无线人工智能分级

我们来构想一下如果人工智能技术全面应用的无线网络会是怎样的？朱广平Fellow从网络运维的角度说这将是一个永不故障的自治网络。当然还可以从网络性能的角度看，这个网络能够做到端到端的业务传输定制化和环境自适应，同时业务间协同使得网络资源利用率最大化。简单来说，就是要实现自动驾驶的网络。

然而这个自动驾驶网络的构想要实现，就像自动驾驶一样，目前看来是极其困难的。但汽车相关行业在自动驾驶这个方向并没有放弃努力，他们通过制定自动驾驶分级，一方面统一全行业形成对自动驾驶相关概念的认识和理解，一方面指导汽车行业面向自动驾驶开展阶段性工作，分阶段实现自动驾驶目标。其中SAE（国际汽车工程学会）J3016文件中提出的五级自动驾驶分级方案是目前汽车行业普遍接受并采用的标准。

图 1 SAE的五级自动驾驶分级方案概要

从自动驾驶的分级方案中可以看到，SAE从四个维度将自动驾驶分为五个等级，从人工驾驶到终极目标全自动驾驶。我们仔细理解这四个维度：运动控制，原文中叫动态驾驶任务（DDT），可以理解为“控制操作”；驾驶环境监测，原文称为物体和事件的探测响应（OEDR），也就是“环境探测”；动态激烈驾驶支援，原文叫动态驾驶任务支援（DDT Fallback），这一维度可以解释为超出正常DDT可以处理的范围的情况下由谁来处理，也就是“异常处理”；工况，原文为设计的适用范围（ODD），简称“适用范围”。

如果把无线网络人工智能的终极目标是自动驾驶网络，我们也可以仿照SAE自动驾驶分级标准将实现这个终极目标。目前全球通信行业对人工智能与通信网络的结合非常关注，但现已开展的研究内容主要围绕人工智能在通信网络中的应用研究，对网络智能化程度尚缺乏统一评价标准，所以对无线人工智能分级标准达成共识迫在眉睫。无线人工智能分级标准的研究，可以促进全行业达成无线人工智能相关概念的统一认识和理解，提供衡量无线网络智能化能力等级的评价依据，也能为运营商、设备商在技术引入、产品规划提供决策辅助。

人工智能对于自动驾驶的价值在于减少事故发生率和释放驾驶员，与此类似，人工智能对于无线网络的价值总体可以呈现在性、价两个方面。“性”是指应用人工智能技术提升网络对业务的服务性能；“价”是付出的成本，也就是网络运维成本，通过人工智能的应用降低网络运维成本。参照自动驾驶分级，我们同样可以从数据收集方式（环境探测）、决策和执行方式（控制操作）、应对变化和异常处理（异常处理）、场景适应（适用范围）四个维度来给无线人工智能划分分级。

图 2 无线人工智能价值呈现分级

Level 0级经验网络，这一级可以认为是传统网络，通过经验设计选择算法，通过专家经验被动地运维网络。这一级中我们也有一些工具辅助专家实现网络优化，例如FMA。

Level 1级自动化网络，简单重复的工作可以被机器自动化替代，释放人力。和Level 0的主要区别在于可以实现数据自动采集和决策自动执行。我认为SON应该就属于这一级别。

Level 2级智能辅助网络，可以实现在人工定义场景和参数的情况下辅助专家，减少专家工作量。这一级和Level 1的区别主要体现在可以实现自动决策。可以说目前无线研究部人工智能项目工作重点在这一级别。

Level 3级智能网络，通过人工智能技术可以实现特定网元资源自适应、性能效率最佳，特定业务体验定制化支撑最佳，特定场景替代专家自主决策执行，释放部分专家。和Level 2的区别体现在应对环境变化可以动态优化，应对异常故障可以实现自愈。我想无线研究部人工智能规划聚焦在这一级别。

Level 4级自治网络，是无线人工智能的终极体现。全场景实现端到端的业务需求定制化和环境自适应，业务间协同最大化网络资源利用率。基于意图的网络运维模式，自配置、自优化、自演进，基于预测实现永不故障网络。公司SoftCOM AI的目标就是这一级别。

总体来看，随着人工智能应用的深入，网络性能将自我学习完善，向业务E2E需求定制化和环境自适应发展；网络运维中人参与流程的比重越来越小，最终实现网络运维免人工。受网络架构的限制，LTE网络可能最终只能演进到Level 2，5G网络标准目前已经基本成型，Level 2/3会在5G网络中广泛采用，最终要实现Level 4恐怕要等到5G后的无线网络。

