5G-IoT-Edge-ML/AI: Technologies That Will Transform
來源：宽带资本 作者：王海宁
歷史發展至今，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 網路。在這樣一個時點，兩項備受矚目的技術出現了交匯的契機。
一直以來，人工智慧和無線通訊技術，都在各自的軌道發展，各自經歷萌芽、爆發、沈寂、復興，彼此卻沒有太大關聯。
蒙著一層科幻色彩的人工智路概念，其實已經誕生了60多年。一般認為，1956 年的達特茅斯會議是人工智路這一概念的起源。約翰·麥卡錫，1971 圖靈獎獲得者，是當年這場會議的發起人。人工智路夏季研討會(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前，義大利人伽利爾摩·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。
在這場會議的半個多世紀前，義大利人伽利爾摩·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 網路。在這樣一個時點，兩項備受矚目的技術出現了交匯的契機。
5G 和 AI 是密不可分的兩大策略發展領域
5G 和 AI 是兩大毋庸置疑的策略發展領域。從 5G 的角度來看，GSMA 在 2017 年發佈了一個白皮書——《 5G 開啓無線連接與智慧自動化的時代》，這份報告為全球的通訊行業，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，約佔全球行動連接數的 12%，覆蓋超過全球 1/3 的人口數量。5G 也會為電信商帶來超過 2.5% 的年均複合成長率（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 位電信商的 CEO，以及設備商的高級項目經理做了一個調研，其中包括「5G 將主要支持什麼業務？」。結果顯示，83% 的人都選擇了 AI 驅動的業務。可見，AI 驅動的業務會是 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，不只是通信行業。經歷了這幾十年的發展，電信行業將是 AI 最大的細分市場，Tractica/Ovum 的全球調研報告指出，到 2025 年，全球電信行業對人工智慧軟體、硬體和服務的投資，預計將達 367 億美元。電信行業的 AI 年收入額將以 48.8% 的年複合成長率，從現在的 3.157 億美元，成長至 2025 年的 113 億美元左右。這個體量也是相當大的。
但是我們可以透過對比發現，電信行業 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，如果能把 5G 的收入增加 1% 或 10%，把 5G 網路建設的成本降低 1% 或 10%，對點信商來說，那將是一筆非常可觀的收入。
因此，5G 和 AI 是密切相關、互相促進的一種關係。
5G 促進 AI 應用發展
相比 4G 網路，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 網路能承載許多 4G 網路，現在無法承載的智慧業務。
比如智慧醫療，像遠端手術這類場景對時延、圖像辨識的要求非常高，用 4G 網路承載可能滿足不了圖像傳輸的時延、頻寬的要求，而 5G 具備低時延、大頻寬的特點，它可以針對智慧醫療中的遠端手術，做很好的承載。
比如智慧交通，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。還包括智慧家居、智慧電網、智慧農業這種 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，也能為這些智慧業務提供非常好的承載。還有工業自動化，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設備，來完成各個零件的組合和裝配。未來有了 5G 網路，這些 AI 驅動的智慧化業務都能得到更好的發展。
5G面向高密度連接的 mMTC 場景，也能為這些智慧業務提供非常好的承載。還有工業自動化，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設備，來完成各個零件的組合和裝配。未來有了 5G 網路，這些 AI 驅動的智慧化業務都能得到更好的發展。
另外一方面我們來看，為什麼 5G 網路的商用部署，離不開人工智慧。人工智慧已經發展了 60 多年，我們的通信網絡也不是現在才有的。那為什麼人工智慧到了 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。
