第三次AI浪潮與5G網(wǎng)絡(luò)的交匯

歷史發(fā)展至今，深度學(xué)習(xí)與大數(shù)據(jù)引領(lǐng)的第三次AI浪潮正在進(jìn)行，無線通訊技術(shù)已經(jīng)走過1G、2G、3G、4G，全球的運(yùn)營商都開始談?wù)?a target="_blank">5G網(wǎng)絡(luò)。在這樣一個(gè)時(shí)點(diǎn)，兩項(xiàng)備受矚目的技術(shù)出現(xiàn)了交匯的契機(jī)。

一直以來，人工智能和無線通訊技術(shù)都在各自的軌道發(fā)展，各自經(jīng)歷萌芽、爆發(fā)、沉寂、復(fù)興，彼此卻沒有太大關(guān)聯(lián)。

蒙著一層科幻色彩的人工智能概念其實(shí)已經(jīng)誕生了60多年。一般認(rèn)為，1956年的達(dá)特茅斯會(huì)議是人工智能這一概念的起源。約翰·麥卡錫，1971圖靈獎(jiǎng)獲得者，是當(dāng)年這場(chǎng)會(huì)議的發(fā)起人。人工智能夏季研討會(huì)(SummerResearchProjectonArtificialIntelligence)，這個(gè)全新的會(huì)議主題讓他成了第一個(gè)正式使用AI概念的人。在這場(chǎng)會(huì)議的半個(gè)多世紀(jì)前，意大利人伽利爾摩·馬可尼剛剛實(shí)現(xiàn)了人類歷史上首次無線電通信，雖然當(dāng)時(shí)的通信距離只有30米，但也算敲開了無線通信時(shí)代的大門。

歷史發(fā)展至今，深度學(xué)習(xí)與大數(shù)據(jù)引領(lǐng)的第三次AI浪潮正在進(jìn)行，無線通訊技術(shù)已經(jīng)走過1G、2G、3G、4G，全球的運(yùn)營商都開始談?wù)?G網(wǎng)絡(luò)。在這樣一個(gè)時(shí)點(diǎn)，兩項(xiàng)備受矚目的技術(shù)出現(xiàn)了交匯的契機(jī)。

5G和AI是密不可分的兩大戰(zhàn)略發(fā)展領(lǐng)域

5G和AI是兩大毋庸置疑的戰(zhàn)略發(fā)展領(lǐng)域。從5G的角度來看，GSMA在2017年發(fā)布了一個(gè)白皮書——《5G開啟無線連接與智能自動(dòng)化的時(shí)代》，這份報(bào)告為全球的通訊行業(yè)描繪了一個(gè)非常美好的前景：到2025年，5G的連接數(shù)量將會(huì)超過11億，約占全球移動(dòng)連接數(shù)的12%，覆蓋超過全球1/3的人口數(shù)量。5G也會(huì)為運(yùn)營商帶來超過2.5%的年均復(fù)合增長(zhǎng)率（GAGR），2025年，收入將達(dá)到1.3萬億美元的體量。

這份報(bào)告同時(shí)還對(duì)全球750位運(yùn)營商的CEO以及設(shè)備商的高級(jí)項(xiàng)目經(jīng)理做了一個(gè)調(diào)研，其中包括“5G將主要支持什么業(yè)務(wù)？”。結(jié)果顯示，83%的人都選擇了AI驅(qū)動(dòng)的業(yè)務(wù)?？梢?，AI驅(qū)動(dòng)的業(yè)務(wù)會(huì)是5G主要的應(yīng)用場(chǎng)景。

從AI使能5G這個(gè)角度來看，AI其實(shí)可以用在各行各業(yè)，不只是通信行業(yè)。經(jīng)歷了這幾十年的發(fā)展，電信行業(yè)將是AI最大的細(xì)分市場(chǎng)，Tractica/Ovum的全球調(diào)研報(bào)告指出，到2025年，全球電信行業(yè)對(duì)人工智能軟件、硬件和服務(wù)的投資預(yù)計(jì)將達(dá)367億美元。電信行業(yè)的AI年收入額將以48.8%的年復(fù)合增長(zhǎng)率，從現(xiàn)在的3.157億美元增長(zhǎng)至2025年的113億美元左右。這個(gè)體量也是相當(dāng)大的。

