学术大讲堂 |（五）网络人工智能—5G时代的试金石

学术大讲堂

今天下午给大家分享一下网络人工智能方向的一些发展情况以及我们在这些方面做过的一些实践活动。首先是人工智能的发展历程，大家都比较熟悉，主要是三个历程，我想说的主要是最近第三次的人工智能发展浪潮，它是以深度学习为代表的发展时期。从1956年人工智能概念提出以来，业界尚未有统一权威的定义，针对第三轮人工智能的发展，我们怎样理解人工智能的内涵，一个是刚提到的，伴随着深度学习理论的爆发式应用，本轮的人工智能发展可以等同于深度学习代表的狭义人工智能，一个从产业角度提人工智能，包括底层的芯片、前期的大数据工作，以及在此之上的各种开源的人工智能框架和算法模型，在最上层，基于这些技术、面向特别应用场景的解决方案和服务，这些都是产业里人工智能会涉及到的内容。

网络人工智能是最近两年才提出的说法，我们从2017年着手，2018年4月发布的网络人工智能发展白皮书，白皮书里首先定义了网络人工智能的概念：将人工智能技术应用在运营商网络中，通过网络的智能化或智能子系统替代或优化目前依靠人工进行的工作，使运营商能够更加便捷、高效地提供更加优质的网络服务。这个也是网络人工智能的内涵。另外，人工智能发展的特点，就是刚刚提到的深度学习，深度学习相比于传统机器学习，我觉得最大的区别在于，传统的机器学习还依赖算法工程师，构建模型和算法设计，到了深度学习的阶段，在有大量数据的情况下，把数据输入到深度学习的网络中，在强大算力的支持下，自动实现模型参数的调优，相当于承担了一部分算法工程师的工作。正因为这些特点和基础，才奠定了人工智能技术在各行各业广泛的应用。

具体来讲，网络人工智能在人工智能发展中的机遇，首先在市场中，就是人工智能可以很好的应用在电信行业。根据对全球电信运营商和相关行业的调研，预计到2025年，全球在电信行业上，在人工智能软硬件上的投资可以达到367亿美元，从2016年开始，到2025年，增长率接近50%。具体到电信行业内，人工智能可以应用到五大细分的方向上，最大的方向就是在网络和IT运营的监控和管理上，可能占到网络AI应用的60%以上。其他的也包括客服服务、市场营销、智能CRM系统和客户需要的网络方案和网络安全方面。我个人总结，为什么人工智能在网络上会有这样大的空间，一个是因为现在的网络基础较为薄弱，资源利用率较低（不到50%），如果超过50%，则需要扩容。所以现在基础较差，这也意味着我们有很大的提升空间，尤其是在网络资源利用率上。另一个是在网络规模化上，我们建一张5G网，可能需要上千亿的投资，在这个基础上，我们如果能够把资源利用率提高10%，或者把运营效率提高10%，那么绝对收益是可以显著提高的，所以这个方面是非常值得投入的。还有一个特点是，网络上数据量非常大，这也意味着，他适合应用深度学习的算法。正因为有这些特点，所以我们觉得网络人工智能是一个非常有前景的领域。

后面介绍一下国内外运营商在人工智能领域的发展情况。在国际上，NTT算是第一个打造AI运营平台的运营商，他做了一套基于AI的综合赋能平台，包括基于平台的上层应用。AT&T打造了一个综合的AI能力平台，包括了数据导入、模型训练以及模型部署等。Verizon主要从物联网领域切入，打造了基于AI的物联网平台。另外从优势行业角度，AT&T主要是将AI应用到自己的网络中，Verizon侧重于物联网中无线侧优化，韩国SKT主要基于智慧家庭和导航业务成熟，选择终端融合语音虚拟助手服务，包括语音助手、导航等。总体来说，除了自研，他们也会和产业界的一些投资工资等合作，包括收购AI企业，以及和物联网公司的战略合作。在国内，中国移动在2017年底发布了他们收个人工智能平台——九天，这个平台包括了开源框架以及在平台基础上打造智能客服“移娃”的业务。联通前期主要与各大互联网公司合作，去年成立了一个以规建维研一体化为目标的智能网络中心，目标规模6000人，目前规模160人左右，定位于开发网络大数据平台和网络AI平台。

