【{$randkws}】5G和AI应用场景浅析 密不可分的两大战略发展领域 - {$web_name} 是当年这场会议的发起人
一直以来，AI和无线通讯技术都在各自的轨道进展，各自历程萌芽、爆发、沉寂、复兴，刚刚话题讨论评论彼此却没有太大关联。
蒙着一层科幻色彩的AI概念实际上已然诞生了60多年。普通觉得，1956年的达特茅斯会议是AI这一概念的起源。约翰·麦卡锡，1971图灵奖获得者，是当年这场会议的发起人。AI夏季研讨会(Summer Research Project on Artificial Intelligence)，这个全新的会议主题让他成了第一个官方使用AI概念的人。在这场会议的半个多世纪前，意大利人伽利尔摩·马可尼方才做到了人类历史上首次无线电通信，尽管当时的通信距离只有30米，但也算敲开了无线通信时代的大门。
历史进展至今，深度进修与大资料推动的第三次AI浪潮正开展，无线通讯技术已然走过1G、2G、3G、4G，全球的管理商都着手谈论5G联网。在这样一个时点，两项备受瞩目的技术呈现了交汇的契机。
转发主题如下：
AI与5G的契合点
5G如何合作AI进展
为什么5G需要AI
AI在5G中的使用场景
5G和AI是密不可分的两大战略进展领域
5G和AI是两大毋庸置疑的战略进展领域。从5G的回顾何炅动态角度来看，GSMA在2017年亮相了一个白皮书——《5G开启无线连接与智能自动化的时代》，这份报表为全球的通讯行业描绘了一个相当美好的前景：到2025年，5G的连接数量将会超过11亿，约占全球移动连接数的12%，覆盖超过全球1/3的人口数量。5G也会为管理商带来超过2.5%的年均复合增长率(GAGR)，2025年，收益将达到1.3万亿美元的体量。
这份报表另外还对全球750位管理商的CEO以及设备商的高级项目经理做了一个调研，其中含有“5G将首要扶持什么业务？”。结局显示，83%的人都挑选了AI驱动的业务。可见，AI驱动的业务会是5G首要的使用场景。
从AI使能5G这个角度来看，AI实际上可以用在各行各业，不只是通信行业。历程了这几十年的进展，电信行业将是AI最大的细分行业，Tractica/Ovum的全球调研报表强调，到2025年，全球电信行业对AI使用、设备和办事的投资预计将达367亿美元。电信行业的AI年收益额将以48.8%的年复合增长率，从如今的3.157亿美元增长至2025年的113亿美元左右。这个体量也是相当大的。
但是我们可以经由对比察觉，电信行业AI的体量比起5G的体量还是要小很多。5G是沈阳网友热议粉丝应援1.3万亿美元的收益，AI是113亿美元的收益，差距100倍以上。我们把AI投入到电信行业，假如能把5G的收益增多1%或10%，把5G联网建设的成本下降1%或10%，对管理商来说，那将是一笔相当可观的收益。
所以，5G和AI是密切有关、互相合作的一种关系。
5G合作AI使用进展
相比4G联网，5G首要是在使用者的吞吐量、端到端时延与连接密度方面有相当大的增强。正是由于这种增强，5G联网能承载许多4G联网如今无法承载的智能业务。
比如智能医疗，像远程手术这类场景对时延、图像确认的请求相当高，用4G联网承载或许满足不了图像传输的时延、带宽的请求，而5G具备低时延、大带宽的特色，它可以针对智能医疗中的远程手术做很好的承载。
比如智能交通，前方在5G uRLLC低时延的场景下，自动驾驶也可以得到更好的扶持。还含有智能家居、智能电网、智能农业这种IoT类的写给恋人的话：孤独时刻，它们对连接密度有相当高的请求。5G面向高密度连接的mMTC场景也能为这些智能业务提供相当好的承载。还有工业自动化，它对时延的请求和自动驾驶不相上下，需要精确地控制一些工业设备来达成各个零件的组合和装配。
