無線人工智能分級

我們來構想一下如果人工智能技術全面應用的無線網絡會是怎樣的？朱廣平Fellow從網絡運維的角度說這將是一個永不故障的自治網絡。當然還可以從網絡性能的角度看，這個網絡能夠做到端到端的業務傳輸定制化和環境自適應，同時業務間協同使得網絡資源利用率最大化。簡單來說，就是要實現自動駕駛的網絡。

然而這個自動駕駛網絡的構想要實現，就像自動駕駛一樣，目前看來是極其困難的。但汽車相關行業在自動駕駛這個方向并沒有放棄努力，他們通過制定自動駕駛分級，一方面統一全行業形成對自動駕駛相關概念的認識和理解，一方面指導汽車行業面向自動駕駛開展階段性工作，分階段實現自動駕駛目標。其中SAE（國際汽車工程學會）J3016文件中提出的五級自動駕駛分級方案是目前汽車行業普遍接受并采用的標準。

圖 1 SAE的五級自動駕駛分級方案概要

從自動駕駛的分級方案中可以看到，SAE從四個維度將自動駕駛分為五個等級，從人工駕駛到終極目標全自動駕駛。我們仔細理解這四個維度：運動控制，原文中叫動態駕駛任務（DDT），可以理解為“控制操作”；駕駛環境監測，原文稱為物體和事件的探測響應（OEDR），也就是“環境探測”；動態激烈駕駛支援，原文叫動態駕駛任務支援（DDT Fallback），這一維度可以解釋為超出正常DDT可以處理的范圍的情況下由誰來處理，也就是“異常處理”；工況，原文為設計的適用范圍（ODD），簡稱“適用范圍”。

如果把無線網絡人工智能的終極目標是自動駕駛網絡，我們也可以仿照SAE自動駕駛分級標準將實現這個終極目標。目前全球通信行業對人工智能與通信網絡的結合非常關注，但現已開展的研究內容主要圍繞人工智能在通信網絡中的應用研究，對網絡智能化程度尚缺乏統一評價標準，所以對無線人工智能分級標準達成共識迫在眉睫。無線人工智能分級標準的研究，可以促進全行業達成無線人工智能相關概念的統一認識和理解，提供衡量無線網絡智能化能力等級的評價依據，也能為運營商、設備商在技術引入、產品規劃提供決策輔助。

人工智能對于自動駕駛的價值在于減少事故發生率和釋放駕駛員，與此類似，人工智能對于無線網絡的價值總體可以呈現在性、價兩個方面。“性”是指應用人工智能技術提升網絡對業務的服務性能；“價”是付出的成本，也就是網絡運維成本，通過人工智能的應用降低網絡運維成本。參照自動駕駛分級，我們同樣可以從數據收集方式（環境探測）、決策和執行方式（控制操作）、應對變化和異常處理（異常處理）、場景適應（適用范圍）四個維度來給無線人工智能劃分分級。

圖 2 無線人工智能價值呈現分級

Level 0級經驗網絡，這一級可以認為是傳統網絡，通過經驗設計選擇算法，通過專家經驗被動地運維網絡。這一級中我們也有一些工具輔助專家實現網絡優化，例如FMA。

Level 1級自動化網絡，簡單重復的工作可以被機器自動化替代，釋放人力。和Level 0的主要區別在于可以實現數據自動采集和決策自動執行。我認為SON應該就屬于這一級別。

Level 2級智能輔助網絡，可以實現在人工定義場景和參數的情況下輔助專家，減少專家工作量。這一級和Level 1的區別主要體現在可以實現自動決策。可以說目前無線研究部人工智能項目工作重點在這一級別。

Level 3級智能網絡，通過人工智能技術可以實現特定網元資源自適應、性能效率最佳，特定業務體驗定制化支撐最佳，特定場景替代專家自主決策執行，釋放部分專家。和Level 2的區別體現在應對環境變化可以動態優化，應對異常故障可以實現自愈。我想無線研究部人工智能規劃聚焦在這一級別。

Level 4級自治網絡，是無線人工智能的終極體現。全場景實現端到端的業務需求定制化和環境自適應，業務間協同最大化網絡資源利用率。基于意圖的網絡運維模式，自配置、自優化、自演進，基于預測實現永不故障網絡。公司SoftCOM AI的目標就是這一級別。

總體來看，隨著人工智能應用的深入，網絡性能將自我學習完善，向業務E2E需求定制化和環境自適應發展；網絡運維中人參與流程的比重越來越小，最終實現網絡運維免人工。受網絡架構的限制，LTE網絡可能最終只能演進到Level 2，5G網絡標準目前已經基本成型，Level 2/3會在5G網絡中廣泛采用，最終要實現Level 4恐怕要等到5G后的無線網絡。

