前言

通用人工智能一直是人工智能领域产业界和学术界关注和努力的方向。深度神经网络在学习范式和网络结构上的不断迭代极大的提升了人工智能算法的学习能力，随着针对特定场景下基于海量数据训练机器学习模型的日益演进和成熟，在强算法、大数据、大算力等关键技术的共同推动下，大模型进入爆发期。深度学习的发展推动了人工智能迈向新阶段，在国际范围内掀起“大数据+深度模型”的热潮。未来当前5G/6G与AI的全面融合需要结合AI领域最新进展，支持相关成果的更好使用。

(资料图)

小模型聚焦精细化场景用例，解决碎片化问题，大模型具有良好的通用性、泛化性，以及显著降低人工智能应用门槛的优势，可以利用少量数据进行微调或不进行微调就能完成多个场景的任务。现有无线AI的研究中均是利用小模型为模块化的小问题提供解决方案，然而引入泛化性较强的预训练大模型以及引入大模型后对网络设计带来怎样的影响需要展开针对性的研究。

AI/ML in Network

技术发展，标准先行。目前3GPP有四个工作组在进行AI/ML标准化方面的研究工作，分别包括AI/ML for Air Interface、AI/ML for NG-RAN、AI/ML for 5GS以及AI/ML for OAM。

具体来看，在目前R18的AI/ML for Air Interface研究项目中，在网络侧和终端侧有三种主要的训练协作类型，一种是互相没有协作（level x），一种是基于信令的协作但没有模型传输（level y），还有一种是有模型传输的基于信令的协作（level z）。同时，引入AI以后，很重要的一个工作是研究生命周期管理（LCM））的通用框架。此外，目前3GPP在R18空口这个项目里面重点研究了三个用例：分别为CSI、波束管理和定位的增强。

AI/ML for NG-RAN在R18项目中的研究更为明确一点，因为在R17阶段就已经把三个用例（负载平衡、移动性优化和网络节能）以及功能框架等研究得比较清楚明白了。所以在这个项目中，R18的主要任务是在现有的无线网络的架构基础上去具体实现数据采集的增强以及信令的增强。

AI/ML for 5GS主要是AI引入之后核心网的一些增强工作，在这个项目中R18主要包括三方面的工作，第一个是进一步研究基于NWDAF的系统增强功能，以允许5GS支持网络自动化；第二个是进一步聚焦在5GC的网元功能之间的一些增强，主要目标是支持决策制定；第三个是进一步研究围绕NWDAF的必要Iuputs和Outputs以及潜在的架构增强、新的场景等。

AI/ML for OAM是3GPP比较早开展AI相关的标准化研究工作的，主要是基于MDAS的管理数据分析服务，一些主要的项目包括闭环控制、意图驱动管理、自智网络水平等。

当AI模型引入移动通信网络

“数据、算力、模型是实现AI三个必不可少的要素，而通信网络是天然的很标准的能够提供这三个要素的一个场景，所以说AI在通信领域的应用从一开始就有，只是程度好不好的问题。

在大模型出现之前，机器学习很多首先是基于规则的，其次需要大量的数据标记，同时很多都是单领域、单数据源的训练，因此跨领域多模态的能力不足，这样就会导致很多东西联合不起来，从而使其很难解决复杂的、系统的工程。另外，基于人类的认知经验积累的东西很难引入到模型训练里面，知识突破的出现实际上一定程度解决了专家经验的积累，但它在一定时间段内是静态的，不能做到实时的更新。而大模型出现后真正出现了智能，它会进行自主学习，并且能够做到跨领域多模态，因此颠覆了原来很多东西。

AI大模型引入到移动通信网络之后，会带来更低的门槛和更高的效率，一个个数据的断点会被打通；同时，专家经验长期的积累会注入到网络当中；此外，未来的网络的维护，包括运营以及适配用户场景化动态化的需求，会变得人机不分。会在移动通信网络中发挥多种作用，包括：

网络优化：AI大模型可以分析移动通信网络的大量数据，识别网络拥塞、性能瓶颈和故障等问题，并提供优化建议。它可以通过学习历史数据和实时监测，预测网络流量需求，并帮助网络运营商调整网络资源分配，以提供更好的用户体验和服务质量。

无线资源管理：AI大模型可以协助移动通信网络中的资源管理，包括频谱资源、天线配置和能量分配等。它可以根据实时环境和网络条件，优化资源利用效率，提高网络容量和覆盖范围。

网络故障诊断和预测：AI大模型可以监测移动通信网络的运行状态，并识别潜在的故障和问题。它可以分析网络设备的性能指标、日志数据和告警信息，及时发现异常情况，并进行故障诊断和预测，以便采取相应的维护和修复措施，提高网络的可靠性和稳定性。

用户行为分析：AI大模型可以对移动通信网络中的用户行为进行分析和预测。它可以根据用户的位置、移动模式、通信行为等数据，提供个性化的服务推荐和营销策略。例如，根据用户的偏好和需求，向其推荐相关的应用、服务和内容，提高用户满意度和粘性。

安全保障：AI大模型可以协助移动通信网络中的安全保障工作。它可以监测网络流量，识别潜在的安全威胁和攻击行为，并采取相应的防御措施。AI大模型还可以应用于用户身份验证、欺诈检测和数据加密等方面，保护用户的通信隐私和数据安全。

AI大模型给通信运营商带来的机遇

目前，生成式AI已经在营销、设计、建筑和内容等领域催生了许多创新应用，同时在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天等领域也展现出了巨大的潜力。各个行业纷纷结合自身领域，切入这一赛道。众多的入局者中，通信运营商具有天然的优势。其实不难理解，生成式AI依赖于大模型的训练和运行，而这需要算力和网络支撑。通信运营商作为新型云、网、算力等信息基础设施服务的运营者，自身拥有优质网络、算力和云服务能力，同时具备产业链优势。对于运营商来说，既可以自身应用大模型，提升服务能力与产业效率，也可以为企业训练大模型提供算力支持。大模型给运营商带来的机遇，主要有三方面：

第一，提升自身服务水平。运营商可以利用大模型改进信息通信服务能力，例如其在自然语言上的能力可用于提升智能客服等运营服务功能。将大模型和云网运营深度结合，用于网络故障处理、工单识别流转、人员降本增效等场景。

第二，网络优化。运营商可以利用通信网络的巨量数据量来训练通信网络大模型，实现网络的智能分析、实时预测和自动化运维。基于生成式大模型自动生成代码和漏洞扫描，提升网络安全水平。

第三，面向政企客户提供AI即服务（AIaaS）和数据服务。运营商可以利用其新型信息基础设施来承载ChatGPT等大模型训练和推理服务，帮助大模型进行跨地域训练，完成算力资源适配等。此外，运营商数据优势明显，可以为模型训练提供数据服务，实现数据价值变现。

在此背景下，国内外的运营商们纷纷加速对生成式AI的布局。中国电信的TeleChat、中国联通的鸿湖，中国移动重金押注算力，官宣了建设中的”人工智能大平台“。韩国运营商SKT也在财报电话会上公布了公司的AIGC版图。

写在最后

AI大模型是工业革命级的生产力工具，将会带来一场新工业革命，会对科研、办公、工业互联网带来全新的颠覆和全新的机遇，大模型下的我们应该学会用人工智能解决问题。但需要指出的是，AI大模型在移动通信网络中应用需要考虑实时性、效率和可扩展性等因素。同时，数据隐私和安全也是非常重要的问题，必须采取适当的隐私保护措施，确保用户的个人信息得到充分保护。