新型網路架構
在 5G 路，我們引入了 SBA（Service-based Architecture）網絡架構和網路切片。網路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；根據業務量的變化，動態地分配虛擬網元的資源，或者是承載資源。
但這種按需分配，和網路架構層面的動態調整，是傳統的人工手段無法支持的。傳統的網路架構調整，週期是以年計的，一般以年為週期來規劃和部署，一旦部署下去，長時間內不會改變。未來，這種網路資源方面的調整，很可能會以小時計。這種高頻率的，針對網路資源的精確投放，就需要人工智慧技術來輔助實現。
但這種按需分配，和網路架構層面的動態調整，是傳統的人工手段無法支持的。傳統的網路架構調整，週期是以年計的，一般以年為週期來規劃和部署，一旦部署下去，長時間內不會改變。未來，這種網路資源方面的調整，很可能會以小時計。這種高頻率的，針對網路資源的精確投放，就需要人工智慧技術來輔助實現。
新型空口技術
5G 空口兩個最重要的特徵：一個是 Massive MIMO，或者 3D Massive MIMO（大規模天線）；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。據我們已經瞭解的，5G 基地台的耗電量，最低也在2700千瓦左右，至少是 4G 基地台的 3 倍。所以大量地部署 5G 基地台，會給我們帶來非常高的耗電成本。
因此，我們一定要引入基於人工智慧的手段，來做 5G 基地台的節能，包括 Massive MIMO 智慧化的配置，根據用戶分布和場景的智慧化辨識，來考慮的一些智慧化的載波關斷技術等等來優化無線網路。
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。據我們已經瞭解的，5G 基地台的耗電量，最低也在2700千瓦左右，至少是 4G 基地台的 3 倍。所以大量地部署 5G 基地台，會給我們帶來非常高的耗電成本。
因此，我們一定要引入基於人工智慧的手段，來做 5G 基地台的節能，包括 Massive MIMO 智慧化的配置，根據用戶分布和場景的智慧化辨識，來考慮的一些智慧化的載波關斷技術等等來優化無線網路。
新型部署方式
5G 核心網都是基於虛擬雲化部署的，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，除了大區的省市的，還會有一些邊緣的，甚至下沈到接入局所，一些有條件的機房，也會放這些伺服器，比如去做 5G UPF（User plane Function，用戶面功能）的下次，面向本地業務的平台部署，和流量卸載等等。
在承載同樣業務量的情況下，伺服器的耗電相比傳統的網路設備來說，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慧和大數據的手段，去做數據中心的節能，對機房整體制冷系統的控制和節能，來減少OPEX（Operating Expense）的支出。
在承載同樣業務量的情況下，伺服器的耗電相比傳統的網路設備來說，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慧和大數據的手段，去做數據中心的節能，對機房整體制冷系統的控制和節能，來減少OPEX（Operating Expense）的支出。
從以上三個大的方面來講，5G 是電信商面臨的最複雜的網路，需要大量的投資，包括固定投資和營運的投資。很多 5G 網路的維護工作，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慧手段，來支撐 5G 網路真正的大規模商用部署。
AI 在 5G 中的應用場景
應用場景 1：5G 端到端切片智慧編排和營運
1. 5G 端到端切片智慧編排
（1）採集數據，掌握網路的即時運行狀況
（2）利用人工智慧技術，根據歷史數據和即時數據，對網路業務以及相應的資源需求，進行預測和評估
（3）給出恰當的建議措施（如網路切片的擴充、縮編、變更等）
2. 5G 端到端切片智慧能營運
網路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。引入切片服務智慧客服，能夠提供智慧化的交流、咨詢、切片套餐推薦等服務，並完成智慧化的端到端切片業務開通。
應用場景 2：基於 AI 的 Massive MIMO 參數優化
