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(shù)論壇”率先拉開帷幕，匯聚產(chǎn)業(yè)各方共同探討連接技術(shù)和創(chuàng)新數(shù)字技術(shù)的融合發(fā)展新機(jī)遇。
論壇期間，高通公司技術(shù)標(biāo)準(zhǔn)副總裁李儼應(yīng)邀出席，并發(fā)表題為《邁向AI原生的通信系統(tǒng)設(shè)計(jì)》的演講，分享了隨著AI技術(shù)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(qiáng)調(diào)，隨著移動通信擴(kuò)展到各個行業(yè)，其在工廠、體育場館、地鐵站等場景下的應(yīng)用會越來越多，當(dāng)具備互補(bǔ)優(yōu)勢的AI與無線通信技術(shù)相結(jié)合，可以極大地提升移動通信系統(tǒng)的服務(wù)質(zhì)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(shè)計(jì)，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(yàn)。
以下為演講實(shí)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(jī)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(shè)計(jì)方面的一些思考。
最近一段時間，AI技術(shù)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(jìn)行傳統(tǒng)的無線通信系統(tǒng)設(shè)計(jì)時，都是基于已知的物理模型對系統(tǒng)進(jìn)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(wù)時，我們更多地服務(wù)是面向大眾的環(huán)境，并將精力著重放在增強(qiáng)型移動寬帶（eMBB）市場上。隨著5G移動通信擴(kuò)展到各個行業(yè)、應(yīng)用領(lǐng)域逐漸擴(kuò)大，我們遇到的場景會越來越多樣。
在傳統(tǒng)的系統(tǒng)設(shè)計(jì)中，確定的模型可以覆蓋大部分的場景，因?yàn)榇蟛糠謺r候應(yīng)用領(lǐng)域、應(yīng)用環(huán)境和應(yīng)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(yīng)對，以此助力整個系統(tǒng)實(shí)現(xiàn)較高的可靠性。如今，隨著移動通信擴(kuò)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(yīng)帶來的技術(shù)挑戰(zhàn)也越來越多，因此如何讓未來的通信系統(tǒng)設(shè)計(jì)能夠更加適用于各種各樣的應(yīng)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?yàn)锳I的設(shè)計(jì)思路是基于數(shù)據(jù)的，而不是基于模型的假設(shè)，建立在數(shù)據(jù)的基礎(chǔ)之上可以提供更好的準(zhǔn)確性，也可以增強(qiáng)適應(yīng)性。因此，當(dāng)我們將AI和無線通信技術(shù)相結(jié)合，可以引發(fā)移動通信的“技術(shù)革命”，無線通信和AI具有互補(bǔ)優(yōu)勢，可以極大地提升移動通信系統(tǒng)的服務(wù)質(zhì)量。
隨著AI的引入，我們不僅可以帶來高效的網(wǎng)絡(luò)規(guī)劃和優(yōu)化，也可以提升用戶體驗(yàn)，更重要的是，AI可以應(yīng)用到通訊技術(shù)的方方面面。今天，在一些環(huán)境下，基于AI的自智網(wǎng)絡(luò)已經(jīng)得到應(yīng)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(diào)機(jī)制和大規(guī)模MIMO調(diào)度器等，帶來了巨大的性能提升。
對于AI賦能的空口設(shè)計(jì)面向信道編碼、波形設(shè)計(jì)以及多址接入，我們正重新設(shè)計(jì)端到端的通信協(xié)議，使其滿足跨網(wǎng)絡(luò)和終端的聯(lián)合訓(xùn)練、模型共享和分布式推理，從而增強(qiáng)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(jì)算和增強(qiáng)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(qiáng)調(diào)的是，AI不僅僅是一個基于云端的服務(wù)，今天我們的終端也具有強(qiáng)大的算力。我們希望能夠利用終端側(cè)的計(jì)算能力，充分調(diào)動終端的CPU、GPU、NPU，將AI應(yīng)用到終端。高通公司對這樣的應(yīng)用非常感興趣，因?yàn)槲覀儗?G技術(shù)以及調(diào)制解調(diào)器等移動通信硬件有深刻的理解，我們對CPU、GPU、NPU等計(jì)算硬件也有深刻的認(rèn)識，并且我們有強(qiáng)大的生態(tài)系統(tǒng)，我們希望把兩者結(jié)合，利用終端側(cè)AI增強(qiáng)5G端到端系統(tǒng)。
