“

隨著云化網(wǎng)絡的復雜性和解耦性增強，云化網(wǎng)絡重構(gòu)將給網(wǎng)絡運營和運維帶來巨大挑戰(zhàn)，5G技術變革也將對云化網(wǎng)絡上的垂直業(yè)務帶來革命性的改變。如何應對云化網(wǎng)絡智能化運維，滿足用戶需求快速的變更并為垂直業(yè)務提供保障？如何保障網(wǎng)絡基礎設施層的穩(wěn)定性和可靠性？如何感知網(wǎng)絡并對網(wǎng)絡進行全息監(jiān)控，實現(xiàn)網(wǎng)絡智能化調(diào)整？這些需求都催生了AI技術和大數(shù)據(jù)技術在云化網(wǎng)絡智能化領域的應用。

”

云化網(wǎng)絡智能化的兩個核心能力

實現(xiàn)云化網(wǎng)絡的智能化需要具備兩個核心能力，第一個核心能力是構(gòu)建基礎平臺。這個平臺必須解決兩個事情，首先是云化網(wǎng)絡智能化所需要的計算能力；其次是智能化所需要的數(shù)據(jù)處理能力，主要體現(xiàn)在如何從海量數(shù)據(jù)中提取有價值的樣本數(shù)據(jù)。

第二個核心能力是場景化。云化網(wǎng)絡場景化可以從三個層面理解：網(wǎng)絡基礎層、網(wǎng)絡功能層和網(wǎng)絡運維運營層。網(wǎng)絡基礎層關注網(wǎng)絡的可靠性和穩(wěn)定性，故障智能化定位就顯得尤為關鍵。故障智能化定位涉及故障數(shù)據(jù)的海量采集、故障數(shù)據(jù)的關聯(lián)、故障預測和故障自動化排除。網(wǎng)絡功能層重點關注網(wǎng)絡功能全息數(shù)據(jù)監(jiān)控和感知，實現(xiàn)網(wǎng)絡的自優(yōu)化調(diào)整和網(wǎng)絡功能自愈，通過海量數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)AI模型建立應用和數(shù)據(jù)決策、數(shù)據(jù)反饋形成閉環(huán)。網(wǎng)絡運維運營層面關注基于DevOps的智能化應用，包括網(wǎng)絡自動化部署、網(wǎng)絡彈性、故障定位等焦點問題。從運營角度來考慮，需要結(jié)合大數(shù)據(jù)進行數(shù)據(jù)挖掘分析，構(gòu)建能給運營商帶來有價值增長的場景，如流量智能化經(jīng)營、網(wǎng)絡用戶體驗評估、網(wǎng)絡質(zhì)量評估、網(wǎng)絡跨界的端到端故障定位、業(yè)務開放快速構(gòu)建新業(yè)務等。

AI+大數(shù)據(jù)驅(qū)動的云化網(wǎng)絡智能化解決方案

從架構(gòu)技術推動，場景切入作為考量，中興通訊推出 AI和大數(shù)據(jù)智能化整體解決方案。方案基于三層云化網(wǎng)絡的基礎架構(gòu)，推動云化網(wǎng)絡的智能化（見圖1）。

基礎設施層自優(yōu)化：云化后的基礎設施增加了故障定位和分析的難度，也為云化基礎資源層的網(wǎng)絡管理增加了復雜性，AI+大數(shù)據(jù)為引入故障告警、故障自愈、基礎資源分配等自優(yōu)化提供能力。

網(wǎng)絡資源層智能化：引入網(wǎng)絡狀態(tài)感知網(wǎng)絡功能，實現(xiàn)數(shù)據(jù)采集、狀態(tài)監(jiān)控、運算分析、推理決策和策略執(zhí)行。AI+大數(shù)據(jù)為滿足網(wǎng)絡資源調(diào)配、網(wǎng)絡自優(yōu)自愈、網(wǎng)絡自治化提供基礎能力。

