5G 網(wǎng)絡(luò)高速發(fā)展，在提供速度更快、體驗更優(yōu)和應(yīng)用更廣的網(wǎng)絡(luò)服務(wù)之外，也以其開放架構(gòu)，使算力部署、數(shù)據(jù)匯集和人工智能 (Artificial Intelligence，AI) 技術(shù)融合變得快捷，進而為網(wǎng)絡(luò)智能化發(fā)展提供良好助力。亞信科技 (中國) 有限公司 (以下簡稱“亞信科技”) 基于英特爾 FlexRAN 參考架構(gòu)，借助英特爾 至強 D 處理器、英特爾vRAN 加速器 ACC100 適配器等產(chǎn)品提供的強勁算力，推出一系列基于 5G 云化技術(shù)架構(gòu)的 5G 無線接入網(wǎng) (RAN) 產(chǎn)品，并獲得用戶好評。

為更好助力實現(xiàn)“碳中和”等目標(biāo)，幫助用戶打造綠色 5G 網(wǎng)絡(luò)，亞信科技與英特爾一起，采用英特爾 Chronos 框架與英特爾 P/C-state 等技術(shù)，為基站等新一代 5G RAN 產(chǎn)品打造全新的智能節(jié)能方案。新方案以 Chronos 框架內(nèi)置的多種時間序列預(yù)測 AI 和機器學(xué)習(xí) (Machine Learning，ML) 模型為核心，構(gòu)建了包括時序數(shù)據(jù)采集、模型訓(xùn)練、基站性能指標(biāo)預(yù)測以及能耗指令調(diào)整的完整工作閉環(huán)。通過一系列測試與實驗室驗證表明，新方案不僅能在保證基站業(yè)務(wù)不受影響的前提下，帶來 15%-30% 的綜合節(jié)能1，也能有效應(yīng)對流量負載劇增等突發(fā)情況，為 5G 云化基站節(jié)能標(biāo)準(zhǔn)的制定提供有效參考。

——歐陽曄 博士、IEEE Fellow首席技術(shù)官、高級副總裁亞信科技 (中國) 有限公司

背景概述：基于 5G 云化技術(shù)架構(gòu)，亞信科技打造全新 RAN 產(chǎn)品并開展智能節(jié)能探索

正獲得廣泛部署與應(yīng)用的 5G 網(wǎng)絡(luò)，在提供高帶寬、廣連接和低時延的新一代網(wǎng)絡(luò)服務(wù)能力之余，也以其更為開放的網(wǎng)絡(luò)架構(gòu)，為面向網(wǎng)絡(luò)智能化打造新場景、新應(yīng)用提供更多可能。以 RAN 網(wǎng)絡(luò)為例，3G、4G 時代的 RAN 網(wǎng)絡(luò)通常由不同廠商提供的各類專用設(shè)備組成，由于接口、協(xié)議的差異，不僅設(shè)備間的互操作性較差，網(wǎng)絡(luò)設(shè)備的虛擬化和資源池化也不易實現(xiàn)，無法為基于大數(shù)據(jù)聚合的智能應(yīng)用提供高可用的基礎(chǔ)設(shè)施平臺。

5G 時代，各種全新的網(wǎng)絡(luò)設(shè)計和架構(gòu)正為上述難題提供解決之道。這其中，全球諸多運營商、設(shè)備商都提出了有別于傳統(tǒng)RAN網(wǎng)絡(luò)的設(shè)計理念。如圖 1 所示，在 4G RAN 中，由基帶處理單元(Baseband Unit，BBU) 、射頻拉遠單元 (Remote Radio Unit，RRU) 和天線等組成的基站系統(tǒng)通常由單一廠商提供，而在基于 5G 云化的 5G RAN 設(shè)計中，取而代之的是運行在通用 x86 平臺服務(wù)器之上的集中控制單元 (Centralized Unit，CU)、分布式單元 (Distributed Unit，DU）和有源天線單元(Active Antenna Unit，AAU) 等網(wǎng)元設(shè)備。

