5G 網絡高速發展，在提供速度更快、體驗更優和應用更廣的網絡服務之外，也以其開放架構，使算力部署、數據匯集和人工智能 (Artificial Intelligence，AI) 技術融合變得快捷，進而為網絡智能化發展提供良好助力。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，借助英特爾 至強 D 處理器、英特爾vRAN 加速器 ACC100 適配器等產品提供的強勁算力，推出一系列基于 5G 云化技術架構的 5G 無線接入網 (RAN) 產品，并獲得用戶好評。

為更好助力實現“碳中和”等目標，幫助用戶打造綠色 5G 網絡，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，為基站等新一代 5G RAN 產品打造全新的智能節能方案。新方案以 Chronos 框架內置的多種時間序列預測 AI 和機器學習 (Machine Learning，ML) 模型為核心，構建了包括時序數據采集、模型訓練、基站性能指標預測以及能耗指令調整的完整工作閉環。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務不受影響的前提下，帶來 15%-30% 的綜合節能1，也能有效應對流量負載劇增等突發情況，為 5G 云化基站節能標準的制定提供有效參考。

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

背景概述：基于 5G 云化技術架構，亞信科技打造全新 RAN 產品并開展智能節能探索

正獲得廣泛部署與應用的 5G 網絡，在提供高帶寬、廣連接和低時延的新一代網絡服務能力之余，也以其更為開放的網絡架構，為面向網絡智能化打造新場景、新應用提供更多可能。以 RAN 網絡為例，3G、4G 時代的 RAN 網絡通常由不同廠商提供的各類專用設備組成，由于接口、協議的差異，不僅設備間的互操作性較差，網絡設備的虛擬化和資源池化也不易實現，無法為基于大數據聚合的智能應用提供高可用的基礎設施平臺。

5G 時代，各種全新的網絡設計和架構正為上述難題提供解決之道。這其中，全球諸多運營商、設備商都提出了有別于傳統RAN網絡的設計理念。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通常由單一廠商提供，而在基于 5G 云化的 5G RAN 設計中，取而代之的是運行在通用 x86 平臺服務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) 等網元設備。

圖 1 演進中的 5G 云化基站網絡架構

這種變化帶來的收益顯而易見。只要遵循統一的接口標準，更多第三方軟硬件廠商都可參與到設備的研發與構建中，并實現互聯互通，這幫助用戶在構建RAN網絡時有了更多選擇，使采購和運營成本有效降低。

更為重要的是，5G 云化技術架構以開放特性，讓用戶能通過統一的接口標準，從各個網元中獲取豐富而穩定的數據，如無線信令、控制指令、資源占用率等。而這些數據正是部署 AI 或ML 應用的良好“原料”。借助日趨成熟的 AI/ML 模型，用戶可以在網絡運營中融入更多智能元素，提升網絡運行效率和質量，更好地探索網絡智能化之路。

作為 ICT 領域的技術引領者，亞信科技正憑借其深耕移動通信領域多年所積累的經驗，通過豐富的產品體系與創新技術探索，助力用戶打造更優的 5G 網絡環境。在 RAN 產品構建上，亞信科技通過與英特爾開展深入技術合作，基于英特爾 FlexRAN 參考架構，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 云化技術架構的基站等 RAN 產品，如下頁圖 2 所示，產品具有以下優勢：

充分發揮軟硬件協同潛能，實現單 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，為構建高品質 5G 網絡提供堅實基礎2；

以靈活的部署形態，實現 CU/DU 分離設計，支持 CU/DU分離或集中部署，以及 RAN 與核心網的一體化部署；

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

遵循 O-RAN option 7.2 前傳接口規范，實現 BBU 與 RRU解耦，可靈活對接不同類型的 RRU 產品。

圖 2 基于 5G 云化技術架構的亞信科技基站產品

得益于以上優勢，目前亞信科技基于 5G 云化技術架構的自研 5G 專網產品不僅已在某超大型企業獲得規模化商用，也以其卓越的產品性能和可靠的穩定性獲得用戶的高度認可。同時，面對用戶節能減排、建設綠色網絡等需求，亞信科技還與英特爾合作，通過引入 AI/ML 模型，對基站產品智能節能開展探索。

在這一過程中，亞信科技與英特爾一起，基于對 5G 云化技術架構以及 5G RAN 網絡特有的性能和質量指標的精準把握，采用英特爾 Chronos 框架，通過底層數據采集、AI 建模與預測等環節來對基站性能負載做出預測，形成相應策略后使用英特爾 P/C-state 等技術對處理器頻率等參數進行調優，實現了對基站功率的有效管控。驗證測試結果表明，新的基站智能節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，亞信科技構建智能化的基站節能方案

