AI與通信

毫無疑問，AI是目前最受關(guān)注的前沿科技，也是最熱門的研究方向。經(jīng)過幾十年的探索和發(fā)展，AI在圖像識別、語言識別、智能控制等領(lǐng)域取得了重大突破。現(xiàn)在，越來越多的行業(yè)都開始研究AI，擁抱AI，希望借助AI，給自己賦能。通信行業(yè)也不例外。

這些年，包括設(shè)備商和運營商在內(nèi)的很多通信企業(yè)，都加大了對AI的研究投入，希望能探索出“通信+AI”的未來場景，搶占先機。尤其是運營商，對AI簡直是“望眼欲穿”。

通信行業(yè)為什么需要AI？

通信行業(yè)對AI的迫切需求，是由網(wǎng)絡(luò)發(fā)展的現(xiàn)狀和未來決定的。

經(jīng)過2/3/4G的發(fā)展，我們現(xiàn)在所面對的通信網(wǎng)絡(luò)，是一個空前復(fù)雜的異構(gòu)多域網(wǎng)絡(luò)。各種技術(shù)混雜其中，網(wǎng)絡(luò)架構(gòu)臃腫，業(yè)務(wù)流程繁瑣，給維護帶來了巨大的壓力。

如今，我們又要面臨5G的到來。

5G，作為新一代移動通信標準，帶來了網(wǎng)絡(luò)性能和靈活性的大幅提升。但是，它同樣也帶來了網(wǎng)絡(luò)復(fù)雜程度的進一步提升。

在空口方面，5G使用了更高的頻段，更靈活的空口資源劃分方式，而且引入了Massive MIMO天線陣列技術(shù)。波束賦形如何有效控制，空口效率如何優(yōu)化提升，給工程師們出了難題。

圖1：Massive MIMO天線陣列

在網(wǎng)絡(luò)架構(gòu)方面，因為SBA（微服務(wù)）、NFV/SDN和切片技術(shù)的引入，網(wǎng)絡(luò)變得靈活是沒錯，可是，維護的難度也變得更大了。虛擬機、切片資源的管理調(diào)度，網(wǎng)絡(luò)參數(shù)的修改調(diào)整，都是非常繁瑣的工作，風險也很大。

圖2：5G網(wǎng)絡(luò)架構(gòu)

5G帶來的這些變化，如果繼續(xù)采用傳統(tǒng)的運維方式，繼續(xù)依賴人工，肯定無以為繼。

通信運營商，作為網(wǎng)絡(luò)經(jīng)營的主體，一方面要承擔高昂的網(wǎng)絡(luò)運營成本，另一方面還要投資建設(shè)5G，資金壓力更大，面臨發(fā)展拐點。

因此，必須借助AI，構(gòu)建新的通信網(wǎng)絡(luò)經(jīng)營模式。

甚至，我們的網(wǎng)絡(luò)要進化到更高級的形態(tài)——智能自治網(wǎng)絡(luò)，才能應(yīng)對挑戰(zhàn)。

通信行業(yè)適合AI生長嗎？

通信行業(yè)對于AI來說，是一塊肥沃的土壤。

AI的四大要素（數(shù)據(jù)、算力、算法、場景），通信全部可以提供完美的支持。數(shù)據(jù)

數(shù)據(jù)，是AI之源。我們說人工智能，機器學習、深度學習，學的是什么？就是數(shù)據(jù)。

換句話說，數(shù)據(jù)就是喂養(yǎng)AI的飼料。數(shù)據(jù)越多，AI越強。什么行業(yè)數(shù)據(jù)多？當然是IT和通信啊。我們的通信網(wǎng)絡(luò)，幾百萬設(shè)備，幾十億手機終端，將來還有幾百億物聯(lián)網(wǎng)終端，每天都在產(chǎn)生大量的數(shù)據(jù)。這些數(shù)據(jù)里面，既有用戶的數(shù)據(jù)，也有網(wǎng)絡(luò)自身的管理和運營數(shù)據(jù)。數(shù)據(jù)格式比較統(tǒng)一，顆粒度也比較小，非常適合作為學習樣本。