前方有了5G联网，这些AI驱动的智能化业务都能得到更好的进展。
AI合作5G商用部署
另外一方面我们来看，为什么5G联网的商用部署离不开AI。AI已然进展了60多年，我们的通信联网也不是如今才有的。那为什么AI到了5G就变成必不可少的技术呢？我们从三方面来看：1. 新型联网架构；2. 新型空口技术；3. 新型部署方式。
在5G联网，我们引入了SBA(Service-based Architecture)联网架构和联网切片。联网切片可以针对使用者的需求，来组合切片中用到的网元和虚拟网元；依据业务量的转变动向地分配虚拟网元的资源或者是承载资源。但这种按需分配和联网架构层面的动向改动是传统的人工手段无法扶持的。
传统的联网架构改动，周期是以年计的，普通以年为周期来规划和部署，一旦部署下去，长时间内不会改变。前方，这种联网资源方面的改动，很或许会以小时计。这种高频率的，针对联网资源的精确投放，就需要AI技术来辅助做到。
5G空口两个最重大的特征：一个是Massive MIMO或者3D Massive MIMO（大规模天线）；另一个是高频通信。Massive MIMO带来天线数量的增多，功率的增多。按已然能目睹5G频率和4G频率的对比来说， 5G频率比4G频率基础上会高至少一倍。4G从1.8G到2.5G，5G从2.6G到4.9G。这个频率的升高意味着，每个站点覆盖的面积会变小，站点的数量会变多。
据我们已然知晓的，5G基站的耗电量最低也在2700千瓦左右，至少是4G基站的3倍。所以众多地部署5G基站，会给我们带来相当高的耗电成本。所以，我们一定要引入基于AI的手段来做5G基站的节能，含有Massive MIMO智能化的参数，依据使用者分布和场景的智能化确认，来考虑的一些智能化的载波关断技术等等来完善无线联网。
5G核心网都是基于虚拟云化部署的，另外引入了一个重大的概念，边缘计算(Multi-access Edge Computing, MEC)。前方有很多5G网元会以虚拟化的形式部署在资料中心，并且这个资料中心的数量会很多，除了大区的省市的，还会有一些边缘的，乃至下沉到接入局所，一些有条件的机房，也会放这些办事器，比如去做5G UPF(User plane Function，使用者面特性)的下次，面向本地业务的渠道部署和流量卸载等等。
在承载同样业务量的状况下，办事器的耗电相比传统的联网设备来说，也会有较大的增多。所以，从部署方式来讲，我们也需要引入一些AI和大资料的手段去做资料中心的节能，对机房整体制冷操控系统的控制和节能，来缩减OPEX(Operating Expense)的支出。
从以上三个大的方面来讲，5G是管理商面临的最繁琐的联网，需要众多的投资，含有固定投资和管理的投资。很多5G联网的维护岗位是传统的人工方式没有办法满足的，迫切地需要引入AI手段来支撑5G联网真正的大规模商用部署。
AI在5G中的使用场景
使用场景1：5G端到端切片智能编排和管理
5G端到端切片智能编排
采集资料，掌握联网的实时管理状况
运用AI技术，依据历史资料和实时资料对联网业务以及相应的资源需求开展预测和评估
给出恰当的提议举措（如联网切片的扩容、缩容、变更等）
5G端到端切片智能管理
联网切片不是一段核心网或无线就能搞定的，或许是无线加上承载网加上核心网。对使用者来说，这种高效的开通和按需变更要能做到端到端的自动化治理。引入切片办事智能客服，能够提供智能化的交流、咨询、切片套餐推荐等办事，并达成智能化的端到端切片业务开通。
使用场景2：基于AI的Massive MIMO参数完善
