智聯網路系統

智聯網路系統（Networking Systems of AI, NSAI）將傳統集中式的AI轉變為分散式的大規模智聯網路體，實現 AI 網路的自組織實時智慧型演進，是計算與通信學科融合併面向各個傳統學科和產業的重大創新；從而實現“網路即 AI 系統，AI 即網路系統”的智聯網路系統新生態。面向未來多元多維信息社會及先進生產力的發展，NSAI 正有效整合碎片化的垂直行業領域發展，實現全球十萬億元級以上的科技轉化套用與傳統產業更新。而伴隨 NSAI 誕生的數字智慧型健康城市（Smart & Healthy City- SHCity）等套用生態體系將成為人類智慧型社會及命運共同體的全球科技創新典範。

基本介紹

• 中文名：智聯網路系統
• 外文名：Networking Systems of AI
• 所屬學科：人工智慧、通信網路

簡介

在移動通信與人工智慧的交叉融合發展過程中，催生了新的基礎研究平台和創新生態套用——智聯網路系統（Networking Systems of AI，NSAI）。 NSAI是 AI 技術與通信網路深度融合的產物，也代表著基於智聯服務的新方向。在未來智慧型化工廠、智慧型健康城市等複雜場景中， “端 +5G 網路 + 邊緣雲 + 雲服務” 的協作模式將會引起新一輪的產業轉型和產業升級。這些技術的運用不僅為用戶提供更高的隱私保護，而且使服務變得智慧型、高效、便利。同時部署在邊緣雲和終端設備上的 AI，也能更好地與人類和現實世界進行實時互動。在 AI 算法方面，NSAI 使用離線和線上相結合的雙學習機制將會更好的提升下一代 AI 的適應性，通過線上進化學習在邁向通用的強 AI 路上邁下堅實的一步。在此背景之下，NSAI 的發展不僅為產業發展和科研探索提供了方向，也為AI和通信網路的融合發展描繪藍圖。在 5G-B5G 通信與 AI 技術快速融合發展的產業需求下，學科交叉的研究與高端人才的培訓正在加速。

技術願景

1.提供服務定製網路

服務定製網路（SCN – Service Customized Network）以適應不同用戶的需求為目標，為 AI 嵌入式網路提供一個動態可重構的虛擬網路新框架。該框架能支持多個時間尺度上對網路資源進行實時創建、配置、重配和切片。例如在智慧型交通服務中，尖峰時段的車輛和終端連線數量可能遠遠高於其餘時段，這就需要動態地對不同規模的網路資源和服務質量做配置與重構，以適應其服務需求的動態彈性變化，並提供網路可重構的實時性指標。可以預見，未來的網路運營商需要為每一項智聯服務，如自動駕駛、智聯工廠、社區等，提供個性化定製的 SCN。

2. 形成通用智聯服務

通用智聯服務（GSS – Generalized Smart Service）為 NSAI 提供一組通用應用程式接口（API），同時將大規模服務定製網路 SCN 中通信與計算的複雜性進行基於服務場景的封裝。通過 GSS，整個虛擬網路將成為一個擁有線上進化學習能力的計算 - 通信實體，包括如智慧型終端、邊緣設備和雲計算伺服器等連線對象。通過物聯網與網際網路的深度融合，GSS 提供一個泛在智聯服務中間層，一方面基於服務場景實時處理海量異構數據，並將分散式感知與控制能力通過 API 提供給上端應用程式；另一方面通過對網路大數據的實時分析與態勢預測對網路做智慧型化配置與安全控制。

3.構建B5G-6G統一新空口

5G 已將大流量移動寬頻業務（eMBB）、大規模物聯網業務（mMTC）和低時延高可靠連線業務（URLLC）定義為其三大套用場景，但由於5G 網路還不能同時滿足高吞吐量、大連線和低延遲等混合要求。2018-2019 的 3GPP 大會上，基於 5G 三大場景的混合切片需求被 OMESH 等國內外公司聯合提出，主要面向複雜場景的異構終端互聯需求，得到主流運營商和廠商的支持。2020 年，華為技術等公司提出 5.5G 的概念，將原本三大場景按照混合切片的路線先擴大到六大場景，即新增上行超寬頻（UCBC）、通信感知融合（HCS）、寬頻實時互動（RTBC）三大混合場景。隨著未來 NSAI 套用的泛在普及，特別是在智慧型和健康城市（Smart and Healthy City，SHCity）或者一般智慧型基礎設施場景中，每個智慧型設備都可以在服務區內實現互連與數據交換。從 B5G 到 6G，通過動態重新配置的新空口有望統一大流量移動寬頻業務（eMBB）、大規模物聯網業務（mMTC）和低時延高可靠連線業務（URLLC），形成覆蓋接入網與核心網的智慧型混合全景切片。

