圖1:3GPP標準將推動無線網(wǎng)絡(luò)從AI協(xié)同網(wǎng)絡(luò)向AI原生架構(gòu)演進[1]

AIRAN中的作用

AI在RAN中展現(xiàn)出巨大潛力,既能提升網(wǎng)絡(luò)效率與服務(wù)質(zhì)量,又可實現(xiàn)本地化AI模型部署。AI-RAN聯(lián)盟指出,傳統(tǒng)RAN架構(gòu)雖滿足當前電信系統(tǒng)需求,但AI有望顯著增強RAN的自動化水平與性能。

AI-RAN領(lǐng)域涵蓋若干相關(guān)但獨立的概念(圖2):

圖2:AI-RAN由三種互補方法構(gòu)成

與此同時,O-RAN聯(lián)盟正推進開放、模塊化、智能化的RAN架構(gòu)建設(shè)。其工作聚焦于組件解耦、多廠商互操作性,以及通過無線接入網(wǎng)智能控制器(RIC)等平臺實現(xiàn)智能控制。

各個組織和機構(gòu)都在AI原生6G網(wǎng)絡(luò)發(fā)展中發(fā)揮著重要作用:

AI-RAN聯(lián)盟可被視為一個創(chuàng)新沙盒——它創(chuàng)建經(jīng)過驗證的藍圖與參考架構(gòu),不僅能為O-RAN技術(shù)規(guī)范提供參考,加速其制定進程,還能覆蓋超出O-RAN與3GPP范疇的議題。聯(lián)合用例驗證、統(tǒng)一API,以及全生態(tài)系統(tǒng)測試,將是確保AI原生技術(shù)實際部署的關(guān)鍵。

設(shè)計與測試:數(shù)字孿生的作用

隨著AI成為RAN設(shè)計的核心要素,網(wǎng)絡(luò)復(fù)雜度呈指數(shù)級增長。工程師必須在部署前,在多樣化的真實場景下,對AI模型進行嚴苛測試與驗證。這需要借助先進仿真工具,利用合成數(shù)據(jù)與實測數(shù)據(jù)復(fù)現(xiàn)真實環(huán)境。

這正是網(wǎng)絡(luò)數(shù)字孿生發(fā)揮關(guān)鍵作用的場景。傳統(tǒng)上,數(shù)字孿生技術(shù)僅用于對部署完成后的網(wǎng)絡(luò)執(zhí)行驗證,而今這種模式正在被改寫,數(shù)字孿生將在6G時代成為網(wǎng)絡(luò)部署前對其進行仿真與驗證的核心技術(shù)。這些由數(shù)字孿生克隆的虛擬副本必須要完整仿真從射頻傳播、基站到核心網(wǎng)的整個網(wǎng)絡(luò),以確保全面的測試覆蓋。它們支持通信網(wǎng)絡(luò)各層級的設(shè)計工作,尤其對負責網(wǎng)絡(luò)管理與效率的高層網(wǎng)絡(luò)協(xié)議而言,價值更為突出。

特定站點的精準射頻傳播場景與信道模型對AI-RAN至關(guān)重要。它們使工程師能夠以高保真的方式仿真和可視化路測路線,確保AI模型在真實條件下進行訓(xùn)練和驗證——這對在物理層運行的AI模型尤為關(guān)鍵。

射頻射線跟蹤工具,比如是德科技的RaySim,在此工作流中發(fā)揮著關(guān)鍵作用。RaySim可生成詳細的特定站點數(shù)據(jù)集,用于訓(xùn)練AI/ML模型,并加速AI-RAN與AI設(shè)備用例的基準測試。該工具還可借助NVIDIA Aerial Omniverse數(shù)字孿生平臺實現(xiàn)部署場景的三維建模。

結(jié)語

6G發(fā)展進程的關(guān)鍵在于行業(yè)能否高效將AI融入RAN。能否成功不僅取決于新技術(shù)的研發(fā),還依賴于跨學(xué)科協(xié)作與先進工具的支撐。

AI-RAN創(chuàng)新需要射頻建模、網(wǎng)絡(luò)仿真、模擬及加速計算領(lǐng)域的專業(yè)知識。隨著6G研發(fā)的加速推進,賦能團隊設(shè)計、測試和優(yōu)化AI驅(qū)動的RAN系統(tǒng)的能力,將成為釋放新一代無線技術(shù)全部潛力的關(guān)鍵。

【本文作者Jessy Cavazos,是德科技6G解決方案主管】

分享到

xiesc

相關(guān)推薦