但是我們可以通過對(duì)比發(fā)現(xiàn)，電信行業(yè)AI的體量比起5G的體量還是要小很多。5G是1.3萬億美元的收入，AI是113億美元的收入，差距100倍以上。我們把AI投入到電信行業(yè)，如果能把5G的收入增加1%或10%，把5G網(wǎng)絡(luò)建設(shè)的成本降低1%或10%，對(duì)運(yùn)營商來說，那將是一筆非?？捎^的收入。

因此，5G和AI是密切相關(guān)、互相促進(jìn)的一種關(guān)系。

5G促進(jìn)AI應(yīng)用發(fā)展

相比4G網(wǎng)絡(luò)，5G主要是在用戶的吞吐量、端到端時(shí)延與連接密度方面有非常大的增強(qiáng)。正是因?yàn)檫@種增強(qiáng)，5G網(wǎng)絡(luò)能承載許多4G網(wǎng)絡(luò)現(xiàn)在無法承載的智能業(yè)務(wù)。

比如智能醫(yī)療，像遠(yuǎn)程手術(shù)這類場(chǎng)景對(duì)時(shí)延、圖像識(shí)別的要求非常高，用4G網(wǎng)絡(luò)承載可能滿足不了圖像傳輸?shù)臅r(shí)延、帶寬的要求，而5G具備低時(shí)延、大帶寬的特點(diǎn)，它可以針對(duì)智能醫(yī)療中的遠(yuǎn)程手術(shù)做很好的承載。

比如智能交通，未來在5GuRLLC低時(shí)延的場(chǎng)景下，自動(dòng)駕駛也可以得到更好的支持。還包括智能家居、智能電網(wǎng)、智能農(nóng)業(yè)這種IoT類的，它們對(duì)連接密度有非常高的要求。5G面向高密度連接的mMTC場(chǎng)景也能為這些智能業(yè)務(wù)提供非常好的承載。還有工業(yè)自動(dòng)化，它對(duì)時(shí)延的要求和自動(dòng)駕駛不相上下，需要精確地控制一些工業(yè)設(shè)備來完成各個(gè)零件的組合和裝配。未來有了5G網(wǎng)絡(luò)，這些AI驅(qū)動(dòng)的智能化業(yè)務(wù)都能得到更好的發(fā)展。

另外一方面我們來看，為什么5G網(wǎng)絡(luò)的商用部署離不開人工智能。人工智能已經(jīng)發(fā)展了60多年，我們的通信網(wǎng)絡(luò)也不是現(xiàn)在才有的。那為什么人工智能到了5G就成為必不可少的技術(shù)呢？我們從三方面來看：1.新型網(wǎng)絡(luò)架構(gòu)；2.新型空口技術(shù)；3.新型部署方式。

新型網(wǎng)絡(luò)架構(gòu)

在5G網(wǎng)絡(luò)，我們引入了SBA（Service-basedArchitecture）網(wǎng)絡(luò)架構(gòu)和網(wǎng)絡(luò)切片。網(wǎng)絡(luò)切片可以針對(duì)用戶的需求，來組合切片中用到的網(wǎng)元和虛擬網(wǎng)元；根據(jù)業(yè)務(wù)量的變化動(dòng)態(tài)地分配虛擬網(wǎng)元的資源或者是承載資源。但這種按需分配和網(wǎng)絡(luò)架構(gòu)層面的動(dòng)態(tài)調(diào)整是傳統(tǒng)的人工手段無法支持的。傳統(tǒng)的網(wǎng)絡(luò)架構(gòu)調(diào)整，周期是以年計(jì)的，一般以年為周期來規(guī)劃和部署，一旦部署下去，長(zhǎng)時(shí)間內(nèi)不會(huì)改變。未來，這種網(wǎng)絡(luò)資源方面的調(diào)整，很可能會(huì)以小時(shí)計(jì)。這種高頻率的，針對(duì)網(wǎng)絡(luò)資源的精確投放，就需要人工智能技術(shù)來輔助實(shí)現(xiàn)。

