隨著計算算力的進步，算法的創新和互聯網發展下的海量數據積累，人工智能技術未來十年將煥發出新的活力，成為最具有沖擊力的科技發展趨勢之一。

2019年4月，華為正式發布iMaster NAIE 網絡AI云服務，這也是華為網絡智能化戰略實施的的重要里程，一年來，華為NAIE人工智能引擎在提升網絡AI應用開發效率上取得了有目共睹的成績，但在網絡AI應用開發完成后如何實現“一點生效、多點復制”的規模部署效果，成為了華為NAIE人工智能引擎的下一個課題。

9月25日，在全連接大會期間的華為NAIE人工智能引擎白皮書發布會上，華為以“云地協同”為抓手，解決AI特性規模應用問題，實現跨廠商云地協同，挖掘業務價值。

AI網絡：使能運營商效率革命

2020年是5G大規模部署，全面進入規模商用的起始年，這一年，受疫情與新基建的影響，社會各界進一步看到了5G與經濟社會各領域融合發展的巨大潛在效益。

然而，5G并不能解決電信業運營模式的痛點，反而增加了業務與運維的復雜度（面臨網絡復雜性不斷提升、OPEX持續增長的挑戰），并且，隨著5G等新基建的不斷深入，電信行業更將面臨著結構性的挑戰。

從收入結構來看，運營商的業務正遭遇來自IT產業的挑戰，隨著網絡接入速率的大幅提升，導致IT產業從賣產品變成賣服務，骨干網絡和IT基礎設施逐漸變成云服務的形式，喪失很多傳統的電信業務，同時，運營商的效率和成本也面臨結構性挑戰，無線、IP、光傳送等資源未得到最大化利用。

電信網絡作為信息通信的基礎設施，具有應用人工智能技術的巨大空間和潛力，Tractica/Ovum預測指出，到2025年，全球電信業對人工智能軟件、硬件和服務的投資將達380億美元 ，成為最大的 AI 應用市場。其中，電信業整體AI用例軟件市場將以59.8%的年復合增長率從4.19億美元到2025 年增至112億美元。

人工智能也給運營商帶來了提升效率的機遇。但如何利用人工智能算法提供的強大分析、判斷、預測等能力，賦能網元、網絡和業務系統，并將其與電信網絡的規劃、建設、維護、運行和優化等工作內容結合起來，成為電信業關注的重要課題，從2018年開始，為實現網絡自動化和智能化，電信行業組織、運營商和設備商紛紛啟動技術探索。

在這之中，華為在網絡架構創新與實踐的道路上從未停止，基于對電信領域的深刻理解和多年經驗沉淀，以及在All Intelligence 戰略中的長期堅決投入，去年4月，華為正式發布了iMaster NAIE 網絡AI云服務（簡稱 NAIE），這也是華為網絡智能化戰略實施的的重要里程碑，并創新性的提出了“自動駕駛網絡”（ADN）系列化解決方案，意在提升整個網絡的效率，降低OPEX。

與傳統網絡架構不同，自動駕駛網絡是電信網絡自動化、智能化方案，將網絡能力原子化后形成網絡資源，通過集中的網絡控制單元將網絡資源統一調度，支撐上層業務編排器全局協同的方案，通過自動駕駛網絡，實現運營商運營效率的提升，這也是運營商數字化轉型的關鍵部分。

從基礎架構來看，自動駕駛網絡分為三層智能，首先是底層網元+AI。將物理網絡逐步數字化，有效產生和采集更多網絡數據，增強實時感知、模式或特征匹配能力，實現網元本地的AI推理應用。

其次是中間層網絡+AI。各領域的網絡管控單元增加AI網絡模型和推理框架，將上層業務和應用意圖自動翻譯成網絡行為，實現單域自治閉環，使網絡連接或功能的 SLA 可承諾，實現在線智能。

最后是上層云端+AI，云端定位網絡智能服務平臺，提供能力編排與共享中心、AIOps 中心、現場服務支持中心三大能力中心。

然而，要解決電信業面臨的挑戰，僅僅靠產品創新遠遠不夠，需要整個系統架構創新和商業模式創新，才能提升運營商的競爭力。

云地協同：“化繁為簡”實現AI特性規模應用

近年來，全球業界各方在網絡AI方面紛紛進行積極的探索和實踐，經過驗證在運維效率、能耗效率、網絡資源利用率以及用戶業務體驗提升等方面確實能夠帶來價值，電信產業走向智能化已經成為整個行業的共識。

