热点技术学习笔记之二:AI RAN部署于5G和6G网络
- 2026-03-10 19:10:37
任何人工智能系统的基本局限性很简单：任何模型的性能都取决于训练数据的质量——换句话说，数据质量差或者数据样本量不足够就意味着性能差。因此，为了有效应用于5G和6G网络，任何人工智能模型都需要在尽可能接近真实网络模型的环境下进行训练。传统上，这涉及到从实时网络中收集数据，通常包括性能管理 (PM) 计数器、呼叫跟踪以及从网络元素和运营支撑系统 (OSS) 中提取的日志。但是，尽管这些数据反映了真实世界的状况，但它存在显著的局限性。首先，它是历史数据。使用过去的数据来训练预测未来事件的模型，就好比开车时只看后视镜；它显示的是已经发生的事情，而不是即将发生的事情。其次，获取这些数据是一个缓慢且资源密集的过程。对于大型运营商而言，数据可能分散在不同部门，处理数据请求可能需要数周甚至数月。使用这种方法训练数据通常只能提供网络一部分（或子集）的部分视图。此外，对于无线电单元等设备的第三方开发商而言，这种方法变得更加复杂，因为需要从第三方获取数据，这会带来所有相关的数据安全/隐私问题和商业敏感性。即使并非不可能，但要获取能够提供对网络运行状况一目了然的信息的数据也极具挑战性，而这显然不足以训练一个能够涵盖所有潜在网络状态的模型。
另一种方法是使用合成数据。这解决了真实世界历史数据方法在速度和规模上的诸多问题，能够按需生成海量数据点（包括元数据）。这种方法并非完美无缺，完全使用合成数据无法完美捕捉运营商网络环境的具体细微差别，这一点值得商榷。但基于合成数据的模型可以准确地模拟网络的核心物理行为和趋势，尤其是在使用特定的真实世界数据向量进行校准以充分捕捉独特环境时。
然而，理想的策略是采用混合方法，兼顾两者的优势，并通过在数据层之上部署RAN场景生成器进行优化。该生成器旨在训练应用程序，并使其适应几乎所有潜在场景。
确保人工智能应用的长期性能：一旦人工智能部署完毕，挑战便从初始训练转移到确保其长期保持最佳性能。网络远非静态，人工智能需要适应各种各样的网络变化。如果无法进行这种适应，人工智能的性能就会显著下降，使其无法应对不断变化的、与训练集不同的现实世界环境——这种现象被称为“人工智能漂移”。其结果是，模型最终可能会做出一些决策，这些决策虽然在技术上符合其近期目标，但却会导致负面且意想不到的后果。如果人工智能的最终目标没有明确定义，这种漂移现象会更加严重。例如，出于环境和运营成本方面的考虑，网络几乎普遍需要降低能耗，而人工智能的一个常见应用场景就是寻找节能的方法。如果不加以监控，一个旨在提高能源效率的人工智能可能会认为，实现其主要目标的最有效方法是关闭大部分网络小区。虽然这自然会降低能耗，但也会导致客户服务出现灾难性的中断。该应用程序实现了其既定目标，但代价是不可接受的权衡。因此，在受控环境中建立持续验证框架至关重要，需要部署闭环反馈系统，首先对无线接入网 (RAN) 的数字孪生模型进行更改。基于孪生模型生成的模拟指标，人工智能会提出一项需要在孪生模型中实施的更改。由于孪生模型已使用真实网络数据进行校准，使其成为精确的副本。
防止人工智能漂移的最后一步是监督整个过程。监控应用程序与其孪生体之间的长期交互，并对其行为做出判断。此步骤可以评估应用程序是否以稳定的方式朝着其设计目标收敛。同样，它还会询问应用程序是否偏离目标，或者是否在不同状态之间反复切换，但却没有取得任何净改进。至关重要的是，它必须将主要目标与一组控制KPI进行比较，这些KPI代表了运营的保障措施，例如服务质量或覆盖范围，以量化权衡取舍。然后，开发人员可以确定任何性能下降的根本原因。验证引擎还可以并行运行自己的 AI 模型来计算可能的改进上限，从而提供一个基准，用于评估应用程序的效率。
模拟“What-If”场景，实时网络会遭遇罕见但至关重要的事件，因此人工智能模型必须足够强大才能应对这些事件。RAN数字孪生的关键功能之一是让人工智能应用做好应对意外情况的准备。这些假设实验对于提高网络韧性至关重要，并能帮助运营商了解系统和计划措施在特定情况下的应对能力，而这些情况在实时网络上无法进行大规模测试。因此，数字孪生提供了一个安全可控的沙箱，用于模拟各种事件和场景，这种能力可以扩展到负面事件之外，为前瞻性发展提供信息——从规划新基站的最佳位置到评估新建摩天大楼对射频传播的影响。假设检验功能在6G基础设施的开发中发挥着至关重要的作用，它使运营商能够模拟潜在场景。这包括测试5G和6G信号的动态频谱共享算法，以及利用可靠的6G传播数据进行规划，甚至在部署任何6G基础设施之前即可进行规划。通过这种方式，AI能够弥合实验室和现场之间的差距，并为部署前算法和功能的开发和改进提供支持，从而显著降低研发风险并加快产品上市速度。
Part2：Use Cases
