目前的人工智能主要是以云端智能为主，在云端汇聚大量的数据，利用集中的算力对数 据进行预处理，AI 模型训练和验证等。
人工智能（Artificial Intelligence）在最近十年发展迅猛，在挖掘大数据样本的非线性规 律、与环境交互的在线精准决策等方面快速超越了以人工为主的专家经验（Human Intelligence）模式，在计算机视觉、自然语言处理、机器人控制等领域取得了巨大的成功。 究其缘由，一方面得益于以深度学习、强化学习等为代表的人工智能算法能力的突破；另一 方面，以 GPU 为代表的人工智能算力成本的快速下降和普及，也加速了这一趋势。
从 5G 开始，人工智能在移动通信网络中逐渐得到了广泛的应用，比如从网管级别的网 络配置优化到网元级别的资源调度优化，甚至空口物理层的智能化，此外终端侧的智能化应 用也越来越多。面向未来，6G 网络需要助力千行百业的数智化转型，需要满足和提供相比 云端智能实时性更高、性能更优的智能化服务。对于运营商而言，需要大幅降低网络运营成 本，网络运营维护需要从局部的智能化运维向高水平的网络自治演进。
目前的人工智能主要是以云端智能为主，在云端汇聚大量的数据，利用集中的算力对数 据进行预处理，AI 模型训练和验证等。但是在网络中传输大量的原始数据，一方面会对网 络的传输带宽带、性能指标（比如时延）来巨大压力，另一方面对数据隐私保护也会带来很 大的挑战。此外终端侧的智能化应用由于算力，算法模型，数据等不足，目前还有较大的提 升空间。
面对以上挑战，在网络中引入内生 AI 的能力，摒弃外挂 AI 打补丁的方式，在架构层 面实现通信连接、计算、数据和 AI 算法模型的深度融合，充分利用网络中分布式的算力和 数据，引入多节点间以及终端与网络间协同机制，实现分布与集中处理的融合。这种方式一 方面保护了数据隐私，另一方面也提升了数据处理效率、决策推理的实时性和网络节点的利 用效率。
本白皮书首先介绍了内生智慧的驱动力和需求场景，从现有网络智能化现状，到 6G 时 代对网络高水平自治、智能普惠、高价值的新型业务和极致业务体验、网络安全可信等的需 求出发引出内生 AI。然后阐述了内生 AI 的定义和内涵，提出了 AI 算力、数据、算法与网 络连接功能的深度融合。接下来从 AI 服务质量、全生命周期编排、计算与通信融合、与数 字孪生的融合几个方面介绍了 6G 内生 AI 的新理念；随后详细介绍了内生 AI 驱动的新架构， 包括数据面、智能面和扩展的控制面和用户面，和新技术，包括模型编排、分布式模型训练、 分布式模型推理、数字孪生的预验证和优化，最后对后续研究方向进行了展望。