華為自推出iMaster NAIE 網絡AI云服務后在AI領域取得的成績有目共睹，然而，網絡AI在走向規模化工程應用的過程中，仍存在模型泛化能力差、模型易老化、本地樣本少等諸多挑戰，對此，華為創造性的提出“云地協同”理念，實現AI特性規模應用，加速推進自動駕駛網絡。

記者了解到，華為提出的“云地協同”中云端是指部署在公有云、合營云或HCS上的NAIE云端智能，可以提供一系列網絡AI服務，比如數據服務、模型訓練服務等;而地端，是指集成在網絡管控單元的網絡 AI、以及網元設備中的網元AI，他們一方面承擔本地的模型推理，同時也具備有限的在線學習能力。

云地協同，則是將云端和地端一起協作完成數據樣本上云，把云端匯集的全局網絡知識經驗、全量數據訓練得到的高精度模型，持續注入地端，讓電信網絡能夠進行智能的迭代升級，變得越來越聰明。

而根據此架構打造的云地協同也呈現出三大特征，一是云端和地端要有通道;二是地端到云端，信息可以從運營商上傳到云端，包括數據樣本、模型狀態、以及重訓練請求等信息，三是云端到地端可以下發新的模型，同時網絡知識庫里的知識也可以注入到地端。

眾所周知，要實現網絡的自動駕駛，必然是長期的過程，不可能一蹴而就，而云地協同在實際應用部署時也分為三個階段，針對針對不同場景可以選擇適合的階段，最終大幅提高網絡的資源效率。

第一階段是云端進行初始模型的訓練，運行態由地端根據新增的樣本進行在線學習。這種模式主要是適用于模型相對簡單，算法結構比較穩定的場景，只需要根據本地數據進行在線學習，優化調整模型參數。

第二階段是云端進行模型的分發，然后在地端根據新增樣本進行在線學習。通過云端對模型的持續優化，將優化后模型推送到地端，地端根據評估結果進行模型擇優更新。這種模式適合于模型相對復雜，需要持續進行模型算法結構優化的場景。

第三階段則是云地實時協同。在該場景下，模型可以自動化演進，將本地樣本實時上傳到云端，云端進行訓練和優化后自動推送到地端，進行模型評估擇優進行升級。這種模式主要適用于模型復雜、需要用到華為云端高質量標注數據，知識圖譜以及仿真等知識能力進行模型優化的場景。

宏觀來說，云地協同的模式是將復雜的智慧運維不斷拆分細化，AI的特性在一個局點成功實施后，快速的形成知識和經驗，在其他局點進行復制，最終實現一點生效，全網復制，加速拓展規模應用。

撬動行業智能升級：邁向智能時代

當前，大中小企業之間的合作正從以供應鏈為紐帶的淺層次協同協作轉變為端到端的深層次融合融通，而華為NAIE以“云地協同”為抓手，解決AI特性規模應用問題，在構建產業良性生態的同時，也加速實現邁向自動駕駛網絡的愿景。

但需要指出的是，在網絡AI模型開發中需要既懂AI知識又熟悉網絡業務的人才，電信領域專家AI積累少，算法科學家不懂電信業務，而模型訓練要依賴大量并且昂貴的計算資源，導致試錯成本高、開發效率低。

對此，華為推出NAIE訓練平臺，提供一站式高效模型訓練，集成業界通用的主流AI算法框架，內嵌華為在網絡領域30多年的知識和經驗沉淀，支持電信領域的特征處理，并內置電信領域AI典型算法，滿足不同層次的人員對于模型開發的需求。

并且，NAIE面向整個電信行業提供網絡AI培訓服務，讓用戶體驗從免費試用、服務體驗、到購買端到端一站式服務，只要對自動駕駛網絡感興趣的開發者、工程師和科研人員，均可選擇不同等級的“iMaster NAIE 培訓課程”進行學習。

目前，NAIE累計商業合作伙伴、運營商、企業、高校用戶總數已經超過1.76萬人，在線累計訓練任務接近4萬個，樣本累計下載量117億，API月調用次數3.3億次。

未來是智能化的時代，運營商網絡智能化不可能一蹴而就，而是一個長期實踐。毋庸置疑，華為自動駕駛網絡解決方案是華為All Intelligence戰略在電信領域的落地，NAIE做為智能化部件，將使能自動駕駛網絡，華為也正不斷通過競賽、社區、合作的方式幫助運營商和合作伙伴匯集產業智慧獲取優質AI資產，攜手產業各界，共同打造網絡AI商業黑土地，最終實現自動駕駛網絡的愿景。
責任編輯：tzh