AI邂逅切片，5G网络运维更智能

网络切片是5G网络的一个重要特性，通过对网络资源灵活分配、能力灵活组合，基于一张物理网络虚拟出网络特性不同的逻辑子网，以满足不同场景的定制化需求。网络切片运维实质上就是提供切片实例的全生命周期管理，包含设计、开通、SLA保障、终结等阶段。网络切片带来极大灵活性的同时，也增大了运维管理复杂度。基于人工智能来增强切片自动化管理能力是必然趋势。

在切片管理系统中引入人工智能，根据AI训练平台输出决策依据，自动化执行管理策略，赋予网络智能感知、建模、开通、分析判断、预测等方面的能力，实现切片灵活性和管理复杂度之间的完美平衡。

智能化切片开通

网络切片特性之一就是定制化，随着切片需求数量增多，半手工的传统开通手段面临严重挑战，融入AI的智能化开通是推动网络切片成熟广泛商用的关键。

－业务定制：运用数据采集和机器学习，深度挖掘业务特点，提供定制化、安全隔离的私有切片专网。

－网络规划：综合分析整网可用资源，利用AI技术不断训练优化算法，将业务需求快速转化为网络需求，解决差异化SLA与建网成本之间的矛盾。

－模型设计：根据AI训练平台分析结果，对虚拟化资源进行智能编排和调度，自动输出切片生命周期模板、策略规则及切片优化部署模板等。

－自动化部署：结合自动化集成部署工具和切片模型，自动完成各层次资源实例化，同时智能匹配测试场景及用例，自动完成切片测试，部署周期从几周缩短到几天。

－E2E业务激活：根据配置模板定义自动将配置参数拆解到各个子网，执行参数自动化计算形成批处理脚本，通过配置通道自动完成业务激活。

切片智能SLA保障

网络切片保障实质上就是对用户要求的SLA进行保障，智能化QoS服务能力可对业务需求、网络能力以及用户特性等方面进行智能分析和多标准决策，引入QoS监督反馈，从而形成SLA保障闭环。

－QoS能力保障：采集海量业务数据（如业务类型、时间需求等）、网络数据（连接数、负载、流速、时延等）和用户数据（如用户等级、通信习惯、时间、位置等），通过智能分析和判断，实时评估当前业务体验，形成一套或多套更优的QoS参数集，从而进行最佳决策和控制。

－QoS差异化服务：基于时间、位置、访问业务、用户通信习惯、用户签约需求、网络实时负荷压力等方面的智能判断，形成最佳匹配的QoS控制参数，为用户提供实时的差异化服务。

－QoS预测预警：基于海量数据采集、建模和分析来实现QoS预测，并提供极端情况下的QoS能力预警，给运维保障动作提供参考，如提前终止业务、改变业务操作等；例如基于神经网络和线性回归算法，实现同期增长率预测、峰值/均值流量分析，预测网络拥塞，从而进行动态调度或者流量提速等操作。

切片智能闭环运维

为高效地管理网络切片，降低运维复杂度和成本，切片管理系统必须具备网络自感知、自调整等智能化闭环保障能力。

目前网络策略仍是基于人工静态配置，忽略了网络的实际情况。引入AI后可基于时间、位置和移动特性，结合网络中的流量、拥塞级别、负载状态等进行智能分析和判断，通过AI训练平台输出切片管理动态策略，实现智能化调度。

此外，实时/历史智能分析还提供健康评分、异常检测预测、故障根因分析等参考数据，据此执行容量优化、配置优化、资源弹缩、问题定位等操作，实现切片闭环优化（见图1）。

切片故障智能定位

分析切片告警中时间、地点、事件描述等多维度特征，结合历史频度信息，跨网元信息，同专业网、跨专业网信息及同业务关联信息等识别告警线索关系。根据当前告警、统计、日志等信息以及训练获得的规则进行推理，获取匹配的告警根因。

故障智能定位主要分为训练过程、推理过程和闭环优化。

－训练过程：包括数据提取、数据清洗、格式规整、算法运行、结果分析等步骤。

－推理过程：实时监控告警，定时采样资源、配置数据等，利用已学习规则对现网告警数据、资源数据、业务承载关系和时序进行综合判断，找出根因自动修复或者提示运维人员修复。

－闭环优化：根据实际规则应用情况或专家判断对规则库进行更新、修正和完善。

智能定位效果主要通过有效告警根因规则数和告警压缩比两个指标进行衡量，也可以通过工单数量减少率来进行间接评估，AI告警智能定位能普遍减少60%以上。

5G智慧切片网络将会经历领域内探索、跨领域融合、高度自治三个阶段。首先，5G网络各子领域将分别与AI初步结合和应用，依托大数据与机器学习的支撑，在网络资源分配等领域探索实现初级智能化；随着技术发展，AI将可以学习跨领域的5G网络大数据，部分子领域将出现融合智能，实现中级智能化；最后，5G和人工智能技术高度发展，将实现全网联动和高度自治，大幅提升网络全生命周期管理效率，基于人类控制网络的意图实现高级智能化。

可以预见，AI与5G切片网络的结合将产生耀眼的火花，推动网络高速发展和演进。