前言
(資料圖)
通用人工智能一直是人工智能領域產業界和學術界關注和努力的方向。深度神經網絡在學習范式和網絡結構上的不斷迭代極大的提升了人工智能算法的學習能力，隨著針對特定場景下基于海量數據訓練機器學習模型的日益演進和成熟，在強算法、大數據、大算力等關鍵技術的共同推動下，大模型進入爆發期。深度學習的發展推動了人工智能邁向新階段，在國際范圍內掀起“大數據+深度模型”的熱潮。未來當前5G/6G與AI的全面融合需要結合AI領域最新進展，支持相關成果的更好使用。
小模型聚焦精細化場景用例，解決碎片化問題，大模型具有良好的通用性、泛化性，以及顯著降低人工智能應用門檻的優勢，可以利用少量數據進行微調或不進行微調就能完成多個場景的任務。現有無線AI的研究中均是利用小模型為模塊化的小問題提供解決方案，然而引入泛化性較強的預訓練大模型以及引入大模型后對網絡設計帶來怎樣的影響需要展開針對性的研究。
AI/ML in Network
技術發展，標準先行。目前3GPP有四個工作組在進行AI/ML標準化方面的研究工作，分別包括AI/ML for Air Interface、AI/ML for NG-RAN、AI/ML for 5GS以及AI/ML for OAM。
具體來看，在目前R18的AI/ML for Air Interface研究項目中，在網絡側和終端側有三種主要的訓練協作類型，一種是互相沒有協作（level x），一種是基于信令的協作但沒有模型傳輸（level y），還有一種是有模型傳輸的基于信令的協作（level z）。同時，引入AI以后，很重要的一個工作是研究生命周期管理（LCM））的通用框架。此外，目前3GPP在R18空口這個項目里面重點研究了三個用例：分別為CSI、波束管理和定位的增強。
AI/ML for NG-RAN在R18項目中的研究更為明確一點，因為在R17階段就已經把三個用例（負載平衡、移動性優化和網絡節能）以及功能框架等研究得比較清楚明白了。所以在這個項目中，R18的主要任務是在現有的無線網絡的架構基礎上去具體實現數據采集的增強以及信令的增強。
AI/ML for 5GS主要是AI引入之后核心網的一些增強工作，在這個項目中R18主要包括三方面的工作，第一個是進一步研究基于NWDAF的系統增強功能，以允許5GS支持網絡自動化；第二個是進一步聚焦在5GC的網元功能之間的一些增強，主要目標是支持決策制定；第三個是進一步研究圍繞NWDAF的必要Iuputs和Outputs以及潛在的架構增強、新的場景等。
AI/ML for OAM是3GPP比較早開展AI相關的標準化研究工作的，主要是基于MDAS的管理數據分析服務，一些主要的項目包括閉環控制、意圖驅動管理、自智網絡水平等。
當AI模型引入移動通信網絡
“數據、算力、模型是實現AI三個必不可少的要素，而通信網絡是天然的很標準的能夠提供這三個要素的一個場景，所以說AI在通信領域的應用從一開始就有，只是程度好不好的問題。
在大模型出現之前，機器學習很多首先是基于規則的，其次需要大量的數據標記，同時很多都是單領域、單數據源的訓練，因此跨領域多模態的能力不足，這樣就會導致很多東西聯合不起來，從而使其很難解決復雜的、系統的工程。另外，基于人類的認知經驗積累的東西很難引入到模型訓練里面，知識突破的出現實際上一定程度解決了專家經驗的積累，但它在一定時間段內是靜態的，不能做到實時的更新。而大模型出現后真正出現了智能，它會進行自主學習，并且能夠做到跨領域多模態，因此顛覆了原來很多東西。