新型空口技術(shù)

5G空口兩個(gè)最重要的特征：一個(gè)是MassiveMIMO或者3DMassiveMIMO（大規(guī)模天線）；另一個(gè)是高頻通信。MassiveMIMO帶來天線數(shù)量的增加，功率的增加。按已經(jīng)能看到5G頻率和4G頻率的對(duì)比來說，5G頻率比4G頻率基本上會(huì)高至少一倍。4G從1.8G到2.5G，5G從2.6G到4.9G。這個(gè)頻率的升高意味著，每個(gè)站點(diǎn)覆蓋的面積會(huì)變小，站點(diǎn)的數(shù)量會(huì)變多。據(jù)我們已經(jīng)了解的，5G基站的耗電量最低也在2700千瓦左右，至少是4G基站的3倍。所以大量地部署5G基站，會(huì)給我們帶來非常高的耗電成本。因此，我們一定要引入基于人工智能的手段來做5G基站的節(jié)能，包括MassiveMIMO智能化的配置，根據(jù)用戶分布和場(chǎng)景的智能化識(shí)別，來考慮的一些智能化的載波關(guān)斷技術(shù)等等來優(yōu)化無線網(wǎng)絡(luò)。

新型部署方式

5G核心網(wǎng)都是基于虛擬云化部署的，另外引入了一個(gè)重要的概念，邊緣計(jì)算（Multi-accessEdgeComputing,MEC）。未來有很多5G網(wǎng)元會(huì)以虛擬化的形式部署在數(shù)據(jù)中心，而且這個(gè)數(shù)據(jù)中心的數(shù)量會(huì)很多，除了大區(qū)的省市的，還會(huì)有一些邊緣的，甚至下沉到接入局所，一些有條件的機(jī)房，也會(huì)放這些服務(wù)器，比如去做5GUPF（UserplaneFunction，用戶面功能）的下次，面向本地業(yè)務(wù)的平臺(tái)部署和流量卸載等等。在承載同樣業(yè)務(wù)量的情況下，服務(wù)器的耗電相比傳統(tǒng)的網(wǎng)絡(luò)設(shè)備來說，也會(huì)有較大的增加。所以，從部署方式來講，我們也需要引入一些人工智能和大數(shù)據(jù)的手段去做數(shù)據(jù)中心的節(jié)能，對(duì)機(jī)房整體制冷系統(tǒng)的控制和節(jié)能，來減少OPEX（OperatingExpense）的支出。

從以上三個(gè)大的方面來講，5G是運(yùn)營商面臨的最復(fù)雜的網(wǎng)絡(luò)，需要大量的投資，包括固定投資和運(yùn)營的投資。很多5G網(wǎng)絡(luò)的維護(hù)工作是傳統(tǒng)的人工方式?jīng)]有辦法滿足的，迫切地需要引入人工智能手段來支撐5G網(wǎng)絡(luò)真正的大規(guī)模商用部署。

AI在5G中的應(yīng)用場(chǎng)景

應(yīng)用場(chǎng)景1：5G端到端切片智能編排和運(yùn)營

1. 5G端到端切片智能編排

（1）采集數(shù)據(jù)，掌握網(wǎng)絡(luò)的實(shí)時(shí)運(yùn)行狀況

（2）利用人工智能技術(shù)，根據(jù)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)對(duì)網(wǎng)絡(luò)業(yè)務(wù)以及相應(yīng)的資源需求進(jìn)行預(yù)測(cè)和評(píng)估

（3）給出恰當(dāng)?shù)慕ㄗh措施（如網(wǎng)絡(luò)切片的擴(kuò)容、縮容、變更等）

2. 5G端到端切片智能運(yùn)營

網(wǎng)絡(luò)切片不是一段核心網(wǎng)或無線就能搞定的，可能是無線加上承載網(wǎng)加上核心網(wǎng)。對(duì)用戶來說，這種快速的開通和按需變更要能做到端到端的自動(dòng)化管理。引入切片服務(wù)智能客服，能夠提供智能化的交流、咨詢、切片套餐推薦等服務(wù)，并完成智能化的端到端切片業(yè)務(wù)開通。

