2023年ChatGPT的出現(xiàn)讓大模型成為各行各業(yè)的熱點(diǎn)，如何構(gòu)建大模型，實(shí)現(xiàn)大模型和云核心網(wǎng)之間的深度融合是核心網(wǎng)產(chǎn)業(yè)當(dāng)前新熱點(diǎn)。借助大模型，華為重磅推出了ICN Master解決方案，率先將大模型應(yīng)用到核心網(wǎng)運(yùn)維領(lǐng)域，針對(duì)網(wǎng)絡(luò)風(fēng)險(xiǎn)大，運(yùn)維效率低，運(yùn)維人員技能要求高等關(guān)鍵運(yùn)維問題給出解決方案，幫助運(yùn)營商打造一個(gè)高穩(wěn)、敏捷、高質(zhì)的核心網(wǎng)，更好地幫助運(yùn)營商為用戶提供服務(wù)。

01

為什么華為云核心網(wǎng)自智網(wǎng)絡(luò)一直在強(qiáng)調(diào)網(wǎng)絡(luò)高穩(wěn)？

目前全球運(yùn)營商和產(chǎn)業(yè)組織已經(jīng)對(duì)核心網(wǎng)高穩(wěn)形成了產(chǎn)業(yè)共識(shí)。但是只有共識(shí)是遠(yuǎn)遠(yuǎn)不夠的。首先，需要定義核心網(wǎng)高穩(wěn)的網(wǎng)絡(luò)標(biāo)準(zhǔn)，明確高穩(wěn)網(wǎng)絡(luò)框架和方法論，這是構(gòu)筑自動(dòng)化和智能化能力的前提；其次還需要制定一套評(píng)估工具，來幫助運(yùn)營商評(píng)估網(wǎng)絡(luò)是否滿足高穩(wěn)要求。這也是為什么華為聯(lián)合GlobalData及全球領(lǐng)先運(yùn)營商發(fā)布了業(yè)界首個(gè)《高穩(wěn)核心網(wǎng)白皮書》，并積極參與TM Forum的ANL測(cè)評(píng)及標(biāo)準(zhǔn)貢獻(xiàn)工作。通過可量化的高穩(wěn)標(biāo)準(zhǔn)和評(píng)估體系，可以幫助運(yùn)營商主動(dòng)識(shí)別網(wǎng)絡(luò)潛在的隱患。

Appledore的首席分析師Robert也表示自智網(wǎng)絡(luò)和高穩(wěn)網(wǎng)絡(luò)之間存在密切的關(guān)系。自智網(wǎng)絡(luò)具備自規(guī)劃、自部署、自優(yōu)化和自演進(jìn)等能力，通過自動(dòng)化和智能化的運(yùn)維手段，自智網(wǎng)絡(luò)能夠?qū)崟r(shí)監(jiān)控網(wǎng)絡(luò)狀態(tài)，預(yù)測(cè)和預(yù)防潛在問題，快速響應(yīng)并自動(dòng)修復(fù)故障，從而保障網(wǎng)絡(luò)的高穩(wěn)運(yùn)行?？梢哉f自智網(wǎng)絡(luò)追求的一個(gè)重要目標(biāo)就是通過自動(dòng)化和智能化手段來提高網(wǎng)絡(luò)的穩(wěn)定性和可靠性，實(shí)現(xiàn)高穩(wěn)網(wǎng)絡(luò)的狀態(tài)。

02

大模型應(yīng)用到核心網(wǎng)運(yùn)維中存在哪些困難呢？

Appledore的首席分析師Robert表示，大模型在運(yùn)維領(lǐng)域的應(yīng)用仍處于初期階段，存在以下挑戰(zhàn)：首先是數(shù)據(jù)復(fù)雜性。核心網(wǎng)運(yùn)維涉及大量的實(shí)時(shí)數(shù)據(jù)及多模態(tài)數(shù)據(jù)，并有著極其復(fù)雜的關(guān)聯(lián)關(guān)系。這些數(shù)據(jù)具有強(qiáng)領(lǐng)域知識(shí)特性，且不同場(chǎng)景下數(shù)據(jù)差異大。大模型需要處理并理解這些復(fù)雜的數(shù)據(jù)，以便進(jìn)行有效的運(yùn)維決策。其次，廣義語言模型、大模型和特定于上下文的模型之間的區(qū)別，以及在實(shí)際環(huán)境中，如何應(yīng)用它們也是一大挑戰(zhàn)。我們需要解決大模型如何在不同場(chǎng)景下保持強(qiáng)大的泛化能力，以便快速推廣復(fù)用，處理更多未知場(chǎng)景的任務(wù)。同時(shí)，像網(wǎng)絡(luò)設(shè)備、協(xié)議，核心網(wǎng)技術(shù)細(xì)節(jié)等，大模型還需要有效地整合這些領(lǐng)域知識(shí)，才可以進(jìn)行準(zhǔn)確的故障診斷、性能優(yōu)化等復(fù)雜的運(yùn)維任務(wù)。

華為ICN Master解決方案也提供了一些新的思路。首先，需要提升數(shù)據(jù)質(zhì)量來幫助大模型更深入的理解意圖。其次，需要結(jié)合不同的方法來提高模型的能力。ICN Master以LLM和運(yùn)維數(shù)據(jù)多模態(tài)分析大模型為基礎(chǔ)，通過智能體技術(shù)框架，結(jié)合長(zhǎng)短期記憶、RAG、小模型等，來實(shí)現(xiàn)語義理解、工具調(diào)用、邏輯推理等能力，最終支撐核心網(wǎng)故障、投訴處理全流程智能化。

運(yùn)維多模態(tài)分析大模型中融入了華為30多年豐富的核心網(wǎng)運(yùn)維經(jīng)驗(yàn)及案例庫知識(shí)，如信令、時(shí)序、拓?fù)涞龋⑨槍?duì)這些知識(shí)語料設(shè)計(jì)標(biāo)準(zhǔn)訓(xùn)練集展開預(yù)訓(xùn)練，優(yōu)化模型，提高其判斷和思維訓(xùn)練的準(zhǔn)確性，進(jìn)一步保障網(wǎng)絡(luò)的高穩(wěn)。

審核編輯：劉清