有了5G的AI行業(yè)將會是怎樣

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

蒙著一層科幻色彩的人工智能概念其實已經(jīng)誕生了60多年。一般認為，1956年的達特茅斯會議是人工智能這一概念的起源。約翰·麥卡錫，1971圖靈獎獲得者，是當年這場會議的發(fā)起人。人工智能夏季研討會（Summer Research Project on Artificial Intelligence），這個全新的會議主題讓他成了第一個正式使用AI概念的人。在這場會議的半個多世紀前，意大利人伽利爾摩·馬可尼剛剛實現(xiàn)了人類歷史上首次無線電通信，雖然當時的通信距離只有30米，但也算敲開了無線通信時代的大門。

歷史發(fā)展至今，深度學習與大數(shù)據(jù)引領的第三次AI浪潮正在進行，無線通訊技術已經(jīng)走過1G、2G、3G、4G，全球的運營商都開始談論5G網(wǎng)絡。在這樣一個時點，兩項備受矚目的技術出現(xiàn)了交匯的契機。

What is past is prologue——「一切過往，皆是序章」。

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

▍From GSMA

這份報告同時還對全球750位運營商的CEO以及設備商的高級項目經(jīng)理做了一個調(diào)研，其中包括“5G將主要支持什么業(yè)務？”。結果顯示，83%的人都選擇了AI驅(qū)動的業(yè)務?？梢?，AI驅(qū)動的業(yè)務會是5G主要的應用場景。

▍From GSMA

從AI使能5G這個角度來看，AI其實可以用在各行各業(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最大的細分市場，Tractica/Ovum的全球調(diào)研報告指出，到2025年，全球電信行業(yè)對人工智能軟件、硬件和服務的投資預計將達367億美元。電信行業(yè)的AI年收入額將以48.8%的年復合增長率，從現(xiàn)在的3.157億美元增長至2025年的113億美元左右。這個體量也是相當大的。

但是我們可以通過對比發(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)絡建設的成本降低1%或10%，對運營商來說，那將是一筆非?？捎^的收入。

因此，5G和AI是密切相關、互相促進的一種關系。

▍From TracTIca/Ovum

相比4G網(wǎng)絡，5G主要是在用戶的吞吐量、端到端時延與連接密度方面有非常大的增強。正是因為這種增強，5G網(wǎng)絡能承載許多4G網(wǎng)絡現(xiàn)在無法承載的智能業(yè)務。

比如智能醫(yī)療，像遠程手術這類場景對時延、圖像識別的要求非常高，用4G網(wǎng)絡承載可能滿足不了圖像傳輸?shù)臅r延、帶寬的要求，而5G具備低時延、大帶寬的特點，它可以針對智能醫(yī)療中的遠程手術做很好的承載。

比如智能交通，未來在5G uRLLC低時延的場景下，自動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，它們對連接密度有非常高的要求。

5G面向高密度連接的mMTC場景也能為這些智能業(yè)務提供非常好的承載。還有工業(yè)自動化，它對時延的要求和自動駕駛不相上下，需要精確地控制一些工業(yè)設備來完成各個零件的組合和裝配。

未來有了5G網(wǎng)絡，這些AI驅(qū)動的智能化業(yè)務都能得到更好的發(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呢？我們從三方面來看：1. 新型網(wǎng)絡架構；2. 新型空口技術；3. 新型部署方式。

1. 新型網(wǎng)絡架構

在5G網(wǎng)絡，我們引入了SBA（Service-based Architecture）網(wǎng)絡架構和網(wǎng)絡切片。網(wǎng)絡切片可以針對用戶的需求，來組合切片中用到的網(wǎng)元和虛擬網(wǎng)元；根據(jù)業(yè)務量的變化動態(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)絡架構層面的動態(tài)調(diào)整是傳統(tǒng)的人工手段無法支持的。

