2024 全球6G技术大会 -10.0C 6G无线智能云网络

2 2 34.关键技术支柱和考量因素 4 4 5 7 8 9 15O-RAN联盟成立于2018年，由美国电话电报公司(AT&T)、中国移动(ChinaMobile)、德国电信(DeutscheTelekom)、NTTDOCOMO和Orange共同发起。自成立起，O-RAN联盟已成为一个全球性的社区，涵盖移动网络运营商、供应商以及在无线接入网络(RAN)行业运营的研究与学术机构。O-RAN联盟的使命是重塑RAN行业，实现更智能、开放、虚拟化和完全互操作的移动网络。O-RAN充分利用了第三代合作伙伴计划(3GPP)定义的大部分物理特性，以维持一个统一且健康的生态系统。O-RAN规范将网络实体进行拆分，并定义了接口以促进多供应商联合开发，并对产品进行互操作性测试。国际电信联盟(ITU)定义了IMT-2030框架及相关时间线，各行业根据此框架启动了6G研究。O-RAN也在新一代研究组(nGRG)中启动了6G研究，目的是在6G标准制定前形成6G相关的观点。除了先进的功能外，O-RAN的灵活架构为未来的6G网络提供了一些独特的优势，包括可编程的网络智能架构、基于服务的RAN设计、充分的网络功率优化、灵活的频谱共享等。本白皮书简要介绍了基于O-RANnGRG讨论的一些关键6G技术支柱。为了帮助读者理解技术问题和考量因素，本白皮书在第2节介绍了O-RAN架构。文末也对O-RAN在6G时代的前景进行了展望。2.O-RAN架构下图是由O-RAN联盟定义的O-RAN架构概览[1]。O-RAN利用了3GPP定义的接口，并且在将RAN功能划分为O-CU、O-DU和O-RU时定义了一些新的接口。图1O-RAN架构概览[O-RAN]在该架构中，RAN（无线接入网络）智能控制器(RIC)是实现近实时或非实时控制的逻辑功能。网络控制功能根据所需的时间尺度被拆分为两个实体。E2是连接近实RIC和O-CU的接口，大多数网络智能功能都通过E2连接。O-DU和O-RU是代表网络开放性的两个主要实体。根据O-RU所支持的功能，有几种划分选项。运营商可以使用不同的应用程序对RIC功能进行编程，多个应用程序可以灵活启用不同的网络功能。3.6G愿景和设计目标ITU-R定义了IMT-2030框架[2]，其中包括6G的使用场景和功能。该框架建议是6G最重要的指导方针之一，并将作为3GPP和其他标准开发组织(SDO)制定6G标准的设计指南。IMT-2030的使用场景预计将在IMT-2020的使用场景（即在ITU-RM.2083建议中引入的eMBB、URLLC和mMTC）基础上扩展至更广泛的用途，这些用途需要演进和新的能力。除了扩展IMT-2020的使用场景外，IMT-2030还设想启用由人工智能和感知技术等能力催生的新使用场景，这些能力是前几代IMT在设计上未能支持的。IMT-2030的使用场景包括沉浸式通信、超可靠和低延迟通信、大规模通信、泛在连接、人工智能与通信以及集成感知和通信。图2IMT-2030使用场景[2]O-RAN的网络架构通过拆分RAN功能和定义标准接口，提供了最大的灵活性。随着6G的使用场景相较于5G翻倍，O-RAN的灵活性为进一步创新奠定了良好的基础。在本文的第3节，我们讨论了6G设计的几个重点技术支柱，并分析了面临的挑战和潜在的解决方案。4.关键技术支柱和考量因素6G网络是连接现实世界和数字世界的桥梁。未来6G网络的边缘，越来越多的流量涌入。6G网络的潜在特征包括智能化、可编程性和资源池化。智能化是6G架构的关键推动技术，而原生人工智能(AI)已引起学术界和产业界的更多关注。为了实现原生AI，6G在架构设计初期需要考虑相关接口（例如，E2）和流程（例如，AI/机器学习(ML)流程）。原生AI内容在后续3.3部分详细介绍。在6G的背景下，整合原生AI需要一种高效便捷的方法，以无缝融合AI元素。