圖 1 演進中的 5G 云化基站網(wǎng)絡(luò)架構(gòu)

這種變化帶來的收益顯而易見。只要遵循統(tǒng)一的接口標(biāo)準(zhǔn)，更多第三方軟硬件廠商都可參與到設(shè)備的研發(fā)與構(gòu)建中，并實現(xiàn)互聯(lián)互通，這幫助用戶在構(gòu)建RAN網(wǎng)絡(luò)時有了更多選擇，使采購和運營成本有效降低。

更為重要的是，5G 云化技術(shù)架構(gòu)以開放特性，讓用戶能通過統(tǒng)一的接口標(biāo)準(zhǔn)，從各個網(wǎng)元中獲取豐富而穩(wěn)定的數(shù)據(jù)，如無線信令、控制指令、資源占用率等。而這些數(shù)據(jù)正是部署 AI 或ML 應(yīng)用的良好“原料”。借助日趨成熟的 AI/ML 模型，用戶可以在網(wǎng)絡(luò)運營中融入更多智能元素，提升網(wǎng)絡(luò)運行效率和質(zhì)量，更好地探索網(wǎng)絡(luò)智能化之路。

作為 ICT 領(lǐng)域的技術(shù)引領(lǐng)者，亞信科技正憑借其深耕移動通信領(lǐng)域多年所積累的經(jīng)驗，通過豐富的產(chǎn)品體系與創(chuàng)新技術(shù)探索，助力用戶打造更優(yōu)的 5G 網(wǎng)絡(luò)環(huán)境。在 RAN 產(chǎn)品構(gòu)建上，亞信科技通過與英特爾開展深入技術(shù)合作，基于英特爾 FlexRAN 參考架構(gòu)，并引入英特爾 至強 D 處理器和英特爾 vRAN 加速器 ACC100 適配器，推出了新一代基于 5G 云化技術(shù)架構(gòu)的基站等 RAN 產(chǎn)品，如下頁圖 2 所示，產(chǎn)品具有以下優(yōu)勢：

充分發(fā)揮軟硬件協(xié)同潛能，實現(xiàn)單 BBU 支持 1600 個活躍用戶的大容量，以及最高 1.5Gbps 的下行峰值速率，為構(gòu)建高品質(zhì) 5G 網(wǎng)絡(luò)提供堅實基礎(chǔ)2；

以靈活的部署形態(tài)，實現(xiàn) CU/DU 分離設(shè)計，支持 CU/DU分離或集中部署，以及 RAN 與核心網(wǎng)的一體化部署；

內(nèi)置實時與非實時的RAN智能控制器 (RAN IntelligentController，RIC)、xAPP (實時應(yīng)用程序) 及 rAPP (非實時應(yīng)用程序)等組件，具有基站內(nèi)生智能化能力；

遵循 O-RAN option 7.2 前傳接口規(guī)范，實現(xiàn) BBU 與 RRU解耦，可靈活對接不同類型的 RRU 產(chǎn)品。

圖 2 基于 5G 云化技術(shù)架構(gòu)的亞信科技基站產(chǎn)品

得益于以上優(yōu)勢，目前亞信科技基于 5G 云化技術(shù)架構(gòu)的自研 5G 專網(wǎng)產(chǎn)品不僅已在某超大型企業(yè)獲得規(guī)?；逃?，也以其卓越的產(chǎn)品性能和可靠的穩(wěn)定性獲得用戶的高度認(rèn)可。同時，面對用戶節(jié)能減排、建設(shè)綠色網(wǎng)絡(luò)等需求，亞信科技還與英特爾合作，通過引入 AI/ML 模型，對基站產(chǎn)品智能節(jié)能開展探索。

在這一過程中，亞信科技與英特爾一起，基于對 5G 云化技術(shù)架構(gòu)以及 5G RAN 網(wǎng)絡(luò)特有的性能和質(zhì)量指標(biāo)的精準(zhǔn)把握，采用英特爾 Chronos 框架，通過底層數(shù)據(jù)采集、AI 建模與預(yù)測等環(huán)節(jié)來對基站性能負載做出預(yù)測，形成相應(yīng)策略后使用英特爾 P/C-state 等技術(shù)對處理器頻率等參數(shù)進行調(diào)優(yōu)，實現(xiàn)了對基站功率的有效管控。驗證測試結(jié)果表明，新的基站智能節(jié)能方案可將用戶綜合能耗降低 15%-30%3。

