5G商業(yè)化的沖鋒號(hào)已然吹響運(yùn)營商應(yīng)該如何為此做好準(zhǔn)備

“凡事豫則立，不豫則廢。言前定則不跲，事前定則不困，行前定則不疚，道前定則不窮?！薄抖Y記·中庸》中這樣寫道。

在亢奮與期盼中，5G的全球商用進(jìn)程不斷加快，距離普羅大眾越來越近，甚至提前在一些行業(yè)應(yīng)用領(lǐng)域開始創(chuàng)造價(jià)值。但在同時(shí)，緊隨5G而來的網(wǎng)絡(luò)復(fù)雜性激增和OPEX長(zhǎng)期以來的居高不下，或?qū)?huì)給原本便身處變革旋渦中心的移動(dòng)網(wǎng)絡(luò)帶來更大的挑戰(zhàn)，甚至影響到整個(gè)信息通信行業(yè)的未來發(fā)展。

5G前夜的當(dāng)下，應(yīng)該如何為此做好準(zhǔn)備？打造一張基于用戶體驗(yàn)的智能化、全自動(dòng)的網(wǎng)絡(luò)成為諸多運(yùn)營商的共同追求，而人工智能（AI）的日益成熟使之成為可能。在華為的構(gòu)想中，這門近來大放異彩的技術(shù)將嵌入到移動(dòng)網(wǎng)絡(luò)的架構(gòu)與生命周期之中，成為驅(qū)動(dòng)其邁向“無人駕駛、永無故障”的自動(dòng)駕駛的重要組成部分。面對(duì)目標(biāo)網(wǎng)絡(luò)如何踐行、自動(dòng)化價(jià)值如何釋放，這家公司在呼吁全行業(yè)群力群策的同時(shí)也定義了階段性目標(biāo)和五級(jí)演進(jìn)標(biāo)準(zhǔn)，并發(fā)布了《自動(dòng)駕駛移動(dòng)網(wǎng)絡(luò)》白皮書以提供可借鑒的思路。

第一塊多米諾骨牌已經(jīng)倒下，你是否已經(jīng)行動(dòng)起來？

美國計(jì)劃2018年全面實(shí)現(xiàn)5G商用、俄羅斯在積極探索5G共建共享合作方式、韓國平昌冬奧會(huì)成為首個(gè)實(shí)現(xiàn)“5G網(wǎng)絡(luò)全覆蓋”的奧運(yùn)會(huì)。而我國已經(jīng)明確了2020年5G確保商用的政策，全國范圍5G中低頻段試驗(yàn)頻率使用許可的頒發(fā)也令“最后一只靴子”得以落地——種種跡象表明，5G商業(yè)化的沖鋒號(hào)已然吹響。

在這背后，是信息通信行業(yè)乃至全社會(huì)對(duì)5G的期許與高度重視。其指向的Gbps起步的超大帶寬、超高可靠超低時(shí)延的通信能力和每公里百萬級(jí)的海量連接，將帶來前所未有的業(yè)務(wù)體驗(yàn)提升和使能各行各業(yè)數(shù)字化的全面爆發(fā)，所釋放出的需求潛力也將催動(dòng)一波新的經(jīng)濟(jì)發(fā)展浪潮。

GSMA預(yù)計(jì)，2018-2025年，數(shù)據(jù)流量將以40%的年復(fù)合增長(zhǎng)率高速增長(zhǎng)；到2025年，全球?qū)⒂谐^300億個(gè)聯(lián)網(wǎng)設(shè)備，給整個(gè)行業(yè)帶來大體量收入；到2022年，移動(dòng)經(jīng)濟(jì)將會(huì)給整個(gè)社會(huì)帶來4.6萬億美元的市場(chǎng)空間。IHS亦有預(yù)測(cè)稱，到2035年，5G將在全球帶動(dòng)12.3萬億美元經(jīng)濟(jì)產(chǎn)出，而僅5G價(jià)值鏈就將創(chuàng)造3.5萬億美元產(chǎn)出，同時(shí)創(chuàng)造2200萬個(gè)工作崗位；2020-2035年，5G對(duì)全球?qū)嶋HGDP增長(zhǎng)的貢獻(xiàn)預(yù)計(jì)將相當(dāng)于一個(gè)與印度同等規(guī)模的經(jīng)濟(jì)體。