4.集成多功能微納電子器件

當前的智慧型晶片技術仍遵循著摩爾定律在納米尺度上的連續性，向著更小、更低功耗的方向發展。傳統馮諾伊曼架構由於計算與存儲的分離設計，會造成對執行大規模 AI（如深度神經網路等）的低效率。由此，存算一體的 AI 晶片設計成為當前研究熱點。然而和人腦神經網路的規模相比，當前最先進的 AI 晶片在規模上相差數百萬倍，在能效上則相差數十萬倍以上，MNED 技術的潛在發展空間巨大。在未來五到十年， 微納電子器件（MNED – Micro and Nano Electronic Device）可採用 3D 異構的 Chiplet 晶片架構，進一步集成計算、快取、感測和通信的一體化設計，並通過新型擴展指令集來進一步提高智聯晶片及微納電子器件、終端規模與能效的數量級。

5.形成NSAI生態系統

隨著 AI 與通信網路交叉融合，數以億計的智慧型設備互聯並組網，形成覆蓋城市和人類社會的網路智慧型體，正如過去三十年的行動電話、網際網路、移動網際網路等信息產業革命一樣，將再一次徹底改變人們的生活方式。可以預計， NSAI 將進入人類社會的各個方面，並通過線上進化的學習為用戶提供更好的實時定製化體驗，例如城市微空間、未來交通、精準醫療、智聯教育、柔性製造、新型農業、產業網際網路和能源網際網路等。正如過去十年中，3G、4G 通信曾創造了移動網際網路，拉近網路世界與現實世界；隨著 5G 的全面商用及 B5G-6G 研究的展開，在未來十年中， NSAI 將使得網路空間、現實世界、和人類社會無縫結合，並融為一體，從而催生新一代網際網路的演進。

智聯網路系統技術願景

系統分層架構

1.物理網路層

物理網路（PN – Physical Network）層主要由有線與無線的混合基礎設施網路組成，包括例如接入網、交換機、核心網、雲伺服器、邊緣伺服器和移動終端等物理設備；可兼容不同運營商的基礎設施，支持 TCP/IP 通信協定。物理網路層是服務定製化層的基礎。

2.服務定製化層

服務定製化（SCN – Service Customized Network）層為定製服務創建和配置虛擬網路，具有拓撲管理、資源分配、數據傳輸和轉發、路由與負載均衡、安全和網路切片等功能。服務定製化層可在虛擬鏈路（L2 網路）上構建，提供向上兼容的功能。

3.通用智聯平台層

通用智聯平台（GSS – Generalized Smart Service）層由分散式 AI 計算系統構成，在數據層面對網路中的感知數據針對分類場景做分散式智慧型處理，實現網路化智慧型計算；同時在控制層面上根據網路實時態勢動態配置服務定製化層。作為中間平台，GSS 層可同時為訂閱智慧型服務的用戶提供認證、授權和記賬 (AAA) 服務。

4.套用系統層

套用系統（APP – Application）層通過基於 GSS 層提供的智聯服務北向應用程式接口，將物理世界、網路空間與人類社會融合，為消費者、企業、政府部門提供全景創新套用及顛覆式用戶體驗。

智聯網路系統分層架構

智聯套用場景

通過遍布於城市各個角落的成萬上億台移動設備與感測器，可以自動採集和實時監測城市的各種數據，包括從交通到天氣、能源使用、水消耗、購物信息、空氣品質等。數據被聚合併傳輸，然後進行存儲、組織和分析，從而了解正在發生的事情以及將來可能發生的事情。基於NSAI可將為智慧社區、智慧建築、智慧工作空間、智慧購物中心等智慧數字城市場景的建設提供技術支持。同時，將NSAI套用於農業、工業和醫療等產業當中，智慧型化分析用戶需求，綜合降低能耗需求資源浪費，有助於構建人與社會和諧共生的新生態。

