AI/ML技術在行動通訊的應用討論越加熱烈，3GPP從5G標準開始陸續規畫納入AI/ML技術，6G更提出AI原生網路的目標，行動網路智慧升級儼然成為重點發展方向之一。為此，從硬體轉向軟體思維並提前驗證AI/ML的應用效能，對於業者的長期布局至關重要。
近年來，行動網路開始針對AI/ML應用的導入展開討論，為整個無線網路系統的實作帶來概念衝擊，從硬體思維轉向軟體思維。在此發展趨勢下，行動網路設備在出廠後，可以透過OTA不斷下載新的AI/ML應用，並不局限於出廠時所具備的效能，對於行動通訊業者來說是需要適應的全新轉變。展望未來，6G將進一步規畫實現AI原生網路，提前在5G時期進行技術驗證和探索將是行動通訊業者掌握AI/ML發展機會的關鍵。
初探6G AI原生網路
AI/ML是5G Advanced和6G的重要技術，資策會軟體院技術總監連紹宇表示，3GPP在R17、R18、R19中，正陸續制定將AI/ML技術用於空中介面(Air Interface)和無線存取網路(RAN)的標準。打造AI原生網路是行動通訊向6G換代的目標之一，連紹宇指出，在AI/ML整體運作中，演算法只占了其中一小塊，其他需要考量的面向包括模型訓練、資料蒐集及預處理等。為此，產學界正提出實現AI原生網路的各種方式，以將所需面向列入考量。
資策會軟體院技術總監連紹宇表示，在AI/ML整體運作中，演算法只占了其中一小塊，其他需要考量的面向包括模型訓練、資料蒐集及預處理等
連紹宇表示，目前針對AI原生網路還沒有一個共通的定義，普遍共識認為AI原生網路對於行動網路協定會產生新的定義。現階段，行動網路協定分為控制平面(Control Plane)和使用者平面(User Plane)，但如果要將AI/ML的工作流全部導入行動網路，可能需要新增1~2個平面。例如，新增智慧平面(Intelligent Plane)以進行模型的訓練、管理、分配、執行等任務，並新增AI/ML資料平面(AI/ML Data Plane)以進行資料蒐集、預處理、資料集生成及管理等任務。
儘管3GPP從5G標準開始布局AI/ML技術，由於電信業屬於民生產業，新技術需要經過驗證才能獲得採用，因此，連紹宇預測，在基地台設備端，AI/ML的採用估計要等到6G第一個標準版本之後才會更加普及。在此之前，相關業者可能會先以O-RAN架構或外加RAN智慧控制器(RIC)的方式，進行小型場域的小規模商轉。
RIC助攻未來RIS/節能技術
連紹宇說明，O-RAN在最初就將支援AI/ML列為重要方向之一，在AI/ML方面發展相對成熟，因此，雖然O-RAN是否將成為6G一部分仍有待確認，但6G若希望朝AI原生網路發展，預期在概念和協定設計上，O-RAN應能提供6G有價值的參考內容。在O-RAN架構中，RIC可運行各式rApp和xApp應用程式，是透過AI/ML技術為基地台帶來優化的關鍵。連紹宇以可重構智慧表面(RIS)和節能(Energy Saving)兩項未來通訊重點技術為例，說明RIC的應用潛力。
可重構智慧表面(RIS)方面，由於此技術旨在透過決定入射角和反射角，以改善室內或室外的訊號盲區，因此需要對終端使用者的位置及移動軌跡進行預測，帶來RIS可能難以負荷的運算負擔。透過RIC進行前述運算任務，將有助RIS實現。連紹宇表示，軟體院已將其RIC和國內院校的RIS和國內廠商的小型基地台進行整合，並於實驗場域進行概念驗證(PoC)，有助業者進一步評估RIS的成本及效能。
節能方面，連紹宇分析，常採用的方式包括在晚上關掉使用者較少地區的基地台，改以增加隔壁基地台的功率來支援該地區使用者需求，或是將基地台的工作週期(Duty Cycle)拉長，進入更節能的運作模式。實際執行上，營運商需要分析基地台與使用者設備(UE)連接的紀錄，以判斷基地台在不同時間段的開關及功率調整方案，過程十分複雜。RIC可協助優化此類節能需求，透過相關軟體持續蒐集UE的行為資料，對UE的移動進行分析和預測，並分析UE的流量要求，提供調整基地台開關和功率大小的建議做法。
行動通訊經過長時間發展，針對基地台資料傳輸和資源分配的相關數學已經達到最佳化，因此，連紹宇表示，一直到疫情剛發生的前幾年，整個無線通訊界對於將AI/ML導入無線網路仍抱持懷疑態度，不確定加入AI/ML技術的價值。然而，放眼6G打造AI原生網路的願景，以及實現RIS和節能等智慧應用的運算需求，AI/ML已成為行動通訊邁向下一階段的關鍵技術。為此，行動通訊業者需要轉換思維，探索AI/ML的潛力加值應用，並面對設備出廠後的軟體更新需求，重新思考硬體支援能力和整體系統效能可能遭遇的問題，才能搭上通訊智慧轉型浪潮，迎接行動通訊新時代。