AI在无线接入网（RAN）中提升电信服务提供商（CSPs）的网络性能。

可执行洞见 内容 作者。...................................................................................................................................................... 20挑战与人工智能在无线接入网（RAN）领域CSP旅程的成功因素 ......................................... 14可操作见解与建议................................................................................... 18摘要. ..................................................................................................................................4爱立信在无线接入网（RAN）中的AI提案............................................................................................................ 10人工智能之旅始于4G，并持续于5G。........................................................................6人工智能与自动化新架构。 ..........................................................................................8 executive summary AI解决方案在高水平、慢控制循环中实施所带来的挑战导致了更多人工智能解决方案在快速控制的RAN中的发展。这些挑战包括对实时处理的需求和验证解决方案的复杂性。因此，初期工作集中在慢循环解决方案上，因为人工验证更为可行。然而，AI有机会在慢速和快速控制循环中产生更大的收益，以降低网络复杂度和运营成本的同时提高整体性能。 在多个行业中，人工智能（AI）通过增强现有解决方案的能力或彻底颠覆它们，对其产生了显著影响。这为创新和增长开辟了新的途径。 电信服务提供商在人工智能方面的支出预计在未来几年将显著增长，涵盖网络性能、运营和安全等领域。全球电信行业中的AI预计将从2023年的22亿美元的市场收入增长到2030年的195亿美元。[1] 在爱立信，我们的AI之旅始于通过数据和机器学习算法增强我们的基于规则的功能，从而实现高性能的AI赋能特性。变革性的AI之旅继续发展，引入AI原生特性，其中AI是设计和开发中固有的部分。现在，在无线接入网（RAN）中采用AI正在为意图驱动和AI原生RAN铺平道路。同时，生成式AI正成为多个行业的颠覆性技术。预计生成式AI将成为支持我们客户在RAN中AI之旅的重要组件，从智能产品助手开始。 在爱立信，我们预测移动网络可以从人工智能技术中显著获益。在我们的战略中，人工智能是无线网络内在的一部分。本文旨在为正在探索其人工智能和自动化旅程的通信服务提供商（CSPs）提供一个参考点。网络操作将转向以意图驱动的网络，其中人工智能模型持续适应以满足特定的用户体验和能源效率目标。这种范式转变旨在以成本效益的方式提供卓越的客户体验并支持基于性能的业务模式。 爱立信已成功开发和部署了快速控制回路解决方案，适用于多种用例，例如AI MIMO睡眠功能[2]. 该功能在每站点实现了14%的能源消耗节省，优于人工管理。另一个例子是AI驱动的链路适配功能，该功能利用相邻小区的信息，对中高负载系统进行优化，显著提高了频谱效率和下行链路（DL）吞吐量（对于重度用户吞吐量提高了11.6%，现场测量的小区边缘DL吞吐量增加了50%）。 人工智能在无线接入网（RAN）的各个方面发挥着关键作用，包括无线电功能、预测和控制回路，这些与传统即插即用AI工具不同。在无线网络数据和无线电软件方面的专业知识对于在该领域中有效实施人工智能至关重要。数据驱动的人工智能旨在利用来自无线接入网络（RAN）的数据，通过机器学习（ML）算法来推动网络的优化和管理。当用RAN数据训练时，机器学习算法演变成能够为RAN提供预测和洞察力，或在RAN控制回路中采取行动的ML模型。 我们在与通信服务提供商（CSPs）的合作中观察到，采用人工智能需要良好的数据操作理解能力和强大的开发团队。我们丰富的经验使我们能够分享有价值的见解，以加速整个无线接入网（RAN）控制环频谱范围内的人工智能采用，并利用现有网络架构克服采用挑战。 在通信服务提供商（CSPs）的AI之旅中，至关重要的是关注在收益更为显著且传统解决方案可无缝替代的情况下利用AI，以最大化CSP的投资回报率（ROI）。在每一步中， 旅程中，随着AI获得新的功能和解决特定的挑战（包括对高可靠性和低延迟的要求，以及分布式计算的需求），其增值能力不断提高。 利用开放性 利用数据驱动决策 复杂性 • 可编程网络 意图驱动的操作 • 新的5G应用案例 • 数据管理Al规模化• 生成式AI • 开放标准• 生态系统中的创新• 多供应商 • 性能与可持续性• 虚拟化与物理部署的混合• 高级无线电台 AI的旅程始于4G，并随着5G的不断发展而持续。 爱立信在以下领域利用人工智能： • 提高能源效率（MIMO睡眠时间）：AI预测交通模式和蜂窝使用情况。基于这些预测，网络可以在蜂窝中激活或停用MIMO功能，在不影响性能的前提下优化能耗。我们已估算每个无线电站点最多可减少14%的能耗。 • 为重度用户提升吞吐量（链路适配）：AI预测如何最佳处理无线电信道条件、流量模式和用户需求，使网络能够动态调整无线电链路配置，为重用户实现11.6%的吞吐量提升，该提升由CSP在实地测量得出。 • 网络异常检测：人工智能持续分析网络行为，以识别可能表明潜在问题（如休眠细胞（无流量细胞））的不寻常模式。早期检测允许采取纠正措施，以保持最佳网络性能。我们已使用人工智能驱动的先进细胞监控，测量了超过95%的休眠细胞检测率。 • 提高切换速度和降低掉话率（移动性）：人工智能系统因覆盖差、用户移动和网络拥塞而预测出最佳切换目标。智能移动技术实现了整体掉话率降低1.2%，以及频间切换失败率降低10.9%。 正在利用稳健的无线接入网络（RAN）专业知识和从4G功能中获得的AI学习经验。我们已经在人工智能和自动化的高级阶段开始了新的功能开发。 通过这些人工智能驱动的功能，爱立信显著提升了网络性能，解决了用户体验、网络效率、可靠性和资源管理方面的挑战。在从4G过渡到5G的过程中，我们 电信行业在长期演进（LTE）网络优化过程中开始整合人工智能。爱立信处于行业前沿，开发人工智能功能，如移动优化和链路适配以提升频谱效率，以及多输入多输出（MIMO）睡眠模式以最大化能源效率，并实现休眠小区。 为了提高可靠性进行检测。利用我们在全球市场上的影响力，优化客户网络并获取洞察，我们已经开发了针对电信业的机器学习操作（MLOps），以确保和重新训练人工智能模型，以实现最顶级的人工智能原生功能。 人工智能与自动化领域的新架构 我们有多个实例展示了在本架构中实施AI的好处，这些例子利用了先进的无线电能力（分布式自动化），通过rApps（集中式自动化）进一步通过网络级别提升改进。小区形状调整是该方法的其中一个例子。小区形状调整是指让系统适应并更新无线电信号的波束形状。我们拥有多种用于优化的无线电功能，例如干扰感知[3该特性荣获GTI奖，该特性可最小化小区间干扰，并提高与爱立信小区形状应用结合时的工作小区容量40%。 优化自动维持网络演变和流量分布变化时的最佳设置，从而分别在上行链路和下行链路中实现30%和5%的更高吞吐量。针对同步信号块（SSB）的宽带成形技术是一个关键推动者[4]. 远程电气倾斜（RET）被使用和控制，rApp优化用于提高覆盖范围、最小化小区间干扰以及分配流量以提高网络利用率。 同时调整了主动天线系统（AAS）的倾斜（垂直平面）和水平波束宽度。在一家一级欧洲运营商的密集城市网络中进行的实地试验结果表明，故障率降低了约47%。 无论全球应用程序在哪里下载、安装和启动，都需要了解可用的网络连接和当前已购买的套餐。可编程网络不仅使应用服务提供商能够利用5G网络以提升应用程序，同时允许通信服务提供商（CSP）提供定制计划和灵活的支付选项。它为CSP打开了一种管理其收入和投资的新方法，并通过网络暴露和API使移动网络能够演变为创新的平台。 爱立信的Cell Shaping rApp利用强化学习根据每个小区及其影响区域的特点来调整小区形状。持续闭环 爱立信关于高性能可编程网络的概念是具有增强功能的移动网络，这将使服务提供商能够为更高效的运营和敏捷地创建新服务创造新的商业模式。为了实现更高水平的自动化，网络正朝着一种被称为意图驱动的网络的概念发展。在这种方法中，服务提供商只需指定他们的业务目标，网络本身就会将这些目标转化为必要的行为。 这些网络以5G独立（SA）作为基础，遵循标准架构（3GPP、TM Forum和Open RAN），结合新的软件技术和人工智能，以实现高级自动化和SLA意识。 作为开放无线接入网（Open RAN）架构的一部分，rApps是控制慢环的软件元素。它们托管在爱立信智能自动化平台（Ericsson Intelligent Automation Platform，简称EIAP）上，该平台代表了爱立信对开放无线接入网规范的服务管理和服务编排平台（Service Management and Orchestration，简称SMO）的实现，并增加了额外的功能。 快速控制回路和利用慢控制回路模型进行长期预测。然而，在延迟和计算严格的无线接入网（RAN）环境中，随着控制速度的提高，训练和推理变得更加具有挑战性。因此，在RAN中使用人工智能需要专门的RAN软件和硬件知识，以及为RAN的独特需求量身定制的AI解决方案，而不是通用的即插即用AI工具。 AI在RAN中的应用旨在利用机器学习（ML）算法和RAN中的数据来实现数据驱动的决策，这些决策可能以预测、洞察或控制动作的形式出现，以增强或取代RAN功能中使用的基于规则的方案。 有效的RAN机器学习算法需要接触到代表性的数据，并在有效数据集上进行训练，以准确预测观察到的和未观察到的数据。在RAN中，模型可以使用各种时间尺度生成预测。 爱立信的无线接入网（RAN）人工智能（AI）提案 人工智能发展阶段 实现高性能可编程网络的愿景将是一个分为四个阶段的演进旅程： 1. 基于规则的解决方案在RAN软件中使用阈值进行简单预测，并基于信道条件、流量水平等因素控制资产。这些解决方案一直是RAN软件在各个世代（1G-3G）中的基础。 3. AI原生功能更深入地整合AI，根据交通模式、变化和系统能力等多种因素控制多个功能。 4. 以意愿驱动、人工智能原生的RAN在RAN（无线接入网络）中广泛扩展AI的影响，例如实现不同RAN领域之间的协调，如能源效率、交通管理、频谱效率等。 2. 智能增强功能包含一个独特的AI组件，该组件提供高级功能，例如根据过去的模式做出复杂的预测。如果需要，可以轻松停用。 爱立信正在其无线接入网（RAN）产品组合中构建AI，涵盖L1、L2、L3层（根据OSI模型），利用关键AI能力以继续按照第3章所述的演进。 基于爱立信在人工智能领域的长期经验，有三个主要的应用场景，其中人工智能能够带来无与伦比的价值和较高的投资回报率： 迈向AI原生无线接入网（RAN）解锁显著优势： 人工智能独特应用场景 • 优化决策：人工智能可