462023年7月第7期（第36卷总第312期）月刊电信工程技术与标准化新技术应用5G分布式基站算力共享技术研究王磊1，狄文远1，赵栋2(1中国移动通信集团陕西有限公司，西安710065；2中国移动通信集团设计院有限公司陕西分公司，西安710065)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；算力共享中图分类号TN929.5文献标识码A文章编号1008-5599（2023）07-0046-04收稿日期：2023-04-06从5G开始，人工智能（AI）在移动通信网络中逐渐得到了广泛的应用。无线网络智能化是移动通信发展方向，AI是RAN走向更智能、更高效率、更优性能的赋能工具，存在巨大的发展潜力和空间。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，并分析相关影响因素和规划建议。1技术背景为了实现无线网络智能化，通常的解决方案是采用数据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务，产生更快的网络服务响应，降低数据回传成本，但仍需要额外投资部署算力资源、传输资源和机房资源的支撑。而且，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传输带宽带和性能指标（如时延）带来巨大压力；另一方面对数据隐私保护也会带来很大的挑战。更有效的方式是，在网络设备中引入内生AI能力，在架构层面实现通信连接、计算、数据和AI算法模型的深度融合，充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统的协议栈功能、网络实时性和稳...
