年來，隨著人工智能（AI）技術(shù)快速發(fā)展，利用AI技術(shù)提升5G網(wǎng)絡(luò)性能也成為移動通信領(lǐng)域的研究熱點。大量研究結(jié)果表明，利用AI技術(shù)可以從多個層面對現(xiàn)有5G網(wǎng)絡(luò)中多項設(shè)計進行增強，從而達到提升系統(tǒng)運行效率和用戶體驗的效果。尤其是多項無線空口技術(shù)引入基于AI的設(shè)計，將帶來無線網(wǎng)絡(luò)設(shè)計的根本性改變，是未來網(wǎng)絡(luò)設(shè)計的關(guān)鍵方向。

　　5G與AI不斷融合的過程，就是不斷構(gòu)建5G智能維的過程。5G的智能維是基于5G大數(shù)據(jù)和算力資源，以人工智能技術(shù)為基礎(chǔ)的新資源維度。5G智能維可以被認(rèn)為是與傳統(tǒng)無線移動通信的時域、頻域和空域并列的一個新維度。相較于傳統(tǒng)的維度，5G智能維構(gòu)建需要基于三項基本元素：5G大數(shù)據(jù)、算力資源和人工智能技術(shù)。5G大數(shù)據(jù)既包括5G網(wǎng)絡(luò)中原生數(shù)據(jù)也包括5G承載的數(shù)據(jù)。算力資源包括5G終端算力、5G網(wǎng)元算力和云設(shè)備算力。人工智能技術(shù)就是以機器學(xué)習(xí)為代表的人工智能技術(shù)。構(gòu)建5G智能維可以定義為：利用人工智能技術(shù)，合理使用5G大數(shù)據(jù)和算力資源，使5G更加智能、高效，同時應(yīng)用于5G網(wǎng)絡(luò)智能化適配，實現(xiàn)高質(zhì)量的多樣業(yè)務(wù)。

　　把基于AI的多項關(guān)鍵技術(shù)引入實際網(wǎng)絡(luò)還面臨從基礎(chǔ)理論到實際應(yīng)用相關(guān)的一系列關(guān)鍵問題急需解決。這些關(guān)鍵問題包括關(guān)鍵用例選擇、數(shù)據(jù)集構(gòu)建、模型的管理和算力支撐等。對于5G大數(shù)據(jù)的挖掘需要借助一系列的AI基礎(chǔ)理論和工具，AI工具及算法對數(shù)據(jù)和算力有比較明確的需求，在5G網(wǎng)絡(luò)架構(gòu)進行增強性設(shè)計既要考慮不同算法的數(shù)據(jù)需求和實際性能，也要結(jié)合相關(guān)算法對算力資源進行評估。5G網(wǎng)絡(luò)的強大傳輸能力也將推動基于AI的更多應(yīng)用產(chǎn)生。AI相關(guān)應(yīng)用的數(shù)據(jù)收集方式、計算方式、模型的部署與更新方式都需要考慮和5G網(wǎng)絡(luò)進行動態(tài)結(jié)合，以便提供更好的服務(wù)。

　　5G國際標(biāo)準(zhǔn)開始階段受各方面因素所限并未引入基于AI的設(shè)計。隨著AI技術(shù)的快速發(fā)展，在5G國際標(biāo)準(zhǔn)不斷演進的過程中，也逐步考慮了與AI進行融合的設(shè)計。從R15版本開始至今，5G無線網(wǎng)和核心網(wǎng)逐步引入了基于AI的相關(guān)設(shè)計，同時也進行了大量對AI技術(shù)支持相關(guān)的研究。本文結(jié)合5G國際標(biāo)準(zhǔn)進展對5G和AI不斷融合的過程進行詳細的介紹與分析。

　　基于AI的空口設(shè)計是構(gòu)建5G智能維度的核心

　　5G中基于AI的物理層設(shè)計涉及空口及高層的設(shè)計。基于AI的高層設(shè)計先于空口開始了研究，重點關(guān)注基站節(jié)能和移動性管理等用例�？湛谠O(shè)計主要對無線AI相關(guān)的關(guān)鍵技術(shù)進行研究與標(biāo)準(zhǔn)化。其中，基于AI的空口設(shè)計是整個基于AI設(shè)計的核心�，F(xiàn)有研究表明，基于AI的空口設(shè)計是構(gòu)建5G智能維度的核心，將有潛力開啟全新的系統(tǒng)設(shè)計方式，并奠定6G的設(shè)計基礎(chǔ)，也是各公司國際標(biāo)準(zhǔn)化爭奪的焦點。

