下载掌阅APP，畅读海量书库
立即打开
随着5G网络的广泛部署与人工智能技术的快速发展，两项构建未来信息社会的基础技术也将深度融合。这种深度融合一方面将增强5G网络性能，另一方面也将大大扩展人工智能技术的应用场景、提升算法性能。两项技术的深度融合也将带来“1+1>2”的多赢局面，不仅是传统移动通信领域和人工智能领域将迎来一系列的变化，更多的垂直行业也将受这两项革命性技术的影响，在多个层面发生巨大变革。
图1-5 5G与AI融合全景图
图1-5给出了5G与AI融合的全景图。5G与AI的深度融合首先将促进两大产业本身的蓬勃发展。5G网络的广泛部署一方面将促进更多数据的产生与传输，给AI技术应用带来更广阔的空间；另一方面5G网络使得AI算力部署更加灵活，与算力匹配的AI算法更加多样化。5G引入AI技术将更好地打造未来的5G网络，利用5G网络的数据、广泛分布的算力资源和先进的AI算法，可以构建5G智能维。5G与AI的深度融合也将服务千行百业，赋能数字新经济。5G与AI技术通过深度参与企业数据的产生、收集、传输、存储与处理，可以促进新范式构建与全要素改造升级，进一步推动新平台搭建，促进新的应用和业态的产生，带动制造产业的持续升级。5G与AI的融合也将使我们的生活更加美好。各种已有的业务体验随着更快速的网络和更加智能化的算法普及将得到极大程度的提升。各种新的应用和新的服务也会伴随新技术的广泛使用应运而生。智能终端中将出现更多的新应用，家居生活中将引入更多智能元素，交通、医疗、教育等生活的方方面面都将迎来智能化的全面升级，我们的生活方式也会随着各种服务及应用的不断升级发生持续的改变。
当前5G网络虽然可以满足ITU制定的相关指标要求，但是为了实现万物智联，构建未来信息社会的宏大愿景，在完成5G第一个版本的标准之后，还在持续推进5G标准化工作。随着3GPP的版本不断演进，5G也将在多个维度不断实现性能提升。根据目前的趋势，未来的5G演进不仅包括速率、时延、连接数等指标性提升，还包括5G网络自身智能化水平提升，以及对不同垂直行业特定需求的支持。对于不同维度的演进和发展过程，都存在AI技术的应用空间。
当前，移动通信与AI结合已经成为热点，表现如下。
●学术界发表文章多。在全球各大期刊中，研究AI与移动通信结合的文章数以万计，讨论范围已经涉及通信各个领域。
●产业界关注程度高。大量企业纷纷开始从事移动通信与AI深度融合的研究与相关产品开发工作。
●受到标准组织热捧。国际与国内多个标准化组织纷纷从不同层面和角度开展移动通信与AI融合相关的研究和标准化工作。
●成为未来移动通信发展的重要技术方向。多个组织与公司把AI作为未来移动通信网络的架构基础进行研究。
在5G网络设计之初，受多重因素影响，并未考虑5G与AI技术的深度融合。随着AI技术与算力的快速发展，相关研究的不断深入，5G引入AI技术进行不断演进成为可能。虽然关于移动通信引入AI技术已经有了大量的研究，但是实际中还面临诸多挑战。这些挑战如下。
●5G引入AI的新范式需要探索。移动通信产业有自身的特点，来自不同厂家的设备需要互联互通，基于产业分工与多年国际标准化演进，已经有成熟的研究、标准化与产品化体系，而引入AI技术后，如何与原有体系进行结合的新范式还未形成。
●5G引入AI的内容需要明确。基于大量的研究，5G引入AI存在大量的潜在结合点。这些潜在的结合内容中，哪些有实际应用价值并无共识。
●5G引入AI的分工合作模式需要明确。运营商、设备商、高校和研究机构等如何分工合作，形成产业合力的路径也需要明确。
5G与AI不断融合的过程，就是不断构建5G智能维的过程，图1-6给出了构建5G智能维的系统解读。5G的智能维是基于5G大数据和算力资源开拓的以人工智能技术为基础的新资源维度。5G智能维可以被认为是与传统无线移动通信的时域、频域和空域并列的一个新维度。相较于传统的维度，5G智能维构建需要基于3项基本元素：5G大数据、算力资源和人工智能技术。5G大数据既包括5G网络中的原生数据，也包括5G承载的数据。算力资源包括5G终端算力、5G网元算力和云设备算力。人工智能技术就是以机器学习为代表的人工智能技术。构建5G智能维可以定义为：利用人工智能技术，合理使用5G大数据和算力资源，使5G更加智能、高效，同时应用与5G网络智能化适配，实现高质量的多样业务。
图1-6 构建5G智能维