然而前方并非只有掌聲與鮮花，同樣也充斥著溝坎與荊棘。隨著5G進(jìn)入規(guī)模部署階段，一系列問題正逐漸浮出水面，尤其是在與運(yùn)營商切身相關(guān)的網(wǎng)絡(luò)層面。首先，2G/3G/4G/5G四世同堂，網(wǎng)絡(luò)管理的復(fù)雜度已非人力所能及；其次，以Massive?MIMO為代表的新技術(shù)應(yīng)用給網(wǎng)絡(luò)性能提升帶來不小的挑戰(zhàn)；第三，5G時(shí)代多業(yè)務(wù)并行，如何做好多業(yè)務(wù)的管理也將給運(yùn)營商帶來極大挑戰(zhàn)。

此外，Ovum分析報(bào)告顯示，過去十年信息通信行業(yè)的收入增長(zhǎng)從來沒有跑贏過OPEX的增長(zhǎng)，OPEX在電信網(wǎng)絡(luò)TCO（總體擁有成本）的占比從62%上升到75%，這意味著單純地降低設(shè)備成本已經(jīng)不能改善運(yùn)營商的成本結(jié)構(gòu)。也因此，在5G時(shí)代能否有效遏制OPEX的持續(xù)增長(zhǎng)將成為商業(yè)成功的關(guān)鍵。

正如狄更斯在他的《雙城記》開卷所寫那樣，“這是一個(gè)最好的時(shí)代，這是一個(gè)最壞的時(shí)代”。而值得慶幸的是，我們有AI。

縱觀歷史，從18世紀(jì)至今300余年間，世界通過三次工業(yè)革命，完成了機(jī)械化、電氣化、信息化的改造，每一次變革都驅(qū)動(dòng)人類社會(huì)邁向新的發(fā)展紀(jì)元。如果說在21世紀(jì)還有哪一種技術(shù)可以和歷次工業(yè)革命中的先導(dǎo)科技相提并論的話，那一定是正在步入成熟增長(zhǎng)期的AI技術(shù)。

作為計(jì)算機(jī)科學(xué)的一個(gè)分支，AI的概念早在1956年就被提出，并自20世紀(jì)七十年代以來與空間技術(shù)、能源技術(shù)一起被并稱為“世界三大尖端技術(shù)”，同時(shí)亦與基因工程、納米科學(xué)一起被認(rèn)為是“21世紀(jì)三大尖端技術(shù)”。近年來，AI已經(jīng)越來越多地被應(yīng)用于各個(gè)領(lǐng)域，成為適用于大部分經(jīng)濟(jì)活動(dòng)的基本生產(chǎn)力；阿爾法狗與人類棋手的連番大戰(zhàn)和媒體熱炒也使之為世人所熟知。

聚焦到信息通信領(lǐng)域，AI使網(wǎng)絡(luò)有了不斷學(xué)習(xí)的機(jī)制，得以持續(xù)提升自動(dòng)化的水平。華為常務(wù)董事、產(chǎn)品投資評(píng)審委員會(huì)主任汪濤即在第九屆全球移動(dòng)寬帶論壇（MBBF 2018）上倡言，為應(yīng)對(duì)5G時(shí)代的網(wǎng)絡(luò)復(fù)雜性挑戰(zhàn)，需要將AI技術(shù)和移動(dòng)網(wǎng)絡(luò)進(jìn)行深度耦合，以打造一張運(yùn)維管理效率極優(yōu)、性能極好、業(yè)務(wù)敏捷的移動(dòng)網(wǎng)絡(luò)，讓網(wǎng)絡(luò)邁向自動(dòng)駕駛。

在過去幾年中，華為已經(jīng)通過積極布局、壓強(qiáng)投入，在AI領(lǐng)域構(gòu)建起了相當(dāng)實(shí)力。在2018華為全聯(lián)接大會(huì)（Huawei Connect 2018）上，這家公司正式發(fā)布了AI發(fā)展戰(zhàn)略及全棧全場(chǎng)景AI解決方案，其中面向運(yùn)營商網(wǎng)絡(luò)的是SoftCOM AI架構(gòu)及方案——SoftCOM AI借助華為全球經(jīng)驗(yàn)和積累，通過打造數(shù)據(jù)驅(qū)動(dòng)的智能網(wǎng)絡(luò)，實(shí)現(xiàn)網(wǎng)絡(luò)的自動(dòng)、自優(yōu)、自愈和自治，幫助運(yùn)營商大幅提升網(wǎng)絡(luò)利用率和運(yùn)維效率。