管理運維運營層自動化和智能化：從規(guī)劃設計、網(wǎng)絡部署到管理運維，實現(xiàn)自動化和全局資源優(yōu)化等智能化。引入AI+大數(shù)據(jù)能動態(tài)地對網(wǎng)絡進行資源調(diào)度、優(yōu)化和故障排除，實現(xiàn)網(wǎng)絡的智慧運營。通過將人工智能技術和網(wǎng)絡資源調(diào)度相結(jié)合，利用機器學習技術根據(jù)采集數(shù)據(jù)對用戶行為、網(wǎng)絡業(yè)務及相應資源需求進行預測和評估，結(jié)合網(wǎng)絡的動態(tài)情況進行主動運維，保障網(wǎng)絡能夠及時調(diào)整相應資源，實現(xiàn)網(wǎng)絡資源的最大化利用?；谌斯ぶ悄艿木W(wǎng)絡優(yōu)化技術，對智能網(wǎng)絡特性的海量數(shù)據(jù)加以分析，建立合理的智能量化模型，并基于模型對網(wǎng)絡業(yè)務進行實時處理，從而保證最佳的網(wǎng)絡運行狀態(tài)?；谌斯ぶ悄艿墓收吓懦夹g，基于海量歷史故障數(shù)據(jù)和故障解決數(shù)據(jù)，利用人工智能學習生成故障事件和特征匹配規(guī)則庫，針對網(wǎng)絡告警數(shù)據(jù)自動選擇最優(yōu)解決方案，保障和管理好整個通信網(wǎng)絡。

方案分階段引入AI+大數(shù)據(jù)能力，從開環(huán)網(wǎng)絡到靜態(tài)閉環(huán)，再到動態(tài)閉環(huán)，最后到全自治網(wǎng)絡，實現(xiàn)以人驅(qū)動為主的人治模式向網(wǎng)絡自我驅(qū)動為主的自治模式的轉(zhuǎn)變。

根據(jù)對智能化能力的不同要求，方案支持逐步引入大數(shù)據(jù)和AI能力。在云化網(wǎng)絡智能化的分層架構(gòu)中，越上層、越集中化，跨領域分析能力越強，更適合對全局性的策略集中進行訓練及推理，比如跨域調(diào)度、端到端編排、全網(wǎng)內(nèi)容分布等，通常對計算能力要求很高，需要跨領域的海量數(shù)據(jù)支撐，對實時性要求一般敏感度較低。越下層、越接近端側(cè)，專項分析能力越強，對實時性往往有較高要求，比如5G NR的移動性策略、MEC的實時控制等，但對計算能力依賴度不高，一般適合引入嵌入式推理能力，或結(jié)合MEC，部署具備一定實時處理能力的輕量級訓練引擎。

AI+大數(shù)據(jù)使能的智能化網(wǎng)絡是5G網(wǎng)絡發(fā)展的重要趨勢，智能化將帶來網(wǎng)絡根本性的變革。首先依托網(wǎng)絡大數(shù)據(jù)與機器學習算法的支撐實現(xiàn)5G網(wǎng)絡的初級智能化；其次AI將可以學習跨領域的5G網(wǎng)絡大數(shù)據(jù)，部分子領域?qū)⒊霈F(xiàn)融合智能，實現(xiàn)5G網(wǎng)絡的中級智能化；最后隨著人工智能技術高度發(fā)展，網(wǎng)絡各子領域大數(shù)據(jù)將實現(xiàn)全網(wǎng)聯(lián)動和高度自治，大幅提升網(wǎng)絡全生命周期效率，基于人類控制網(wǎng)絡的意圖實現(xiàn)網(wǎng)絡的高級智能化?？梢灶A見，在不久的將來，AI技術和大數(shù)據(jù)的結(jié)合將推動電信網(wǎng)絡劃時代的發(fā)展和演進。

來源 | ZTe刊