此外，不同的6G服务需要不同的网络资源。因此，可编程技术应运而生，成为了推动6G架构发展的潜在的解决方案。可编程技术包含三个关键部分：参数、数据和算法。可编程参数通过可编程框架和通用接口，实现对6G网络参数的灵活适配。可编程数据涉及构建AI算法训练数据集，并探索网络功能内的数据关系。此外，可以在保证数据安全的基础上将数据提供给第三方。可编程算法定义了不同场景下的输入输出数据格式。网络功能和第三方可以在上述输入和输出以及安全检查的主体下，通过可编程框架嵌入或替换AI算法。为促进这一过程，需要一个可编程框架来高效部署和管理这些算法。该框架应包括一整套可编程接口和功能模块，使得AI算法的调度和更改成为可能。此外，可编程算法确保6G网络能动态适应各种场景的需求。例如，如果用户期望从RAN获得高吞吐量，可以基于AI设计保证高吞吐量的RAN切片方案。同样地，对于优先考虑服务质量(QoS)的消费者，AI算法将集成QoS优化。为实现RAN可编程化，逐步开放传统上封闭的RAN协议栈至关重要。这涉及增强协议栈层面的功能，并标准化及通用化新开放的接口。在原生AI不断发展的背景下，可编程RAN加速了朝向更开放和更智能的RAN愿景迈进的进程。通过加入可编程技术，RAN可以有效地适应动态网络需求，促进创新，并充分发挥原生AI的全部潜力。资源池化在6G架构中扮演着重要角色。资源依然是异构的，它包含通用资源和专用资源。通用资源是常见的、标准化的硬件（例如，基于X86或ARM、CPU的商用服务器以及具有可扩展性的多样化硬件芯片，包括用于AI模型训练的加速器和时钟资源芯片以及图形处理器(GPU)。对于RAN而言，需要高速处理能力和大量的专用资源，如用于编解码的现场可编程门阵列(FPGA)。时钟资源用于在网络元件和用户设备(UE)之间实现同步精度。专用资源（例如，ASIC芯片）为少数具有大容量和超高性能需求的设施提供专门服务。图3可编程RAN传统RAN架构主要是为了保证传统消费者业务(ToC)的连接服务而设计的，使用了相对封闭的协议，但具有性能优势。随着5G和6G引入了更多场景和服务，以及IT技术在移动网络中的融合，RAN架构需要演进以提供更灵活、适应性更强的网络。O-RAN正在定义更开放的架构，构建统一的RAN云平台，标准化更开放的接口，并引入智能功能。目前云化RAN的实现只改变了软件的运行平台，而非改变RAN软件架构本身。这种RAN架构不利于云化，无法充分利用云原生的优势。云化RAN是第一步，未来RAN还将持续演进。5G核心网的服务化架构(SBA)可以作为参考。服务化RAN的目标是通过将RAN功能重构为可组合和可重用的网络服务，并使用统一接口与RAN内部服务和核心网络(CN)进行交互，从而更好地利用云原生优势。基于服务的RAN的优势包括：1)灵活和弹性的网络功能部署，快速升级和扩展网络能力，支持更多业务场景；2)引入新的端到端网络交互方式，且不降低跨域新功能引入对现有业务的影响；3)更及时和多维度地开放无线网络能力；4)与CN服务集成管理和编排，降低网络运维的复杂性，提高网络对新业务的适应性。图4基于服务的RAN的概念设计基于服务的RAN架构需要考虑以下几个方面：重构RAN功能为服务的粒度至关重要。粒度越小，灵活性越高，但可能带来性能和效率问题。5G核心网络服务化架构的实现包括两个层级：网络功能(NF)和网络功能服务（NFS）。NF之间进行通信，内部NF服务可以共享数据库，降低了复杂性，也与微服务架构有所不同。考虑到内部功能关联和复杂性，RAN最初可以采用类似于核心网络的方式重构。5GRAN可以在功能上划分为控制面和用户面，并且存在控制面和用户面分离的概念，但在部署层面上，它仍采用单一模式。控制面主要包括连接管理、会话管理、移动性和测量等功能，用户面包括数据包的处理。