“泛在智能(néng)”，已經成為(wèi)移→π∞∞動通(tōng)信技(jì)術(shù)的(de)重¶™要(yào)發展方向。在5G以及5G-A标準的(de)制(zhì)定過程中，≤§Ω↔3GPP已經引入了(le)AI。那(nà)䀩麽，進展究竟如(rú)何呢(ne)？來(lái)源：Linkedin：AI in 5Ω÷♥✘G Use Case - Summary of 3GP↑ φ™P's Work & Study ✔¶ on AI/ML for 5G System
從(cóng)上(shàng)面這(zhè)張圖，我們可(kě)以 &看(kàn)出：在5G階段，網絡智能(néng)化(huà)有(yǒu)核心網的(de)NW♥DAF（NetWork Data Analytσφ&ics Function，網絡數(shù)據分(fēn)析功能αΩ¶(néng)）、運維層的(de)MDAF（Management Datγ↕↔&a Analytics Function，管理(lǐ)數(shùπ∏₩∏)據分(fēn)析功能(néng)），以及接入側的(de)一(yī)些(x♣∑iē)基本功能(néng)研究。這(zhè)些(xiē)AI局限在網絡側"β®，和(hé)終端沒有(yǒu)交互。到(dào)了(le)5G-A階段，标準制(zhì)定的(< §de)AI能(néng)力，向網絡和(hé)終端協同的(de<& )更複雜(zá)功能(néng)演進。最後到(dào)6G，就(jiù)是(shì)全棧全節點的(d∞€✔e)原生(shēng)智能(néng)。█ 網絡層及運維層的(de)智能(né₹ε✘ng)化(huà)早在5G标準的(de)第一(yī)個(gè)版本R15，↑•Ω3GPP就(jiù)定義了(le)一(yī↑♥)個(gè)全新的(de)核心網網元——NWDAF。NWDAF從(cóng)各種核心網網元、應用(yòng)、運維系₽λ©統以及運營支持系統收集數(shù)據，然後對(duì)↔÷↕這(zhè)些(xiē)數(shù)據進行(xíng)分≤↕(fēn)析，以提供有(yǒu)關網絡性能(néng)和(hé)健康狀↓₽β況的(de)建議(yì)及處理(lǐ)方案。網絡性能(néng)監控：監控時(shí)延、吞吐率、以及網絡可(kě)≤¥↑用(yòng)性等關鍵網絡指标，用(yòng)于識别和(hé)解決性↑∏能(néng)問(wèn)題。網絡安全分(fēn)析：分(fēn)析網絡流量，以識别潛在的(de✔×)安全威脅，用(yòng)于提高(gāo)網絡₩€的(de)安全性。客戶體(tǐ)驗優化(huà)：分(fēn)析客戶數(shù)據，用(yòng §)于改善客戶體(tǐ)驗。比如(rú)，NWDAF可$'♥(kě)發現(xiàn)某些(xiē)客戶或特定應用(yòng®∑✘)程序的(de)體(tǐ)驗不(bù)佳，并定位存在問(wèn)題的(de)♠×地(dì)點。網絡自(zì)治閉環：支撐網絡運維自(zì)動化(huà)，在出¶®現(xiàn)性能(néng)問(wèn)題φ≥★或安全威脅時(shí)自(zì)動生(s™$≤hēng)成告警。與此同時(shí)，網絡運維（OAM）系統也(yě)需要(yào)增強，$ $即通(tōng)過引入AI和(hé)自(zì∑$<)動化(huà)，實現(xiàn)接近(jìn)零接觸的(de)網絡®♠及服務管理(lǐ)編排。在此背景下(xià)，3GPP在R17版本為(wε↕ σèi)網絡運維層引入了(le)MDAF，進一(yī)步豐富和(hé)增強管理α≈(lǐ)功能(néng)，實現(xiàn)"≤×最佳的(de)網絡性能(néng)及服務保障。綜合下(xià)來(lái)，5G核心網及運維層的(de)智能(>≤♥γnéng)化(huà)架構是(shì)下(x>÷φià)圖這(zhè)樣的(de)。█ RAN接入層的(de)智能(néng)化(γ♥Ωhuà)核心網以及上(shàng)層的(de)運維有(yǒφ∑<u)了(le)這(zhè)些(xiē)動靜(jìng)，那≠π(nà)麽接入網NG-RAN（Next G≈πeneration Radio Access Network，✔¥ 下(xià)一(yī)代無線接入網）呢(ne)？