應(yīng)用場(chǎng)景2：基于AI的MassiveMIMO參數(shù)優(yōu)化

5G引入MassiveMIMO技術(shù)后，無線側(cè)配置參數(shù)的pattern組合有了指數(shù)級(jí)的增加。我們了解到，3G無線配置的組合是13種，4G大概有283種，5G大約是13000種。就算可以梳理一些基本的配置模板，但在后面的優(yōu)化過程中，也還是會(huì)涉及各個(gè)參數(shù)的調(diào)整。所以，需要在這件事上引入人工智能的技術(shù)，來實(shí)現(xiàn)5G大規(guī)模天線復(fù)雜參數(shù)的智能化配置。

1. 智能權(quán)值搜索和監(jiān)控

基于UE（UserEquipment，用戶終端）的分布情況，根據(jù)覆蓋用戶數(shù)最多的原則，搜索和預(yù)測(cè)最優(yōu)的水平/垂直波瓣寬度，方位角和下傾角。

2.UE位置估算和預(yù)測(cè)

基于收集的信息可以估算UE的位置及分布

MM基站周期性收集一段時(shí)間內(nèi)小區(qū)內(nèi)所有UE的位置信息

3. 場(chǎng)景自學(xué)習(xí)

可充分運(yùn)用于類似體育賽事、演唱會(huì)等大型活動(dòng)。

比如，利用MR(MeasurementReport，測(cè)量報(bào)告)信息描繪出終端在體育館內(nèi)的大致分布，進(jìn)一步利用分布識(shí)別場(chǎng)景。根據(jù)不同場(chǎng)景，推薦最優(yōu)權(quán)值，并將最終的權(quán)值反饋到場(chǎng)景識(shí)別模塊，使得推薦不斷進(jìn)化。

應(yīng)用場(chǎng)景3：AI輔助的智能無線網(wǎng)絡(luò)規(guī)劃

這件事其實(shí)在4G網(wǎng)絡(luò)上已經(jīng)在開展了。無線網(wǎng)絡(luò)開通前后要做路測(cè)和評(píng)估，根據(jù)收集上來的MR信息，對(duì)多個(gè)場(chǎng)景進(jìn)行識(shí)別和分析。綜合用戶投訴、各種網(wǎng)絡(luò)優(yōu)化的KPI等要素做大數(shù)據(jù)分析以及AI輔助的決策，幫助運(yùn)維人員更好地確定把站點(diǎn)部署在哪里，如何配置參數(shù)，哪些質(zhì)差小區(qū)能通過擴(kuò)容來解決，以及哪些是無法通過擴(kuò)容來解決的……并會(huì)給到一個(gè)整體的網(wǎng)絡(luò)部署的評(píng)估。

在5G網(wǎng)絡(luò)部署的時(shí)候，也一定會(huì)考慮基于4G網(wǎng)絡(luò)的大數(shù)據(jù)和AI分析，來決定應(yīng)該在哪里部署5G的站點(diǎn)，以及一些4G、5G協(xié)同的調(diào)整。

應(yīng)用場(chǎng)景4：基于AI的智能邊緣計(jì)算

邊緣計(jì)算在5G階段是非常重要的發(fā)展方向，它在邊緣的DC（數(shù)據(jù)中心）里引入了服務(wù)器，也引入了支持AI運(yùn)算的能力，使得可以在邊緣節(jié)點(diǎn)上，配合中心的DC以及用戶的終端來做AI業(yè)務(wù)的智能優(yōu)化。主要有以下四點(diǎn)：

1. 本地緩存

基于AI對(duì)用戶的業(yè)務(wù)流和用戶移動(dòng)模式進(jìn)行預(yù)測(cè)分析，有針對(duì)性地確定預(yù)存內(nèi)容和內(nèi)容推送，從而提高內(nèi)容分發(fā)效率。

2. 智能定位

通過位置已知的終端測(cè)量的各無線通信系統(tǒng)信號(hào)特征，借助AI、大數(shù)據(jù)收集分析和邊緣計(jì)算節(jié)點(diǎn)的實(shí)時(shí)計(jì)算能力，利用指紋信息指導(dǎo)實(shí)際應(yīng)用中的終端定位。