1.數字城市智聯空間提供變革性服務

（1）智聯城市空間微場景

隨著5G和AI時代的到來，萬物互聯成為智慧城市的基礎，從傳統價值鏈合作到生態圈建設的轉變將成為不可阻擋的發展潮流。依靠來自感測器（物）、汽車、服務商、人的信息，通過虛擬與現實無縫融合的集成化線上與線下融合環境，結合分散式AI的信息處理，NSAI將帶來多種關鍵服務與創新用戶體驗，形成萬物智聯的新生活方式。打造智慧社區、智慧商圈和智慧園區等微場景，全面提升用戶體驗。（如圖二所示）

智慧社區：NSAI可以將各種城市公用資源（水、電、油、氣、交通、公共服務等等）連線起來，監測、分析和整合各種數據以做出智慧型化的回響，更好的服務市民。比如向所有住戶安裝數控水電計量器，其中包含低流量感測器技術，防止水電泄漏造成的浪費。同時搭建綜合監測平台，及時對數據進行分析、整合和展示，居民對社區資源的使用情況一目了然，使他們對自己的耗能有更清晰認識，對可持續發展有更多的責任感。

智慧商圈：通過採用L2多跳組網，增強網路通信能力，以網線和電線的方式，支持海量終端的萬物互聯。消費者可以方便的得知目的地的最佳路線圖、商鋪的實時活動；商家也可以清晰的了解到目標客戶的喜好，進而有針對性的提供服務；商圈更是能夠對人流和車流進行實時定位、規劃路徑，大大減少人流擁擠的情況，在後疫情時代具有非常重要的意義。

智慧園區：通過感測器實時採集環境因素、人、車和使用數據等信息，NSAI會合理利用調度資源，打造以人為本的智慧管理平台。從空間資管到物業管理、從辦公平台到電商平台，無論是園區內的智慧通行還是各項數據的科學展示，NSAI都會把線上化、數位化和智慧化貫徹到底，賦能整個園區。

隨著信息技術的不斷發展，城市信息化套用水平不斷提升，智慧城市建設應運而生。建設智慧城市在實現城市可持續發展、引導信息技術套用、提升城市綜合競爭力等方面具有重要意義。NSAI致力於在建設城市大腦方面繼續探索創新，進一步挖掘城市發展潛力，加快建設智慧城市，為全國創造更多可推廣的經驗。

智聯城市空間微場景

（2）車路雲協同自動駕駛與智聯交通

傳統腳踏車智慧型是利用雷射雷達、攝像頭、毫米波雷達等主要感測器以及V2X、物聯網通信技術，實時獲取高速公路路段到路網級交通狀態信息。並通過車路協同通信技術，將感知到的交通狀態信息實時共享給智慧型網聯汽車（ICV），可幫助智慧型網聯汽車在匝道、隧道、彎道等關鍵路段實現“超視距感知”，以輔助其進行駕駛決策；基於感知獲取的交通狀態信息作為智慧型交通決策算法的輸入，以實現智慧高速的車路協同智慧型管控。交通狀態預測在交通狀態感知的基礎上，通過大數據建模分析，可以幫助運營管理和駕駛人員預測未來交通狀態。其主要包括短時交通狀態預測，突發交通事件可能造成的影響預測，早晚高峰等日內交通需求變化引起的日常周期性交通狀態波動，以及節假日引起的季節性交通波動等。

但現有主流的車路雲協同自動駕駛技術也存在一定的局限性，例如，基於蜂窩技術的NB-IoT、eMTC需要依賴運營商的網路部署，很難有效保障橋樑、涵洞、邊坡等特定路段的有效覆蓋和大量感測器設備的接入問題，同時也給運營業主帶來流量成本；在通信時延和質量、感知決策上也存在一定的不足。而基於NSAI 的車-路協同技術通過道路網路、感測器網路、控制網路等，能夠形成安全、高效、環保的道路交通系統，可以實現多種車輛在同一道路上協同行駛，這也被認為是智慧型交通系統新趨勢。通過NSAI 維持車輛間、車輛與交通設施間的可靠、高效、安全的信息服務，改變智慧型駕駛中的腳踏車智慧型局限性，實現向車路雲協同自動駕駛的遷移，進而實現車路雲三者的智慧型實時互動。在分層交通網路管理機制中，雲中心可監控整個交通網路狀態，與路邊調配單元、車輛終端通信，獲取請求信息並發出調配命令。若有一輛救護車輛需要提高行駛速度，它可以向NSAI申請開闢緊急綠色通道，NSAI通過智慧型化算法重新規劃周邊所有車輛路徑，自動開闢出一條高速行駛緊急通道，而所有車輛如水波分流運轉不停。NSAI所帶來的全新城市車輛分散式運載系統將會重新定義用戶的出行方式，帶來無與倫比的體驗。