在這一過程中，很重要的一點(diǎn)就是對無線信號的感知。利用AI技術(shù)可以對整個移動環(huán)境和業(yè)務(wù)流量進(jìn)行感知，在此之上，我們可以不斷提升用戶體驗(yàn)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(shù)引入終端，對欺詐場景進(jìn)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(shí)際上離我們的日常生活并不遙遠(yuǎn)。實(shí)際上，高通已經(jīng)把很多AI方面的技術(shù)應(yīng)用到現(xiàn)有的產(chǎn)品當(dāng)中。在今年2月，高通推出了全球首個5G Advanced調(diào)制解調(diào)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(shí)現(xiàn)了一些典型應(yīng)用，包括把AI應(yīng)用于毫米波波束管理，能夠進(jìn)行精準(zhǔn)識別，找到最佳波束，實(shí)現(xiàn)波束的對準(zhǔn)和跟蹤。在應(yīng)用這項(xiàng)技術(shù)之后，可以把毫米波的接收功率提升高達(dá)25%。另外我們也把AI引擎應(yīng)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(jìn)行融合，并且進(jìn)行推演，使定位精度提升高達(dá)50%。
除了終端方面，我們也將AI應(yīng)用到網(wǎng)絡(luò)運(yùn)行領(lǐng)域的多個方面。例如，把AI應(yīng)用到毫米波的網(wǎng)絡(luò)規(guī)劃當(dāng)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(shù)，通過機(jī)器學(xué)習(xí)把傳統(tǒng)的GIS信息和圖像源等各方面與地理信息有關(guān)的數(shù)據(jù)進(jìn)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(shí)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(jìn)行精準(zhǔn)地描述，創(chuàng)建與原有場景的位置和尺寸一致的表達(dá)。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(luò)的部署進(jìn)行優(yōu)化與迭代，最后找到最佳的基站部署位置，以實(shí)現(xiàn)我們預(yù)計(jì)的吞吐量或覆蓋目標(biāo)。
除此之外，我們可以應(yīng)用AI技術(shù)，對一些重點(diǎn)關(guān)注的場景進(jìn)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(jìn)行重點(diǎn)優(yōu)化以提升連接性能，增強(qiáng)用戶體驗(yàn)。另外，面向5G專網(wǎng)的自適應(yīng)RAN運(yùn)行也非常重要，對于這一點(diǎn)，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(nèi)場景OTA測試平臺，能夠自主地對無線部分進(jìn)行管理和運(yùn)行，同時也能夠?qū)φ麄�工作流進(jìn)行編排。利用這些AI技術(shù)，我們可以對5G虛擬專網(wǎng)的實(shí)時調(diào)度進(jìn)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(diào)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(biāo)準(zhǔn)框架下，將AI應(yīng)用于終端、網(wǎng)絡(luò)規(guī)劃以及系統(tǒng)中的應(yīng)用，目前已經(jīng)實(shí)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(biāo)準(zhǔn)開始，我們將利用AI進(jìn)行無線網(wǎng)絡(luò)優(yōu)化，并且重點(diǎn)關(guān)注信道反饋、波束管理和精準(zhǔn)定位三個無線AI關(guān)鍵用例，接下來我會一一詳細(xì)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(jìn)行接收之后，對信道空間進(jìn)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(bào)告給基站，基站基于很粗略的信息來對下行波束進(jìn)行管理。