解決方案：借助 Chronos 框架，亞信科技構(gòu)建智能化的基站節(jié)能方案

隨著“碳中和”等節(jié)能減排目標(biāo)在越來越多的領(lǐng)域獲得響應(yīng)，更多用戶希望通過降低 5G 網(wǎng)絡(luò)能耗來實施綠色網(wǎng)絡(luò)建設(shè)。眾所周知，基站能耗在整個 5G 網(wǎng)絡(luò)能耗中有著巨大占比。以運行在x86 平臺服務(wù)器上的 CU 或 DU 產(chǎn)品為例，單臺服務(wù)器能耗就可達數(shù)百瓦 (W)，而 5G 網(wǎng)絡(luò)中數(shù)量眾多的基站顯然會帶來巨大的能耗支出。據(jù)統(tǒng)計，在 5G 移動網(wǎng)絡(luò)中，基站的能耗可超過總能耗的 50% (有時甚至超過 80%)4 。

在傳統(tǒng)的基站節(jié)能方案中，工程師需通過對各項網(wǎng)絡(luò)指標(biāo)進行人工監(jiān)控、采集和匯總，并憑借豐富的經(jīng)驗來制訂調(diào)整策略，例如統(tǒng)一開啟或關(guān)閉功率放大器 (Power amplifiers，PA)、射頻收發(fā)器 (Transceivers) 等設(shè)備來實現(xiàn)功率控制。

但 5G 時代多樣化的網(wǎng)絡(luò)狀況和用戶需求，顯然是傳統(tǒng)方案無法滿足的。例如，在一些熱點地區(qū)或應(yīng)用場景中，5G 網(wǎng)絡(luò)流量具有突發(fā)性，瞬時爆發(fā)性流量負載時常出現(xiàn)，而傳統(tǒng)方案往往根據(jù)經(jīng)驗和數(shù)據(jù)在固定時間進行開關(guān)，就不能適應(yīng)這種網(wǎng)絡(luò)流量的動態(tài)變化。同時，基站位置不同也會造成流量狀況差異化，如果統(tǒng)一而非獨立地對每個基站進行功率控制，不能動態(tài)地改變配置，就很難實現(xiàn)性能與節(jié)能的平衡。另外，傳統(tǒng)人為配置管理的方式過于復(fù)雜，需要工程師具備較高的知識儲備和豐富的經(jīng)驗。統(tǒng)計表明，5G 網(wǎng)絡(luò)中通過傳統(tǒng)方式所能實現(xiàn)的節(jié)能水平很難超過 5%5。

應(yīng)對傳統(tǒng)方案面臨的問題，引入 AI/ML 方法來實現(xiàn)基站的智能節(jié)能正獲得越來越多的關(guān)注。良好的智能方案不僅可以預(yù)測每個基站的未來流量 (例如 10 分鐘、60 分鐘、1 天以及 1 周后)，同時能兼顧實時流量的突然變化，實現(xiàn)智能學(xué)習(xí)、自動執(zhí)行電源管理調(diào)整指令。這種調(diào)節(jié)頻率最快可以達到秒級，而且更精細化的調(diào)節(jié)能在不影響業(yè)務(wù)效率的前提下實現(xiàn)最大化節(jié)能，不僅能減少用戶能耗，也可大幅降低運維復(fù)雜度和管理維護成本。