5G 引入Massive MIMO技术后，无线侧参数参数的pattern组合有了指数级的增多。我们知晓到，3G无线参数的组合是13种，4G大约有283种，5G大约是13000种。就算可以梳理一些基础的参数模板，但在后面的完善过程中，也还是会关乎各个参数的改动。所以，需要在这件事上引入AI的技术，来做到5G大规模天线繁琐参数的智能化参数。
智能权值检索和监控
基于UE(User Equipment，使用者终端)的分布状况，依据覆盖使用者数最多的原则，检索和预测最优的水平/垂直波瓣宽度，方位角和下倾角。
UE位置估算和预测
基于收集的信息可以估算UE的位置及分布
MM基站周期性收集一段时间内小区内所有UE的位置信息
场景自进修
可充分使用于相似体育赛事、音乐会等大型促销。
比如，运用MR(Measurement Report，测量报表)信息描绘出终端在体育馆内的大致分布，进一步运用分布确认场景。依据各异场景，推荐最优权值，并将最后的权值反馈到场景确认模块，使得推荐不断进化。
使用场景3：AI辅助的智能无线联网规划
这件事实际上在4G联网上已然在开展了。无线联网开通前后要做路测和评估，依据收集上来的MR信息，对多个场景开展确认和确认。综合使用者投诉、各类联网完善的KPI等要素做大资料确认以及AI辅助的决策，合作运维人员更好地确定把站点部署在哪里，如何参数参数，哪些质差小区能经由扩容来解决，以及哪些是无法经由扩容来解决的……并会给到一个整体的联网部署的评估。
在5G联网部署的时候，也一定会考虑基于4G联网的大资料和AI确认，来确定应该在哪里部署5G的站点，以及一些4G、5G合作的改动。
使用场景4：基于AI的智能边缘计算
边缘计算在5G阶段是相当重大的进展方向，它在边缘的DC（资料中心）里引入了办事器，也引入了扶持AI运算的能力，使得可以在边缘节点上，合作中心的DC以及使用者的终端来做AI业务的智能完善。首要有以下四点——
本地缓存
基于AI对使用者的业务流和使用者移动模式开展预测确认，有针对性地确定预存信息和信息推送，从而提升信息分发效率。
智能定位
经由位置已知的终端测量的各无线通信操控系统通讯特征，借助AI、大资料收集确认和边缘计算节点的实时计算能力，运用指纹信息推动实际使用中的终端定位。
频谱感知
边缘计算节点，基于各异无线操控系统的频谱测量结局，运用AI技术对各无线操控系统在各异区域的无线生态特征、使用者行为特征，以及各异使用者的业务特征等，开展确认建模，支撑具体使用场景。
业务感知
在边缘节点上部署高算力的设备确认资源，结合AI和大资料能力，确认挖掘资料、业务和无线生态之间的内在关联，提供更为精确、智能的业务特性确认。
联网边缘缓存已变成信息分发的走向，可大幅提升使用者感受、联网吞吐量和能效。AI技术可预测使用者偏好，精准推荐信息给使用者，并结合使用者推荐预测无线边缘缓存。
使用场景5：智能基础设施节能
基于AI的智能基站节能
在5G的基站中，期盼经由AI辅助的业务确认、场景确认兴办一个流量转变模型，来控制载波的智能关断，从而下降基站功耗。
基于AI的资料中心(DC)节能
经由自动进修资料中心里办事器上的业务、流量的转变模式，依据这些信息，在非高峰时间段，把一些可迁移的业务集中部署在某一些办事器上，把空闲的办事器置成“睡眠”状态，另外会考虑全部机房制冷的控制。岗位状态的办事器会消耗200-500W，睡眠状态的办事器仅消耗20W。DC实际的负载状况对效果会有一些作用。
使用场景6：AI辅助的运维完善
联网故障预测
从传统的事后完善转化为事前的预测和提前防备。
联网养生度检查
基于大资料和AI技术的联网养生度确认，预测网格内前方一天、一周、一月的小区联网品质并提前预警，针对质差小区，确认引发质差的核心指标及或许的缘由。
联网告警关联和故障定位
