《MWC25聚焦RAN自动化生态系统,开放协作与AI成核心驱动力》

  • 来源专题:新一代信息技术
  • 编译者: isticzz2022
  • 发布时间:2025-05-19
  • 2025年6月,巴塞罗那——在2025世界移动通信大会(MWC)上,爱立信主办的专题论坛“RAN自动化生态系统的力量”引发行业热议。来自通信服务商(CSP)、独立软件开发商(ISV)及技术企业的领袖齐聚一堂,探讨无线接入网(RAN)自动化的未来趋势,重点围绕rApps(无线应用)、AI整合、开放可编程网络等议题展开深度对话。

    1.开放生态与协作创新


    • 爱立信SA网络管理负责人Anders Vestergren强调,CSP、ISV及生态伙伴需打破壁垒,通过联合创新释放RAN自动化潜力。
    • Aira Technologies创始人Anand Chandrasekher类比“智能手机应用商店模式”,指出电信网络可编程化将催生类似爆发式增长。
    • Viavi战略官Per Kangru认为,生态规模扩大将促进数据复用与跨厂商协作,降低开发成本。
    • 日本初创公司Fyra联合创始人Kenichi Eguchi称,爱立信智能自动化平台(EIAP)生态为其提供了真实场景验证与加速落地的机会。
    2.AI驱动rApps与网络自治



    • 用例需求分化:Booz Allen Hamilton聚焦国防与智能制造领域,通过rApps实现私有5G网络的自动化安全与效率提升。AirHop CEO Anand Parikh指出,运营商对AI赋能的SON(自组织网络)及能源优化类应用需求激增。技术挑战:爱立信认知软件负责人Ibrahim Eldeftar提出,端到端网络自治需rApps实现“闭环自动化”——从问题检测、根因分析到执行修复。数据基石作用:Snowflake全球电信CTO Sreedhar Rao强调,高质量数据是训练AI模型、优化RAN决策的关键。
    3.CSP转型实践与痛点(运营商战略)


    • AT&T副总裁Rob Soni:正将传统系统迁移至新平台,并开发聚焦故障分析的rApps,目标一年内实现显著效率提升。
    • 沃达丰开放RAN负责人Lucia de Miguel:呼吁数据标准化与开放生态,避免厂商锁定,降低总拥有成本(TCO)。
    • 澳洲电信(Telstra)高管Sri Amirthalingam:强调需解决rApps间指令冲突,构建动态参数管理与可解释性AI以建立工程师信任。
    • 瑞士电信(Swisscom):通过云原生平台与中央数据湖整合多源数据,平衡用户体验优化与能耗控制。
    4.关键行动倡议

    • 协作优先:生态成员需共享数据、标准化接口,加速创新落地。
    • AI与机器学习:成为rApps开发核心,推动网络自治与实时优化。
    • 用户体验导向:动态参数管理与客户数据整合是提升服务的关键。
    • 安全与信任:需构建可解释AI(XAI)机制,确保自动化决策透明可靠。
    • 范式转移:rApps与SMO(服务管理与编排)正取代传统SON,覆盖RAN全生命周期管理。

    本次论坛揭示了RAN自动化从技术概念迈向规模化商用的路径:开放生态+AI驱动+运营商实践的三重引擎已启动。随着EIAP等平台持续扩展,RAN自动化或将成为6G时代网络智能化的重要基石,推动全球电信业向高效、自治与客户中心化转型。