3GPP也(yě)是(shì)從(cóng)R1α↑7階段開(kāi)始研究怎樣把AI引入基站(zhàn)及終端，首先考慮Ω↑δε的(de)是(shì)網絡節能(néng)、負荷均衡以及移動性優化(h ¶uà)等基礎功能(néng)。首先要(yào)做(zuò)的(de)是(shì)定義AI在RAN（R<"adio Access Network，無線接入網）側的(de)基本€₩運行(xíng)結構：從(cóng)上(shàng)圖可(kě)以看(kàn)出，RAN側的(de)≤★AI框架和(hé)通(tōng)用(yòn'∑↓g)的(de)AI架構并沒有(yǒu)大(dà)的(de)不(bù) π同之處，都(dōu)分(fēn)為(wè←γ>i)數(shù)據采集、模型訓練、模型推理(lǐ)和$≤₩Ω(hé)執行(xíng)這(zhè)幾個(g•¥è)模塊。數(shù)據采集：通(tōng)過标準接口從(c✘ππóng)網絡中獲取數(shù)據，并提供給模型訓練和(hé)模型推理(lǐ)。γ↓₹
模型訓練：進行(xíng)數(shù)據的(de)預處理(lǐ)，并∞∏∏₹執行(xíng)AI/ML訓練、驗證、測試等工(gōng)作(&×®zuò)。
模型推理(lǐ)：采用(yòng)訓練好(hǎo)'↓的(de)模型來(lái)進行(xíng)推理(lǐ)，生("♦shēng)成預測數(shù)據并進行(xíng) ¶× 智能(néng)決策。執行(xíng)：接收模型推理(lǐ)的(de)結論，"✔©并在網絡中實際生(shēng)效執行(xíng)。那(nà)麽，這(zhè)些(xiē)模塊是(shì)在終端側運δ♠π÷行(xíng)，還(hái)是(shì)在網絡側運行(xín•★₹δg)？答(dá)案是(shì)都(dōu)β§÷ 可(kě)以，3GPP根據協作(zuò)程度的(de)高(gāo)™σ↓低(dī)定義了(le)x，y，z三個(gè)級别。來(lái)源：Linkedin：AI in♦•₩ 5G Use Case - Summary of 3GPP's W ±ork & Study on AI/ML for 5G •★∑System
Level x：基站(zhàn)和(hé)終端各自(zì)管各≤α$自(zì)的(de)AI處理(lǐ)，之間(jiān)沒有(yǒu)任™←↔Ω何交互與協作(zuò)。Level y：基站(zhàn)和(hé)±≥終端之間(jiān)的(de)AI處理(lǐ)通(tōng)過信令交互₹π，但(dàn)它們之間(jiān)的(de)交流也(yě¥€ )僅限于此，沒有(yǒu)AI模型層面的(de)交互。
Level z：基站(zhàn)和(hé)終×端之間(jiān)的(de)AI處理(lǐ)既有(yǒu)信✘☆令交互，也(yě)可(kě)以進行(xíng←®)AI模型的(de)傳輸和(hé)更新。這(zhè)±₹就(jiù)是(shì)最高(gāo)級别的(de)協同了(¥®"le)。目前已在R17階段研究并在R18階段标準化♠≥ε✔(huà)的(de)RAN側AI，主要(yà ÷o)是(shì)網絡節能(néng)、負荷均衡以及移動性優化(₹↔huà)。
節能(néng)的(de)關鍵是(shì)精準預測話(huà)務量，' 并根據話(huà)務量來(lái)最大(dà)程度關閉空(kōng)閑資源。★λ£網絡節能(néng)的(de)挑戰在于話(huφεà)務預測的(de)精度、網絡性能(néng)和(hé)節能(néng)之'€£間(jiān)的(de)收益平衡，以及叠代優化(huà)配置的α™>(de)高(gāo)效性。通(tōng)過引入AI，可(kě)以讓網絡能(né₩↓ng)效更上(shàng)一(yī)層樓。
來(lái)源：Samsung Rearch：First Light of ∏'the AI/ML Empowered RAN in ↓♥♥δ3GPP
