5G网络AI应用典型场景技术解决方案白皮书

5G网络AI应用典型场景技术 解决方案白皮书 中国移动通信集团有限公司 2024年6月 新一轮科技革命和产业变革深入发展，信息和能量融合创新纵深推进，数据、算力、AI共同构成新质生产力的重要驱动因素。 随着业务应用及场景的多样化发展，5G通信技术面临信道模型更复杂、数据处理更庞杂、网络需求差异大、跨域融合要求高等挑战。AI技术具备的海量数据分析能力、复杂任务处理能力、灵活适配能力、智能决策能力，可以有效增强5G网络能力。 中国移动提出“5G网络AI应用”技术方案，旨在将5G通信技术与AI应用相融合，构建“内生智能”的核心能力，解决5G网络发展的重大挑战，实现网络提质增效，推动网络向以智为先方向演进，目前已在基于业务的体验升级、智能网络优化、智能网络节能、5G+AI用户画像、基于客户及特定场景的资源保障等方向进行重点布局，后续将驱动“+AI”向“AI+”跨越式发展，推动5G网络与AI技术双向赋能，助力经济社会数智化转型。 本白皮书由中国移动计划建设部委托中国移动研究院编制，联合华为、中兴、中信科移动、爱立信、诺基亚、高通、MTK、小米等公司共同撰写。 本白皮书版权归中国移动所有，未经授权，任何单位或个人不得复制或拷贝本建议之部分或全部内容。 目录 1.5G网络AI应用简介1 1.1发展背景1 1.2技术挑战1 1.3技术原理2 1.4发展规划5 2.5G网络AI应用高价值场景及解决方案6 2.1无线网络AI应用6 2.1.1无线网络AI应用技术架构6 2.1.2基于业务的体验升级场景7 2.1.3智能网络优化场景11 2.1.4智能网络节能场景20 2.2核心网智能控制面AI应用22 2.2.1核心网智能控制面AI应用技术架构22 2.2.2基于业务的体验升级场景23 2.2.35G+AI用户画像场景24 2.2.4基于客户及特定场景的资源保障场景26 3.5G网络AI技术演进愿景27 3.1无线网络AI技术演进28 3.2核心网智能控制面AI演进29 3.3终端及芯片AI技术演进31 4.总结与展望33 缩略语列表35 参考文献36 参编单位及人员39 1.5G网络AI应用简介 1.1发展背景 随着移动网络应用新业务的多样化和蓬勃发展，从传统语音、数据、视频等业务到新兴裸眼3D、XR等业务的高速率低时延要求，以及行业应用对大上行、精准定位等的新质要求，运营商对用户业务质量的多样性保障提出了更高的期望。与此同时，AI技术的快速发展，AI在数据分析、模型构建、智能决策等领域的能力持续增强，也将会加速5G+AI的融合，发展趋势将智能化由外挂叠加变成智能内生一体。网络中的AI应用将泛化升级，由用例为中心走向智能化能力为中心，实现业务、体验和网络规建维优的全面升级。 未来三年，全球91%的运营商计划将网络智能化纳入其战略并持续投资，5G+AI将加速运营商智能化。在过去不久的2024年世界通信大会上，很多电信运营商也展示了他们在移动网络智能化方面的实践，如德国电信DeutscheTelekom、法国电信Orange等运营商展示了关键智能化网络AI应用，涉及运维和网络优化等方面，聚焦网管层面实现AI应用，旨在提高人工效率，进而提升网络性能。 与此同时，作为技术领航者的国内外标准或行业组织，如3GPP(3rdGenerationPartnershipProject,第三代合作伙伴计划)、GTI（GlobalTD-LTEInitiative，TD-LTE全球发展倡议）、TMForum(TeleManagementForum，电信管理论坛)、ETSI（EuropeanTelecommunicationsStandardsInstitute，欧洲电信标准化协会）、CCSA(ChinaCommunicationsStandardsAssociation，中国通信标准化协会)等，都已经在各自负责的技术领域上启动了AI智能化的标准化工作，并且积极通过联合会议、联络函等形式进行了跨标准组织的技术分享。 