ai赋能无线网络：高通与诺基亚联合展示多厂商ai互操作性
本文介绍高通和诺基亚在2024年世界移动通信大会（MWC 2024）上展示的成果：一个基于AI的、可互操作的多厂商无线网络系统。该系统显著提升了网络吞吐量，并在不同物理环境中展现出强大的鲁棒性。
关键发现：
- AI模型在各种物理环境（包括室内外场景）中表现出优异的鲁棒性，吞吐量增益高达95%。
- 相比传统的3GPP Type I CSI反馈，AI增强信道状态反馈（CSF）实现了15%到95%的吞吐量提升。
- 序列学习技术支持灵活的模型训练方式，既可终端编码器优先，也可网络解码器优先，性能差异极小。
跨环境的鲁棒性测试：
研究人员在不同的基站位置（郊区室外和两个不同室内环境）进行了测试，比较了通用AI模型和超本地化模型的性能。结果表明，通用AI模型在不同环境下的表现与超本地化模型不相上下。即使在引入新的室内环境数据后进行模型微调，性能差异也控制在1%以内，充分证明了通用模型的稳健性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
图1：通用AI模型与超本地化模型的平均吞吐量对比
图2：通用AI模型与微调后模型的平均吞吐量对比
显著的吞吐量增益：
通过将AI增强CSF与传统的波束网格反馈（3GPP Type I）进行对比，研究人员发现AI反馈显著提高了数据吞吐量，增益范围在15%到95%之间。
图3：AI增强CSF与3GPP Type I反馈的吞吐量增益对比
灵活的序列学习：
该系统采用序列学习技术，允许高通和诺基亚分别设计编码器和解码器模型，并通过共享训练数据集实现模型互操作性。研究人员成功验证了网络解码器优先和终端编码器优先两种训练模式，并证明两种模式的模型性能相当。
结论：
高通和诺基亚的合作成果标志着AI增强通信技术迈向成熟应用的关键一步。该系统在提升用户体验、增强网络容量和可靠性方面展现出巨大潜力，为未来无线网络发展指明了方向。