5G智能维的构建是通信与AI两个领域不断探索与融合的过程。对于5G大数据的挖掘需要借助一系列的AI基础理论和工具，AI工具及算法对数据和算力有比较明确的需求，在对5G网络架构进行增强性设计时既要考虑不同算法的数据需求和实际性能，也要结合相关算法对算力资源进行评估。5G网络的强大传输能力也将推动基于AI的更多应用的产生。AI相关应用的数据收集方式、计算方式、模型的部署与更新方式都需要考虑和5G网络进行动态结合，以便提供更好的服务。
5G智能维的构建可以从多个角度开展，图1-7给出构建5G智能维的3个重要维度。3个维度涵盖基础理论研究、基于AI的无线增强和基于AI的核心网增强。
1.5G与AI融合基础理论
图1-7 构建5G智能维的3个重要维度
5G与AI融合不仅涉及移动通信和AI领域的基础理论知识，还涉及如何应用AI理论解决经典的移动通信问题的基础方法论。典型的如解决移动通信问题的数据集建立方法，经典模型与算法的研究方法和仿真验证方法的建立。第2章将对5G与AI融合的基础理论进行详细的探讨。
2.基于AI的无线增强
无线网络设计是5G设计的核心，在5G新空口（NR）的初始设计中受多方面影响，并没有引入基于AI的设计。随着近年来AI技术的飞速发展和对基于AI的移动通信技术的持续深入研究，基于AI的无线增强逐步成为未来5G网络演进的重要方向。AI技术有望在频谱效率提升、节能、网络优化、移动性增强等多个领域提升5G性能。第3章将对5G无线侧引入AI技术进行详细介绍。
3.基于AI的核心网增强
5G核心网承载网络和用户管理等一系列基础功能。与无线接入网尚处于研究与探索阶段不同，核心网已经在多个环节逐步引入基于AI的处理。在标准化层面，5G核心网在R15阶段就开始了智能网元相关的研究，R16阶段开始标准化，并在R17及后续版本不断演进。围绕智能网元，支持了一系列的数据收集、传输与分析流程，从而实现集中式和分布式学习等不同学习方式下的多种用例，整体提升5G网络自动化水平。第4章将依托目前已经国际标准化的内容，对5G核心网智能化内容进行介绍。
5G智能维的构建需要充分考虑和结合通信产业的理论及产业的特点，与国际标准和产业紧密结合。对于构建5G智能维的多个方面，图1-8给出了5G智能维各个方面潜在包含的内容。对于多个维度中所涉及的基于AI的关键技术将在后续章节中进行详细介绍。不同的基于AI的5G关键技术能否在5G网络中使用还需要不断探索、研究及实践验证，对于需要在5G网元间进行信息交互的技术，更需要进行相应的标准化工作。
图1-8 5G智能维潜在研究与标准化内容
5G的设计充分借鉴了4G LTE的设计，采用更加灵活的架构，可以支持更加复杂的场景、满足更多样的指标要求，并支持到100GHz的频率范围。5G的基础设计构建在传统的移动通信理论基础之上，基本的设计原则是把端到端的通信过程划分为多个环节，每个环节以相应的基础理论和假设进行设计和优化。这种设计方式有其固有的优势：一方面每个环节的确定性强，有强理论支撑，能保证整个通信过程的鲁棒性和可靠性；另一方面多个环节相对独立有利于促进行业内分工，不同环节的专家专注于相对有限的领域，可以对相关设计精益求精，持续优化。
在3GPP中，分环节的标准制定与优化的特点体现得淋漓尽致。3GPP包括3个大的技术标准组（Technology Standards Group，TSG），分别负责核心网和终端（Core Network and Terminal，CT）、业务和系统（Service and System Aspects，SA）和无线接入网（Radio Access Network，RAN）方面的工作。其中，每一个TSG又进一步分为多个不同的工作组（Work Group，WG），每个WG分别承担具体的任务。其中主要负责5G新空口（NR）制定的TSG RAN又分为RAN WG1（无线物理层）、RAN WG2（无线层2和层3）、RAN WG3（无线网络架构和接口）、RAN WG4（射频性能）、RAN WG5（终端一致性测试）几个工作组。每个工作组针对不同的项目开展具体的研究和标准化工作。