不少運(yùn)營商也意識(shí)到了AI之于移動(dòng)網(wǎng)絡(luò)的重要性，國內(nèi)三大運(yùn)營商與日韓美等地的領(lǐng)先運(yùn)營商均已展開了相關(guān)的探索。比如SK電訊部署了一個(gè)具有大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)功能的AI輔助系統(tǒng)（TANGO），通過自行檢測(cè)移動(dòng)網(wǎng)絡(luò)、排除故障、實(shí)施優(yōu)化來增強(qiáng)用戶體驗(yàn)。

就像中國移動(dòng)副總裁李正茂所言，“一方面5G未來要實(shí)現(xiàn)大連接需要AI的輔助，另一方面以5G為代表的新一代網(wǎng)絡(luò)的部署和商用也將為AI發(fā)展注入新的動(dòng)力”，實(shí)際上兩者間可謂相輔相成、天然契合，移動(dòng)網(wǎng)絡(luò)在AI應(yīng)用上也有其優(yōu)勢(shì)所在。具體而言，AI的成長(zhǎng)離不開數(shù)據(jù)的“喂食”，移動(dòng)網(wǎng)絡(luò)上蘊(yùn)藏著大量的數(shù)據(jù)且結(jié)構(gòu)化數(shù)據(jù)占比高；算力與數(shù)據(jù)、算法構(gòu)成了AI向前發(fā)展的動(dòng)力，移動(dòng)基站算力則相當(dāng)強(qiáng)，以一張1萬站規(guī)模的網(wǎng)絡(luò)為例，全網(wǎng)的基站算力可與8000臺(tái)高性能計(jì)算服務(wù)器相媲美；AI人才的短缺一定程度上限制了它的使用步伐，移動(dòng)網(wǎng)絡(luò)30年的專家經(jīng)驗(yàn)亦為網(wǎng)絡(luò)應(yīng)用智能化提供了有力的保障與支撐。同時(shí)，移動(dòng)網(wǎng)絡(luò)應(yīng)用AI也必須充分考慮自身獨(dú)特的特點(diǎn)。首先數(shù)據(jù)具有強(qiáng)時(shí)效性，其次站點(diǎn)分布式結(jié)構(gòu)，另外還要考慮移動(dòng)性帶來的場(chǎng)景多樣性。

自動(dòng)駕駛將徹底改變我們的交通出行方式，足以和此前汽車、飛機(jī)的普及相提并論，而移動(dòng)網(wǎng)絡(luò)的自動(dòng)駕駛同樣具有劃時(shí)代的意義。但必須看到的是，自動(dòng)駕駛網(wǎng)絡(luò)絕非單個(gè)產(chǎn)品的創(chuàng)新，而是系統(tǒng)架構(gòu)和商業(yè)模式的創(chuàng)新，其過程無法一蹴而就且需要全行業(yè)的推動(dòng)，也唯有與具體的場(chǎng)景相融才能催生出真正的價(jià)值。

因此，華為呼吁全行業(yè)共同定義清晰的標(biāo)準(zhǔn)、牽引技術(shù)創(chuàng)新并指導(dǎo)落地；它以優(yōu)化業(yè)務(wù)體驗(yàn)和運(yùn)營效率為抓手，定義了移動(dòng)網(wǎng)絡(luò)邁向全場(chǎng)景自動(dòng)駕駛五級(jí)演進(jìn)標(biāo)準(zhǔn)。在汪濤口中，從“解放雙手”到“解放雙眼”、再到“無人駕駛”，自動(dòng)駕駛網(wǎng)絡(luò)共分L0手工運(yùn)維、L1輔助運(yùn)維、L2部分自治網(wǎng)絡(luò)、L3有條件自治網(wǎng)絡(luò)、L4高度自治網(wǎng)絡(luò)、L5完全自治網(wǎng)絡(luò)五個(gè)等級(jí)，L5是電信網(wǎng)絡(luò)發(fā)展的終極目標(biāo)。