全路段自動駕駛

2.精準醫療與教育助力稀缺資源最佳化

（1）智聯醫療服務系統實時健康監控及醫療資源分配

在醫療服務上，NSAI 可將醫生、患者、醫院和監管機構進行有效整合，提供可靠的定製化精準健康管理服務。醫療健康服務可以在全生命周期內持續提供高質量的服務。在滿足隱私保護的前提下，NSAI 可存儲、保護、檢索、分析和共享來自病人、醫生、醫療設備等的數據。醫療資源也可以在醫生和醫院之間共享，醫生或醫療設備可以遠程檢查患者，醫生也可以從本地或遠程資料庫檢索所有共享數據。有助於消除了醫院與醫院，地區與地區間的邊界，從而實現醫療資源共享。因此，在 NSAI 醫療健康服務，醫院的物理邊界和城市的地理邊界將被消除，醫生和醫院的工作效率可以顯著提高，從而助力改變健康管理、治療和醫院管理。

實時健康監控及醫療資源分配

（2）智聯教育服務系統遠程個性化教育服務

在教育服務上，NSAI 的教育服務融合了學生、教師、學校、培訓機構、大學、圖書館和所有的學習資源，任何數據都可在智慧財產權保護下檢索和共享，為學生、教師和監管者提供無縫服務。基於人工智慧的教育網路和服務可以實現終身學習。除了人類老師，學生也可以向人工智慧老師學習。學生、教師、出版商或其他方生成的數據可以方便地存儲、保護、檢索、分析或共享。學校的物理邊界和城市的地理邊界將被消除。NSAI 教育服務將顯著提高學習和教學效率，解決城市和國家之間學習資源不均衡的問題。同時學生還可以從個性化和定製的學習和培訓中受益，讓每個人都可以得到個性化的獨特的教育。

遠程個性化教育服務

3.產業網際網路升級先進工農業與能源管理

工業網際網路被認為是連線整個工業系統、產業鏈和價值鏈的關鍵基礎設施，支撐工業智慧型化的發展。基於 NSAI 的工業服務將客戶下單、工廠製造、物流、銷售和保修等商業流程整合，同時將員工、設計機構、工廠、倉庫和供應鏈融合到網路系統中，從而降低物流和管理成本，提升工業生產效率與利潤。NSAI 工業服務通過供應、製造、銷售的數位化，實現快速、高效、個性化的工業產品，將快速、小批量的定製化生產變成現實。通過 NSAI，可以在人與機器、機器與機器、服務與服務之間形成互聯，從而實現高度的水平、垂直和端到端的集成。先進工業智慧型服務體現了自動化與信息化的融合，可以創造以價值鏈為導向的端到端生產流程，實現數字世界與物理世界的有效融合，使產品價值鏈與不同企業和客戶需求相融合。

（1）智聯產業網際網路體系

網際網路經歷了消費網際網路、網際網路思維之後將迎來新的機會——產業網際網路。基於NSAI的智聯產業網際網路體系集成了通信技術、人工智慧、大數據等重要技術，使產業與網際網路協同發展、動能持續轉換。工業網際網路被認為是連線整個工業系統、產業鏈和價值鏈的關鍵基礎設施，支撐工業智慧型化的發展。通過 NSAI，可以在人與機器、機器與機器、服務與服務之間形成互聯，從而實現高度的水平、垂直和端到端的集成。先進工業智慧型服務體現了自動化與信息化的融合，可以創造以價值鏈為導向的端到端生產流程，實現數字世界與物理世界的有效融合，使產品價值鏈與不同企業和客戶需求相融合。NSAI 可實現網路化、智慧型化、定製化的家居設計、生產及配送。通過將人與機器、機器與機器、服務與服務間進行互聯，滿足用戶的個性化定製需求，並由雲伺服器智慧型化選擇設計商、生產商、配送商。每個商業實體只需要完成自身工作而省去其他諸如商業對接、尋找上下游供應鏈等中間步驟，大幅精簡供貨流程資金，全面提升工業企業利潤。