对于一项技术的标准化，将由来自不同公司的多个工作组的专家联合完成。以大规模天线技术为例，目前的5G大规模天线设计基于有限信道信息下的容量最大化方式设计，具体又分为大规模天线的传输方案设计、码本设计、导频设计、信道信息反馈设计、波束管理设计等多个环节。对于各个环节的设计，有严格的假设和对应的应用场景，各个公司根据相应的场景和假设对各种方案进行仿真性能比对，综合考虑性能、复杂度、普适性、算法成熟度等各方面的因素进行标准化。不同环节的标准化还会涉及多个工作组，例如大规模天线相关的基础设计在RAN WG1进行标准化，相关参数配置在RAN WG2进行标准化，设备实现性能及测试方法在RAN WG4和RAN WG5进行标准化。
目前对于有比较明确的移动通信理论支撑且适用于分段优化的设计已经有比较好的支撑，进一步采用基于AI的设计的空间很小，典型代表如信道编码。5G标准中采用的LDPC码设计和Polar码设计在满足一定信道条件约束下，其性能距离香农极限已经非常接近，而且现有的编译码算法也非常成熟，其复杂度和性能已经得到很好验证。对于这些内容再引入基于AI技术的设计潜在增益有限，研究所需投入和替换现有设计成本也较高，在5G网络中采用可能性相对较小。
总体看，对于5G中涉及环节较多、很难直接建模求解的问题，基于AI的技术存在很好的应用前景。通过5G智能维的构建，不仅可以很好地利用算力来全方位提升5G各方面性能，还可以打造绿色、智能、易于部署与维护的网络。5G网络智能维的构建，也将为未来6G网络采用AI技术打下坚实的基础。
5G网络具备强大的连接能力和数据传输能力，广泛的高质量连接与各行业的深入融合会催生大量新的数据与应用的产生。未来的车联网、工业互联网、物联网等行业网络将架构在5G网络基础之上，5G提供的超大容量、超低时延和超高可靠性网络使得大量的新型数据被采集并得到快速的处理。这些新的数据将为人工智能技术的应用提供更广阔的空间。
对于不同的行业、不同的应用，数据的类型、采集方式和使用方式也存在差别。各国为更好地保护数据隐私，提升数据安全性，也纷纷出台法律，对各种数据进行严格的管理。为适应不同的场景和不同的应用的挑战，除了基于云计算的集中式处理方式，各种分布式的人工智能算法和应用也应运而生。其中，最具有代表性的是联邦学习。
联邦学习的概念最早在2016年由谷歌提出，用于解决安卓手机终端用户在本地更新模型的问题。随后，联邦学习得到不断发展，逐步应用于在保证合法合规的前提下，在多个参与方或多计算结点之间开展高效率的机器学习。联邦学习也有横向联邦学习、纵向联邦学习、联邦迁移学习等多种形式。为了很好地支持各种联邦学习和分布式机器学习方式，参与联邦学习的不同节点需要具备一定的数据存储及处理能力。5G网络支持以边缘计算为代表的灵活的网络架构方式，可以把算力部署在网络的不同层级，从而很好地支持不同的机器学习算法及应用。
5G网络提供的超高可靠低时延网络也可以使基于AI的应用部署更加灵活。很多在边缘节点进行的处理可以集中到云端或者统一的处理中心进行。基于AI的算法往往需要较强的算力作为基础，这对执行AI算法的设备提出了较高的要求，从而提升了相关设备的成本。统一的处理方式一方面可以有效降低终端的要求，从而节省终端的成本；另一方面云端或者集中式处理器往往拥有更强大的存储和计算能力，可以采用更复杂和精准的模型和算法进行更有效的处理。
综合来看，5G可以为AI的发展和广泛应用提供更多的数据、更灵活的部署方式，拓展更多的使用及部署场景。第5章将对5G支持的各种AI模型及算法进行详细的分析。5G与AI的融合将逐步改变我们未来的生产及生活方式。我们在未来的生产和生活中将在更多场景中体验到5G与AI给我们带来的便利。第6章将对5G与AI融合服务千行百业进行分析与展望。
5G与AI融合前景广阔，但是融合过程中也将面临挑战。挑战来自于多个层面，尤其是5G无线设计引入基于AI的算法，需要解决从基础理论到数据收集再到算法实现等一系列关键问题。5G与AI结合服务各行各业的过程中也面临结合基础范式选择，商业模式选择等问题。图1-9给出了5G与AI融合中亟须解决的一些关键问题。这些关键问题来自基础理论、数据、算法、仿真方法、测试验证、路线图、标准化和产品化等多个方面。
图1-9 5G与AI融合关键问题分析
1.基础理论
