什么是人工智能无线接入网络(AI-RAN)？

人工智能无线接入网络(AI-RAN)是一项不断发展演进的技术，它将人工智能集成到用于运营移动网络和支持网络设备的传统无线接入网络(RAN)中。在现有RAN基础设施中添加AI旨在三个领域提供显著的操作优势：

• AI for RAN：使用AI改进RAN操作和性能
• AI on RAN：允许AI应用程序直接在RAN基础设施上运行
• AI and RAN：通信和AI操作可以共享相同的计算和其他基础设施

当完全实现时，AI-RAN有望大幅改善移动无线网络的性能，并支持新的AI辅助服务。例如，AI-RAN可以优化网络性能并改进RAN内的信号处理，协助自动驾驶车辆进行实时决策，并实现机器人系统和工厂设施的精确实时操作。根据Market.us的报告，到2034年，全球AI和RAN流量优化市场预计价值约272亿美元。

AI-RAN由AI-RAN联盟赞助和支持，这是一个行业特别兴趣小组，致力于推动AI驱动的RAN基础设施发展。

AI-RAN与传统RAN的区别

传统的无线接入网络是现有蜂窝网络的重要组成部分。它使用无线电信号交换数据、确保命令和控制、管理资源并处理蜂窝位置之间的漫游行为。RAN依赖传统的无线电设备——如发射器、接收器和天线——提供设备（如智能手机）之间的无线电通信。RAN已从1G发展到现代5G通信，现在可以支持虚拟化、云计算和其他先进技术。

AI-RAN将AI功能添加到RAN基础设施中。这通常通过以云为中心的计算方法在底层计算级别实现。计算基础设施完全统一且通用——没有RAN特定的硬件。结果是形成一个容器化、高度可扩展和多租户的计算环境，可以同时运行蜂窝工作负载和AI工作负载。同样，AI-RAN平台以完全软件定义的方法运行，可以配置资源、启动和管理应用程序，并处理优化，以帮助确保蜂窝和AI工作负载的最佳性能。AI-RAN旨在符合开放RAN(O-RAN)原则，提供灵活和可互操作的环境。

AI与现有蜂窝功能结合的多种方式——AI for RAN、AI on RAN和AI and RAN——为新服务提供了潜力。下表提供了传统RAN与AI-RAN管理的简要比较。

AI-RAN的组件

AI-RAN的主要组件包括基础设施、在基础设施上运行的AI和数据，以及保持一切有序的编排和管理系统。

基础设施

AI-RAN依赖单一通用计算基础设施，可以运行传统RAN和高级AI工作负载。这种统一的计算基础设施通常由商用现成(COTS)服务器组成。COTS服务器消除了专用硬件，并实现了在各种情况下运行不同工作负载的灵活性。

AI-RAN还包括针对特定计算任务优化的各种硬件加速平台，例如：

• 用于通用任务和应用控制的CPU
• 用于加速信号处理任务以及AI和ML处理的图形处理单元(GPU)
• 用于关键网络和数据处理任务的数据处理单元(DPU)，非常适合实时或延迟敏感的应用

基础设施应该是多租户和多用途的——设计用于支持任何RAN工作负载、任何AI工作负载和任何云原生网络功能。基础设施还应高度可扩展和可互换，能够使用相同的基础设施组件作为集中式RAN、分布式RAN或大规模多输入多输出部署。

AI和数据

AI-RAN系统包含AI和ML模型，以及数据和数据管道。此AI层提供AI-RAN系统的智能，并使AI工作负载高效运行。AI层支持：

• 从设备收集实时数据的数据收集
• 关键绩效指标(KPI)，如延迟
• 无线电测量，如信号强度

AI模型处理数据，并使用动态频谱分配等先进技术提供改进无线电系统性能的见解。同样，数据可以从各种来源导入，并用于驱动AI-RAN环境内高级服务的AI应用程序。

此AI层还包括构建、训练、部署和监控AI-RAN功能所需的所有AI库、工具和框架——如Nvidia Aerial CUDA加速RAN。一些系统采用数字孪生功能，提供虚拟副本，在AI模型部署前模拟实际环境进行测试和验证。