3. 頻譜感知

邊緣計(jì)算節(jié)點(diǎn)，基于不同無線系統(tǒng)的頻譜測(cè)量結(jié)果，利用AI技術(shù)對(duì)各無線系統(tǒng)在不同區(qū)域的無線環(huán)境特征、用戶行為特征，以及不同用戶的業(yè)務(wù)特征等，進(jìn)行分析建模，支撐具體應(yīng)用場(chǎng)景。

4. 業(yè)務(wù)感知

在邊緣節(jié)點(diǎn)上部署高算力的硬件解析資源，結(jié)合AI和大數(shù)據(jù)能力，分析挖掘數(shù)據(jù)、業(yè)務(wù)和無線環(huán)境之間的內(nèi)在關(guān)聯(lián)，提供更為準(zhǔn)確、智能的業(yè)務(wù)特性識(shí)別。

網(wǎng)絡(luò)邊緣緩存已成為內(nèi)容分發(fā)的趨勢(shì)，可大幅提升用戶體驗(yàn)、網(wǎng)絡(luò)吞吐量和能效。AI技術(shù)可預(yù)測(cè)用戶偏好，精準(zhǔn)推薦內(nèi)容給用戶，并結(jié)合用戶推薦預(yù)測(cè)無線邊緣緩存。

應(yīng)用場(chǎng)景5：智能基礎(chǔ)設(shè)施節(jié)能

1. 基于AI的智能基站節(jié)能

在5G的基站中，希望通過AI輔助的業(yè)務(wù)分析、場(chǎng)景識(shí)別建立一個(gè)流量變化模型，來控制載波的智能關(guān)斷，從而降低基站功耗。

2. 基于AI的數(shù)據(jù)中心（DC）節(jié)能

通過自動(dòng)學(xué)習(xí)數(shù)據(jù)中心里服務(wù)器上的業(yè)務(wù)、流量的變化模式，根據(jù)這些信息，在非高峰時(shí)間段，把一些可遷移的業(yè)務(wù)集中部署在某一些服務(wù)器上，把空閑的服務(wù)器置成“睡眠”狀態(tài)，同時(shí)會(huì)考慮整個(gè)機(jī)房制冷的控制。工作狀態(tài)的服務(wù)器會(huì)消耗200-500W，睡眠狀態(tài)的服務(wù)器僅消耗20W。DC實(shí)際的負(fù)載情況對(duì)效果會(huì)有一些影響。

應(yīng)用場(chǎng)景6：AI輔助的運(yùn)維優(yōu)化

1. 網(wǎng)絡(luò)故障預(yù)測(cè)

從傳統(tǒng)的事后優(yōu)化轉(zhuǎn)化為事前的預(yù)測(cè)和提前防備。

2. 網(wǎng)絡(luò)健康度檢查

基于大數(shù)據(jù)和人工智能技術(shù)的網(wǎng)絡(luò)健康度分析，預(yù)測(cè)網(wǎng)格內(nèi)未來一天、一周、一月的小區(qū)網(wǎng)絡(luò)質(zhì)量并提前預(yù)警，針對(duì)質(zhì)差小區(qū)，分析引起質(zhì)差的關(guān)鍵指標(biāo)及可能的原因。

3. 網(wǎng)絡(luò)告警關(guān)聯(lián)和故障定位

傳統(tǒng)網(wǎng)絡(luò)運(yùn)維管理人員分析網(wǎng)絡(luò)警告、判斷告警原因、查找告警根源、定位并排除故障，耗時(shí)耗力。神經(jīng)網(wǎng)絡(luò)系統(tǒng)通過不斷學(xué)習(xí)和訓(xùn)練，計(jì)算、翻譯和調(diào)整分布于神經(jīng)網(wǎng)絡(luò)當(dāng)中的連接權(quán)值，以整體的方式表達(dá)關(guān)聯(lián)規(guī)則和故障診斷結(jié)果，準(zhǔn)確定位網(wǎng)絡(luò)故障。