OpenAI 在 2022 年 11 月發(fā)布了對(duì)話型大語(yǔ)言模型 ChatGPT，提供了高度智能化的人機(jī)交互體驗(yàn)和極富創(chuàng)造力的內(nèi)容生成能力，模型一經(jīng)發(fā)布，就得到全世界的廣泛關(guān)注。在 ChatGPT 火爆以后，中國(guó)科技企業(yè)紛紛投入大模型的相關(guān)工作，包括通信廠商、互聯(lián)網(wǎng)廠商、AI 廠商，以及很多初創(chuàng)公司，從算力層、平臺(tái)層、模型層、應(yīng)用層等各個(gè)層面進(jìn)行全面布局和突破，涌現(xiàn)出華為盤(pán)古、百度文心一言、阿里通義千問(wèn)、科大訊飛星火認(rèn)知等一批具有行業(yè)影響力的大模型產(chǎn)品。

對(duì)通信行業(yè)來(lái)說(shuō)，大模型技術(shù)表現(xiàn)出的技術(shù)能力和潛力，讓業(yè)界普遍認(rèn)為，大模型技術(shù)不僅在自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)以及多模態(tài)領(lǐng)域有廣泛的應(yīng)用前景，在通信網(wǎng)絡(luò)中大模型技術(shù)同樣可以大有可為，能夠促進(jìn)通信網(wǎng)絡(luò)自智能力持續(xù)提升。

本文針對(duì)通信行業(yè)在智能化發(fā)展方面的痛點(diǎn)，分析大模型技術(shù)的優(yōu)勢(shì)，針對(duì)大模型技術(shù)在無(wú)線通信領(lǐng)域，特別是無(wú)線通信網(wǎng)絡(luò)智能運(yùn)維方向的應(yīng)用進(jìn)行分析，重點(diǎn)聚焦在大模型技術(shù)背景下，如何將 AIGC 技術(shù)和網(wǎng)絡(luò)運(yùn)維需求相結(jié)合，進(jìn)行應(yīng)用場(chǎng)景和模型構(gòu)建的相關(guān)探討。

一、無(wú)線網(wǎng)絡(luò)AI技術(shù)應(yīng)用的前景與現(xiàn)狀

隨著5G無(wú)線通信網(wǎng)絡(luò)的發(fā)展，無(wú)線網(wǎng)絡(luò)的架構(gòu)日趨復(fù)雜，終端類型和業(yè)務(wù)應(yīng)用也不斷增加，覆蓋增強(qiáng)、網(wǎng)絡(luò)資源管理、干擾提升、跨制式和跨層優(yōu)化、節(jié)能等問(wèn)題不斷突出，多場(chǎng)景、多制式、多目標(biāo)等問(wèn)題日趨明顯，每一維度的’多’都為網(wǎng)絡(luò)建設(shè)、運(yùn)營(yíng)和網(wǎng)絡(luò)優(yōu)化帶來(lái)了更高的挑戰(zhàn)。從通信技術(shù)本身來(lái)說(shuō)，存在大量傳統(tǒng)方法難以進(jìn)行精確數(shù)學(xué)建?；蛘吒咝蠼獾募夹g(shù)問(wèn)題，而AI技術(shù)在自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)等方面的突飛猛進(jìn)，推動(dòng)了近年來(lái) AI 技術(shù)在通信系統(tǒng)中的廣泛研究與探討，目前的研究熱點(diǎn)包括：

網(wǎng)管領(lǐng)域：系統(tǒng)容量、覆蓋、故障率、負(fù)載均衡、異常檢測(cè)等多方面的性能優(yōu)化；

核心網(wǎng)：智能業(yè)務(wù)質(zhì)量定義與分配、切片狀態(tài)分析、用戶體驗(yàn)分析；

接入網(wǎng)：智能無(wú)線資源管理、接入控制、調(diào)度算法；

無(wú)線AI算法研究重點(diǎn)：基于AI的編碼、調(diào)制、多址、多天線、波束管理、定位、感知、信道估計(jì)/預(yù)測(cè)、接收機(jī)算法等。

從業(yè)界廣泛的研究和探討[1][2]進(jìn)展可以看到，AI技術(shù)應(yīng)用到無(wú)線通信網(wǎng)絡(luò)，尤其是無(wú)線空口側(cè)存在以下挑戰(zhàn)：