价值呈现是无线人工智能表现，等级划分的主要依据。无线人工智能算法模式为每个等级的价值呈现提供算法支撑，产品实现从网元芯片设计和网络架构设计维度为算法模式提供实现支撑，而以上三个方面价值呈现、算法模式、产品实现为无线人工智能的商业模式设计提供依据。

图 3 无线人工智能分级关系架构

先看算法模式，我们希望每一级的无线人工智能背后的支撑算法都有一个维度的提升。当前我们产品、解决方案正在做的无线人工智能特性，大多都为单点应用，例如导频功率调整、SmartAMC等，这些算法都在单点上采用人工智能技术挖掘数据中更多的信息获取收益，我觉得这些算法属于Level 1的模块级智能。还有一些算法，例如基于智能栅格的CA、MLB、切换，通过智能栅格将有关系的几个功能联合在一起；还有MIMO DNN MLD算法，将多天线译码、均衡、解调等多个强耦合关系的几个功能通过一个DNN网络实现。这类通过人工智能技术将多个模块联合，在子系统级或者功能级进行闭环的算法模式，我认为属于Level 2 功能级智能。目前我们研究的重点还是在这两个等级上。

图 4 无线人工智能的算法模式分级

进一步，Level 3的价值需求要做到网元级智能或业务端到端智能。这就需要人工智能算法在协议层上主导设计、或是能够对业务传输进行需求到反馈的端到端系统级的闭环辅助，我定义这样的算法模式属于Level 3 架构级智能。Level 4的无线人工智能肯定是人工智能算法主导整网，达到网络级智能。这里要注意，对于传统逻辑建模清晰、成熟的算法，依然会保留在无线网络中发挥作用，只是被人工智能算法所配置、调用和管理。总的来看，算法模式从点、线、面、体逐步增维演进，实现对无线人工智能价值升级的支撑。

对于产品实现对价值实现的支撑可以从两方面来看，一是网元，二是网络架构。

网元的核心是芯片，芯片设计从通用人工智能支持，逐步演进为以人工智能为核心的无线专用人工智能芯片支撑统一的无线算法架构，最终支撑人工智能资源池化。由于目前无线人工智能特性算法还多处于研发验证阶段，所以当前产品在基带芯片中放入了一块通用的人工智能模块，可以有限地支持不确定的无线人工智能特性的需求，这作为芯片设计的level 1阶段。Level 2阶段无线人工智能特性明确且增多，芯片设计中必然会出现专门为无线人工智能设计的专用模块，以及HAC加速模块，少量的无线人工智能算子指令集。Level 3阶段无线人工智能主导了网元算法，所以芯片设计也以人工智能为核心。无线人工智能算法在架构上，可以分为2~3类，同一类算法架构可以共享计算资源，也就是计算资源本地池化。所以Level 3芯片设计中会出现无线人工智能专用的调度指令集、完善的无线人工智能算子库等，接口、外设及存储模块可以专为人工智能算法优化。Level 4阶段无线人工智能算法主导整网自治，我推测这一阶段芯片在设计上会考虑如何使得人工智能资源网络级池化共享。

图 5 无线人工智能芯片设计分级演进

无线人工智能智能架构设计通过四个阶段演进，从满足基础的数据采集到分层单点智能特性协同，最终以免人工运维的自治网络为目标。Level 1阶段网络架构维持现有架构基本不变，增加支持定义数据自动采集和治理。Level 2阶段，我们希望在网元中引入人工智能逻辑网元（RDA，RAN Date Analyze），支撑本地智能特性实现；上下分层的无线人工智能架构，支持数据和模型的分层传递和交互；支撑网元间人工智能特性协同，引入可编程嵌入式人工智能，使得无线人工智能特性部署更灵活。Level 3阶段，网络架构能够支撑特定网元自治，支撑对特定业务进行端到端跨网元、跨域的业务配置和优化；在数据收集方面支持网络全量数据采集能力，但数据收集方式支持按需收集；尝试将人力从系统流程中移除，转入系统流程之外，以无线人工智能模型即服务的模式表现。Level 4阶段，架构支撑网络分段自治，并通过中央管理器实现整网自治；支持意图驱动的全网络，包括意图解析、意图维护；支持空口L1/L2/L3协议自适应和自演进；支持无线人工智能资源网络池化。

图 6无线人工智能网络架构设计分级演进

最后，关于无线人工智能的商业模式。目前Level1/2还是以特性打包或是独立的销售模式，或是离线的服务模式。那么未来Level3/4，会不会以云服务的形式与专用硬件相互独立销售？

未来将是智能化的时代，无线网络的智能化不可能一蹴而就，而是一个长期实践。通过阶段性的目标设定和长期的投入积累，相信无线人工智能将一步步逼近自治网络的终极智能化目标。

人工智能 华为云

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。