如(rú)果大(dà)量用(yòng)戶₽α<集中在一(yī)個(gè)小(xiǎo)區(qū)，周圍♥∏>的(de)小(xiǎo)區(qū)還(hái)很(≥☆∏©hěn)空(kōng)閑的(de)話(hu≥&à)，就(jiù)需要(yào)負荷均衡來(l∏&÷ái)把用(yòng)戶平均分(fēn)配在各個(gè)小(xiǎo)區↑©(qū)，最大(dà)化(huà)資源利用(yòng)。怎樣遷∞∏移用(yòng)戶才能(néng)始終保持網絡體(tǐ)驗最佳？這(zhè)也¥♥λ♥(yě)需要(yào)AI的(de)加持。¥<₹來(lái)源：Samsung Rearch：First Light o"✘f the AI/ML Empowered RAN in 3GPP移動性是(shì)指用(yòng)戶在移動時(shí)，本小(x✔✘iǎo)區(qū)的(de)服務質量下(xi&πà)降，需将用(yòng)戶切換到(dào)最合适的(de)小€≈≠(xiǎo)區(qū)。不(bù)切換不(♠♣bù)行(xíng)，切換太頻(pín)繁了(le)也(yě)不(bù)好®₩∑♠(hǎo)，那(nà)麽怎樣保證以最少(shǎo)的(→de)切換次數(shù)保障最優的(de)用(yòng)戶體(t•δ ♦ǐ)驗？AI能(néng)讓每一(yī)次切換都(dōu)恰如(β'∏rú)其分(fēn)。來(lái)源：Samsung Rearch：First Light of t₩γ×φhe AI/ML Empowered RAN in 3GPP ★在R18階段，3GPP研究了(le)CSI™λ反饋增強、毫米波波束管理(lǐ)以及定位精度增'≈強這(zhè)三個(gè)AI應用(yòng)，跨入了σ₹•γ(le)系統和(hé)終端協作(zuò)新時(≠×shí)代。來(lái)源：Linkedin：AI in 5≥§±G Use Case - Summary of☆↔ 3GPP's Work & Study on AI₹β/ML for 5G SystemCSI（Channel State Information）是(π∑×shì)終端測量得(de)到(dào)的(de)γ₩∏λ信道(dào)狀态信息。信道(dào)狀态信息越準确，用(yòngΩ∞")戶的(de)下(xià)載速率也(yě)就(jiù)越高(gāo)。↕¶✘然而在大(dà)規模MIMO系統中，大(dà)量天線會(huì)δ✘✔導緻CSI數(shù)據量巨大(dà)，反饋開(kāi)銷也(®δ&÷yě)很(hěn)大(dà)。如(rú)果我們能(néng)利用(yòng)✘↕✘¶神經網絡框架對(duì)CSI進行(xí∞™ng)非線性編碼和(hé)解碼，可(kě)提高(gāo)系統效≠→"率，實現(xiàn)更有(yǒu)效的(de$δ>→)多(duō)用(yòng)戶複用(yònε>g)，還(hái)可(kě)以最小(xiǎo)化(huà)幹擾。我↓<↑們還(hái)可(kě)以針對(duì)設備進行(xíng)定制$β₽(zhì)，實現(xiàn)更低(dī)開(kāi)銷的(de)反饋。并且，由于用(yòng)戶是(shì)移動的(de)，而CSI的(✔≠↕de)反饋需要(yào)時(shí)間(jiān)，可(kě)能(néng)到÷'®(dào)達基站(zhàn)時(shí)就(jiù)已≤∑經因為(wèi)信道(dào)狀态變化(huà)而成為( ±$wèi)了(le)無用(yòng)信息。因™↑ ∏此,基于AI/ML的(de)CSI反饋增強還(hái)☆≈可(kě)以采用(yòng)設備端的(de)AI模型來(lái)改善CSI預測ε 。來(lái)源：Qualcomm.com：Towards ±an AI-native communicationsδ∞↕ system design毫米波的(de)波長(cháng)短(duǎn)，傳÷ 播損耗大(dà)，極易被遮擋。為(wèi)了(✘₩le)補償路(lù)損，基站(zhàn)一(yī)般要≥γ↕✘(yào)使用(yòng)超大(dà)規模的(de)±♥©λ天線陣列來(lái)實現(xiàn)波束賦形增益。但(dàn)為¥©(wèi)了(le)最大(dà)化(huà)♥"利用(yòng)這(zhè)些(xiē)窄波束，我們需要(yào)₩±良好(hǎo)的(de)算(suàn)法來(lái)選擇并保持發射 αγ和(hé)接收端最佳對(duì)準的(de)波束對(±£Ωduì)。