2023年，以ChatGPT、GPT-4、文心一言為代表的AIGC大模型引爆了人工智能技術，“AI for Networking，Networking for AI”，AI與網絡的辯證關系也成為了討論的焦點。前者強調網絡的服務屬性，從AI的技術特點和場景差異來調整網絡的技術和應用形態；后者則重視AI的垂直化應用，挖掘AI技術如何融入網絡的技術架構和應用場景中。對于AI for Networking，業界也有很多研究和嘗試，IBN（intent-based networking）、智能網絡……涌現了很多新詞匯。本文系統梳理了運營商的AI for Networking，以饗讀者。 ?

? 網絡中的人工智能介紹

? 智能網絡正日益成為5G 網絡和服務的組成部分，其范圍延伸至四個關鍵領域：首先是對智能網絡概念的基礎理解，其次是架構框架，然后是逐步實現人工智能網絡的層次劃分，最后是人工智能網絡的案例研究。 ?

什么是人工智能？

人工智能由大數據、自動化和人工智能三個主要分支組成。大數據收集大量數據集，并對其進行分析，獲得洞察力并增強決策。自動化是指機器遵循預先編程的規則來運行流程，通常用于重復性任務。最后就是人工智能，其中機器執行類似于人類的認知功能。 ? 人工智能是計算機或機器通過學習和自動化來模擬人類任務的能力，通常被理解為在視覺處理、語音處理和分析等領域模擬智能生物的高階功能。 ? 人工智能算法根據先進分析技術做出決策，并且可以與自動化的高級反饋循環相結合來解決問題。 ? 一般來說，人工智能可以模仿或模擬高階的生物系統功能，例如視覺處理、語音/自然語言處理、結果預測、對象或數據分類以及問題解決。但必須指出的是，人工智能不包含基于傳統規則和確定算法的軟件系統，例如，由一個或多個人設計/編程的特定流程或算法，而不是基于人工智能工具或技術。這是因為人工智能應該包括從數據中學習或適應數據的重要元素，無論是作為整個過程還是過程的可識別部分。 ? 人工智能由不同的領域組成：

| 人工智能的各個領域 ? 人工智能可以通過可能進行的學習應用來進一步定義，如機器學習和深度學習。 ? 機器學習使用統計技術來執行特定任務，通常需要較少的數據量。在此過程中，機器學習可以由低端系統進行，盡管通常需要標記和特征提取來執行問題/任務分解。這意味著機器學習應用程序的訓練速度更快，但測試可能會更慢，以確保結果的有效性。而另一方面，深度學習使用人工神經網絡，需要更大量的數據來訓練模型，需要高性能 GPU，但允許深度學習處理未標記的數據并解決端到端問題。由于深度學習依賴于大數據集，因此訓練速度通常較慢，但測試速度較快，這里最大的缺點是所謂的“黑匣子”-雖然輸入和輸出可能被理解，但采取的步驟可能不被理解。

| 機器學習和深度學習的關鍵考慮因素 ?

人工智能的應用

人工智能的使用分為兩大類： ? 以運營為中心的人工智能，例如基于AI的網絡規劃、優化和運營：用于輔助故障檢測、預測性維護以及網絡規劃和優化，所有這些都使運營商能夠更有效地利用他們的物理資產。 ? 以服務為中心的人工智能，例如客戶體驗人工智能：用于更個性化的商業目的，例如定價促銷、客戶服務、智能零售等，可提供個性化服務。

| 人工智能用例的分類 ? 運營商對人工智能的更高級應用包括： ?

