AI带我学5G第7集:5G网络如何辅助AI与ML应用

新闻

作者：微信文章
































5G核心网如何智能赋能？——应用层AI/ML操作协助机制深度剖析

# 1. 摘要与引言

在5G时代，垂直行业的深度融合是网络发展的核心趋势。随着人工智能（AI）和机器学习（ML）技术的广泛应用，尤其是分布式学习和联邦学习（Federated Learning）等边缘智能场景的爆发，对5G网络提出了全新的需求：如何高效地支持应用层AI/ML操作，优化数据分发、模型共享和终端选择？

本文旨在深度剖析3GPP规范中定义的5G核心网（5GC）对应用层AI/ML操作的协助机制（Assistance to AI/ML Operations in the Application Layer）。作为5G维护工程师，理解这些机制对于确保边缘智能应用服务的稳定性和效率至关重要。5GC提供的赋能服务并非直接参与AI/ML的计算或决策，而是通过网络能力开放，帮助应用功能（AF）优化其资源使用和终端选择，最终实现高效的AI/ML模型/数据分发、共享以及分布式/联邦学习操作。

请注意，本机制的本质在于能力暴露与协助。AI/ML的决策和内部操作逻辑始终驻留在AF和UE应用客户端，不在3GPP的范围之内。5GC的作用是基于AF提供的过滤标准和需求，提供优化的网络信息和资源分配建议。
# 2. 5GC赋能AI/ML应用层操作的核心机制

# 2.1. 赋能的三大方向

5GC通过提供一系列使能器（enablers），支持应用层实现以下主要的AI/ML操作：

AI/ML操作拆分（AI/ML operation splitting）：在AI/ML端点之间拆分操作。AI/ML模型/数据分发与共享（AI/ML model/data distribution and sharing）：高效地将模型和数据传输到目标终端。分布式/联邦学习（Distributed/Federated Learning）：协助AF选择合适的UE参与分布式计算。

需要特别指出的是，当前版本中，5G系统对应用层AI/ML操作的协助不支持漫游UE。此外，所有协助操作都在单个网络切片（single slice）内进行。
# 2.2. 关键参与者与基本原则

为了实现这些协助功能，应用功能（AF）将作为主要的请求实体，与5GC中的网络开放功能（NEF）进行交互。

关键实体	角色与职责
AF (Application Function)	AI/ML操作的决策者和请求者，负责提供目标UE列表和过滤条件，并利用5GC提供的协助信息做出最终的UE选择。
NEF (Network Exposure Function)	托管成员UE选择辅助功能，接收AF请求，并与5GC内部的网络功能（如PCF, NWDAF, AMF, SMF）交互，以获取数据、执行过滤和向AF暴露网络信息。
5GC NFs (内部网络功能)	如AMF（位置信息）、SMF（会话信息）、PCF（策略信息）、NWDAF（网络数据分析），提供原始数据或分析结果供NEF使用。
UE (User Equipment)	参与AI/ML操作的终端，是模型和数据的接收者或贡献者。

基本原则：授权与控制

AF请求5GS协助AI/ML操作时，必须使用现有机制经过5GC的授权。流量控制与计费：可以使用策略和计费控制（PCC）机制（TS 23.503）处理AI/ML相关的流量。如果AF能够为AI/ML流量和其他流量提供不同的过滤信息，PCF可以分配不同的Rating Group或Service-IDs，实现差异化计费，从而根据运营商策略对AI/ML流量进行计费。

# 2.3. 关键技术：成员UE选择辅助功能

为了有效地进行联邦学习或分布式任务，AF通常需要筛选出最适合参与操作的UE。成员UE选择辅助功能（Member UE selection assistance functionality）便是5GC提供的核心协助功能，它由NEF托管。

该功能的目的是协助AF根据其输入，选择可用于应用操作（如AI/ML应用）的成员UE。

AF可以选择性地使用NEF提供的成员UE选择辅助功能。如果AF不使用NEF的协助，它可以自行决定选择哪些UE参与，例如，通过收集网络暴露信息（如AMF的UE位置报告、UPF的用户平面信息或NWDAF的网络数据分析结果）来确定UE列表。

---

# 3. 深度解析：5G系统对AI/ML操作的协助流程

5GC对AI/ML操作的协助主要围绕三个核心目标展开：选择合适的终端、保障数据传输质量和时间，以及提供关键网络分析数据。
# 3.1. 流程一：基于过滤条件的成员UE选择辅助

