人工智能带来通信行业变革

随着计算力的进步、算法的演进，以及移动互联网发展带来的海量数据积累，AI（人工智能）技术在历经六十载沉浮之后焕发出新的活力，并逐渐走出实验室，在行业上得到越来越多的应用。当前，AI在图像、语音、文本处理等领域的应用日趋成熟，对生产效率和商业价值的提升能力正被越来越多的行业所重视，语音识别、计算机视觉、自然语言处理等AI基础技术也越来越多地被相关领域产品所集成。同时，在信息通信、工业制造、安防、金融、自动驾驶、医疗健康等众多领域的垂直行业应用方向上，AI也正在带来生态和商业模式的全新变革。

在电信领域，随着ICT产业链和架构融合的逐步深入、网络云化重构转型的加快以及更多新制式和技术的演进，电信运营商在网络运营方面将面临更大的压力和挑战，尤其是在如何有效降低运营成本、提升网络运维效率及便捷性、提升业务和资源编排精准性等方面，以人工方式为主的模式已不足以支撑未来网络对高效运营的需求，电信运营商面临着越来越大的压力。使用AI来重构通信网络，通过网络智能化来提升运维效率，保证用户体验，完成智能化的升级和转型，成为运营商的必然选择。

网络智能化演进目标

智能化网络是未来网络的发展趋势。在演进到5G网络的过程中，网络的复杂程度会越来越高，如果还维持目前的运维方式，OPEX将居高不下，网络运维必须走向自动化和智能化。通过引入AI，对网络数据、业务数据、用户数据等多维数据感知，并基于大数据、大算力和大算法三大基础能力，实现高度自治网络，网络运营的模式也将由当前以人驱动为主的人治模式，逐步向网络自我驱动为主的自治模式转变。同时，人工智能技术在电信领域的应用是一个长期的系统性工程，需要结合网络现状、云化转型进度、5G及IoT等新技术引入进程，以及运营商网络演进策略等，分阶段逐步推进。未来网络智能化演进的目标可以朝着四个方向努力：网络自治、预见未来、随需而动、智慧运营（见图1）。

● 网络自治
通过引入人工智能，通信网络可以从当前的人治模式向自治模式演进，基于AI的智能网络，将实现最小化的人工干预，基于全方位信息感知、分析、决策，实现完全自动化的闭环自治。比如通过覆盖自优化、参数自配置、根因定位及故障自愈等功能的实现，运营商可以提升运维效率，减少运维人力，极大地降低网络运营运维所需的成本。

● 预见未来 
通过历史数据分析、实时状态检测等综合分析手段，基于AI的智能网络可以对网络状态、业务状态、用户状态等具备前瞻性的分析和预测能力，使网络可以随时以最佳的状态匹配未来的发展需求，比如容量预测、故障预测、负荷趋势预测等，从而帮助运营商保障业务质量，提升用户体验，实现前瞻式运营运维。

● 随需而动
基于AI的智能网络，能实时洞察用户意图，快速进行业务部署；能对多维度的需求，生成动态策略，并进行相应的资源调度和保障，随时为需求提供最佳网络匹配，实现智能网络切片、智能Massive MIMO波束赋形、智能移动负载均衡等功能，帮助运营商提升投资回报率，最优化网络资源利用率，打造精品网络。

● 智慧运营
运营商可以通过引入AI实现全方位网络智能化，在电信网络和业务运营的各个层面和阶段，实现智能泛在化，全方位提升运营价值，比如通过业务全生命周期智能管理、自驱式运营等，实现全方位运营智能化。

网络智能化重构网络架构

未来可以在网络的不同层面引入AI实现网络的重构。如图2所示，网络的几大层面，基础设施层、网络及业务控制层和运营编排层，都可以根据业务发展的需要，逐步引入人工智能。

总体而言，对不同层级，越上层，越集中化，跨领域分析能力越强，通常对计算能力要求也越高，需要的数据量也越丰富，更适合对全局性的策略集中进行训练及推理；越下层、越接近端侧的，专项分析能力越强，实时性更好，一般适合引入AI的推理能力，或具备准实时的轻量级AI训练能力。具体到每一层，可以实现的AI功能和需要的资源不尽相同，需要根据每一层的特点引入合适的AI能力。

基础设施层，比如5G NR之类的接入设备，可以逐步引入内嵌式AI加速器，实现网元级AI策略执行。本层主要实现的是AI推理能力，对计算力需求比较低，需要处理的数据量也较小。另外这一层级的AI能力更靠近数据，减少了数据访问和处理的时间，从而可以提供实时性的AI处理能力。

