网络

人工智能功能如何改变 5G RAN

人工智能( AI )在蜂窝网络运营中提高性能和能效方面的作用正在迅速显现。无线电接入网络( RAN )尤其如此,其占行业成本的 60% 以上。

这篇文章解释了人工智能如何改变 5G RAN ,提高能源和成本效率,同时支持更好地使用 RAN 计算基础设施。

5G 全面启动

第一批 5G 网络推出至今已有 4 年多时间。 GSMA 的一项研究预计 到 2025 年将有 14 亿个 5G 连接5 。全球独立 5G 网络的部署也开始增加。要了解更多信息,请参见 运营商持续推进5G独立组网 。

在消费市场, 5G 是无处不在的蜂窝通信服务的默认升级。对于企业市场, 5G 具有高性能、移动性、灵活性和安全性的最佳组合,为企业用例提供连接结构(图 1 )。

Graphic with icons illustrating 5G performance, mobility, flexibility/scalability, and security.
图 1 。 5G 是适用于消费者和企业使用情况的最佳下一代连接结构

NVIDIA 正在通过完全可编程的 NVIDIA Aerial SDK 构建和部署 GPU 加速的 5G 虚拟无线电接入网络( vRAN ),推动蜂窝网络的创新。这为电信公司的标准公共 5G 网络或具有 AI-on-5G 的私有 5G 网络实现提供了构建块。

人工智能正在塑造 5G 的现状和发展

人工智能在蜂窝网络运营中的作用正在快速增长。人工智能通过每天从网络元素到客户交互收集的数 TB 数据,以及由此产生的见解,提供价值。这些见解与管理日益增长的网络需求、应对网络威胁、优化服务和改善客户体验有关。

人工智能目前应用于蜂窝网络的不同领域,如 RAN 、核心网络、运营支持系统( OSS )、业务支持系统( BSS )和云基础设施。这些人工智能功能在 4G 中出现,在 5G 中根深蒂固,并将在 6G 中原生。

尽管人工智能将渗透整个行业价值链,但其对 RAN 的影响将是最深远的,特别是考虑到 RAN 所占行业资本支出和运营支出的比例不成比例。因此, O-RAN 和 3GPP 都已经确定并正在致力于提高 RAN 的性能、灵活性、可扩展性和效率的 AI 计划。要了解更多信息,请参见 Embracing AI in 5G-Advanced Towards 6G: A Joint 3GPP and O-RAN Perspective

人工智能正在以四种关键方式改变 RAN :节能、移动性管理和优化、负载平衡和云 RAN 。请继续阅读以了解每一项的详细信息。

节能

5G 部署的快速增长与全球能源成本的快速增长同时发生,这导致人们对运营成本和碳排放的担忧。还有一个额外的担忧是,一些 5G 部署可能面临供电量的严格限制,即使业主愿意付费。这些担忧为提高运营效率创造了强大的动力,以从当前和未来的网络部署中实现更高的电力效率。有关详细信息,请参见 Take the Green Train: NVIDIA BlueField DPUs Drive Data Center Efficiency

该行业一直在使用反应式和灵活的基于规则的技术来节约能源,例如根据电池负载的不同阈值来打开/关闭电池。然而,人工智能提供了一种主动和自适应的方法,使电信公司能够预测未来状态下的能源效率和负荷。 AI 还通过将网络、安全和 RAN 任务卸载到 NVIDIA GPU 和 DPU ,在 RAN 和虚拟化核心网络功能(例如,用户平面功能)之间提供更好的集成。

移动性管理和优化

移动通信系统具有支持设备从一个接入点到另一接入点的切换的独特能力。这提供了服务连续性、支持移动性并优化了性能。预计,中断、延迟和切换频率会导致网络性能低下。

使用 AI 优化寻呼并预测下一个小区进行切换,为提高高级功能的性能提供了重要机会。这些功能包括复杂的双连接选项、有条件切换和双活动协议栈( DAPS )切换。

人工智能预测将依赖于对设备可能移动的洞察。为了实现这一点,来自 3GPP SA2 的网络数据分析功能( NWDAF )提供来自核心网络、应用程序和 OSS 的数据,以改善切换性能、预测设备位置和性能,并引导流量以实现高质量的网络性能。

NVIDIA 继续围绕 NVIDIA Aerial SDK 进行创新,以支持对数据收集和使用 AI 进行网络管理的新期望。

负载平衡

切换使移动网络能够控制流量,以平衡不同小区站点之间的负载,并改善频谱、 RAN 、传输和核心基础设施的使用。通过使用当前或历史负载信息优化切换参数和决策来实现该负载平衡决策。

然而,由于使用多个频带并与不同 RAN 互通,这项任务变得更具挑战性。当前的规则将越来越难以应对具有高移动性的快速时变场景,以及具有大量连接的动态流量模式。

AI 模型的性能更好,并且可以使用 RAN 数据的收集来预测负载以优化关键任务。这将提高网络性能和用户体验。这是开发专有人工智能工具的关键驱动因素,也是当前推动一些行业标准化以大规模释放这一机会的关键因素。

云 RAN :在云中托管 RAN 和 AI

虽然云 RAN 本身不是 AI 的核心应用,但它是前面负载平衡讨论的逻辑扩展。在这种情况下,软件化和云支持的 RAN 可以与 AI 工作负载一起位于同一云基础设施上。将 RAN 的使用率提高到超过许多站点的典型平均 25% ,这将支持电信公司从消耗至少 60% 行业资本支出的资产中获取效率收益。

与其他 AI 工作负载共享相同计算资源的适合性、此类正交 AI 工作负载的可用性,以及使用 AI 在不同工作负载之间动态切换的能力,是解锁这一机会的关键。

这种云 RAN 愿景将在 5G 时代开始,然后在 6G 时代成熟,因为 RAN 作为云中的工作负载成为最终目的地。通过将基带计算资源汇集到云原生环境中,云 RAN 解决方案显著改善了云服务提供商( CSP )和电信公司的资产使用。

服务提供商可以在其现有数据中心架构内将 RAN 作为其 AI 工作负载运行,而电信运营商可以将 RAN 运营效率提高 2 倍以上,估计对 EBITDA 的影响超过 25% 。

NVIDIA 正在通过基于 NVIDIA Spectrum 交换机、 NVIDIA H100 CNX 聚合加速器和 NVIDIA Aerial SDK 的 Cloud RAN 解决方案塑造这一演变。要了解更多信息,请参阅 Unlocking New Opportunities with AI Cloud Infrastructure for 5G vRAN

Graphic showing NVIDIA Cloud RAN topology, offering dynamic scaling between 5G and AI workloads.
图 2 : NVIDIA Cloud RAN 拓扑,提供 5G 和 AI 工作负载之间的动态扩展

人工智能在 RAN 中的作用只是人工智能在电信网络运营中的整体作用的一部分。除 RAN 外, NVIDIA 还与人工智能运营合作伙伴合作,利用电信公司数据中的数据洞察,创造新收入,提高运营效率。访问 NVIDIA Telecommunications 页面了解更多信息。

 

Tags