不同功能面在服务化层面的考量如下：对于控制面，服务化可以根据耦合程度将现有控制面功能重建为更细粒度的服务，不同的服务可以根据需求在不同场景和区域灵活部署。例如，在车联网场景下，移动性管理服务适合集中部署，以优化移动性体验。与此同时，基于服务的控制面功能可以实现直接与核心网控制面交互，减少不必要的信令转发，并将与其他核心网络服务从串行交互变为并行交互，优化控制面的信令过程。信令过程的优化有助于提升网络性能，如改善延迟和增加效率。此外，对于特定服务的极致要求，它也有助于RAN和CN在边缘集成，简化部署复杂性并提升性能。最后，对于未来网络更复杂的功能配置和参数配置，基于服务的控制面可以以更小的粒度执行和更新，而不影响其他服务的运行。对于用户面，传统的移动通信协议均遵循OSI分层协议设计理念。每层都接收由下一层提供的特定服务，并负责向上一层提供服务。上下层之间遵循接口约定，同一层遵循协议约定。这种分层设计理念的问题在于协议和服务模型是固定的，无法实现灵活的跨层信令交互和跨层功能组合。未来应用的多样性特征将带来数据包处理的更多差异性，例如工业控制的小数据包，需要更高的可靠性，并需要利用用户面的分组数据汇聚协议(PDCP)复制功能；沉浸式交互应用对I帧、P帧有不同的处理需求。用户面需要针对新的QoS保证进行功能组合和安排。除现有应用类型外，传感、AI和其他新应用也带来了新的数据包模型，要求用户面能够匹配不同数据包的处理以及转发。基于服务的用户面在灵活组合、部署和快速更新方面具有优势。对于有着不同用户数据包处理需求的场景，可优先采用基于服务的用户面。此外，未来无线系统将提供如AI、计算、传感等新服务，一方面，这可以增强现有功能面，例如引入传感和计算能力的控制功能，以及在用户面引入新的用户数据包处理模式。另一方面，RAN也可能引入新的功能面，如数据面，带来新的功能交互方式，这将对网络的灵活性和快速更新提出更多要求。服务化架构在这些方面具有一定的优势。目前，RAN和核心网络通过点对点的N2接口进行交互。对于基于服务的RAN，可以考虑使用基于服务的N2接口，RAN仍然是一个独立的整体，RAN服务可以通过内部高效的接口相互交互。这种方法相对容易实现，可以在服务化的初期阶段采用。另一种方式是在RAN内部服务和核心网络之间使用统一的接口，RAN服务和核心网络服务处于对等位置，并可以实现直接交互，这种方法具有更多优势，但同时会带来更多与网络安全和生态变化相关的问题。AI被视为最强大的技术之一，通过分析收集到的数据并自主处理这些数据，来改善系统性能并实现无线通信网络中的新功能，进而获得更深入的洞察。3GPP在5GC中引入了一个新的逻辑功能实体NWDAF，以提供多种类型的网络数据分析服务。网络数据分析服务包括：观察到的服务体验相关网络数据分析，对于音视频流服务及V2X和Web浏览等非音视频流服务，提供观察到的服务MoS的平均值和/或方差，从而指示各类服务的MoS分布情况。NF负载分析，提供NF实例的平均负载；网络性能分析，提供感兴趣区域的基站状态信息、资源使用情况、通信性能和移动性能；UE相关分析，提供UE移动性分析、UE通信分析、与网络数据相关的预期UE行为参数分析以及异常行为相关网络数据分析；用户数据拥塞分析，提供通过控制面或用户面或两者传输用户数据时遇到的拥塞情况；QoS可持续性分析，为特定区域的某分析目标期间提供QoS变化统计数据或QoS变化的可能性。在RAN中，3GPP还对AI驱动的网络进行了几项研究。在Rel-17中，3GPP进行了AI驱动的RAN智能研究，定义了参考功能框架，并确定了一系列高层原则以指导标准工作。AI驱动的RAN智能研究聚焦于三个用例：网络节能，通过预测下一时段的能效和负载状态，来优化节能决策（例如，小区激活/停用）；负载均衡，基于从UE和网络节点收集的各种测量和反馈，提供更高质量的用户体验，并提高系统容量；移动性优化，降低与移动性相关的意外事件的概率，预测UE位置、移动性和性能，并引导流量以实现高效的资源处理。