业界首创的5G AI基带，到底有啥用？

ludakailu

在不久前结束的MWC2022巴展上，高通发布了最新的5G调制解调器及射频系统——骁龙 X70。

众所周知，调制解调器及射频系统也就是我们常说的手机基带系统。作为手机SoC芯片的重要组成部分，基带的技术性能，直接决定了手机的网络通信能力。

正因为如此，每次有新的基带发布，总能引起行业的密切关注。这次也不例外。

这款全新基带系统，有什么特别之处呢？

根据官方发布的资料，骁龙X70采用4纳米工艺，最高支持10Gbps的下行速度，以及3.5Gbps的上行速度。同时，它是目前全球唯一一款能够支持从600MHz到41GHz全部5G商用频段的基带芯片。

接下来的一句话，让人眼前一亮：骁龙X70是全球首款内置了AI处理器的基带芯片。

这些年，AI技术发展迅速，逐渐成为了人们关注的焦点。在包括通信在内的很多领域，都已经有了它的身影。以手机为例，智能手机都集成了AI芯片。不过，此前的AI能力主要集中在应用处理器（AP）之中，包括作为独立AI芯片的NPU（神经网络处理器），以及集成AI能力的CPU、GPU等等硬件及其支持的一系列软件算法。

而骁龙X70这次首发的内置AI处理器，最大的不同之处在于，它是专门配备给基带（BP）和射频服务的AI处理器。

换言之，X70的AI处理器，专门负责基带连接部分的AI处理，用于提升手机的5G连接速度、链路稳健性和能效，降低时延，改善用户体验。

那么，AI应用于5G真的有那么神奇吗？它的工作原理究竟是怎样的？我们不妨根据资料，深入研究一下。

5G AI处理器的应用场景

我们逐一来看这个5G AI处理器的应用场景。

首先，我们看看AI辅助信道状态反馈和动态优化。

手机在正常的使用过程中，其实一直在和基站“互动”。也就是说，手机在不停地探测无线信道的状态，并将状态上报给基站。

基站这边呢，根据手机终端汇报的信道状态，在下行调度时，及时地为终端选择更合适的调制方式、更好的时频资源等，让手机获得最合适的网络服务。

如果终端上报的互动状态信息过于保守，那么，网络就会“降级”，限制了性能的发挥。如果终端上报的信息过于激进，又会导致网络“超限”，造成资源的“溢出”浪费。

所以，终端如何与网络互动，并实时将信道状态准确上报，非常重要。

引入AI处理器之后，可以明显帮助提升反馈的实时性和准确性。

在AI的帮助下，终端可以在传统算法之外，基于大数据的统计训练模型，上报更能准确匹配当前无线信道情况的CSI（信道状态信息）。也就是说，终端的感知能力更强，信道反馈更加精准。这样一来，基站就能更好地进行动态优化，帮助手机终端提升吞吐量和其它关键的性能指标。

仿真测试的结果显示，在突发数据流量情境中（也就是持续时间很短的剧烈突发流量情境中），AI辅助的信道状态反馈和动态优化能够针对小区边缘、小区中段和小区中央分别实现20%、16%和24%的下行吞吐量提升。

在典型数据流量情境中，借助AI的帮助，小区边缘、小区中段获得的下行吞吐量增益分别为26%和12%，同样效果显著。

再来看看AI辅助毫米波波束管理。

Massive MIMO（增强天线阵列），是5G最重要的技术创新之一。它的工作原理，就是通过多个天线振子组成的阵列，产生多个波束，然后结合波束赋形技术，对手机终端进行信号“跟踪”，增强信号质量。