明確場(chǎng)景是實(shí)施網(wǎng)絡(luò)自動(dòng)駕駛的關(guān)鍵，細(xì)分場(chǎng)景后借助AI技術(shù)來逐步分級(jí)別實(shí)現(xiàn)：“在從L1到L5的進(jìn)程中，AI的作用不斷加大。比如L2級(jí)別，自適應(yīng)的自動(dòng)化取代了基于規(guī)則的自動(dòng)化，多個(gè)工作流可以被有效串接；再比如L3級(jí)別，利用AI準(zhǔn)確的識(shí)別各種場(chǎng)景，進(jìn)行根因分析，為自動(dòng)決策提供依據(jù)?！?/p>

業(yè)界針對(duì)自動(dòng)駕駛汽車定義了三層，包括Sensor、分析+控制和云平臺(tái)。自動(dòng)駕駛網(wǎng)絡(luò)同樣可分為三層，第一層，設(shè)備層面的智能芯片+Telemetry將面向網(wǎng)絡(luò)和業(yè)務(wù)級(jí)應(yīng)用的真實(shí)數(shù)據(jù)實(shí)時(shí)上報(bào)；第二層，本地智能分析找出網(wǎng)絡(luò)風(fēng)險(xiǎn)并給出優(yōu)化建議，通過自動(dòng)化系統(tǒng)來進(jìn)行本地優(yōu)化閉環(huán)，實(shí)現(xiàn)網(wǎng)絡(luò)自治；第三層，云端平臺(tái)將數(shù)據(jù)匯聚后進(jìn)一步訓(xùn)練提煉更精準(zhǔn)的算法并推送到本地系統(tǒng)，達(dá)到更優(yōu)的網(wǎng)絡(luò)自治效果。在每一層架構(gòu)的背后，都有一個(gè)看不見的專家團(tuán)隊(duì)在負(fù)責(zé)數(shù)據(jù)分析、模型訓(xùn)練和優(yōu)化等工作。

考慮到移動(dòng)網(wǎng)絡(luò)自身的獨(dú)特特點(diǎn)，華為在此基礎(chǔ)上進(jìn)一步提出了自動(dòng)駕駛移動(dòng)網(wǎng)絡(luò)的架構(gòu)。其不同之處在于自動(dòng)駕駛移動(dòng)網(wǎng)絡(luò)的整體架構(gòu)是分層自治的，在第二層又細(xì)分為Site AI與Network AI，前者部署在基站，負(fù)責(zé)網(wǎng)絡(luò)的RRM/RTT實(shí)時(shí)控制；后者部署在管控融合集中節(jié)點(diǎn)，負(fù)責(zé)將上層系統(tǒng)的意圖翻譯成網(wǎng)絡(luò)自動(dòng)化行動(dòng)，對(duì)網(wǎng)絡(luò)執(zhí)行準(zhǔn)實(shí)時(shí)的閉環(huán)控制。

有鑒于此，華為提出要以站點(diǎn)、網(wǎng)絡(luò)和云端為支點(diǎn)發(fā)力來構(gòu)筑整網(wǎng)的智能化能力，汪濤在演講中對(duì)此有過系統(tǒng)論述。站點(diǎn)層面主要聚焦場(chǎng)景匹配、數(shù)據(jù)收集與提煉及低時(shí)延智能算法等能力的構(gòu)筑，進(jìn)行實(shí)時(shí)的數(shù)據(jù)分析與短時(shí)延的智能推斷，從而快速完成功能與參數(shù)的優(yōu)化。Site AI主要提供兩大重點(diǎn)能力，數(shù)據(jù)提煉，站點(diǎn)產(chǎn)生的海量數(shù)據(jù)提煉為有用的樣本數(shù)據(jù)；嵌入式的AI框架，支持在CPU、DSP或未來的AI芯片上進(jìn)行實(shí)時(shí)的AI算法推斷。

網(wǎng)絡(luò)層面通過采集移動(dòng)網(wǎng)絡(luò)全域的數(shù)據(jù)和狀態(tài)進(jìn)行數(shù)據(jù)分析和推理，識(shí)別各種網(wǎng)絡(luò)場(chǎng)景，對(duì)未發(fā)生的情況進(jìn)行預(yù)測(cè)預(yù)防、對(duì)已經(jīng)發(fā)生的情況進(jìn)行根因分析，最終給出決策，對(duì)網(wǎng)絡(luò)進(jìn)行智能的管控。其中，兩個(gè)轉(zhuǎn)變將是移動(dòng)網(wǎng)絡(luò)自動(dòng)化的關(guān)鍵，即從以網(wǎng)元為中心的運(yùn)維轉(zhuǎn)變?yōu)橐詧?chǎng)景為中心的運(yùn)維、從單純的網(wǎng)絡(luò)管理到管理控制融合。