而且，我們通信網(wǎng)絡(luò)本身就具有連接屬性，可以很方便地將數(shù)據(jù)進行搬運采集。

算力

這個就更不用說了。運營商本身就有大量的數(shù)據(jù)中心（DC），有大量的云計算資源。這些資源，可以為AI提供強大的算力支撐。

除了云計算中心，未來還有大量的邊緣計算中心，也能夠提供靈活的算力。

哪怕是手機這樣的用戶終端設(shè)備，現(xiàn)在也擁有相當強的AI算力。

算法

通信行業(yè)在AI算法開發(fā)上也是有先天優(yōu)勢的。

通信網(wǎng)絡(luò)的很多場景都有極強的規(guī)律性，也有很多現(xiàn)成的工作模型。這些都可以為AI算法模型提供參考依據(jù)。

哪些通信場景，可以使用AI？

前面說了數(shù)據(jù)、算力和算法。接下來，我們重點說說場景。

所謂場景，就是要搞明白——AI到底能幫助5G和傳統(tǒng)通信做哪些事情？

國內(nèi)外各大標準組織對AI在通信領(lǐng)域的落地場景，都有各自不同的定義。

表1是ETSI ENI定義的場景：

表1

表2是GSMA的定義：

表2

整理后，大致包括以下幾個類別：

無線網(wǎng)絡(luò)優(yōu)化

告警分析

流量預(yù)測

網(wǎng)絡(luò)切片管理

網(wǎng)絡(luò)能耗控制

網(wǎng)絡(luò)安全防護

我們分別來介紹一下。

無線網(wǎng)絡(luò)優(yōu)化

移動通信網(wǎng)絡(luò)的網(wǎng)絡(luò)優(yōu)化，直接影響到用戶的網(wǎng)絡(luò)體驗，一直是運營商的工作重點。

說白了，如何用最少的錢，讓大家擁有最好的信號，是運營商每天絞盡腦汁在做的事情。無線網(wǎng)絡(luò)的優(yōu)化和固定網(wǎng)絡(luò)有很大的不同。電磁波在空間中傳播，存在很多的不確定性。無線場景復(fù)雜多樣，外部干擾千奇百怪，信道變化隨機性強。為了做好網(wǎng)絡(luò)優(yōu)化，運營商不得不投入大量的資金和人力，聘用或租賃人數(shù)眾多的網(wǎng)優(yōu)工程師，專門從事信號質(zhì)量測試以及調(diào)參等網(wǎng)優(yōu)工作。

采用AI的話，可以借助算力，在海量的網(wǎng)優(yōu)數(shù)據(jù)中抽取隱含的關(guān)聯(lián)特征和規(guī)則，然后建立算法模型，優(yōu)化參數(shù)調(diào)整策略，提高網(wǎng)絡(luò)資源利用率以及網(wǎng)絡(luò)容量。

圖3：設(shè)備商展示的AI無線網(wǎng)絡(luò)優(yōu)化方案

AI不僅可以用于已建成網(wǎng)絡(luò)的質(zhì)量優(yōu)化，在網(wǎng)絡(luò)早期規(guī)劃建設(shè)階段，就可以引入AI，幫助提升規(guī)劃的合理性，降低后期成本。

圖4：目前，AI算法主要應(yīng)用在多維智能分析和智能價值評估兩個流程中。智能規(guī)劃全流程（《智能自治網(wǎng)絡(luò)案例報告》，GSMA）

值得一提的是，無線網(wǎng)絡(luò)優(yōu)化確實是比較復(fù)雜的場景，有時候甚至人類都難以辨別和歸類。所以，早期階段的傳統(tǒng)AI算法，建模準確率低，效果并不理想。

