作为通信人，我们究竟该如何看待AI?

上个月，我写过一篇文章，介绍5G和云计算、大数据、人工智能之间的关系。里面我有提到，5G将开启“万物互联”时代，汇集海量数据，为AI人工智能提供支撑。

今天，我想反过来介绍一下，AI究竟会给5G以及通信行业带来怎样的影响。

毫无疑问，AI是目前最受关注的前沿科技，也是最热门的研究方向。

经过几十年的探索和发展，AI在图像识别、语言识别、智能控制等领域取得了重大突破。现在，越来越多的行业都开始研究AI，拥抱AI，希望借助AI，给自己赋能。

通信行业也不例外。

这些年，包括设备商和运营商在内的很多通信企业，都加大了对AI的研究投入，希望能探索出“通信+AI”的未来场景，抢占先机。

尤其是运营商，对AI简直是“望眼欲穿”。

1 通信行业为什么需要AI?

通信行业对AI的迫切需求，是由网络发展的现状和未来决定的。

经过2/3/4G的发展，我们现在所面对的通信网络，是一个空前复杂的异构多域网络。各种技术混杂其中，网络架构臃肿，业务流程繁琐，给维护带来了巨大的压力。

如今，我们又要面临5G的到来。

5G，作为新一代移动通信标准，带来了网络性能和灵活性的大幅提升。但是，它同样也带来了网络复杂程度的进一步提升。

在空口方面，5G使用了更高的频段，更灵活的空口资源划分方式，而且引入了Massive MIMO天线阵列技术。波束赋形如何有效控制，空口效率如何优化提升，给工程师们出了难题。

Massive MIMO天线阵列

在网络架构方面，因为SBA(微服务)、NFV/SDN和切片技术的引入，网络变得灵活是没错，可是，维护的难度也变得更大了。虚拟机、切片资源的管理调度，网络参数的修改调整，都是非常繁琐的工作，风险也很大。

5G网络架构

5G带来的这些变化，如果继续采用传统的运维方式，继续依赖人工，肯定无以为继。通信运营商，作为网络经营的主体，一方面要承担高昂的网络运营成本，另一方面还要投资建设5G，资金压力更大，面临发展拐点。

因此，必须借助AI，构建新的通信网络经营模式。甚至，我们的网络要进化到更高级的形态——智能自治网络，才能应对挑战。

2 通信行业适合AI生长吗?

通信行业对于AI来说，是一块肥沃的土壤。

AI的四大要素(数据、算力、算法、场景)，通信全部可以提供完美的支持。

数据

数据，是AI之源。我们说人工智能，机器学习、深度学习，学的是什么?就是数据。

换句话说，数据就是喂养AI的饲料。数据越多，AI越强。

什么行业数据多?当然是IT和通信啊。

我们的通信网络，几百万设备，几十亿手机终端，将来还有几百亿物联网终端，每天都在产生大量的数据。

这些数据里面，既有用户的数据，也有网络自身的管理和运营数据。数据格式比较统一，颗粒度也比较小，非常适合作为学习样本。

而且，我们通信网络本身就具有连接属性，可以很方便地将数据进行搬运采集。

算力

这个就更不用说了。运营商本身就有大量的数据中心(DC)，有大量的云计算资源。这些资源，可以为AI提供强大的算力支撑。

除了云计算中心，未来还有大量的边缘计算中心，也能够提供灵活的算力。哪怕是手机这样的用户终端设备，现在也拥有相当强的AI算力。

算法

通信行业在AI算法开发上也是有先天优势的。

通信网络的很多场景都有极强的规律性，也有很多现成的工作模型。这些都可以为AI算法模型提供参考依据。

3 哪些通信场景，可以使用AI?

前面说了数据、算力和算法。接下来，我们重点说说场景。

所谓场景，就是要搞明白——AI到底能帮助5G和传统通信做哪些事情?

国内外各大标准组织对AI在通信领域的落地场景，都有各自不同的定义。

下面这个，是ETSI ENI定义的场景：

这个，是GSMA的定义：

看着有点多，小枣君稍微整理了一下，大概包括以下几个类别：

无线网络优化

告警分析

流量预测

网络切片管理

网络能耗控制

网络安全防护

我们分别来介绍一下。

无线网络优化

移动通信网络的网络优化，直接影响到用户的网络体验，一直是运营商的工作重点。

说白了，如何用最少的钱，让大家拥有最好的信号，是运营商每天绞尽脑汁在做的事情。

无线网络的优化和固定网络有很大的不同。电磁波在空间中传播，存在很多的不确定性。无线场景复杂多样，外部干扰千奇百怪，信道变化随机性强。

为了做好网络优化，运营商不得不投入大量的资金和人力，聘用或租赁人数众多的网优工程师，专门从事信号质量测试以及调参等网优工作。

采用AI的话，可以借助算力，在海量的网优数据中抽取隐含的关联特征和规则，然后建立算法模型，优化参数调整策略，提高网络资源利用率以及网络容量。

设备商展示的AI无线网络优化方案

AI不仅可以用于已建成网络的质量优化，在网络早期规划建设阶段，就可以引入AI，帮助提升规划的合理性，降低后期成本。

目前，AI算法主要应用在多维智能分析和智能价值评估两个流程中。智能规划全流程(《智能自治网络案例报告》，GSMA)

值得一提的是，无线网络优化确实是比较复杂的场景，有时候甚至人类都难以辨别和归类。所以，早期阶段的传统AI算法，建模准确率低，效果并不理想。

后来，随着时间的推移，AI算法不断改进和优化，才慢慢变得成熟和可靠。

由此可见，通信领域的AI算法，也是一个不断打磨的过程。

告警分析和故障处理

未来的网络，虽然拓扑结构复杂，但一定是端到端网元全程可视的。

也就是说，整张网络，所有网元，都会呈现在管理维护者的面前。同时，所有的告警数据、KPI关键指标异常，也都是可视化的。

巨大的信息量，仅靠简单规则过滤或人工识别，是非常困难的。

真正有价值的信息，会被淹没在海量数据中，遭到忽视，给网络运行带来隐患。

（编辑：三明站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!