云端層面落實(shí)智能模型和訓(xùn)練能力，實(shí)現(xiàn)新一代智能服務(wù)。華為憑借多年積累的全球網(wǎng)絡(luò)管理服務(wù)經(jīng)驗(yàn)，對(duì)數(shù)據(jù)、場(chǎng)景進(jìn)行標(biāo)注和分類，從而訓(xùn)練出精確的AI模型；構(gòu)建了基于動(dòng)態(tài)網(wǎng)絡(luò)持續(xù)優(yōu)化和更新模型的能力（Digital Twins），新的場(chǎng)景和問題可以被很快發(fā)現(xiàn)、適配，并迅速應(yīng)用到全球網(wǎng)絡(luò)。為了讓運(yùn)營商更好地利用和消費(fèi)AI，未來它將提供在線的AaaS （AI as a service）；同時(shí)，在邁向自動(dòng)駕駛的過程中很多業(yè)務(wù)流程需要重新整理和設(shè)計(jì)，它還將提供BPaaS（Biz Process as a service）。

基于上述架構(gòu)，華為正圍繞網(wǎng)絡(luò)規(guī)劃、網(wǎng)絡(luò)部署、網(wǎng)絡(luò)維護(hù)優(yōu)化和業(yè)務(wù)發(fā)放四大工作場(chǎng)景推動(dòng)移動(dòng)網(wǎng)絡(luò)邁向自動(dòng)駕駛，并制定了12個(gè)階段目標(biāo)。其中，網(wǎng)絡(luò)規(guī)劃由特定場(chǎng)景的輔助規(guī)劃到全場(chǎng)景輔助規(guī)劃、再到自動(dòng)精準(zhǔn)規(guī)劃；網(wǎng)絡(luò)部署由硬件部署無感知到參數(shù)自配置、再到特性自開通；網(wǎng)絡(luò)維護(hù)優(yōu)化由自動(dòng)告警監(jiān)控到故障輔助處理、再到故障預(yù)測(cè)；業(yè)務(wù)發(fā)放由基于覆蓋的業(yè)務(wù)發(fā)放到基于體驗(yàn)的業(yè)務(wù)發(fā)放、再到基于業(yè)務(wù)的網(wǎng)絡(luò)切片。

提出理論難，但將理論與實(shí)際聯(lián)系起來更難。既然移動(dòng)網(wǎng)絡(luò)邁向自動(dòng)駕駛需要分場(chǎng)景分級(jí)去逐步釋放自動(dòng)化的價(jià)值，那么應(yīng)當(dāng)優(yōu)先在哪些場(chǎng)景發(fā)力？運(yùn)營商又如何及時(shí)享受到自動(dòng)化所帶來的紅利？經(jīng)過不斷收斂與提煉，堅(jiān)持“把復(fù)雜留給自己，把簡(jiǎn)單留給客戶”的華為已識(shí)別出其中的關(guān)鍵場(chǎng)景和所需能力，并圍繞于此形成了可操作可執(zhí)行的方案及案例。

華為在第九屆全球移動(dòng)寬帶論壇上隆重發(fā)布了面向移動(dòng)網(wǎng)絡(luò)的場(chǎng)景白皮書。首次從網(wǎng)絡(luò)運(yùn)維生命周期、數(shù)字化程度以及場(chǎng)景TCO貢獻(xiàn)度三個(gè)維度進(jìn)行場(chǎng)景化分析，識(shí)別出了移動(dòng)網(wǎng)絡(luò)的七大關(guān)鍵自動(dòng)駕駛場(chǎng)景——基站部署、特性部署、網(wǎng)絡(luò)性能監(jiān)控、故障分析與處理、網(wǎng)絡(luò)性能提升、家庭業(yè)務(wù)發(fā)放以及網(wǎng)絡(luò)節(jié)能。同時(shí)，首次公布了面向網(wǎng)絡(luò)自動(dòng)化需要構(gòu)建的5大關(guān)鍵能力（POBSI模型）——可編排（Programmable）、在線化（Online）、流程橋接（Bridging）、可感知（Sensibility）、智能（Intelligence），并基于該能力模型針對(duì)七大關(guān)鍵場(chǎng)景進(jìn)行分級(jí)定義和能力訴求分析。用汪濤的話說，哪些是移動(dòng)網(wǎng)絡(luò)自動(dòng)駕駛場(chǎng)景中的“自動(dòng)泊車”、哪些是“自動(dòng)變道行駛”，都可以從這本白皮書里得到啟示。而隨著研究的推進(jìn)，將持續(xù)刷新應(yīng)用場(chǎng)景并對(duì)外公布研究成果。