后來，隨著時間的推移，AI算法不斷改進和優(yōu)化，才慢慢變得成熟和可靠。

由此可見，通信領(lǐng)域的AI算法，也是一個不斷打磨的過程。告警分析和故障處理

未來的網(wǎng)絡(luò)，雖然拓撲結(jié)構(gòu)復(fù)雜，但一定是端到端網(wǎng)元全程可視的。

也就是說，整張網(wǎng)絡(luò)，所有網(wǎng)元，都會呈現(xiàn)在管理維護者的面前。同時，所有的告警數(shù)據(jù)、KPI關(guān)鍵指標異常，也都是可視化的。巨大的信息量，僅靠簡單規(guī)則過濾或人工識別，是非常困難的。真正有價值的信息，會被淹沒在海量數(shù)據(jù)中，遭到忽視，給網(wǎng)絡(luò)運行帶來隱患。引入AI，可以基于現(xiàn)有相對成熟的規(guī)則庫和經(jīng)驗建立更智能更精準的算法，幫助進行更有效的告警過濾。

圖5：告警根因分析處理流程（《智能自治網(wǎng)絡(luò)案例報告》，GSMA）

AI智能告警分析還有一個很大的優(yōu)勢，就是可以跨網(wǎng)元、跨地域、跨廠商進行關(guān)聯(lián)告警分析，提升故障判斷的準確率。

舉個例子，傳統(tǒng)方式下，當某項業(yè)務(wù)或功能異常，A設(shè)備的工程師會發(fā)現(xiàn)告警，然后進行基本排查。如果找不到原因，會通知對B設(shè)備的工程師排查。如果還未發(fā)現(xiàn)原因，再通知和業(yè)務(wù)關(guān)聯(lián)的C甚至D設(shè)備的工程師排查。

AI處理告警信息是聯(lián)動的。它通過對各個設(shè)備告警信息的統(tǒng)一分析，根據(jù)之前學習的結(jié)果，直接就判斷出最有可能的Top3原因。

這樣一來，故障處理的效率就會大幅提升。

圖6

未來真正的自治網(wǎng)絡(luò)，不僅能夠自主發(fā)現(xiàn)故障，更可以實現(xiàn)故障自愈。

也就是說，發(fā)現(xiàn)故障或異常后，AI在很短的時間內(nèi)就可以進行類似VM（虛擬機）自動隔離，備份資源接管等操作，第一時間實現(xiàn)業(yè)務(wù)恢復(fù)，無需人為干預(yù)。

流量智能預(yù)測

通信業(yè)務(wù)流量趨勢，具有非常明顯的時間特點。每天不同時間、不同地點的業(yè)務(wù)量負荷，都有潛在的規(guī)律。

例如學校，就有很強的潮汐效應(yīng)，白天宿舍區(qū)域流量小，教學區(qū)域流量大，晚上恰好相反。除了平時之外，法定節(jié)假日期間的用戶流量趨勢，也有明顯的特征。引入AI，對流量進行精準預(yù)測，可以幫助運營商提前對基站和承載網(wǎng)資源進行動態(tài)調(diào)整（擴容/縮容）。自治網(wǎng)絡(luò)下，AI可以自己完成調(diào)整動作。根據(jù)算法做出的預(yù)測，實際還是源于數(shù)據(jù)。一方面是當前實時的高顆粒度數(shù)據(jù)，另一方面，是往期的歷史數(shù)據(jù)。

AI可以根據(jù)這些數(shù)據(jù)，通過機器學習算法，學習出流量在時間和空間上的內(nèi)在規(guī)律，從而得出預(yù)測結(jié)果，指導(dǎo)資源調(diào)整。

網(wǎng)絡(luò)切片管理

網(wǎng)絡(luò)切片，是5G帶來的一個重要概念。

簡單來說，它就是在物理網(wǎng)絡(luò)上，劃分出多個邏輯網(wǎng)絡(luò)，實現(xiàn)不同的服務(wù)質(zhì)量等級。

網(wǎng)絡(luò)切片雖然好，但也帶來了部署和維護的工作量。

AI可以使用歷史流量數(shù)據(jù)進行訓(xùn)練學習，從而預(yù)測各種場景下的資源需求，最終生成切片策略并下發(fā)。

在切片運行的過程中，AI同樣可以根據(jù)實時運行得到的數(shù)據(jù)，對模型和策略進行優(yōu)化，讓它們更加完美。

引入AI，可以快速完成切片業(yè)務(wù)的部署，減少上線時間。在用戶業(yè)務(wù)關(guān)閉后，第一時間釋放切片以及對應(yīng)的資源。網(wǎng)絡(luò)能耗控制

