网络人工智能的关键驱动因素有哪些

2023年，以ChatGPT、GPT-4、文心一言为代表的AIGC大模型引爆了人工智能技术，“AI for Networking，Networking for AI”，AI与网络的辩证关系也成为了讨论的焦点。前者强调网络的服务属性，从AI的技术特点和场景差异来调整网络的技术和应用形态；后者则重视AI的垂直化应用，挖掘AI技术如何融入网络的技术架构和应用场景中。对于AI for Networking，业界也有很多研究和尝试，IBN（intent-based networking）、智能网络……涌现了很多新词汇。本文系统梳理了运营商的AI for Networking，以飨读者。  

  网络中的人工智能介绍

  智能网络正日益成为5G 网络和服务的组成部分，其范围延伸至四个关键领域：首先是对智能网络概念的基础理解，其次是架构框架，然后是逐步实现人工智能网络的层次划分，最后是人工智能网络的案例研究。  

什么是人工智能？

人工智能由大数据、自动化和人工智能三个主要分支组成。大数据收集大量数据集，并对其进行分析，获得洞察力并增强决策。自动化是指机器遵循预先编程的规则来运行流程，通常用于重复性任务。最后就是人工智能，其中机器执行类似于人类的认知功能。   人工智能是计算机或机器通过学习和自动化来模拟人类任务的能力，通常被理解为在视觉处理、语音处理和分析等领域模拟智能生物的高阶功能。   人工智能算法根据先进分析技术做出决策，并且可以与自动化的高级反馈循环相结合来解决问题。   一般来说，人工智能可以模仿或模拟高阶的生物系统功能，例如视觉处理、语音/自然语言处理、结果预测、对象或数据分类以及问题解决。但必须指出的是，人工智能不包含基于传统规则和确定算法的软件系统，例如，由一个或多个人设计/编程的特定流程或算法，而不是基于人工智能工具或技术。这是因为人工智能应该包括从数据中学习或适应数据的重要元素，无论是作为整个过程还是过程的可识别部分。   人工智能由不同的领域组成：

| 人工智能的各个领域   人工智能可以通过可能进行的学习应用来进一步定义，如机器学习和深度学习。   机器学习使用统计技术来执行特定任务，通常需要较少的数据量。在此过程中，机器学习可以由低端系统进行，尽管通常需要标记和特征提取来执行问题/任务分解。这意味着机器学习应用程序的训练速度更快，但测试可能会更慢，以确保结果的有效性。而另一方面，深度学习使用人工神经网络，需要更大量的数据来训练模型，需要高性能 GPU，但允许深度学习处理未标记的数据并解决端到端问题。由于深度学习依赖于大数据集，因此训练速度通常较慢，但测试速度较快，这里最大的缺点是所谓的“黑匣子”-虽然输入和输出可能被理解，但采取的步骤可能不被理解。

| 机器学习和深度学习的关键考虑因素  

人工智能的应用

人工智能的使用分为两大类：   以运营为中心的人工智能，例如基于AI的网络规划、优化和运营：用于辅助故障检测、预测性维护以及网络规划和优化，所有这些都使运营商能够更有效地利用他们的物理资产。   以服务为中心的人工智能，例如客户体验人工智能：用于更个性化的商业目的，例如定价促销、客户服务、智能零售等，可提供个性化服务。

