与人工智能的协同发展，对沿革进行了梳理，对未来进行了展望。本文为该论文的观点摘要及对论文部分作者专访的重点内容梳理。

　　从1983年10月，美国推出全世界第一个先进移动电话系统（AMPS）至今，移动通信技术商用已经走过了37年岁月。

　　今天，依托于移动通信网络的承载，全世界已经有超过50亿人，每天使用手机工作和生活；方兴未艾的物联网，更将为我们的未来创造无限可能。

　　经过30多年发展，从模拟到数字，从语音到数据，从电路交换到IP化，从封闭通信生态系统到赋能垂直行业的技术与生态，今日的现代移动通信系统，效率和性能已经不断逼近香农极限，并开始向太赫兹、空海天一体化、感知通信计算一体化等更前沿的领域迈进。

　　随着通信网络的日益复杂化，通信业务生态的日益多样化，人工智能已经成为网络与业务运行不可或缺的基础要素，并将在未来发挥越来越重要的作用。

　　就在本月，来自于亚信科技、中国移动、中国电信、清华大学以及其他中外运营商和高校的资深专家们，以一篇《通信人工智能的下一个十年》，就移动通信与人工智能的协同发展，对沿革进行了梳理，对未来进行了展望。

　　以下，是该文章的观点摘要，以及科技杂谈专访部分文章联合作者（亚信科技CTO、高级副总裁欧阳晔博士，工信部通信科技委常务副主任、中国电信科委主任韦乐平，清华大学智能产业研究院院长张亚勤院士）的重点内容整理。

　　早在1968年，Yoshihisa Okumura就曾提出Okumura模型，基于实测数据对真实的无线信道进行数据建模与仿真，可以看作数据科学算法应用于移动通信系统的雏形。

　　但是，受算法、算力、需求等多方面影响，在3G以前，在早期的移动通信系统里，人工智能一直没有真正地投入应用。

　　直到1999年，在无线射频系统场景的规范中，3GPP正式纳入了COST Walfish－Ikegami等信道模型。

　　一方面，2006年提出的深度学习，带动了人工智能技术发展的第三次浪潮；另一方面，在实现网络系统全IP化，开始向垂直行业赋能之后，移动通信网络自身也对人工智能有了更多的需求。

　　联合作者之一、亚信科技CTO、高级副总裁欧阳晔博士特别提及到，最具代表意义的一个转折点是，从2008 年开始，3GPP在移动通信标准中定义了一个新的理念：自组织网络 （Self－Organizing Networks，以下简称SON）。简单来说，就是通信网络可实现自组织、自配置、自优化、自治愈。

　　而在实际的产业化和商业化进程中，运营商希望SON能真正开放，做到厂商中立、技术中立；设备商却希望通过SON加强自家设备的紧耦合。

　　而且，在这个阶段，通信网络从接口、流程、信令到整个网络生态，也都还不是按照智能化的理念来搭建的，所以网络与人工智能的融合对接不够友好。

　　所以，虽然整个移动通信行业，都已经逐渐认识到了人工智能对移动通信网络的价值，但4G的实际商用过程中，这一认识始终未能转化为产业落地，而以Verizon和AT＆T为代表的SON试水，也都未能取得理想成果。

　　欧阳晔博士提到，这是移动通信历史上，第一次在核心网络架构里定义、标准化、并要求部署网络人工智能网元。

　　它标志着，移动通信网络从底层结构层面开始，就已经按照自动化、智能化的理念，面向人工智能进行了重新设计。

　　可以看到，从1G、2G、3G、4G，到今天的5G，移动通信与人工智能的融合，是越来越深入，越来越紧密。

　　＂我们（指中国电信，科技杂谈注）在5年前就启动了新一代云网运营系统，但到现在难度还是很大。因为网络巨大无比，种类也多得不得了，5G以后就更复杂，不可能用人为的方式来管理这么复杂的资源。＂联合作者之一，工信部科技委副主任、中国电信集团科技委主任韦乐平说，＂只有用人工智能，才能帮助我们能够在复杂的环境下，正确地判断该做什么，而且预先提出预警，大大地提高效率。＂

　　同时，在5G阶段，CT与IT两大产业体系日益合流，传统的烟囱式的、高度紧耦合的通信网络系统，不断虚拟化和云化，这也为人工智能在移动通信领域的深入应用创造了条件。

　　＂5G一个重要的特点，就是互联网和通信网在协议层实现真正的融合，所以很多过去计算机领域的算法、互联网里面的技术，都可以更容易地使用到通信网络之中。＂联合作者之一，清华大学智能产业研究院院长张亚勤院士说。

　　比如5G切片，运营商要面向不同的用户，创建不同的网络环境，编排不同的流程，供给不同的网络资源，提供不同的应用和服务，实行不同的计费规则，并根据网络负载和用户需求的调整，进行随时调整。

　　比如放飞一架无人机，从无人机的、基站、传输、核心网络，到无人机飞行路径的基站，每一个节点都要统一拉通，进行实时的动态管理，才能确保网络QOS满足无人机的时延、带宽、抖动等综合要求。

