移动连接渗透到当今社会的方方面面。生活方式的改变、远程工作、智能自动化和云原生应用的激增都在推动移动网络使用模式的根本变化。与此同时，技术进步不断实现创新能力，为令人兴奋的新用例提供支持。
然而，尽管技术推动了更多创新，但用户随时随地都要求更多功能、速度、性能、简便性和访问性。为了跟上这一良性循环，移动网络需求不断多样化和发展。
因此，整个网络生态系统变得越来越灵活。最终的目标是实现一个能够实时响应意外事件和不断变化的环境的智能网络。这种范式转变的基础是无线接入网络(RAN)架构中人工智能(AI)的增长。
为何在RAN中使用AI？
随着网络架构复杂性的不断增加，手动处理对大量同时发生的事件做出适当决策的能力变得不可能。这在RAN中尤为重要，因为移动网络运营商(MNO)面临着巨大的运营挑战，包括维持服务质量、提高效率、管理多供应商集成和降低功耗。
RAN连接使用模式和数据流量的突然、短期变化会导致服务质量(QoS)随时快速波动。满足用户期望和合作伙伴服务水平协议(SLA)需要各种组件、流量和服务类型的最佳组合，所有这些组件、流量和服务类型都以复杂的关系相互作用以支持多样化的服务交付。快速完成此任务以确保及时恢复服务需要智能、实时响应，这需要更多地依赖人工智能。
此外，随着流量需求的增加和移动运营商进一步提高5G网络的密度，将需要大量的RAN设备。这不仅增加了复杂性和资本支出(CapEx)，而且RAN的功耗也在迅速上升，而RAN已经占到整个网络能耗的70%到80%。解决这一可持续性挑战不仅仅是降低基站设备的功耗。问题在于如何显著改变整体RAN编排和管理，以全面优化运营。
为什么现在采用人工智能？
RAN的不断发展和分解意味着网络变得更加开放、虚拟化和小型化，从而实现云端资源更灵活的可用性。MNO现在可以利用OpenRAN架构的关键元素（包括RAN智能控制器(RIC)）实现这种灵活性。利用AI和机器学习(ML)的强大功能，RIC使网络能够有效地利用这种智能来实现许多高级用例和技术。
借助AI的力量，RIC平台可以优化RAN资源管理，实现自动化运营，无论是非实时RIC（Non-RTRIC）还是近实时RIC（Near-RTRIC）。Non-RTRIC处理功能部署在服务管理和编排（SMO）框架中，提供智能编排，实现对整个RAN的灵活控制。
SMO使用由AI驱动的分析优化的配置参数，生成与RAN控制相关的策略，使其能够执行RAN的自动维护和编排。通过这种方式，SMO可以实现最佳资源管理，提高能源效率、提高性能并降低成本，并通过网络切片管理加快差异化服务交付。
如何变得积极主动
在传统的RAN控制中，MNO通常会在定期检查期间根据流量和数据包丢失统计数据来测量网络质量、调整参数并应对故障。传统上，这种方法会导致服务质量(QoS)较差、资源利用率低以及故障恢复速度缓慢。
另一方面，AI使MNO能够自动检测QoS下降，从而实时预测QoS分数并相应地调整网络资源。这种主动的自动RAN优化使AI能够释放过度使用的网络资源，降低功耗并提高效率，同时防止QoS下降。
然而，为了确保获得最佳结果，在RAN中实际使用AI技术需要了解如何使用，以及为什么使用。主动自动操作需要准确的质量预测和适当的网络元素参数操作控制，以满足质量期望和关键性能要求。展望未来，网络管理员将需要新的解决方案来简化AI的应用，帮助他们更好地理解和信任AI预测，并学会自信地使用这些技术。
拥抱新常态
随着网络演进步伐的加快，降低成本、提高可持续性和简化复杂性的压力也越来越大。随着5G的不断改进，人工智能必将在网络和服务管理和编排中发挥更加突出的作用。事实上，预计2024年中期将采用5G-Advanced规范，这只会加速对智能编排的依赖。
展望未来，日益复杂的网络将涵盖各种功能和服务，同时考虑环境。人工智能将成为动态控制这些网络的一项重要技术，成为5G、6G及以后RAN架构的新常态。
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。