电信行业面临着持续的成本压力，需要降低运营成本和减少环境影响。RAN是运营商能源消耗的主要部分之一，因此需要了解如何在不影响用户体验质量 (QoE) 的前提下降低其能耗。用户体验质量可通过信号质量、呼叫成功率和切换效率等关键绩效指标 (KPI) 来量化。借助适当的数据和训练，可以利用由人工智能资源解决方案驱动的数字孪生模型来管理网络资源，从而实现这一目标。为了量化 QoE，可以使用追踪工具进一步提高数字孪生模型的实际精度，从而更深入地了解信号如何绕过树木和建筑物等障碍物和结构传播，以及这种传播方式如何随时间变化。可使用地理位置相关的呼叫跟踪数据，以确保模拟结果能够反映实际用户行为，从而使AI能够进行针对性调整。
随着我们从小规模6G概念验证试验转向大规模部署，开发和测试核心底层技术变得至关重要。值得注意的是，6G将采用一个新的频段，即FR3频段，它位于6 GHz以下的FR1频段和毫米波FR2频段之间。FR3的基本信息如下，
FR3目标频段：虽然7.125–24.25 GHz是主要的、经常被提及的频段，但也有一些研究专门关注6–24 GHz频段。
关键频段：7.125–8.4 GHz、12.7–13.25 GHz和14.8–15.35 GHz频段尤其受到关注。
用途：该频段是6G的理想选择，它比5G FR1（6 GHz 以下）提供更宽的带宽，同时比5G FR2（24 GHz 以上）提供更好的传播和覆盖范围。
时间表：针对这些频段的监管研究正在为2027年世界无线电通信大会 (WRC-27) 做准备。
在早期开发阶段，6G 物理硬件稀缺，在真实的大规模环境中测试性能的唯一方法是通过数字孪生模型，可以虚拟地创建完整的城市级6G环境，用于假设检验——例如用于了解6G无线性能及其与现有5G网络的交互。
3. 服务质量 (QoS) 优化
虽然我们研究了利用数字孪生来衡量评估QoE，但值得注意的是，在网络层面和个人层面衡量这一KPI存在差异。传统的网络管理技术通常依赖于静态的资源分配方法，无论用户是在下载电子邮件还是观看电影，都提供相同的数据。最终目标应该是从客观的QoS指标转向提升每个用户的主观QoE，即使在动态环境下也是如此。一个很好的例子是：一位用户在火车上观看流媒体视频时，由于车厢快速移动且与其他用户混杂，视频需要不断缓冲。为了解决这个问题，网络需要实时识别并适应用户的具体环境。AI通过开发能够执行情境感知、实时网络优化的应用程序，使这一目标得以实现。训练人工智能超越标准网络指标，并整合上下文信息（例如用户位置、用户速度和应用程序类型），可以使人工智能协调网络资源。这样做不仅可以满足用户特定需求（从而降低客户流失率），还可以优先处理关键任务服务。
4. 大规模MIMO优化
大规模MIMO是支撑5G网络高吞吐量的关键技术。管理大规模MIMO是一项极其复杂的任务，需要为成千上万个潜在用户设备配置波束。这需要管理和持续评估多个参数，而算法精度的降低会导致小区间干扰、能量浪费和性能下降。6G网络将使用比5G更大的天线阵列，很多6G网络将部署在更高的FR3频段上运行，这些频段的路径损耗更大，因此，需要通过测试和验证过程不断改进这些算法的有效性。此外，还需要采用左移开发方法进行测试，在项目生命周期的早期阶段就进行测试，以确保基站能够以最小的干扰协调多个设备。为了有效发挥作用，数字孪生体必须具备高度的环境保真度——不仅包括真实世界的地图，还包括用户画像，例如他们的移动轨迹和流量类型——并且能够模拟动态和衰落的信道条件。
Part3：总结陈词
人工智能原生5G网络的引入及其在6G运营中的核心作用，要求人工智能应用的开发、验证和管理方式发生根本性的转变。AI RAN利用基于真实世界数据和合成数据的混合数据层，来测试和挑战将运行这些网络的人工智能，是最佳方法。当在整个人工智能生命周期中实施该技术时，它不仅支持人工智能的创建，而且支持持续改进，以防止人工智能出现偏差。5G相对于4G的复杂性已经证明了此类技术的实用性，但随着向以人工智能原生架构为核心的6G过渡，整个行业需要转变思维方式。
我们之前也发过系列AI/ML文章供参考：
2025精华文（6）NVIDIA投资AI-RAN了！：AI/ML集成Open-RAN
温故知新AI/ML之一：AI/ML基本概念
温故知新AI/ML之二：机器学习ML基础
温故知新AI/ML之三：当前AI/ML用例分类
温故知新AI/ML之四：3GPP中的AI/ML研究
温故知新AI/ML之五：空口AI/ML应用方向
温故知新AI/ML之九：3GPP的AI/ML的相关规范与提案汇总
3GPP RAN全会第108次会议中以AI为核心的6G SI概览
5G6G中人工智能AI 与自动化Automation信息汇总--宏文2023（23）
3GPP在5G空口上的AI/ML相关研究信息--2023宏文（9）
宏文2022（3）三类5G AI案例及当前5G AI所面临的的局限和挑战
2025精华文（6）NVIDIA投资AI-RAN了！：AI/ML集成Open-RAN
请在微信客户端打开
请在微信客户端打开