如前所述，亞信科技基于 5G 云化技術(shù)架構(gòu)的 RAN 產(chǎn)品所具備的內(nèi)生智能化能力，使其天然成為用戶借助 AL/ML 模型實現(xiàn)基站智能節(jié)能的有效載體。但節(jié)能 AI 應(yīng)用的構(gòu)建也并非易事，從數(shù)據(jù)采集、預(yù)處理、特征工程再到模型訓(xùn)練，不僅需要完備的技術(shù)積累，還需要投入大量的人力和時間資源。此外，為提升模型的準(zhǔn)確性，方案還需要經(jīng)歷長期的迭代和調(diào)優(yōu)過程，耗時費力。與此同時，為了在降低能耗的基礎(chǔ)上保證用戶業(yè)務(wù)質(zhì)量不受影響，亞信科技也需要考慮方案的周全和穩(wěn)妥性。

為此，亞信科技首先對可采集的數(shù)據(jù)源，包括基站協(xié)議棧數(shù)據(jù)(例如接入用戶終端數(shù)量、物理資源塊 ((Physical Resource Block，PRB) 利用率以及流量負載等)、x86 平臺服務(wù)器系統(tǒng)數(shù)據(jù) (例如處理器利用率、功耗、處理器頻率等) 等進行了全面的分析，這些數(shù)據(jù)都是一組隨時間變化的數(shù)據(jù)序列。

一般地，時間序列數(shù)據(jù)分析可被廣泛應(yīng)用于各個領(lǐng)域的預(yù)測性分析，如網(wǎng)絡(luò)流量負載、無線資源占用率等。與傳統(tǒng)預(yù)測方法相比，基于 AI/ML 模型開展的時間序列任務(wù)在預(yù)測準(zhǔn)確性與靈活性上更具優(yōu)勢。因此，亞信科技將基于 AI/ML 模型的時間序列預(yù)測性分析作為新方案的核心策略。

圖 3 亞信科技基站智能節(jié)能方案基本工作流程

基于這一思路，亞信科技基站智能節(jié)能方案基本工作流程如圖 3 所示，分為以下幾個步驟：

系統(tǒng)初始化配置，采集歷史時序數(shù)據(jù)，并得出不同數(shù)據(jù)源 (基站協(xié)議棧數(shù)據(jù)、x86 平臺服務(wù)器系統(tǒng)數(shù)據(jù)等) 之間的關(guān)系；

從不同數(shù)據(jù)源采集數(shù)據(jù)，作為 AI/ML 模型訓(xùn)練輸入數(shù)據(jù)集；

AI/ML 框架初始化訓(xùn)練得出 AI 推理模型，并輸出結(jié)果至智能節(jié)能 rAPP/xAPP；

智能節(jié)能 rAPP/xAPP 基于 AI 模型并結(jié)合大時間尺度的配置，預(yù)測未來的 KPI 指標(biāo)并進行節(jié)能控制動作；

AI/ML 模型根據(jù)配置時間以及 BBU 實時 KPI 指標(biāo)，進行算法模型的學(xué)習(xí)與迭代更新；

智能節(jié)能 rAPP/xAPP 根據(jù)更新后的 AI/ML 輸出結(jié)果進行指標(biāo)預(yù)測，并通過英特爾 P/C-state 等技術(shù)作出相應(yīng)的節(jié)能控制與執(zhí)行。例如，預(yù)測到未來用戶終端數(shù)量少、流量負載低、PRB 利用率低時，可以通過調(diào)整降低處理器頻率，甚至關(guān)閉部分物理核來降低基站的能耗。

圖 4 融合智能節(jié)能新方案的亞信科技基站新架構(gòu)

基于上述流程，融合智能節(jié)能新方案的亞信科技基站新架構(gòu)如圖 4 所示，其中橙色部分為新方案所增設(shè)組件，主要包括：

為了更高效地從不同數(shù)據(jù)源采集數(shù)據(jù)，亞信科技引入了基于英特爾 架構(gòu)優(yōu)化的 Telegraf 加強工具以及其它第三方開源時序采集工具，這些工具可通過標(biāo)準(zhǔn)的 E2 接口或私有接口將數(shù)據(jù)推送至?xí)r序數(shù)據(jù)庫 InfluxDB；