传统联网运维治理人员确认联网警告、判断告警缘由、查找告警根源、定位并排除故障，耗时耗力。神经联网操控系统经由不断进修和训练，计算、翻译和改动分布于神经联网当中的连接权值，以整体的方式表达关联规则和故障诊断结局，精确定位联网故障。
蒙着一层科幻色彩的AI概念实际上已然诞生了60多年。普通觉得，1956年的达特茅斯会议是AI这一概念的起源。约翰·麦卡锡，1971图灵奖获得者，是当年这场会议的发起人。AI夏季研讨会(Summer Research Project on Artificial Intelligence)，这个全新的会议主题让他成了第一个官方使用AI概念的人。在这场会议的半个多世纪前，意大利人伽利尔摩·马可尼方才做到了人类历史上首次无线电通信，尽管当时的通信距离只有30米，但也算敲开了无线通信时代的大门。
历史进展至今，深度进修与大资料推动的第三次AI浪潮正开展，无线通讯技术已然走过1G、2G、3G、4G，全球的管理商都着手谈论5G联网。在这样一个时点，两项备受瞩目的技术呈现了交汇的契机。
转发主题如下：
AI与5G的契合点
5G如何合作AI进展
为什么5G需要AI
AI在5G中的使用场景
5G和AI是密不可分的两大战略进展领域
5G和AI是两大毋庸置疑的战略进展领域。从5G的回顾何炅动态角度来看，GSMA在2017年亮相了一个白皮书——《5G开启无线连接与智能自动化的时代》，这份报表为全球的通讯行业描绘了一个相当美好的前景：到2025年，5G的连接数量将会超过11亿，约占全球移动连接数的12%，覆盖超过全球1/3的人口数量。5G也会为管理商带来超过2.5%的年均复合增长率(GAGR)，2025年，收益将达到1.3万亿美元的体量。
这份报表另外还对全球750位管理商的CEO以及设备商的高级项目经理做了一个调研，其中含有“5G将首要扶持什么业务？”。结局显示，83%的人都挑选了AI驱动的业务。可见，AI驱动的业务会是5G首要的使用场景。
从AI使能5G这个角度来看，AI实际上可以用在各行各业，不只是通信行业。历程了这几十年的进展，电信行业将是AI最大的细分行业，Tractica/Ovum的全球调研报表强调，到2025年，全球电信行业对AI使用、设备和办事的投资预计将达367亿美元。电信行业的AI年收益额将以48.8%的年复合增长率，从如今的3.157亿美元增长至2025年的113亿美元左右。这个体量也是相当大的。
但是我们可以经由对比察觉，电信行业AI的体量比起5G的体量还是要小很多。5G是沈阳网友热议粉丝应援1.3万亿美元的收益，AI是113亿美元的收益，差距100倍以上。我们把AI投入到电信行业，假如能把5G的收益增多1%或10%，把5G联网建设的成本下降1%或10%，对管理商来说，那将是一笔相当可观的收益。
所以，5G和AI是密切有关、互相合作的一种关系。
5G合作AI使用进展
相比4G联网，5G首要是在使用者的吞吐量、端到端时延与连接密度方面有相当大的增强。正是由于这种增强，5G联网能承载许多4G联网如今无法承载的智能业务。
比如智能医疗，像远程手术这类场景对时延、图像确认的请求相当高，用4G联网承载或许满足不了图像传输的时延、带宽的请求，而5G具备低时延、大带宽的特色，它可以针对智能医疗中的远程手术做很好的承载。
比如智能交通，前方在5G uRLLC低时延的场景下，自动驾驶也可以得到更好的扶持。还含有智能家居、智能电网、智能农业这种IoT类的写给恋人的话：孤独时刻，它们对连接密度有相当高的请求。5G面向高密度连接的mMTC场景也能为这些智能业务提供相当好的承载。还有工业自动化，它对时延的请求和自动驾驶不相上下，需要精确地控制一些工业设备来达成各个零件的组合和装配。
前方有了5G联网，这些AI驱动的智能化业务都能得到更好的进展。
AI合作5G商用部署
