隨著5G時代的到來,運營商將遇到比前幾代移動網(wǎng)絡(luò)更為繁瑣的工作。5G網(wǎng)絡(luò)在規(guī)劃、部署和管理方面都更加復(fù)雜,并且這種復(fù)雜性將貫穿網(wǎng)絡(luò)和服務(wù)領(lǐng)域。
由于5G網(wǎng)絡(luò)與前幾代網(wǎng)絡(luò)共存,并且引入了網(wǎng)絡(luò)切片、大規(guī)模多輸入多輸出天線、軟件定義網(wǎng)絡(luò)和網(wǎng)絡(luò)功能虛擬化等技術(shù),網(wǎng)絡(luò)管理將變得更加復(fù)雜。
同時,運營商還需要管理越來越多的終端設(shè)備,來保障越來越多的服務(wù),處理5G網(wǎng)絡(luò)流量產(chǎn)生的大量數(shù)據(jù)。為滿足客戶要求并實現(xiàn)運營目標,對于這些海量數(shù)據(jù),僅依靠傳統(tǒng)分析流程遠遠不夠。
要應(yīng)對這些挑戰(zhàn),運營商需要實現(xiàn)AI技術(shù)的實時智能、預(yù)測和決策功能,網(wǎng)絡(luò)需要更加智能化。
網(wǎng)絡(luò)AI化已成行業(yè)共識
事實上,網(wǎng)絡(luò)AI化已經(jīng)是一個長期的話題,運營商一直在利用SDN、NFV和云技術(shù),來提升業(yè)務(wù)和網(wǎng)絡(luò)敏捷性,降低運維復(fù)雜性和成本。應(yīng)用多種智能技術(shù)幫助運營商從自動化邁向智能化是大勢所趨。
我們知道,5G網(wǎng)絡(luò)是一個全云化的網(wǎng)絡(luò),比傳統(tǒng)網(wǎng)絡(luò)有更大優(yōu)勢實現(xiàn)更高級別的智能化,所以網(wǎng)絡(luò)AI化亦是5G網(wǎng)絡(luò)發(fā)展的必然。例如5G智能化的網(wǎng)絡(luò)切片,基于AI可以根據(jù)用戶不同的業(yè)務(wù)需求,選擇最適合的切片部署一個模型;再有在業(yè)務(wù)預(yù)測方面,可以利用AI來實現(xiàn)根據(jù)業(yè)務(wù)需求變化的資源實時調(diào)整等等。
的確,AI技術(shù)可以應(yīng)用于電信網(wǎng)絡(luò)的多個層級,并改變加速網(wǎng)絡(luò)運行的效率。
首先,AI在基礎(chǔ)設(shè)施層可以為硬件設(shè)施提供AI加速器,可實現(xiàn)不同層級的訓練和推理能力,例如加速核心數(shù)據(jù)中心全局性的策略或算法模型的集中訓練及推理需求,或者在基站內(nèi)嵌AI加速器以支撐設(shè)備級的AI策略及應(yīng)用。
其次,AI在網(wǎng)絡(luò)和業(yè)務(wù)控制層,可以對網(wǎng)絡(luò)和業(yè)務(wù)實現(xiàn)智能網(wǎng)絡(luò)優(yōu)化、運維、管控和安全;可實現(xiàn)網(wǎng)絡(luò)各層級KPI優(yōu)化、網(wǎng)絡(luò)策略優(yōu)化,例如在無線的覆蓋優(yōu)化、容量優(yōu)化、負荷優(yōu)化等。
第三,AI在運維和編排層的應(yīng)用,可優(yōu)先在大數(shù)據(jù)平臺上引入AI引擎,對OSS和BSS數(shù)據(jù)做更深度的智能化挖掘。
而從場景的角度,AI技術(shù)可以在三大場景中賦予網(wǎng)絡(luò)“智慧”的能力。一是高效智慧運維場景,利用AI技術(shù)針對網(wǎng)絡(luò)進行預(yù)防性/主動性維護,改善網(wǎng)絡(luò)質(zhì)量、提升MTTR;二是個性化業(yè)務(wù)服務(wù)場景,利用AI和大數(shù)據(jù),給客戶提供個性化服務(wù)的分析和建議,例如設(shè)計個性化業(yè)務(wù)和靈活的資費模式;三是網(wǎng)絡(luò)安全場景,利用AI能力,在惡意流量攻擊的早期就能正確識別,對于潛在的、前期未有訓練數(shù)據(jù)的惡意報文也能進行預(yù)警。
不難發(fā)現(xiàn),AI能力有效的解決傳統(tǒng)電信網(wǎng)絡(luò)在運維、業(yè)務(wù)創(chuàng)新和網(wǎng)絡(luò)安全等方面面臨的挑戰(zhàn),這讓網(wǎng)絡(luò)AI化成為了電信網(wǎng)絡(luò)升級的必由之路。
云地協(xié)同
對網(wǎng)絡(luò)AI化的價值和意義
當網(wǎng)絡(luò)AI化成為了電信運營商的一種共識,AI技術(shù)與場景結(jié)合在走向落地的階段,也遭遇到一些AI規(guī)?;瘧?yīng)用的新問題。
很多運營商在網(wǎng)絡(luò)AI化的實踐中發(fā)現(xiàn):網(wǎng)絡(luò)AI在走向規(guī)?;こ虘?yīng)用的過程中存在很多挑戰(zhàn),如模型泛化能力差、模型易老化、本地樣本少等問題。
這些問題也的確存在很多共性,比如模型泛化能力差會因為本地資源受限,導(dǎo)致AI模型規(guī)模應(yīng)用難,如果三個月不更新AI模型,應(yīng)用的精度就下降到70%以下,同時部分場景單局點樣本量少,又不足以支撐模型訓練。
正是看到了這些共性的難題,華為提出云地協(xié)同創(chuàng)新方案,希望通過云地協(xié)同,來加速AI特性的規(guī)模部署。
那么,什么是云地協(xié)同?
