自2018年起，開放架構無線接取網路（Open Radio Access Network, O-RAN）已成為行動通訊網路基地台的一個全新典範。因其具有低成本、高部署彈性與減少供應商專屬性等優勢，預期全球在2027年將有超過半數之基地台以O-RAN為架構。除了這些佈建上的優勢之外，O-RAN亦為一個能夠支援人工智慧／／機器學習演算的嶄新架構，使基地台能夠於任何佈建場景支援任何垂直應用。這個於基地台上前所未見的能力使得整合行動網路架構與人工智慧／機器學習演算架構成為第六代行動通訊網路最至關重要的特色。本文將介紹O-RAN技術之最新發展，並著重於基地台與人工智慧／機器學習演算之整合。本文也將介紹由O-RAN所啟發的6G行動網路架構設計概念，與O-RAN實際佈建上之挑戰。

　　近年來由於人工智慧與機器學習快速發展，在不同領域已有各式／演算之應用。該發展趨勢也預期於未來數十年持續進行。為了能夠支援這些應用，第六代行動通訊網路（6G）將不僅僅是將第五代行動通訊網路（5G）能夠提供的無線服務進行功能上之延伸；反之，6G行動通訊網路架構將與人工智慧／機器學習演算整合成為一個新的運算平台。

　　以目前各大國際標準制定組織對於6G之發展來看，人工智慧／機器學習與6G之間的關係大致分為兩類：1） 第一類是6G將人工智慧／機器學習應用視為一種無線服務（例如影像辨識、電腦視覺、虛擬\擴增實境等應用皆有加入人工智慧／機器學習之演算）。對此，3GPP已經開始評估這類服務所需要之無線傳輸需求（如資料傳送速率、延遲性、可靠度等）。預計於2022年開始啟動之3GPP Release 18標準化工作中，3GPP也將開始制定能夠支援這類服務所需之無線傳輸需求的網路架構與功能，也預期將延續於6G。2） 與第四代行動通訊網路（4G）僅能支援單一類無線服務（無法提供不同延遲、不同可靠度、不同速率之資料傳送，所有應用皆使用單一無線傳送最佳化方式進行傳送）不同，5G系統最主要的特色在於其能夠支援多重種類無線服務之功能。然而，這個特色大幅增加5G、6G行動通訊網路基地台的設計、佈建、與效能最佳化的複雜度。當5G、6G行動通訊網路設備製造商發展一座基地台時，該基地台應該要能夠支援各式垂直應用，包括虛擬／擴增實境、無人載具／機器人、數位分身、遠端醫療、智慧工廠等，而這些垂直應用有著截然不同無線服務需求。為了滿足任一種垂直應用所需的服務需求，基地台需要找出最適合的無線傳送方法。然而，無線傳送方法需視實際的佈建場景而定，例如基地台是佈建於室內或室外環境、應用終端裝置為可移動或固定位置、終端裝置的類型（感測器、機器人、智慧眼鏡、智慧手機等）、所佈建頻譜的類型（授權／非授權頻段、6 GHz以下／以上頻段等）、核心網路為共用或專屬使用等。為了讓基地台能夠智慧學習通訊環境與在任何佈建場景皆達成最佳效能，人工智慧與機器學習演算應用被視為最佳最有效的工具。

　　對於將人工智慧／機器學習演算視為5G／6G基地台最佳化無線服務效能之“工具”，全球行動通訊網路營運商對於下世代基地台之發展已有初步共識，包含兩個核心設計概念：第一為開放性與互通性，以讓更多業界廠商與學界研究單位能夠參與基地台之設計與開發工作；第二為智慧化，使基地台能夠支援人工智慧／機器學習演算以進行自主佈建與最佳化效能。為了達成此一目標，全球五大行動通訊網路營運商於2018年成立開放架構無線接取網路（Open Radio Access Network, O-RAN）聯盟，該聯盟目前已有27個行動通訊網路營運商會員與超過200個技術貢獻公司參與，行動通訊網路架構的演進如圖一所示。

圖一、行動通訊網路架構的演進
 

　　為了達成開放性與互通性，在O-RAN架構中，基地台的主要功能被拆分為四個單元：1） 無線電單元（Radio Unit, RU）由射頻模組與實體層較低層的功能所構成、2） 分散式單元（Distributed Unit, DU）由實體層較高層的功能、媒體存取控制層（Medium Access Control, MAC）與無線鏈結控制層（Radio Link Control, RLC）所構成、3） 中央單元（Central Unit, CU）由無線資源控制（Radio Resource Control, RRC）協定、封包資料收斂協定（Packet Data Convergence Protocol, PDCP）與服務資料適應協定（Service Data Adaptation Protocol, SDAP）所構成、4） 無線接取網路智慧控制器（RAN Intelligent Controller）乘載機器學習演算法。O-RAN聯盟同時也訂定連結著四個單元的介面，包含A1、O1、E1、E2、F1、與open fronthaul。另一方面，為了達成智慧化，不同機器學習演算法能夠被安裝在接近即時無線接取網路智慧控制器（Near Real-Time, RT, RIC）與非即時無線接取網路智慧控制器（Non-RT RIC）以達成基地台之最佳通訊／資源配置，其中非即時無線接取網路智慧控制器通常實現於服務／管理／與協調伺服器（Service, Management and Orchestration, SM&O）端。O-RAN之基地台架構如下圖所示：

圖二、基於O-RAN之基地台架構

　　無線接取網路智慧控制器為基地台中前所未有的單元。在O-RAN架構中，不同機器學習演算法能夠以“xAPPs”的形式被安裝於接近即時無線接取網路智慧控制器以進行機器推論（Machine Inference, MI）、經驗移轉與模型訓練，或以“rAPPs”的形式被安裝於非即時無線接取網路智慧控制器以進行模型訓練、經驗整合、與政策制定。雖然O-RAN為第五代／第六代行動通訊網路提供一智慧基地台建構平台，要將O-RAN落實於商轉與實際佈建仍存在許多挑戰。例如，O-RAN的基地台架構由多個單元所構成，多個單元間的良好協調便成為基地台能否穩定運作的關鍵。另外，安裝於接近即時無線接取網路智慧控制器與非即時無線接取網路智慧控制器上的多個機器學習演算法如何彼此互動也會大幅影響基地台運作效能。