华为赵振龙：IntelligentRAN，把智能带入无线每个联接

3月2日，在2022年MWC无线智能化产业论坛上，华为无线网络SingleOSS产品线副总裁赵振龙就 “IntelligentRAN，把智能带入无线每个联接”进行主题发言向全球60+运营商和行业伙伴分享了华为无线网络基于IntelligentRAN的重大架构级创新，助力运营商打开从L3运维自动化通往L4网络智能化的自智网络之路。

自华为公司在2018年发布了ADN(自动驾驶网络）解决方案以来，通过运营商和行业伙伴的紧密配合，无线产业积极探索自智网络的发展方向。2021年底3GPP发布了自智网络L1-L5等级分级定义，为行业评估自智网络能力指明了方向。基于3GPP标准定义，L1-L3自智网络更加关注在运维运营领域，通过在“规、建、维、优、营”网络全生命周期注入专家经验，提高运维效率。面向L4的自智网络，需要从运维自动化走向网络智能化，提升用户体验，激发行业业务。当前中国三大T，国外泰国AIS，南非MTN等一流运营商都提出了向L4自智网络迈进的明确目标。因此我们提出IntelligentRAN，就是想通过新的智能化架构和新的智能化技术的引入和运营商一起实现L4自智网络的目标。

IntelligentRAN的架构创新

IntelligentRAN作为ADN在无线网络的承载，开启了无线网络从运维自动化向网络智能化的演进之路，在MAE（MBB Automation Engine移动网络自动化引擎）的基础上，引入MIE（移动智能引擎）。通过基站侧的实时移动智能引擎（MIE-RT）和网络侧的非实时智能引擎（MIE-NRT），结合两者在数据、建模和决策方面的上下协同，共同实现无线网络全流程智能化。

IntelligentRAN的关键技术方向

IntelligentRAN把人工智能的预测能力，数据关联分析能力，决策能力引入无线网络，在多个技术方向上取得突破性进展。

关键技术一：空口智能，实时的覆盖、干扰、信道质量预测技术，使能多频多站多场景下，用户体验零波动。

在无线网络多频多站多场景条件下，IntelligentRAN通过智能栅格技术，基于历史栅格数据和实时信息，预测覆盖、谱效、业务体验，从而为用户选择最佳载波；通过调度字典基于历史覆盖和邻区干扰情况，进行信号强度和干扰预测，为用户进行空口资源的精准调度；通过信道图谱对用户历史业务的分析以及空口信道状态的预测，为用户进行更精准的波束匹配。三项技术配合使用，达到体验与容量最优，用户可以随时随地享受最佳体验。

关键技术二：智能绿色，构建网络级和站点级能效模型，全天候深度节能，实现体验能效双优。

通过收集各个站点的覆盖/负载/业务等数据，构建一个网络的数字模型。基于模型识别站点间共覆盖关系，并对各个站点的历史数据进行深度学习，实现对未来用户流量趋势的预测，进而生成最佳节能策略。基于KPI反馈持续迭代优化，达成最优能效策略；站点级节能：分析历史数据为每个站的不同频段建立能效模型，并对不同负载和业务在不同频段和覆盖上的能效变化进行在线仿真和预测，基于能效模型实现业务智能导流，如高流量业务在高能效的设备上进行传输，在不影响体验的情况下，确保实时关断、站点能耗最低。

关键技术三：敏捷业务，构建业内领先的SLA和网络参数模型，精准快速开通业务，实现业务部署零等待。

IntelligentRAN使运营商的无线网络以更加智能、弹性的方式参与到业务规划、新业务变更、以及动态业务体验保障的过程中。在新业务开通阶段，基于电子地图和行业客户的业务需求，依托深度学习进行精准的智能SLA站点规划，提升投资效率；在业务需求出现变化时，仅通过参数动态配置可以满足新的SLA要求，而无需改变站点布线，这也契合了未来工厂中柔性制造的方向，例如制造工厂的生产线从生产Mate40调整为生产P40手机，产线监控点、上传数据都会改变，IntelligentRAN利用这个功能能实现柔性切换，有效缩短工厂停工时间。最后在业务运行过程中，基于AI的自学习实时监控/预测对象体验的变化，动态调整参数模型，保障SLA在动态环境下的一致性。

关键技术四：智能运维，故障特征自学习，隐性故障智能预测，使网络迈向零故障、业务零中断

在网络的日常运维中，IntelligentRAN通过故障特征自学习、知识图谱等智能化能力的引入，实现故障的精准识别和智能根因分析，一故障一工单，帮助运营商精准排障。基于时间卷积算法构建预测模型，使故障处理从人工走向自动化的预测预防，变被动响应为主动维护，增强网络鲁棒性，向“零故障”的无线网络迈进。

发言的最后，赵振龙呼吁：“华为推出InteligentRAN创新架构，以业务零等待，体验零波动，网络零故障，体验和能效双优为目标，逐步实现无线网络智能化愿景，我们期望能够和产业伙伴一起发掘无线智能化的应用场景和价值。”

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。