缺乏科學(xué)公開(kāi)的數(shù)據(jù)集：行業(yè)的不同機(jī)構(gòu)采用的數(shù)據(jù)集并不統(tǒng)一，研究結(jié)果難以相互驗(yàn)證；

無(wú)線AI數(shù)據(jù)和應(yīng)用具備自己獨(dú)特的特征，如何將自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的前沿AI算法，與無(wú)線數(shù)據(jù)以及無(wú)線領(lǐng)域?qū)＜抑R(shí)進(jìn)行有機(jī)融合尚不明確；

無(wú)線通信系統(tǒng)的顯著特征之一是通信場(chǎng)景復(fù)雜多變（室內(nèi)、室外、高鐵等）與業(yè)務(wù)形式多樣，如何讓無(wú)線AI方案在有限算力前提下適用于多種通信場(chǎng)景與業(yè)務(wù)形式，是業(yè)界目前需要克服的重要挑戰(zhàn)；

無(wú)線AI的鏈路級(jí)和系統(tǒng)級(jí)性能上界尚不明確，在綜合考慮算力、功耗、數(shù)據(jù)集、信令開(kāi)銷等成本的前提下，AI方案對(duì)比傳統(tǒng)基于專家知識(shí)的設(shè)計(jì)是否有性能增益等重要問(wèn)題還缺乏系統(tǒng)科學(xué)的分析與論證，這是無(wú)線AI未來(lái)標(biāo)準(zhǔn)化和產(chǎn)業(yè)化落地的先決條件。

這些問(wèn)題，導(dǎo)致AI技術(shù)在無(wú)線網(wǎng)絡(luò)的空口層面短期難以落地，而業(yè)界更多的面向6G無(wú)線AI的應(yīng)用進(jìn)行探討和嘗試，而目前AI技術(shù)在無(wú)線網(wǎng)絡(luò)的實(shí)際應(yīng)用主要集中在智能運(yùn)維領(lǐng)域，所以，本文重點(diǎn)針對(duì)大模型技術(shù)在智能運(yùn)維的應(yīng)用進(jìn)行探討。

從5G無(wú)線網(wǎng)絡(luò)智能運(yùn)維的角度，如何將AI技術(shù)應(yīng)用于5G無(wú)線網(wǎng)絡(luò)，提升網(wǎng)絡(luò)的性能和效率的需求日趨強(qiáng)烈，業(yè)界已經(jīng)在規(guī)、建、維、優(yōu)、營(yíng)等網(wǎng)絡(luò)智能化方面有大量實(shí)際應(yīng)用。從一方面來(lái)說(shuō)，5G網(wǎng)絡(luò)架構(gòu)復(fù)雜、參數(shù)眾多，從另一方面說(shuō)，5G網(wǎng)絡(luò)難以獲得站點(diǎn)環(huán)境、組網(wǎng)環(huán)境、用戶體驗(yàn)、業(yè)務(wù)質(zhì)量等影響網(wǎng)絡(luò)部署和資源分配的關(guān)鍵因素；而AI技術(shù)在特征提取、感知預(yù)測(cè)等方面具備優(yōu)勢(shì)，如何利用先進(jìn)的AI模型和算法，解決移動(dòng)通信網(wǎng)絡(luò)對(duì)無(wú)線環(huán)境、業(yè)務(wù)體驗(yàn)的感知和預(yù)測(cè)，從而提升網(wǎng)絡(luò)性能和業(yè)務(wù)感知，將是當(dāng)前階段的一個(gè)急需突破的工作。

二、大模型技術(shù)在智能運(yùn)維應(yīng)用的前景和挑戰(zhàn)

從目前OpenAI推出的ChatGPT和之后GPT-4產(chǎn)品來(lái)看，大模型技術(shù)擁有一些重要的技術(shù)特征[3]，具體包括：

知識(shí)抽取能力：GPT系列產(chǎn)品擁有龐大的世界知識(shí)，包括事實(shí)性知識(shí)和常識(shí)，可以提供知識(shí)的查詢和檢索，而且可以進(jìn)行知識(shí)的歸納和總結(jié)，甚至提供簡(jiǎn)單的知識(shí)推理和證明能力。