按照官方的定義,云地協(xié)同是指:云端和地端一起協(xié)作完成數(shù)據(jù)樣本上云,模型狀態(tài)管理,模型重訓練,模型/ 知識下發(fā)、擇優(yōu)更新等一系列的閉環(huán)任務(wù),同時把云端匯集的全局網(wǎng)絡(luò)知識經(jīng)驗、全量數(shù)據(jù)訓練得到的高精度模型,持續(xù)注入地端,讓電信網(wǎng)絡(luò)能夠進行智能的迭代升級,變得越來越聰明。
簡單的理解,這種模式其實就是把數(shù)據(jù)服務(wù)和模型訓練這些較“重”的工作放在云上去做處理,然通過將一些較“輕”的本地模型推理放在邊緣設(shè)備上,一重一輕,兼顧了高質(zhì)量的同時做到了及時性。
也許很多人會有這樣的疑問,云地協(xié)同將AI的訓練與推理進行了拆分,這是不是本身對網(wǎng)絡(luò)傳輸?shù)囊缶蜁摺]錯,云地協(xié)同最關(guān)鍵的一點就是要保證云端和地端要有快速的通道。同時,從地端到云端,信息可以從運營商上傳到云端,而從云端到地端,可以下發(fā)新的模型。
在這個過程當中,地端會對模型進行監(jiān)控和評估,而云端會存儲超過3個月以上周期的樣本生成相比本地更高質(zhì)量的模型。同時,云端通過匯集和沉淀專家經(jīng)驗和產(chǎn)品知識,運用知識圖譜等技術(shù),形成 “網(wǎng)絡(luò)知識庫”,這些知識又可以持續(xù)注入地端,通過云與地之間的相互印證不斷優(yōu)化,達到提升網(wǎng)絡(luò)智能水平的目的。
從場景化與用戶視角
解決網(wǎng)絡(luò)AI規(guī)模復(fù)制難題
我們知道,任何技術(shù)只有在場景中發(fā)揮價值,才是商業(yè)化成功的基礎(chǔ),網(wǎng)絡(luò)AI化如此,云地協(xié)同亦如此。
所以,針對電信網(wǎng)絡(luò)的不同應(yīng)用場景,華為云地協(xié)同在實際應(yīng)用部署時也提供了不同的模式。
比如,核心網(wǎng)變更在線機器值守這種模型簡單,算法結(jié)構(gòu)穩(wěn)定的場景。華為采取了云端進行初始模型的訓練,運行態(tài)由地端根據(jù)新增的樣本進行在線學習,持續(xù)保持模型的精度;
再比如,無線KPI異常檢測這一類模型相對復(fù)雜的場景,華為則在云端進行模型的分發(fā),然后在地端根據(jù)新增樣本進行在線學習;而如IP RAN/PTN智能告警,DC PUE優(yōu)化等模型復(fù)雜、需要用到華為云端高質(zhì)量標注數(shù)據(jù),知識圖譜以及仿真等知識能力進行模型優(yōu)化的場景,華為則利用云地實時協(xié)同,讓模型可以自動化演進。
從效率的角度,云地協(xié)同可以提升模型泛化能力和訓練效率,同時通過構(gòu)建網(wǎng)絡(luò)知識庫,會提升故障運維輔助效率。而從安全的角度,因為建立了云端仿真,所以模型及業(yè)務(wù)驗證安全高效,同時也會提升模型版本管理效率,加速AI特性更新。
不難總結(jié),云地協(xié)同可以實現(xiàn)一點生效,全網(wǎng)復(fù)制,AI的特性在一個局點成功實施后,快速 的形成知識和經(jīng)驗,在其他局點進行復(fù)制,實現(xiàn)在全網(wǎng)規(guī)模應(yīng)用。
客觀地說,云地協(xié)同模式,是華為在網(wǎng)絡(luò)AI化的趨勢中,通過具體應(yīng)用場景的需求,逆推出來的成果,其對電信網(wǎng)絡(luò)智能化升級的意義深遠。
-
網(wǎng)絡(luò)
+關(guān)注
關(guān)注
14文章
7556瀏覽量
88734 -
AI
+關(guān)注
關(guān)注
87文章
30758瀏覽量
268902
發(fā)布評論請先 登錄
相關(guān)推薦
評論