另外一方面我们来看，为什么5G联网的商用部署离不开AI。AI已然进展了60多年，我们的通信联网也不是如今才有的。那为什么AI到了5G就变成必不可少的技术呢？我们从三方面来看：1. 新型联网架构；2. 新型空口技术；3. 新型部署方式。
在5G联网，我们引入了SBA(Service-based Architecture)联网架构和联网切片。联网切片可以针对使用者的需求，来组合切片中用到的网元和虚拟网元；依据业务量的转变动向地分配虚拟网元的资源或者是承载资源。但这种按需分配和联网架构层面的动向改动是传统的人工手段无法扶持的。
传统的联网架构改动，周期是以年计的，普通以年为周期来规划和部署，一旦部署下去，长时间内不会改变。前方，这种联网资源方面的改动，很或许会以小时计。这种高频率的，针对联网资源的精确投放，就需要AI技术来辅助做到。
5G空口两个最重大的特征：一个是Massive MIMO或者3D Massive MIMO（大规模天线）；另一个是高频通信。Massive MIMO带来天线数量的增多，功率的增多。按已然能目睹5G频率和4G频率的对比来说， 5G频率比4G频率基础上会高至少一倍。4G从1.8G到2.5G，5G从2.6G到4.9G。这个频率的升高意味着，每个站点覆盖的面积会变小，站点的数量会变多。
据我们已然知晓的，5G基站的耗电量最低也在2700千瓦左右，至少是4G基站的3倍。所以众多地部署5G基站，会给我们带来相当高的耗电成本。所以，我们一定要引入基于AI的手段来做5G基站的节能，含有Massive MIMO智能化的参数，依据使用者分布和场景的智能化确认，来考虑的一些智能化的载波关断技术等等来完善无线联网。
5G核心网都是基于虚拟云化部署的，另外引入了一个重大的概念，边缘计算(Multi-access Edge Computing, MEC)。前方有很多5G网元会以虚拟化的形式部署在资料中心，并且这个资料中心的数量会很多，除了大区的省市的，还会有一些边缘的，乃至下沉到接入局所，一些有条件的机房，也会放这些办事器，比如去做5G UPF(User plane Function，使用者面特性)的下次，面向本地业务的渠道部署和流量卸载等等。
在承载同样业务量的状况下，办事器的耗电相比传统的联网设备来说，也会有较大的增多。所以，从部署方式来讲，我们也需要引入一些AI和大资料的手段去做资料中心的节能，对机房整体制冷操控系统的控制和节能，来缩减OPEX(Operating Expense)的支出。
从以上三个大的方面来讲，5G是管理商面临的最繁琐的联网，需要众多的投资，含有固定投资和管理的投资。很多5G联网的维护岗位是传统的人工方式没有办法满足的，迫切地需要引入AI手段来支撑5G联网真正的大规模商用部署。
AI在5G中的使用场景
使用场景1：5G端到端切片智能编排和管理
5G端到端切片智能编排
采集资料，掌握联网的实时管理状况
运用AI技术，依据历史资料和实时资料对联网业务以及相应的资源需求开展预测和评估
给出恰当的提议举措（如联网切片的扩容、缩容、变更等）
5G端到端切片智能管理
联网切片不是一段核心网或无线就能搞定的，或许是无线加上承载网加上核心网。对使用者来说，这种高效的开通和按需变更要能做到端到端的自动化治理。引入切片办事智能客服，能够提供智能化的交流、咨询、切片套餐推荐等办事，并达成智能化的端到端切片业务开通。
使用场景2：基于AI的Massive MIMO参数完善
5G 引入Massive MIMO技术后，无线侧参数参数的pattern组合有了指数级的增多。我们知晓到，3G无线参数的组合是13种，4G大约有283种，5G大约是13000种。就算可以梳理一些基础的参数模板，但在后面的完善过程中，也还是会关乎各个参数的改动。所以，需要在这件事上引入AI的技术，来做到5G大规模天线繁琐参数的智能化参数。