AI大模型引入到移動通信網絡之后，會帶來更低的門檻和更高的效率，一個個數據的斷點會被打通；同時，專家經驗長期的積累會注入到網絡當中；此外，未來的網絡的維護，包括運營以及適配用戶場景化動態化的需求，會變得人機不分。會在移動通信網絡中發揮多種作用，包括：
網絡優化：AI大模型可以分析移動通信網絡的大量數據，識別網絡擁塞、性能瓶頸和故障等問題，并提供優化建議。它可以通過學習歷史數據和實時監測，預測網絡流量需求，并幫助網絡運營商調整網絡資源分配，以提供更好的用戶體驗和服務質量。
無線資源管理：AI大模型可以協助移動通信網絡中的資源管理，包括頻譜資源、天線配置和能量分配等。它可以根據實時環境和網絡條件，優化資源利用效率，提高網絡容量和覆蓋范圍。
網絡故障診斷和預測：AI大模型可以監測移動通信網絡的運行狀態，并識別潛在的故障和問題。它可以分析網絡設備的性能指標、日志數據和告警信息，及時發現異常情況，并進行故障診斷和預測，以便采取相應的維護和修復措施，提高網絡的可靠性和穩定性。
用戶行為分析：AI大模型可以對移動通信網絡中的用戶行為進行分析和預測。它可以根據用戶的位置、移動模式、通信行為等數據，提供個性化的服務推薦和營銷策略。例如，根據用戶的偏好和需求，向其推薦相關的應用、服務和內容，提高用戶滿意度和粘性。
安全保障：AI大模型可以協助移動通信網絡中的安全保障工作。它可以監測網絡流量，識別潛在的安全威脅和攻擊行為，并采取相應的防御措施。AI大模型還可以應用于用戶身份驗證、欺詐檢測和數據加密等方面，保護用戶的通信隱私和數據安全。
AI大模型給通信運營商帶來的機遇
目前，生成式AI已經在營銷、設計、建筑和內容等領域催生了許多創新應用，同時在生命科學、醫療、制造、材料科學、媒體、娛樂、汽車、航空航天等領域也展現出了巨大的潛力。各個行業紛紛結合自身領域，切入這一賽道。眾多的入局者中，通信運營商具有天然的優勢。其實不難理解，生成式AI依賴于大模型的訓練和運行，而這需要算力和網絡支撐。通信運營商作為新型云、網、算力等信息基礎設施服務的運營者，自身擁有優質網絡、算力和云服務能力，同時具備產業鏈優勢。對于運營商來說，既可以自身應用大模型，提升服務能力與產業效率，也可以為企業訓練大模型提供算力支持。大模型給運營商帶來的機遇，主要有三方面：
第一，提升自身服務水平。運營商可以利用大模型改進信息通信服務能力，例如其在自然語言上的能力可用于提升智能客服等運營服務功能。將大模型和云網運營深度結合，用于網絡故障處理、工單識別流轉、人員降本增效等場景。
第二，網絡優化。運營商可以利用通信網絡的巨量數據量來訓練通信網絡大模型，實現網絡的智能分析、實時預測和自動化運維。基于生成式大模型自動生成代碼和漏洞掃描，提升網絡安全水平。
第三，面向政企客戶提供AI即服務（AIaaS）和數據服務。運營商可以利用其新型信息基礎設施來承載ChatGPT等大模型訓練和推理服務，幫助大模型進行跨地域訓練，完成算力資源適配等。此外，運營商數據優勢明顯，可以為模型訓練提供數據服務，實現數據價值變現。
在此背景下，國內外的運營商們紛紛加速對生成式AI的布局。中國電信的TeleChat、中國聯通的鴻湖，中國移動重金押注算力，官宣了建設中的”人工智能大平臺“。韓國運營商SKT也在財報電話會上公布了公司的AIGC版圖。
寫在最后
AI大模型是工業革命級的生產力工具，將會帶來一場新工業革命，會對科研、辦公、工業互聯網帶來全新的顛覆和全新的機遇，大模型下的我們應該學會用人工智能解決問題。但需要指出的是，AI大模型在移動通信網絡中應用需要考慮實時性、效率和可擴展性等因素。同時，數據隱私和安全也是非常重要的問題，必須采取適當的隱私保護措施，確保用戶的個人信息得到充分保護。
關鍵詞：