　　基于AI的高層相關(guān)設(shè)計在3GPP R17版本中開始研究，其名稱是數(shù)據(jù)收集增強的項目。該項目研究了基于AI的基站節(jié)能和移動性管理相關(guān)的數(shù)據(jù)收集內(nèi)容與收集過程，以及AI模型在5G網(wǎng)絡(luò)中的運行機制�；�于R17的研究成果，R18版本重點關(guān)注基站網(wǎng)元間的信號傳遞和網(wǎng)絡(luò)架構(gòu)上需要的修改，進行了相關(guān)用例標(biāo)準(zhǔn)化工作。在R19版本中，除了持續(xù)完善現(xiàn)有用例的性能，基于AI的高層設(shè)計還將考慮對基于AI的智能切片等新業(yè)務(wù)的支持。

　　基于AI的空口設(shè)計在R18中進行了研究項目的立項。該項目是5G演進中最受各公司關(guān)注的項目，也是無線AI技術(shù)在5G中首次進行標(biāo)準(zhǔn)化。項目重點關(guān)注引入基于AI的設(shè)計對5G整體框架的影響，并研究一些典型用例的性能及標(biāo)準(zhǔn)化影響。在項目開展過程中定義了AI相關(guān)基礎(chǔ)概念、基礎(chǔ)仿真驗證方法論、基站終端合作方式，并針對模型／功能注冊、數(shù)據(jù)傳輸、模型傳輸、模型／功能選擇、模型／功能激活去激活等生命周期管理過程進行了詳細的研究。在用例方面，R18版本對信道信息反饋、定位、波束管理等關(guān)鍵用例進行了系統(tǒng)的研究。其中基于AI的定位和波束管理技術(shù)得到各方認(rèn)可，將在R19版本中進行標(biāo)準(zhǔn)化，而基于AI的信道信息反饋由于涉及雙邊模型的標(biāo)準(zhǔn)化，還有較多的問題沒有得到很好的解決，在R19版本中將繼續(xù)進行研究。此外，數(shù)據(jù)集傳輸和模型傳輸也是R18研究的熱點，考慮到數(shù)據(jù)集和模型傳輸?shù)臐撛陂_銷，R18版本的研究還需要在R19版本和信道信息反饋一起繼續(xù)進行研究。

　　持續(xù)推進核心網(wǎng)側(cè)智能化

　　3GPP啟動核心網(wǎng)側(cè)智能化的研究及標(biāo)準(zhǔn)化已有幾個版本。在R15階段，3GPP在5G網(wǎng)絡(luò)架構(gòu)中引入了NWDAF（Network Data Analytics Function，網(wǎng)絡(luò)數(shù)據(jù)分析功能網(wǎng)元）。NWDAF用于網(wǎng)絡(luò)數(shù)據(jù)采集、網(wǎng)絡(luò)數(shù)據(jù)分析，以及向其他的網(wǎng)絡(luò)功能網(wǎng)元提供網(wǎng)絡(luò)切片實例負載等的分析信息。

　　在R16階段，3GPP專門成立了使能5G網(wǎng)絡(luò)自動化（enabler of Network Automation for 5G，eNA）的立項，對R15NWDAF功能進行了補充和增強，定義了基于單實例集中式的智能網(wǎng)絡(luò)架構(gòu)和能力。同時，也梳理了業(yè)務(wù)體驗、網(wǎng)元負載、網(wǎng)絡(luò)性能、UE移動性、UE交互性、終端異常行為等應(yīng)用場景以及涉及的關(guān)鍵技術(shù)。

　　在R17階段，3GPP進一步成立了eNA_phase2立項，繼續(xù)研究網(wǎng)絡(luò)架構(gòu)的進一步增強包括NWDAF功能分解、數(shù)據(jù)收集效率提升、UE數(shù)據(jù)收集，定義了基于多實例分布式的智能網(wǎng)絡(luò)架構(gòu)和能力。同時進一步梳理了業(yè)務(wù)分布分析、WLAN性能、會話管理擁塞控制體驗、DN性能等典型應(yīng)用場景以及涉及的關(guān)鍵技術(shù)。

