移动通信网络服务正突破传统的单一连接服务，加速向通信、感知、智能、计算、控制一体化的综合信息服务升级演进。移动通信网络功能将进一步下沉，形成通感智算控超融合的超级边缘网络节点，通过网络连接资源、算力资源、存储资源的平台化和开放化，为客户提供低时延、智能化、定制化的服务，满足5G和6G多场景业务开放的发展需求。在上述背景下，本文提出一种综合移动信息服务基础设施技术框架：AI Edge。它基于网络内置的异构开放性可编程共享算力基座，在感知信道环境和用户需求的基础上，实现数据技术、运营技术、信息技术、通信技术(Data Technology, Operation Technology, Information Technology, Communication Technology, DOICT) 的深度融合，并对移动边缘信息服务、网络功能虚拟化、网络内生 AI 与自治等功能进行按需编排。
本文工作
本文提出一种面向智能应用的综合移动信息服务基础设施AI Edge。AI Edge基于开放性可编程统一算力架构，兼具移动边缘信息服务、网络功能虚拟化、网络内生 AI 与自治等三种功能，具备如下关键特征. (a) 共享化: AI Edge高度兼容CPU、 GPU、NPU、FPGA、SoC等异构算力，并通过软件可编程的方式实现通信、AI、感知、网络控制与计算服务在同一硬件底座上的功能集成和能力共享；(b) 可扩展: AI Edge不仅在横向维度上跨域整合相邻基站的算力资源，构建弹性可拓展的边缘算力网，也在纵向维度上通过云边端的高效协作，实现跨层级的分布式AI，支撑移动信息服务在全域网络上的可扩展性；(c) 层级化: AI Edge充分融合AI领域的最新理念和技术，通过信道基础模型 (如WirelessGPT) 表征复杂无线环境，有效利用共享底座，并基于Agentic AI技术将用户需求直接映射为通信网络的基础能力，进而调用相应功能，按需实现从毫秒级到秒级的实时、近实时、非实时的分层次网络自主管控。图1 AI Edge 的定义、关键特征与优势 本文提出的AI Edge具有如下的创新点：第一，革新网络技术。AI Edge打破了传统5G系统中无线接入网(RAN)、用户面功能(UPF)、网络控制、移动边缘计算(MEC)分立实施的模式，支持RAN、AI推理、边缘感知与控制执行的DOICT技术深度集成，推动RAN发展成RCN (Radio Computing Network)，从而赋予移动通信网络新的内涵。此外， AI Edge还有望通过对全域环境的认知获得对于物理环境、业务特性、网络负载、用户习惯等的精准刻画，从而实现网络的自学习、自优化、自演进。第二，拓展边缘概念。在传统移动网络中， Edge是单一边缘网络功能实体，而AI Edge将构建分布式、云边端协同的共享算力底座，实现AI服务能力的分布式部署和跨层跨域扩展。第三，增强 AI 能力。AI Edge所支持的AI应用并非单纯的信息检索、内容生成、任务规划等，而是借助网络的连接和感知能力与物理世界充分交互，实现“感知、推理与执行”的快速闭环，促进网络内生AI的实际应用落地；通过实际数据反哺AI模型，推动AI发展范式迈向可实时感知与推理的AI。第四，重构交互范式。AI Edge基于Agent技术实现用户意图理解和自动化的编排调度，从而打破了传统的基于固定协议和流程的交互方式，实现基于意图的智能交互。 AI Edge 典型应用场景：AI Edge涉及DOICT等多种技术的交叉融合，将以应用场景驱动的理念，通过网络功能和应用服务下沉至网络边缘，支撑融合型工业互联网、低空智联网、网络化具身智能等新兴应用。开放性应用生态的建立是垂直行业应用取得成功的关键， AI Edge 须依托网络侧应用(APP)的开放，凭借其面向差异化用户需求的DOICT技术细粒度定制能力，基于边缘网络算力共享底座，实现垂直行业AI应用的敏捷部署和规模化推广，逐步构建AI Edge的AI即服务(AI as a Service, AIaaS) “应用商店”生态。其典型应用场景包括但不限于：数字低空、机器人、自动驾驶、智慧医疗、工业控制、智慧金融等。图2 AI Edge 的典型应用场景
