AI在5G時代將帶來哪些變革？

NVIDIA電信AI及加速業務全球主管Soma Velayutham

撰文 | 四月

在今年 GTC 中國場的分會場，NVIDIA電信業 AI 及加速計算計劃全球行業發展總監 Soma Velayutham 介紹了在 5G 時代，GPU 和 AI 技術的組合將為電信行業帶來的變革與支持，以及開發人員、合作夥伴和生態系統如何協作構建 AI 和加速工程應用程式。

在 AI 時代，NVIDIA的身份早已不是一家單純的遊戲 GPU 公司，隨著 GPU 在高性能計算、深度學習、AI 人工智能等行業的應用，NVIDIA的觸角已經伸向了各行各業。5G 時代已經近在眼前，NVIDIA的下一個目標也鎖定在電信運營商市場。

5G 網絡不僅速度更快，承載的業務也越來越多，對計算能力的要求也會極速增加，NVIDIA認為，GPU 比傳統 CPU、FPGA 更能勝任這些應用。在電信行業，電信運營商將 GPU 加速 AI、深度學習和分析技術融為一體，致力於構建並優化智能化電信網絡，同時為 5G 無線網絡的商用提供了智能化支持。

在今年 GTC 中國場的分會場，NVIDIA電信業 AI 及加速計算計劃全球行業發展總監 Soma Velayutham 介紹了在 5G 時代，GPU 和 AI 技術的組合將對電信行業帶來的變革與支持，以及開發人員、合作夥伴和生態系統如何協作構建 AI 和加速工程應用程式。

Soma 是一位成績斐然的串行技術專家，擁有 20 多年的軟體和電信行業經驗。Soma 在數據科學和無線通信領域擁有多項專利，並在突破性創新成果方面保持著良好幾率，他經歷過完整產品生命周期的原型思考，曾擔任戰略、商業管理、產品管理和創新孵化項目的帶頭人。

Soma 談到，GPU 計算現在已經在圖形、HPC、AI 等行業帶來了革命。未來的電信市場需要承載雲 AR/VR、協助型機器人、智能城市、聯網汽車以及智能園區等等業務，前景廣闊。未來每個客戶需要的網絡處理、流量都在增加，問題是每個客戶帶來的營收會持平，爆炸性增長的成本就成了問題。

Soma 認為，5G 時代電信行業將面臨四大新挑戰：

1）100Gbps 的高吞吐量；

2）邊緣計算效率提升 100 倍；

3）小於 1ms 的低時延服務，這對頻譜效率要求非常高；

4）數據量爆發，100 倍的擴張。

目前，中國移動、AT&T、沃達豐等運營商正在提供多元化的數字生活服務，包括影片、雲服務、IoT、AR/VR、移動遊戲等等。為了降低成本，NVIDIA使用了虛擬化、SDN 軟體定義網絡、5G 及邊緣計算等新技術，這些技術可以帶來相比以前三到四倍的成本節省。

Soma 認為，4G 技術不僅僅只是帶來了網絡聯通的便捷性，還改變了我們的消費習慣，因為雲計算和移動設備的組合，計程車、外賣等移動應用軟體大量湧現。運營商的價值已經轉移到 OTT 公司當中，電信公司失去的市場和份額實際上被移動應用公司拿走了。

在 5G 時代，Soma 預測了未來智能汽車、手機需要的網絡流量，目前智能手機每月只有 1-2GB 流量生產，2050 年智能汽車每小時流量就能產生 40TB，每月需要 50-500GB 流量，智能汽車未來的無線數據流量會從現在手機流量的 17EB 大幅增長到 5000EB。

Soma Velayutham 談到近 5 年來 GPU 計算的崛起速度：

5 年來 GPU 開發者增加了 10 倍、CUDA 下載量增長了 5 倍、GTC 注冊者增加了 4 倍、HPC 中 TOP50 系統的 GPU 性能增長了 15 倍。

