飛象網(wǎng)訊 由科技部和河南省人民政府共同主辦，以“5G變革 共繪未來”為主題的2023世界5G大會即將在河南省鄭州市舉行。12月5日，在世界5G大會正式開幕前夕，以“融合創(chuàng)新提升價值空間”為主題的“Tech Talk 2023 創(chuàng)新技術論壇”率先拉開帷幕，匯聚產(chǎn)業(yè)各方共同探討連接技術和創(chuàng)新數(shù)字技術的融合發(fā)展新機遇。
論壇期間，高通公司技術標準副總裁李儼應邀出席，并發(fā)表題為《邁向AI原生的通信系統(tǒng)設計》的演講，分享了隨著AI技術高速發(fā)展，如何把AI引入到無線通信系統(tǒng)之中，并提升無線通信的性能等方面的思考和探索。在演講中李儼強調，隨著移動通信擴展到各個行業(yè)，其在工廠、體育場館、地鐵站等場景下的應用會越來越多，當具備互補優(yōu)勢的AI與無線通信技術相結合，可以極大地提升移動通信系統(tǒng)的服務質量。李儼表示，期待在6G時代，行業(yè)攜手邁向AI原生的通信系統(tǒng)設計，全面提升系統(tǒng)性能，為用戶帶來更高可靠性的卓越連接體驗。
以下為演講實錄：
尊敬的趙秘書長，鄔院士和各位專家，大家早上好，非常榮幸能有機會來參加今天的創(chuàng)新論壇，和大家共同分享在AI原生的通信系統(tǒng)設計方面的一些思考。
最近一段時間，AI技術得到迅猛發(fā)展，如今我們在討論無線通信系統(tǒng)的時候，也需要考慮如何把AI引入到無線通信系統(tǒng)之中，并提升無線通信的性能。以往我們在進行傳統(tǒng)的無線通信系統(tǒng)設計時，都是基于已知的物理模型對系統(tǒng)進行建模。面向2G、3G、4G甚至5G系統(tǒng)研究語音通信、移動上網(wǎng)等業(yè)務時，我們更多地服務是面向大眾的環(huán)境，并將精力著重放在增強型移動寬帶（eMBB）市場上。隨著5G移動通信擴展到各個行業(yè)、應用領域逐漸擴大，我們遇到的場景會越來越多樣。
在傳統(tǒng)的系統(tǒng)設計中，確定的模型可以覆蓋大部分的場景，因為大部分時候應用領域、應用環(huán)境和應用方式都是相似的。如果遇到一些特殊的場景，我們可以通過針對性的工程方法去應對，以此助力整個系統(tǒng)實現(xiàn)較高的可靠性。如今，隨著移動通信擴展到各個行業(yè)，我們發(fā)現(xiàn)每個行業(yè)都會經(jīng)常遇到各種各樣的特殊場景，比如工廠、體育場館、地鐵站等場景會越來越多，相應帶來的技術挑戰(zhàn)也越來越多，因此如何讓未來的通信系統(tǒng)設計能夠更加適用于各種各樣的應用場景，成為了我們需要研究的議題。
AI為我們打開了一種新的可能性，因為AI的設計思路是基于數(shù)據(jù)的，而不是基于模型的假設，建立在數(shù)據(jù)的基礎之上可以提供更好的準確性，也可以增強適應性。因此，當我們將AI和無線通信技術相結合，可以引發(fā)移動通信的“技術革命”，無線通信和AI具有互補優(yōu)勢，可以極大地提升移動通信系統(tǒng)的服務質量。
隨著AI的引入，我們不僅可以帶來高效的網(wǎng)絡規(guī)劃和優(yōu)化，也可以提升用戶體驗，更重要的是，AI可以應用到通訊技術的方方面面。今天，在一些環(huán)境下，基于AI的自智網(wǎng)絡已經(jīng)得到應用，同樣，AI也在極大地改變無線接入網(wǎng)（RAN）智能控制器、干擾協(xié)調機制和大規(guī)模MIMO調度器等，帶來了巨大的性能提升。
對于AI賦能的空口設計面向信道編碼、波形設計以及多址接入，我們正重新設計端到端的通信協(xié)議，使其滿足跨網(wǎng)絡和終端的聯(lián)合訓練、模型共享和分布式推理，從而增強信道感知，提升系統(tǒng)的可靠性和性能。同樣，我們在終端方面引入AI，可以提升毫米波的波束管理、信道狀態(tài)反饋計算和增強定位等等，這些我稍后會逐一介紹。
