时隔一年，再聊Open RAN

上周参加MWC，小枣君最大的感受，就是扑面而来的网络开放化、虚拟化、智能化浪潮。

从接入网到核心网，几乎所有的传统通信设备都有了云化解决方案。“白盒”、“云化”、“轻量化”……类似的字眼在展会上几乎随处可见。仿佛一夜之间，所有的企业都成为了基站设备商、核心网设备商，整个行业进入了“人人皆Vendor（设备厂家）”的时代。

对于传统通信设备商来说，这无疑是雪上加霜。原本就竞争激烈的市场，又涌入了这么多的新对手，将会导致利润进一步削薄，日子更加难过。

然而，对于运营商，却是喜闻乐见。他们盼望已久的网络开放、解耦，终于到了开花结果的阶段。越来越多的Vendor，意味着自己可以摆脱那几家设备商的“绑架”，能够更灵活地部署网络。运营商的网络综合成本（TCO，Total Cost of Ownership），也有望进一步降低。

说到网络开放，就不得不提到Open RAN。

一直以来，RAN（无线接入网）的开放和解耦，都是运营商的关注重点。在运营商看来，RAN的云化，比核心网更加意义重大。

RAN的开销，占了运营商TCO的60%以上。

在一年多以前，小枣君给大家介绍过O-RAN（链接）。后来，我也一直在密切关注Open RAN的发展和变化。

今天，基于从MWC上获取的最新信息，我想从技术和架构的角度，再和大家聊聊这个话题。

在这次MWC上，有一个概念被反复提及，而这个概念和Open RAN的架构有非常密切的关系，那就是——RIC。

RIC是Open RAN架构体系的关键。看懂了RIC，就看懂了Open RAN的架构。

早在2018年O-RAN联盟创立的时候，为了制定开放的RAN规范标准，成立了9个小组（Work Group，WG），分别研究对应的接口和技术。

其中WG2和WG3，分别负责的是非实时RIC和近实时RIC。

RIC到底是什么？RAN Intelligent Controller，也就是无线接入网智能控制器。

在继续介绍它之前，我们先看一下O-RAN的整体架构。

上面这张图，是5G O-RAN相比4G的主要架构变化。从图中可以看出，4G LTE RAN的主要组件BBU和RRH，变成了5G O-RAN里的O-CU、O-DU、O-RU。

O-CU：负责协议的分组数据汇聚协议(PDCP)层。

O-DU：负责所有基带处理、调度、无线电链路控制(RLC)、媒体访问控制(MAC)和物理层(PHY)的上部。

O-RU：负责底层物理层处理的组件，包括无线电发送器和接收器的模拟组件。

O-RAN使用开放协议的可互操作硬件，取代了传统的封闭接口和专有硬件及协议，使得RAN架构变成更加灵活、开放、解耦。

我们通常所说的RAN虚拟化，其实主要是指O-CU和O-DU的虚拟化。也就是说，它们是可以搭建在x86服务器平台上的。O-RU是射频收发，这块现在讲的是软件无线电、白盒无线电，还没有办法虚拟化。

我们深入看一下O-RAN架构的内部，如下图所示：

（图片来自O-RAN联盟）

这个图就有点复杂了，因为它列出了3GPP的标准接口（X2、Xn、NG、E1、F1等），还有我们刚才所说的RIC以及对应新增接口。

我还找到一张图，O-RAN和3GPP RAN的架构对比，看得就更加清楚了：

（图片来自爱立信）

很明显，在服务管理和编排（Service Management and Orchestration，SMO，类似NFV里面的MANO）中，有一个非实时RIC（Non-Real-Time RIC）。而在CU中，多了一个近实时RIC（Near-Real-Time RIC）。

非实时RIC是一个功能，并非物理硬件。它负责RAN中所有网络元素的配置管理、设备管理、故障管理、性能管理和生命周期管理。非实时RIC，负责处理时延要求大于1秒的业务，比如数据分析、AI模型训练等。

近实时RIC，也就是接近实时RIC。它负责处理时延要求小于1秒（50ms-200ms）的业务，比如无线资源管理、切换决策、双连接控制、负载均衡等。

非实时RIC通过从RAN和应用服务器收集全域相关数据，进行数据分析和AI训练，并将推理和策略通过A1接口下发、部署于近实时RIC。

近实时RIC负责收集和分析RAN的即时信息，结合非实时RIC提供的额外或全局信息，并通过非实时RIC下发的推理模型和策略，实时监控和预测网络和用户行为变化，并根据策略（比如QoE目标）实时对RAN参数进行调整，包括调整资源分配、优先级、切换等。

近实时RIC中包括了很多xAPP。顾名思义，xAPP就是由第三方独立部署的APP（应用），它将AI推理模型和策略部署于其中，并且不同的xAPP与不同的RAN功能关联，从而使得RAN的功能组件具备灵活的可编程性和可扩展性。

在MWC上，佰才邦、英特尔、中国移动就共同演示了基于RIC的“5G+AI”应用场景案例，如下图所示：

案例中，集成了人工智能的非实时RIC，通过学习推理，把算法推送到近实时RIC平台。近实时RIC通过E2接口，控制RAN的功能组件，从而对RAN进行精确、合理的调度和控制。准确来说，控制的目标就是切换（HO）门限，从而让UE（用户终端）进行更合理的切换，大幅降低掉话率，提升用户的网络体验。

这个案例，充满诠释了什么是5G和AI的结合。

可想而知，RIC不仅是Open RAN架构顺利实现全面解耦开放的关键，也是AI赋能5G接入网的关键。

作为最早加入O-RAN的传统设备商，诺基亚也在MWC上展示了自己对RIC的运用：

从图中可以看出，RIC不仅可以用于改善用户网络体验，还可以监测网络运行异常，甚至帮助进行智能节能。

开放解耦是O-RAN和Open RAN的首要目标，但不是唯一目标。

随着5G的不断建设，运营商网络变得空前复杂和庞大。纯人工运维的方式，肯定是死路一条。运营商的唯一出路，就是向AI人工智能求助。

所以说，不管是3GPP还是O-RAN，都会将人工智能与网络的结合放在首要位置，认真研究如何利用AI赋能网络建设和运维。这几年频繁提出的“自动驾驶网络”（这里的自动驾驶和车联网无关，是指网络自己“驾驶（管理）”自己），其实就是这样，将AI嵌入传统通信网络，管理资源分配，识别外部环境变化，建立算法模型，生成策略结果，自动对参数进行调整，从而降低人工干预，缩减成本。

吹了半天，我们还是要先回到现实。现实是什么？Open RAN架构目前在现网中的占比，远不到10%。也就是说，不要高兴得太早。

Open RAN本身也不是完美无缺的。爱立信就曾提出，Open RAN引入了RIC控制器，新增了A1、E2、O1、O2等接口，使得架构更加复杂，可能会增加安全风险。

华为不加入O-RAN联盟，则是认为Open RAN架构的能耗表现并不理想。

之前搞Open RAN最风生水起的日本乐天移动（Rakuten Mobile），近期也传出了不少的负面新闻。

Open RAN到底何去何从，我们还是静观其变吧！