网络及业务控制层汇集了多维度的融合智能管控，实现对传统网络和SDN/NFV云化网络的统一管控，主要包含传统的EMS、虚拟化的EMS及VNFM、SDN控制器等。对于该层面的人工智能使能策略，可以叠加轻量级的AI训练和推理，满足变化快、实时性较高的业务控制需求。相对于基础设施层而言，本层的AI能力计算力需求中、数据量较大、实时性较高。

运营编排层主要功能包括业务和资源的设计、调度及管理，如全局业务编排（编排、激活、生命周期管理等）、全局资源编排（NFV资源编排、SDN资源编排等），以及运营支撑相关的组件，同时也包括专用的数据集中管理平台，如大数据系统。对于该层面的人工智能使能策略，可以部署AI&大数据平台，提供高性能训练、推理能力。相对于基础设施层和网络及业务控制层，本层的计算力需求最高，可以访问的数据量最大，但实时性也相对较低。 

网络智能化演进路线

通信网络的智能化演进不可能一蹴而就，需要根据算法的成熟度、数据的丰富程度、场景的难易程度等方面综合考虑，由点及面，逐步探索，最终实现全方位、全生命周期的智能化运营运维。对运营商而言，可以通过三阶段的演进路线来完成网络的智能化升级。

● 智能化1.0阶段，当前阶段，运营商可以在部分功能中引入人工智能进行能力的增强，实现人力的解放和成本的降低，比如告警根因分析、移动负载均衡和5G切换等场景。预计在2018年底左右，AI在网络中的综合利用率可以达到10%。

● 智能化2.0阶段，预计在2020年左右，随着5G和IoT的规模部署，AI在网络中的综合利用率可以达到30%。通过AI在网络中的广泛应用，运营商除了可以实现成本进一步优化，可以在网络性能提升、资源利用率提升、投资回报率提升等方面，利用AI打造高价值网络。

● 网络智能化3.0阶段，这个是网络智能化的终极目标，AI在网络中的综合利用率为80%~100%。在网络智能化1.0、2.0的基础上，通过AI在网络中的全面应用，运营商可实现全方位智能化的网络运维和运营，实现真正意义上的网络自治。

5G网络智能化典型应用场景

● 智能网络切片
未来5G需要支持的业务场景多样化，为了能够最大程度地满足业务需要和最大化提升资源利用率，对基于切片的云化网络管理显得极为关键。通过引入敏捷、自动化、自优、自治和自愈等多种智能化管理方式，对切片相关的数据进行全景化的分析，这些数据包括：切片用户数据、切片服务签约数据、切片业务数据、切片QoS数据等，并且实时对用户体验相关的数据进行分析，从而对切片内部资源进行自动调整，满足SLA（service-level agreement）问题，解决切片间的资源竞争，提升用户体验。

● Massive MIMO波束赋形
5G的大规模天线技术，可以有效提升网络覆盖、降低干扰、增强系统性能，其在Pre-5G LTE系统中已经得到了很好的验证。波速赋形技术可以用来进行频谱的选择，减少网络在高负荷区域的性能瓶颈。基于用户分布和小区间干扰等信息对AI模型进行训练，可以帮助MIMO系统自适应的调整天线权值，从而提高频谱的利用率和增加用户数。

● 智能移动负载均衡
由于网络应用和服务的快速增长，资源需求也随之快速增长，在5G时代，网络向着更加复杂多样的异构化方向发展，不同小区之间资源使用不均衡的状况会越发明显，移动性负载均衡技术在提高无线资源利用效率、保障用户移动性体验方面的作用日益凸显。5G基于AI技术预测的MLB，可以利用射频指纹库，协同负荷预测算法，通过提前预测，使得负荷均衡策略启动更及时，通过持续预测，有效防止突发性高负荷死灰复燃，通过精选切换用户和目标小区，使得负荷快速降低并达到均衡状态。

网络的智能化演进已经成为各方共识，国内外主流运营商都已经把人工智能作为重点战略之一，积极引入AI能力探索网络智能化的模式；ETSI、ITU-T等标准开源组织也在积极探索AI在通信领域的架构和应用。网络智能化当前仍处于起步阶段，未来5—10年将是运营商网络智能化转型的关键时期。运营商可以根据技术的成熟度，应用场景的迫切程度等分阶段推进网络智能化，从当前的工具和静态专家经验辅助演进到AI的自主学习和决策，从单个网元的智能逐步扩展到全网智能，真正实现网络智能化变革。