符合人類習(xí)慣的交互方式：以遵循提示（prompt）并生成補(bǔ)全提示詞的句子的語(yǔ)言生成方式，通過(guò)上下文學(xué)習(xí)保持對(duì)話一致性，能理解人類意圖并用自然語(yǔ)言回答問(wèn)題、生成內(nèi)容和解決問(wèn)題，改變了現(xiàn)有人機(jī)互動(dòng)方式及人類獲取世界知識(shí)的方式。

跨語(yǔ)言及多模態(tài)交流能力：不僅可以處理多種人類語(yǔ)言，還可以理解圖片內(nèi)容，為人們提供更加便捷的交流，此外還可以將人類語(yǔ)言與機(jī)器語(yǔ)言進(jìn)行相互翻譯，促進(jìn)了人機(jī)物三元世界的融合。

自我學(xué)習(xí)和自我進(jìn)化的能力：能夠自動(dòng)從海量數(shù)據(jù)和人類指令中學(xué)習(xí)到其中的世界知識(shí)，學(xué)習(xí)過(guò)程不需要人的介入，而且可以自行檢查學(xué)習(xí)成果并不斷優(yōu)化迭代，能靈活應(yīng)用所學(xué)知識(shí)來(lái)解決實(shí)際問(wèn)題。

根據(jù)大模型技術(shù)展現(xiàn)的這些技術(shù)特征，針對(duì)無(wú)線通信的智能運(yùn)維應(yīng)用，大模型技術(shù)在以下方面有明顯的技術(shù)優(yōu)勢(shì)：

模型平臺(tái)統(tǒng)一問(wèn)題：從AI技術(shù)在通信的應(yīng)用情況來(lái)看，面臨場(chǎng)景多樣和需求復(fù)雜的問(wèn)題，任務(wù)多樣，而不同的任務(wù)又有不同的數(shù)據(jù)需求；從模型應(yīng)用來(lái)看，不同的任務(wù)很難定義統(tǒng)一的評(píng)價(jià)目標(biāo)，導(dǎo)致不同的場(chǎng)景需求需要不同的AI模型，出現(xiàn)“大煉模型”的行業(yè)現(xiàn)狀。而大模型技術(shù)，能夠處理自然語(yǔ)言處理的多種任務(wù)，同樣的，我們希望，大模型技術(shù)也能應(yīng)用于智能運(yùn)維的多種任務(wù)，構(gòu)建統(tǒng)一的模型平臺(tái)。

數(shù)據(jù)集的多來(lái)源問(wèn)題：從數(shù)據(jù)集方面，通信行業(yè)雖然擁有大量網(wǎng)絡(luò)數(shù)據(jù)，但是數(shù)據(jù)來(lái)源和數(shù)據(jù)形式多種多樣，從之前的AI應(yīng)用來(lái)看，數(shù)據(jù)的清洗、篩選等處理是一個(gè)極其耗費(fèi)人力的工作。而大模型技術(shù)在預(yù)訓(xùn)練過(guò)程使用了多種不同來(lái)源的數(shù)據(jù)集，具備處理多模態(tài)數(shù)據(jù)的能力，對(duì)數(shù)據(jù)的式樣和分布兼容性較高，可以通過(guò)微調(diào)等技術(shù)便利的應(yīng)對(duì)數(shù)據(jù)的多來(lái)源問(wèn)題。

功能遷移能力：大模型技術(shù)具有強(qiáng)大的知識(shí)抽取能力，而智能運(yùn)維的大量任務(wù)可以歸類為知識(shí)抽取任務(wù)，比如告警的根因分析、干擾識(shí)別等任務(wù)；大模型技術(shù)在自然語(yǔ)言處理中有大量的序列轉(zhuǎn)導(dǎo)任務(wù)，比如翻譯任務(wù)，而對(duì)于無(wú)線網(wǎng)絡(luò)基于用戶體驗(yàn)和網(wǎng)絡(luò)環(huán)境的網(wǎng)絡(luò)優(yōu)化來(lái)說(shuō)，存在用戶感知與網(wǎng)絡(luò)KPI的映射、網(wǎng)絡(luò)KPI與設(shè)備狀態(tài)的關(guān)聯(lián)等需求，這些需求都可以類似于序列轉(zhuǎn)導(dǎo)任務(wù)來(lái)進(jìn)行解決。

