随着5G技术的成熟，AI和ML已经被3GPP（第三代合作伙伴计划）引入研究，3GPP是制定蜂窝技术标准的国际化标准组织。目前正在考虑运用人工智能对空中接口进行改进，包括网络节能、负载均衡和移动性优化等。由于空中接口的潜在用例非常多，所以在即将发布的3GPP R18中只选择了其中一个小的子集进行研究，涵盖信道状态信息（CSI）反馈、波束管理和定位等。需要注意的是，3GPP并没有开发人工智能/机器学习模型。相反，它试图创建通用的框架和评估方法，以便将人工智能/机器学习模型部署到空中接口的不同功能中[1]。

　　除了3GPP和空中接口之外，O-RAN联盟正在探索如何利用人工智能/机器学习来改善网络编排和管理。例如，O-RAN联盟的架构有一个独特功能，该架构被称为RAN智能控制器(RIC)，主要用于辅助人工智能和机器学习优化不同的使用场景。RIC既可以管理近实时应用（xApps），也能管理非实时应用（rApps）。用于提高频谱效率和能源效率的xApps以及利用人工智能进行网络编排和管理的rApps目前已经存在。随着O-RAN生态系统的发展和成熟，将有更多xApps/rApps以及利用基于RIC的人工智能和机器学习优化的应用将会出现。

　　借鉴人工智能/机器学习可用于改善网络编排和管理的想法，6G寄希望于利用人工智能和机器学习来解决优化挑战。例如，人工智能可以根据实时运行情况打开和关闭组件，以降低整个网络的功耗。如今，xApps和rApps通过开启和关闭处于非工作状态的功率放大器等高耗能组件在基站层面实现了这一目标。然而，人工智能快速解决具有挑战性的计算问题和分析海量数据的能力，为我们在更大范围内乃至全市或者全国范围内优化网络性能提供了可能。可以在使用频率比较低的时间段关闭整个基站，也可以对小区进行重新配置，以绿色低碳、节能环保的方式使用尽可能少的资源来满足用户的实时需求。目前还无法以这种方式重新配置基站和整个城市的网络，重新配置和测试对网络配置的任何更改通常需要几天或几周的时间。尽管如此，不同人工智能技术的发展前景十分广阔，它们仍然是基础设施提供商的首要考量因素。