AI与无线通信技术相结合，开启移动通信“技术革命”

　　以“5G变革共绘未来”为主题的2023世界5G大会即将在河南省郑州市举行。12月5日，在世界5G大会正式开幕前夕，以“融合创新提升价值空间”为主题的“TechTalk2023创新技术论坛”率先拉开帷幕，汇聚产业各方共同探讨连接技术和创新数字技术的融合发展新机遇。

　　论坛期间，高通公司技术标准副总裁李俨应邀出席，并发表题为《迈向AI原生的通信系统设计》的演讲，分享了随着AI技术高速发展，如何把AI引入到无线通信系统之中，并提升无线通信的性能等方面的思考和探索。在演讲中李俨强调，随着移动通信扩展到各个行业，其在工厂、体育场馆、地铁站等场景下的应用会越来越多，当具备互补优势的AI与无线通信技术相结合，可以极大地提升移动通信系统的服务质量。李俨表示，期待在6G时代，行业携手迈向AI原生的通信系统设计，全面提升系统性能，为用户带来更高可靠性的卓越连接体验。

　　以下为演讲实录：

　　尊敬的赵秘书长，邬院士和各位专家，大家早上好，非常荣幸能有机会来参加今天的创新论坛，和大家共同分享在AI原生的通信系统设计方面的一些思考。

　　最近一段时间，AI技术得到迅猛发展，如今我们在讨论无线通信系统的时候，也需要考虑如何把AI引入到无线通信系统之中，并提升无线通信的性能。以往我们在进行传统的无线通信系统设计时，都是基于已知的物理模型对系统进行建模。面向2G、3G、4G甚至5G系统研究语音通信、移动上网等业务时，我们更多地服务是面向大众的环境，并将精力着重放在增强型移动宽带（eMBB）市场上。随着5G移动通信扩展到各个行业、应用领域逐渐扩大，我们遇到的场景会越来越多样。

　　在传统的系统设计中，确定的模型可以覆盖大部分的场景，因为大部分时候应用领域、应用环境和应用方式都是相似的。如果遇到一些特殊的场景，我们可以通过针对性的工程 *** 去应对，以此助力整个系统实现较高的可靠性。如今，随着移动通信扩展到各个行业，我们发现每个行业都会经常遇到各种各样的特殊场景，比如工厂、体育场馆、地铁站等场景会越来越多，相应带来的技术挑战也越来越多，因此如何让未来的通信系统设计能够更加适用于各种各样的应用场景，成为了我们需要研究的议题。

　　AI为我们打开了一种新的可能性，因为AI的设计思路是基于数据的，而不是基于模型的假设，建立在数据的基础之上可以提供更好的准确性，也可以增强适应性。因此，当我们将AI和无线通信技术相结合，可以引发移动通信的“技术革命”，无线通信和AI具有互补优势，可以极大地提升移动通信系统的服务质量。

　　随着AI的引入，我们不仅可以带来高效的 *** 规划和优化，也可以提升用户体验，更重要的是，AI可以应用到通讯技术的方方面面。今天，在一些环境下，基于AI的自智 *** 已经得到应用，同样，AI也在极大地改变无线接入网（RAN）智能控制器、干扰协调机制和大规模MIMO调度器等，带来了巨大的性能提升。

　　对于AI赋能的空口设计面向信道编码、波形设计以及多址接入，我们正重新设计端到端的通信协议，使其满足跨 *** 和终端的联合训练、模型共享和分布式推理，从而增强信道感知，提升系统的可靠性和性能。同样，我们在终端方面引入AI，可以提升毫米波的波束管理、信道状态反馈计算和增强定位等等，这些我稍后会逐一介绍。