  • 原文来源:https://www.ericsson.com/en/blog/2025/3/exploring-the-future-power-of-the-ecosystems-for-ran-automation-at-mwc25
相关报告
  • 《聚焦盐沼生态系统 助力海洋生态保护修复》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:liguiju
    • 发布时间:2023-07-24
    • 滨海盐沼分布于河口或海滨浅滩,由陆地河流和海洋潮汐交替作用形成,蕴含丰富动植物资源,同红树林、海草床并称为三大海岸带蓝碳生态系统,是东海区海岸带最重要的典型生态系统之一。作为连接陆地和海洋的生态交错区,滨海盐沼在维护生物多样性、抗击台风风暴潮灾害、净化水体、调节气候及固沙促淤等方面发挥着重要的生态服务功能。 近年来,受外来物种入侵、海岸工程建设等影响,东海区多处滨海盐沼生态系统面临快速退化风险。为提升盐沼生态系统服务功能、保障海岸带生态安全,自然资源部东海局深入践行习近平生态文明思想,秉承“绿水青山就是金山银山”理念,服务国家“双碳”战略,聚焦滨海盐沼生态系统问题,积极推进海区盐沼调查和预警监测工作,为履行自然资源部“两统一”核心职责提供坚实支撑。 摸清盐沼生态系统状况 支撑生态修复布局 2020年全国滨海盐沼调查是自然资源部首次开展的海岸带专项工作,主要分为现场调查和遥感调查。东海局作为技术牵头单位攻坚克难,在现场调查环节,积极探索研究出一套可操作性极高的滨海盐沼调查技术方法,通过培训研讨的方式将此方法教授给各任务承担单位;在遥感调查环节,持续对辖区内滨海盐沼生态系统分布状况进行遥感调查,对部分重点区域利用无人机进行精细化调查,基本摸清了东海区滨海盐沼生态系统的分布现状。 结合历史数据,东海局对重点区域滨海盐沼生态系统的受损状况进行了全面评估,基于评估结果识别盐沼受损区域,有针对性地提出了海区滨海盐沼生态系统修复布局建议,为海区海洋生态保护修复提供了技术支撑和依据。 开展盐沼生态系统预警监测 提升生态修复水平能力 2019年,东海局对海区外来物种互花米草影响最严重的7个生态区组织开展互花米草预警监测工作,系统分析互花米草入侵对盐沼生态系统的影响,结合相关调查资料,编制了《互花米草整治研究报告》,提出了我国海岸带互花米草整治布局建议。 2021年,东海局牵头组织编制了《盐沼预警监测技术指南》,在长江口、杭州湾等重点区域持续开展滨海盐沼预警监测工作,建立并不断完善滨海盐沼预警监测技术方法和业务体系建设框架,全面提升重点区域滨海盐沼生态系统风险预警能力,为全国盐沼生态系统预警监测工作提供参考。   在此基础上,东海局参考国内权威植物库资料,于2022年编制东海区盐沼植物库。植物库详细记录了盐沼生态系统内主要植被的生物学特征、生长环境及分布区域,为海洋生态保护修复工程中盐沼植被物种选择、生境条件重建等提供了参考。 推进盐沼生态系统碳汇调查 服务国家双碳战略 为更好服务国家“双碳”战略,东海局在盐沼碳汇调查评估领域持续深耕,牵头编制的《滨海盐沼生态系统碳储量调查与评估技术规程》作为蓝碳生态系统碳储量调查系列规程之一,已由部办公厅印发实施;在崇明东滩、九段沙等多个重点区域开展试点调查工作,基本掌握了海区典型滨海盐沼生态系统的碳储量水平。 另外,东海局还选择部分典型海洋生态保护修复区域,开展海洋生态修复与固碳协同增效调查,积极探索固碳技术路径和推动海洋生态修复成效评估。 后记 2023年6月28日,十四届全国人大常委会第三次会议表决通过决定,将8月15日设立为全国生态日。提升生态系统多样性、稳定性、持续性,加快实施重要生态系统保护和修复重大工程,像保护眼睛一样保护自然和生态环境,是时代对自然资源管理提出的新要求。东海局将坚持生态优先的原则,继续稳步推进海洋生态保护修复工作,持续关注海岸带生态系统分布与变化,建立完善盐沼生态系统调查与预警监测技术体系,重点推进蓝碳生态系统调查评估,为海岸带生态安全保障提供技术支撑。
  • 《人工智能三大驱动力背后的CMOS传感器》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2019-11-19
