5G网络自动化，从累觉不爱到不爱不行

本文转自：网优雇佣军

各位奋战在规划、建设、运维和网优一线的兄弟姐妹们，大家好，我是你们既爱又恨的朋友——网络自动化。

回头已是十年身，从08年诞生到现在，小弟其实已经悄悄陪伴大家十余个春秋了，但说来惭愧，小弟不才，一直没机会大显身手，估计至今仍然有很多朋友对我感到陌生。

今天，感谢这个5G+AI时代，将我与eMMB、uRLLC和mMTC并列为5G的四大支柱，小弟也总算熬出了头，首次拉轰地站在了前台。

估计大家对eMMB、uRLLC和mMTC这三根柱已烂熟于胸，可对我依然云里雾里，所以是时候该向大家做一个彻底的自我介绍了。

终于熬出头

追求简单，但非简略。— 爱因斯坦

要是他老人家还在，看到我们今天的移动网络，估计也会无奈地吐舌头吧。

几十年来，我们的移动网络从1G到4G不断发展，空前改变了人类生活，但这背后却让整个电信业付出了沉重的代价——技术不断叠加，网络变得越来越复杂。

网络越来越复杂，运维担子越来越重

这是我们不得不付出的代价，毕竟网络性能和服务质量的改进不会从天而降，大多数新技术的引入都会增加复杂性。

但令人遗憾的是，一方面，网络越来越复杂；另一方面，传统人肉运维模式却几乎一直未变，令设计、规划、建设、维护、网优一线的工程师们背负的重担累加如山，工作越来越苦。

运营商不得不雇佣更多的人力来分析网络问题，修复网络故障，这又导致了整体效率低下，运维成本越来越高。

现在5G来了，网络运营将面临新的挑战。

5G时代网络运营面临的挑战

首先，5G新技术引入会给网络运维带来全新挑战。

多制式技术共存，宏站、微站、皮站异构共存，网络将空前密集。5G终端、业务、场景将更加多样化，网络再增复杂性。同时，NSA/SA组网，以及NFV/SDN/边缘计算等新技术引入，令网络架构更复杂。

其次，我们过去经常讲“只要加班能解决问题，就没有通信工程师解决不了的问题”，但进入5G时代，我们不得不面对一个残酷的现实——不管你怎么加班，很多问题依然无解。

以网络优化为例，过去全靠人去分析大量相互关联的KPI指标和参数，但人的大脑本不是为处理大量相互关联的变量而“设计”的，你能同时跟踪分析的KPI指标或参数最多不超过6个。也就是说，随着5G时代网络参数数量的增加，靠人力根本无法得出最佳解决方案。

再则，5G要求新业务能快速上线，业务发布将从原来的几个月缩短到几天，甚至是小时级，并需在业务发布后实时保障低时延、高可靠的网络服务能力，靠传统人工流程同样是不可能实现的。

简而言之，5G时代即需要通过自动化来降低网络复杂性和成本，也需要自动化来提升业务体验和敏捷性，从而缩小量收剪刀差，促进运营商持续健康发展。同时，人工智能正像当年的电力革命一样到来，必将给各行各业带来巨大改变，电信业当然也不例外。

这就是小弟我今天终于熬出了头的原因。

你这货不是10年前就出来了吗？为啥一直不温不火？不会是换了个马甲出来忽悠吧？

这个问题问得好，这位同学，请问你是哪家单位的…

网络自动化不是SON的新马甲

你说的没错，网络自动化并不是新鲜概念，业界早在十年前就提出了SON（自组织网络）概念。

SON技术主要包括三大功能：自配置、自优化和自愈。自配置，指在站点开通时可实现网元自动发现，数据自动下载，传输自建立，以及PCI、邻区和无线参数自配置；自优化，指可自动完成干扰管理、切换优化、接入优化和容量优化等工作；自愈，指可自动检测基站或小区退服，并采用补偿措施来减少退服影响。