模型的增量學(xué)習(xí)和進(jìn)化：機(jī)器學(xué)習(xí)模型假設(shè)數(shù)據(jù)分布是平穩(wěn)的，即訓(xùn)練時(shí)接受同分布的數(shù)據(jù)訓(xùn)練。但是無(wú)線網(wǎng)絡(luò)隨著業(yè)務(wù)種類和用戶流量的持續(xù)增加，網(wǎng)絡(luò)的狀態(tài)也在不斷發(fā)生變化，需要模型能夠持續(xù)的增量學(xué)習(xí)，而大模型技術(shù)的自我學(xué)習(xí)和進(jìn)化能力非常適用于網(wǎng)絡(luò)的持續(xù)優(yōu)化要求。

對(duì)于構(gòu)建電信行業(yè)大模型，需要利用行業(yè)數(shù)據(jù)對(duì)大模型繼續(xù)微調(diào)或重新訓(xùn)練，以提升模型的專業(yè)性。從行業(yè)數(shù)據(jù)角度，通信行業(yè)基于標(biāo)準(zhǔn)化的體系架構(gòu)，是一個(gè)高度標(biāo)準(zhǔn)化、數(shù)字化的專業(yè)領(lǐng)域，已經(jīng)積累大量的歷史數(shù)據(jù)，經(jīng)過(guò)場(chǎng)景業(yè)務(wù)梳理和對(duì)數(shù)據(jù)的處理，可以轉(zhuǎn)化為大規(guī)模、多樣性、高質(zhì)量的有效訓(xùn)練數(shù)據(jù)集，在行業(yè)數(shù)據(jù)方面具有構(gòu)建行業(yè)大模型的必要條件。

圖1 通信領(lǐng)域的數(shù)據(jù)優(yōu)勢(shì)

雖然大模型技術(shù)在無(wú)線網(wǎng)絡(luò)的應(yīng)用前景廣闊，但是，依然存在一些具體的問(wèn)題和挑戰(zhàn)，具體包括：

數(shù)據(jù)質(zhì)量要求：從大模型的訓(xùn)練來(lái)看，模型性能對(duì)數(shù)據(jù)有比較高的質(zhì)量要求，如何針對(duì)跨廠家跨域的數(shù)據(jù)質(zhì)量進(jìn)行一致性要求，將是影響大模型技術(shù)在通信網(wǎng)絡(luò)應(yīng)用的一個(gè)關(guān)鍵問(wèn)題。

可靠性要求：從目前大模型的表現(xiàn)來(lái)看，無(wú)法達(dá)到較高的置信度，存在“一本正經(jīng)的胡說(shuō)八道”的現(xiàn)象。對(duì)于通信網(wǎng)絡(luò)，可靠性要求遠(yuǎn)超過(guò)GPT產(chǎn)品在互聯(lián)網(wǎng)的應(yīng)用要求，在無(wú)線通信系統(tǒng)原有技術(shù)的基礎(chǔ)上，如何基于移動(dòng)網(wǎng)絡(luò)的數(shù)據(jù)和專家經(jīng)驗(yàn)，提升大模型技術(shù)的可靠性？

小型化要求：大模型技術(shù)在無(wú)線網(wǎng)絡(luò)的應(yīng)用落地，大模型能做到多‘小’？通過(guò)模型蒸餾等技術(shù)，模型變小后，可靠性、可遷移性能否滿足運(yùn)營(yíng)要求？疊加大模型后，需要整體考慮算力、性能、成本等等綜合收益。

安全性要求：大模型本身有數(shù)據(jù)安全泄露風(fēng)險(xiǎn)，如何解決安全性、隱私性問(wèn)題？

三、基于大模型技術(shù)的智能運(yùn)維平臺(tái)構(gòu)建探討

針對(duì)大模型技術(shù)，首先基于智能網(wǎng)絡(luò)三層架構(gòu)，進(jìn)行技術(shù)拆解?？紤]大模型作為統(tǒng)一技術(shù)底座，提升功能模塊的通用性，改變從異構(gòu)的單一模塊設(shè)計(jì)弊病到功能模塊的內(nèi)核統(tǒng)一化；形成統(tǒng)一的模型訓(xùn)練和模型下發(fā)，提升模型的可遷移性和可靠性；形成統(tǒng)一的評(píng)估模型，便于異廠家、異構(gòu)網(wǎng)絡(luò)的互聯(lián)互通。