    • 随着人工智能概念逐渐成为科技界最炙手可热的话题,这一依托芯片产业的全新概念牵动了整个科技界的心。依靠政府的大力扶持、潜在市场的巨大规模以及已经逐渐落地的海量应用场景,中国已然成为世界上潜力最大的人工智能市场之一。 在今年2019世界人工智能大会上,一份《中国人工智能芯片产业发展白皮书》再次引爆了整个科技界。根据白皮书的统计,中国人工智能应用重点集中在安全、金融和商业三大领域,2018年中国人工智能核心产业规模超过900亿元,预计2020年将超过1600亿元。 而在诸多人工智能应用场景中,图像识别则是最为重要的应用之一。正如清华大学微电子所所长魏少军教授在世界人工智能大会的演讲中所说,数据、算法和算力是人工智能的三大驱动力。而在图像识别应用中,采集图像数据的CMOS图像传感器,又分别在这三大驱动力的背后起到了怎样的重要作用呢? 一、视觉,人与机器的第一感知 如果问一个人,最重要的感官是哪个?大部分人的答案一定是——视觉。正如同眼睛为大脑提供了最多的外界感知信息一样,在未来的人工智能应用场景中,CMOS图像传感器也将成为感知层面最重要的传感器。 人工智能的发展离不开海量的数据,而这些数据中的大部分都是图像数据。因此可以这么说,人工智能应用的崛起就是CMOS图像传感器继移动设备普及之后的第二次爆发机会。我们不妨看看目前人工智能最主要的应用场景,包括人脸识别、自动驾驶、智能家居等,都需要大量的CMOS图像传感器提供图像数据。 而人工智能丰富的应用场景则会带来多样的问题——低光照、高速运动、功耗限制等,这些问题无一不在考验CMOS厂商的产品开发实力。可以说,海量的数据采集需求为传感器领域带来了巨大的商机,同时也引入了更多全新挑战。而在应对这些挑战的过程中,更注重创新的国内新兴CMOS图像传感器厂商往往比相对保守的国际巨头表现更好。 二、没有准确的图像数据,何谈深度学习 谈及图像识别算法,必然绕不开“深度学习”这个概念。图像识别,本质上就是分析图像传感器获得的图像数据,并识别出图像中的待识别物体,因此,图像识别算法的开发至关重要。目前,图像识别算法的开发已经有将近三十年的历史了,从最早的人工特征提取方式,到“深度学习”概念提出后,利用卷积神经网络进行特征提取、分类等操作,再到使用一个网络的端对端模型来完成识别任务,算法开发者们正逐渐地革新算法,从而实现更快的速度、更低的资源消耗、更少的学习成本,乃至达到实时的图像识别。 正如“看”离不开大脑也离不开眼睛一样,利用深度学习进行图像识别,也离不开“机器眼”——CMOS图像传感器。算法开发者都知道,图像数据中噪点的数量会直接影响最后识别的结果,过多的噪点甚至会导致准确率下降到一个无法承受的程度。同时,由于CMOS成像原理造成的诸如快速运动下的“果冻效应”、像素驱动模式造成的“LED频闪”等诸多成像问题,都会导致深度学习算法无法获得准确的图像数据。 因此,图像识别算法的革新以及应用的开发,也离不开CMOS图像传感器开发者的努力。正如同眼脑合作才能视物一样,只有CMOS图像传感器和图像识别算法的紧密合作,才能实现真正实用的实时图像识别。 三、从云端到云边一体再到传感器端运算 人工智能的物理基础,就是由人工智能芯片组成的算力。而根据《中国人工智能芯片产业发展白皮书》的预测,随着边缘计算的发展和边缘端人工智能芯片的发展,人工智能算力正在经历从云端到云边一体的发展过程。 云端计算往往聚焦非实时、长周期的大数据分析,而边缘端运算则通过人工智能算法的前置,解放部分云端的计算资源,提高计算效率,增加整体算法的实时性。两者互补,就能同时满足强大运算性能和实时性的要求。因此,业界正在追求云边一体的结合,从而实现更灵活的人工智能算法部署。 而随着人工智能应用场景的进一步发展,在满足实时性需求时,可能会出现边缘端计算仍然无法应对的情况,这时候就需要将人工智能算法进一步前置,通过传感器端的运算,减轻边缘端算力压力和数据传输带宽压力。虽然这一概念仍然处于初步探索阶段,但已经有国内的CMOS厂商已经开始探索这一概念的可能性了。例如国内安防领域市占率第一的CMOS图像传感器厂商思特威科技,早在今年3月就已正式推出“SmartSensor”AI智能传感器芯片平台的概念。 四、三大驱动力融合方能塑造人工智能的未来 无论是数据(感知层)、算法还是算力,目前的产业发展往往还是以单一企业为主体,各个产业链环节的企业各自进行独立的创新,这在产业的新兴阶段往往能通过激烈的竞争诞生不少黑马。但是,随着产业的逐渐发展成熟,未来人工智能产业的发展将以合作为主线,若干个主要的生态系统或者平台将崛起成为行业的核心。 中国新兴的CMOS图像传感器厂商在这样的生态系统或者平台中,会处于何种地位呢?与拥有产业链优势的国际巨头不同,中国新兴CMOS图像传感器企业往往只专精于CMOS图像传感器领域本身,因此,只有积极参与生态系统和平台的合作中,与整条产业链的各个环节开展紧密的协作,才能在人工智能应用领域诞生出不容忽视的中国力量。 Arm模式在移动时代的巨大成功已经证明,小而精的企业组成生态系统的商业模式也能取得堪比PC时代巨头垄断模式的成功。那么在下一个人工智能时代,一个融合了数据、算法和算力层面诸多创新企业的生态系统,也拥有美好的前途,而在这其中,CMOS图像传感器企业则将是“必不可少”的配角。