飛象網訊 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“融合創新提升價值空間”為主題的“Tech Talk 2023 創新技術論壇”率先拉開帷幕，匯聚產業各方共同探討連接技術和創新數字技術的融合發展新機遇。

論壇期間，高通公司技術標準副總裁李儼應邀出席，并發表題為《邁向AI原生的通信系統設計》的演講，分享了隨著AI技術高速發展，如何把AI引入到無線通信系統之中，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，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的服務質量。李儼表示，期待在6G時代，行業攜手邁向AI原生的通信系統設計，全面提升系統性能，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新論壇，和大家共同分享在AI原生的通信系統設計方面的一些思考。

最近一段時間，AI技術得到迅猛發展，如今我們在討論無線通信系統的時候，也需要考慮如何把AI引入到無線通信系統之中，并提升無線通信的性能。以往我們在進行傳統的無線通信系統設計時，都是基于已知的物理模型對系統進行建模。面向2G、3G、4G甚至5G系統研究語音通信、移動上網等業務時，我們更多地服務是面向大眾的環境，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、應用領域逐漸擴大，我們遇到的場景會越來越多樣。

在傳統的系統設計中，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，以此助力整個系統實現較高的可靠性。如今，隨著移動通信擴展到各個行業，我們發現每個行業都會經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也越來越多，因此如何讓未來的通信系統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據的，而不是基于模型的假設，建立在數據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，可以引發移動通信的“技術革命”，無線通信和AI具有互補優勢，可以極大地提升移動通信系統的服務質量。

隨著AI的引入，我們不僅可以帶來高效的網絡規劃和優化，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，在一些環境下，基于AI的自智網絡已經得到應用，同樣，AI也在極大地改變無線接入網（RAN）智能控制器、干擾協調機制和大規模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議，使其滿足跨網絡和終端的聯合訓練、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系統，我們希望把兩者結合，利用終端側AI增強5G端到端系統。

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境和業務流量進行感知，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，高通已經把很多AI方面的技術應用到現有的產品當中。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——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應用到網絡運行領域的多個方面。例如，把AI應用到毫米波的網絡規劃當中。這一過程首先開始于數字孿生的建模，我們利用AI技術，通過機器學習把傳統的GIS信息和圖像源等各方面與地理信息有關的數據進行融合，生成一個全域的數字孿生。我們在英國曼徹斯特實現的案例中，能夠把整個原有現場的場景（包括燈桿、樓宇、樹葉）進行精準地描述，創建與原有場景的位置和尺寸一致的表達。在這個數字孿生模型之上，我們使用了傳統的信道傳播模型來對網絡的部署進行優化與迭代，最后找到最佳的基站部署位置，以實現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劃和優化。比如從地鐵站到球場的步行道路，經常有人群聚集，我們對此類場景進行重點優化以提升連接性能，增強用戶體驗。另外，面向5G專網的自適應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套件的工業物聯網室內場景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虛擬專網的實時調度進行管控，能夠精確地識別系統里的干擾源，然后通過合理的調度規劃來規避干擾，提高整個工業環境的可靠性和性能。

以上都是我們在現有標準框架下，將AI應用于終端、網絡規劃以及系統中的應用，目前已經實現了性能提升。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進行無線網絡優化，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，傳統的信道反饋是從基站發出參考信號，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，更加優化傳統的參考信號設計，同時也可以對整個信道特征的編碼空間指向進行優化，使終端能夠根據當前的無線信道環境，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解壓信道狀態信息，對信道進行精準預測。利用這種方法，我們可以優化信道傳輸開銷，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。這與信道狀態反饋較為類似，但區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，以此來優化移動性，提升波束跟蹤的性能表現，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，要對發射機的位置、發射機之間的時間、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。我們不僅可以引入傳統的GNSS衛星系統，更重要的是，利用AI技術，我們可以直接通過現場采集到的數據對模型進行優化和校準，從而降低對基站側的校準要求。因此，通過采集到的數據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，幫助行業在室內生產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，我們已經開展了對終端與網絡的優化；展望未來，我們希望對整個通信系統進行重新設計，將終端與網絡的協同AI引入所有協議棧層面，從而使其能夠完成聯合的訓練和推演。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得到迅速發展。生成式AI不僅在云端上有許多應用，如今高通公司已經實現在終端側，即Android手機上，運行參數規模達到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，這是業界最領先的成果之一。我們可以看到，近期發布的旗艦手機，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，對整個業務流量和配置進行規劃，使我們得以提早進行網絡資源的合理調配，同時對用戶的移動性進行精準識別，提高網絡的可靠性。

為了將生成式AI應用于特定環境中，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，以及如何利用神經網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系統設計當中。

當前，我們已經體驗到了AI對終端和網絡帶來的性能改變，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原生的通信系統設計，從而全面提升系統性能和用戶體驗。謝謝大家！