1.2技术挑战 5G及5G-A可提供更高的数据传输速率、更低的延迟、更广泛的连接、更强大可靠的性能以及更加极效智能的网络，满足日益增长的数字化需求，对网络提出新的技术挑战： 1、信道模型更加复杂。在网络覆盖到工业封闭园区、低空等特殊场景后，传统覆盖地面的信道需要延展到密集大型封闭空间、低空等，造成信道模型复杂度提升； 2、数据处理更庞杂。除了传统的通信性能指标、基站及核心网数据等，还需持续引入业务体验数据、用户行为数据等，此外数据粒度也会从15分钟级统 计细化到1分钟级，个别特殊场景到秒级数据，该变化会引来数据分析量成倍增加； 3、网络需求差异大。较之4G网络主要关注下行速率，5G网络还需要关注时延、接入用户数、SLA保障等多种网络要求，不同业务、场景对网络需求差异化大。 4、跨域融合要求高。从传统通信方案只关注单域能力，伴随网络演进水平维度需要考虑网络、终端及业务的协同，垂直维度需要考虑感知能力、业务特征等因素与通信能力的匹配。 基于以上挑战和发展趋势，引入AI技术，充分利用AI技术优势。在海量数据分析方面，AI本身包含大量数据处理算法，从中提取有价值的信息和规律，提供决策支持和业务洞察。在智能决策方面，通过挖掘数据潜在关系并构建智能化模型，赋能网络在复杂和不确定的环境中做出更准确、更高效的决策。在算法模型方面，可以借助深度学习、强化学习、迁移学习等多种AI算法模型，实现不同任务类型的处理，如问题分类、时间序列预测等能力，以实现对复杂任务的学习和处理。 1.3技术原理 通过分析网络场景化的问题，将网络问题转为数学问题，并有针对性的引入AI技术，典型应用场景技术原理及价值如下： 1、基于业务的体验升级 无线侧将AI技术应用在移动网络中将有助于更精准地预测业务特征、用户行为、移动性、信道环境等信息，最终通过更智能的资源管理与调度机制达成更好的服务质量和用户体验，实现更好的公平性和系统资源利用率，既可以针对某一模块算法提升性能，也可以优化整个端到端通信系统,促进移动通信网络性能的进一步提升。 图1.3-1基于业务的体验升级 核心网侧通过构建基于NWDAF（网络数据分析功能）的核心网网络智能化架构，可定制化感知用户业务体验及网络状态实时数据，开展智能综合分析，并反馈实时保障策略给PCF（策略控制功能）从而建立专载智能保障，有效提升特定用户/业务的按需体验，实现体验升格。 2、智能网络优化 当前运维系统中各个功能独立存在，人为编排组合系统功能需要进行多次交互，并且严重依赖于运维人员的技能，导致运维效率低，运维成本高。面向未来，借助AI技术，实现从以“功能”为中心到以“任务”为中心的运维模式转变，让系统去适应运维人员，为运维系统注入统一知识模型。运维人员通过自然语言与系统进行意图交互，系统能够根据人的意图，自动地编排组合使用功能来完成目标。此外通过AI技术，实现对网络资源差异化、精细化的编排，提高网络性能，实现通信资源合理化应用。 图1.3-2智能网络优化 3、智能网络节能 利用AI技术可对网络业务进行深度学习，识别出对体验敏感的业务（如VoNR语音通话及高清视频通话、实时游戏等）。基于业务识别结果，动态调整业务优先级，结合基于用户行为预测、网络负载预测等更多AI技术，可以提前为体验敏感业务预留足够的通信管道资源（如带宽、RB等），防止节能措施引发的资源紧张对业务体验造成负面影响。同时，根据业务流量的时空分布特性，精确预测全时段内的网络负载和能耗需求，动态调整网络资源分配和节能策略，实现从闲时到忙时的平滑过渡。通过上述AI技术的实施，可以在移动网络实现体验与节能的高效协同，显著降低网络能耗，同时确保关键业务的优质体验不受影响。随着AI技术的不断发展和完善，网络的智能化节能将成为降低运营成本、实现绿色通信的重要手段。 4、5G+AI用户画像 图1.3-3智能网络节能 利用AI技术，结合用户访问位置、业务流量等网络数据生成用户画像，实现个性服务推荐和用户行为预测。