetGPT的基础理论问题7

3.3NetGPT的极致性能要求问题9

3.4NetGPT间的协同问题10

3.5NetGPT的原生分布式部署问题12

3.6NetGPT的网络架构设计问题13

3.7NetGPT的安全隐私问题14

3.8NetGPT的数据服务问题16

3.9NetGPT的评判体系与方法问题16

3.10NetGPT的全生命周期管控和编排问题18

4.总结与展望20

3

1.背景

ITU-RWP5D第44次会议正式通过了《IMT面向2030及未来发展的框架和总体目标建议

书》,作为6G研究的一个重要的里程碑，代表了全球的6G愿景共识，其中AI与通信融合被作

为6大关键场景之一，与6GANA提出的NetworkAI理念不谋而合。

随着大模型的颠覆性发展，AI在自然语言处理、计算机视觉、语音识别等领域的任务处理能

力得到了极大的突破。特别是大语言模型，如ChatGpt，能够准确识别并理解用户的意图，为用

户提供问题，生成文本等，并在结合多模态技术后不断向更多领域拓展。可以预计，大模型将会

成为AI通信融合的关键组成部分。在提高网络中AI的通用性和多任务处理能力等方面发挥重要

作用。

然而我们需要意识到，大模型与AI在应用上是有着很大不同的。在以往AI模型的使用上，

是通过收集大量的数据然后从头训练模型，因此需要关注是如何针对具体任务设计模型结构、网

络如何收集需要的数据，网络如何为AI模型的训练推理提供算力和算法支撑等。大模型在应用上，

是以预训练基础模型为底座，通过各种策略，如prompt，fine-tune以及向量库等方式来适配各

类具体任务。另外，大模型意图理解和涌现能力，也给大模型的应用带来了更多的可能性，例如

可以实现基于意图的编排，调用各种工具实现具体任务等。同时，大模型的巨大参数量和算力需

求，也为其在网络中的应用带来了新的挑战。为此，我们需要重新梳理大模型和网络结合这个领

域中的关键问题，为后续的研究指明方向。

2.网络大模型的定义

大模型将在运维、执行、验证等方面为移动网络服务。通过整合通信知识，大模型可以帮助

检测故障和生成解决方案。随着网络服务的多样性和复杂性，大模型可以用来编排和调度任务流

程，还可以进行性能优化、环境预测、资源分配等。通过出色的生成能力，大型模型有望在验证

阶段发挥重要作用，如室外复杂环境的通道生成、高铁场景模拟等。因此，我们将无线通信网络

中使用的大模型定义为网络大模型（NetGPT）。

由于无线通信网络包含RAN/CN/OAM这些不同的技术域，他们在功能特性、数据结构、以

及性能需求上都有着明显的区别。例如，应用在运维领域的模型可能与NLP领域LLM类似，可

以直接对LLM进行微调得到；而应用于空口的模型与自然语言完全是另一套体系。因此，

NetGPT并不是一个单一模型通配所有网络场景，而是一系列模型的组合。需要注意的是，这种

4

组合并不是简单的将孤立的模型摆放在一起。我们为NetGPT建立了三层模型，即L0，L1和L2。

其中，L0代表全网通用大模型；L1代表网络不同领域大模型，如RAN/CN/OAM域大模型；L2

代表特定场景下的网络模型，如信道预测或者负载均衡等，如图1所示。

NetGPT在通用性、基础性和规模