　　之前很少有人谈到，但是我们需要强调的是，AI不仅仅是一个基于云端的服务，今天我们的终端也具有强大的算力。我们希望能够利用终端侧的计算能力，充分调动终端的CPU、GPU、NPU，将AI应用到终端。高通公司对这样的应用非常感兴趣，因为我们对5G技术以及调制解调器等移动通信硬件有深刻的理解，我们对CPU、GPU、NPU等计算硬件也有深刻的认识，并且我们有强大的生态系统，我们希望把两者结合，利用终端侧AI增强5G端到端系统。

　　在这一过程中，很重要的一点就是对无线信号的感知。利用AI技术可以对整个移动环境和业务流量进行感知，在此之上，我们可以不断提升用户体验和性能。此外，利用AI提升无线安全性也非常重要。从伪基站发来的短消息或骚扰 *** 给大家的日常生活带来困扰，我们通过把AI技术引入终端，对欺诈场景进行识别，从而过滤此类基站发来的欺诈信息。

　　刚才提到，AI实际上离我们的日常生活并不遥远。实际上，高通已经把很多AI方面的技术应用到现有的产品当中。在今年2月，高通推出了全球首个5GAdvanced调制解调器及射频系统——骁龙X75。骁龙X75集成了高通第二代5GAI处理器，我们基于5GAI处理器也实现了一些典型应用，包括把AI应用于毫米波波束管理，能够进行精准识别，找到更佳波束，实现波束的对准和跟踪。在应用这项技术之后，可以把毫米波的接收功率提升高达25%。另外我们也把AI引擎应用到定位跟踪方面，把所有的GNSS信息，包括从传感器等位置获得的信息进行融合，并且进行推演，使定位精度提升高达50%。

　　除了终端方面，我们也将AI应用到 *** 运行领域的多个方面。例如，把AI应用到毫米波的 *** 规划当中。这一过程首先开始于数字孪生的建模，我们利用AI技术，通过机器学习把传统的GIS信息和图像源等各方面与地理信息有关的数据进行融合，生成一个全域的数字孪生。我们在英国曼彻斯特实现的案例中，能够把整个原有现场的场景（包括灯杆、楼宇、树叶）进行精准地描述，创建与原有场景的位置和尺寸一致的表达。在这个数字孪生模型之上，我们使用了传统的信道传播模型来对 *** 的部署进行优化与迭代，最后找到更佳的基站部署位置，以实现我们预计的吞吐量或覆盖目标。

　　除此之外，我们可以应用AI技术，对一些重点关注的场景进行深度规划和优化。比如从地铁站到球场的步行道路，经常有人群聚集，我们对此类场景进行重点优化以提升连接性能，增强用户体验。另外，面向5G专网的自适应RAN运行也非常重要，对于这一点，高通推出了Edgewise套件，配备高通Edgewise套件的工业物联网室内场景OTA测试平台，能够自主地对无线部分进行管理和运行，同时也能够对整个工作流进行编排。利用这些AI技术，我们可以对5G虚拟专网的实时调度进行管控，能够精确地识别系统里的干扰源，然后通过合理的调度规划来规避干扰，提高整个工业环境的可靠性和性能。

　　以上都是我们在现有标准框架下，将AI应用于终端、 *** 规划以及系统中的应用，目前已经实现了性能提升。下一个阶段，我们希望能够在终端和基站之间引入这种协同解决方案来提高AI效率。从3GPPRelease18标准开始，我们将利用AI进行无线 *** 优化，并且重点关注信道反馈、波束管理和精准定位三个无线AI关键用例，接下来我会一一详细介绍。

　　首先来了解下信道反馈状态，传统的信道反馈是从基站发出参考信号，终端进行接收之后，对信道空间进行线性分类，来判断这个信道属于哪一个区间，然后把这个信息报告给基站，基站基于很粗略的信息来对下行波束进行管理。

　　但是传统的线性空间划分可能不够准确，我们希望利用AI技术，更加优化传统的参考信号设计，同时也可以对整个信道特征的编码空间指向进行优化，使终端能够根据当前的无线信道环境，推演出当前的信道特征表述，然后传送给基站；基站侧再利用AI解压信道状态信息，对信道进行精准预测。利用这种 *** ，我们可以优化信道传输开销，同时也可以针对多用户场景降低干扰。在未来，我们甚至可以打造基于单个终端的定制化模型，利用定制化的信道特征表征模型来进一步优化性能。