AF是AI/ML操作的发起者。AF在启动AI/ML操作前，可以向NEF订阅或请求关于满足特定过滤条件的目标成员UE子集的通知，从而获取候选UE列表。

操作概述：

AF请求： AF向NEF发送请求，提供目标成员UE列表和至少一个过滤标准。NEF交互： NEF根据AF提供的过滤标准，与5GC中的相关网络功能（如PCF、NWDAF、AMF、SMF）进行交互，以获取目标UE列表的相应数据。NEF筛选： NEF基于获取的数据，导出一个满足所有过滤标准的候选UE列表子集。NEF通知/回复： NEF将包含候选UE列表的成员UE选择辅助信息提供给AF。AF决策： AF根据NEF提供的辅助信息，结合其内部应用逻辑，最终确定用于AI/ML操作的成员UE列表。

表格 3.1.1 成员UE选择辅助请求参数

AF向NEF发起的请求中，必须包含目标UE列表和至少一个过滤标准。

参数类型	参数名称	描述	属性 (必选/可选)	来源支持段落
基础信息	Target Member UE List	AF最初提供的目标成员UE列表。	必选
时间约束	Time Window(s)	AF可能指定一个或多个时间窗口，用于优化操作时间。	可选
过滤标准	UE Current Location	UE当前的地理位置信息，用于基于位置的筛选。	可选
过滤标准	UE Historical Location	UE的历史位置信息，用于预测或分析行为。	可选
过滤标准	UE Direction	UE的移动方向信息。	可选
过滤标准	UE Separation Distance	UE之间的距离信息，可能用于判断分布式操作的合理性。	可选
过滤标准	QoS Requirements	AF对QoS的要求，筛选出能够满足服务性能的UE。	可选
过滤标准	DNN (Data Network Name)	数据网络名称，用于筛选连接到特定数据网络的UE。	可选
过滤标准	Preferred Access/RAT type	偏好的接入技术/无线接入技术类型（如NR, LTE, WLAN）。	可选
过滤标准	Desired end-to-end data volume transfer time performance	期望的端到端数据量传输时间性能。	可选
过滤标准	Service Experience	服务体验相关指标。	可选

表格 3.1.2 成员UE选择辅助流程（订阅/请求模式）

该流程描述了AF请求NEF协助筛选UE的基本信令交互步骤。

步骤	发起方	接收方	关键消息/操作	描述要点
1	AF	NEF	Npcf_AFPolicy_Subscriber	AF向NEF发送请求，包含Target UE List和Filtering Criteria。
2	NEF	5GC NFs (PCF, AMF, SMF, NWDAF)	NF Service Request	NEF根据过滤标准（如QoS, Location, Analytics需求）向相关的5GC网络功能请求对应的数据。
3	5GC NFs	NEF	NF Service Response / Data Report	相关的5GC NFs返回目标UE列表对应的网络数据（如位置、策略、分析结果）。
4	NEF	内部处理	Filtering & Derivation	NEF参考接收到的数据，筛选出满足AF所有过滤标准的Candidate UE List（候选UE列表）。
5	NEF	AF	Npcf_AFPolicy_Notify / Response	NEF向AF提供Member UE Selection Assistance Information。
6	AF	内部处理	Final Selection	AF基于NEF提供的候选列表和额外信息（如推荐时间窗、QoS、失败数量），决定最终参与AI/ML操作的成员UE。
可选	NEF	AF	Npcf_AFPolicy_Notify (Update)	如果AF订阅了通知，当满足条件的UE子集发生变化时，NEF会通知AF。

NEF提供的信息包含： 一个或多个候选UE列表，以及可选的额外信息，如推荐的时间窗口、每个目标UE的QoS、UE位置、接入/RAT类型或服务体验等。此外，NEF也可能提供不满足对应过滤条件的UE数量。
# 3.2. 流程二：QoS保障与计划数据传输时间窗

AI/ML操作，尤其是模型更新或大规模数据传输，通常需要特定的网络性能保证和优化的时间点。AF可以利用5GC的机制来请求这些保障。

1. 计划数据传输时间窗（PDTQ）请求：

AF可以使用QoS计划数据传输（Planned Data Transfer with QoS, PDTQ）要求和程序来请求网络提供一个推荐的时间窗口，用于进行AI/ML操作。

2. 专用QoS资源请求与监控：

在AI/ML操作期间或开始时，AF可以请求服务NEF为一个UE列表提供QoS保障。每个UE通过其IP地址标识。

QoS参数： AF提供的QoS参数是根据TS 22.261中列出的性能要求衍生出来的。QoS监控： 如果QoS请求成功分配了资源，AF可以订阅QoS监控，其中可能包括综合数据速率监控（Consolidated Data Rate monitoring）。

3. 更新处理：

如果AF在接收到NEF的UE子集变化通知后，决定更新AI/ML操作中的UE列表。

AF可能会请求一个新的推荐时间窗口（使用PDTQ要求）。AF将请求NEF为更新后的UE列表提供QoS。这将导致先前分配给某些UE的QoS资源被释放，同时为新的UE分配资源，并启动QoS监控。