5G網(wǎng)絡(luò)的能耗一直都是一個大問題。在未來的網(wǎng)絡(luò)運營過程中，雖然可以通過液冷等被動方式控制能耗，但更主要的手段，應(yīng)該是動態(tài)調(diào)整功率輸出的方式進行主動能耗控制。

這個和前文所說的AI性能動態(tài)調(diào)整場景有很大的關(guān)聯(lián)。根據(jù)AI流量預(yù)測，調(diào)整資源分配，設(shè)備輸出功率也隨之變化，從而達到最佳效率，不浪費。

網(wǎng)絡(luò)安全防護

目前通信網(wǎng)絡(luò)面臨前所未有的安全威脅。病毒、惡意攻擊、敲詐勒索每天都在發(fā)生，而且數(shù)量激增。

病毒的演變越來越快，攻擊類型也越來越復(fù)雜。傳統(tǒng)的防御，是以特征匹配的方式進行攻擊識別，在識別成功率和效率方面越來越吃力。即使是專家進行人工分析，也很難保證準確率。此外，萬物互聯(lián)時代，物聯(lián)網(wǎng)爆發(fā)，網(wǎng)絡(luò)會變得更加龐大復(fù)雜，被動防御的工作量和難度也會大幅增加。未來，安全防御逐漸從被動防御走向主動防御，從輔助安全走向內(nèi)生安全。這些都離不開AI的幫助和支持。AI通過對網(wǎng)絡(luò)流量、終端行為、內(nèi)容載荷以及系統(tǒng)日志等信息進行深度分析學習，識別異常行為、惡意代碼和風險操作，并建立更靈活的模型，可以挖掘出隱藏更深的威脅。此外，AI對垃圾短信防控、網(wǎng)絡(luò)合規(guī)掃描也有巨大的幫助。

AI落地，有哪些挑戰(zhàn)和困難？

前面吹了半天AI落地的好處，現(xiàn)在我們來看看AI落地的困難。

AI那么強，是不是我們現(xiàn)在就能拿起來用呢？

當然不是。

AI的落地應(yīng)用，對運營商和設(shè)備商來說，難度很大。這個難度，不僅是資金和技術(shù)方面的，更是人才和文化方面的。

資金我們就不多說了，現(xiàn)在干什么都離不開錢。我們先說說技術(shù)。

前面我們說的AI四大要素，從技術(shù)層面來講，算力目前有專門的解決方案提供商，問題不太大。更多的問題，是集中在數(shù)據(jù)和算法上。

數(shù)據(jù)是發(fā)展AI的前提。沒有高質(zhì)量的數(shù)據(jù)，在此基礎(chǔ)上建立的算法模型就沒有準確率可言。

目前數(shù)據(jù)最大的問題，是不夠“干凈”。

對于不同的運營商，或者同一運營商的不同省市公司，數(shù)據(jù)的采集和存儲缺乏統(tǒng)一的標準，也沒有進行規(guī)范要求。這就容易導(dǎo)致數(shù)據(jù)的缺失和失真。

為了讓數(shù)據(jù)能夠被AI消化，運營商需要花費大量的精力對數(shù)據(jù)進行規(guī)整和清洗。這無形中增加AI落地的難度和成本。

此外，數(shù)據(jù)也不是想用就可以用的。

現(xiàn)在世界各國法規(guī)對用戶數(shù)據(jù)的使用有越來越嚴格的要求，即使是運營商，也不能隨便采集和使用用戶的數(shù)據(jù)，必須符合合規(guī)的要求。

運營商握有數(shù)據(jù)，搞AI還比較方便。設(shè)備商就比較尷尬了，他們是沒有數(shù)據(jù)的。

運營商那邊不提供數(shù)據(jù)，設(shè)備商這邊的研發(fā)和建模就沒辦法進行。運營商如果給設(shè)備商提供數(shù)據(jù)，也必須進行脫敏。