與此同時，GPU 計算性能也在不斷增長：

傳統使用 CPU 簇的超算中，600 台雙路 CPU 伺服器功耗鋼彈 360KW，現在使用 Tesla V100 伺服器只要 30 台四路伺服器即可，功耗也降至 48W，成本是之前的 1/5，佔用面積是之前的 1/7，功耗也是之前的 1/7。

Soma 認為，網絡優化可以通過 AI 來實現，使用傳統的 CPU 雖然可以通過虛擬化技術來執行複雜的網絡任務，但也可以通過 GPU 加速來提升速度。5G 時代，隨著 SDN 的應用，NVIDIA可以通過 GPU 實現低延遲、高帶寬及高效率的網絡任務。根據 Soma Velayutham 所說，未來手機上都可以實現 8K 影片及 VR。

電信行業還可以使用 DL 深度學習來提供網絡品質，提前預測網絡故障。目前，中移動、SK 電訊、AT&T、Docomo 等公司及機構都跟NVIDIA達成了這方面的合作。

Soma 舉例，在美國萊斯大學的一份研究中，使用英特爾至強處理器，5G 網絡的延遲、速度是 15.65 毫秒、103Mbps 速率；使用NVIDIA Tesla V100 則可以實現 0.864 毫秒的延遲及 995Mbps 的速度，整體速度提升了 14 倍。

Ribbon 公司通過 GPU 來實現防火牆，之前用 DSP 來實現，我們的性能高出 3.5 被，比 CPU 高出 9 倍；並行的需求，GPU 是最好的方案。不需要每年軟體重新，DSP、CPU，每年需要做調整。不需要做更新。

Soma 談道，在 3G、4G 時代，FPGA 可以應對處理時延和靈活性；但在 5G 時代，網絡需求變換更加頻繁，應用負載更多。與 ASIC 及 FPGA 等加速方案相比，Soma 認為 GPU 加速更容易更新，擴展性更靈活，在 5G 需求日益增加的情況下，GPU 將方案顯然更有優勢。

此外，Soma 強調，GPU 的產品線足夠豐富：從 15-7w 低功耗的嵌入式 Xavier 到可提供雲服務級的 Tesla。在這些芯片中，防火牆、軟體定義網絡功能均可部署。

Soma 認為，5G 作為服務將需要在雲端原生，5G 在端和雲可以兼容。

考慮投資收益，Soma 分享了他與全球頂級運營商交流後，運營商使用 GPU 最為核心的需求：

1）降低成本，提高效率，基於多運算的並行性，來提高網絡效率；

2）通過 AI 和深度學習技術，減少網絡的複雜性，用 GPU 進行影像的渲染，用戶提供沉浸式的服務。

Soma 表示，在和愛立信、華為等運營商建立 GPU 電信網絡的過程中，雙方會共同探討 GPU 核心部件的使用方式，以提高基礎設施的效率。

談到 AI 對於電信行業的機會，Soma 表示，其中一個最為重要的就是基於 AI 算法對於 5G 通信的信道參數的準確估計，這是實現系統相乾接收的必要條件。它需要根據 5G 系統所發送的導頻信號估計出無線信號傳播從發射端到接收端所經歷的信道畸變，目前，算法經過 AI 技術的轉換後提升效率非常高。

作為普適性的機器學習技術，AI 可以廣泛應用於 5G 系統設計和優化的各個緩解，此外還包括組合優化問題、檢測問題。5G NR（無線接入技術）的資源分配問題就是一個典型的組合優化問題。它需要從資源池中窮舉出一組最優的資源配置方式，並據此將資源分配給網絡覆蓋範圍內的多個用戶，最大化資源利用率。

Soma 舉例美國最大電信運營商 Verizon 的應用，他表示，AI 算法目前能夠提前 6-7 天的資源分配情況，機器學習通過前期的大量運營數據學習後可轉換為其長期記憶，以解決網絡品質下降的問題。

此外，5G 通信最優接收機的設計就是一個典型的檢測問題，其目標是對接收信號進行辨識，確定對應的發射信號，並使檢測錯誤概率最低。