| 人工智能用例的分类   运营商对人工智能的更高级应用包括：  

运营商将人工智能建立为一种平台功能，可供企业客户作为云服务使用；

使用大数据/人工智能处理移动网络数据进行分析（通常是高度聚合）的运营商，这些数据提供给第三方组织，例如政府、交通规划机构、能源提供商和商业组织（例如零售业）。

人工智能市场格局

移动行业的人工智能势头正在增强，在更广泛的移动生态系统中，许多前瞻的公司已经接受了这项技术，并宣布了他们的人工智能路线图。虽然每家公司都有自己的人工智能战略，但生态系统层面的长期成果可能比个人成就的总和更大。   随着人工智能为网络运营和客户体验两大核心业务的数字化转型创造了更多机会，并为企业客户提供新服务，各大运营商纷纷参与其中。推动更大的网络自动化和数字化客户交互是早期人工智能部署的主要用例。一些运营商还利用人工智能推出新产品和服务（数字助理和智能扬声器）和平台（人工智能即服务）。这些领域的收入将取决于建立正确的合作伙伴关系、扩大生态系统存在的能力。   人工智能是短期内的运营支出/资本支出，也是随着时间的推移新收入的基础，对于典型的运营商来说，网络运营支出/资本支出是最重要的单一收入来源。因此，部署人工智能来优化/自动化网络与开展以新收入为目标的新举措同样重要。两者是相互联系的，因为人工智能驱动的灵活网络使运营商能够提供新的定制服务。因此，随着时间的推移，他们在网络中拥抱人工智能是瞄准新的企业收入的关键。   物联网、人工智能和 5G 的交集将智能连接变为现实，随着人工智能技术的进步和5G网络的推出，物联网、人工智能和5G的融合将进一步加剧。人工智能将被集成到越来越多的物联网应用以及 5G 网络中。5G需要人工智能增强网络自动化和灵活性；人工智能需要5G来赋能自动驾驶、智能工厂等人工智能场景的发展。   对于运营商来说，人工智能是一个多年的旅程，但现在就需要做好基础工作。理解和测试人工智能、将其推向市场、采取以客户为中心、数据驱动的方法，以及对合作伙伴关系和共同创新持开放态度等因素将影响人工智能部署的进度，从而对运营商人工智能策略是否成功起到决定性作用。  

为什么人工智能进入网络？

2018年，运营商开始在全球部署5G网络，与2G/3G/4G相比，5G在网络速度、网络时延、连接规模等关键性能上都有显著飞跃，能够支持新的业务场景和应用。移动运营商需要一个更加灵活的网络来满足日益增长的新业务需求。  

1）网络复杂性的增长将使得传统的网络运维模式难以为继   在可预见的未来，5G网络很可能与2G/3G/4G共存，这将对5G网络的运营，特别是对传统运营模式带来重大挑战。   为了支持5G典型业务场景eMBB、mMTC、URLLC，保证网络性能，采用了Massive MIMO、上下行解耦等多种新技术。这些新技术在提高网络性能的同时也增加了对网络敏捷性和网络复杂性的要求。   更高水平的自动化是处理这种复杂性的唯一方法，同时确保比以往更有效地利用网络资源，以降低运营费用 (OPEX) 并支持快速、敏捷的响应。除了自动化之外，运营商还需要简化流程以降低成本，提高灵活性，以应对日益复杂的网络。下一代网络的关键是使其自治且简单。  

2）数字化转型加速了服务创新，但需要具备自动化能力。   新的 5G 服务和用例将涉及其他行业的数字化，将其推向市场需要新的合作伙伴关系以及电信业务模式的创新。移动网络必须更加灵活，以满足用户和服务的新要求，并使移动网络运营商能够拥有更加横向集成的视图，包括多供应商平台、开放 API 和可转移分析解决方案。   进入5G时代，新业务、新应用不断涌现，新的网络技术、新特性不断被采用；传统的网络管理模式已经不足以支撑日益增长的网络运营需求和保障用户体验。此外，不断增加的复杂性也给提高运营效率和有效控制运营成本带来了挑战。业界已经认识到，基于5G网络所需的人工智能技术构建的高度智能网络，并在图4中提供了部署应用程序状态。

| 网络中的人工智能：应用程序部署状态    

智能化成为移动网络的第四个纬度

  5G基于三个基本方面，包括增强型移动宽带（eMBB）、超可靠和低延迟通信（URLLC）以及大规模机器类通信（mMTC）。未来十年移动产业的技术、应用和业务创新将围绕这三大关键应用场景展开，共同构建繁荣的5G生态。网络自动化被认为是5G除其他三个基本维度之外的第四个维度，将显著提高运营商的管理效率。

| 5G 网络的第四个纬度   为了实现高度智能的网络，需要不断发展智能网络的概念，形成共识。这就需要行业内所有生态系统参与者共同寻找智能网络的演进路径，明确各个层面的目标和要求，落实智能网络的理念，同时共同分享AI in Network需要的案例，共同开发和验证。  

运营商对网络人工智能的期望

随着移动运营商开始评估其商业 5G 战略，自动化变得至关重要。从运营商的角度来看，网络自动化的首要目的是简化网络部署，优化OPEX，保证用户体验和业务敏捷性。一些运营商已经在一些网络流程中引入自动化，最常见的是网络运营和维护、规划和优化。Analysis Mason 的一项调查显示，到 2025 年，近 80% 的企业预计将实现 40% 及以上的网络运营自动化，三分之一的企业将实现 80% 以上的自动化。人工智能的引入将是这一过程的重要组成部分，有助于使网络更加智能、敏捷和可预测性。  

