AI在无线接入网（RAN）中提升电信服务提供商（CSPs）的网络性能。

AI在无线入网（RA 可执行洞见 2爱立信RAN中的AI价值爱立信RAN中的AI价值3 内容 摘要4 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 爱立信在无线入网（RAN）中AI提案10 挑战与人工智能在无线入网（RAN）领域CSP旅程的成功因素14 可操作见解与建议18 作者。20 executivesummary 爱立信RAN中AI价值 爱立信RAN中AI价值 在多个行业中，人工智能（AI）通过增强现有解决方案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途径。 电信服务提供商在人工智能方面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AI预计将从2023年22亿美元市场收入增长到2030年195亿美元。1 AI解决方案在高水平、慢控制循环中实施所带来挑战导致了更多人工智能解决方案在快速控制RAN中发展。这些挑战包括对实时处理需求和验证解决方案复杂性。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收益，以降低网络复杂度和运营成本同时提高整体性能。 人工智能在无线入网（RAN）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。数据驱动人工智能旨在利用来自无线入网络（RAN）数据，通过机器学习（ML）算法来推动网络优化和管理。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ML模型。 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AIMIMO睡眠功能2该功能在每站点实现了14能源消耗节省，优于人工管理。另一个例子是AI驱动链路适配功能，该功能利用相邻小区信息，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116，现场测量小区边缘DL吞吐量增加了50 ）。 我们在与通信服务提供商（CSPs）合作中观察到，采用人工智能需要良好数据操作理解能力和强大开发团队。我们丰富经验使我们能够分享有价值见解 ，以加速整个无线入网（RAN）控制环频谱范围内人工智能采用，并利用现有网络架构克服采用挑战。 在爱立信，我们AI之旅始于通过数据和机器学习算法增强我们基于规则功能，从而实现高性能AI赋能特性 。变革性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部分。现在，在无线入网（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之旅重要组件，从智能产品助手开始。 在通信服务提供商（CSPs）AI之旅中，至关重要 是关注在收益更为显著且传统解决方案可无缝替代 情况下利用AI，以最大化CSP投资回报率（ROI ）。在每一步中， 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。在我们战略中，人工智能是无线网络内在一部分。本文旨在为正在探索其人工智能和自动化旅程 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网络，其中人工智能模型持续适应以满足特定用户体验和能源效率目标。这种范式转变旨在以成本效益方式提供卓越客户体验并支持基于性能业务模式。 旅程中，随着AI获得新功能和解决特定挑战（包括对高可靠性和低延迟要求，以及分布式计算需求），其增值能力不断提高。 管理日益增长网络复杂性 性能与可持续性 虚拟化与物理部署混合 高级无线电台 驱动新商业机遇 可编程网络意图驱动操作新5G应用案例 利用数据驱动决策 数据管理Al规模化 生成式AI 利用开放性 开放标准 生态系统中创新 多供应商 参数西北数据参数NW数据参数西北数据意图西北数据 基于规则特性 AI驱动功能 AI原生特性 以意图驱动AI本地RAN 图1：无线电入网络（RAN）旅程中人工智能四个阶段 1人工智能在构建可持续和节能电信网络中作用ABIResearch技术分析报告，2024年4月29日2自动化MIMOMIMO机器学习和人工智能爱立信 图2：RAN中AI机会 6 AI旅程始于4G，并随着5G不断发展而持续。 爱立信RAN中AI价值 爱立信RAN中AI价值7 爱立信在以下领域利用人工智能： 为重度用户提升吞吐量（链路适配）：AI预测如何最提高能源效率（MIMO睡眠时间）： 佳处理无线电信道条件、流量模式和用户需求，使网络AI预测交通模式和蜂窝使用情况。基于这些预测，网能够动态调整无线电链路配置，为重用户实现116络可以在蜂窝中激活或停用MIMO功能，在不影响性吞吐量提升，该提升由CSP在实地测量得出。能前提下优化能耗。我们已估算每个无线电站点最 多可减少14能耗。 提高切换速度和降低掉话率（移动性）：人工智能系网络异常检测：人工智能持续分析网络行为，以识别统因覆盖差、用户移动和网络拥塞而预测出最佳切换目可能表明潜在问题（如休眠细胞（无流量细胞））不标。智能移动技术实现了整体掉话率降低12，以及频寻常模式。早期检测允许采取纠正措施，以保持最佳网间切换失败率降低109。络性能。我们已使用人工智能驱动先进细胞监控，测 量了超过95休眠细胞检测率。 通过这些人工智能驱动功能，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挑战。