表格 3.2.1 QoS与时间窗请求/监控关键参数

功能域	关键参数/要求	描述	涉及的5GC流程/标准	来源支持段落
时间窗请求	PDTQ requirements	计划数据传输与QoS要求，用于请求网络推荐AI/ML操作的最佳时间。	TS 23.503 6.1.2.7, TS 23.502 4.16.15
QoS请求	UE IP Address	用于标识请求QoS保障的目标UE，AF针对每个UE发起请求。	AF向NEF请求
QoS参数	Derived QoS parameters	从性能要求（TS 22.261 7.10）导出的具体QoS参数。	AF提供给NEF
QoS监控	QoS Monitoring	AF可以订阅此服务，以监控分配给AI/ML操作的QoS情况。	TS 23.502 4.15.6.13
QoS监控	Consolidated Data Rate Monitoring	综合数据速率监控，是QoS监控的一部分，用于监控数据传输速率。	TS 23.502 5.45

# 3.3. 流程三：网络数据分析与期望UE行为配置

为了使AI/ML应用做出更精准的决策，AF可以利用NWDAF提供的网络分析能力，并向5GC配置期望的UE行为。

1. 网络数据分析（NWDAF Analytics）：

AF可以订阅或请求网络数据分析服务（TS 23.288），以获取辅助其AI/ML操作的关键洞察。

分析类型	描述
End-to-end data volume transfer time analytics	端到端数据量传输时间分析，优化模型/数据分发效率。
DN performance analytics	数据网络（DN）性能分析。
Network performance analytics	网络整体性能分析。
UE mobility analytics	UE移动性分析，预测或追踪终端移动轨迹。
WLAN performance analytics	WLAN性能分析，针对可能使用非3GPP接入的场景。

2. 期望UE行为（Expected UE Behaviour）配置：

AF托管的AI/ML应用可以将期望UE行为参数提供给5GC，用于网络优化和管理。

参数类型：

通用期望UE行为参数（TS 23.502 Table 4.15.6.3-1）。应用特定期望UE行为参数（TS 23.502 Table 4.15.6.3f-1）。

配置细节： 这些参数可以配置相应的置信水平（confidence levels）和/或准确度水平（accuracy levels）。AF还可以提供一个阈值（threshold），供订阅这些外部配置参数的NF（如AMF或SMF）或UDM使用。

---

# 4. 场景实例：城市视频监控系统的联邦学习模型更新

为了更好地理解5GC如何协助应用层AI/ML操作，我们设想一个现实场景：一家运营智能城市视频监控系统的公司正在使用联邦学习（Federated Learning, FL）来持续更新其遍布城市各角落的智能摄像头（视为UEs）上的边缘AI模型。
# 4.1. 人物与场景设定

人物：李工，智能城市AI运营平台的维护工程师。李工负责确保夜间对全市5000个摄像头（目标成员UE列表）进行模型更新。应用（AF）： 城市的AI模型管理服务器，由李工负责维护。目标： 在网络负载较低的凌晨1点到3点之间，找出至少3000个空闲（Session Inactivity Time 满足要求）、QoS保障高（避免模型传输失败），且位于特定区域（Filtering Criteria：Location）的摄像头进行模型分发和聚合。

# 4.2. 5GC协助流程分解

Step 1: 筛选合适的UE（Member UE Selection Assistance）

李工（AF）首先启动UE筛选流程，向NEF发送请求，订阅满足条件的UE子集通知。

AF输入参数（必选/可选）：

目标成员UE列表：5000个摄像头标识。过滤标准1：地理位置（城市西区）。过滤标准2：QoS要求（特定QCI用于模型传输）。过滤标准3：会话不活动时间监控事件订阅，以确保终端不忙碌。

信令交互： AF将请求发给NEF。NEF查询AMF获取UE位置，查询PCF/SMF获取当前QoS/会话信息，从而得出满足所有条件的候选UE列表。

Step 2: 优化模型传输时间（PDTQ Request）

由于模型更新需要大带宽，李工（AF）需要确保网络推荐的时间窗口是最佳的。

AF操作： AF向NEF请求使用PDTQ（Planned Data Transfer with QoS）要求，请求网络提供一个凌晨1点到3点之间的推荐时间窗口，以最小化对网络的冲击。

Step 3: 分配并监控QoS资源

NEF向AF返回了3500个满足条件的摄像头ID（候选UE列表）和推荐的凌晨1:30至2:45的时间窗口。李工（AF）决定使用这3500个摄像头。

AF操作： 在推荐时间窗口开始时，李工（AF）为这3500个UE（通过其UE IP地址标识）请求专用QoS资源分配。QoS监控： 同时，AF订阅了针对这些UE的QoS监控和综合数据速率监控，确保模型数据（AI/ML Data Transfer）能够以预期的速率完成传输。