價值呈現是無線人工智能表現，等級劃分的主要依據。無線人工智能算法模式為每個等級的價值呈現提供算法支撐，產品實現從網元芯片設計和網絡架構設計維度為算法模式提供實現支撐，而以上三個方面價值呈現、算法模式、產品實現為無線人工智能的商業模式設計提供依據。

圖 3 無線人工智能分級關系架構

先看算法模式，我們希望每一級的無線人工智能背后的支撐算法都有一個維度的提升。當前我們產品、解決方案正在做的無線人工智能特性，大多都為單點應用，例如導頻功率調整、SmartAMC等，這些算法都在單點上采用人工智能技術挖掘數據中更多的信息獲取收益，我覺得這些算法屬于Level 1的模塊級智能。還有一些算法，例如基于智能柵格的CA、MLB、切換，通過智能柵格將有關系的幾個功能聯合在一起；還有MIMO DNN MLD算法，將多天線譯碼、均衡、解調等多個強耦合關系的幾個功能通過一個DNN網絡實現。這類通過人工智能技術將多個模塊聯合，在子系統級或者功能級進行閉環的算法模式，我認為屬于Level 2 功能級智能。目前我們研究的重點還是在這兩個等級上。

圖 4 無線人工智能的算法模式分級

進一步，Level 3的價值需求要做到網元級智能或業務端到端智能。這就需要人工智能算法在協議層上主導設計、或是能夠對業務傳輸進行需求到反饋的端到端系統級的閉環輔助，我定義這樣的算法模式屬于Level 3 架構級智能。Level 4的無線人工智能肯定是人工智能算法主導整網，達到網絡級智能。這里要注意，對于傳統邏輯建模清晰、成熟的算法，依然會保留在無線網絡中發揮作用，只是被人工智能算法所配置、調用和管理。總的來看，算法模式從點、線、面、體逐步增維演進，實現對無線人工智能價值升級的支撐。

對于產品實現對價值實現的支撐可以從兩方面來看，一是網元，二是網絡架構。

網元的核心是芯片，芯片設計從通用人工智能支持，逐步演進為以人工智能為核心的無線專用人工智能芯片支撐統一的無線算法架構，最終支撐人工智能資源池化。由于目前無線人工智能特性算法還多處于研發驗證階段，所以當前產品在基帶芯片中放入了一塊通用的人工智能模塊，可以有限地支持不確定的無線人工智能特性的需求，這作為芯片設計的level 1階段。Level 2階段無線人工智能特性明確且增多，芯片設計中必然會出現專門為無線人工智能設計的專用模塊，以及HAC加速模塊，少量的無線人工智能算子指令集。Level 3階段無線人工智能主導了網元算法，所以芯片設計也以人工智能為核心。無線人工智能算法在架構上，可以分為2~3類，同一類算法架構可以共享計算資源，也就是計算資源本地池化。所以Level 3芯片設計中會出現無線人工智能專用的調度指令集、完善的無線人工智能算子庫等，接口、外設及存儲模塊可以專為人工智能算法優化。Level 4階段無線人工智能算法主導整網自治，我推測這一階段芯片在設計上會考慮如何使得人工智能資源網絡級池化共享。

圖 5 無線人工智能芯片設計分級演進

無線人工智能智能架構設計通過四個階段演進，從滿足基礎的數據采集到分層單點智能特性協同，最終以免人工運維的自治網絡為目標。Level 1階段網絡架構維持現有架構基本不變，增加支持定義數據自動采集和治理。Level 2階段，我們希望在網元中引入人工智能邏輯網元（RDA，RAN Date Analyze），支撐本地智能特性實現；上下分層的無線人工智能架構，支持數據和模型的分層傳遞和交互；支撐網元間人工智能特性協同，引入可編程嵌入式人工智能，使得無線人工智能特性部署更靈活。Level 3階段，網絡架構能夠支撐特定網元自治，支撐對特定業務進行端到端跨網元、跨域的業務配置和優化；在數據收集方面支持網絡全量數據采集能力，但數據收集方式支持按需收集；嘗試將人力從系統流程中移除，轉入系統流程之外，以無線人工智能模型即服務的模式表現。Level 4階段，架構支撐網絡分段自治，并通過中央管理器實現整網自治；支持意圖驅動的全網絡，包括意圖解析、意圖維護；支持空口L1/L2/L3協議自適應和自演進；支持無線人工智能資源網絡池化。

圖 6無線人工智能網絡架構設計分級演進

最后，關于無線人工智能的商業模式。目前Level1/2還是以特性打包或是獨立的銷售模式，或是離線的服務模式。那么未來Level3/4，會不會以云服務的形式與專用硬件相互獨立銷售？

未來將是智能化的時代，無線網絡的智能化不可能一蹴而就，而是一個長期實踐。通過階段性的目標設定和長期的投入積累，相信無線人工智能將一步步逼近自治網絡的終極智能化目標。

人工智能 華為云

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。