隨著5G時(shí)代的到來(lái)，運(yùn)營(yíng)商將遇到比前幾代移動(dòng)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(shí)，運(yùn)營(yíng)商還需要管理越來(lái)越多的終端設(shè)備，來(lái)保障越來(lái)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(shí)現(xiàn)運(yùn)營(yíng)目標(biāo)，對(duì)于這些海量數(shù)據(jù)，僅依靠傳統(tǒng)分析流程遠(yuǎn)遠(yuǎn)不夠。

要應(yīng)對(duì)這些挑戰(zhàn)，運(yùn)營(yíng)商需要實(shí)現(xiàn)AI技術(shù)的實(shí)時(shí)智能、預(yù)測(cè)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(shí)

事實(shí)上，網(wǎng)絡(luò)AI化已經(jīng)是一個(gè)長(zhǎng)期的話題，運(yùn)營(yíng)商一直在利用SDN、NFV和云技術(shù)，來(lái)提升業(yè)務(wù)和網(wǎng)絡(luò)敏捷性，降低運(yùn)維復(fù)雜性和成本。應(yīng)用多種智能技術(shù)幫助運(yùn)營(yíng)商從自動(dòng)化邁向智能化是大勢(shì)所趨。

我們知道，5G網(wǎng)絡(luò)是一個(gè)全云化的網(wǎng)絡(luò)，比傳統(tǒng)網(wǎng)絡(luò)有更大優(yōu)勢(shì)實(shí)現(xiàn)更高級(jí)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(gè)模型；再有在業(yè)務(wù)預(yù)測(cè)方面，可以利用AI來(lái)實(shí)現(xiàn)根據(jù)業(yè)務(wù)需求變化的資源實(shí)時(shí)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(gè)層級(jí)，并改變加速網(wǎng)絡(luò)運(yùn)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(shí)現(xiàn)不同層級(jí)的訓(xùn)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(xùn)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(jí)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(duì)網(wǎng)絡(luò)和業(yè)務(wù)實(shí)現(xiàn)智能網(wǎng)絡(luò)優(yōu)化、運(yùn)維、管控和安全；可實(shí)現(xiàn)網(wǎng)絡(luò)各層級(jí)KPI優(yōu)化、網(wǎng)絡(luò)策略優(yōu)化，例如在無(wú)線的覆蓋優(yōu)化、容量?jī)?yōu)化、負(fù)荷優(yōu)化等。

第三，AI在運(yùn)維和編排層的應(yīng)用，可優(yōu)先在大數(shù)據(jù)平臺(tái)上引入AI引擎，對(duì)OSS和BSS數(shù)據(jù)做更深度的智能化挖掘。

而從場(chǎng)景的角度，AI技術(shù)可以在三大場(chǎng)景中賦予網(wǎng)絡(luò)“智慧”的能力。一是高效智慧運(yùn)維場(chǎng)景，利用AI技術(shù)針對(duì)網(wǎng)絡(luò)進(jìn)行預(yù)防性/主動(dòng)性維護(hù)，改善網(wǎng)絡(luò)質(zhì)量、提升MTTR；二是個(gè)性化業(yè)務(wù)服務(wù)場(chǎng)景，利用AI和大數(shù)據(jù)，給客戶提供個(gè)性化服務(wù)的分析和建議，例如設(shè)計(jì)個(gè)性化業(yè)務(wù)和靈活的資費(fèi)模式；三是網(wǎng)絡(luò)安全場(chǎng)景，利用AI能力，在惡意流量攻擊的早期就能正確識(shí)別，對(duì)于潛在的、前期未有訓(xùn)練數(shù)據(jù)的惡意報(bào)文也能進(jìn)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(yùn)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(jí)的必由之路。

云地協(xié)同

對(duì)網(wǎng)絡(luò)AI化的價(jià)值和意義

當(dāng)網(wǎng)絡(luò)AI化成為了電信運(yùn)營(yíng)商的一種共識(shí)，AI技術(shù)與場(chǎng)景結(jié)合在走向落地的階段，也遭遇到一些AI規(guī)模化應(yīng)用的新問(wèn)題。

很多運(yùn)營(yíng)商在網(wǎng)絡(luò)AI化的實(shí)踐中發(fā)現(xiàn)：網(wǎng)絡(luò)AI在走向規(guī)?；こ虘?yīng)用的過(guò)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(wèn)題。

