Page 16 - 网络电信2023年9月刊
P. 16
5G分布式基站算力共享技术研究
王磊 狄文远 赵栋
中国移动通信集团陕西有限公司 中国移动通信集团设计院有限公司陕西分公司
摘 要：随着5G网络智能化的发展，AI应用的引入带来了计算和存储的新需求，如何基于网络
中规模部署的基站设备提供稳定可持续的算力供给，是促进5G网络智能化发展的核心要素。本文
从无线网络中基站数量大和分布广的特点出发，提出一种5G分布式基站算力共享技术，低成本满
足智能化算力需求，并对规模部署策略提出建议。
关键词：5G基站;分布式;算力共享
从5G开始，人工智能（AI）在移动通信网络中逐渐得到了 所需的软硬件架构，但硬件计算资源相比于数据中心和边缘算
广泛的应用。无线网络智能化是移动通信发展方向，AI是RAN走 力平台而言非常有限，且传统基站主要还是以满足无线通信系
向更智能、更高效率、更优性能的赋能工具，存在巨大的发展 统的协议栈功能、网络实时性和稳定性要求为设计目标，能够
潜力和空间。比如网管级别的网络配置优化到网元级别的资源 预留给内生AI的资源不足，无法支持基站AI应用的稳定和可持
调度优化，在用户移动过程中支持毫秒级的智能分析、决策和 续的算力供给需求。如果对每个基站单独提升算力，则需要巨
业务处理，甚至空口物理层的智能化，都对算力提出了极高的 大的成本投入。
要求。
本文从无线网络中基站分布式的特点出发，结合业务潮汐 二、技术原理
带来的算力负荷忙闲不均现象和区域发展不平衡差异，在介绍 5G基站硬件普遍引入更高性能的CPU芯片，架构上也采用
分布式基站算力共享技术提出的背景和技术原理的基础上，重 了软件定义网络（SDN）和网络功能虚拟化（NFV）等新技术
点分析如何利用该技术低成本满足智能化算力需求，并分析相 要素，从而具备网络能力开放性、可编程性、灵活性和可扩展
关影响因素和规划建议。 性，有效满足了未来5G网络架构的主要技术特征需求和更高的
性能要求，同时也为内生AI的引入创造了先决条件。
一、技术背景 分布式基站算力共享技术，从全局视角把区域网络中的基
为了实现无线网络智能化，通常的解决方案是采用数据 站作为一个整体考虑，基站间通过隧道连接，把多个基站组成
中心或边缘算力平台的单独建设来解决算力问题，以部署AI应 虚拟的“分布式云网络”。如图1所示，内生AI采用基站的虚
用。但数据中心需要独立算力资源、传输资源和机房资源的支 拟化技术封装为可单独部署和调度的服务，利用合理的调度策
撑，建设维护成本高；边缘算力平台虽然可以就近提供近端服 略以及调度框架，实现内生AI应用在“分布式云网络”中的灵
务，产生更快的网络服务响应，降低数据回传成本，但仍需要 活部署。同时，利用基站数量大分布广和业务潮汐带来基站间
额外投资部署算力资源、传输资源和机房资源的支撑。而且， 负荷不均等无线网络的特点，通过“分布式云网络”连接多基
无论是数据中心还是边缘算力平台，都属于外挂式的AI部署方 站算力，通过资源的合理规划、借闲补忙和按需动态调度等手
式，需要在网络中传输大量的原始数据。其一方面会对网络的 段，突破单点算力的性能极限，发挥算力的优势，提升算力的
传输带宽带和性能指标（如时延）带来巨大压力；另一方面对 规模效能。
数据隐私保护也会带来很大的挑战。 本技术可在不改动运营商原有物理组网的情况下组成基站
更有效的方式是，在网络设备中引入内生AI能力，在架构 联邦，仅需通过配置完成，避免了高昂的建设和维护成本，可
层面实现通信连接、计算、数据和AI算法模型的深度融合，充 以快速规模化复制推广。
分利用网络设备分布式的算力和数据。5G基站虽然具备AI计算
网络电信 二零二三年十月 19