智能权值检索和监控
基于UE(User Equipment，使用者终端)的分布状况，依据覆盖使用者数最多的原则，检索和预测最优的水平/垂直波瓣宽度，方位角和下倾角。
UE位置估算和预测
基于收集的信息可以估算UE的位置及分布
MM基站周期性收集一段时间内小区内所有UE的位置信息
场景自进修
可充分使用于相似体育赛事、音乐会等大型促销。
比如，运用MR(Measurement Report，测量报表)信息描绘出终端在体育馆内的大致分布，进一步运用分布确认场景。依据各异场景，推荐最优权值，并将最后的权值反馈到场景确认模块，使得推荐不断进化。
使用场景3：AI辅助的智能无线联网规划
这件事实际上在4G联网上已然在开展了。无线联网开通前后要做路测和评估，依据收集上来的MR信息，对多个场景开展确认和确认。综合使用者投诉、各类联网完善的KPI等要素做大资料确认以及AI辅助的决策，合作运维人员更好地确定把站点部署在哪里，如何参数参数，哪些质差小区能经由扩容来解决，以及哪些是无法经由扩容来解决的……并会给到一个整体的联网部署的评估。
在5G联网部署的时候，也一定会考虑基于4G联网的大资料和AI确认，来确定应该在哪里部署5G的站点，以及一些4G、5G合作的改动。
使用场景4：基于AI的智能边缘计算
边缘计算在5G阶段是相当重大的进展方向，它在边缘的DC（资料中心）里引入了办事器，也引入了扶持AI运算的能力，使得可以在边缘节点上，合作中心的DC以及使用者的终端来做AI业务的智能完善。首要有以下四点——
本地缓存
基于AI对使用者的业务流和使用者移动模式开展预测确认，有针对性地确定预存信息和信息推送，从而提升信息分发效率。
智能定位
经由位置已知的终端测量的各无线通信操控系统通讯特征，借助AI、大资料收集确认和边缘计算节点的实时计算能力，运用指纹信息推动实际使用中的终端定位。
频谱感知
边缘计算节点，基于各异无线操控系统的频谱测量结局，运用AI技术对各无线操控系统在各异区域的无线生态特征、使用者行为特征，以及各异使用者的业务特征等，开展确认建模，支撑具体使用场景。
业务感知
在边缘节点上部署高算力的设备确认资源，结合AI和大资料能力，确认挖掘资料、业务和无线生态之间的内在关联，提供更为精确、智能的业务特性确认。
联网边缘缓存已变成信息分发的走向，可大幅提升使用者感受、联网吞吐量和能效。AI技术可预测使用者偏好，精准推荐信息给使用者，并结合使用者推荐预测无线边缘缓存。
使用场景5：智能基础设施节能
基于AI的智能基站节能
在5G的基站中，期盼经由AI辅助的业务确认、场景确认兴办一个流量转变模型，来控制载波的智能关断，从而下降基站功耗。
基于AI的资料中心(DC)节能
经由自动进修资料中心里办事器上的业务、流量的转变模式，依据这些信息，在非高峰时间段，把一些可迁移的业务集中部署在某一些办事器上，把空闲的办事器置成“睡眠”状态，另外会考虑全部机房制冷的控制。岗位状态的办事器会消耗200-500W，睡眠状态的办事器仅消耗20W。DC实际的负载状况对效果会有一些作用。
使用场景6：AI辅助的运维完善
联网故障预测
从传统的事后完善转化为事前的预测和提前防备。
联网养生度检查
基于大资料和AI技术的联网养生度确认，预测网格内前方一天、一周、一月的小区联网品质并提前预警，针对质差小区，确认引发质差的核心指标及或许的缘由。
联网告警关联和故障定位
传统联网运维治理人员确认联网警告、判断告警缘由、查找告警根源、定位并排除故障，耗时耗力。神经联网操控系统经由不断进修和训练，计算、翻译和改动分布于神经联网当中的连接权值，以整体的方式表达关联规则和故障诊断结局，精确定位联网故障。