AI与无线网络：从5G到6G的智能化演进

随着人工智能（AI）技术的爆发，尤其是ChatGPT等应用让大众亲身体验到深度神经网络与机器学习（ML）的潜力，无线网络领域也迎来了新的变革。无线网络天生复杂、数据量庞大，且每代新技术的引入都进一步增加其复杂度——这些特性恰好使AI成为优化无线网络的理想工具。本文将从5G网络中的AI应用开始，逐步展望6G时代的“AI原生”架构，并解析当前面临的挑战与未来方向。

作者：是德科技6G营销总监 Sarah LaSelva

一、AI在5G网络中的应用

1. 3GPP对空中接口的AI研究

随着5G技术成熟，3GPP（第三代合作伙伴计划）已将AI/ML引入研究，重点关注空中接口（Air Interface）的改进，包括网络节能、负载均衡和移动性优化等。由于空中接口的潜在用例繁多，即将发布的3GPP R18仅选取了一个小的子集进行研究，涵盖：

• 信道状态信息（CSI）反馈
• 波束管理
• 定位

需要特别注意的是，3GPP并不开发AI/ML模型，而是创建通用的框架和评估方法，以便将这些模型部署到空中接口的不同功能中[1]。

小提示：3GPP的标准化更多是定义接口与测试流程，实际AI模型由各厂商自行开发与优化。

2. O-RAN联盟的AI应用

除了3GPP，O-RAN 联盟也在探索利用AI/ML改善网络编排和管理。其架构中的独特设计——RAN 智能控制器 (RIC)，专门用于辅助AI和机器学习优化不同的使用场景。RIC分为两类：

• xApps：管理近实时应用，例如提高频谱效率和能源效率的xApps已在实际中应用。
• rApps：管理非实时应用，利用AI进行网络编排和管理。

随着O-RAN生态系统的发展，未来将有更多xApps/rApps以及基于RIC的AI/ML优化应用出现。

△图1：ORAN网络

二、6G网络原生AI技术

6G虽处于起步阶段，但已明确AI/ML将成为未来无线通信系统各个方面的基本组成部分。目前“AI原生”这一术语虽无正式定义，但在业内被广泛使用。

1. 网络层面的AI原生

参考图1的RAN虚拟化与解聚趋势，可预见网络中每个区块都可能包含AI/ML模型，不同供应商和应用间的模型可能有所差异（图2）。

△图2：ORAN 6G网络

2. 设计流程的演进

AI原生网络也可指为运行原生AI/ML模型而构建的网络。参考下图的设计流程：

• 传统5G网络：空中接口各部分均由人类设计。
• 5G-Advanced网络：每个部分利用ML优化特定功能。
• 6G网络：可能由AI使用深度神经网络设计整个空中接口。

△图3：从与AI结合到 AI原生网络的发展[2]

小提示：“AI原生”不仅指网络架构，还指设计方法——未来系统可能不再由人类手工设计每层协议，而是由AI自动生成整个方案。

三、人工智能/机器学习优化：节能与大规模调度

借鉴AI/ML改善网络编排的想法，6G希望利用AI解决优化难题。例如，AI可根据实时运行情况开关组件以降低整网功耗。如今xApps/rApps已在基站层面通过关断高能耗组件（如功率放大器）实现节能，但AI的强大计算与数据分析能力让我们能在更大范围——甚至全市或全国——优化网络性能：

• 在低使用频率时段关闭整个基站
• 对小区进行重新配置，以绿色低碳方式使用最少资源满足实时需求

目前还无法以这种方式快速重新配置基站与整座城市——对网络配置的任何更改通常需要数天或数周。尽管如此，不同AI技术的发展前景广阔，仍是基础设施提供商的首要考量因素。

常见问题：“使用AI关闭基站会不会影响用户体验？”
答：AI会根据实时业务量预测和用户请求动态决策，仅在确保服务可替代（如切换至相邻基站）或非高峰时段执行关闭，同时配合快速恢复机制，可最大程度降低影响。

四、总结与展望

人工智能在无线网络中的应用不会等到6G出现才开始。当前整个生态系统正积极研究开发新模型，并将其集成到现有及未来系统中。然而，这些模型仍处于早期阶段，需对其严谨性和可靠性进行评估：

• 在适当数据集上训练AI模型
• 量化对比传统技术的改进
• 定义针对AI驱动模块的新测试方法

随着AI模型与测试方法的成熟，AI将在未来5-10年内彻底改变无线通信行业。

常见问题：“AI在5G空中接口中面临的主要挑战是什么？”
答：主要挑战包括：1）实时性要求高，模型推理延迟要极低；2）数据隐私与联邦学习；3）标准化框架尚未完善；4）不同厂商模型的互操作性。这些问题正在通过3GPP R18及O-RAN的工作逐步解决。