人工智能 (AI) 已经提高了各个行业的效率和可靠性，并且预计将对蜂窝技术产生类似的影响。事实上，到 2030 年，全球电信行业的人工智能市场收入预计将达到 195 亿美元，几乎是 2023 年规模的十倍。
我们认为人工智能与 RAN 的集成是迈向未来的第一步，人工智能将成为无线网络的固有组成部分，使通信服务提供商 (CSP) 能够不断适应，以经济高效的方式同时满足特定的用户体验和能效目标，可靠且可持续。
通过监控流量模式来预测用户需求，AI 可以动态调整网络无线电链路配置，从而使重度用户的吞吐量提高 11.6%，并且根据 CSP 现场测量，小区边缘下载 (DL) 吞吐量提高 50%.
由于人工智能可以预测由于覆盖较差、用户移动和网络拥塞而导致的最佳切换目标，Machine Intelligence Enabled Mobility 实现了总体掉线率降低 1.2%，异频切换失败率降低 10.9%，显着改善用户体验和可靠性。
人工智能还可以监控流量，在不影响性能的情况下将每个无线电站点的能耗优化 14%。
所有这些人工智能支持的功能都显着提高了网络性能，同时还显着提高了 RAN 能源效率。
5G 将边缘计算技术引入比 4G 更广泛的设备，同时减少了之前施加在这些设备上的处理和能耗负载。反过来，这会影响人工智能技术优化可靠性、速度和效率的更多机会。
智能小区整形是一种实时调整无线电信号波束形状的过程，是实现这一目标的一种方式。人工智能通过集中式自动化来促进网络层面的改进，本质上是一路学习和调整。例如：通过随着流量分布的变化自动调整有源天线系统 (AAS) 的倾斜（垂直平面）和水平波束宽度，我们发现下行链路吞吐量增加了 5%，上行链路吞吐量增加了 30%，小区增加了 35%总体边缘速度。
与旧的判别式人工智能相比，生成式人工智能的巨大影响在于能够生成文本、图像、音频和视频形式的新数据。在 RAN 的背景下，CSP 能够创建更加复杂的数据预测，然后根据这些预测执行战略决策。最大化 RAN 中生成式 AI 利用率的影响必须分为三类：独特用例、高复杂性用例和多目标用例。
从业务和运营的角度来看，集成任何新技术都可能具有挑战性。为了在 RAN 中成功实施人工智能，通信服务提供商应专注于制定连贯的战略，制定清晰、可实现的目标，并得到整个公司的支持。
制定强有力的战略可以指导通信服务提供商实施人工智能，但只有在技术挑战也得到解决的情况下才能发挥作用。
快速增长的用户网络利用 5G 技术从网络中的各种设备生成大量数据，从而带来了数据管理挑战。有效管理这些数据对于这些项目的成功至关重要。随着人工智能技术的不断快速发展，通信服务提供商还需要考虑面向未来的工具和架构，以实现最佳的生命周期管理。
CSP 还需要考虑硬件挑战：由于 AI 处理需求呈指数级增长，硬件设计必须具备针对 AI 模型执行进行优化的存储和处理等功能。
我们已经确定了激活该领域的三个初步步骤：网络现代化、简化运营以及通过供应商合作伙伴关系进行数据驱动的组织转型。
此处提供了有关这些见解的更多数据。