運營商將人工智能建立為一種平臺功能，可供企業客戶作為云服務使用；

使用大數據/人工智能處理移動網絡數據進行分析（通常是高度聚合）的運營商，這些數據提供給第三方組織，例如政府、交通規劃機構、能源提供商和商業組織（例如零售業）。

人工智能市場格局

移動行業的人工智能勢頭正在增強，在更廣泛的移動生態系統中，許多前瞻的公司已經接受了這項技術，并宣布了他們的人工智能路線圖。雖然每家公司都有自己的人工智能戰略，但生態系統層面的長期成果可能比個人成就的總和更大。 ? 隨著人工智能為網絡運營和客戶體驗兩大核心業務的數字化轉型創造了更多機會，并為企業客戶提供新服務，各大運營商紛紛參與其中。推動更大的網絡自動化和數字化客戶交互是早期人工智能部署的主要用例。一些運營商還利用人工智能推出新產品和服務（數字助理和智能揚聲器）和平臺（人工智能即服務）。這些領域的收入將取決于建立正確的合作伙伴關系、擴大生態系統存在的能力。 ? 人工智能是短期內的運營支出/資本支出，也是隨著時間的推移新收入的基礎，對于典型的運營商來說，網絡運營支出/資本支出是最重要的單一收入來源。因此，部署人工智能來優化/自動化網絡與開展以新收入為目標的新舉措同樣重要。兩者是相互聯系的，因為人工智能驅動的靈活網絡使運營商能夠提供新的定制服務。因此，隨著時間的推移，他們在網絡中擁抱人工智能是瞄準新的企業收入的關鍵。 ? 物聯網、人工智能和 5G 的交集將智能連接變為現實，隨著人工智能技術的進步和5G網絡的推出，物聯網、人工智能和5G的融合將進一步加劇。人工智能將被集成到越來越多的物聯網應用以及 5G 網絡中。5G需要人工智能增強網絡自動化和靈活性；人工智能需要5G來賦能自動駕駛、智能工廠等人工智能場景的發展。 ? 對于運營商來說，人工智能是一個多年的旅程，但現在就需要做好基礎工作。理解和測試人工智能、將其推向市場、采取以客戶為中心、數據驅動的方法，以及對合作伙伴關系和共同創新持開放態度等因素將影響人工智能部署的進度，從而對運營商人工智能策略是否成功起到決定性作用。 ?

為什么人工智能進入網絡？

2018年，運營商開始在全球部署5G網絡，與2G/3G/4G相比，5G在網絡速度、網絡時延、連接規模等關鍵性能上都有顯著飛躍，能夠支持新的業務場景和應用。移動運營商需要一個更加靈活的網絡來滿足日益增長的新業務需求。 ?

1）網絡復雜性的增長將使得傳統的網絡運維模式難以為繼 ? 在可預見的未來，5G網絡很可能與2G/3G/4G共存，這將對5G網絡的運營，特別是對傳統運營模式帶來重大挑戰。 ? 為了支持5G典型業務場景eMBB、mMTC、URLLC，保證網絡性能，采用了Massive MIMO、上下行解耦等多種新技術。這些新技術在提高網絡性能的同時也增加了對網絡敏捷性和網絡復雜性的要求。 ? 更高水平的自動化是處理這種復雜性的唯一方法，同時確保比以往更有效地利用網絡資源，以降低運營費用 (OPEX) 并支持快速、敏捷的響應。除了自動化之外，運營商還需要簡化流程以降低成本，提高靈活性，以應對日益復雜的網絡。下一代網絡的關鍵是使其自治且簡單。 ?

2）數字化轉型加速了服務創新，但需要具備自動化能力。 ? 新的 5G 服務和用例將涉及其他行業的數字化，將其推向市場需要新的合作伙伴關系以及電信業務模式的創新。移動網絡必須更加靈活，以滿足用戶和服務的新要求，并使移動網絡運營商能夠擁有更加橫向集成的視圖，包括多供應商平臺、開放 API 和可轉移分析解決方案。 ? 進入5G時代，新業務、新應用不斷涌現，新的網絡技術、新特性不斷被采用；傳統的網絡管理模式已經不足以支撐日益增長的網絡運營需求和保障用戶體驗。此外，不斷增加的復雜性也給提高運營效率和有效控制運營成本帶來了挑戰。業界已經認識到，基于5G網絡所需的人工智能技術構建的高度智能網絡，并在圖4中提供了部署應用程序狀態。

| 網絡中的人工智能：應用程序部署狀態 ? ?

智能化成為移動網絡的第四個緯度

? 5G基于三個基本方面，包括增強型移動寬帶（eMBB）、超可靠和低延遲通信（URLLC）以及大規模機器類通信（mMTC）。未來十年移動產業的技術、應用和業務創新將圍繞這三大關鍵應用場景展開，共同構建繁榮的5G生態。網絡自動化被認為是5G除其他三個基本維度之外的第四個維度，將顯著提高運營商的管理效率。

| 5G 網絡的第四個緯度 ? 為了實現高度智能的網絡，需要不斷發展智能網絡的概念，形成共識。這就需要行業內所有生態系統參與者共同尋找智能網絡的演進路徑，明確各個層面的目標和要求，落實智能網絡的理念，同時共同分享AI in Network需要的案例，共同開發和驗證。 ?

運營商對網絡人工智能的期望

隨著移動運營商開始評估其商業 5G 戰略，自動化變得至關重要。從運營商的角度來看，網絡自動化的首要目的是簡化網絡部署，優化OPEX，保證用戶體驗和業務敏捷性。一些運營商已經在一些網絡流程中引入自動化，最常見的是網絡運營和維護、規劃和優化。Analysis Mason 的一項調查顯示，到 2025 年，近 80% 的企業預計將實現 40% 及以上的網絡運營自動化，三分之一的企業將實現 80% 以上的自動化。人工智能的引入將是這一過程的重要組成部分，有助于使網絡更加智能、敏捷和可預測性。 ?

