爱立信 | 如何在移动网络中部署人工智能
概述
人工智能（AI）正在改变网络的构建、运营和盈利方式，成为通信服务提供商（CSPs）管理网络复杂性、提升运营效率和差异化服务的战略要务。爱立信通过将AI深度集成到无线接入网（RAN）栈和通用软件本报告阐述了在移动网络中部署人工智能的方法，区分了“面向网络的AI”（利用AI提升网络性能和自动化）与“为人工智能而构建的网络”（提供可编程的高性能基础设施支持AI驱动型应用）。
电信领域的AI：用于网络的AI和网络为AI
AI通过提高网络效率和使能全新的人工智能应用改变网络。爱立信通过清晰的术语区分这两个变革性角色：“网络人工智能”指的是利用AI技术来提升网络运营和性能，“人工智能网络”则描述了高性能可编程网络如何通过实现基于人工智能的新应用。
广泛的人工智能解决方案
爱立信提供广泛的AI解决方案，包括生成式AI用于支持网络运营、软件开发和开发者赋能；自主人工智能将使网络能够根据意图做出自主决策；强化学习优化无线资源分配，利用实时网络数据提高频谱效率和用户吞吐量；数字孪生用于模拟和训练人工智能模型以及部署新功能以防止任何KPI退化；智能RAN自动化管理5G复杂性；由人工智能和机器学习驱动的网络支持服务。
通往6G的演进之路
爱立信在4G中开创了AI RAN的演进，正迅速向6G部署前的AI原生架构演进。这种转型代表了从AI作为附加增强到AI作为完整设计基础的根本性转变。爱立信5G先进产品组合中的AI原生链路适配功能，其中每个传输的调制和编码方案的实时选择过程由嵌入在RAN软件中的AI原生模型处理。
数据策略：高质量数据驱动性能
数据驱动人工智能模型。更高质量的数据意味着更好的训练算法。一个好的数据战略对于为特定目的选择最佳的人工智能技术是基础。数据的可用性和质量可以限制可以使用的AI技术。包含监督学习、强化学习和具有AI代理的神经网络的AI技术。
根据用例选择最佳人工智能技术
不同的学习范式可以因具体应用场景而异。爱立信的AI模型提供了一个独特优势：它们在全球范围内使用真实网络数据进行训练，因此部署时已经能够提供强大性能——并在CSP自身的网络环境中进一步优化。例如，基于强化学习的模型需要将探索整合到控制循环中。模型必须主动尝试新动作，在动态环境中发现更好的策略和最优解。
人工智能驱动的硬件演进
爱立信的硬件平台不断发展，以支持日益增多的AI原生软件功能和连接设备，并在每一代产品中提供增强的性能。爱立信的硬件架构方法支持两种硬件变体或架构：专为设计、采用爱立信硅的 RAN 计算，以及当前基于爱立信生态系统合作伙伴的 x86 的云 RAN 计算。
部署架构：最大化价值
爱立信评估每一层的投资回报率（ROI）和部署挑战——无论是在专用构建还是云RAN环境中。人工智能正在改变电信格局，为通信服务提供商（CSP）提供强大的新方法来提升网络性能、简化运营和降低复杂性。但除了这些内部收益外，人工智能也正在为完全新的收入机会打开大门。
边缘数据中心的潜力
边缘计算可以被视为CSP现有网络能力的扩展。机器智能驱动移动功能：60% 更快的交接决策，11% 更少的跨频交接失败（北美），整体掉线率降低 1.2%。边缘数据中心能够支持先进的 AI 应用，提供比集中式位置更低的延迟，并确保数据主权。
在有意义的地方由人工智能执行
人工智能模型训练和推理需要高级存储和处理。为了满足这些需求，人工智能应该在最具效力的地方部署——作为中心化的rApps或分布式在无线电站。对于像优化或修复这样的网络级任务，这些任务在数秒或更长时间内运行，边缘计算专注于将计算资源更靠近数据生成的位置。
未来战略与新兴机遇
移动网络的新增长预计将由高性能5G网络驱动，这些网络服务于AR眼镜等新设备，以及可扩展的多模态生成式人工智能（GenAI）应用。爱立信的AI战略旨在解锁电信转型两个维度的价值：AI赋能网络，网络赋能AI。
爱立信的AI就绪平台
爱立信的愿景是构建高性能、可编程的网络，这些网络节能高效、感知服务并受意图驱动，其中人工智能是关键使能者。爱立信的AI就绪平台，由爱立信硅和爱立信多核架构（EMCA）驱动，通过大规模并行处理能力和对AI工作负载的快速执行，实现了实时本地化AI执行。