编排和管理

编排和管理功能处理AI-RAN自动化——通常称为智能编排器或RAN智能控制器。它还可以配置和管理运行RAN和AI工作负载所需的计算资源和网络功能。

编排还处理工作负载调度，以确保AI和RAN工作负载在通用基础设施上同时运行，同时满足性能要求。AI管理系统还从数据和分析中学习，使AI管理能够随着时间的推移改进并适应不断变化的环境和要求。

AI-RAN对企业网络战略的重要性

AI-RAN使蜂窝网络变得更高效、智能、适应性强，并直接适合运行企业AI工作负载以及在RAN本身内移动大量数据。AI-RAN可以增强蜂窝网络，以提供AI工作负载所需的巨大带宽和低延迟。

最终，使用AI驱动RAN蜂窝提供商的企业用户可以实现相对于传统RAN系统的竞争优势。企业采用者应考虑AI-RAN对其网络战略的以下影响：

网络优化：AI-RAN系统基础设施可以在网络边缘附近处理数据，原始数据在那里生成和收集。这可以在将大数据集移动到集中位置（如公共云）进行处理时减少带宽需求。其他优化包括动态资源分配，使用AI预测RAN流量需求并主动分配资源，如无线电频谱利用率、网络带宽和底层计算能力，以维护AI应用程序性能。

系统可靠性：使用AI帮助收集和分析RAN性能数据可以帮助提供商提供主动管理和维护，以提高RAN可用性和弹性。预测性维护识别潜在故障并在中断发生前指导纠正措施。AI-RAN系统可以检测异常并重新配置网络以修复中断，为RAN用户和应用程序提供一定程度的自我修复和减少停机时间。

新功能：AI-RAN提供超越基本蜂窝连接的服务。这些包括边缘计算服务，如现场计算机视觉/识别和自主无人机检查。虚拟化和智能编排可以与AI配置配合，支持动态网络分段——一种称为网络切片的技术——用于运行要求高的企业应用程序，如医疗、工业或金融应用程序。

安全和风险管理：AI-RAN通过实时异常和威胁检测，在RAN本身支持更大的数据和应用程序安全性，可以在本地工具之前识别潜在风险。在边缘处理敏感数据使AI-RAN能够帮助组织支持数据隐私和数据主权需求，以保持法规遵从性。AI在RAN中的作用还帮助提供商实时学习并适应其安全性以应对潜在的新威胁。

AI-RAN采用的挑战和考虑因素

创建AI-RAN环境是蜂窝提供商深思熟虑的商业选择。与许多其他先进技术一样，企业用户在做出关于AI-RAN采用的重要战略决策时应考虑各种因素。AI-RAN采用的常见挑战和考虑因素包括：

端到端基础设施：蜂窝提供商并非存在于真空中。他们的AI-RAN功能最适合具有一致、云原生、软件定义基础设施的用户，这些基础设施基本兼容适合灵活和可扩展AI工作负载的O-RAN平台。组织应仔细评估自己的网络和服务，以了解工作负载和数据如何与AI-RAN系统交换。企业基础设施的改进可以带来蜂窝提供商之外的性能和可靠性改进。

评估流量需求：AI依赖于大量数据，包括实时和历史数据。跨网络收集、预处理、验证、存储和移动大量数据——特别是受现实世界限制影响的移动网络——将 dramatically改变企业局域网、移动设备和AI-RAN提供商内的流量模式和负载。数据管理问题将影响AI应用程序的性能，因此了解流量模式和量对企业基础设施规划至关重要。

关注数据质量：企业AI项目依赖于高质量的数据，这些数据应完整、准确、一致且相关。这需要仔细关注数据质量问题和管理。考虑生产、验证和维护高质量数据所涉及的要求，以及在蜂窝网络上移动该数据的影响，提供商AI服务可以在那里提供企业价值。没有高质量数据，任何AI系统都无法长时间正确运行。

