AI-RAN: E3 Interface & dApp OCUDU 的實作
在前面的文章中, 我們介紹了 OAI E3 interface 與 dApp 的基本架, 也進一步介紹 Nvidia Aerial Testbed 如何利用 Data Lake 與 Shared Memory, 減少大量 Layer 1 資料透過 E3 message 傳輸所造成的負擔. 在上述的 E3/ dApp 的架構中, dApp 是依附在 AI-RAN 之外的應用, 對 Spectrum Sensing, ISAC, Positioning 等應用來說, 這樣的架構相當合理. 而今天我們要介紹的是 DeepSig 與 OCUDU 在 2026 年提出另一種 dApp runtime 架構: 在他們提出的架構中, 根據 dApp 的 timing requirement, 分成 Class A、Class B 與 Class C. OCUDU 論文將三者分別定義成： - Class A：Resident Inline L1 - Class B：Bounded Real-Time Control - Class C：Asynchronous Observation and Advisory OCUDU 仍然在 DU 中放置 Embedded E3 Agent 進行控制, 負責 lifecycle、configuration、model management、telemetry 與 RAN control. 針對 Class A/B/C 的 dApp 的執行, 則依據時間需求放置不同地方: Class A 進入 PHY processing pipeline, Class B 在 MAC scheduler 的 decision boundary 被直接呼叫, Class C 則取得資料進行非同步分析, 可以部署在 DU process 內, 也可以放在外部 process. 如下圖所示: 在圖中, 紫色虛線表示 E3 管理路徑, 實線表示資料或執行路徑. Class A, Class B 與 Native Class C 位於 DU process 中, Supervised Class C 使用同主機的獨立 worker, Portable Class C 則透過 E3 取得資料. Class C 的受准許結果可由 host ...