之前很少有人談到，但是我們需要強調的是，AI不僅僅是一個基于云端的服務，今天我們的終端也具有強大的算力。我們希望能夠利用終端側的計算能力，充分調動終端的CPU、GPU、NPU，將AI應用到終端。高通公司對這樣的應用非常感興趣，因為我們對5G技術以及調制解調器等移動通信硬件有深刻的理解，我們對CPU、GPU、NPU等計算硬件也有深刻的認識，并且我們有強大的生態(tài)系統(tǒng)，我們希望把兩者結合，利用終端側AI增強5G端到端系統(tǒng)。
在這一過程中，很重要的一點就是對無線信號的感知。利用AI技術可以對整個移動環(huán)境和業(yè)務流量進行感知，在此之上，我們可以不斷提升用戶體驗和性能。此外，利用AI提升無線安全性也非常重要。從偽基站發(fā)來的短消息或騷擾電話給大家的日常生活帶來困擾，我們通過把AI技術引入終端，對欺詐場景進行識別，從而過濾此類基站發(fā)來的欺詐信息。
剛才提到，AI實際上離我們的日常生活并不遙遠。實際上，高通已經(jīng)把很多AI方面的技術應用到現(xiàn)有的產(chǎn)品當中。在今年2月，高通推出了全球首個5G Advanced調制解調器及射頻系統(tǒng)——驍龍X75。驍龍X75集成了高通第二代5G AI處理器，我們基于5G AI處理器也實現(xiàn)了一些典型應用，包括把AI應用于毫米波波束管理，能夠進行精準識別，找到最佳波束，實現(xiàn)波束的對準和跟蹤。在應用這項技術之后，可以把毫米波的接收功率提升高達25%。另外我們也把AI引擎應用到定位跟蹤方面，把所有的GNSS信息，包括從傳感器等位置獲得的信息進行融合，并且進行推演，使定位精度提升高達50%。
除了終端方面，我們也將AI應用到網(wǎng)絡運行領域的多個方面。例如，把AI應用到毫米波的網(wǎng)絡規(guī)劃當中。這一過程首先開始于數(shù)字孿生的建模，我們利用AI技術，通過機器學習把傳統(tǒng)的GIS信息和圖像源等各方面與地理信息有關的數(shù)據(jù)進行融合，生成一個全域的數(shù)字孿生。我們在英國曼徹斯特實現(xiàn)的案例中，能夠把整個原有現(xiàn)場的場景（包括燈桿、樓宇、樹葉）進行精準地描述，創(chuàng)建與原有場景的位置和尺寸一致的表達。在這個數(shù)字孿生模型之上，我們使用了傳統(tǒng)的信道傳播模型來對網(wǎng)絡的部署進行優(yōu)化與迭代，最后找到最佳的基站部署位置，以實現(xiàn)我們預計的吞吐量或覆蓋目標。
除此之外，我們可以應用AI技術，對一些重點關注的場景進行深度規(guī)劃和優(yōu)化。比如從地鐵站到球場的步行道路，經(jīng)常有人群聚集，我們對此類場景進行重點優(yōu)化以提升連接性能，增強用戶體驗。另外，面向5G專網(wǎng)的自適應RAN運行也非常重要，對于這一點，高通推出了Edgewise套件，配備高通Edgewise套件的工業(yè)物聯(lián)網(wǎng)室內場景OTA測試平臺，能夠自主地對無線部分進行管理和運行，同時也能夠對整個工作流進行編排。利用這些AI技術，我們可以對5G虛擬專網(wǎng)的實時調度進行管控，能夠精確地識別系統(tǒng)里的干擾源，然后通過合理的調度規(guī)劃來規(guī)避干擾，提高整個工業(yè)環(huán)境的可靠性和性能。
以上都是我們在現(xiàn)有標準框架下，將AI應用于終端、網(wǎng)絡規(guī)劃以及系統(tǒng)中的應用，目前已經(jīng)實現(xiàn)了性能提升。下一個階段，我們希望能夠在終端和基站之間引入這種協(xié)同解決方案來提高AI效率。從3GPP Release 18標準開始，我們將利用AI進行無線網(wǎng)絡優(yōu)化，并且重點關注信道反饋、波束管理和精準定位三個無線AI關鍵用例，接下來我會一一詳細介紹。
首先來了解下信道反饋狀態(tài)，傳統(tǒng)的信道反饋是從基站發(fā)出參考信號，終端進行接收之后，對信道空間進行線性分類，來判斷這個信道屬于哪一個區(qū)間，然后把這個信息報告給基站，基站基于很粗略的信息來對下行波束進行管理。
但是傳統(tǒng)的線性空間劃分可能不夠準確，我們希望利用AI技術，更加優(yōu)化傳統(tǒng)的參考信號設計，同時也可以對整個信道特征的編碼空間指向進行優(yōu)化，使終端能夠根據(jù)當前的無線信道環(huán)境，推演出當前的信道特征表述，然后傳送給基站；基站側再利用AI解壓信道狀態(tài)信息，對信道進行精準預測。利用這種方法，我們可以優(yōu)化信道傳輸開銷，同時也可以針對多用戶場景降低干擾。在未來，我們甚至可以打造基于單個終端的定制化模型，利用定制化的信道特征表征模型來進一步優(yōu)化性能。