从小处着手：为企业项目使用AI-RAN系统不是全有或全无的命题。通过小规模、高度针对性的用例测试和开发AI-RAN技能，这些用例对业务风险低但可以证明可衡量的投资回报，例如在边缘计算案例中。这些重要的测试用例提供了与AI-RAN供应商合作、获得专业知识和建立技能的重要机会，所有这些都可以在以后应用于更复杂和有影响力的AI项目。

考虑数据治理：无论是在本地、公共云中还是通过蜂窝AI-RAN应用，收集和用于AI应用程序的数据对数据安全和合规性提出了严重关切，例如保护个人可识别信息。组织应评估数据安全、访问、保留和销毁，并实施全面的事件管理协议。

寻找监控和管理：AI-RAN为企业用户提供了使用AI服务和开发可以在蜂窝提供商网络中运行的AI应用程序的机会。这也必须包括一致和兼容的企业基础设施。正如企业必须监控SaaS等外部服务一样，观察和监控端到端AI-RAN环境（包括本地企业基础设施）的能力对于优化、服务质量和可靠性至关重要。

企业AI-RAN用例

AI-RAN在低延迟、高吞吐量的5G或更快无线网络上支持无线连接和AI应用程序。这为强调远程操作和数据收集的AI工作负载提供了合适的环境，包括大规模工业自动化、大都市区域自动化（如公共安全）和实时分析。因此，AI-RAN提供了许多在更传统AI环境中发现的相同企业用例。

医疗支持：现代蜂窝系统的低延迟、高可靠性和高吞吐量使AI-RAN能够支持高级医疗任务，如实时手术辅助、远程患者监测和警报，以及医学图像分析。

物流：AI可以分析来自各种工业设备、车辆和存储位置的传感器数据，以管理和优化物流。企业可以在整个供应链中使用AI-RAN基础设施，帮助预测产品需求、管理库存、组织制造计划和规划交付。

预测性维护：物联网设备可以跨AI-RAN网络提供实时传感器数据用于AI分析。AI工作负载可以检测数据异常并预测可能的故障——甚至自动化维护资源的调度和部署以减轻中断。

预测性车辆诊断：在汽车应用中，AI-RAN可以收集车辆数据用于AI分析。车辆制造商然后可以使用分析预测可能的服务问题，并提醒驾驶员寻求维护，最大限度地减少故障或更昂贵的车辆故障。

质量控制：摄像头可以使用计算机视觉跨RAN流式传输图像到评估每个产品缺陷或其他质量参数的AI应用程序。这有助于在边缘提高产品质量，并消除了将大量数据发送到中心点进行分析的需要。

零售体验：AI-RAN可以与智能显示屏集成，并根据购物行为和兴趣向购物者的移动设备发送特别优惠。同样，虚拟AI助手可以帮助引导顾客找到感兴趣的产品并回答他们的问题。此外，AI-RAN可以使用边缘计算执行购物者流量分析，以了解顾客移动并优化商店布局以获得更好的购物体验。

机器人技术：AI-RAN可以利用无线网络的低延迟从自主系统（如机器人和自动驾驶车辆）接收实时传感器数据，以指导它们在复杂和动态的工业区域中移动。

安全和监控：企业和公共安全组织可以使用AI-RAN收集和分析来自摄像头的实时视频流。AI分析然后可以提醒组织潜在威胁或安全漏洞——甚至呼叫当地执法部门处理潜在问题。

交通管理：市政府可以使用AI-RAN系统收集和分析物联网、视频和交通控制系统数据。 resulting分析然后可以用于优化交通控制模式和管理交通流量，以获得更高效的运输路线和减少繁忙区域的拥堵。

AI-RAN和开放RAN的未来

AI-RAN和O-RAN是深度相互关联的概念。AI-RAN代表AI与无线接入网络的集成。这一理念推进了O-RAN的基本概念，O-RAN专注于标准化多供应商架构以支持开放性和互操作性。

实际上，O-RAN是AI-RAN的基础，它为RAN系统带来了新的智能层。AI-RAN将通过促进RAN上AI应用程序的开发和部署（如AI原生网络）影响O-RAN，作为未来6G通信服务的关键构建块。