5G 引入 Massive MIMO 技術後，無線側配置參數的 pattern 組合，有了指數級的增加。我們瞭解到，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，但在後面的優化過程中，也還是會涉及各個參數的調整。所以，需要在這件事上，引入人工智慧的技術，來實現 5G 大規模天線複雜參數的智慧化配置。
就算可以梳理一些基本的配置模板，但在後面的優化過程中，也還是會涉及各個參數的調整。所以，需要在這件事上，引入人工智慧的技術，來實現 5G 大規模天線複雜參數的智慧化配置。
1. 智慧權值搜索和監控
基於 UE（User Equipment，用戶終端）的分布情況，根據覆蓋用戶數最多的原則，搜索和預測最優的水平/垂直波瓣寬度，方位角和下傾角。
2. UE 位置估算和預測
基於收集的資訊，可以估算 UE 的位置及分布
MM 基地台週期性收集一段時間內，小區內所有 UE 的位置資訊
3. 場景自學習
可充分運用於類似體育賽事、演唱會等大型活動。
比如，利用 MR(Measurement Report，測量報告) 資訊描繪出終端在體育館內的大致分布，進一步利用分布辨識場景。根據不同場景，推薦最優權值，並將最終的權值回饋到場景辨識模塊，使得推薦不斷進化。
應用場景 3：AI 輔助的智慧無線網路規劃
這件事其實在 4G 網路上，已經在展開了。無線網路開通前後，要做路測和評估，根據收集上來的 MR 資訊，對多個場景進行辨識和分析。
綜合用戶投訴、各種網路優化的 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裡，如何配置參數，哪些質差小區能透過擴充來解決，以及哪些是無法透過擴充來解決的……並會給到一個整體的網路部署的評估。
綜合用戶投訴、各種網路優化的 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裡，如何配置參數，哪些質差小區能透過擴充來解決，以及哪些是無法透過擴充來解決的……並會給到一個整體的網路部署的評估。
在 5G 網路部署的時候，也一定會考慮基於 4G 網路的大數據和 AI 分析，來決定應該在哪裡部署 5G 的站點，以及一些 4G、5G 協同的調整。
應用場景 4：基於 AI 的智慧邊緣計算
邊緣計算在 5G 階段，是非常重要的發展方向，它在邊緣的 DC（數據中心）理，引入了伺服器，也引入了支持 AI 運算的能力，使得可以在邊緣節點上，配合中心的 DC，以及用戶的終端，來做 AI 業務的智能優化。主要有以下四點：
1. 本地暫存
基於 AI 對用戶的業務流，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，從而提高內容分發效率。
2. 智慧定位
透過位置已知的終端測量的，各無線通信系統信號特徵，借助 AI、大數據收集分析，和邊緣計算節點的即時計算能力，利用指紋資訊，指導實際應用中的終端定位。
3. 頻譜感知
邊緣計算節點，基於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域的無線環境特徵、用戶行為特徵，以及不同用戶的業務特徵等，進行分析建模，支撐具體應用場景。
4. 業務感知
在邊緣節點上部署高算力的硬體解析資源，結合 AI 和大數據能力，分析挖掘數據、業務和無線環境之間的內在關聯，提供更為準確、智慧的業務特性辨識。
網路邊緣暫存，已成為內容分發的趨勢，可大幅提升用戶體驗、網路吞吐量和能效。AI 技術可預測用戶偏好，精準推薦內容給用戶，並結合用戶推薦預測無線邊緣暫存。
應用場景 5：智慧基礎設施節能
1. 基於 AI 的智慧基地台節能
在 5G 的基地台中，希望透過 AI 輔助的業務分析、場景辨識，建立一個流量變化模型，來控制載波的智慧關斷，從而降低基地台功耗。
2. 基於 AI 的數據中心（DC）節能
透過自動學習數據中心裡，伺服器上的業務、流量的變化模式，根據這些資訊，在非高峰時間段，把一些可遷移的業務集中部署在某一些服務器上，把空閒的伺服器置成「睡眠」狀態，同時會考慮整個機房制冷的控制。工作狀態的伺服器會消耗 200-500W，睡眠狀態的伺服器僅消耗 20W。DC 實際的負載情況，對效果會有一些影響。
應用場景 6：AI 輔助的維運優化
1. 網路故障預測
從傳統的事後優化，轉化為事前的預測和提前防備。
2. 網路健康度檢查
基於大數據和人工智慧技術的網路健康度分析，預測網格內未來一天、一周、一月的小區網路品質並提前預警，針對質差小區，分析引起質差的關鍵指標，及可能的原因。
3. 網路警報關聯和故障定位
傳統網路維運管理人員，分析網路警報、判斷警報原因、查找警報根源、定位並排除故障，耗時耗力。神經網路系統透過不斷學習和訓練，計算、翻譯和調整，分布於神經網路當中的連接權值，以整體的方式，表達關聯規則和故障診斷結果，準確定位網路故障。
沒有留言:
張貼留言