在从4G过渡到5G过程中，我们 基于规则特性 正在利用稳健无线入网络（RAN）专业知识和从4G功能中获得AI学习经验。我们已经在人工智能和自动化 增强型Al功能 高级阶段开始了新功能开发。 本地原生特性 意图驱动 AI本地RAN 双连优化 细胞形状塑造 蜂窝搜索选择 AI原生流量引导 可持续性 性能 人工智能规模化 高复杂性用例 睡眠模式功能 链路适配MCS选择 AI原生L2调度器 MIMO休眠模式 自动节能器 运营效率提高，上市时间缩短和网络性能改善 图3：高级人工智能无线电特征演进 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，以实现最顶级人工智能原生功能。 89 人工智能与自动化领域新架构 我们有多个实例展示了在本架构中实施AI好处，这些例子利用了先进无线电能力（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波束形状。我们拥有多种用于优化无线电功能，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最佳设置，从而分别在上行链路和下行链路中实现30和5更高吞吐量。针对同步信号块（SSB）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。 爱立信关于高性能可编程网络概念是具有增强功能 移动网络，这将使服务提供商能够为更高效运营和敏捷地创建新服务创造新商业模式。为了实现更高水平自动化，网络正朝着一种被称为意图驱动网络概念发展。在这种方法中，服务提供商只需指定他们业务目标，网络本身就会将这些目标转化为必要行为。 这些网络以5G独立（SA）作为基础，遵循标准架构（3GPP、TMForum和OpenRAN），结合新软件技术和人工智能，以实现高级自动化和SLA意识。 无论全球应用程序在哪里下载、安装和启动，都需要了解可用网络连和当前已购买套餐。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支付选项。它为CSP打开了一种管理其收入和投资新方法，并通过网络暴露和API使移动网络能够演变为创新平台 。 爱立信CellShapingrApp利用强化学习根据每个小区及其影响区域特点来调整小区形状。持续闭环 智能细胞塑形 同时调整了主动天线系统（AAS）倾斜（垂直平面）和水平波束宽度。在一家一级欧洲运营商密集城市网络中进行实地试验结果表明，故障率降低了约47。 作为开放无线入网（OpenRAN）架构一部分，rApps是控制慢环软件元素。它们托管在爱立信智能自动化平台（EricssonIntelligentAutomationPlatform，简称EIAP）上，该平台代表了爱立信对开放无线入网规范服务管理和服务编排平台（ServiceManagementandOrchestration，简称SMO）实现，并增加了额外功能 。 默认单元格形状优化后细胞形状 吞吐量，延迟， 意图报告 能源效率 andmore rApps 服务管理与编排平台 集中式自动化 1秒时间尺度 由创新SSB宽波束技术驱动 图5：使用CellShapingrApp和高级MassiveMIMO无线电改进 高达35细胞增加边缘速度 Distributedaut无m内at容i无可n内翻容译可。翻译。 MilHsligFeclvl在oadultti上meemfsdicaceacleisi 您h提y供um文o本ot内容无不n内足s容可翻译。 RANSW 计算 全网协调 可供使用时间更多。制定复杂决策 人机交互 快速控制回路和利用慢控制回路模型进行长期预测。然而，在延迟和计算严格无线入网（RAN）环境中，随着控制速度提高，训练和推理变得更加具有挑战性 AI在RAN中应用旨在利用机器学习（ML）算法和RAN中数据来实现数据驱动决策，这些决策可能以预测、洞察或控制动作形式出现，以增强或取代RAN功能中使用基于规则方案。 。因此，在RAN中使用人工智能需要专门RAN软件和硬件知识，以及为RAN独特需求量身定制AI解决方 以进行翻译，因此直返回原文： iu 无线电台 设备 有效RAN机器学习算法需要触到代表性数据，并在有效数据集上进行训练，以准确预测观察到和未观察到数据。在RAN中，模型可以使用各种时间尺度生成预测。 案，而不是通用即插即用AI工具。 图4：可编程网络（RAN域）AI驱动架构 3爱立信干扰感知软件荣获GTI认可 45G大规模MIMO中宽带成形技术爱立信 1011 人工智能发展阶段 实现高性能可编程网络愿景将是一个分为四个阶段演进旅程： 1基于规则解决方案在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（1G3G）中基础。 3AI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。 2智能增强功能包含一个独特AI组件，该组件提供高级功能，例如根据过去模式做出复杂预测。如果需要，可以轻松停用。 4以意愿驱动、人工智能原生RAN在RAN（无线 入网络）中广泛扩展AI影响，例如实现不同RAN领域之间协调，如能源效率、交通管理、频谱效率等。 爱立信无线 入网（RAN ）人工智能（AI）提案 迈向AI原生无线入网（RAN）解锁显著优势： 扩展性：人工智能能够高效地处理越来越多复杂优化决策：人工智能可以根据大量数据实时做出意图，而基于规则系统则无法管理更高层次复杂性决策，从而实现更高效和优化网络运营。 。 基于爱立信在人工智能领域长期经验，有三个主要 应用场景，其中人工智能能够带来无与伦比价值和较高投资回报率： 人工智能独特应用场景 AI独特适用场景意味着特定AI工具将带来