圖2 智能網(wǎng)絡(luò)架構(gòu)和解決方案

針對(duì)大模型技術(shù)在智能運(yùn)維的應(yīng)用，考慮在智能運(yùn)維當(dāng)中，日志本身就是一種近似自然語(yǔ)言的文本，可以通過(guò)大模型技術(shù)來(lái)加強(qiáng)對(duì)日志文本的理解；可以采用預(yù)訓(xùn)練和指令學(xué)習(xí)，根據(jù)多場(chǎng)景任務(wù)需求，建立統(tǒng)一的平臺(tái)框架。對(duì)于應(yīng)用場(chǎng)景，以異常檢測(cè)為例，將日志按照模板進(jìn)行日志解析和數(shù)據(jù)構(gòu)建，利用大模型技術(shù)平臺(tái)進(jìn)行日志分析，進(jìn)行告警壓降、異常檢測(cè)、故障預(yù)測(cè)和診斷等相關(guān)任務(wù)。圖3展示了利用大模型技術(shù)針對(duì)告警壓降場(chǎng)景進(jìn)行的應(yīng)用效果，根據(jù)告警數(shù)據(jù)和專家經(jīng)驗(yàn)構(gòu)建訓(xùn)練集，將告警日志導(dǎo)入大模型進(jìn)行告警壓降，根據(jù)專家規(guī)則的數(shù)據(jù)進(jìn)行驗(yàn)證，效果良好，表明大模型技術(shù)具備日志理解、分析和挖掘的巨大應(yīng)用潛力。

圖3告警壓降應(yīng)用示例

借鑒LangChain技術(shù)框架，綜合考慮智能運(yùn)維的場(chǎng)景任務(wù)和應(yīng)用需求，基于大模型技術(shù)構(gòu)建智能運(yùn)維的平臺(tái)框架主要包括下面幾方面組成部分：

日志數(shù)據(jù)：針對(duì)網(wǎng)管數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、特征提取、數(shù)據(jù)歸一化等，以便后續(xù)的分析和建模。

向量數(shù)據(jù)庫(kù)：將日志數(shù)據(jù)按照相應(yīng)的分類、模板進(jìn)行處理，使用適當(dāng)?shù)南蛄勘硎痉椒▽⑻幚砗蟮娜罩緮?shù)據(jù)轉(zhuǎn)化為向量，需要考慮數(shù)據(jù)高效存儲(chǔ)和快速索引，以及數(shù)據(jù)的更新等。

提示模板：確定提示的目標(biāo)和場(chǎng)景，結(jié)合思維鏈（CoT）技術(shù)，收集與目標(biāo)和場(chǎng)景相關(guān)的上下文信息；基于收集到的上下文信息，設(shè)計(jì)出適合的提示模板，包括針對(duì)各種任務(wù)的提示內(nèi)容；結(jié)合具體應(yīng)用場(chǎng)景個(gè)性化定制，根據(jù)網(wǎng)絡(luò)不同發(fā)展階段的性能需求，對(duì)提示進(jìn)行進(jìn)一步精細(xì)化定制；對(duì)提示的效果和應(yīng)用反饋進(jìn)行監(jiān)控、分析和持續(xù)更新。

知識(shí)圖譜：在智能運(yùn)維領(lǐng)域，利用專家經(jīng)驗(yàn)構(gòu)建知識(shí)圖譜可以幫助系統(tǒng)更好地理解和應(yīng)用領(lǐng)域內(nèi)的專業(yè)知識(shí)。通過(guò)收集專家知識(shí)、知識(shí)抽取和表示、知識(shí)建模、知識(shí)融合、知識(shí)驗(yàn)證等步驟，構(gòu)建知識(shí)圖譜，應(yīng)用于智能運(yùn)維系統(tǒng)中，用于相應(yīng)的各類場(chǎng)景和任務(wù)。

大模型平臺(tái)：首先需要根據(jù)場(chǎng)景和目標(biāo)，選取合適的大模型平臺(tái)。然后利用日志數(shù)據(jù)，對(duì)模型進(jìn)行微調(diào)或重新訓(xùn)練，以保證模型平臺(tái)應(yīng)用在智能運(yùn)維中的專業(yè)性。另外，整體考慮算力、性能、成本等等綜合因素，需要對(duì)模型進(jìn)行量化、壓縮等優(yōu)化處理，以提示模型的效率。

