移動連接滲透到當今社會的方方面面。生活方式的改變、遠程工作、智能自動化和云原生應用的激增都在推動移動網絡使用模式的根本變化。與此同時，技術進步不斷實現創新能力，為令人興奮的新用例提供支持。

　　然而，盡管技術推動了更多創新，但用戶隨時隨地都要求更多功能、速度、性能、簡便性和訪問性。為了跟上這一良性循環，移動網絡需求不斷多樣化和發展。

　　因此，整個網絡生態系統變得越來越靈活。最終的目標是實現一個能夠實時響應意外事件和不斷變化的環境的智能網絡。這種范式轉變的基礎是無線接入網絡(RAN)架構中人工智能(AI)的增長。

　　為何在RAN中使用AI?

　　隨著網絡架構復雜性的不斷增加，手動處理對大量同時發生的事件做出適當決策的能力變得不可能。這在RAN中尤為重要，因為移動網絡運營商(MNO)面臨著巨大的運營挑戰，包括維持服務質量、提高效率、管理多供應商集成和降低功耗。

　　RAN連接使用模式和數據流量的突然、短期變化會導致服務質量(QoS)隨時快速波動。滿足用戶期望和合作伙伴服務水平協議(SLA)需要各種組件、流量和服務類型的最佳組合，所有這些組件、流量和服務類型都以復雜的關系相互作用以支持多樣化的服務交付。快速完成此任務以確保及時恢復服務需要智能、實時響應，這需要更多地依賴人工智能。

　　此外，隨著流量需求的增加和移動運營商進一步提高5G網絡的密度，將需要大量的RAN設備。這不僅增加了復雜性和資本支出(CapEx)，而且RAN的功耗也在迅速上升，而RAN已經占到整個網絡能耗的70%到80%。解決這一可持續性挑戰不僅僅是降低基站設備的功耗。問題在于如何顯著改變整體RAN編排和管理，以全面優化運營。

　　為什么現在采用人工智能?

　　RAN的不斷發展和分解意味著網絡變得更加開放、虛擬化和小型化，從而實現云端資源更靈活的可用性。MNO現在可以利用OpenRAN架構的關鍵元素(包括RAN智能控制器(RIC))實現這種靈活性。利用AI和機器學習(ML)的強大功能，RIC使網絡能夠有效地利用這種智能來實現許多高級用例和技術。

　　借助AI的力量，RIC平臺可以優化RAN資源管理，實現自動化運營，無論是非實時RIC(Non-RTRIC)還是近實時RIC(Near-RTRIC)。Non-RTRIC處理功能部署在服務管理和編排(SMO)框架中，提供智能編排，實現對整個RAN的靈活控制。

　　SMO使用由AI驅動的分析優化的配置參數，生成與RAN控制相關的策略，使其能夠執行RAN的自動維護和編排。通過這種方式，SMO可以實現最佳資源管理，提高能源效率、提高性能并降低成本，并通過網絡切片管理加快差異化服務交付。

　　如何變得積極主動

　　在傳統的RAN控制中，MNO通常會在定期檢查期間根據流量和數據包丟失統計數據來測量網絡質量、調整參數并應對故障。傳統上，這種方法會導致服務質量(QoS)較差、資源利用率低以及故障恢復速度緩慢。

　　另一方面，AI使MNO能夠自動檢測QoS下降，從而實時預測QoS分數并相應地調整網絡資源。這種主動的自動RAN優化使AI能夠釋放過度使用的網絡資源，降低功耗并提高效率，同時防止QoS下降。

　　然而，為了確保獲得最佳結果，在RAN中實際使用AI技術需要了解如何使用，以及為什么使用。主動自動操作需要準確的質量預測和適當的網絡元素參數操作控制，以滿足質量期望和關鍵性能要求。展望未來，網絡管理員將需要新的解決方案來簡化AI的應用，幫助他們更好地理解和信任AI預測，并學會自信地使用這些技術。

　　擁抱新常態

　　隨著網絡演進步伐的加快，降低成本、提高可持續性和簡化復雜性的壓力也越來越大。隨著5G的不斷改進，人工智能必將在網絡和服務管理和編排中發揮更加突出的作用。事實上，預計2024年中期將采用5G-Advanced規范，這只會加速對智能編排的依賴。

　　展望未來，日益復雜的網絡將涵蓋各種功能和服務，同時考慮環境。人工智能將成為動態控制這些網絡的一項重要技術，成為5G、6G及以后RAN架構的新常態。