人工智能将如何助力5G的发展？深圳清华大学研究院下一代互联网研发中心-

“4G改变生活、5G改变社会”，5G的出现将突破传统人与人、设备与人的通信界限，使世间万物都能实现互相连接，根据GSMA预测，到2025年，5G网络接入设备将达到250亿台。海量的设备联网将带的来爆发式数据增长和应用需求将对网络架构提出了更高的要求。

而人工智能作为前5G时代最火热的技术之一，目前已经在许多行业取得了卓有成效的应用，那么人工智能技术能给5G带来什么样的好处呢？

人工智能作为强大的智能化分析处理技术，在5G网络架构中可以增强5G自主分析和操作复杂系统的能力，优化无线网络环境、处理大型输入数据集以及推荐适配的网元配置，帮助解决5G网络架构复杂和资源利用率低等问题，在5G终端、接入网、承载网、核心网、边缘计算等方面，可发挥巨大的价值。

人工智能优化5G接入网

目前5G接入网中，存在两大问题：由于5G网络中存在海量异构设备，不同设备之间的天线配置不同，使得优化参数各不相同，依靠人工配置调整无法满足5G时代的效率要求；由于5G采用超高频信号，而基站的信号覆盖范围与信号频率成反比，5G基站信号覆盖半径较小，导致基站建设数量需求大幅提升，基站的选址、规划和配置工作量繁重。

通过与人工智能技术的结合，可对天线权值、设备分布统计进行预测和分析，动态预测和制定频谱使用策略，提升频谱资源的利用率。并通过汇聚融合关于基站、设备、信号、用户、地理位置等相关数据，利用人工智能技术对新基站建设的数据进行分析，动态实时生成基站建设策略和扇区利用策略，以指导5G基站的选址、规划、建设、配置等工作，提高5G接入网的建设和使用效率。

人工智能优化5G核心网

与4G网络相比，5G核心网建设需要面临更大的挑战，在网络部署、网络功能、新业务接入、多种网络制式共存等问题。如何有效地融合管理5G核心网络的用户面、数据面、控制面、策略面；如何有效提供差异化的端到端的高效切片，在保证业务质量的同时保证网络切片的一网多用，都是需要应对的难题。

通过引入人工智能技术，将传统网元进行解耦拆分成虚拟网元，根据业务量的变化动态地分配虚拟网元的资源或者是承载资源，每个应用业务功能逻辑上相当于一个网元，并且这些功能都是完全独立自治的，无论是新增，升级，还是扩容都不会影响到其他的功能，为网络的维护和扩展提供了极大的便利性。通过人工智能技术实现网络功能服务管理自动化和网络通信路径优化能力，以提升自动注册、自动发现和选择、双向定期状态检测等能力，并实现根据网络功能服务之间通信需求来动态优化通讯路径。

人工智能优化5G网络切片

从1G-4G通信网络中，通常采用单一的网络服务架构来服务与所有的用户需求，但5G时代业务呈现出多场景、差异化、需求动态变化等特点，单一网络服务架构会降低网络资源利率。所以在5G时代中，网络切片作为关键技术被用来提升网络资源的利用率，网络切片技术可以将现有物理网络进行业务逻辑分割，形成独立的业务逻辑网络，为具有不同性能要求的垂直行业提供差异化、相互隔离、功能可定制的网络服务，从而提升网络服务效率。但在5G网络中，网络部署和优化的难度剧增，传统的人工运维模式无法满足运维和管理大量网络切片的需求，5G网络切片需要智能化管理和运维。
图1：人工智能优化5G网络切片

通过引入人工智能、SDN 和NFV 技术，可以在接入网、承载网和核心网三个层面分别引入网络切片协作机制，不同层面的网络切片有些组合协作，来服务于不同的业务需求。人工智能技术可通过汇集业务需求、切片信息、网络状态和业务效果等信息智能化监测和调度不同层面的切面并优化相互的融合与协作。

在5G接入网切片的运维与管理方面，利用人工智能技术预测和优化接入网的AAU/CU/DU 等切片，以适应不同业务场景，同时实现提升接入网网元的协作效率、提高空口利用率，节省建设和运维成本与资源消耗。

在5G 承载网切片的运营与管理方面，利用人工智能技术动态监测和分析承载网资源的使用情况，按需动态组建承载网切片，并支持多层次的切片隔离技术，满足高隔离要求下的底层快速转发。