定製化家居設計、生產及配送

（2）數位化智聯農業系統

基於 NSAI 的農業服務可整合各種新興技術，實現農業生產的精準耕作、可視化管理與智慧型決策，把消費者、農業專家、農民、經銷商等各方連線在一起，從而大大提升農業生產和流通的效率和精度。利用 NSAI 實時數據分析技術，可以對作物生長等進行預測，對水分、苗情、蟲情、災情等進行預警和分析，對環境污染信息進行嚴密監測。無人駕駛的農業機械，如收割機和拖拉機則可以全天候工作，並精確、高效、自動地完成路線規劃。智慧型灌溉系統利用高精度土壤溫濕度感測器和智慧型氣象站，遠程採集土壤水分、pH 值、養分、氣象信息等數據，實現水分或乾旱自動預報，灌溉用水量智慧型決策，可實現精準耕作、精準施肥、合理灌溉等灌溉設備的遠程自動控制。同時，智慧型灌溉還可以根據特定的植物生長速率自動調整所需營養液。智慧型家畜精確監控家畜繁殖過程和生長動態，實現對家畜養殖和養殖管理的快速高效指導，也可以實施防疫。最終農業的最終形式是智聯農業，未來農業信息、專家系統、市場預測模型和基於空間技術、遙感技術、感測技術、GPS、GIS、智慧型化技術等重大關鍵技術將在農業中得到廣泛套用。NSAI 可遠程控制無人機治理農業病蟲害（如圖四所示）。首先通過衛星遙感技術獲取農田影像信息，反饋到雲端伺服器，實時分析土壤含水量、苗期、病蟲害和災害情況。當病蟲災害達到一定程度時即組織大量無人機進行除蟲作業。在邊緣伺服器的控制下，無人機組可精確規劃路線與機群協同工作。

遠程智慧型控制的無人機農業病蟲害管理

（3）雙碳能源網際網路服務

作為當今世界能源利用效率提升最快的國家，為實現2030年前碳達峰、2060年前碳中和的雙碳目標，中國的能源電力行業正在迎來變革，智慧型電網正在向能源網際網路加快演進。NSAI 能源服務不僅是實現風能、太陽能、水能、核能等多種清潔能源的融合和互補的關鍵之一，還是完成電網、熱能網和燃料網的一體化融合的關鍵支撐之一。以特高壓電網為骨幹，以新能源為主體的新型電力系統正在興起。通過能源與信息技術的融合，構建源-網-荷-儲協同互動的新一代電力系統，是實現雙碳目標的關鍵。基於 NSAI 的能源服務可以將傳統的集中式人工智慧轉變為大型分散式智聯網路系統，實現自組織、自進化和實時智慧型。確定性的低延遲通信和靈活的網路資源配置可以為“更實時” 的系統回響提供保證。分散式人工智慧可以提供更精確的線上實時數據訓練模型，實現 “更智慧型”的調度和控制。同時，智慧型能源服務可以對能源低效或能源故障做出反應，並迅速解決問題。通過連線能源市場和消費者，NSAI 可實現混合電力能源消費與生產智慧型化管理（如圖五所示）。當消費者自主產能時，NSAI 根據實時電價實現電力雙向交易，即消費者在用電高峰期時將自產過剩電能以滿意的價格賣給能源市場，又可在用電低谷時以較低的價格購買市場上的電力能源。這不僅降低能源浪費，促進能源自由交易市場的繁榮，也有助於推進清潔能源替代傳統能源。

能源網際網路架構

挑戰與發展方向

1.技術挑戰與機遇

（1）挑戰網路信息容量限制

香農定理表明：在信道的信噪比以及頻寬約束下，信道的傳輸速率是有上限的，並不能無限地提高，信道容量即代表這個極限傳輸速率。而在網路信息理論中，證明了端到端的網路容量可以隨著節點數量 N 的增加而增大，但會受到服務質量（QoS）的約束（例如等待時間、吞吐量和能效），對於點對點鏈路同樣如此。

NSAI 中使用的幾項創新通信技術的發展有望突破八十年來香農定理對通信容量得限制：第一，L2 認知多跳通信的引入，特別是對於大型無線網路，有望實現網路容量的規模效應；第二，蜂窩標準的最新演變已經提供了NR-IAB和 NR-Side link等L2架構，為新型多跳傳輸的工程實踐提供的基礎；第三，通過 AI 算法控制大規模無線網路中的無線電功率和調製速率，將有助於識別端到端 QoS 約束下的實際網路容量，因為它們的組合不僅改變了所有單跳通信 QoS 參數，還改變了單跳無線電的距離範圍。此外，對大規模 MIMO 和 NOMA 的融合研究可進一步區分時空 - 頻域中的無線電信號。