但是傳統(tǒng)的線性空間劃分可能不夠準(zhǔn)確，我們希望利用AI技術(shù)，更加優(yōu)化傳統(tǒng)的參考信號設(shè)計(jì)，同時也可以對整個信道特征的編碼空間指向進(jìn)行優(yōu)化，使終端能夠根據(jù)當(dāng)前的無線信道環(huán)境，推演出當(dāng)前的信道特征表述，然后傳送給基站；基站側(cè)再利用AI解壓信道狀態(tài)信息，對信道進(jìn)行精準(zhǔn)預(yù)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(jìn)一步優(yōu)化性能。
3GPP Release 18聚焦的第二個關(guān)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(jìn)行測量，在對各個波束進(jìn)行測量，以及對波束的信道變化情況進(jìn)行統(tǒng)一編碼之后，傳輸給基站側(cè)；基站側(cè)基于這些編碼，能夠再生當(dāng)前每一個波束的信道質(zhì)量情況，而且能夠?qū)Σㄊ淖兓⒔K端的運(yùn)動軌跡以及其帶來的潛在波束運(yùn)動方向，進(jìn)行合理的預(yù)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(diǎn)在5G時代得到了進(jìn)一步增強(qiáng)。目前，我們希望能夠補(bǔ)充GNSS等輔助信息，在衛(wèi)星不可觸達(dá)的場景，比如室內(nèi)的場景應(yīng)用，來提供定位服務(wù)，我們正致力于推進(jìn)這一技術(shù)在實(shí)際場景中的應(yīng)用。目前由于工程實(shí)踐的復(fù)雜程度非常高，要對發(fā)射機(jī)的位置、發(fā)射機(jī)之間的時間、相位信息等進(jìn)行嚴(yán)格校準(zhǔn)與同步，在這種情況下才能通過對往返時間（RTT）、到達(dá)時間差（TDOA）、信號到達(dá)角（AOA）等的測量，計(jì)算出終端的準(zhǔn)確物理位置。但是，當(dāng)我們引入AI技術(shù)后就能用一種全新的方法來設(shè)計(jì)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(shù)，我們可以直接通過現(xiàn)場采集到的數(shù)據(jù)對模型進(jìn)行優(yōu)化和校準(zhǔn)，從而降低對基站側(cè)的校準(zhǔn)要求。因此，通過采集到的數(shù)據(jù)對整個模型進(jìn)行校準(zhǔn)后，基站就可以進(jìn)行終端部署，以提供精準(zhǔn)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(nèi)生產(chǎn)等場景中更好地利用5G技術(shù)進(jìn)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(guān)鍵用例中所做的工作，我們已經(jīng)開展了對終端與網(wǎng)絡(luò)的優(yōu)化；展望未來，我們希望對整個通信系統(tǒng)進(jìn)行重新設(shè)計(jì)，將終端與網(wǎng)絡(luò)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(xùn)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(jìn)。
提到AI，就不能不提到一項(xiàng)關(guān)鍵技術(shù)——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(yīng)用，如今高通公司已經(jīng)實(shí)現(xiàn)在終端側(cè)，即Android手機(jī)上，運(yùn)行參數(shù)規(guī)模達(dá)到10億甚至百億的大模型。
例如，今年年初我們進(jìn)行了全球首個運(yùn)行在Android手機(jī)上的Stable Diffusion終端側(cè)演示，在15秒的時間內(nèi)完成20步推理并生成一張圖像，這是業(yè)界最領(lǐng)先的成果之一。我們可以看到，近期發(fā)布的旗艦手機(jī)，基本上都將支持基于終端側(cè)的生成式AI這一特性作為重要賣點(diǎn)。生成式AI不僅對應(yīng)用體驗(yàn)有很大的提升，也對移動通信系統(tǒng)的設(shè)計(jì)有重要作用。利用生成式AI能夠更加精準(zhǔn)地對信道特征的變化進(jìn)行預(yù)測，對整個業(yè)務(wù)流量和配置進(jìn)行規(guī)劃，使我們得以提早進(jìn)行網(wǎng)絡(luò)資源的合理調(diào)配，同時對用戶的移動性進(jìn)行精準(zhǔn)識別，提高網(wǎng)絡(luò)的可靠性。
為了將生成式AI應(yīng)用于特定環(huán)境中，高通在相關(guān)領(lǐng)域進(jìn)行了全面的基礎(chǔ)性研究，包括3D建模、材料學(xué)習(xí)，以及如何利用神經(jīng)網(wǎng)絡(luò)對信道進(jìn)行渲染等方面。我們希望在此基礎(chǔ)之上，把AI相關(guān)技術(shù)帶入未來的6G系統(tǒng)設(shè)計(jì)當(dāng)中。
當(dāng)前，我們已經(jīng)體驗(yàn)到了AI對終端和網(wǎng)絡(luò)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(shè)計(jì)，從而全面提升系統(tǒng)性能和用戶體驗(yàn)。謝謝大家！