智能代理：作為應(yīng)用接口，根據(jù)任務(wù)的目標(biāo)和場(chǎng)景，利用向量存儲(chǔ)的日志數(shù)據(jù)、提示模板和知識(shí)圖譜，進(jìn)行任務(wù)分解，構(gòu)建相應(yīng)的上下文信息，進(jìn)行合適的日志抽取和提示構(gòu)建，綜合利用專家知識(shí)、專業(yè)應(yīng)用程序和大模型平臺(tái)執(zhí)行相關(guān)任務(wù)。

圖4 智能運(yùn)維平臺(tái)框架

四、大模型技術(shù)在智能運(yùn)維平臺(tái)的應(yīng)用嘗試

針對(duì)大模型在智能運(yùn)維的應(yīng)用，包括網(wǎng)絡(luò)AI大模型支撐的場(chǎng)景和任務(wù)研究、網(wǎng)絡(luò)AI大模型高效集成方案研究、網(wǎng)絡(luò)AI大模型成效評(píng)估體系研究等研究任務(wù)。當(dāng)前階段，重點(diǎn)考慮利用大模型技術(shù)底座，構(gòu)建多任務(wù)統(tǒng)一框架平臺(tái)，并進(jìn)行了應(yīng)用驗(yàn)證。

基于ChatGLM2-6B基礎(chǔ)大模型，采用P-Tuning v2方法微調(diào)訓(xùn)練，驗(yàn)證大模型技術(shù)的推理能力?？紤]根因分析和異常檢測(cè)是運(yùn)維中最基礎(chǔ)和關(guān)鍵的功能，將根因分析和異常檢測(cè)作為三個(gè)單任務(wù)構(gòu)建模型進(jìn)行驗(yàn)證，測(cè)試評(píng)估結(jié)果如下。

進(jìn)一步的，輸入多種任務(wù)訓(xùn)練數(shù)據(jù)，通過(guò)微調(diào)訓(xùn)練得到混合任務(wù)模型，并對(duì)該模型進(jìn)行多任務(wù)推理測(cè)試，測(cè)試評(píng)估結(jié)果如下。

從驗(yàn)證效果看，基于大模型技術(shù)，對(duì)比傳統(tǒng)技術(shù)，單項(xiàng)任務(wù)的性能獲得明顯提升；針對(duì)多任務(wù)混合模型，大模型技術(shù)也呈現(xiàn)出非常優(yōu)越的性能，說(shuō)明基于大模型技術(shù)具備建立統(tǒng)一的平臺(tái)框架的可能性。在后續(xù)工作中，還將繼續(xù)嘗試更大規(guī)模模型，結(jié)合微調(diào)優(yōu)化方法，提升現(xiàn)有任務(wù)性能；進(jìn)行更多混合任務(wù)評(píng)測(cè)及性能提升，充分驗(yàn)證多任務(wù)統(tǒng)一框架平臺(tái)的可行性；考慮使用Long Chain外掛網(wǎng)管運(yùn)維專業(yè)知識(shí)庫(kù)，構(gòu)建AI Agent智能代理，實(shí)現(xiàn)運(yùn)維自動(dòng)化的跨越式提升。

本文初步探討了基于大模型技術(shù)構(gòu)建智能運(yùn)維平臺(tái)的應(yīng)用場(chǎng)景和平臺(tái)框架，進(jìn)行了分析和應(yīng)用嘗試，我們有理由相信大模型技術(shù)在無(wú)線網(wǎng)絡(luò)的智能運(yùn)維領(lǐng)域具有廣闊的應(yīng)用前景，通過(guò)提升網(wǎng)絡(luò)的智能化和自動(dòng)化水平，可以極大的提高網(wǎng)絡(luò)的可靠性、性能和用戶體驗(yàn)。

參考文獻(xiàn)：

《6G物理層AI關(guān)鍵技術(shù)白皮書(shū)》 中國(guó)移動(dòng)通信有限公司研究院 2022年。

《6G無(wú)線內(nèi)生AI架構(gòu)與技術(shù)白皮書(shū)》 中國(guó)移動(dòng)通信有限公司研究院 2022年。

《AIGC（GPT-4）賦能通信行業(yè)應(yīng)用白皮書(shū)》，亞信科技、清華大學(xué)智能產(chǎn)業(yè)研究院，2023年。