物聯(lián)傳媒 旗下網(wǎng)站
登錄 注冊

通往5G之路:有“AI”的5G

作者:王海寧
來源:寬帶資本
日期:2019-04-24 10:15:19
摘要:AI和5G是當(dāng)下的兩大發(fā)展趨勢,但二者并非獨立存在。AI在5G時代下將發(fā)揮出更大的能量,而5G的建設(shè)也離不開AI的支持。二者相互促進、相輔相成,才是未來的大趨勢。
關(guān)鍵詞:5GAI物聯(lián)網(wǎng)

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

5G,5G,AI

一直以來,人工智能和無線通訊技術(shù)都在各自的軌道發(fā)展,各自經(jīng)歷萌芽、爆發(fā)、沉寂、復(fù)興,彼此卻沒有太大關(guān)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(rèn)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(dāng)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(jì)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(dāng)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(xué)習(xí)與大數(shù)據(jù)引領(lǐng)的第三次AI浪潮正在進行,無線通訊技術(shù)已經(jīng)走過1G、2G、3G、4G,全球的運營商都開始談?wù)?G網(wǎng)絡(luò)。在這樣一個時點,兩項備受矚目的技術(shù)出現(xiàn)了交匯的契機。

5G和AI是密不可分的兩大戰(zhàn)略發(fā)展領(lǐng)域

5G和AI是兩大毋庸置疑的戰(zhàn)略發(fā)展領(lǐng)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(fù)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(shè)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(wù)?”。結(jié)果顯示,83%的人都選擇了AI驅(qū)動的業(yè)務(wù)??梢姡珹I驅(qū)動的業(yè)務(wù)會是5G主要的應(yīng)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(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(wù)的投資預(yù)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(fù)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(dāng)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(luò)建設(shè)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(guān)、互相促進的一種關(guān)系。

5G促進AI應(yīng)用發(fā)展

相比4G網(wǎng)絡(luò),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(luò)能承載許多4G網(wǎng)絡(luò)現(xiàn)在無法承載的智能業(yè)務(wù)。

比如智能醫(yī)療,像遠程手術(shù)這類場景對時延、圖像識別的要求非常高,用4G網(wǎng)絡(luò)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(shù)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(wù)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(shè)備來完成各個零件的組合和裝配。未來有了5G網(wǎng)絡(luò),這些AI驅(qū)動的智能化業(yè)務(wù)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(luò)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(luò)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(shù)呢?我們從三方面來看:1. 新型網(wǎng)絡(luò)架構(gòu);2. 新型空口技術(shù);3. 新型部署方式。

新型網(wǎng)絡(luò)架構(gòu)

在5G網(wǎng)絡(luò),我們引入了SBA(Service-based Architecture)網(wǎng)絡(luò)架構(gòu)和網(wǎng)絡(luò)切片。網(wǎng)絡(luò)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(wù)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(luò)架構(gòu)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(luò)架構(gòu)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(luò)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(luò)資源的精確投放,就需要人工智能技術(shù)來輔助實現(xiàn)。

新型空口技術(shù)

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(guān)斷技術(shù)等等來優(yōu)化無線網(wǎng)絡(luò)。

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(wù)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(wù)的平臺部署和流量卸載等等。在承載同樣業(yè)務(wù)量的情況下,服務(wù)器的耗電相比傳統(tǒng)的網(wǎng)絡(luò)設(shè)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(fù)雜的網(wǎng)絡(luò),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(luò)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(luò)真正的大規(guī)模商用部署。

AI在5G中的應(yīng)用場景

 應(yīng)用場景1:5G端到端切片智能編排和運營 

1. 5G端到端切片智能編排

(1)采集數(shù)據(jù),掌握網(wǎng)絡(luò)的實時運行狀況

(2)利用人工智能技術(shù),根據(jù)歷史數(shù)據(jù)和實時數(shù)據(jù)對網(wǎng)絡(luò)業(yè)務(wù)以及相應(yīng)的資源需求進行預(yù)測和評估

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

2. 5G端到端切片智能運營

網(wǎng)絡(luò)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(wù)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(wù),并完成智能化的端到端切片業(yè)務(wù)開通。

 應(yīng)用場景2:基于AI的Massive MIMO參數(shù)優(yōu)化 

5G 引入Massive MIMO技術(shù)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(shù),來實現(xiàn)5G大規(guī)模天線復(fù)雜參數(shù)的智能化配置。

1. 智能權(quán)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(yù)測最優(yōu)的水平/垂直波瓣寬度,方位角和下傾角。

2. UE位置估算和預(yù)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

3. 場景自學(xué)習(xí)

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(quán)值,并將最終的權(quán)值反饋到場景識別模塊,使得推薦不斷進化。

 應(yīng)用場景3:AI輔助的智能無線網(wǎng)絡(luò)規(guī)劃 

這件事其實在4G網(wǎng)絡(luò)上已經(jīng)在開展了。無線網(wǎng)絡(luò)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(luò)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(luò)部署的評估。

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

 應(yīng)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(wù)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(wù)的智能優(yōu)化。主要有以下四點:

1. 本地緩存

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

2. 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(dǎo)實際應(yīng)用中的終端定位。

3. 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(jié)果,利用AI技術(shù)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(wù)特征等,進行分析建模,支撐具體應(yīng)用場景。

4. 業(yè)務(wù)感知

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

網(wǎng)絡(luò)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(luò)吞吐量和能效。AI技術(shù)可預(yù)測用戶偏好,精準(zhǔn)推薦內(nèi)容給用戶,并結(jié)合用戶推薦預(yù)測無線邊緣緩存。

 應(yīng)用場景5:智能基礎(chǔ)設(shè)施節(jié)能 

1. 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(wù)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(guān)斷,從而降低基站功耗。

2. 基于AI的數(shù)據(jù)中心(DC)節(jié)能

通過自動學(xué)習(xí)數(shù)據(jù)中心里服務(wù)器上的業(yè)務(wù)、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(wù)集中部署在某一些服務(wù)器上,把空閑的服務(wù)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(wù)器會消耗200-500W,睡眠狀態(tài)的服務(wù)器僅消耗20W。DC實際的負(fù)載情況對效果會有一些影響。

 應(yīng)用場景6:AI輔助的運維優(yōu)化 

1. 網(wǎng)絡(luò)故障預(yù)測

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

2. 網(wǎng)絡(luò)健康度檢查

基于大數(shù)據(jù)和人工智能技術(shù)的網(wǎng)絡(luò)健康度分析,預(yù)測網(wǎng)格內(nèi)未來一天、一周、一月的小區(qū)網(wǎng)絡(luò)質(zhì)量并提前預(yù)警,針對質(zhì)差小區(qū),分析引起質(zhì)差的關(guān)鍵指標(biāo)及可能的原因。

3. 網(wǎng)絡(luò)告警關(guān)聯(lián)和故障定位

傳統(tǒng)網(wǎng)絡(luò)運維管理人員分析網(wǎng)絡(luò)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(luò)系統(tǒng)通過不斷學(xué)習(xí)和訓(xùn)練,計算、翻譯和調(diào)整分布于神經(jīng)網(wǎng)絡(luò)當(dāng)中的連接權(quán)值,以整體的方式表達關(guān)聯(lián)規(guī)則和故障診斷結(jié)果,準(zhǔn)確定位網(wǎng)絡(luò)故障。

人物訪談