作為SoftCOM AI總體框架中的一部分，華為在移動(dòng)網(wǎng)絡(luò)自動(dòng)駕駛上的創(chuàng)新探索亦卓有成效。以VoLTE為例，已經(jīng)有50%的網(wǎng)絡(luò)開通了VoLTE，為用戶提供高清語音。但是VoLTE的開通和運(yùn)行保障仍比較復(fù)雜，需要投入大量人力保障。VoLTE相關(guān)的參數(shù)設(shè)計(jì)超過60個(gè)，且對(duì)于覆蓋質(zhì)量要求更高、對(duì)于弱覆蓋非常敏感，VoLTE的端到端組網(wǎng)中節(jié)點(diǎn)數(shù)也多，對(duì)于問題定位帶來很大的難度。

AI技術(shù)可以大大提升VoLTE的設(shè)計(jì)部署、網(wǎng)絡(luò)優(yōu)化、故障定位的效率，使復(fù)雜的工作簡(jiǎn)單化、自動(dòng)化。在初始規(guī)劃階段，運(yùn)營商利用聚類算法，可對(duì)多頻組網(wǎng)場(chǎng)景、多特性互操作場(chǎng)景進(jìn)行識(shí)別和匯聚，自動(dòng)匹配生成VoLTE初始參數(shù)策略配置；在運(yùn)營階段，系統(tǒng)實(shí)施監(jiān)控和分析網(wǎng)絡(luò)覆蓋質(zhì)量，發(fā)現(xiàn)弱覆蓋區(qū)域，利用梯度下降決策樹算法（GBDT）進(jìn)行RF參數(shù)的自動(dòng)尋優(yōu)，找到最佳參數(shù)值組合，解決弱覆蓋問題；在故障定位過程中，系統(tǒng)通過根因分析找到影響語音質(zhì)量的問題，利用Q-learning（強(qiáng)化學(xué)習(xí)的一種算法）給出問題修復(fù)建議?？傊ㄟ^AI和數(shù)據(jù)分析技術(shù)，可以大幅提升VoLTE業(yè)務(wù)運(yùn)行維護(hù)的效率和準(zhǔn)確性，為高質(zhì)量的語音業(yè)務(wù)提供保障。

Massive MIMO是5G網(wǎng)絡(luò)中最重要的解決方案，為Massive MIMO帶來智能是5G自治網(wǎng)絡(luò)的基礎(chǔ)。MM波束成形為網(wǎng)絡(luò)帶來了靈活性的同時(shí)也帶來了管理的復(fù)雜性。華為正在計(jì)劃關(guān)鍵工作場(chǎng)景中的智能MM解決方案，嘗試?yán)肁I和MM波束成形特性來達(dá)到過去不可能實(shí)現(xiàn)的自治網(wǎng)絡(luò)。

汪濤指出，華為Smart Massive MIMO解決方案將提供最強(qiáng)大的傳感器功能，包括天線GPS信息，這種邊緣智能將在第一時(shí)間實(shí)現(xiàn)全自動(dòng)站點(diǎn)配置。設(shè)備測(cè)量信息將用于增強(qiáng)傳統(tǒng)的駕駛測(cè)試，大數(shù)據(jù)將實(shí)現(xiàn)準(zhǔn)確的傳播模型，覆蓋預(yù)測(cè)模型和網(wǎng)絡(luò)流量模型訓(xùn)練，這將是自動(dòng)網(wǎng)絡(luò)規(guī)劃、覆蓋調(diào)整和節(jié)能的推動(dòng)者。中性網(wǎng)絡(luò)推理能力將建立在站點(diǎn)處理器中，這使得MM波束成形模式推斷的時(shí)間小于0.1毫秒，為自動(dòng)性能優(yōu)化奠定了基礎(chǔ)。