Step 4: 结果与网络效益

通过5GC的协助，李工成功避免了向不活跃、位置错误或QoS不足的摄像头发送大模型文件，从而：

提升了模型更新成功率：QoS保障到位。优化了网络资源利用：仅在推荐的低负载时间窗口进行传输。降低了运维成本：通过Flow Based Charging对AI/ML流量进行差异化计费，清晰区分模型更新流量与其他视频监控流量的计费组，便于成本核算。

---

# 5. 核心知识点与技术总结

以下表格总结了5GC协助AI/ML操作涉及的核心技术、功能和限制。

类别	知识点/功能名称	描述与关键作用	相关实体
基础功能	AI/ML Operations Assistance	5GC支持应用层的AI/ML操作，如分布式学习、模型/数据分发。	AF, NEF, UE
核心机制	Member UE Selection Assistance Functionality	由NEF托管，根据AF提供的过滤条件（如位置、QoS）筛选出最适合参与AI/ML操作的候选UE列表。	NEF, AF, 5GC NFs
资源优化	Planned Data Transfer with QoS (PDTQ)	允许AF请求网络提供AI/ML操作的推荐时间窗口，以优化数据传输效率和网络负载。	AF, NEF
质量保障	QoS Request and Monitoring	AF可以请求NEF为特定UE列表提供QoS，并订阅QoS监控或综合数据速率监控。	AF, NEF, UPF
信息提供	Network Data Analytics (NWDAF)	AF可订阅或请求多种网络分析结果（如端到端数据传输时间、UE移动性分析），以辅助AI/ML决策。	AF, NWDAF
网络约束	Roaming Limitation	当前版本中，5GS对AI/ML操作的协助不支持漫游UE。	5GC
计费控制	Differentiated Charging	通过PCC机制，如果AF提供差异化过滤信息，PCF可分配不同的Rating Group，实现AI/ML流量的独立计费。	AF, PCF, UPF
行为配置	Expected UE Behaviour	AF可向5GC配置期望的UE行为参数（包含置信度/准确度），用于网络优化管理。	AF, UDM, AMF/SMF
决策权	Application Logic Residence	AI/ML的决策和内部操作逻辑完全驻留在AF和UE应用客户端，不在3GPP规范范围内。	AF, UE

---

# 6. 运维工程师必读：FAQ问答集

Q1: 5GC对AI/ML操作的协助主要解决了应用层的哪些痛点？

A1: 5GC的协助功能主要解决了终端选择优化和资源效率保障的痛点。它允许应用功能（AF）根据具体应用需求（例如联邦学习），利用成员UE选择辅助功能从大量的目标UE中筛选出满足特定网络条件（如位置、QoS要求、空闲时间）的候选UE。同时，通过PDTQ和QoS请求，确保AI/ML模型/数据传输具有推荐的时间窗口和必要的网络质量保障。

Q2: 在执行成员UE选择辅助流程时，NEF需要与5GC中的哪些网络功能交互以获取所需数据？

A2: NEF扮演了中央协调器的角色。它需要根据AF提供的过滤标准，与多个5GC网络功能交互获取数据，包括但不限于PCF（策略相关）、NWDAF（网络数据分析相关）、AMF（如UE位置、接入类型）和SMF（如会话信息）。NEF利用这些信息来导出一个满足AF要求的候选UE列表。

Q3: 如果AF希望在其AI/ML操作中对数据传输速率进行实时监控，5GC提供了哪些机制？

A3: AF可以通过向NEF订阅QoS监控来实现实时监控。具体来说，在AF请求QoS资源分配成功后，它可以订阅包括综合数据速率监控（Consolidated Data Rate monitoring）在内的QoS监控服务，从而对分配给AI/ML流量的传输速率进行追踪。

Q4: AF在请求5GC协助时，是否可以自行决定AI/ML操作的进行时间？网络是否会提供时间建议？

A4: 虽然AI/ML的内部逻辑和最终决策权在AF，但AF可以请求网络提供推荐的时间窗口。AF通过使用QoS计划数据传输（PDTQ）要求和程序，请求网络基于当前的网络负载和资源情况，提供一个或多个推荐的时间窗口，以优化其AI/ML数据传输。

Q5: 5G系统如何实现对AI/ML流量和其他应用流量的差异化计费？

A5: 差异化计费是通过现有的策略和计费控制（PCC）机制实现的。关键在于AF必须能够提供不同的过滤信息给5GC，用以区分AI/ML流量和来自同一应用的其他类型流量。如果提供了差异化过滤信息，PCF就可以根据相应的配置，分配不同的Rating Groups（计费密钥）或Rating Group + Service-IDs。随后，UPF将根据这些配置来处理和计费流量。

---