人工智能，如何赋能5G-A？
人工智能，如何赋能5G-A？
随着人工智能（AI）技术的迅猛发展，其在通信行业的应用日益广泛。特别是在5G-A阶段，AI将更加注重网络智能化和终端协同。本文将从标准制定的角度，探讨AI在通信领域的应用现状与未来发展方向。
5G标准中的AI应用
在5G标准中，3GPP已经引入了AI能力，主要包括核心网的网络数据分析功能（NWDAF）和运维层的管理数据分析功能（MDAF）。这些功能主要在网络侧实现，与终端没有交互。
核心网智能化
早在5G标准的第一个版本R15，3GPP就定义了一个全新的核心网网元——NWDAF。NWDAF从各种核心网网元、应用、运维系统以及运营支持系统收集数据，然后对这些数据进行分析，以提供有关网络性能和健康状况的建议及处理方案。
NWDAF可以支持：
- 网络性能监控：监控时延、吞吐率、以及网络可用性等关键网络指标，用于识别和解决性能问题。
- 网络安全分析：分析网络流量，以识别潜在的安全威胁，用于提高网络的安全性。
- 客户体验优化：分析客户数据，用于改善客户体验。比如，NWDAF可发现某些客户或特定应用程序的体验不佳，并定位存在问题的地点。
- 网络自治闭环：支撑网络运维自动化，在出现性能问题或安全威胁时自动生成告警。
运维层智能化
在网络运维（OAM）系统中，3GPP在R17版本引入了MDAF，进一步丰富和增强管理功能，实现最佳的网络性能及服务保障。
综合来看，5G核心网及运维层的智能化架构如下：
RAN接入层智能化
3GPP从R17阶段开始研究如何将AI引入基站及终端，首先考虑的是网络节能、负荷均衡以及移动性优化等基础功能。
AI在RAN侧的基本运行结构
RAN侧的AI框架主要包括数据采集、模型训练、模型推理和执行等模块。
3GPP根据协作程度的高低定义了x、y、z三个级别：
- Level x：基站和终端各自管各自的AI处理，之间没有任何交互与协作。
- Level y：基站和终端之间的AI处理通过信令交互，但它们之间的交流也仅限于此，没有AI模型层面的交互。
- Level z：基站和终端之间的AI处理既有信令交互，也可以进行AI模型的传输和更新。这就是最高级别的协同了。
5G-A阶段的AI应用
在R18阶段，3GPP研究了CSI反馈增强、毫米波波束管理以及定位精度增强等AI应用，跨入了系统和终端协作新时代。
CSI反馈增强
信道状态信息（CSI）越准确，用户的下载速率也就越高。通过引入AI，可以实现更有效的多用户复用，还可以最小化干扰。此外，基于AI/ML的CSI反馈增强还可以采用设备端的AI模型来改善CSI预测。
波束管理增强
毫米波的波长短，传播损耗大，极易被遮挡。为了补偿路损，基站一般要使用超大规模的天线阵列来实现波束赋形增益。在这种情况下，需要引入AI来提升性能。
定位精度增强
在复杂的城市环境中，传统的定位方案可能会由于建筑密度和多径干扰等因素而精度不佳，需要引入AI，综合多维信息来提升精度。AI还可以适应环境的变化，并帮助我们在信号传播受阻的情况下进行定位，如卫星或基站信号被遮挡。
6G愿景中的AI
在当前的6G愿景中，“AI与通信融合”是重要方向之一。AI将成为网络底层架构的一部分，从之前的外挂式走向AI原生。邬贺铨院士曾经指出，6G应聚焦在如何利用AI分析信道特性实现干扰消除、优化能效和核心网对业务的智能化适应上。这不仅是当前5G-A阶段正在做的，更是6G应该与生俱来的基础能力。