在Rel-18中，3GPP开展了针对NR空中接口的AI研究，从性能、复杂性和潜在的规范影响等方面探讨了针对每个目标用例的3GPP空中接口AI框架。对NR空中接口的AI研究还采用了面向用例的方法，专注于三个选定的用例，即信道状态信息(CSI)反馈增强、波束管理和定位精度增强。在Rel-19中，3GPP将进行针对移动性AI的研究，通过预测小区级测量、切换故障/无线链路故障和测量事件，改善切换和/或无线资源管理(RRM)性能。在O-RAN架构中，引入无线接入网络智能控制器(RIC)是一个重要的发展，使得在广泛的用例中引入基于AI的解决方案成为可能。实现AI驱动的网络需要在架构蓝图中进行范式转变。在6G中，需要考虑AI的三个重要特性，即内生AI、跨领域AI和网络大模型。原生AI指的是将AI嵌入网络架构中各种节点/端点和接口所支持的功能中[8]。考虑到AI的四个关键组成部分，即计算能力、数据、AI算法和功能，原生AI网络应具有混合的集中式/分布式AI架构。集中式AI实体负责编排、管理、部署和控制所有分布式AI实体，例如，在与其他域特定AI实体交互的服务管理与编排(SMO)平台上运行。分布式AI实体负责提供本地网络的服务功能，并接收来自集中式AI实体的命令，例如，在CN、传输网络(TN)、基站(BS)和UE上运行。6G无线网络将把通信能力与AI进行原生集成。一方面，端到端AI可以利用由空中接口和网络产生的大量数据来优化6G网络，并为消费者提供定制化的网络服务。另一方面，随着基础设施和终端设备计算能力的增强，未来网络将能够为AI提供分布式部署环境，在网络边缘为用户提供更灵活和实时的AI服务。首先，在设计网络架构时，必须从一开始就将对AI的支持纳入考量。这种考量需要确保传统通信交互的无缝集成，同时将AI的训练和推理融入控制流和数据流中。其次，AI内部的协作也是一个需要考虑的关键因素。这包括集中式AI部署与分布式AI部署之间的协作、网络大模型与其他专业模型之间的协作，以及RAN、CN和管理系统之间的跨域AI协作。因此，从AI编排和管理、数据交互、分布式学习算法和计算能力调度的角度设计高效的AI协作机制是必要的。最后，AI安全问题一直是应用AI技术的主要障碍，需要在可信AI、数据安全和隐私方面提供保护，以保证6GAI应用的可靠性和安全性。4.3.1跨域AI协作跨域AI指的是在不同域间AI功能的协作和整合，这些域可以映射至网络域（例如，RAN、CN、TN、网络应用、网络数字孪生）或其他域[8]。为了实现跨不同网络域的AI协作能力，集中式AI实体（例如，在SMO平台上）应能处理端到端的AI管理和编排能力，如跨域数据编排和映射、AI任务识别和分解，以及将AI任务与计算资源映射。图3提供了原生和跨域AI的参考架构，其中集中式AI实体位于管理域中。对于端到端(E2E)智能场景，应在SMO中增加跨域AI管理功能作为集中式AI实体，以协调来自其他域的AI能力。该模块需要处理AI服务编排、网络计算资源管理、模型存储和管理、跨域AI生命周期管理以及其他相关功能。图5原生和跨域AI网络架构。对于原生和跨域AI网络架构，不同网络域之间的协作控制是一个新的挑战[9]。首先，位于集中式AI实体中的协作控制功能会将意图分解为对演进网络域的服务需求，服务需求将影响连接需求、AI算法需求、数据需求和计算需求。基于服务需求，位于网络域的分布式AI实体将服务需求分解为网络功能需求、连接需求和资源需求。其次，为了提供更实时的管理能力，实时性要求高和复杂度低的服务将由分布式AI实体处理，而实时性要求低、大范围和复杂度高的服务将由集中式AI实体处理。因此，应考虑协同控制方法，例如，联邦学习、分割学习和迁移学习。4.3.2大模型作为AI技术的突破性发展，网络大模型(NetLM)已受到科学界和工业界的关注。