傳統(tǒng)的網(wǎng)絡架構調(diào)整，周期是以年計的，一般以年為周期來規(guī)劃和部署，一旦部署下去，長時間內(nèi)不會改變。未來，這種網(wǎng)絡資源方面的調(diào)整，很可能會以小時計。這種高頻率的，針對網(wǎng)絡資源的精確投放，就需要人工智能技術來輔助實現(xiàn)。

2. 新型空口技術

5G空口兩個最重要的特征：一個是Massive MIMO或者3D Massive MIMO（大規(guī)模天線）；另一個是高頻通信。Massive MIMO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頻率的對比來說， 5G頻率比4G頻率基本上會高至少一倍。4G從1.8G到2.5G，5G從2.6G到4.9G。這個頻率的升高意味著，每個站點覆蓋的面積會變小，站點的數(shù)量會變多。

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Massive MIMO智能化的配置，根據(jù)用戶分布和場景的智能化識別，來考慮的一些智能化的載波關斷技術等等來優(yōu)化無線網(wǎng)絡。

3. 新型部署方式

5G核心網(wǎng)都是基于虛擬云化部署的，另外引入了一個重要的概念，邊緣計算（MulTI-access Edge CompuTIng， MEC）。未來有很多5G網(wǎng)元會以虛擬化的形式部署在數(shù)據(jù)中心，而且這個數(shù)據(jù)中心的數(shù)量會很多，除了大區(qū)的省市的，還會有一些邊緣的，甚至下沉到接入局所，一些有條件的機房，也會放這些服務器，比如去做5G UPF（User plane FuncTIon，用戶面功能）的下次，面向本地業(yè)務的平臺部署和流量卸載等等。

在承載同樣業(yè)務量的情況下，服務器的耗電相比傳統(tǒng)的網(wǎng)絡設備來說，也會有較大的增加。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，對機房整體制冷系統(tǒng)的控制和節(jié)能，來減少OPEX（Operating Expense）的支出。

從以上三個大的方面來講，5G是運營商面臨的最復雜的網(wǎng)絡，需要大量的投資，包括固定投資和運營的投資。很多5G網(wǎng)絡的維護工作是傳統(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)絡真正的大規(guī)模商用部署。

應用場景1：5G端到端切片智能編排和運營

? 5G端到端切片智能編排

1. 采集數(shù)據(jù)，掌握網(wǎng)絡的實時運行狀況

2. 利用人工智能技術，根據(jù)歷史數(shù)據(jù)和實時數(shù)據(jù)對網(wǎng)絡業(yè)務以及相應的資源需求進行預測和評估

3. 給出恰當?shù)慕ㄗh措施（如網(wǎng)絡切片的擴容、縮容、變更等）

? 5G端到端切片智能運營

網(wǎng)絡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化管理。引入切片服務智能客服，能夠提供智能化的交流、咨詢、切片套餐推薦等服務，并完成智能化的端到端切片業(yè)務開通。

應用場景2：基于AI的Massive MIMO參數(shù)優(yōu)化

5G 引入Massive MIMO技術后，無線側(cè)配置參數(shù)的pattern組合有了指數(shù)級的增加。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，也還是會涉及各個參數(shù)的調(diào)整。所以，需要在這件事上引入人工智能的技術，來實現(xiàn)5G大規(guī)模天線復雜參數(shù)的智能化配置。

? 智能權值搜索和監(jiān)控

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

? UE位置估算和預測

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間內(nèi)小區(qū)內(nèi)所有UE的位置信息

? 場景自學習

可充分運用于類似體育賽事、演唱會等大型活動。

比如，利用MR（Measurement Report，測量報告）信息描繪出終端在體育館內(nèi)的大致分布，進一步利用分布識別場景。根據(jù)不同場景，推薦最優(yōu)權值，并將最終的權值反饋到場景識別模塊，使得推薦不斷進化。