网络人工智能的关键驱动因素

大家之所以对自动化如此感兴趣，根本原因在于成本和操作敏捷性。在同一项调查中，近 80% 的移动运营商将降低运营成本作为进一步部署自动化的首要驱动因素。其他主要驱动因素如下：  

提升客户的网络体验质量

密集网络的高效规划和管理

跨网络和 IT 运营的端到端自动化

采用自动化的驱动因素集中在降低运营成本、改善用户体验、有效利用网络资源以及为端到端跨域网络解决方案做辅助。

| 部署人工智能辅助网络自动化的关键商业驱动因素（来源：Analysis Mason）    

网络中的人工智能

框架

为满足5G新业务的快速部署需求，需要简化网络架构，实现运营自动化，运营商将更高效地提供最佳用户体验，实现网络全生命周期自动化，最大限度地利用网络资源。移动网络自动化依赖于运营商提供的意图或策略下的自动闭环。   为了保证最佳性能，跨域闭环和域闭环通过开放接口相互协调和交换信息。为了最大限度地降低各层之间的集成复杂度，分层框架需要域网络层与其上层消费者（例如跨域层）之间有一个简化的开放接口。通过开放接口交换的信息将逐渐从海量数据和参数简化为意图的交换。反过来，开放接口的简化又依赖于每个域和层的自治网络能力。   人工智能技术可以用于对网络进行智能控制，例如识别不同的网络场景，预测和预防可能出现的网络问题，识别已经发生的网络问题的根本原因，最后给出执行建议和决策。基于场景的自治也可以在每个网络元素（例如站点）中实现。它主要提供两个关键能力：数据精化和模型推理。站点生成的海量原始数据被提炼为人工智能框架可以使用的样本数据。

| 支持网络人工智能的分层框架   网络架构的分层自治使得每个网络层都能充分释放其自动化潜力。各层通过数据模型、策略等进行通信和协调，实现从网元到全网的端到端网络自动化。   发挥运营商和厂商的优势，通过分层自治和层间协调共同实现服务水平自动化。运营商定义和编排自动化工作流程，并为服务管理提供开放平台。从网络角度来看，供应商可以帮助寻找有效降低域网络复杂性的解决方案。运营商和供应商还可以利用标准化的基于场景的接口联合开发基于策略或意图驱动的网络自治控制。  

网络人工智能

网络人工智能是一个长期目标，是一个循序渐进的过程，从提供重复执行动作的替代方案，到对网络环境和网络设备状态进行感知和监控，基于多种因素和策略进行决策，并提高最终用户体验。系统能力也从部分业务场景开始，逐步覆盖所有业务场景。   这种转变需要数年时间才能完全发展，因此我们正在遵循一个演进过程，逐步将具有人工智能能力的自动化引入不同领域，为运营商带来直接价值。    

网络中人工智能的用例

网络人工智能分类

网络的自主性需要从基于网络元素的管理方法转变为基于场景的方法，其中管理流程与运营商定义的特定业务目标直接相关。   如果业界能够对智能网络的核心基本场景有一个共同的理解，那么可以相应地开发出优先解决方案，进一步加快发展速度。现在业界有很多网络自动化的用例：  

网络规划

网络部署

网络优化

网络维护

服务配置

节电

安全防护

其他

案例 1：站点部署

#

用例描述

移动运营商最典型的网络管理场景与广泛分布的基站有关。无论是新建站点还是站点升级，都需要工程师付出巨大的努力来保证网络的按时部署。尤其是在5G网络建设场景极其复杂的情况下，如何引入自动化能力来加快网络部署并取得市场领先成为关键问题。

站点部署场景是指站点部署的整个过程，包括网络规划设计、站点设计、配置数据准备、站点安装、调试和验收。

#

自动化目标

站点部署自动化的目标是端到端部署流程的自动化，包括无线参数自规划、硬件自检测自配置、免拨测自验收等。

#

挑战

运营商需要提高部署效率的解决方案。目前最大的挑战是站点部署的自动化工作流程存在缺陷，经常需要人工干预。例如，站点规划和站点安装的同步、手动拨号测试等导致站点部署时间过长，有时还会造成不必要的站点访问。

