• 软银基于 Transformer 的 AI 在现网 5G 部署中将上行吞吐量提升了 30%，并将延迟降至 0.34 毫秒以下。
  • 模拟测试显示，对于移动终端，下行吞吐量提升了 31%，为更智能、更快速的 5G-Advanced 和 6G 就绪网络铺平了道路。

事件：软银在日本推出用于 5G RAN 的 Transformer AI 模型

软银集团，总部位于日本东京，开发了一种用于 5G 无线接入网络的新型 AI 架构。它采用高性能 Transformer 模型进行上行信道插值。一次现场 3GPP 5G 无线测试显示，与非 AI 方法相比，上行吞吐量增加了约 30%。这一提升来自于在软银原有 CNN 模型基础上再提升 8%，加上基线提升。

他们在现网空中环境中在 GPU 上运行了该模型。Transformer 实现了超低延迟的实时操作：平均 338 微秒。大约为 0.338 毫秒，比 CNN 版本快约 26%。

软银还使用探测参考信号（SRS）预测进行了下行模拟测试。Transformer 模型将移动速度为 80 公里/小时的终端吞吐量提升了高达 29%，在 40 公里/小时时提升了高达 31%——是先前 MLP 模型提升幅度的两倍多。

延伸阅读：软银以 65 亿美元收购 Ampere
延伸阅读：软银在 MWC 展示 AI RAN 创新

为何重要

软银的新设计满足了一毫秒以内的严苛实时处理目标。它轻量且高性能。它利用自注意力机制捕获无线信号中广泛的时间和频率相关性。它避免对输入进行归一化，以保留关键的物理信号数据。这有助于保持其高性能。

它还具备多功能性。通过对输出层进行微调，它可以支持信道估计、SRS 预测和信号解调等任务。这意味着开发时间和成本的降低。

在 GPU 上运行 AI-RAN 使运营商能够在硬件部署后通过软件更新来升级网络性能。这降低了资本成本，并使运营商未来能够轻松采用更新、更好的 AI 模型。

软银计划加速该技术的商业化。这可能有助于构建更智能、更快速的 5G-Advanced 网络，并为 6G 系统奠定基础。