AI-RAN“六重奏” 点亮电信行业“新技能” 原创

爱立信移动报告显示，预计2022年至2027年间移动数据流量将以25%-30%的复合年增长率增长。随着数据流量的爆炸性增长、用户需求的多样化以及网络服务的高质量要求。传统的无线接入网（RAN）架构在应对这些挑战时显得力不从心，导致网络效率低下、运营成本高昂、资源分配不均和用户体验不佳等诸多问题。然而，人工智能（AI）的迅猛发展为解决这些问题提供了全新思路和手段。

AI与RAN的融合，可以通过智能化手段优化网络资源配置，提高频谱效率，降低运营成本，提升用户体验，为企业带来巨大的商业价值。这种融合不仅能为现有的5G网络提供支持，还能为未来的6G网络研究奠定基础。因此，AI+RAN的探索和应用具有重要的现实意义和长远战略价值。

市场研究公司Dell'Oro Group指出，在RAN中使用AI已经在网络部署、优化和修复方面带来了利好，最终有助于提高网络性能和质量。

硬件、软件、应用  AI and RAN“三部曲”

对于电信行业而言，整合AI和RAN流程，能更有效地利用基础设施，并创造出基于AI的新型盈利模式。

传统的RAN设备通常是专用硬件，虽然功耗低、成本低，但通用性差，无法灵活应对多种应用场景。一旦5G网络不再具备商业价值，这些设备就可能闲置，造成无意义的消耗。为了解决这一问题，NVIDIA推出了在GPU上运行5G算法的方案，使得通用设备不仅可以处理5G任务，还能处理其他多种工作。

这种基础设施的融合，使得5G的算法能够在GPU上运行，各种不同的算法都可以在同一个通用设备上执行，大大提高了硬件的利用率和经济效益,不仅让设备兼具了更多灵活性，还为未来网络技术的发展提供了更加广阔的空间。

不仅如此，在软件层面。由于RAN架构复杂，包括物理层、链路层、网络层、传输层等多个层级。当前一个热门的方向是将AI应用于物理层，通过AI来提高网络的频谱效率，让每单位带宽下能够传输的数据量提高，降低整体网络的运营成本,这便是“AI and RAN”到“AI for RAN”的过程。举例来看，当一个小区的网络中，频段利用率达到一定阈值时，AI可以自动评估是否需要增设基站，便能有效避免人为决策的主观性和不准确性。

此外，通过将AI算法封装到TensorFlow和PyTorch等主流深度学习框架中，使得AI开发者可以更加方便地在RAN中实现AI功能。这种软件层面的融合，不仅提高了AI在RAN中的应用效率，还推动了AI与通信技术的深度融合。

在应用层面，通过AI技术可极大程度上提高网络的效率和成本效益。利用AI，可以预测网络负载，优化资源分配，减少资源浪费。在网络负载的高峰时段，AI可以自动调配网络资源，确保用户的良好体验；而在低峰时段，AI可以释放部分资源用于其他任务，从而提高资源的利用率。

值得一提的是，AI还可以用于网络运维，提前预测网络故障，自动化解决常见问题，减少人工干预，提高网络的稳定性和可靠性。通过AI诊断系统，运营商可以快速定位并解决网络故障，提高运维效率，降低运维成本。

从“AI and RAN”到“AI on RAN”

在AI与RAN融合方面，还可以通过在RAN边缘部署AI服务，提高运营效率，并为用户提供新服务。

具体实施而言，其一，提高基础设施多功能性，释放额外算力。采用通用设备，使得RAN不仅可以支持5G，还可以释放额外的算力用于AI任务。当5G网络的需求不高时，这些通用设备可以被用于AI模型的训练和推理，从而提高设备的利用率和经济效益。这样一来，运营商不仅能够提供高质量的5G服务，还可以通过出租算力、提供AI服务等方式，实现多元化盈利。

其二，提高网络响应能力和质量，助力智能管理网络负载。

通过集成AI，RAN能够有效管理网络负载，提升服务质量。在视频通话中，通过AI优化网络层次，确保通话的稳定性和质量。这不仅可以提升用户体验，还可以为运营商带来新的商业机会。此外，通过提供高质量的视频通话服务，运营商可以开辟新的盈利模式，如广告推送、虚拟形象等增值服务。

“5G新通话”是典型的AI+RAN应用案例。通过在网络层次上优化，5G新通话可以在视频通话中保证稳定性和质量。在微信视频通话中，经常会遇到卡顿和时延大的问题，而通过5G新通话，这些问题可以得到有效解决。这不仅提升了用户的通话体验，还可以通过引入虚拟形象、广告推送等增值服务，开辟新的商业机会。

其三，支持新服务和应用场景，探索未来网络可能性。AI与RAN的融合，还可以支持更多新兴服务和应用场景。在工业领域，企业往往需要专用的5G网络来保护数据的安全。通过AI- RAN技术，企业可以搭建自己的5G网络，实现数据的本地化处理和应用。

部署方面，通过AI RAN技术，可以实现智能巡检。巡检员利用AR/VR设备，通过AI技术实时读取并解读各种仪表数据，监测仪表的实时数据和警报，及时发现并解决问题，避免生产事故的发生，提高巡检的效率和准确性。同时，AI可以与大模型结合，在边缘计算中实现复杂任务的处理，提高生产效率和安全性。

数字孪生技术也是AI on RAN的重要应用场景之一。通过在虚拟环境中模拟真实网络的部署和运行，可以提前发现并解决网络中的潜在问题。例如，在城市生活中，可通过数字孪生技术模拟整个网络的运行情况，预测用户的流量需求，优化基站布局，提高网络的覆盖范围和服务质量。

写在最后

AI与 RAN的融合，预示着通信网络未来的无限可能。随着网络技术的不断进化，AI RAN不断推动着网络管理和服务向智能化、灵活化转型。未来，AI+RAN，将不断推进更多AI/ML功能的研发，优化RAN性能，实现跨所有层的AI/ML应用。

事实上，在移动通信领域，AI-RAN已经带来了更多全新的变化。

面对行业挑战，您是否考虑借助AI赋予企业更多创新动力？时不我待，搭上这趟“列车”，让我们一起开启智能化转型的创新篇章。点击此处了解更多详情。