波束跟踪

5G毫米波，频率高，波长短，覆盖能力弱于Sub-6GHz。因此，它的波束跟踪管理，需要做得更好，这显然加大了技术难度。

手机终端在移动的过程中，毫米波波束需要时刻紧跟，进行聚焦，增强手机的信号。这对波束的运算和跟踪能力，提出了很高的要求。

这个时候，在手机的基带和射频系统中引入AI，能够有效提升波束跟踪的效率。在提升信噪比的同时，降低发射功率，从而提高能效。

我们可以借用雷达技术来理解它。

基站就是雷达，手机终端是天上的飞机。这些飞机都是本方的飞机。为了更好地跟踪飞机的位置，我们需要雷达有很强的性能。

如果飞机引入了AI的帮助，就能够更智能、更迅速地对不确定的环境进行排查和预测，及时将情况反馈给雷达。雷达在辅助下，进行波束调整和聚焦，紧紧地盯住飞机。

骁龙X70集成的5G AI处理器的第三个典型应用场景，是网络选择。

大家都知道，我们国内每个运营商拥有多种网络制式，每种制式又有多个工作频段。

对于手机来说，如何判断和选择最合适的网络制式和频段，是个非常棘手的问题。

举个例子来说，当你处于一个演唱会或大型比赛的环境，现场人数众多，5G网络非常拥堵，而4G网络反而比较流畅。这时，如果你的手机终端选择了5G，那么，可能会网络速率低下，甚至掉线。而如果选择了4G，速率反而快，体验也好很多。

那么，手机终端该如何判断选择4G还是5G呢？

答案就是反复测量。也就是说，为了选择当前最好的网络，手机终端会不断地进行网络状态的测量，并进行择优选择。

大家应该看出来了，测量效率的高低，对手机终端性能影响很大。低效的测量过程，不仅会增加能量损耗（加速耗电），还会降低服务稳定性。

于是乎，高通的技术专家们就想到了AI。

通过AI和大数据的加持，终端可以基于场景，在不同的网络制式之间进行选择。终端还可以基于获得的业务质量，在同制式不同频段基站之间，进行选择。

AI对所有的网络状态进行智能识别和监测，从而预测和规避掉有问题、有风险的网络，实现更出色的移动性和链路稳健性，在减少卡顿的同时，提高用户体验。

最后一个要介绍的AI辅助案例，是自适应天线调谐。

众所周知，在我们的手机里，内置了很多根天线。不同的天线，处于不同的位置。然而，我们在使用手机时，也存在不同的手势握姿。这样一来，就存在手部对天线的干扰问题。

不同的握持方式

为了对抗干扰，就需要让手机射频系统对天线进行调谐。传统的方式，是根据当前使用的应用（App）以及陀螺仪状态，判断握持方式，形成经验，生成一些调谐模式。

而引入AI后，可以智能侦测用户握持终端的手部位置，并实时动态调谐天线，从而实现更高的传输速度，更低的能耗，以及更稳的网络质量。

█ 结语

以上介绍的，是骁龙X70基带内置AI处理器的四大应用场景。

大家应该也看出来了，5G AI处理器的特点，是利用强大的AI能力；它所擅长的，是复杂的资源调度，以及对动态变化条件的实时计算和反馈。

当触发条件出现高速变化时，为了更好地感知变化，就需要AI的算力支撑。在AI算力的加持下，才有可能算出最准确的结果。而准确的结果，会应用到系统的反馈中，从而提升运算的效率，最终改善用户5G连接体验。

这是一次革命性的技术创新，也揭示了基带系统的未来发展趋势。

2022年，是5G R16全面落地的一年。根据最新的统计数据显示，全球已有200家运营商推出了5G商用服务，还有超过285家运营商正在投资部署5G；预计从2020年到2025年，5G智能手机的出货量将超过50亿。

想要让这几十亿5G手机终端充分享受5G带来的完美网络体验，想要更多的运营商和用户完全认可5G的价值和魅力，我们必须从通信网络的各个维度进行性能挖潜和技术变革。在进一步提升吞吐量的同时，我们需要持续优化传输效率，提升频谱利用率并节省发射功耗。

毫无疑问，智能化是实现上述目标最有效的途径。

集成AI处理器的高通骁龙X70基带，给手机终端基带系统的未来发展指明了方向。相信未来，其它厂商也会跟进，推出相应的智能化基带。

“5G+AI”，在移动通信领域大有可为。让我们拭目以待吧！

阅读全文