部署于 BBU 或 SMO 的時序預(yù)測 AI/ML 模型可以借助Chronos 框架提供的一系列增強功能進行模型訓(xùn)練，并對RAN 網(wǎng)絡(luò)中的用戶終端數(shù)量、流量、PRB 利用率等關(guān)鍵指標(biāo)進行預(yù)測；

加入用于大尺度節(jié)能控制及配置的 EXEC 程序，其一方面可通過獲取 AI/ML 模型的預(yù)測數(shù)據(jù)，進行大尺度的節(jié)能控制與執(zhí)行，另一方面也可反向輸入?yún)?shù)給 AI/ML 模型，用以配置 AI/M L模型的計算頻率等；

采用 R1 標(biāo)準(zhǔn)接口的非實時應(yīng)用程序 rAPP，其部署于 SMO中，可根據(jù) AI/ML 模型的預(yù)測結(jié)果及配置，進行非實時的大時間尺度節(jié)能控制；

實時應(yīng)用程序 xAPP，其部署于 BBU 中，進行近實時節(jié)能控制，可以有效防止業(yè)務(wù)突發(fā)、異常突發(fā)時導(dǎo)致的 AI/ML 算法模型失效，同時還可根據(jù)系統(tǒng)信息來控制用戶終端進行無線小區(qū)、載波等的切換。

圖 5 Chronos 框架基本架構(gòu)

可以看到，構(gòu)建并高效訓(xùn)練用于時序預(yù)測的 AI/ML 模型是新方案的關(guān)鍵因素。為幫助亞信科技更高效地在方案中構(gòu)建大規(guī)模時間序列預(yù)測應(yīng)用，英特爾為之提供了 Chronos 框架，這一框架源自由英特爾開源的統(tǒng)一大數(shù)據(jù)分析和人工智能平臺BigDL，如圖 5 所示，其主要提供了數(shù)據(jù)處理與特征工程、內(nèi)置模型及可選的超參數(shù)優(yōu)化三個組件，功能分別為：

數(shù)據(jù)處理與特征工程 (Data Processing & Feature Engineering)組件：內(nèi)置了 70 多個數(shù)據(jù)處理和特征工程工具，通過 TSDataset API 接口來供亞信科技新方案方便地調(diào)用，從而快捷高效地完成數(shù)據(jù)預(yù)處理和特征工程流程；

內(nèi)置模型 (Built-in Models) 組件：內(nèi)置 10 余個可用于時間序列預(yù)測、檢測和模擬的獨立深度學(xué)習(xí)和機器學(xué)習(xí)模型，功能涵蓋預(yù)測器 (Forecasters)、檢測器 (Detectors) 以及模擬器 (Simulators)；

超參數(shù)優(yōu)化 (Hyperparameter Optimization) 組件：高度集成、可擴展和自動化的工作流 (通過 AutoTSEstimator 等 API 實現(xiàn))，能幫助新方案開展從數(shù)據(jù)預(yù)處理、特征工程到模型訓(xùn)練、模型選擇和超參調(diào)優(yōu)等全棧的自動化機器學(xué)習(xí)過程。

Chronos 框架提供了十多種不同種類的 ML/DL 內(nèi)置模型，為不同應(yīng)用場景提供高精確度的預(yù)測。與此同時，英特爾提供的多種優(yōu)化方式，例如框架所集成的 ONNX runtime，OpenVINO工具套件以及英特爾 oneAPI AI Analytics Toolkit 等，均能對 AI 模型優(yōu)化和推理、訓(xùn)練提供更佳的性能支持。

圖 6 基于英特爾 Chronos 框架的時間序列預(yù)測方案基本流程

如圖 6 所示，亞信科技使用英特爾 Chronos 框架進行時間序列預(yù)測的基本流程如下：

由 Chronos 框架提供的 TSDataset 接口對加載的 5G 小基站負荷數(shù)據(jù)集進行快速的數(shù)據(jù)預(yù)處理，例如填充、縮放、特征工程等操作。

然后，利用預(yù)處理的時間序列數(shù)據(jù)進行建模，并通過Chronos 的 AutoTSEstimator 接口，實現(xiàn)自動化超參數(shù)搜索、特征選取、模型優(yōu)化來對算法進行調(diào)優(yōu)并生成時間序列預(yù)測模型。

