为满足未来6G网络更丰富的业务应用和极致的性能需求，需要在现有新型无线网络基础上实现重要关键技术建筑学。突破。随着人工智能（AI）的深入应用，如何实现AI赋能的新型无线网络架构也是研究热点。现有的无线网络架构不具备支持原生AI的能力，缺乏原生AI算法的运行环境和基础插件。此外，随着新的垂直行业应用的爆发，无线网络资源利用率低，业务匹配度差，差异化的实时业务需求导致资源管控的复杂度急剧增加。未来，人工智能技术将为移动通信系统赋能，与无线架构、无线数据、无线算法、无线应用相结合，构建全新的智能网络架构体系。AI-native6G网络不仅将AI技术作为优化工具，还实现了全新的AI-native无线网络架构和空口技术。AI原生6G网络通过为网络架构赋能，实现接入网和核心网网元的智能化管理和部署，支持多类资源的智能化跨域管理。AI-native新型空口技术可以通过调用AI算法支持无线资源的智能调度，实现实时业务需求匹配，在接口协议栈设计中考虑AI需求。1.AI-native新型无线网络架构AI-native新型无线网络架构应充分利用网络节点间的通信、计算和感知能力，通过分布式学习、众智协同、云-边-端一体化算法部署，6G网络原生支持各种人工智能应用，可以构建新的网络生态，实现以新网络用户为中心的服务体验。利用原生AI能力，6G可以更好地管理具有智能感知、通信和计算能力的泛在网络、基站和终端，利用大规模智能分布式协同服务，使能网络中的通信和通信。最大化计算能力效用。这将带来三个趋势变化：①AI将融入6G网络，对外提供服务，创造新的市场价值，即AI引擎，可以利用AI的智能能力引擎对外提供智能管控等服务；②AI将实现端-雾-云之间协同通信能力、计算、存储等多种类型和维度的资源智能调度，提升网络整体性能；③AI可在6G实现广域数据测量和监控，实现快速自动网络运维、快速检测、快速自修复，即AI原生网络维护。2.支持AI引擎的无线智能控制长期以来，基于数值迭代优化的解决方案在无线通信和信号处理任务中发挥了重要作用。在迭代算法中，将待优化的问题参数作为迭代算法的输入，多次迭代后的结果作为迭代算法的输出。在6G中，需要优化的问题规模通常比较大，采用迭代优化算法往往导致计算复杂度非常高，无法满足资源调度的实时性要求。深度神经网络具有强大的黑盒函数逼近能力，可以逼近迭代优化算法的性能，而不会造成过多的计算复杂度。如何利用神经网络实现智能无线网络资源管理是一个值得研究的问题。首先，需要针对某类无线资源管理问题设计迭代资源优化算法；在设计神经网络时，可以巧妙地利用迭代优化算法的特点来设置神经网络网络的参数，具体来说，即可以将迭代优化算法的输入参数作为神经网络的输入参数网络，迭代优化算法的输出结果将作为神经网络的输出结果；针对个体和不同的问题实例，可以通过迭代资源优化算法计算出最优的资源管理策略，作为参考结果，形成训练样本集；选择损失函数，利用训练样本集对神经网络进行训练，得到网络模型；当遇到新的问题实例时，可以使用神经网络模型计算资源管理策略。利用上述设计思路，可以解决几乎所有的无线资源优化问题，同时可以有效提高计算速度，节省执行资源分配策略时的计算开销。在选择神经网络的类型时，除了一般的前馈神经网络外，还可以考虑诸如卷积神经网络或图神经网络等已被证明能有效解决整数规划问题的神经网络。在神经网络设计中，一般无线资源优化问题的目标函数通常是系统效用，例如系统频率效率和能量效率。因此，对于用于无线资源智能管理的神经网络，除了选择均方误差函数作为神经网络的损失函数外，还可以直接采用系统效用函数作为神经网络的损失函数；最优解结构将算法的先验信息融入到神经网络设计中，从而简化神经网络的输入输出设计，不仅可以加快神经网络的训练速度，而且大大提高了神经网络的能力神经网络的近似迭代算法。3.AI-nativenewairinterfaceAI-enablednewprotocolstack，深度融合AI和机器学习技术，突破现有空口模块化设计框架，深度实现无线环境、资源等多维度特性、干扰和服务。挖掘和利用将显着提高6G无线网络的效率、可靠性、实时性和安全性。新的空口技术可以通过端到端的学习增强数据面和控制信令的连接性、效率和可靠性，允许针对特定场景进行基于深度感知和预测的定制，并且空口技术的组件可以是灵活拼接，满足各种应用场景的不同需求。借助多代理等人工智能方法，通信参与者可以高效协作，提高通信传输的能效。利用数据和深度神经网络的黑盒建模能力，可以从无线数据中挖掘和重构未知的物理信道，从而设计最优的传输方式，提高频谱利用率。AI赋能的通信系统可以根据流量和用户行为主动调整无线传输格式和通信动作，优化和降低通信两端的功耗，智能控制6G网络中的功率。在多用户系统中，通过强化学习等人工智能技术，基站和用户可以自动协调和调度资源。每个节点都可以计算每次传输的反馈，以调整其信号的波束方向，进行支持AI的波束成形等。
