爱立信无线接入网（RAN）AI提案研报总结
摘要
人工智能（AI）在无线接入网（RAN）中的应用正推动网络向意图驱动和AI原生方向发展。爱立信的AI之旅始于4G，通过数据和机器学习算法增强基于规则的功能，并发展为AI原生特性。AI在RAN中的应用包括提高能源效率、提升用户吞吐量、网络异常检测和改善移动性等方面。爱立信已成功部署AI驱动的解决方案，如AI MIMO睡眠功能（每站点节能14%）和AI链路适配功能（重度用户吞吐量提升11.6%）。AI在RAN中的应用需结合无线网络数据和软件专业知识，并遵循最小化复杂性、持续发展现有网络和确保可扩展性等原则。
AI在RAN中的应用
AI在RAN中的应用旨在利用机器学习算法和RAN数据实现数据驱动决策，包括预测、洞察和控制动作。爱立信的AI提案涵盖L1、L2、L3层，并强调AI在优化决策、扩展性和多目标用例中的独特价值。AI在RAN中的应用需考虑数据管理、生命周期管理和硬件部署等挑战，并遵循最小化复杂性、持续发展现有网络和确保可扩展性等原则。
AI的旅程发展阶段
爱立信将高性能可编程网络的演进分为四个阶段：
- 基于规则的解决方案：使用阈值进行简单预测和控制。
- 智能增强功能：包含AI组件提供高级功能。
- AI原生功能：深入整合AI控制多个功能。
- 意图驱动、AI原生的RAN：广泛扩展AI影响，实现不同RAN领域的协调。
AI的独特应用场景
爱立信认为AI在以下三个应用场景中具有显著价值：
- 高复杂度用例：如链路适配功能，需考虑多种因素找到最佳信号调制方式。
- 多目标用例：如处理切换选择，需在复杂约束下寻求最佳解决方案。
- 扩展性用例：如AI原生网络优化，需高效处理复杂意图。
生成式AI的应用
生成式AI通过基于Transformer的神经网络生成新数据，可用于客户支持等领域。爱立信利用生成式AI开发产品助手，帮助通信服务提供商（CSPs）高效使用产品。
挑战与成功因素
CSPs在采用AI技术时面临的主要挑战包括：
- 数据管理：高效、安全地管理大量数据。
- 硬件挑战：新的硬件需求，如存储容量和处理能力。
- 生命周期管理：采用未来适应性工具。
成功实施AI的关键因素包括：
- 制定连贯的战略，明确目标并确保内部协作。
- 早期采用AI技术，获得竞争优势。
- 网络现代化，向未来兼容AI原生架构发展。
- 选择具有未来适应性的架构，解锁当前和未来的AI机遇。
生态系统对AI原生网络的支撑
爱立信与人工智能行业的领先公司合作，利用云硬件和云功能，并推动标准化。爱立信是AI-RAN联盟的创始成员，致力于实现利用AI增强RAN。
研究结论
AI在RAN中的应用将显著提升网络性能、降低运营成本并改善用户体验。爱立信的AI提案和解决方案为CSPs提供了可行的路径，通过数据驱动和智能技术实现网络现代化和转型。