網絡人工智能的關鍵驅動因素

大家之所以對自動化如此感興趣，根本原因在于成本和操作敏捷性。在同一項調查中，近 80% 的移動運營商將降低運營成本作為進一步部署自動化的首要驅動因素。其他主要驅動因素如下： ?

提升客戶的網絡體驗質量

密集網絡的高效規劃和管理

跨網絡和 IT 運營的端到端自動化

采用自動化的驅動因素集中在降低運營成本、改善用戶體驗、有效利用網絡資源以及為端到端跨域網絡解決方案做輔助。

| 部署人工智能輔助網絡自動化的關鍵商業驅動因素（來源：Analysis Mason） ? ?

網絡中的人工智能

框架

為滿足5G新業務的快速部署需求，需要簡化網絡架構，實現運營自動化，運營商將更高效地提供最佳用戶體驗，實現網絡全生命周期自動化，最大限度地利用網絡資源。移動網絡自動化依賴于運營商提供的意圖或策略下的自動閉環。 ? 為了保證最佳性能，跨域閉環和域閉環通過開放接口相互協調和交換信息。為了最大限度地降低各層之間的集成復雜度，分層框架需要域網絡層與其上層消費者（例如跨域層）之間有一個簡化的開放接口。通過開放接口交換的信息將逐漸從海量數據和參數簡化為意圖的交換。反過來，開放接口的簡化又依賴于每個域和層的自治網絡能力。 ? 人工智能技術可以用于對網絡進行智能控制，例如識別不同的網絡場景，預測和預防可能出現的網絡問題，識別已經發生的網絡問題的根本原因，最后給出執行建議和決策。基于場景的自治也可以在每個網絡元素（例如站點）中實現。它主要提供兩個關鍵能力：數據精化和模型推理。站點生成的海量原始數據被提煉為人工智能框架可以使用的樣本數據。

| 支持網絡人工智能的分層框架 ? 網絡架構的分層自治使得每個網絡層都能充分釋放其自動化潛力。各層通過數據模型、策略等進行通信和協調，實現從網元到全網的端到端網絡自動化。 ? 發揮運營商和廠商的優勢，通過分層自治和層間協調共同實現服務水平自動化。運營商定義和編排自動化工作流程，并為服務管理提供開放平臺。從網絡角度來看，供應商可以幫助尋找有效降低域網絡復雜性的解決方案。運營商和供應商還可以利用標準化的基于場景的接口聯合開發基于策略或意圖驅動的網絡自治控制。 ?

網絡人工智能

網絡人工智能是一個長期目標，是一個循序漸進的過程，從提供重復執行動作的替代方案，到對網絡環境和網絡設備狀態進行感知和監控，基于多種因素和策略進行決策，并提高最終用戶體驗。系統能力也從部分業務場景開始，逐步覆蓋所有業務場景。 ? 這種轉變需要數年時間才能完全發展，因此我們正在遵循一個演進過程，逐步將具有人工智能能力的自動化引入不同領域，為運營商帶來直接價值。 ? ?

網絡中人工智能的用例

網絡人工智能分類

網絡的自主性需要從基于網絡元素的管理方法轉變為基于場景的方法，其中管理流程與運營商定義的特定業務目標直接相關。 ? 如果業界能夠對智能網絡的核心基本場景有一個共同的理解，那么可以相應地開發出優先解決方案，進一步加快發展速度。現在業界有很多網絡自動化的用例： ?

網絡規劃

網絡部署

網絡優化

網絡維護

服務配置

節電

安全防護

其他

案例 1：站點部署

#

用例描述

移動運營商最典型的網絡管理場景與廣泛分布的基站有關。無論是新建站點還是站點升級，都需要工程師付出巨大的努力來保證網絡的按時部署。尤其是在5G網絡建設場景極其復雜的情況下，如何引入自動化能力來加快網絡部署并取得市場領先成為關鍵問題。

站點部署場景是指站點部署的整個過程，包括網絡規劃設計、站點設計、配置數據準備、站點安裝、調試和驗收。

#

自動化目標

站點部署自動化的目標是端到端部署流程的自動化，包括無線參數自規劃、硬件自檢測自配置、免撥測自驗收等。

#

挑戰

運營商需要提高部署效率的解決方案。目前最大的挑戰是站點部署的自動化工作流程存在缺陷，經常需要人工干預。例如，站點規劃和站點安裝的同步、手動撥號測試等導致站點部署時間過長，有時還會造成不必要的站點訪問。