（2）實時網路配置的可控性

傳統的網路配置通常需要人為操作，並且操作的時間間隔較大。例如，在當前網際網路協定中，網路配置通常在新設備加入網路時進行，配置完成後即保持靜態，直到設備離開網路或發生特定故障才進行人為干預式重配。但是，在 NSAI 中面臨的情況要複雜得多，主要是因為 NSAI 中的設備更加多樣、數量龐大，人為操作難以應對，而且對實時性要求較高，即網路必須快速回響配置命令。因此，迫切需要解決短時間間隔重新配置和網路配置實時性問題，而此類問題在之前傳統網路的研究中很少涉及。在 NSAI 系統提供的服務中，可以在更短的時間間隔內（例如，以秒或毫秒為單位）進行網路重新配置，以更好支持其 QoS 的動態變化。這樣的配置主要包括拓撲、資源分配、安全性，以及服務定製化層的各個方面。

（3）柔性多元資源的分配機制

通信網路中的資源配置主要採用固定資源分配方式，即提供固定配額、有保障的物理資源。但是，在未來網路需重點考慮的是多維、異構網路，以及在多個虛擬網路間進行資源共享需要開發新的方法和算法。由此有必要引入柔性資源分配的方法，即基於網路資源需求的動態性質（如用於計算、通信和快取資源等），通過多個虛擬網路共享同一物理資源，實現更高的資源利用率。NSAI 系統中的服務定製化層通過柔性資源分配，可針對不同的資源組合開發各種網路資源訪問機制，例如基於優先權或競爭的訪問機制。此外，為平衡效率與性能，也可將柔性資源分配與固定資源分配結合使用。

（4）無監督線上進化學習

監督或半監督機器學習方法需要大量數據標籤，而 NSAI 需要在極短的時間內處理海量數據。因此採用人工標註獲取數據標籤是不現實的，探索線上無監督學習技術勢在必行。基於多種套用場景，NSAI 系統需要自適應動態環境變化，在無人工標記或干預的情況下可自動分析新生成的實時數據，且能通過人工智慧實體間的信息交換產生新知識。由此，線上進化學習與多智慧型體強化學習可為 NSAI 系統的通用智慧型平台層提供分散式 AI 計算的通用框架，從而顯著提升系統泛化能力與數據融合水平。

（5）多時間尺度網路智慧型配置方法

基於 Internet 協定的傳統網路通常按照每小時或每天的時間間隔進行配置，然而在未來通信網路中這樣的時間間隔無法滿足時刻變化的網路環境。因此需引入時間細粒度更高、多尺度時間間隔更小的新型網路配置方案。此外，由於網路配置本身引入網路開銷，還需統籌可在較小時間尺度上進行調整，在較大時間尺度上予以保留的配置。AI 增強的網路配置可以在更加細粒的時間尺度（例如，以秒級甚至毫秒級）上進行，以實現極為精準的動態配置操作。而在決定某項網路功能用多少時間間隔配置的問題上，AI 或可根據以往的經驗數據並結合當前網路狀況進行自決策。 

（6）超級能源效率和人工智慧社會

當前，AI 技術的發展突飛猛進，但其能源效率低下的問題仍沒有較好的解決方案。由於高級 AI 模型的複雜性，而在 GPU 上訓練模型所消耗的能量甚至可能比駕駛一架飛機的實際能量消耗還要高。自從 AI 誕生以來，人類一直渴望設計出一款在功能或者神經元數量上能與人腦相媲美的 AI 計算機。隨著時間的推移，微 / 納米電子技術正在不斷更新和發展，例如，採用最先進的新型積體電路和算法架構，已經能夠提高 10-100 倍的能耗效率，但其耗能仍然比人腦多出近百萬倍。

隨著 NSAI 的發展，我們可以構想一個“人工智慧社會”。在那裡，通過利用不斷更新的通信能力，輕量級算法和計算設備可以協同執行複雜的 AI 任務。雖然現今的計算機在訓練或執行神經網路方面無法與人類相比，但計算機之間的信息交換速度遠遠超過任何人類語言。如何將人工智慧計算與通信相結合，實現NSAI系統的超級能源效率，是未來廣闊藍圖的重要篇章。