在5G 核心网切片的运营与管理方面，利用人工智能技术，动态监测和分析核心网资源，以及整个网络资源和业务的使用情况，按需动态组建核心网切片，以满足核心网的弹缩和高可靠性要求。

人工智能优化5G网络虚拟化

NFV（网络功能虚拟化）是一种将网络功能通过软件的形式部署在通用服务器上实现网络功能和硬件设备解耦的技术。在5G网络中使用NFV技术可以达到业务灵活部署和降低整体成本的效果。尽管NFV的引入可以为5G网络带来极大的敏捷性，但是在可靠性、存储转发性能、业务部署等方面仍面临诸多挑战，需要利用人工智能技术来解决这些挑战。在NFV系统中，MANO 系统负责所有虚拟资源的管理和编排，但由于5G网络不同业务的资源需求差异性较大，并且可能需要同时编排，仅依靠人工设计编排策略难以处理业务需求。通过在编排器中引入人工智能技术，可以提供最优的网络资源编排策略，实现全局资源的统一管控、跨层跨域的编排和IP协同自动化运营。同时，人工智能技术还可以根据历史流量数据和实时数据对可能的突发流量进行预测，提前进行设备扩容，智能应对未来的网络状态变化。
图2：人工智能优化5G网络虚拟化

人工智能优化SDN网络

SDN网络是通信领域一种新的网络技术，可以实现通信网络的开放性，降低系统设备软硬件耦合。在5G网络中引入SDN技术可以极大提高网络的可扩展性和灵活性，可以在跨区、跨域的网络环境下实现业务的快速部署，降低网络建设与运营成本。

但SDN技术在5G网络的应用中需要面临控制面功能的重构、扩展、兼容、安全和数据面的转发性能、内容缓存性能优化等问题。网络虽然一定程度上解决了网络资源互联管控的问题，但常规管控技术仍处于网管管控甚至人工干预，如何增强操作系统的智能性，实现思维化管控，使网络更加稳定可靠仍然是一个复杂的问题。
图3：人工智能优化SDN网络

通过结合人工智能技术则能实现SDN控制器和SDN交换机的智能化监测、预测、优化和回收，为网络管控平台提供独立决策能力，使网络具备自学习性、自组织性、自适应性，从容应对频繁变化的网络负载和场景需求。

人工智能赋能5G边缘计算

5G广连接、高带宽、低延时的应用特征，对网络架构提出了更高的要求。由于5G时代大量数据从网络边缘向中心流动，传统中心云端会成为网络瓶颈，造成网络拥堵。虽然芯片技术的发展赋予了终端设备一定的算力，但是基于尺寸、能耗、环境等因素限制，端计算能力依然无法满足5G时代海量数据的计算要求。而边缘计算将网络、计算、存储、应用等能力在物理上靠近数据源头的网络边缘侧进行数据实时处理、分析决策则成为5G时代的必然选择。

边缘计算网络中存在大量的异构和分布式计算资源，每个节点运行的环境、数据源各不相同，并且在边缘计算网络中，边缘节点更靠近数据生产者，需要与垂直行业深度结合才能进一步优化边缘计算的效率，因此在边缘计算场景下部署应用工作繁重。不同边缘计算节点之间的计算能力也各不相同，需要根据任务类型在不同能力的边缘节点进行实时调度，调度策略和调度执行对边缘网络的运营工作也提出了极大的挑战。
图4：功能分发网络（FDN）整体架构

人工智能作为分析挖掘数据，充分利用数据价值的关键技术，可赋能5G时代的边缘计算产生更多价值。通过与功能分发网络（FDN）技术相结合，可自动将人工智能数据分析能力打包分发至边缘计算节点，无需单独部署便可快速赋予边缘节点丰富全面的行业数据分析功能；利用FDN对计算任务在边缘节点中进行智能实时动态调度。对运营商来说，通过FDN技术可深入到行业，更贴近用户来提供服务，创造新的发展机遇。

所以，在5G进程的推进中，人工智能技术可以有效预测和动态调整网络性能和需求，帮助实现网元智能、预测智能、切片智能、边缘智能等，将5G构建成全自动部署和控制、自学习和自优化的智能网络，进一步推进5G技术的演进和发展。同时，人工智能也将协同5G网络共同发展，带动端到端全面的智能升级，共同推进未来信息化智能建设。