　　而从5G开始，移动通信网络将从以前的连接人与人，进化到连接万物，无论是业务的复杂度还是数据量的规模，都有指数级的提升。

　　＂现在，网络的每一个层面、每一个领域，都需要人工智能，它已经是一个通用的使能技术。＂韦乐平表示。

　　比如，通信人工智能相关的网元NWDAF或RIC，现在都还处在测试阶段，还没有开始在5G网络中大规模商用。

　　而不同的厂商、标准组织与技术路线之间，网络接口的难以统一，也将制约通信人工智能的能力边界与发展进程。

　　而且，绝大多数的运营商并不会只运营一张5G网络，而是还有2G、3G、4G、专网等其他网络并存。如何在多个网络中实现业务的统一编排，乃至将存量业务重新规范梳理，实现智能化的演进，都是极具实际操作难度的，甚至是在较长一段时间内几乎无法完成的艰巨挑战。

　　根据以上的分级，《通信人工智能的下一个十年》一文，对未来10年的通信人工智能发展进度作出了以下的预测。

　　＂人工智能只是技术手段，最重要的是现在没有统一标准，标准组织都是缺失的。＂韦乐平说，＂而且标准组织只会规定框架性的东西，很多具体的问题还是要靠运营商自己想清楚，跟制造商、支撑商等合作伙伴一起，坐下来讨论，达成共识，一起推进。＂

　　比如，现在光纤切断每年很多次，都是几十上百次，甚至全阻断，经常为网络带来巨大危险，而如果用人工智能，就可以预先判断，及时处理。（科技杂谈注：一个最近的案例，是2020年6月15日，因为一条光纤传输链路发生故障后，未能及时找到故障源，最终导致T－Mobile美国全网的语音和短信服务中断长达12小时）

　　亚信科技正在和运营商共同试验，通过网络和用户的数据变化，用人工智能判断某一个5G基站的功率，在某个时间段是应该放大，还是缩小，甚至暂时关停省电，从而根据用户和业务的流动，自动地、实时地、精准地进行网络质量优化。

　　最后，感兴趣的朋友，可以看一下人工智能在移动通信生态系统中的详细应用，以及未来10年的发展展望。

　　整体来看，人工智能在移动通信生态系统中的发展，可以分成网络基础设施、网络管理、电信业务、专网、跨领域融合这几个领域。

　　利用深度学习或强化学习算法来评估与预测信道质量、OFDM （Orthogonal Frequency Division Multiplexing） 符号在接收端的检测、信道编解码、动态频谱随机接入等。

　　欧盟 5G－MoNArch项目组也已建议，无线侧可考虑设置一个独立的人工智能分析网络功能 RAN－DAF，对5GNR的CU面进行数据分析和决策。

　　而O－RAN的RIC也将会持续演进与加强，尤其在面向不同App类型时的智能策略控制，用于帮助运营商在业务编排层实现基于App特征的业务编排。

　　3GPP路线的人工智能网元NWDAF：可对5G核心网络的移动性管理，网络服务质量 QoS，以及 5G 核心网其他网元（例如UPF）进行智能化的管理、优化与提升网络质量与体验。

　　O－RAN 的无线智能RIC：可利用AI的能力进行无线资源，移动性，无线连接，切换，无线QoS等业务和资源的管理。

　　NWDAF 未来将具备增强的网络性能优化与用户体验优化能力。目前相关的研究项目包括UE驱动的分析共享、基于NWDAF协助的QoS保障，话务处理，个性化移动性管理，策略决定，QoS调整，5G边缘计算，NF的负载均衡，切片SLA保障，可预测的网络性能等。

　　3GPP SA5也在研究NWDAF如何将分析功能赋能给OAM或RAN，并参与MEC融合，以支持垂直行业的应用，为更多的垂直行业应用赋能。

　　软件定义光网络（SDON）在动态恢复业务中断，保障网络容量和业务可靠性同时，跟大数据、人工智能、云网融合等技术结合，实现光网络的智能化管理。

　　目前 SDON／CON 与人工智能的结合上已经有一些研究成果，例如预测故障、减少恢复时间、改进光的信噪比等。

　　IPv6网络和人工智能的结合也已经进入探索阶段。业界希望可以利用人工智能技术，对网络进行感知和灵活的路由配置，并对全网运行状态进行监测，智能化地识别网络异常；针对发现问题进行故障的根因定位，并且产生相关的最优策略。

　　而在云网边端的资源分配和存储算力资源使用方面，业界也正在探索算力网络与IP网络的融合、云网融合等全新架构，通过人工智能来实现最优路由、最优算力分布，并保障算力的服务质量。

　　未来10年，SDON／CON 与人工智能有望结合更加紧密，逐渐实现＂零接触＂的认知光网络，实现光网络的完全自动化管理和控制。基于光网络的运维知识图谱将逐渐成熟，可以通过它快速定位传输问题，预测传输性能，进行传输参数的优化。对于传输的具体指标，例如调制阶数、误差修正、波长容量等，可以利用人工智能技术进行最优配置，保障传输的性能。

　　基于IPv6的应用也将逐渐走向成熟，人工智能在网络路由、承载网的 SLA 保障、确定性网络方面发挥关键作用，实现 IPv6 乃至 IPv6＋的智能 IP 网络，满足 B5G／6G 业务场景的个性化需求。

　　在云网融合方面，云网边端的算力资源将实现完全分布式的架构，按照业务需要提供无缝、高质量的算力资源，为终端、边缘的高阶人工智能应用提供资源保障。弹性算力网络／动态的云网融合，侧重出新的提供云计算服务的商业模式，可以利用区块链的智能合约等进行安全保障，解决用户的隐私问题，实现网络和计算资源的可变现能力。

　　终端操作系统本身和应用层的App方面，已有一些智能化应用发展，但基于终端的人工智能对于网络基础设施的赋能，目前还在早期发展。

　　这方面，一个比较典型应用是，通过终端芯片采集性能数。