如今，運營商還需要處理成千上萬的參數來管理移動網絡。如何通過引入自動化能力和利用人工智能技術，實現簡化規劃和配置，是業界必須考慮的問題。

案例2：網絡性能優化

#

用例描述

由于基站會受到很多因素的干擾，不同站點面臨著不同的網絡場景。而且，流量模式和渠道環境一直在變化。特別是5G的興起，網絡面臨多元化業務的新要求。網絡解決方案需要足夠靈活，以應對復雜的情況，并滿足最終用戶的體驗期望。

網絡性能優化的過程包括網絡監測與評估、性能問題根源分析、優化分析、決策、實施、后評估與驗證。利用人工智能技術可以逐步提高自動化能力。

#

自動化目標

網絡性能優化的目標是實現基于場景感知和預測的動態調整。感知場景變化趨勢，實時調整網絡配置，達到最佳性能。

#

挑戰

如今，網絡級KPI監控和分析至關重要，依賴于對網絡信息的多維度分析，包括網絡數據、工程參數、地圖信息。將信息處理為結構化和標準化數據是該行業面臨的一個關鍵挑戰。領域優化閉環與端到端閉環的協調性有待提高。

案例 3：無線寬帶業務配置

#

用例描述

固定移動接入業務是5G的第一個用例。但移動寬帶和固定寬帶的業務提供機制不同。由于無線網絡環境的網絡復雜性以及CPE的差異性，對于FWA來說，在調配之前很難預測要提供給每個家庭的帶寬。在傳統的工作流程中，某些情況下需要派工程師到現場測量信號質量，這極大地影響了提供服務的速度和精準營銷的能力。

業務提供包括無線寬帶業務的快速上線、上線后的準確評估、網絡發展規劃等。

#

自動化目標

無線寬帶業務配置的目標是基于網絡問題預測的多業務自動平衡、價值區域自動識別和網絡規劃推薦。

#

挑戰

如今，服務的推出依賴于地圖輔助評估和路測。用戶體驗依賴于適當的網絡優化來及時解決收到的用戶投訴。有效的體驗評估和資源利用效率優化是運營商快速推出有保證的用戶體驗業務的主要挑戰。

案例 4：節能

#

用例描述

站點功耗在網絡OPEX成本中占比較高。盡管網絡流量在空閑時間大幅下降，但設備仍繼續運行。運營商可能希望使功耗根據流量使用情況進行動態調整，以避免某些浪費。有效的節能機制取決于實時流量模式的可見性和預測。省電的操作流程可以包括省電特征選擇、省電對象選擇、省電策略執行以及能耗監測和評估。

#

自動化目標

節能自動化的最終目標是Bit Dependent Watts，即在Multi-RAT環境下，在不犧牲客戶用戶體驗的情況下，通過精確的流量預測來實現?協同省電。

#

挑戰

目前，大多數節能機制都是基于靜態關閉策略。將來，節能決策可能會隨著其他輸入的利用而動態變化。例如，基于強化學習的流量預測和動態閾值設置的能力可以作為輸入，以實現最佳的省電性能。

其他

其他可能還包括： ? 網絡規劃：利用人工智能，運營商可以預測繁忙區域、繁忙時間和流量增長情況，發現由于覆蓋不足或其他限制而潛在“壓抑”的需求，并在預算限制內找到最佳投資回報率。 ?

網絡部署：通過人工智能，最大限度地減少站點部署中的人為干預，避免不同網元之間的參數配置不一致。運營商還可以通過視頻或圖片的方式發現網絡部署的質量，省去巡檢的工作，效果更好。

? 網絡優化：只有通過人工智能才能實現“即時”網絡參數調整，并更快地實現最佳負載平衡。

? 網絡維護：人工智能算法可以用來從大量的警告消息中找出最重要的信息，找出網絡問題的根本原因。它們還可以用于支持動態閾值，這將比預先配置的閾值更加合理。 ?

服務提供：當我們用人工智能算法來預測當前網絡環境下一段時間內是否可以達到所需的QoS并估計未來的流量時，網絡切片協議能夠實現幾乎實時地簽署。運營商還可以通過網絡KPI與業務體驗評分之間的映射來評估語音、視頻和應用程序的服務質量。 ?

省電：能夠以更小的粒度（例如分鐘）進行省電，并在服務質量和功耗之間達到最佳平衡。 ?

安全防護：利用人工智能算法，我們不僅可以發現已知的攻擊，還可以識別潛在的未知攻擊，并在造成嚴重問題之前盡早應對這些攻擊。運營商還可以更高效、更準確地過濾垃圾郵件。 ? 編輯：黃飛

?