现阶段运营商的网络资源分配策略不足以满足用户多样化、个性化需求，存在响应速度慢、难以快速识别和处理潜在安全风险等问题问题。利用核心网智能控制面的AI能力，并通过NWDAF（网络数据分析功能）对数据的实时采集，可以实时分析用户行为，生成精准用户画像，形成个性化网络资源分配策略，动态优化不同用户服务优先级，不断提高个性服务推荐的精准度，进而提升用户满意度。同时，用户行为异常检测、预测等AI能力能够实时分析和识别用户行为数据中的异常情况，预测潜在风险，为用户提供实时的安全预警和风险防护方案，保障用户安全。 5、基于客户及特定场景的资源保障 高铁、景区、赛事等重点场景期间，用户会在相对集中地区，同一时间段同时使用网络，导致高流量冲击、资源分配不均等网络拥塞问题。利用AI技术可以精准预测流量需求，动态实时调度网络资源，实现重点场景高效保障。面向高 铁、景区等固定地理位置的场景，当前网络主要面临用户流量集中、需求高峰显著、网络资源分配不均等问题，核心网智能控制面的AI能力通过历史数据分析和实时数据采集可以提供精准的流量预测、智能化的资源分配和优化、以及实时的网络状态监测与调整，从而保障固定场景下的网络服务质量。面向重大活动、赛事等灵活地理位置的场景，当前网络主要面临临时高流量冲击、网络部署时间紧迫、网络资源难以灵活调配等问题，核心网智能控制面的AI能力可以基于实时流量监测和历史数据分析，预测重大活动和赛事期间的流量需求，并提前调度网络资源，通过自动化的网络规划和部署工具，快速完成网络部署和优化、以及智能化的网络状态监测与调整，实现对灵活场景的高效保障。 后章节会针对以上典型应用场景，关键技术及价值进行详细阐述。 1.4发展规划 网络AI技术分两个大的分支，分别为AIforNetwork和NetworkforAI。AIforNetwork中AI用于满足移动网络新指标的关键路径，赋能网络并提升网络运行效率；另一方面NetworkforAI中移动网络是实现AI泛在普惠的基础平台，使能AI成为泛在化的社会级服务，即网络能提供什么能力服务于AI。基于以上两个技术方向规划如下： 2024年至2026年重心仍聚焦AIforNetwork方向，针对移动网络AI下价值应用的持续研发。AI价值应用场景主要包含：基于业务的体验升级、智能网络优化、智能网络节能、5G+AI用户画像和基于客户及特定场景的资源保障，以上技术方向预期在2025年相对成熟，结合验证效果推动规模商用。2024年会同步启动新技术与AI技术的结合，包含通感一体、低空经济、数字孪生、空口AI等，如通过AI对低空飞行的目标进行更高精度识别，甚至判别为无人机或飞鸟。目前相关研究还处在理论研究阶段，预期2025年开展实验室验证。 2025年同步会启动NetworkforAI方面技术探索，随着AI可以应用到工业、教育、等更多领域和场景，并且AI技术的飞跃发展，AI模型增大，运行空间增加，AI对底层资源要求也与日俱增。在该背景下，技术方向下需要研究网络在算力、存储、数据、模型管理等多个领域能为AI提供的关键技术。 此外,3GPP标准也同步进行AI的相关研究。R18标准基于分布式智能架构、新型分析机制、跨域智能协同、AI/ML的网络节能、负荷均衡、以及移动性优化应用进行讨论;R19聚焦业务质量智能决策、信令风暴预防、空口AI架构以及CSI反馈、波束管理、精准定位等应用，同步实现核心网与无线网的数据分析收集和训练模型。 2.5G网络AI应用高价值场景及解决方案 2.1无线网AI应用 为了迎接网络发展遇到的挑战，通过把AI应用能力融入无线网络业务发展、性能提升、网络优化运维和绿色节能等方面，实现智能化业务感知及保障、智能网络优化、智慧节能等能力，推动网络向以智为先方向演进。 2.1.1无线网AI应用技术架构 随着无线AI应用演进，国际国内通信标准组织也开展了积极的讨论，对无线网元以及网管的A