如今，运营商还需要处理成千上万的参数来管理移动网络。如何通过引入自动化能力和利用人工智能技术，实现简化规划和配置，是业界必须考虑的问题。

案例2：网络性能优化

#

用例描述

由于基站会受到很多因素的干扰，不同站点面临着不同的网络场景。而且，流量模式和渠道环境一直在变化。特别是5G的兴起，网络面临多元化业务的新要求。网络解决方案需要足够灵活，以应对复杂的情况，并满足最终用户的体验期望。

网络性能优化的过程包括网络监测与评估、性能问题根源分析、优化分析、决策、实施、后评估与验证。利用人工智能技术可以逐步提高自动化能力。

#

自动化目标

网络性能优化的目标是实现基于场景感知和预测的动态调整。感知场景变化趋势，实时调整网络配置，达到最佳性能。

#

挑战

如今，网络级KPI监控和分析至关重要，依赖于对网络信息的多维度分析，包括网络数据、工程参数、地图信息。将信息处理为结构化和标准化数据是该行业面临的一个关键挑战。领域优化闭环与端到端闭环的协调性有待提高。

案例 3：无线宽带业务配置

#

用例描述

固定移动接入业务是5G的第一个用例。但移动宽带和固定宽带的业务提供机制不同。由于无线网络环境的网络复杂性以及CPE的差异性，对于FWA来说，在调配之前很难预测要提供给每个家庭的带宽。在传统的工作流程中，某些情况下需要派工程师到现场测量信号质量，这极大地影响了提供服务的速度和精准营销的能力。

业务提供包括无线宽带业务的快速上线、上线后的准确评估、网络发展规划等。

#

自动化目标

无线宽带业务配置的目标是基于网络问题预测的多业务自动平衡、价值区域自动识别和网络规划推荐。

#

挑战

如今，服务的推出依赖于地图辅助评估和路测。用户体验依赖于适当的网络优化来及时解决收到的用户投诉。有效的体验评估和资源利用效率优化是运营商快速推出有保证的用户体验业务的主要挑战。

案例 4：节能

#

用例描述

站点功耗在网络OPEX成本中占比较高。尽管网络流量在空闲时间大幅下降，但设备仍继续运行。运营商可能希望使功耗根据流量使用情况进行动态调整，以避免某些浪费。有效的节能机制取决于实时流量模式的可见性和预测。省电的操作流程可以包括省电特征选择、省电对象选择、省电策略执行以及能耗监测和评估。

#

自动化目标

节能自动化的最终目标是Bit Dependent Watts，即在Multi-RAT环境下，在不牺牲客户用户体验的情况下，通过精确的流量预测来实现 协同省电。

#

挑战

目前，大多数节能机制都是基于静态关闭策略。将来，节能决策可能会随着其他输入的利用而动态变化。例如，基于强化学习的流量预测和动态阈值设置的能力可以作为输入，以实现最佳的省电性能。

其他

其他可能还包括：   网络规划：利用人工智能，运营商可以预测繁忙区域、繁忙时间和流量增长情况，发现由于覆盖不足或其他限制而潜在“压抑”的需求，并在预算限制内找到最佳投资回报率。  

网络部署：通过人工智能，最大限度地减少站点部署中的人为干预，避免不同网元之间的参数配置不一致。运营商还可以通过视频或图片的方式发现网络部署的质量，省去巡检的工作，效果更好。

  网络优化：只有通过人工智能才能实现“即时”网络参数调整，并更快地实现最佳负载平衡。

  网络维护：人工智能算法可以用来从大量的警告消息中找出最重要的信息，找出网络问题的根本原因。它们还可以用于支持动态阈值，这将比预先配置的阈值更加合理。  

服务提供：当我们用人工智能算法来预测当前网络环境下一段时间内是否可以达到所需的QoS并估计未来的流量时，网络切片协议能够实现几乎实时地签署。运营商还可以通过网络KPI与业务体验评分之间的映射来评估语音、视频和应用程序的服务质量。  

省电：能够以更小的粒度（例如分钟）进行省电，并在服务质量和功耗之间达到最佳平衡。  

安全防护：利用人工智能算法，我们不仅可以发现已知的攻击，还可以识别潜在的未知攻击，并在造成严重问题之前尽早应对这些攻击。运营商还可以更高效、更准确地过滤垃圾邮件。   编辑：黄飞