5707
作者：王飞鹏，物联网智库 原创
随着5G商用落地，临近不惑之年的移动通信技术与过了甲子之年的人工智能技术，从独立演进开始走向深度融合发展。
“5G+AI”已经被业界视为一组最新的通用目的技术（指那些可以对全球或者国家经济体产生影响的技术）组合，被寄望能够赋能各个垂直行业，以应对各行各业随着技术发展面临的复杂问题，实现降本增效的目的。
尤其近一年多的时间里，随着大模型技术的突飞猛进，人们对于AI加持千行百业的现实性和推进速度也更加乐观，期待着远景快速变为现实。
移动通信为什么需要与AI融合，这种融合的背后有着怎样的必然性？AI会如何影响移动通信，这些影响有哪些是已经发生的现实？大模型的出现，又会对通信行业带来哪些新的机遇？AI和通信的未来将会如何发展？
在本文中，我们将翻开一部技术融合的叙事长卷，深入探讨AI和通信技术如何相互交织、相互促进，共同编织出一个全新的科技故事。从最初的相遇到如今的深度合作，AI与通信技术的结合不仅是技术领域的一次飞跃，更是人类探索智能化世界的一次宏大叙事。
为什么通信需要AI
通信的本质，在于通过各种通信技术（例如移动通信、卫星通信、固定网络通信等）将信号中封装的信息从出发点传到目的地。衡量通信质量的标准是信息从发送端到接收端是否可以精确、完美地复现。
在移动发展早期，通信业务以简单的语音处理为主。尤其是从1G到3G这个阶段，移动通信网络与业务的生态体系还不够完善，此时的主要任务是业务生态体系完整性的构建。
到4G阶段，生态系统基本实现了网络系统全IP 化，支持语音与数据业务，更重要的是，这一阶段，移动通信开始尝试赋能垂直行业，业界也开始提出移动通信网络自动化与智能化的需求和发展理念。
再往后，随着移动通信网络变得日益复杂以及通信业务生态日益多样化，通信网络基础设施和业务系统需要面对的复杂场景也越来越多。
这些复杂场景依靠传统的人工规则预定义与执行的处理和管理能力已经无法满足需求。由此，自动化、智能化的体系和手段也就成为通信系统中越来越突出的需求，唯有如此，才能保障网络与业务持续的运行与发展。
另一方面，自2001年3G商用，到2020年5G广泛商用，移动互联网及数据相关业务在这20年中得到了蓬勃发展，通信生态系统中产生的海量大数据，也为人工智能在通信领域的发展和应用提供了天然、高质量的数据源。
整体而言，现代移动通信系统经过近40年的发展，已经逼近香农极限，也即通信效率和性能已经非常接近理论上的最优性能。此时，区别于传统的分层自治方式，利用人工智能技术将通信系统考虑为一个整体模型进行分析与优化，则有可能将通信系统智能化的发展推向一个新的阶段。
5G与AI融合的必要性
受算法、算力、需求等方面的影响，早期的移动通信系统并不涉及人工智能应用。直到2008年，3GPP开始定义SON功能后，通信领域才开始探索各种人工智能算法对SON的应用。
SON是“Self-Organizing Network”的缩写，中文意思是“自组织网络”，是一种自动网络管理技术，主要目标是减少人工干预，通过自动化过程来优化和管理网络性能。
研究初期，主要利用遗传算法、进化算法、多目标优化算法等分布式优化算法对网络的覆盖和容量进行优化。后续，机器学习技术被引入，用于网络实现自组织、自配置、自优化、自治愈的关键方法。然而，通信人工智能真正的飞跃性发展始于2017 年。
2017年，在国际电信标准组织3GPP RAN第78次全体会议上，5G NR首发版本正式发布，这也意味着全球第一个可商用部署的5G标准诞生。
5G技术以其大连接、低时延、高速率的显著特性，加之网络的云化和切片化，正逐渐成为推动产业数字化转型的关键力量。