以上是运营商的情况，接下来我们讲一下，为什么网络需要AI技术。在未来网络设计中，我们引入了许多新的网络技术，包括NFV、SDN、云计算等等，这些技术的引入会让我们的网络变得更加的灵活和强大，同时也更大复杂。我们现在3G、4G、5G、传统网络、SDN化的网络等等，这些网络的部署、运营、维护，挑战非常大，无法按照传统人工方式运营，所以在未来网络，我们需要引入人工智能来提升网络可运营性。

具体来说，未来网络特征带来的挑战，一个是网络架构的动态变化，传统的网络设计，都是按照业务需求，自顶向下的，这种设计使得网络结构是固定的，基本5-10年才会发生一次网络架构的变化，未来，网络都是基于云化的业务设施，所有的业务功能网络功能都是原子化的，按照业务需求，动态的选择需要的功能，自底向上的，这也意味着网络架构是可变的，是面向业务场景和需求适配的。而且这种变化周期不是以年计的，可能以小时计。比如我们给电力公司建立切片网络，可能夜里应用，白天就释放了，这个变化如果按人工操作的话，基本无法完成。另外一个是，网络中需要引入NFV技术，NFV技术的最大特点就是分层解耦，左边的图是传统网络，可以看到设备来自同一个厂家，而NFV技术，即右图的经典NFV两层解耦架构，底层服务器、上层软件，整体编排系统，可能来自不同的厂家，三层解耦还会引入更多的厂家，这也意味着，运营商会面临更多的故障点，以及故障发生后如何定位，分清各个厂家之间的责任，这就需要应用人工智能的技术，定位找准原因，而后再做故障的修复和厂家责任的划定。第三个是网络资源的适时调整，目前的网络流量规划，基本靠人工方式，考虑到大量的设备满足未来的需求，在引入SDN/NFV的技术后，未来网络会需要做到按照业务的实施需求，动态分配网元资源。目前应用的方式是写在NFV的模板中，触发网元进行扩缩容操作，进行一些预定义的操作，这样就会引发一些问题，目标是动态扩缩容，但实际运维中发现，并不能每天人工调整网元资源，预定义的方式很容易引起资源分配的震荡，比如，某个时刻有峰值扩容，又需要马上缩容，就会引起震荡。所以引入人工智能技术预测未来网络变化趋势，提前按照业务需求，做资源层面的自动化分配。

在5G网络中，对人工智能有特殊需求，一个是刚刚提到的网络架构层面，由于5G网络是面向服务化设计的，引入了网络切片的特性，所以人工智能技术在网络架构的动态变化方面可以发挥优势，创建网络切片实例，动态分配资源，把业务需求映射到网络架构中，自动化执行，这也是韦总提的随愿网络的概念。第二个是5G的空口技术，5G空口是基于Massive MIMO和高频通信技术的，Massive MIMO相比4G天线，配置会复杂，高频通信相比4G频率，国内翻了一番，国外还有更高频的频段，频段高意味着站点数量会大大增加，基站的节能成为必须要考虑的一个降低运维成本的因素，在这个领域Massive MIMO的配置（自动化的适应，提升资源利用率）和基站节能（如何自适应调整载波情况）都需要引入人工智能技术。第三个在部署方式上，在5G阶段，虚拟化的部署方式加上边缘计算，数据中心在未来5G网络中会大量增加，数据中心的耗电也需要引入人工智能技术进行节能。

总体来说，网络人工智能是一个分阶段实现的过程，首先应该实现的是网络的自动化，在自动化的基础上，引入智能策略实现网络的自优化，最后的远期目标是能够实现网络自治，也就是根据现在的情况自动化生成策略，再自动化的执行。网络自治应该是一个长期目标，一个愿景。

