2021.01.25

5G基础设施背后的技术介绍

分享:

NFV的演变

ALL_news_tech_blog_26A12_qAFQQ7HGtJ

  • 从封闭的专有垂直系统转变为标准的商品化水平硬体/软体/平台。
  • 大幅降低电信运营商的资本支出和运营支出。
  • 一种虚拟化、模组化和客制化微服务(网路切片)的新商业模式。

 

网路服务切片

ALL_news_tech_blog_26A12_GEtOtOVHh1

  • Slice 1 –增强型行动宽频网路切片:
    CDN (内容传递网路), ICN (资讯集中网路)
  • Slice 2 –超可靠低延迟通信网路切片:
    IoV(车联网)、V2V(车对车)、V2I(车对基础设施)、V2X(车对任何事物)
  • Slice 3 –大规模机器类型通信网路切片:
    物联网 (Internet of Things)

 

无线接入网的演变

1G/2G 无线接入网:RRH/BBU 合併佈置

ALL_news_tech_blog_26A12_N6VE06vpsq

现有问题:

  • 基站必须位于天线旁边,因为同轴电缆的信号衰减速度很快。
  • 户外部署的基站空调系统支出巨大。
  • 基站资源利用率低。
  • 基站之间透过X2介面进行通信是困难的。

ALL_news_tech_blog_26A12_JPKG4g0pSl

解决的问题:

  • 提高部署的灵活性,因为远端无线电头功能从基带单元中分离出来。
  • 室内BBU部署可以降低空调成本。

 

现有问题:

  • 基站资源利用率低。
  • 基站之间透过X2介面进行通信是困难的。

 

Additional issues:

  • 需要在红外介面上实现低延迟和准确的同步。

 

4G/B4G RAN: vBBU/RRH 固定功能分离

ALL_news_tech_blog_26A12_ZDBqayTSBx

已解决的问题:

  • 虚拟化的基站控制单元(BBU)池部署在单一硬体上可以降低成本并提高资源利用率。
  • 透过减少BBU硬体来节省能源。
  • 集中式BBU池使基站之间的合作变得更加容易。

 

现有问题:

  • 需要在红外接口上实现低延迟和准确的同步。

 

额外问题:

  • 需要在 S1 接口上提高回程带宽。

 

下一代无线接入网

ALL_news_tech_blog_26A12_prcJmtkVWK

将 RAN 分为三个单元:CU、DU 和 RU,使您的部署更加灵活。

  • RU:处理射频和低物理层的无线单元。RU 设计的主要考量因素是尺寸、重量和功耗。
  • DU:分佈单元处理高物理层、高速媒介存取控制层和无线链路控制层。根据功能拆分选项,此节点运行部分gNB功能,并由CU控制。
  • CU:处理 PDCP 和 RRC 层的集中单元。

 

将DU与RU分开的目的:

  • 较不智能的RU成本较低
  • 同时控制多个RU的能力,以启用基站合作功能,如CoMP。
  • 共享基带资源

 

核心网路的演变

4G核心网路:EPC(演进封包核心)

ALL_news_tech_blog_26A12_HiBj26mtbN

  • 专用的硬体和软体用于每个网路功能。
  • 网路功能之间的点对点介面。
  • C/U 平面并未完全分离。
  • 高成本且难以维护、升级、恢復或为运营商新增服务。

 

5G核心网路

ALL_news_tech_blog_26A12_ImvHaUrwZA

  • 虚拟化和模组化的网路功能在标准 x86 伺服器上。
  • 基于服务的介面而非点对点。
  • 完全分离的 C/U 平面。
  • 降低开支,并且更容易维护、升级、恢復或为运营商的定制网络切片添加新服务。

 

多接入边缘计算

ALL_news_tech_blog_26A12_M90lKTKhPA

  • 大幅降低无线接取网路的延迟。
  • 高度节省从核心网络到互联网的带宽。
  • 在 RAN 和 CN 之间,甚至在互联网云端之间,担任关键的控制/数据/信息节点。

 

性能优化

  • 基于FPGA(或eASIC)和ASIC的专用加速器,用于卸载CPU在计算密集型FEC / LDPC任务上的负担。
  • 降低DU的硬体需求,从而降低CAPEX并减少能源需求以降低OPEX

 

摘要

  • 5G 是基于多年无线技术的演变。
  • 引入使用通用设备作为昂贵的基于ASIC的专有解决方案的可行替代方案的可能性。
  • 降低5G部署的门槛,并使私营实体能够部署自己的私有5G网络。

 

相关讯息

面向Neocloud时代的机柜级AI基础设施架构
2026.09.24

面向Neocloud时代的机柜级AI基础设施架构

生成式AI与Agentic AI应用持续发展,加上日益增长的AI训练与推理工作负载,对计算吞吐量、内存、网络与存储能力提出了前所未有的要求。因此,AI基础设施已无法再以独立服务器为核心进行设计。随着专业化Neocloud服务提供商兴起,产业进一步向机柜级架构发展,将计算、网络与散热管理整合于同一架构中,以实现高效且高度适应性的AI计算能力。

打造可扩展的AI与云原生应用基础设施
2026.09.09

打造可扩展的AI与云原生应用基础设施

随着AI应用与云原生应用持续重塑企业IT环境,基础设施必须能够支持日益多元且动态的工作负载。从虚拟化、分布式服务到数据密集型应用,现代数据中心需要在计算、内存、存储与I/O性能之间取得平衡。随着工作负载需求持续演进,基础设施也必须具备更高的扩展能力与效率。

高密度AI基础设施:以先进散热技术提升计算性能与扩展能力
2026.09.02

高密度AI基础设施:以先进散热技术提升计算性能与扩展能力

随着AI工作负载对计算能力的需求不断提升,数据中心必须在有限的空间与能源条件下,实现更高的计算密度与更优异的散热效率。当高功耗CPU与GPU被整合至紧凑型服务器平台中时,先进的散热管理便成为维持系统性能与提升基础设施效率的关键。

咨询车

您的咨询车共计 0 件产品

产品比较

您的比较共计 0 件产品

订阅电子报

数字验证

请由小到大,依序点击数字

我们使用 cookies 以确保我们的网站正常运作,个性化内容和广告,提供社交媒体功能并分析流量。我们还会与社交媒体、广告和分析合作伙伴分享您使用我们网站的信息。

管理Cookies

隱私權偏好設定中心

我们使用 cookies 以确保我们的网站正常运作,个性化内容和广告,提供社交媒体功能并分析流量。我们还会与社交媒体、广告和分析合作伙伴分享您使用我们网站的信息。

管理同意設定

必要的Cookie

一律啟用

这些 cookies 是网站运作所必需的,您无法在系统上关闭它们。

这些 Cookie 通常仅在您执行某个动作(即服务请求)时设置,例如设置隐私偏好、登录或填写表单。

您可以设置浏览器以阻止或提示您这些Cookie,但这可能会导致某些网站功能无法正常运作。