在产业链各方的共同努力下，围绕增强型移动宽带(eMBB)、大规模机器类通信(mMTC)、超可靠低延迟通信(uRLLC)三大应用场景的发展，5G网络预计将催生更多产业形态和创新应用。
同时，随着电信网络向虚拟化和云化转型，以及5G和物联网技术的深度整合，网络架构和技术正经历深刻变革，并面临前所未有的挑战。
在此背景下，人工智能凭借其卓越的数据分析和信息提取能力，不仅可以帮助运营商将数据红利转化为信息红利，还能够内部解决通信网络面临的效率和能力问题，外部智能地提供综合数字和信息服务。通过融入AI技术，通信网络将赋予智慧大脑，朝着网络智能化迈进。
AI在移动网络基础设施领域的发展
从《通信人工智能的下一个十年》一文中，我们看到，AI技术已经开始向移动网络基础设施的各个角度展开渗透，不论是无线接入网、核心网、传输网，还是终端设备，AI的影响力正日益增强，重塑着我们对网络技术的理解和应用。
在无线接入网方面，人工智能的作用体现为在基站网络中提升信号处理的准确性和效率，以及自动化和优化网络运营。这包括使用深度学习和强化学习算法来评估和预测信道质量，改进信号检测和信道编解码。
此外，自组织网络（SON）应用通过人工智能实现了网络的自配置、自优化和自愈合，涉及到多个方面如网络覆盖、节能管理和移动性优化等。
该领域代表性的产品有新华三旗下的WA5320X 系列无线基站接入设备，其特点包括智能射频优化技术以提高无线覆盖的准确性和稳定性，灵活的Fat和Fit工作模式适应不同网络需求，内置射频优化引擎（ROE）以提升网络性能和质量，以及智能负载均衡技术，优化用户接入和网络容量。
在核心网方面，人工智能的作用体现为通过新技术提升5G网络的管理和优化。特别是，3GPP SA2定义的网络人工智能网元（NWDAF）首次将人工智能标准化并应用于核心网络，以提高移动性管理和网络服务质量。
另一方面，O-RAN平台推出了基于AI的无线智能控制器（RIC），旨在实现无线资源、移动性和连接管理的智能化。
今年年初，浙江移动联合华为在杭州成功完成5G核心网智能化网元NWDAF首个直播业务创新试点。该试点成功验证了5G核心网智能化网元NWDAF对直播业务的应用级体验感知、智能分析和动态保障能力，标志着5G网络体验经营已具备基本试商用能力，为消费者获得更丰富的数据业务服务奠定了基础。
此外，网络软件供应商Mavenir在今年年初宣布，推出了一款O-RAN联盟无线接入网智能控制器(RIC)。作为新一代开放式RAN网络智能产品，Mavenir O-RIC能够通过开放式应用编程接口(API)构建差异化服务，可实现智能闭环端到端网络调整，从而优化网络性能，提高成本效率，并尽可能改善用户体验。Mavenir O-RIC提供网络智能即服务(NIaaS)，可带来关于网络的细粒度深刻洞察，帮助客户通过先进的智能技术构建解决方案。
在传输网方面，人工智能的作用体现为提升光传输网络的管理和优化，以及推动网络向更智能化和自动化的方向发展。光传输网络通过采用先进技术如SDON（软件定义光网络）和CON（认知光网络），实现更灵活的网络流量控制和更高的业务传输效率。
人工智能在这里主要应用于预测网络故障、缩短恢复时间、优化信号质量等方面。此外，为了适应5G时代的需求，构建基于IPv6的智能IP网络也成为发展趋势。这里的智能化涵盖了灵活的网络路由、保障网络服务水平、提升网络传输的确定性等方面，其中人工智能技术发挥着关键作用。
爱立信在今年11月份宣布推出智能云原生传输网控制器。该产品采用AI（人工智能）与ML（机器学习）技术，可实现对微波、IP和光网络的分析和自动化管理，为运营商提供先进的解决方案，实现移动传输网络效率最大化。