无线通信和以深度学习为代表的机器学习算法在解决问题的范式上存在一定差别。传统的无线通信建构在理论分析基础之上，对不同类型的问题进行严格的数据建模，通过严格的公式推导对不同的模块进行独立的优化设计。而机器学习算法通过对大量数据的学习与训练，建构不同模型，从而完成对不同数据的处理。这使得基于机器学习的解决方案没有精准的数学模型，难以给出确定的物理含义及解释。此外，输入与输出的非确定性使得基于机器学习的算法往往针对具体的数据结构，算法的普适性和可推广性不强。这使得5G采用基于AI的算法时，需要根据不同的结合场景进行相应的问题建模，并针对具体问题进行理论分析，以便更好指导实际的应用。
2.数据
电信网络中存在大量的数据，合理地利用电信网络中的数据是提升5G网络性能，构建5G智能维的关键。利用5G网络中的数据面临两个比较大的挑战，一个是数据的获取，一个是数据集的建立和管理。一方面，电信网络中的数据类型多样，很多数据具有高度的隐私性，作为支持AI算法的数据需要符合相关法规规定。不同的基于AI的算法需要的数据类型和数据量也存在很大差异，相关算法处于网络中的不同位置，这就使得在进行相关算法设计时要充分考虑数据有效性问题。另一方面，5G网络面对复杂的无线环境，同时支持各种类型的业务。为应对各种情况，采用的基于AI的算法对数据集也有很高要求。如何建立完整的数据集，根据算法需要进行相应的标注工作，并不断地根据新的情况进行数据集的管理与更新都是在5G网络中采用基于AI算法所面临的巨大挑战。
3.算法
5G网络中的数据与传统的AI领域图像、语音数据类型不同。针对不同的数据类型，需要单独构建数据集，根据不同场景需求，进行策略选取和模型搭建。电信网络对于服务的质量和可靠性都有非常高的要求，对于AI的算法也会提出相当高的要求。这些要求会体现在对AI算法的稳定性、可靠性、准确性、可解释性等多个方面。目前在垂直行业中采用的AI算法主要基于深度神经网络。深度神经网络可以在模式识别、数据预测等方面取得非常好的成绩，但是在可解释性及稳定性方面存在一定的不足。这就对在5G网络中采用AI技术的算法设计提出了非常高的要求，要综合考虑数据集、算力部署、策略选择等多个维度，并进行循环的验证。
4.仿真方法
仿真对于5G的设计和AI算法设计都具有举足轻重的作用。移动通信领域具有非常完整的建模体系和与之对应的链路级与系统级的仿真方法。仿真结果和性能是5G标准化过程中判断不同技术能否进行标准化和如何进行标准化的最重要依据。在进行基于AI的5G算法研究与标准化过程中，不可避免地需要进行仿真验证。基于AI的算法研究需要把现有的AI开发工具与已有的移动通信中的仿真方法进行结合，结合数据集的开发形成比较系统的仿真开发工具。
5.测试验证
测试验证方法建立与相关工具的开发是目前5G产品开发的重要一环。3GPP和不同的标准化组织中有专门的工作组就不同设备的测试方法进行标准化和相关测试验证代码开发。5G设备中引入基于AI的算法，也需要进行相应的测试方法和测试工具的研究与开发工作。这些研究与开发工作也要结合数据集、仿真验证方法，构建多样化的测试场景与流程，形成仿真与产品测试的闭环，保证相关设备和算法得到充分的验证。
6.路线图
根据图1-8中对5G智能维多个维度的描述，构建5G智能维涉及多种用例。如此众多的潜在用例涉及的网元不同，对数据与算力要求不同，发挥的作用不同，所需标准化程度也不同。要想实现5G与AI的融合，需要在不同层面进行系统的研究与梳理，并建立更多的共识，基于基础的研究成果开展关键技术和特性评估，结合不同的应用场景和5G网络与终端设备的情况，选择合适的时间点对不同用例进行支持，并形成比较清晰的产业路线图。
7.标准化
标准化是5G网络演进的最关键一环，标准化的过程也是5G与AI融合持续研究与达成共识的过程，5G智能维的构建需要与标准化工作紧密结合。5G与AI融合的标准化工作是系统工程，标准化内容与产业实现路线图需要有机结合，循序渐进地实现。与5G网络相关的标准化工作主要在3GPP进行，基于AI的5G网络相关用例可以根据实现所需网元在3GPP的核心网侧和无线侧进行标准化，而5G网络对于AI技术和应用的支持增强需要根据AI各种应用的特点和需求进行相应的增强。后续章节中将对各部分进行标准化的内容和支持程度进行分析与介绍。
8.产品化
对于支持AI算法的设备，需要根据标准制定相应的设备功能指标和多种场景下的性能指标。为进一步保证相关设备的性能和稳定性，还需要进行系统的验证。5G网络涉及的测试验证工作主要针对核心网、基站、手机等设备开展，对于引入基于AI算法的设备之后的产品形态和对应测试指标与方案还需要不断地进行调整。