近年来，随着人工智能（AI）技术快速发展，利用AI技术提升5G网络性能也成为移动通信领域的研究热点。大量研究结果表明，利用AI技术可以从多个层面对现有5G网络中多项设计进行增强，从而达到提升系统运行效率和用户体验的效果。尤其是多项无线空口技术引入基于AI的设计，将带来无线网络设计的根本性改变，是未来网络设计的关键方向。

　　5G与AI不断融合的过程，就是不断构建5G智能维的过程。5G的智能维是基于5G大数据和算力资源，以人工智能技术为基础的新资源维度。5G智能维可以被认为是与传统无线移动通信的时域、频域和空域并列的一个新维度。相较于传统的维度，5G智能维构建需要基于三项基本元素：5G大数据、算力资源和人工智能技术。5G大数据既包括5G网络中原生数据也包括5G承载的数据。算力资源包括5G终端算力、5G网元算力和云设备算力。人工智能技术就是以机器学习为代表的人工智能技术。构建5G智能维可以定义为：利用人工智能技术，合理使用5G大数据和算力资源，使5G更加智能、高效，同时应用于5G网络智能化适配，实现高质量的多样业务。

　　把基于AI的多项关键技术引入实际网络还面临从基础理论到实际应用相关的一系列关键问题急需解决。这些关键问题包括关键用例选择、数据集构建、模型的管理和算力支撑等。对于5G大数据的挖掘需要借助一系列的AI基础理论和工具，AI工具及算法对数据和算力有比较明确的需求，在5G网络架构进行增强性设计既要考虑不同算法的数据需求和实际性能，也要结合相关算法对算力资源进行评估。5G网络的强大传输能力也将推动基于AI的更多应用产生。AI相关应用的数据收集方式、计算方式、模型的部署与更新方式都需要考虑和5G网络进行动态结合，以便提供更好的服务。

　　5G国际标准开始阶段受各方面因素所限并未引入基于AI的设计。随着AI技术的快速发展，在5G国际标准不断演进的过程中，也逐步考虑了与AI进行融合的设计。从R15版本开始至今，5G无线网和核心网逐步引入了基于AI的相关设计，同时也进行了大量对AI技术支持相关的研究。本文结合5G国际标准进展对5G和AI不断融合的过程进行详细的介绍与分析。

　　基于AI的空口设计是构建5G智能维度的核心

　　5G中基于AI的物理层设计涉及空口及高层的设计。基于AI的高层设计先于空口开始了研究，重点关注基站节能和移动性管理等用例。空口设计主要对无线AI相关的关键技术进行研究与标准化。其中，基于AI的空口设计是整个基于AI设计的核心。现有研究表明，基于AI的空口设计是构建5G智能维度的核心，将有潜力开启全新的系统设计方式，并奠定6G的设计基础，也是各公司国际标准化争夺的焦点。

　　基于AI的高层相关设计在3GPP R17版本中开始研究，其名称是数据收集增强的项目。该项目研究了基于AI的基站节能和移动性管理相关的数据收集内容与收集过程，以及AI模型在5G网络中的运行机制。基于R17的研究成果，R18版本重点关注基站网元间的信号传递和网络架构上需要的修改，进行了相关用例标准化工作。在R19版本中，除了持续完善现有用例的性能，基于AI的高层设计还将考虑对基于AI的智能切片等新业务的支持。

　　基于AI的空口设计在R18中进行了研究项目的立项。该项目是5G演进中最受各公司关注的项目，也是无线AI技术在5G中首次进行标准化。项目重点关注引入基于AI的设计对5G整体框架的影响，并研究一些典型用例的性能及标准化影响。在项目开展过程中定义了AI相关基础概念、基础仿真验证方法论、基站终端合作方式，并针对模型／功能注册、数据传输、模型传输、模型／功能选择、模型／功能激活去激活等生命周期管理过程进行了详细的研究。在用例方面，R18版本对信道信息反馈、定位、波束管理等关键用例进行了系统的研究。其中基于AI的定位和波束管理技术得到各方认可，将在R19版本中进行标准化，而基于AI的信道信息反馈由于涉及双边模型的标准化，还有较多的问题没有得到很好的解决，在R19版本中将继续进行研究。此外，数据集传输和模型传输也是R18研究的热点，考虑到数据集和模型传输的潜在开销，R18版本的研究还需要在R19版本和信道信息反馈一起继续进行研究。

