骨軟筋酥網5G和AI應用場景淺析 密不可分的兩大戰(zhàn)略發(fā)展領域
蒙著一層科幻色彩的場景人工智能概念其實已經誕生了60多年。一般認為，淺析1956年的可分達特茅斯會議是人工智能這一概念的起源。約翰·麥卡錫，兩大戰(zhàn)1971圖靈獎獲得者，展領是應用域當年這場會議的發(fā)起人。人工智能夏季研討會(Summer Research Project on 場景Artificial Intelligence)，這個全新的淺析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，深度學習與大數據引領的第三次AI浪潮正在進行，無線通訊技術已經走過1G、2G、3G、4G，全球的運營商都開始談論5G網絡。在這樣一個時點，兩項備受矚目的技術出現了交匯的契機。
分享主題如下：
AI與5G的契合點
5G如何促進AI發(fā)展
為什么5G需要AI
AI在5G中的應用場景
5G和AI是密不可分的兩大戰(zhàn)略發(fā)展領域
5G和AI是兩大毋庸置疑的戰(zhàn)略發(fā)展領域。從5G的上海外圍（高端外圍）外圍模特（微信181-8279-1445）一二線城市外圍預約外圍上門外圍女，不收任何定金30分鐘內快速到達角度來看，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的連接數量將會超過11億，約占全球移動連接數的12%，覆蓋超過全球1/3的人口數量。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。
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理做了一個調研，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驅動的業(yè)務。可見，AI驅動的業(yè)務會是5G主要的應用場景。
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，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網絡建設的成本降低1%或10%，對運營商來說，那將是一筆非常可觀的收入。
因此，5G和AI是密切相關、互相促進的一種關系。
5G促進AI應用發(fā)展
相比4G網絡，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網絡能承載許多4G網絡現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網絡承載可能滿足不了圖像傳輸的時延、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、智能農業(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網絡，這些AI驅動的智能化業(yè)務都能得到更好的發(fā)展。
AI促進5G商用部署
另外一方面我們來看，為什么5G網絡的商用部署離不開人工智能。人工智能已經發(fā)展了60多年，我們的通信網絡也不是現在才有的。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. 新型網絡架構；2. 新型空口技術；3. 新型部署方式。
在5G網絡，我們引入了SBA(Service-based Architecture)網絡架構和網絡切片。網絡切片可以針對用戶的需求，來組合切片中用到的網元和虛擬網元；根據業(yè)務量的變化動態(tài)地分配虛擬網元的資源或者是承載資源。但這種按需分配和網絡架構層面的動態(tài)調整是傳統的人工手段無法支持的。
傳統的網絡架構調整，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，長時間內不會改變。未來，這種網絡資源方面的調整，很可能會以小時計。這種高頻率的，針對網絡資源的精確投放，就需要人工智能技術來輔助實現。
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帶來天線數量的增加，功率的增加。按已經能看到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，站點的數量會變多。
據我們已經了解的，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)化無線網絡。
5G核心網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網元會以虛擬化的形式部署在數據中心，而且這個數據中心的數量會很多，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的網絡設備來說，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據的手段去做數據中心的節(jié)能，對機房整體制冷系統的控制和節(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絡，需要大量的投資，包括固定投資和運營的投資。很多5G網絡的維護工作是傳統的人工方式沒有辦法滿足的，迫切地需要引入人工智能手段來支撐5G網絡真正的大規(guī)模商用部署。
AI在5G中的應用場景
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
采集數據，掌握網絡的實時運行狀況
利用人工智能技術，根據歷史數據和實時數據對網絡業(yè)務以及相應的資源需求進行預測和評估
給出恰當的建議措施（如網絡切片的擴容、縮容、變更等）
5G端到端切片智能運營
網絡切片不是一段核心網或無線就能搞定的，可能是無線加上承載網加上核心網。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參數優(yōu)化
5G 引入Massive MIMO技術后，無線側配置參數的pattern組合有了指數級的增加。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的調整。所以，需要在這件事上引入人工智能的技術，來實現5G大規(guī)模天線復雜參數的智能化配置。
智能權值搜索和監(jiān)控
基于UE(User Equipment，用戶終端)的分布情況，根據覆蓋用戶數最多的原則，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小區(qū)內所有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的大致分布，進一步利用分布識別場景。根據不同場景，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輔助的智能無線網絡規(guī)劃
這件事其實在4G網絡上已經在開展了。無線網絡開通前后要做路測和評估，根據收集上來的MR信息，對多個場景進行識別和分析。綜合用戶投訴、各種網絡優(yōu)化的KPI等要素做大數據分析以及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，哪些質差小區(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絡部署的評估。
在5G網絡部署的時候，也一定會考慮基于4G網絡的大數據和AI分析，來決定應該在哪里部署5G的站點，以及一些4G、5G協同的調整。
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（數據中心）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容和內容推送，從而提高內容分發(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信號特征，借助AI、大數據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，基于不同無線系統的頻譜測量結果，利用AI技術對各無線系統在不同區(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和大數據能力，分析挖掘數據、業(yè)務和無線環(huán)境之間的內在關聯，提供更為準確、智能的業(yè)務特性識別。
網絡邊緣緩存已成為內容分發(fā)的趨勢，可大幅提升用戶體驗、網絡吞吐量和能效。AI技術可預測用戶偏好，精準推薦內容給用戶，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的數據中心(DC)節(jié)能
通過自動學習數據中心里服務器上的業(yè)務、流量的變化模式，根據這些信息，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
網絡故障預測
從傳統的事后優(yōu)化轉化為事前的預測和提前防備。
網絡健康度檢查
基于大數據和人工智能技術的網絡健康度分析，預測網格內未來一天、一周、一月的小區(qū)網絡質量并提前預警，針對質差小區(qū)，分析引起質差的關鍵指標及可能的原因。
網絡告警關聯和故障定位
傳統網絡運維管理人員分析網絡警告、判斷告警原因、查找告警根源、定位并排除故障，耗時耗力。神經網絡系統通過不斷學習和訓練，計算、翻譯和調整分布于神經網絡當中的連接權值，以整體的方式表達關聯規(guī)則和故障診斷結果，準確定位網絡故障。
未經允許不得轉載：>骨軟筋酥網 » 5G和AI應用場景淺析 密不可分的兩大戰(zhàn)略發(fā)展領域