　　在R18階段，3GPP進一步成立了eNA_phase3立項，重點研究數(shù)據(jù)收集性能提升、模型性能監(jiān)控、跨廠商模型共享、聯(lián)邦學(xué)習(xí)、漫游數(shù)據(jù)共享、如何和定位系統(tǒng)協(xié)同以及如何和網(wǎng)管協(xié)同等。R19階段，由于跨廠商模型共享、聯(lián)邦學(xué)習(xí)比較復(fù)雜、涉及內(nèi)容也較多，R18只定義基本框架，在R19還將進一步研究。另外，由于核心網(wǎng)智能化在R18版本及之前沒有和RAN進行聯(lián)動，在R19版本還將研究如何支持核心網(wǎng)和RAN聯(lián)合智能化。

　　5G與AI融合持續(xù)推進

　　5G對于AI算法的支持也有所討論。在R17版本中，主要針對AI模型的相關(guān)特征進行了分析，尤其是AI模型的大小及運行方式。這部分內(nèi)容在核心網(wǎng)需求組（SA1）的AI模型分析項目中開展。項目對模型分割、模型下載、分發(fā)和共享，以及聯(lián)邦學(xué)習(xí)和分布式學(xué)習(xí)涉及的典型模型和運作方式進行了非常詳細的說明。R18版本持續(xù)在核心網(wǎng)架構(gòu)組（SA2）中考慮模型傳輸方面的需求和解決方案�？傮w而言，相對于基于AI的無線和核心網(wǎng)側(cè)設(shè)計，5G網(wǎng)絡(luò)對于AI算法的支持目前僅停留在研究層面，并未進行過多標(biāo)準(zhǔn)化支持。

　　5G與AI的融合是一個逐步探索與完善的過程。標(biāo)準(zhǔn)化是5G網(wǎng)絡(luò)演進的最關(guān)鍵一環(huán)，標(biāo)準(zhǔn)化的過程也是5G與AI融合持續(xù)研究與達成共識的過程，5G智能維的構(gòu)建需要與標(biāo)準(zhǔn)化工作進行緊密結(jié)合。5G與AI融合的標(biāo)準(zhǔn)化工作是系統(tǒng)工程，標(biāo)準(zhǔn)化內(nèi)容與產(chǎn)業(yè)實現(xiàn)整體路線圖進行有機結(jié)合，循序漸進地實現(xiàn)。與5G網(wǎng)絡(luò)相關(guān)的標(biāo)準(zhǔn)化工作還將在3GPP持續(xù)進行，基于AI的5G網(wǎng)絡(luò)相關(guān)用例可以根據(jù)實現(xiàn)所需網(wǎng)元在3GPP的核心網(wǎng)側(cè)和無線側(cè)進行不斷標(biāo)準(zhǔn)化，而5G網(wǎng)絡(luò)對于AI技術(shù)和應(yīng)用的支持增強需要根據(jù)AI各種應(yīng)用的特點和需求進行對應(yīng)的增強。

　　5G與AI融合也為未來6G的AI原生性設(shè)計奠定基礎(chǔ)。3GPP的一個好傳統(tǒng)是，對于任何重要的新功能，研究都應(yīng)該提前至少兩個版本進行，以使整個行業(yè)對新技術(shù)有充分的了解。例如，大規(guī)模MIMO的研究已經(jīng)在4G Advanced開始，支持大規(guī)模MIMO的產(chǎn)品在5G推出。無線AI是一種歷史水平的新技術(shù)，對無線系統(tǒng)來說，長時間的研究是必不可少的。5G已經(jīng)研究和標(biāo)準(zhǔn)化的用例也將在未來6G的AI原生性設(shè)計中得到支持。同時，沿著5G已有的標(biāo)準(zhǔn)化過程，更多用例也將實現(xiàn)不斷的研究和標(biāo)準(zhǔn)化。

　�。ㄗ髡撸簞�曉峰  單位：中國信息通信研究院移動通信創(chuàng)新中心）