這些問(wèn)題也的確存在很多共性，比如模型泛化能力差會(huì)因?yàn)楸镜刭Y源受限，導(dǎo)致AI模型規(guī)模應(yīng)用難，如果三個(gè)月不更新AI模型，應(yīng)用的精度就下降到70%以下，同時(shí)部分場(chǎng)景單局點(diǎn)樣本量少，又不足以支撐模型訓(xùn)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(guò)云地協(xié)同，來(lái)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(xùn)練，模型/ 知識(shí)下發(fā)、擇優(yōu)更新等一系列的閉環(huán)任務(wù)，同時(shí)把云端匯集的全局網(wǎng)絡(luò)知識(shí)經(jīng)驗(yàn)、全量數(shù)據(jù)訓(xùn)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(jìn)行智能的迭代升級(jí)，變得越來(lái)越聰明。

簡(jiǎn)單的理解，這種模式其實(shí)就是把數(shù)據(jù)服務(wù)和模型訓(xùn)練這些較“重”的工作放在云上去做處理，然通過(guò)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(shí)做到了及時(shí)性。

也許很多人會(huì)有這樣的疑問(wèn)，云地協(xié)同將AI的訓(xùn)練與推理進(jìn)行了拆分，這是不是本身對(duì)網(wǎng)絡(luò)傳輸?shù)囊缶蜁?huì)更高。沒(méi)錯(cuò)，云地協(xié)同最關(guān)鍵的一點(diǎn)就是要保證云端和地端要有快速的通道。同時(shí)，從地端到云端，信息可以從運(yùn)營(yíng)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(gè)過(guò)程當(dāng)中，地端會(huì)對(duì)模型進(jìn)行監(jiān)控和評(píng)估，而云端會(huì)存儲(chǔ)超過(guò)3個(gè)月以上周期的樣本生成相比本地更高質(zhì)量的模型。同時(shí)，云端通過(guò)匯集和沉淀專家經(jīng)驗(yàn)和產(chǎn)品知識(shí)，運(yùn)用知識(shí)圖譜等技術(shù)，形成 “網(wǎng)絡(luò)知識(shí)庫(kù)”，這些知識(shí)又可以持續(xù)注入地端，通過(guò)云與地之間的相互印證不斷優(yōu)化，達(dá)到提升網(wǎng)絡(luò)智能水平的目的。

從場(chǎng)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(chǎng)景中發(fā)揮價(jià)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(duì)電信網(wǎng)絡(luò)的不同應(yīng)用場(chǎng)景，華為云地協(xié)同在實(shí)際應(yīng)用部署時(shí)也提供了不同的模式。

比如，核心網(wǎng)變更在線機(jī)器值守這種模型簡(jiǎn)單，算法結(jié)構(gòu)穩(wěn)定的場(chǎng)景。華為采取了云端進(jìn)行初始模型的訓(xùn)練，運(yùn)行態(tài)由地端根據(jù)新增的樣本進(jìn)行在線學(xué)習(xí)，持續(xù)保持模型的精度；

再比如，無(wú)線KPI異常檢測(cè)這一類模型相對(duì)復(fù)雜的場(chǎng)景，華為則在云端進(jìn)行模型的分發(fā)，然后在地端根據(jù)新增樣本進(jìn)行在線學(xué)習(xí)；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(biāo)注數(shù)據(jù)，知識(shí)圖譜以及仿真等知識(shí)能力進(jìn)行模型優(yōu)化的場(chǎng)景，華為則利用云地實(shí)時(shí)協(xié)同，讓模型可以自動(dòng)化演進(jìn)。

從效率的角度，云地協(xié)同可以提升模型泛化能力和訓(xùn)練效率，同時(shí)通過(guò)構(gòu)建網(wǎng)絡(luò)知識(shí)庫(kù)，會(huì)提升故障運(yùn)維輔助效率。而從安全的角度，因?yàn)榻⒘嗽贫朔抡?，所以模型及業(yè)務(wù)驗(yàn)證安全高效，同時(shí)也會(huì)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(shí)現(xiàn)一點(diǎn)生效，全網(wǎng)復(fù)制，AI的特性在一個(gè)局點(diǎn)成功實(shí)施后，快速 的形成知識(shí)和經(jīng)驗(yàn)，在其他局點(diǎn)進(jìn)行復(fù)制，實(shí)現(xiàn)在全網(wǎng)規(guī)模應(yīng)用。

客觀地說(shuō)，云地協(xié)同模式，是華為在網(wǎng)絡(luò)AI化的趨勢(shì)中，通過(guò)具體應(yīng)用場(chǎng)景的需求，逆推出來(lái)的成果，其對(duì)電信網(wǎng)絡(luò)智能化升級(jí)的意義深遠(yuǎn)。