AI用于RAN：关键用例概览与探索

原创 Omdia 2025-01-10 12:01

【免注册下载】创新MCU提升高压系统的实时性能 构建AI未来，Arm计算平台无处不在

Omdia观点:

人工智能和机器学习 (AI/ML)，包括但不限于生成式人工智能 (GenAI) 技术，因其使网络更加智能、高效、具有预测性，展现出改变无线接入网络 (RAN) 的巨大潜力。

近几年来，AI 的显著进步与 RAN 日益提升的复杂性共同激发了业界对在 RAN 中应用 AI 的浓厚兴趣，并且这一兴趣呈现出急剧增长的态势。这种复杂性源于移动网络的持续演进，伴随着多输入多输出 (MIMO)、波束成形等更为先进的技术的引入，频谱资源及其频段组合增加，以及能耗增长。

AI/ML 将逐步渗透到 RAN 的各个领域，包括空口、基带处理和管理。此外，AI 将在规划、运营和维护等网络生命周期的所有阶段发挥重要作用。

AI 在 RAN 中的用例丰富多样，其中一些最具前景的领域包括性能优化、节能、规划增强与自动化、测试、运营自动化、维护以及安全。

预期的益处包括降低运营成本、提升网络性能与用户体验、以及在可持续性、可靠性和安全性方面实现增强。

然而，挑战也不容低估，其中包括数据收集和处理、组织问题和安全风险。随着 AI/ML 在移动网络中的广泛应用，可信赖性将变得愈发重要。在设计 AI RAN 时，应考虑可解释性、公平性、可靠性及隐私性等原则，并在整个 AI/ML 解决方案的生命周期之中应用这些原则。标准化应有助于确保这种可信赖性。

不同的行业机构正在研究如何在 RAN 中充分利用 AI。例如，自第 17 版发布以来，3GPP 一直在研究针对下一代 RAN 选定的 AI/ML 基础用例。O-RAN 联盟在这一领域也非常活跃，特别是在 RAN 智能控制器方面。AI-RAN 联盟是在此领域做出显著贡献的最新组织，其下设的三个工作组中，有一个专门研究 AI 用于 RAN。

AI 和 ML 在 RAN 中的采用将分阶段进行。AI 强化的功能已经存在，而下一步是向 AI 原生功能的演进，最终目标是构建一个 AI 原生、意图驱动的 RAN 系统。

本报告涵盖 AI 用于增强 RAN 。在未来的报告中，我们将涵盖 AI 与 RAN 融合的其它方面，例如将 AI 与网络以主机代管形式部署在同一边缘基础设施上，以最大程度地利用计算资源。

给电信运营商的建议

从小处着手，针对如负载均衡和节能等显而易见的用例，力求迅速取得初步成果。采取分阶段的方法，在扩大规模之前先积累经验。
在运营成本最高的领域应用 AI。优先考虑那些具备最大潜力降低运营支出的用例。运行 AI 的成本不应超过其带来的益处的价值。
使用 AI 解决复杂问题。在面临高度复杂性和传统人工干预难以有效应对的情境下，AI 尤其具有吸引力。
培训和发展 AI/ML 人才。传统的 RAN 运营工作将受到影响，在某些情况下甚至会被 AI 取代，而 RAN 工程师将面临越来越多的与 AI 相关的任务需求，如模型管理和微调等。CSP 应为其 RAN 工程团队招聘 AI 人才，并培训现有员工，使其能够胜任相关工作。
建立坚实的数据基础。数据质量的不一致性很可能会导致 AI 预测结果不准确。应首先解决数据架构和管理问题。数据策略应在公司层面制定。目标是让所有人都使用相同的分类法、模型和元数据。
对 ML 训练和推理持谨慎态度，以防数据泄露和滥用，或避免违反隐私和安全法规。

给供应商的建议

请记住，AI 无法解决所有问题。在许多用例中，增强传统分析技术可以带来价值，特别是在网络管理领域。
帮助 CSP 运用 AI 降低成本：借助成功实施彰显其效益。在初期阶段，大多数 AI 用例将关注提升运营效率。但随着网络性能的提升，若优于业界同行，那么网络体验的改善及停机时间的缩减，将有效降低客户流失率，甚至吸引新客户的加入，从而对收入产生积极的推动作用。
依据用例的复杂程度、计算资源要求、以及推理速度等因素，为特定问题精准挑选适合的模型。秉持务实态度：对现有的 LLM 进行微调，可能比从零开始构建新模型更加高效。
提升数据管理和治理的价值，其重要性前所未有。那些助力 CSP 打造明晰有序的源数据、模型、架构和流程的供应商，将成为受 CSP 欢迎的战略合作伙伴。
可信赖性是推动 AI RAN 广泛采用的核心基石。为构建可信赖的 AI，行业、监管机构与学术界必须携手合作，共同推进技术开发、标准化进程以及 AI 治理规范的制定。

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《AI for RAN: An overview and exploration of key use cases》。Omdia订阅客户可在Knowledge Center中阅读更多来自Rémy Pascal和 Guang Yang的观点与报告，或是通过Ask an Analyst服务就您关心的课题向Rémy Pascal和 Guang Yang进行咨询。

文章版权和解释权归微信平台Omdia所有

Omdia隶属于Informa TechTarget, Inc. (纳斯达克代码: TTGT)，是一家专注于技术研究与咨询的机构。通过深刻的科技市场洞察力和可操作的建议，Omdia帮助组织做出明智的增长决策。如您想了解更多有关Omdia的最新研究成果，请浏览Omdia官方网站或通过电子邮件联系我们。