在终端方面，人工智能的作用体现为通过终端和芯片的智能化来增强网络基础设施。这包括从终端芯片收集的性能数据，这些数据被报告给自组织网络（SON）系统或运维支撑系统（OSS）。利用这些系统中的网络人工智能分析引擎，可以实现无线网络的智能优化。
近年来，高通、紫光展锐等知名芯片生产商在智能芯片领域取得显著进展，相继推出了多款智能化产品。与此同时，模组生产企业如广和通、美格智能和有方科技等，也基于这些创新芯片技术推出了各式各样的智能模组产品。
尽管上述各个方面的技术目前还处于探索阶段，但它们预示着移动网络基础设施在AI赋能下，未来将持续朝着智能和高效的方向迈进。
5G与AI融合的具体应用场景
在推动各行业数字化转型和构建智能网络的背景下，5G网络正在深入融合人工智能技术。这种融合不仅增强了网络的内部功能，如自动化管理和安全防护，而且通过智能算法将大数据资源转化为更高效的网络规划和故障诊断能力。
5G网络的智能化应用主要分为两个方向：
一是增强网络运维的自动化和智能化，将以依靠专家经验为主的运营模式逐步转变为 AI技术加成下的智能网络模式，从而实现高效、低成本、易维护的运营运维，并精准贴合各细分行业及其业务场景的个性化需求；
二是增强网络自身的功能和特性，通过引入AI将网络的事后触发优化流程调整为事前预测及主动优化性能，从而缓解时滞，实现网络资源及各项性能的及时调整和优化分配。
根据中兴通讯发布的《5G网络智能化白皮书》，未来5G网络的智能化应用场景可分为四大类别：网元智能、预测智能、运维智能和边缘智能。这些类别分别专注于网络优化策略、预测性决策、运维自动化以及高实时性的边缘应用。
通过AI技术的应用，5G网络能够实现业务体验的全面优化闭环。这包括对用户体验进行智能评估和监测，结合业务需求和网络能力进行综合分析，以及通过反馈机制进行策略调整和跟踪，以实现成本和体验的最优匹配。
例如，通过智能数据分析，建立用户体验指标和QoS（服务质量）指标之间的关系模型，并基于此模型实时评估业务的用户体验质量。同时，分析用户的通信习惯，优化QoS参数，使用强化学习算法对资源和用户进行调度和优化，确保业务质量。多接入协同技术基于AI，可提高多接入资源的利用率，优化用户体验。
此外，网络智能技术还能利用电信行业的算力、数据和应用场景优势，推动端管云生态的重新定义，构建新的商业模式。云边端的计算能力和网络状态实时变化，在此基础上，引入AI技术可以预测计算和网络负载，使运营商能够对多维资源进行联合优化调度，实现云网边端资源的一体化调度和动态分配，满足业务服务质量的同时优化资源效率。
大模型带来的新机遇
在AI大模型成为焦点之前，无线AI领域的研究主要集中在使用小型模型解决特定、局部问题。这些小模型专注于细分场景，处理特定的问题。与小模型相比，大模型展现出更强的通用性和泛化能力，以及显著降低AI应用门槛的潜力。大模型能够利用少量数据进行微调，或者甚至无需微调即可应对多种场景的任务。
AI大模型在移动通信网络中的应用预示着门槛的降低和效率的提升。数据断点将被有效连接，专家的经验得以积累并融入网络中，网络的维护、运营和用户场景化需求适配将更加智能化和动态化。大模型在移动通信网络中的多重作用包括：
网络优化：AI大模型能分析大量网络数据，识别拥塞、性能瓶颈和故障，并提供优化建议。它通过学习历史数据和实时监测，预测网络流量需求，帮助运营商调整资源，提升用户体验和服务质量。
无线资源管理：大模型协助频谱资源、天线配置和能量分配等方面的资源管理，根据实时环境和网络条件优化资源利用，提高网络容量和覆盖。
