技术趋势：人工智能和机器学习在移动核心网中的应用

原创 Omdia 2024-06-25 13:45

【免注册下载】创新MCU提升高压系统的实时性能 如何增强电动汽车的实时控制能力？

主要信息

2023 年，随着生成式人工智能 (GenAI) 和大语言模型 (LLM) 的出现，业界对人工智能 (AI) 的兴趣高涨，包括电信运营商在内的各类企业纷纷投资，探索 GenAI 和 LLM 所带来的益处及其可实现的目标。
Omdia 估计，从2024 年到 2028 年，全球 AI 软件市场规模将达 7430 亿美元。针对电信网络部分（包括核心网和预测性维护）的 AI 软件市场规模将达 86 亿美元。
AI 在电信业的传统用途包括应用于分析功能（而非闭环自智）的机器学习 (ML) 和统计方法。持续演进的 AI 应用将促成更加自动化的网络，并最终在 5-10 年内实现自智运营。
用于 4G 网络的 AI 具有碎片化和定制化的特点。而针对5G网络，3GPP 引入了网络数据分析功能 (NWDAF)，以实现数据收集和交换的标准化，并降低分析和自动化成本。

降低成本和面向客户的用例是大多数 AI 应用发展的推动力。此外，AI 能够注意到数据中的微妙趋势，在管理 5G 网络复杂性和推进分析能力进一步发展方面发挥着愈发重要的作用。

电信运营商 (CSP) 应意识到，要努力将AI部署到网络中，在自主构建 AI 能力的同时，依靠供应商来缩小差距。CSP 应至少拥有维护 AI 所需的技能。部署应分阶段进行，首先整理数据源，从能够即时获益的用例入手，如将当前的流量管理和负载平衡方式转变为基于预测性AI的模式。

给电信运营商的建议

在进一步扩展前，先从流量拥塞和流量整形等明显用例入手以积累经验；采取分阶段的 AI/ML 集成方法，不要等待 5G 独立组网网络

与经验丰富的供应商合作在不同站点部署和启用各个用例，以获得实际的洞察

通过机器学习运维 (MLOps) 针对合适的数据管理和治理基础设施制定相关计划，致力于实现自智运营；培训员工并构建团队来了解和应用 AI/ML 技术

培养 AI/ML 人才和内部团队，确保合理地使用AI/ML，以及将云原生原则和 IT 范式运用于 5G

谨慎对待 ML 训练和推理设施，以防数据泄露和滥用，避免违反隐私和安全法规

给供应商的建议

遵循 3GPP 标准，采用云原生（例如 5G 独立组网网络）和 IT 范式进行软件和模型开发

面向核心网提供开箱即用的 AI/ML 用例，展示能够提升运营效益和降低成本的示例

提供技术协助和专业服务，如 ML 训练服务、集成以及为首个用例和部署进行数据迁移

支持和促进标准或数据交换；支持 AI/ML 模型在不同网络中的复制和共享

考虑开发定制的 AI/ML 用例来说服 CSP 采用

延伸阅读

以上为中文编译节选内容，如有任何疑义或需阅读完整英文内容，敬请参考Omdia英文报告《Tech Trend: AI and ML for the Mobile Core Network》。Omdia订阅客户可在Knowledge Center中阅读更多来自Joe Hoffman的观点与报告，或是通过Ask an Analyst服务就您关心的课题向Joe Hoffman进行咨询。