爱德泰产品经理

在5G网络中，机器学习（ML）已被用于优化基站能耗、支持基站与中心局的预测性维护、降低运营成本并提升服务水平。然而，5G时代RAN的主要应用场景主要是由商业化驱动的，而非通过智能升级实现”变现”。虽然ML曾被寄望为5G创造新的盈利渠道，但其核心价值仍集中在通过提升带宽和降低时延来支撑视频点播、直播和沉浸式VR/AR等高需求应用。

AI与RAN的协同效应将彻底改变电信行业格局，推动网络向更智能、更高效的方向演进。通过将AI整合至现有RAN设施中，运营商不仅能开辟新的变现渠道，还将进一步实现网络效能与性能的跨越式提升。

AI可显著增强并自动化RAN运营。通过AI定义网络，能实现网络编码与配置的动态优化。这意味着AI可持续分析网络性能，并实时调整参数以提升效率。目前，RAN基站需配置数百个参数，由于其复杂性，其中许多参数仍依赖手动配置或ML设置。AI可将这一过程提升至新高度，通过自动优化参数实现更高效可靠的网络性能。

AI定义的网络代表了网络管理与优化的范式转变。借助AI，网络可实现自优化与自修复，从而减少对人工干预的需求。AI算法能分析海量网络数据并智能决策，以优化资源分配、提高信号质量并最大限度减少时延。这不仅提升RAN整体性能，更能确保稳定可靠的用户体验。

RAN管理的关键挑战之一是为基站配置大量的参数。这些参数需要精细调整以实现最优性能，这可能是一个复杂且耗时的过程。而AI可以通过根据实时数据自动优化这些参数来简化这一过程，这可确保网络以最高效率运行，即使条件发生变化也能运行。通过自动化参数优化，AI 可以帮助降低运营成本并提高服务水平。

随着AI部署至RAN网络边缘，运营商需按最坏情况预留资源，导致低峰期AI资源闲置。对此，服务提供商可通过向客户开放AI算力实现变现，例如提供高性能AI即服务（HAI）、GPU即服务，以及利用高算力节点进行AI推理任务。目前全球已有14家主流电信运营商推出AI即服务，其中T-Mobile US更将其中央办公室用作共享的AI/RAN设施。

将AI部署至RAN边缘可带来多重优势：缩短与终端用户的距离，降低时延并提升响应速度，这对于需要实时数据处理的应用场景尤其有益，例如自动驾驶汽车、增强现实 （AR） 和虚拟现实 （VR）等。同时，边缘AI通过本地处理敏感数据，可增强隐私与安全性。此外，边缘 AI 可以通过本地处理敏感信息来增强数据隐私和安全性，而非将其发送到集中式数据中心。

以iPhone 15 Pro系列搭载的Apple Intelligence为代表的AI终端，正推动AI边缘计算需求激增。这些设备需要强大的AI算力以及强大的边缘计算基础设施。随着越来越多支持 AI 的设备进入市场，这要求运营商须确保其基站和中心局 （CO） 基础设施已做好支撑AI网络部署的准备。

AI与RAN的融合为提升网络性能与运营效率带来巨大机遇。通过自动化网络管理与参数优化，AI 可以帮助运营商提供更优质的服务并降低成本。同时，探索边缘AI算力变现将开辟新收入来源，确保资源高效利用。在行业持续演进中，AI必将成为塑造电信未来的关键力量。