2020年3月2日 星期一

.通往 5G 之路:有「 AI 」的 5G

5G-IoT-Edge-ML/AI: Technologies That Will Transform



來源:宽带资 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。

5G,5G,AI

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。

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。

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。


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。


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。

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。

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。

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