隨著“碳中和”等節能減排目標在越來越多的領域獲得響應，更多用戶希望通過降低 5G 網絡能耗來實施綠色網絡建設。眾所周知，基站能耗在整個 5G 網絡能耗中有著巨大占比。以運行在x86 平臺服務器上的 CU 或 DU 產品為例，單臺服務器能耗就可達數百瓦 (W)，而 5G 網絡中數量眾多的基站顯然會帶來巨大的能耗支出。據統計，在 5G 移動網絡中，基站的能耗可超過總能耗的 50% (有時甚至超過 80%)4 。

在傳統的基站節能方案中，工程師需通過對各項網絡指標進行人工監控、采集和匯總，并憑借豐富的經驗來制訂調整策略，例如統一開啟或關閉功率放大器 (Power amplifiers，PA)、射頻收發器 (Transceivers) 等設備來實現功率控制。

但 5G 時代多樣化的網絡狀況和用戶需求，顯然是傳統方案無法滿足的。例如，在一些熱點地區或應用場景中，5G 網絡流量具有突發性，瞬時爆發性流量負載時常出現，而傳統方案往往根據經驗和數據在固定時間進行開關，就不能適應這種網絡流量的動態變化。同時，基站位置不同也會造成流量狀況差異化，如果統一而非獨立地對每個基站進行功率控制，不能動態地改變配置，就很難實現性能與節能的平衡。另外，傳統人為配置管理的方式過于復雜，需要工程師具備較高的知識儲備和豐富的經驗。統計表明，5G 網絡中通過傳統方式所能實現的節能水平很難超過 5%5。

應對傳統方案面臨的問題，引入 AI/ML 方法來實現基站的智能節能正獲得越來越多的關注。良好的智能方案不僅可以預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，實現智能學習、自動執行電源管理調整指令。這種調節頻率最快可以達到秒級，而且更精細化的調節能在不影響業務效率的前提下實現最大化節能，不僅能減少用戶能耗，也可大幅降低運維復雜度和管理維護成本。

如前所述，亞信科技基于 5G 云化技術架構的 RAN 產品所具備的內生智能化能力，使其天然成為用戶借助 AL/ML 模型實現基站智能節能的有效載體。但節能 AI 應用的構建也并非易事，從數據采集、預處理、特征工程再到模型訓練，不僅需要完備的技術積累，還需要投入大量的人力和時間資源。此外，為提升模型的準確性，方案還需要經歷長期的迭代和調優過程，耗時費力。與此同時，為了在降低能耗的基礎上保證用戶業務質量不受影響，亞信科技也需要考慮方案的周全和穩妥性。

為此，亞信科技首先對可采集的數據源，包括基站協議棧數據(例如接入用戶終端數量、物理資源塊 ((Physical Resource Block，PRB) 利用率以及流量負載等)、x86 平臺服務器系統數據 (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，這些數據都是一組隨時間變化的數據序列。

一般地，時間序列數據分析可被廣泛應用于各個領域的預測性分析，如網絡流量負載、無線資源占用率等。與傳統預測方法相比，基于 AI/ML 模型開展的時間序列任務在預測準確性與靈活性上更具優勢。因此，亞信科技將基于 AI/ML 模型的時間序列預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能方案基本工作流程

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

系統初始化配置，采集歷史時序數據，并得出不同數據源 (基站協議棧數據、x86 平臺服務器系統數據等) 之間的關系；

從不同數據源采集數據，作為 AI/ML 模型訓練輸入數據集；

AI/ML 框架初始化訓練得出 AI 推理模型，并輸出結果至智能節能 rAPP/xAPP；

智能節能 rAPP/xAPP 基于 AI 模型并結合大時間尺度的配置，預測未來的 KPI 指標并進行節能控制動作；

AI/ML 模型根據配置時間以及 BBU 實時 KPI 指標，進行算法模型的學習與迭代更新；

智能節能 rAPP/xAPP 根據更新后的 AI/ML 輸出結果進行指標預測，并通過英特爾 P/C-state 等技術作出相應的節能控制與執行。例如，預測到未來用戶終端數量少、流量負載低、PRB 利用率低時，可以通過調整降低處理器頻率，甚至關閉部分物理核來降低基站的能耗。