　　持续推进核心网侧智能化

　　3GPP启动核心网侧智能化的研究及标准化已有几个版本。在R15阶段，3GPP在5G网络架构中引入了NWDAF（Network Data Analytics Function，网络数据分析功能网元）。NWDAF用于网络数据采集、网络数据分析，以及向其他的网络功能网元提供网络切片实例负载等的分析信息。

　　在R16阶段，3GPP专门成立了使能5G网络自动化（enabler of Network Automation for 5G，eNA）的立项，对R15NWDAF功能进行了补充和增强，定义了基于单实例集中式的智能网络架构和能力。同时，也梳理了业务体验、网元负载、网络性能、UE移动性、UE交互性、终端异常行为等应用场景以及涉及的关键技术。

　　在R17阶段，3GPP进一步成立了eNA_phase2立项，继续研究网络架构的进一步增强包括NWDAF功能分解、数据收集效率提升、UE数据收集，定义了基于多实例分布式的智能网络架构和能力。同时进一步梳理了业务分布分析、WLAN性能、会话管理拥塞控制体验、DN性能等典型应用场景以及涉及的关键技术。

　　在R18阶段，3GPP进一步成立了eNA_phase3立项，重点研究数据收集性能提升、模型性能监控、跨厂商模型共享、联邦学习、漫游数据共享、如何和定位系统协同以及如何和网管协同等。R19阶段，由于跨厂商模型共享、联邦学习比较复杂、涉及内容也较多，R18只定义基本框架，在R19还将进一步研究。另外，由于核心网智能化在R18版本及之前没有和RAN进行联动，在R19版本还将研究如何支持核心网和RAN联合智能化。

　　5G与AI融合持续推进

　　5G对于AI算法的支持也有所讨论。在R17版本中，主要针对AI模型的相关特征进行了分析，尤其是AI模型的大小及运行方式。这部分内容在核心网需求组（SA1）的AI模型分析项目中开展。项目对模型分割、模型下载、分发和共享，以及联邦学习和分布式学习涉及的典型模型和运作方式进行了非常详细的说明。R18版本持续在核心网架构组（SA2）中考虑模型传输方面的需求和解决方案。总体而言，相对于基于AI的无线和核心网侧设计，5G网络对于AI算法的支持目前仅停留在研究层面，并未进行过多标准化支持。

　　5G与AI的融合是一个逐步探索与完善的过程。标准化是5G网络演进的最关键一环，标准化的过程也是5G与AI融合持续研究与达成共识的过程，5G智能维的构建需要与标准化工作进行紧密结合。5G与AI融合的标准化工作是系统工程，标准化内容与产业实现整体路线图进行有机结合，循序渐进地实现。与5G网络相关的标准化工作还将在3GPP持续进行，基于AI的5G网络相关用例可以根据实现所需网元在3GPP的核心网侧和无线侧进行不断标准化，而5G网络对于AI技术和应用的支持增强需要根据AI各种应用的特点和需求进行对应的增强。

　　5G与AI融合也为未来6G的AI原生性设计奠定基础。3GPP的一个好传统是，对于任何重要的新功能，研究都应该提前至少两个版本进行，以使整个行业对新技术有充分的了解。例如，大规模MIMO的研究已经在4G Advanced开始，支持大规模MIMO的产品在5G推出。无线AI是一种历史水平的新技术，对无线系统来说，长时间的研究是必不可少的。5G已经研究和标准化的用例也将在未来6G的AI原生性设计中得到支持。同时，沿着5G已有的标准化过程，更多用例也将实现不断的研究和标准化。

　　（作者：刘晓峰 单位：中国信息通信研究院移动通信创新中心）