人工智能，如何赋能5G-A？

随着ChatGPT点燃的人工智能（AI）热潮，通信行业的面貌焕然一新。

在各种行业展会、论坛上，面向通信行业的AI应用层出不穷。

ALL in AI，AI for All不仅仅是口号，AI已经和通信系统深度融合。

甚至可以说，在有些方面AI已经成为了主角，形成了通信×AI的乘数效应。

5G-A是5G下半场演进的技术底座，泛在智能已经成为了5G-A发展的重要方向，5G-A×AI的能量正在厚积薄发。

其实，在5G以及5G-A标准的制定过程中，业界也早已认识到了AI的优势，并试图把一些流程用AI来优化赋能。

那么，从标准的角度看，3GPP在网络智能化方面的进展如何？

Linkedin：AI in 5G Use Case - Summary of 3GPPs Work & Study on AI/ML for 5G System

可以看出，在5G阶段，网络智能化有核心网的NWDAF（NetWork Data Analytics Function，网络数据分析功能）、运维层的MDAF（Management Data Analytics Function，管理数据分析功能），以及接入侧的一些基本功能研究，这些AI局限在网络侧，和终端没有交互。

到了5G-A阶段，标准制定的AI能力向网络和终端协同的更复杂功能演进。

最后到6G，就是全栈全节点的原生智能了。

网络层及运维层网元

早在5G标准的第一个版本R15，3GPP就定义了一个全新的核心网网元——NWDAF。

NWDAF从各种核心网网元、应用、运维系统以及运营支持系统收集数据，然后对这些数据进行分析，以提供有关网络性能和健康状况的建议及处理方案。

NWDAF可以支持：

网络性能监控：监控时延、吞吐率、以及网络可用性等关键网络指标，用于识别和解决性能问题。

网络安全分析：分析网络流量，以识别潜在的安全威胁，用于提高网络的安全性。

客户体验优化：分析客户数据，用于改善客户体验。

比如，NWDAF可发现某些客户或特定应用程序的体验不佳，并定位存在问题的地点。

网络自治闭环：支撑网络运维自动化，在出现性能问题或安全威胁时自动生成告警。

与此同时，网络运维（OAM）系统也需要增强，即通过引入AI和自动化来实现接近零接触的网络及服务管理编排。

在此背景下，3GPP在R17版本为网络运维层引入了MDAF，进一步丰富和增强管理功能，实现最佳的网络性能及服务保障。

综合下来，5G核心网及运维层的智能化架构是下图这样的。

核心网以及上层的运维有了这些动静，那么接入网NG-RAN（Next Generation Radio Access Network，下一代无线接入网）呢？

RAN接入层智能化

3GPP也是从R17阶段开始研究怎样把AI引入基站及终端，首先考虑的是网络节能、负荷均衡以及移动性优化等基础功能。

首先要做的是定义AI在RAN（Radio Access Network，无线接入网）侧的基本运行结构：

从上图可以看出，RAN侧的AI框架和通用的AI架构并没有大的不同之处，都分为数据采集、模型训练、模型推理和执行这几个模块。

数据采集

：通过标准接口从网络中获取数据，并提供给模型训练和模型推理。

模型训练

：进行数据的预处理，并执行AI/ML训练、验证、测试等工作。

模型推理：采用训练好的模型来进行推理，生成预测数据并进行智能决策。

执行：接收模型推理的结论，并在网络中实际生效执行。

那么，这些模块是在终端侧运行，还是在网络侧运行？答案是都可以，3GPP根据协作程度的高低定义了x，y，z三个级别。

声明：本文内容仅代表作者个人观点，与本站立场无关。如有内容侵犯您的合法权益，请及时与我们联系，我们将第一时间安排处理