圖 4 融合智能節能新方案的亞信科技基站新架構

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

為了更高效地從不同數據源采集數據，亞信科技引入了基于英特爾 架構優化的 Telegraf 加強工具以及其它第三方開源時序采集工具，這些工具可通過標準的 E2 接口或私有接口將數據推送至時序數據庫 InfluxDB；

部署于 BBU 或 SMO 的時序預測 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練，并對RAN 網絡中的用戶終端數量、流量、PRB 利用率等關鍵指標進行預測；

加入用于大尺度節能控制及配置的 EXEC 程序，其一方面可通過獲取 AI/ML 模型的預測數據，進行大尺度的節能控制與執行，另一方面也可反向輸入參數給 AI/ML 模型，用以配置 AI/M L模型的計算頻率等；

采用 R1 標準接口的非實時應用程序 rAPP，其部署于 SMO中，可根據 AI/ML 模型的預測結果及配置，進行非實時的大時間尺度節能控制；

實時應用程序 xAPP，其部署于 BBU 中，進行近實時節能控制，可以有效防止業務突發、異常突發時導致的 AI/ML 算法模型失效，同時還可根據系統信息來控制用戶終端進行無線小區、載波等的切換。

圖 5 Chronos 框架基本架構

可以看到，構建并高效訓練用于時序預測的 AI/ML 模型是新方案的關鍵因素。為幫助亞信科技更高效地在方案中構建大規模時間序列預測應用，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一大數據分析和人工智能平臺BigDL，如圖 5 所示，其主要提供了數據處理與特征工程、內置模型及可選的超參數優化三個組件，功能分別為：

數據處理與特征工程 (Data Processing & Feature Engineering)組件：內置了 70 多個數據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用，從而快捷高效地完成數據預處理和特征工程流程；

內置模型 (Built-in Models) 組件：內置 10 余個可用于時間序列預測、檢測和模擬的獨立深度學習和機器學習模型，功能涵蓋預測器 (Forecasters)、檢測器 (Detectors) 以及模擬器 (Simulators)；

超參數優化 (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)，能幫助新方案開展從數據預處理、特征工程到模型訓練、模型選擇和超參調優等全棧的自動化機器學習過程。

Chronos 框架提供了十多種不同種類的 ML/DL 內置模型，為不同應用場景提供高精確度的預測。與此同時，英特爾提供的多種優化方式，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 模型優化和推理、訓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 小基站負荷數據集進行快速的數據預處理，例如填充、縮放、特征工程等操作。

然后，利用預處理的時間序列數據進行建模，并通過Chronos 的 AutoTSEstimator 接口，實現自動化超參數搜索、特征選取、模型優化來對算法進行調優并生成時間序列預測模型。

最終，使用這一模型對 5G 小基站負荷數據進行推理，獲得實時的 5G 小基站負荷預測數據。

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

方案收益：節能成效符合預期，為 5G 云化基站節能標準制定提供有效參考

圖 7 基于節能新方案設計的處理器調整策略

在雙方攜手進行的驗證測試中，新方案表現出了高度的準確性、敏捷性和及時性。例如在某業務場景中，如下頁圖 7 所示，當系統預測到基站滿足下面任一條件且用戶終端數量低于 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 技術將英特爾 至強 D 處理器設置為節能模式，使其工作在 1GHz；而當預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% 或用戶終端數量高于 15 個，則使用英特爾 P/C-state 技術將英特爾 至強 D 處理器設置為高性能模式，使其工作在 1.9GHz。基于類似的一系列調整策略，驗證測試結果表明，新的基站智能節能方案可為用戶帶來 15%-30 % 的綜合節能 ，在推動綠色網絡建設理念之外，也幫助用戶有效降低了運營成本。

此外，在本方案的設計、構建和驗證過程中，亞信科技和英特爾一起，通過大量的測試數據，充分觀測了處理器實時降頻等操作對基站業務負載的影響，也為 5G 云化基站的節能標準制定提供了有效參考。

未來展望

5G 云化等新一代開放的網絡架構，結合日趨成熟的 AI 技術，正推動網絡智能化方案在各個應用場景中落地。本方案中，由亞信科技與英特爾合作推出的基站智能節能新方案為整個產業擁抱這一趨勢做出了實踐探索。面向未來，雙方還計劃將在構建基站智能節能方案中積累的經驗、技術和方法論，進一步應用到其它 5G RAN 產品、核心網產品以及算網網元、數據中心等網絡產品上，驅動綠色網絡建設之路在 AI 能力的支持下變得更為順暢高效。