与在预定义操作下优化网络的传统AI模型相比，NetLM利用生成式AI算法（例如，生成式对抗网络和变换器）自动并创造性地生成定制化的网络解决方案。例如，对于通信和感知一体化，NetLM可以帮助生成相关光线（例如，生成从节点发射出的射频波束的方位角和仰角的正确分布），以捕获和感知周围环境。另一个例子是对于数字孪生，NetLM仅通过少量样本就能够学习训练数据集分布的尾部行为，并基于所学内容生成与现实一致的新行为。NetLM通常包含数十亿个参数。受计算、通信和存储资源的限制，很难直接在边缘部署NetLM。此外，在核心网络中部署NetLM时，需要在云中收集和训练海量分布式数据，因此会导致巨大的传输延迟。因此，NetLM的部署将强调各种不同规模NetLM间的协作，包括协作训练和推理。需要定义标准化的协作机制，如具有新网络元素的网络架构、大规模数据分布式存储和实时提供机制，以及基于模型的协作接口。从4G时代开始，移动运营商将联合部署RAN网络以扩大覆盖范围。这在很大程度上减少了资本支出，并成为5G时代的主要趋势。在中国和其他地区/国家，运营商共享频率并合作构建RAN网络。中国移动和中国广电联合在n28频段部署了5GNR网络，中国电信和中国联通联合在n79频段和其他频率上部署了5GNR网络。3GPP规定了RAN共享机制，称为多运营商核心网(MOCN,Multi-OperatorCoreNetwork)。在MOCN设置中，一个无线接入网络可接入多个运营商的网络。每个运营商运行自己的核心网络，但无线接入网络（包括载波信号）在特定地区对所有合作伙伴都是相同的。这种方式的一个缺点是只有拥有RAN网络的运营商能够根据服务特征优化调度程序和配置，其他运营商则没有这种灵活性。如果其他运营商的新用例（例如，XR）与原始优化不同，他们就必须承受无线链路性能不佳的影响。O-RAN定义了O-CU/O-DU/O-RU之间的标准接口。基于运营商之间共享O-RU以实现频谱共享的框架，建立在O-RAN开放式前传的固有共享O-RU能力之上，不解决了上述运营商间的共享问题，也解决了许多与未授权频谱或3GPPRAN共享相关的限制和弊端。在新的共享框架下，不同于未授权频谱共享，功率限制可以放宽，且服务质量可针对每个运营商进行优化。因此，用户体验可媲美专用授权频谱部署。“中立主机”O-RU部署可以通过标准化的前传接口动态支持多个独立O-DU共享使用。此外，它保留了开放式RAN系统的所有基于云的、完整的、集中式的控制能力。这包括O-DU、O-CU、RIC和O-RAN架构的所有功能，以及O-RAN架构固有的高级网络自动化能力。共享O-RU架构依赖于资源的优先使用，以保证服务质量，并允许在运营商和其他频谱利益相关者之间进行流量的统计复用，从而提高频谱资源的总体使用效率。为了使这种方案能有效地为所有合作的频谱用户工作，效率提高极其依赖于共享O-RU过程在频谱用户之间分配空闲资源的速度。拟议的共享O-RU频谱共享框架适用于包括公共、私人和政府在内的频谱用户之间的共享。此外，它与无线电技术无关，即并非所有合作系统都需要部署相同的3GPP无线电技术版本，非3GPP无线电技术也可以使用相同的基于O-RAN开放式前传的共享O-RU机制。具有频谱共享功能的共享O-RU可以为下一代网络创造新频谱机会。此外，它可以改善运营商的可持续发展能力，并减少运营商的资本支出和运营支出。图6共享O-RU网络架构。这种基于O-RU的频谱共享方案可满足本地网络的要求，本地网络通常在有限区域内部署，并且有时还具有不同的频谱访问优先级。一个例子是工业园区的频谱，其中部分公司需要独立的网络，具有不同的用例和网络需求，且政府用户具有更高的频谱访问优先级。共享O-RU频谱共享需要对频谱资源的优先访问权进行协调管理。如图6所示，O-RU在协调访问方面处于独特的地位，因为它通过低延迟前传网络连接连接到多个O-DU。