（7）軟硬體實現工具

在“新基建”多種技術發展與萬物智聯的背景下，高算力、低功耗、小尺寸等新技術需求成為當前硬體設備的主流發展方向。一方面是各方產業對於硬體的性能提升與成本降低的需求，另一方面是終端設備將會與日常生活緊密融合。不論是面向工業、企業還是面向個人的終端設備，海量數據的產生必將為其發展提供更多的機遇與挑戰。

NSAI 致力於利用技術搭建新的橋樑，助力產業構建出創新、高效和可靠的生態系統。在異構終端之間構建通用融合的開放軟體平台是充滿挑戰的，所以 NSAI 需要融合不同研究機構、廠商，開展廣泛合作。通用化、標準化和泛在開源軟硬體平台，將會在 NSAI 系統的 GSS/SCN 層中為不同設備供應商和網路運營商提供通用的軟體中間件和標準化語言，成為應對 NSAI 硬體與軟體工具挑戰的主要方式。

（8） 安全與隱私保護

隨著萬物智聯的發展演進，NSAI中存在海量的多源異構設備，其計算、存儲、共享、安全管控與數據隱私保護等問題將日益凸顯，而基於傳統雲計算架構的數據安全與隱私保護機制已不再適用。立足於 AI 與通信網路深度融合，NSAI 構建了諸多智慧型安全機制，例如線上風險分析、信任管理和主動防禦。但是這樣的安全機制是一個自下而上的整體設計，涉及到 NSAI 所有層面，仍面臨嚴峻考驗。

在系統安全方面，主要體現在物理、運行、數據與網路層面滿足完整性、可用性、可控性、機密性、不可篡改性和可追溯性等安全需求，需要驗證 NSAI 中所有要素的數據和行為。區塊鏈技術由於其分散式設計與可審計性，被提倡用於系統安全保護。但當前的區塊鏈技術還無法應對 NSAI 中的海量實時數據，需要進一步擴展區塊鏈架構，提高吞吐量並降低延遲。

在用戶隱私方面，聯邦學習等技術是基於本地保存的用戶原始數據而設計的，而在 NSAI 中需要使用 AI 對用戶的原始數據進行認知與行為分析、建立用戶畫像，這樣就不可避免地導致用戶的高層私有數據暴露在系統中。對此，NSAI 需要從社會與技術兩個角度共同治理的方案：在社會層面，人類社會需要隱私保護政策和立法來決定用戶隱私信息的授權和訪問；在技術層面，需要確保用戶隱私信息的每一次訪問和使用都可被授權、追蹤與審計。

2.從腦聯網到智聯社會

（1） 人工智慧腦機接口

腦機接口（BCI）研究始於 20 世紀 70 年代。傳統腦機接口使用腦電圖（EEG）遠程控制外部設備以達到人們所需的各種目的，將人或動物大腦與外部設備之間創建直接連線，可實現人腦與設備的信息交換。腦機接口的研究也已經涉及到人的聽覺與視覺感知，例如利用視覺圖像作為基於 EEG 的腦機接口控制策略，以及提出一種處理穩態視覺誘發電位（SSVEP）控制的方法。

未來腦聯網套用領域

近年來的研究使 AI 腦機接口 (AI empowered Brain Computer Interface, ABCI) 成為一個有別於傳統腦機接口 (BCI) 的新興研究領域，其重點是人類感知重建與腦機聯網。特別的是，ABCI 不僅在實時腦信號建模情況下研究人類感知的重建，還能夠對人工感知提供閉環控制。此外，侵入性腦信號採集的研究也有了一些進展，例如通過將精確的電極植入腦感測的功能區的神經連結等，為 ABCI 提供良好前景。ABCI 的套用主要在康復醫療領域，例如腦癱患者可以通過ABCI控制機械臂，逐漸恢復運動能力; 有視覺、聽覺或觸覺障礙的患者可通過 ABCI 恢復其感知。

（2）泛在腦聯網

腦聯網是由不同個體的大腦共同組成的互連網路，用於解決複雜問題，並通過建立 “社交網路”實現“心靈感應”交流。隨著 NSAI 系統和 ABCI 技術的發展，泛在腦聯網（UBN- Ubiquitous Brain Network）可以被理解為集成了 ABCI 人機界面的未來NSAI 系統，人類智慧型將成為 NSAI 系統的一個無縫、有機組成部分，與 AI 將合而為一。在 UBN 中，通過 “心靈感應” ，人們可以在一邊思考一邊給 AI 分配思維任務。當得到授權後，機器代表人類進行交流並探索 , 人類社會將因相互理解而統一，並隨著智慧型的爆炸性增長而快速發展。