3GPP Release 18聚焦的第二個關鍵用例是毫米波波束管理。這與信道狀態(tài)反饋較為類似，但區(qū)別在于反饋的信息量不同。在這種情況下，終端是對各個波束的指向進行測量，在對各個波束進行測量，以及對波束的信道變化情況進行統(tǒng)一編碼之后，傳輸給基站側；基站側基于這些編碼，能夠再生當前每一個波束的信道質量情況，而且能夠對波束的變化、終端的運動軌跡以及其帶來的潛在波束運動方向，進行合理的預測，以此來優(yōu)化移動性，提升波束跟蹤的性能表現(xiàn)，此外還可以減少基站之間參考信號和控制信號的傳輸。
3GPP Release 18聚焦的第三個用例，則是利用AI模型來提升定位和無線射頻感知性能。從3G、4G時代開始，我們就在空口引入了定位參考信號，這一點在5G時代得到了進一步增強。目前，我們希望能夠補充GNSS等輔助信息，在衛(wèi)星不可觸達的場景，比如室內的場景應用，來提供定位服務，我們正致力于推進這一技術在實際場景中的應用。目前由于工程實踐的復雜程度非常高，要對發(fā)射機的位置、發(fā)射機之間的時間、相位信息等進行嚴格校準與同步，在這種情況下才能通過對往返時間（RTT）、到達時間差（TDOA）、信號到達角（AOA）等的測量，計算出終端的準確物理位置。但是，當我們引入AI技術后就能用一種全新的方法來設計系統(tǒng)。我們不僅可以引入傳統(tǒng)的GNSS衛(wèi)星系統(tǒng)，更重要的是，利用AI技術，我們可以直接通過現(xiàn)場采集到的數(shù)據(jù)對模型進行優(yōu)化和校準，從而降低對基站側的校準要求。因此，通過采集到的數(shù)據(jù)對整個模型進行校準后，基站就可以進行終端部署，以提供精準定位。我們希望通過將AI引入移動通信系統(tǒng)，幫助行業(yè)在室內生產(chǎn)等場景中更好地利用5G技術進行定位，從而滿足其在物流管理等方面的需求。
以上這些，都是我們在推動Release 18聚焦的關鍵用例中所做的工作，我們已經(jīng)開展了對終端與網(wǎng)絡的優(yōu)化；展望未來，我們希望對整個通信系統(tǒng)進行重新設計，將終端與網(wǎng)絡的協(xié)同AI引入所有協(xié)議棧層面，從而使其能夠完成聯(lián)合的訓練和推演。同時，我們還希望能夠推動未來向AI原生的無線通信系統(tǒng)演進。
提到AI，就不能不提到一項關鍵技術——生成式AI。在過去的短短一年里，生成式AI得到迅速發(fā)展。生成式AI不僅在云端上有許多應用，如今高通公司已經(jīng)實現(xiàn)在終端側，即Android手機上，運行參數(shù)規(guī)模達到10億甚至百億的大模型。
例如，今年年初我們進行了全球首個運行在Android手機上的Stable Diffusion終端側演示，在15秒的時間內完成20步推理并生成一張圖像，這是業(yè)界最領先的成果之一。我們可以看到，近期發(fā)布的旗艦手機，基本上都將支持基于終端側的生成式AI這一特性作為重要賣點。生成式AI不僅對應用體驗有很大的提升，也對移動通信系統(tǒng)的設計有重要作用。利用生成式AI能夠更加精準地對信道特征的變化進行預測，對整個業(yè)務流量和配置進行規(guī)劃，使我們得以提早進行網(wǎng)絡資源的合理調配，同時對用戶的移動性進行精準識別，提高網(wǎng)絡的可靠性。
為了將生成式AI應用于特定環(huán)境中，高通在相關領域進行了全面的基礎性研究，包括3D建模、材料學習，以及如何利用神經(jīng)網(wǎng)絡對信道進行渲染等方面。我們希望在此基礎之上，把AI相關技術帶入未來的6G系統(tǒng)設計當中。
當前，我們已經(jīng)體驗到了AI對終端和網(wǎng)絡帶來的性能改變，5G Advanced也正式開啟了無線AI時代。展望未來，期待在6G時代共同邁向AI原生的通信系統(tǒng)設計，從而全面提升系統(tǒng)性能和用戶體驗。謝謝大家！