然而，當設備快(kuài)速移動時(shí)，信道(dào)狀态瞬息萬變，保δ₹>持波束最佳對(duì)準是(shì)非常困難的(de)，我們還(hái∏∏)需要(yào)多(duō)個(gè)窄波束來λ£"(lái)實現(xiàn)最佳覆蓋。因此，從(σβ>cóng)衆多(duō)波束中搜索并跟蹤最佳波束變得(de)更>λ加困難。在這(zhè)種情況下(xià)，我們需要(yào)引入§αAI來(lái)提升性能(néng)。來(lái)源：Qualcomm.com：Towards § an AI-native communic∏<ations system design在複雜(zá)的(de)城(chéng)市(shì)環境中，傳統的(de≥ &×)定位方案可(kě)能(néng)會(huì)由于建™←↓築密度和(hé)多(duō)徑幹擾等因素而精度不(bù)佳，需要(yàoΩ≤♣)引入AI，綜合多(duō)維信息來(lái)提升精度。AI還(hái↓→★§)可(kě)以适應環境的(de)變化(huà)，并幫助我們在信号傳播受'↑ 阻的(de)情況下(xià)進行(xíng)定位，如(rúεπσ>)衛星或基站(zhàn)信号被遮擋。來(lái)源：Qualcomm.com：Tow∞←↓ards an AI-native communications sys∞§tem design後續的(de)R19将研究新的(de)AI/ML用(yòng)例≠"。例如(rú)，為(wèi)了(le)實現(xiàn' ₹★)快(kuài)速适應和(hé)分(fēn)布式學習(xí)，AI/σ♠π©ML的(de)數(shù)據和(hé)模型可(≥πkě)能(néng)會(huì)直接在設備之間(jiān)共享，而不(b☆→&₽ù)需要(yào)經過5G網絡。這(zhè)就φ←(jiù)需要(yào)進一(yī)步研究隐私保護以及>λα¶能(néng)耗降低(dī)等問(wèn)題。此外(wài)，對(duì)于分(fēn)布式學習(xí♣β∑)，在标準制(zhì)定上(shàng)還(hái)需要(yào)≥εβ↔考慮更多(duō)。比如(rú)，如(rú)何處理(lǐ)設備進出覆蓋區σ¥→♠(qū)域、電(diàn)量有(yǒu)限、設備間(jiān)卸載計(∑↔"jì)算(suàn)等場(chǎng)景，并在AI/ML模型準确度、模型生ε₽λ(shēng)成延遲、功耗約束、計(jì)算(suàn)能(nα> ↓éng)力等因素之間(jiān)權衡。再往後，我們離(lí)6G的(de)标準化(huà)就(jiù)近(j∏'ìn)在咫尺了(le)。在當前的(de)6G' 願景中，“AI與通(tōng)信融合”六邊形的(de)頂點之一(y÷®εī)。AI将成為(wèi)網絡底層架構的®&®(de)一(yī)部分(fēn)，從(cóng)之前的(de)¥β外(wài)挂式走向AI原生(shēng)。邬賀铨院士曾經指出，6G應聚焦在如(rú)何利用(yòng)AI分(fēn)析✔信道(dào)特性實現(xiàn)幹擾消除、優化(huà)能(néng)↕±效和(hé)核心網對(duì)業(yè)務的(>δ<de)智能(néng)化(huà)适應上(shàng)。這(zhè)不(b÷÷∏ù)僅是(shì)當前5G-A階段正在做(zuò)的(de)，更是(sh™$ì)6G應該與生(shēng)俱來(lái)的(d∞$e)基礎能(néng)力。1、Linkedin：AI in 5G ×✔®Use Case - Summary of σ 3GPP's Work & S'tudy on AI/ML for 5G System；2、Samsung Rearch：First Light of th£ e AI/ML Empowered RAN in 3GPP；™↕≤3、Qualcomm.com：Towards an AI-n↓Ωative communications system design；4、Sharetechnote.com：5G/NR - AI/ML.≠↓$
以上(shàng)文(wén)章(zhāng←✘δδ)摘至鮮棗課堂
文(wén)章(zhāng)來(lái)源于無線¥↓•深海(hǎi) ，作(zuò)者蜉蝣采采δ