虽然共享O-RU是最适合管理协调访问的节点，但只要具有指向所有O-DU的低延迟链路，也可以在网络的其他地方执行协调。执行协调功能并不意味着O-RU必须负责复杂的无线资源管理和调度决策。相反，在基于优先级的许可背景下，O-RU的角色可以仅限于简单的资源访问仲裁功能，该功能根据预设策略确定哪个运营商可以访问资源。该策略可以由O-RU的主要所有者或管理者的O&M和RAN自动化系统进行（动态）编排。一个典型的基本规则是始终向优先频谱许可持有者授予访问权限，而次要许可持有者/用户只有在优先许可持有者不使用资源的情况下（受业务协议限制）才能使用资源。如图6所示，基于共享O-RU的频谱共享不局限于一个主要用户和一个次要用户。随着运营商数量的增加，频谱和O-RU共享的效益也会随之增加。因此，需要考虑基于共享O-RU的频谱共享O-RAN程序的可扩展性。正如《IMT-2030框架》中所述，“可持续性是未来下一代国际移动通信(IMT)系统的室气体排放来高效利用资源。”可持续性，或更具体地说，环境可持续性，指的是网络和设备在其生命周期内最大限度减少温室气体排放和其他环境影响的能力。在可持续性因素中，能效是一个可量化的指标。它指的是每单位能耗传输或接收的比特信息量，通常以比特/焦耳来测量。为了尽可能减少功率放大器+低噪声放大器功率放大器+低噪声放大器接收机数字基带天线总体功耗，预计随着容量的增加，能效也有望得到适当提高。2010年左右，中国移动和其他主要运营商共享了对移动网络能耗的观察结果。观察结果显示，一半的能源消耗在空调和其他设施上。他们进一步提出集中RAN设备以减少能耗，称为集中化、协作化、云化、清洁RAN(C-RAN)。主控制图7云RAN的功能划分根据中国移动的分析[5]，C-RAN是一种环保基础设施。首先，通过C-RAN架构的集中式处理，可以将基站站点的数量减少数倍。空调和其他站点支持设备的功耗也可以大幅减少。其次，由于协作无线技术可以减少远程无线电头端(RRH)之间的干扰并允许RRH密度更高，从而可以缩短RRH到UE的距离。可以在不影响网络覆盖质量的情况下，部署传输功率较低的较小小区。用于信号传输的能量将减少，这尤其有助于降低RAN的功耗和延长UE电池的待机时间。最后，由于BBU池是大量虚拟基站共享的资源，这意味着可以实现更高的资源处理利用率和更低的功耗。当虚拟基站在夜间处于空闲状态且不需要大部分处理能力时，可以有选择性地关闭它们（或将其转入更低功耗状态而不影响7x24的服务承诺。O-RAN继承了C-RAN的优势，并定义了O-CU/O-DU/O-RU的开放接口，为分析不同网络实体的功耗提供了足够的灵活性。爱立信的报告[6]指出，“对于大多数移动网络而言，超过80%的能源消耗在无线接入网中，其余的在核心网络、支持系统和相关云基础设施中。”以及“在RAN使用的约80%能源中，约80%用于无线电供电，其余20%用于分布单元——这在网络总能耗中占了很大比例。”通过采用新技术，包括微睡眠发射器(MicroSleepTx)和多频段无线电组件的设计与集成，可以大量节省无线电能耗。同时，基于高性能通用处理器构建的云DU，具有优化的能耗和良好的软件开发生态系统支持。为了充分利用这些潜力，SMO/RIC软件经过精心设计。远程应用程序(rApp)满足自动化非实时网络管理的需求，可以用来降低运营成本、提高网络性能和减少能耗。在3GPP中，第18版研究了网络节能，对系统能耗进行了建模，并确定了几种可能的候选技术，以减少功能层面的功耗。[10]作为后续工作，3GPP批准了第19版工作项目的以下工作范围。[11].在频域上，辅小区(SCell)不需要始终传输SSB。处于连接模式并配置了SCell的UE可以在需要时再触发按需SSB。SCell的SSB可能被UE触发，并至少用于SCell的时间/频率同步、L1/L3测量和SCell激活，并支持在非共享频谱中