　　3GPPRelease18聚焦的第二个关键用例是毫米波波束管理。这与信道状态反馈较为类似，但区别在于反馈的信息量不同。在这种情况下，终端是对各个波束的指向进行测量，在对各个波束进行测量，以及对波束的信道变化情况进行统一编码之后，传输给基站侧；基站侧基于这些编码，能够再生当前每一个波束的信道质量情况，而且能够对波束的变化、终端的运动轨迹以及其带来的潜在波束运动方向，进行合理的预测，以此来优化移动性，提升波束跟踪的性能表现，此外还可以减少基站之间参考信号和控制信号的传输。

　　3GPPRelease18聚焦的第三个用例，则是利用AI模型来提升定位和无线射频感知性能。从3G、4G时代开始，我们就在空口引入了定位参考信号，这一点在5G时代得到了进一步增强。目前，我们希望能够补充GNSS等辅助信息，在卫星不可触达的场景，比如室内的场景应用，来提供定位服务，我们正致力于推进这一技术在实际场景中的应用。目前由于工程实践的复杂程度非常高，要对发射机的位置、发射机之间的时间、相位信息等进行严格校准与同步，在这种情况下才能通过对往返时间（RTT）、到达时间差（TDOA）、信号到达角（AOA）等的测量，计算出终端的准确物理位置。但是，当我们引入AI技术后就能用一种全新的 *** 来设计系统。我们不仅可以引入传统的GNSS卫星系统，更重要的是，利用AI技术，我们可以直接通过现场采集到的数据对模型进行优化和校准，从而降低对基站侧的校准要求。因此，通过采集到的数据对整个模型进行校准后，基站就可以进行终端部署，以提供精准定位。我们希望通过将AI引入移动通信系统，帮助行业在室内生产等场景中更好地利用5G技术进行定位，从而满足其在物流管理等方面的需求。

　　以上这些，都是我们在推动Release18聚焦的关键用例中所做的工作，我们已经开展了对终端与 *** 的优化；展望未来，我们希望对整个通信系统进行重新设计，将终端与 *** 的协同AI引入所有协议栈层面，从而使其能够完成联合的训练和推演。同时，我们还希望能够推动未来向AI原生的无线通信系统演进。

　　提到AI，就不能不提到一项关键技术——生成式AI。在过去的短短一年里，生成式AI得到迅速发展。生成式AI不仅在云端上有许多应用，如今高通公司已经实现在终端侧，即Android手机上，运行参数规模达到10亿甚至百亿的大模型。

　　例如，今年年初我们进行了全球首个运行在Android手机上的StableDiffusion终端侧演示，在15秒的时间内完成20步推理并生成一张图像，这是业界最领先的成果之一。我们可以看到，近期发布的旗舰手机，基本上都将支持基于终端侧的生成式AI这一特性作为重要卖点。生成式AI不仅对应用体验有很大的提升，也对移动通信系统的设计有重要作用。利用生成式AI能够更加精准地对信道特征的变化进行预测，对整个业务流量和配置进行规划，使我们得以提早进行 *** 资源的合理调配，同时对用户的移动性进行精准识别，提高 *** 的可靠性。

　　为了将生成式AI应用于特定环境中，高通在相关领域进行了全面的基础性研究，包括3D建模、材料学习，以及如何利用神经 *** 对信道进行渲染等方面。我们希望在此基础之上，把AI相关技术带入未来的6G系统设计当中。

　　当前，我们已经体验到了AI对终端和 *** 带来的性能改变，5GAdvanced也正式开启了无线AI时代。展望未来，期待在6G时代共同迈向AI原生的通信系统设计，从而全面提升系统性能和用户体验。谢谢大家！