业界网络人工智能有许多应用场景，主要涉及六大类，包括流量流向调度、资源部署管理、网络优化配置、故障定位分析、绿色节能减排和网络安全保障。举几个例子，第一个是基于AI的网络智能化路由控制，传统的网络路由配置，在路由器上无法满足业务需求，基于AI 的路由控制，希望可以针对全局的实时的路由信息，实现闭环控制，采集路由表和链路流量数据，分析制定智能化多维的，面向业务的路由算法，并且自动化的执行，提升网络路由的智能性。第二个是网络资源层面的智能化网络切片编排与管理，当多个切片部署在同一个数据中心里，不同切片的情况，如何选择切片里的网元，数据中心对资源整体的利用率有最优方案；网络切片本身针对业务量做一些实例化扩缩容操作以及链路资源的调整策略。第三个是移动网络覆盖和容量优化，包括对天线的参数配置，目前大量的配置依然靠人工完成，未来希望能减少人工参与的工作，更多依靠智能化算法调整天线配置，实现无线网络优化和场景化学习实现基站节能。第四个是网络健康度的分析和故障预警，目前大部分网络故障都是事后纠正的方式，无法通过事前预警，所以希望引入人工智能技术对网络设备的健康度进行监控，在网络异常时，能够主动给运维人员预警。

后面讲一下我们的实践活动，首先一个新技术的发展都是从标准开始的，包括NFV、5G等等，都是先做标准。在2016年底，我们联合华为华为、工信部电信研究院、卢森堡大学、三星、赛灵思在欧洲电信标准化协会ETSI推动成立了网络AI 标准的第一个组织ENI，到目前经历了两年多的时间，完成了第一个release的工作，预计到几年年中会结束第一个版本的工作，发布ENI的架构、一些概念验证项目、用例需求等一系列的规范。在2019年下半年会启动第二个版本的工作：具体定义架构的接口、数据模型和对外部系统的交互接口。目前工作组，是ETSI最活跃的四个工作组之一，已经有超过40个欧洲、北美、亚洲的运营商、通信设备商加入，中国电信在工作组中担任第一副主席的职务，起了非常大的作用，主导了一些项目，做了很多贡献。在标准化的过程中，我们成立了ENI的第一个概念验证项目：基于AI的智能化网络切片生命周期管理，这个项目包括两个目标：目标1：基于AI技术预测网络流量并进行网络切片资源提前调整；目标2：使用基于intent的北向接口，实现租户需求到网络切片配置的映射及按需网络切片生命周期管理。这些在ETSI官网上可以看到（PoC project wiki: https://eniwiki.etsi.org/index.php?title=Ongoing_PoCs）。在这个项目的过程中，我们开始了网络AI的自主研发，这个是流量预测项目的展示界面，它主要功能是预测未来六个小时网络流量变化的情况，红色的线是实际的流量曲线，蓝色的是预测结果，黑色的六个点是未来六个小时吞吐量的变化情况。目前预测曲线和实际曲线的拟合度比较好，准确率在90%以上。

流量预测系统有很多种应用场景，第一个就是5G承载网切片生命周期管理，AI模块会从承载网切片管理系统器中获取当前流量情况，把预测结果制定的策略，通过管理器下发，管理器在底层承载网做切片带宽调整。目前此系统已经与华为的承载网系统做了对接，在考虑一定量冗余的情况下，预测的结果可以完全将实际结果涵盖。经过测算，资源利用率有30%以上的提升，效果明显。第二个应用是智能化虚拟网元扩缩容，目前也已经与相关厂家做了对接，通过NFVO获取吞吐量的情况，对未来流量预测，将预测结果给策略模块，生成策略并执行，实施虚机分配的调整。第三个应用是基于流量预测的设备故障识别，网络健康度的预警就是这个应用方向，为异常提前做预警。第四个应用在无线侧，流量预测可以预测小区的关键指标，以及未来指标的变化趋势，结合无线性能、小区性质做扩容预测，能够对未来半年内需要扩容的小区进行非常准确的预测，目前的准确率在99.5%以上。

最后，讲一下网络人工智能发展的挑战和建议，应用场景非常多样化，从底层基础设施执行策略到数据层面采集可用的数据，再到模型开发，应用场景的开发和应用，需要整个产业链的开发和配合，也需要数据和系统架构的标准化，这些都是非常重要的。这也带来了挑战，海量的数据采集存储发掘应用，形成面向网络的AI核心能力，这些都需要我们投入大量的精力，在人才方面，需要既懂网络又懂AI的人才，这些都需要积累，需要网络的工程师和大数据AI的专家一同参与研发工作，这也涉及了组织架构的挑战。

今天主要分享这些，谢谢大家。

— 完 —

融智未来 DTbigdata