事實上，UBN 是一個多學科交叉的前沿研究方向。一旦通過生物交叉技術或是腦機接口技術實現了大腦與外界的直接信息交流和控制，人類社會就將開啟人與人、物與物、人與物之間充分互聯互通的“腦聯網”時代。在“腦聯網”的世界中，人腦是最核心、最根本的要素，同時也承擔著“腦聯網”的智慧屬性。不同於網際網路與物聯網，“腦聯網” 搭建的是高度智慧型化的平台，平台系統中所有活動都是圍繞腦的“思維”進行部署。

隨著 5G 向 6G 的遷移發展，NSAI 面向腦聯網的發展將最終形成物理世界、網路空間、和人類社會融為一體的智聯社會，以及人工智慧與人類智慧型的和諧共生體系。在此過程中，以下關鍵問題將逐步被人類解答。

◆ UBN 能模擬哪些大腦功能

已知的研究從人類的基礎六感展開，主要包含了輸入和輸出兩個方面。對於大腦輸入，主要的研究是圍繞視覺、聽覺和觸覺等感知的大腦電信號，通過 AI 對輸入的大腦信號進行分析，並模擬大腦皮層的功能，實現對輸入信號的分類與認知。輸出信號則主要為語音信號、視覺信號、情感信號和運動控制信號等，用於在大腦中對相應的聽覺、視覺、觸覺等感知做電信號重構和反向刺激。基於人們需要對現實世界需要一個完整的虛擬體驗，因此還可能存在其他未知部分的功能模擬。

◆ UBN 能承擔人腦思維過程中的哪些任務

由人腦將部分的信息處理任務交給 AI 完成，這類任務是有特定規律的，可通過計算機編程實現其內在邏輯。例如當 AI 判斷人腦正處於計算和推導任務時，可以將該任務轉移給 AI 設備，輔助人類完成類似科學計算以及常用的數學公式推導等任務。更進一步，AI 通過連通設備，可存儲人類部分記憶，實現 AI 存儲設備和大腦信息的互動。人類之間的任務分配一般由人類語言完成，但由於人類語言在表達高級抽象概念方面具有一定局限性，UBN 是否能比任何現有的人類語言更準確地解釋抽象概念是值得進一步探索的問題。

◆ UBN 是否有助於快速恢復腦部受損功能

UBN 最初的套用與醫療和康復相關，如對腦卒中、腦損傷等病人做康復訓練，通過電信號刺激配合訓練模式的設計促進受損神經的修復，未來是否可以通過 AI 構築受損神經的外循環，來恢復受損感知功能尚有待研究和驗證。而對於慢性神經相關疾病，如阿爾茨海默病、抑鬱症等，醫學界尚無明確有效的傳統治療方案，和慢性神經疾病形成機理的理論。藉助 NSAI 工具，UBN 是否可以對慢性神經疾病做個性化診斷、精準分析及治療等具有重要的臨床套用意義。

◆ UBN 能否變革人類智慧型水平

基於 NSAI，UBN 是否可以直接、準確、快速地將知識或經驗傳遞到人腦中，從而改變人類的智力水平，加速人類的學習速度，加強人類記憶、感知、認知、創新的能力尚不得而知，但可以明確的是基於 NSAI 的 UBN 技術體系的發展將有助於人類智力的爆炸性增長。可以想見，未來人類可以通過實時下載的方式學習新的語言和知識，通過無縫人機互動的方式掌握新的工程技能，通過 AI 輔助記憶的方式更高效的學習和生活，將人類的內生創造力和靈感充分解放。

◆ UBN 如何保護人類的隱私

除了將大力促進電子與電極的進步之外，NSAI 和 UBN 將對全球人類社會產生超越網際網路的深遠影響。尤其是對於 UBN，人類的意識和行為將和網際網路緊耦合的融為一體。如何在新的體系中保護個人隱私，例如保護“大腦數據”或“思維數據”，將成為新的社會、倫理、和技術命題。可以想見任何對人腦或大腦數據的訪問都將受到 UBN 的控制和管理，而人類社會需要共同制定這一規則，共同促進和維護人類命運共同體的智聯社會新形態。