應用場景3：AI輔助的智能無線網(wǎng)絡規(guī)劃

這件事其實在4G網(wǎng)絡上已經(jīng)在開展了。無線網(wǎng)絡開通前后要做路測和評估，根據(jù)收集上來的MR信息，對多個場景進行識別和分析。綜合用戶投訴、各種網(wǎng)絡優(yōu)化的KPI等要素做大數(shù)據(jù)分析以及AI輔助的決策，幫助運維人員更好地確定把站點部署在哪里，如何配置參數(shù)，哪些質(zhì)差小區(qū)能通過擴容來解決，以及哪些是無法通過擴容來解決的……并會給到一個整體的網(wǎng)絡部署的評估。

在5G網(wǎng)絡部署的時候，也一定會考慮基于4G網(wǎng)絡的大數(shù)據(jù)和AI分析，來決定應該在哪里部署5G的站點，以及一些4G、5G協(xié)同的調(diào)整。

應用場景4：基于AI的智能邊緣計算

邊緣計算在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）里引入了服務器，也引入了支持AI運算的能力，使得可以在邊緣節(jié)點上，配合中心的DC以及用戶的終端來做AI業(yè)務的智能優(yōu)化。主要有以下四點——

? 本地緩存

基于AI對用戶的業(yè)務流和用戶移動模式進行預測分析，有針對性地確定預存內(nèi)容和內(nèi)容推送，從而提高內(nèi)容分發(fā)效率。

? 智能定位

通過位置已知的終端測量的各無線通信系統(tǒng)信號特征，借助AI、大數(shù)據(jù)收集分析和邊緣計算節(jié)點的實時計算能力，利用指紋信息指導實際應用中的終端定位。

? 頻譜感知

邊緣計算節(jié)點，基于不同無線系統(tǒng)的頻譜測量結果，利用AI技術對各無線系統(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)務特征等，進行分析建模，支撐具體應用場景。

? 業(yè)務感知

在邊緣節(jié)點上部署高算力的硬件解析資源，結合AI和大數(shù)據(jù)能力，分析挖掘數(shù)據(jù)、業(yè)務和無線環(huán)境之間的內(nèi)在關聯(lián)，提供更為準確、智能的業(yè)務特性識別。

網(wǎng)絡邊緣緩存已成為內(nèi)容分發(fā)的趨勢，可大幅提升用戶體驗、網(wǎng)絡吞吐量和能效。AI技術可預測用戶偏好，精準推薦內(nèi)容給用戶，并結合用戶推薦預測無線邊緣緩存。

應用場景5：智能基礎設施節(jié)能

? 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)務分析、場景識別建立一個流量變化模型，來控制載波的智能關斷，從而降低基站功耗。

? 基于AI的數(shù)據(jù)中心（DC）節(jié)能

通過自動學習數(shù)據(jù)中心里服務器上的業(yè)務、流量的變化模式，根據(jù)這些信息，在非高峰時間段，把一些可遷移的業(yè)務集中部署在某一些服務器上，把空閑的服務器置成“睡眠”狀態(tài)，同時會考慮整個機房制冷的控制。工作狀態(tài)的服務器會消耗200-500W，睡眠狀態(tài)的服務器僅消耗20W。DC實際的負載情況對效果會有一些影響。

應用場景6：AI輔助的運維優(yōu)化

? 網(wǎng)絡故障預測

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

? 網(wǎng)絡健康度檢查

基于大數(shù)據(jù)和人工智能技術的網(wǎng)絡健康度分析，預測網(wǎng)格內(nèi)未來一天、一周、一月的小區(qū)網(wǎng)絡質(zhì)量并提前預警，針對質(zhì)差小區(qū)，分析引起質(zhì)差的關鍵指標及可能的原因。

? 網(wǎng)絡告警關聯(lián)和故障定位

傳統(tǒng)網(wǎng)絡運維管理人員分析網(wǎng)絡警告、判斷告警原因、查找告警根源、定位并排除故障，耗時耗力。神經(jīng)網(wǎng)絡系統(tǒng)通過不斷學習和訓練，計算、翻譯和調(diào)整分布于神經(jīng)網(wǎng)絡當中的連接權值，以整體的方式表達關聯(lián)規(guī)則和故障診斷結果，準確定位網(wǎng)絡故障。