再來看看人才。

任何技術(shù)的研究都離不開人才，AI也一樣。

傳統(tǒng)運營商和設(shè)備商，懂通信不懂AI。而AI企業(yè)，懂AI不懂通信。如此一來，既懂通信又懂AI的人才，就顯得非常寶貴。

尤其是運營商這邊，作為AI落地的主要戰(zhàn)場，AI人才缺口更大。就算AI解決方案提供出來，基層沒有AI工程師去駕馭，顯然也是不行的。

除了人才之外，還有制度和文化。

AI不是一項獨立的技術(shù)，它需要整個運維工作流程和管理制度做出調(diào)整、配合，才能發(fā)揮威力。

各個崗位的員工，是否愿意接納AI，是否有AI意識，也是AI能夠成功落地的關(guān)鍵。

總而言之，AI不是一日建成的。整個通信行業(yè)的各個環(huán)節(jié)，都需要持續(xù)投入大量的時間、金錢、人力，去培養(yǎng)和孵化它。

“通信+AI”的未來

根據(jù)研究機構(gòu)Tractica/Ovum的報告，電信行業(yè)中，AI應(yīng)用帶來的年收入，將從2016年的3.157億美元，增長至2025年的113億美元。年復(fù)合增長率將達到48.8%。同時，報告還預(yù)測，到2025年，全球電信行業(yè)對人工智能軟硬件和服務(wù)的投資將達到367億美元。另一家咨詢機構(gòu)Analysis Mason的調(diào)研報告也聲稱，80%的運營商預(yù)期在2025年之前實現(xiàn)40%以上的網(wǎng)絡(luò)運營自動化，其中約有三分之一的運營商預(yù)期網(wǎng)絡(luò)自動化將達到80%以上。通信+AI，是大勢所趨。目前，國內(nèi)三大運營商和主流設(shè)備商都在AI方面有很大的投入，也有了可喜的成果。

中國移動的九天人工智能平臺、中國電信的CTNet2025 2.0，中國聯(lián)通的智立方CUBE-NET2.0+，都是針對AI的生態(tài)平臺。他們希望通過平臺賦能，吸引更多開發(fā)者使用他們的AI引擎，從而形成生態(tài)。

運營商的重點在于平臺和生態(tài)，而設(shè)備商的重點在于場景化的解決方案。

前面我們介紹的場景，設(shè)備商都處于積極的開發(fā)階段。算法模型在不斷的打磨中，逐漸從低級走向高級。算法的效率，也在顯著的提升。

按照目前的發(fā)展態(tài)勢，待到5G成熟之日，也是AI全面落地開花之時。

最后分享下AI對通信工程師職業(yè)發(fā)展的影響。

毫無疑問，通信網(wǎng)絡(luò)往智能化方向發(fā)展的趨勢是無法阻擋的，AI對部分人工崗位的取代也是無法避免的。

我們現(xiàn)在還不能確定AI的發(fā)展速度到底能有多快，也不知道具體什么時候才能真正威脅到我們的飯碗。但是，提前規(guī)劃，早做準備，是不會錯的。

還是那句老話，越是低級的、重復(fù)的、機械化的工作，越有可能被AI取代。

如前文所說，通信人，先想辦法成為通信+AI的復(fù)合型人才。

既然AI要替我們來管理和維護網(wǎng)絡(luò)，那么，我們干脆讓自己成為管理AI的人。畢竟，再好的AI，也必須在人類的管理之下工作。

通信工程師可以努力學習AI知識，成為一名AI專家，利用自身的網(wǎng)絡(luò)運維經(jīng)驗，將通信專業(yè)知識和AI技能進行深度融合，可以設(shè)計出更好的AI模型算法，也能夠幫助AI進行更有效率的訓(xùn)練優(yōu)化。

總而言之，與其抗拒和排斥AI，不如積極擁抱AI，擁抱變化。能夠適應(yīng)變化的人，才能在變革浪潮到來之時，屹立潮頭永不倒。
責任編輯:pj