网络故障诊断与预测：AI大模型监测网络运行状态，识别故障和问题，分析性能指标、日志和告警信息，及时发现异常，进行故障诊断和预测，提升网络可靠性和稳定性。
用户行为分析：大模型分析用户在网络中的行为，提供个性化服务和营销策略，如根据用户偏好推荐应用和内容，提升用户满意度和忠诚度。
安全保障：大模型协助网络安全，监测流量，识别威胁和攻击，采取防御措施。还可应用于用户身份验证、欺诈检测和数据加密，保障通信隐私和数据安全。
AI大模型的引入是通信行业迈向更高智能化水平的关键步骤，随着AI大模型与通信行业融合地不断深入，我们可以期待一个更加智能、高效和安全的通信网络环境，为用户和企业带来更多的创新和便利。
AI融入通信网络的未来
在3GPP的第18次版本更新（R18）中，5G技术在支持人工智能和机器学习应用方面的重要性和潜力得到了特别强调。这一点在提升数据分析的准确性和拓展服务应用的多样性方面尤为突出。重点涉及两大AI在网络应用的项目：
网络数据分析功能（NWDAF）的增强：该项目集中于结合联邦学习（一种机器学习技术）和移动通信技术，旨在开发一种既能高效利用电信网络大数据又能保护用户隐私的商业解决方案。项目还包括将执行结果作为模型输入，以此来优化模型并提升分析精度。此外，还涵盖了与网管域智能化分析网元（MDAF）的协同工作，以增强网络侧的分析能力。
5G系统对AI和机器学习服务的支持：这一项目强调5G技术在AI和机器学习服务方面的作用，特别是在模型分发、传递和训练方面。这种支持能服务于多种应用，如视频和语音识别、机器人控制等，并涉及开放网络信息给AI和机器学习应用，以及在QoS和策略方面的增强。
同时，随着6G技术的发展，AI与通信的结合将更加深入和广泛。在《6G移动通信网络数据服务与数据面》一文中，作者指出：6G 网络是数据的生产者和提供者，为智能应用提供可信数据服务，同时又是数据的消费者，借助数据驱动的智能应用提升网络性能和运营效率。因此，如何优化数据治理、挖掘数据价值、提供可信数据服务，对6G网络设计提出了全新的挑战。
6G将具备内生智能和感知两大新增能力。内生智能通过传感设备感知网络状态、环境及用户/设备行为产生的海量数据，而感知功能则利用AI、数字孪生等技术进行建模分析和自动决策，旨在提升网络运营效率和系统性能，并为智能应用提供数据服务。
写在最后
展望未来，AI在通信领域的应用不仅将更加深入和广泛，而且有望开启通信技术的新纪元。随着5G和即将到来的6G等新一代通信技术的不断发展，AI的角色将从一个辅助工具转变为网络的核心驱动力。在基础设施建设、网络管理、安全保护、以及最终用户体验的优化等各个层面，AI的影响将是全面且深远的。这种影响不仅限于提高网络的性能和可靠性，更关键的是，它将为用户带来更为丰富、个性化和智能化的通信服务。
此外，通信也不再仅仅是信息的传递者，而是成为了智能化社会的枢纽和基石。AI的加入，将赋予通信网络以前所未有的智能化和自适应能力，使之不仅能够处理当前的需求，更能够预见和适应未来的变化。这种前所未有的融合，将是一个持续演进的过程，每一步的进展都将对我们的生活和工作方式带来深刻的影响。
参考文献：
《通信人工智能的下一个十年》，电信科学
《AI赋能网络智能化转型，行业迎来新机遇增持》，东吴证券
《6G 移动通信网络数据服务与数据面》，物联网学报
《基于人工智能的5G 无线网络智能规划和优化》，智能城市应用
《5G网络智能化白皮书》，中兴通讯
《大模型时代，AI如何助力移动通信？》，C114
《从R18进展看5G-A架构演进》，华为技术专栏
《浙江移动联合华为率先完成5G核心网智能化网元NWDAF首个直播业务创新试点》，C114
下载ECAD模型