最終，使用這一模型對 5G 小基站負荷數(shù)據(jù)進行推理，獲得實時的 5G 小基站負荷預(yù)測數(shù)據(jù)。

通常而言，處理器每個物理核的處理能力與頻率是正相關(guān)的，且頻率越高帶來的功耗更高。因此，借助 AI/ML 模型獲得良好的預(yù)測結(jié)果后，亞信科技還引入英特爾 P/C-state 等技術(shù)，對英特爾 至強 D 處理器的頻率等參數(shù)進行動態(tài)調(diào)整，從而實現(xiàn)基站能耗智能控制。這一技術(shù)可以通過相應(yīng)的配置工具，對處理器的每個物理核進行靜態(tài)或半靜態(tài)的頻率配置，從而實現(xiàn)性能和功耗的平衡。例如，當(dāng)智能應(yīng)用預(yù)測到基站即將進入低負載狀態(tài)時，就可以借助該技術(shù)來降低處理器一個或多個物理核的頻率，從而實現(xiàn)能耗的動態(tài)降低,或者將部分物理核放置到休眠狀態(tài),取得更大的節(jié)能效果。

方案收益：節(jié)能成效符合預(yù)期，為 5G 云化基站節(jié)能標(biāo)準(zhǔn)制定提供有效參考

圖 7 基于節(jié)能新方案設(shè)計的處理器調(diào)整策略

在雙方攜手進行的驗證測試中，新方案表現(xiàn)出了高度的準(zhǔn)確性、敏捷性和及時性。例如在某業(yè)務(wù)場景中，如下頁圖 7 所示，當(dāng)系統(tǒng)預(yù)測到基站滿足下面任一條件且用戶終端數(shù)量低于 15 個，即流量負載低于 40Mbps、PRB 利用率低于 10%或處理器利用率低于 15% 時，就使用英特爾 P-state 技術(shù)將英特爾 至強 D 處理器設(shè)置為節(jié)能模式，使其工作在 1GHz；而當(dāng)預(yù)測到基站滿足下面任一條件，即流量負載高于 40Mbps、PRB 利用率高于 10% 或用戶終端數(shù)量高于 15 個，則使用英特爾 P/C-state 技術(shù)將英特爾 至強 D 處理器設(shè)置為高性能模式，使其工作在 1.9GHz?；陬愃频囊幌盗姓{(diào)整策略，驗證測試結(jié)果表明，新的基站智能節(jié)能方案可為用戶帶來 15%-30 % 的綜合節(jié)能 ，在推動綠色網(wǎng)絡(luò)建設(shè)理念之外，也幫助用戶有效降低了運營成本。

此外，在本方案的設(shè)計、構(gòu)建和驗證過程中，亞信科技和英特爾一起，通過大量的測試數(shù)據(jù)，充分觀測了處理器實時降頻等操作對基站業(yè)務(wù)負載的影響，也為 5G 云化基站的節(jié)能標(biāo)準(zhǔn)制定提供了有效參考。

未來展望

5G 云化等新一代開放的網(wǎng)絡(luò)架構(gòu)，結(jié)合日趨成熟的 AI 技術(shù)，正推動網(wǎng)絡(luò)智能化方案在各個應(yīng)用場景中落地。本方案中，由亞信科技與英特爾合作推出的基站智能節(jié)能新方案為整個產(chǎn)業(yè)擁抱這一趨勢做出了實踐探索。面向未來，雙方還計劃將在構(gòu)建基站智能節(jié)能方案中積累的經(jīng)驗、技術(shù)和方法論，進一步應(yīng)用到其它 5G RAN 產(chǎn)品、核心網(wǎng)產(chǎn)品以及算網(wǎng)網(wǎng)元、數(shù)據(jù)中心等網(wǎng)絡(luò)產(chǎn)品上，驅(qū)動綠色網(wǎng)絡(luò)建設(shè)之路在 AI 能力的支持下變得更為順暢高效。