SON的理念坦白说是充满着情怀的，直至今日还在牵引业界自动化的方向。但当年SON的技术却存在无法逾越的局限性。

首先，SON只部署于无线网络内部，没有自顶向下的系统性设计，缺乏全域、全网协同，不是端到端的自动化。

其次，SON以一套相对固定算法应对不同的场景，需人工核查辅助，不具备自感知、自学习、自适应、自预测和自干预能力，无法动态适应越加复杂和多样化的无线场景，它不是全闭环自动化。

再则，SON更多以小工具或特定功能的形式孤岛式部署，没有与网络设计、规划、建设、维护、优化和业务发放等外部流程无缝打通。

换句话讲，自动化是生产力，SON并没有与网络设计、规划、建设、维护、优化和业务发放等流程结成相互密切的关系，充分发挥出生产力的力量，这实际上存在着生产力与生产关系脱节。比如，引入SON后，优化效率提升了，但核查工作反而增加了。

简而言之，SON的技术也还在持续演进，还在为网络自动化的实现添砖加瓦，但已不是网络自动化的代名词。在人工智能时代，AI将为自动化插上高飞的翅膀，让它可以超越局限，飞得更高，飞得更远。

AI时代的自动化

网络自动驾驶开往自治5G时代

AI时代的自动化，就是告别零打碎敲的功能级SON，全新基于全域、全网来设计自动化网络架构，引入端到端的AI引擎构建基于意图和策略的全闭环自动化能力，然后再逐步添加设计、规划、建设、维护、优化和业务发放等自动化场景和用例，打通网络运营全流程，最终迈进全自治化网络时代。

自治化网络，也被业界称为“自动驾驶网络”，比如，华为在去年就提出了打造一个运维高效、性能卓越、业务敏捷的网络，像汽车一样，迈向 “自动驾驶”时代；比如，产业组织GSMA和TMF都有在牵引业界积极讨论自动驾驶网络的分级标准。

众所周知，自动驾驶汽车分为6个等级：L0-人工驾驶、L1-辅助人工驾驶、L2-部分自动驾驶、L3-有条件自动驾驶、L4-高级自动驾驶、L5-全自动驾驶，逐步让驾驶员从“解放双脚”到“解放双手”，再到“解放双眼”，最终“解放大脑”，进入无人驾驶时代。

自动驾驶汽车的基本原理是通过摄像头、雷达、GPS等传感器收集海量数据来“喂食”AI，实现自主决策和执行刹车、转向等动作，其架构分为传感器、本地智能、云端智能三层，传感器实时感知周围环境，本地智能实时分析和决策，云端负责模型训练、高清地图更新、交通信息提示等。

与自动驾驶汽车一样，自动驾驶网络也分为了6个等级：L0-手工运维、L1-辅助运维、L2-部分自治网络、L3-有条件自治网络、L4-高度自治网络、L5-完全自治网络。

图片来源：TMF自动驾驶网络白皮书

在实现原理上，与自动驾驶汽车同样相似，自动驾驶网络通过收集海量网络告警、事件、PM、MR、计费、客户投诉等数据来“喂食”AI，实现可自学习、自分析、自决策和基于意图的自治网络。

好了，说到AI，就说到点子上了，也就是说我们需要系统性的引入AI能力才有可能实现自动驾驶网络的终极使命。且由于移动网络架构呈现典型的分布式的叶子网络，考虑到不同use case对时延的要求不尽相同，因此需要分层的引入AI能力实现及时的本地或者近端处理。因此在架构实现上有三层：网络基础设施层，单域自治层以及跨域协调层。

网络基础设施层负责本地网元（比如基站）实时推理和处理海量数据。单域自治层（网络管控层）通过管理与控制的融合，实现基于意图与策略的单域闭环自动化能力。云AI基于开放的接口实现跨域跨厂家协同，并借助专家经验和全局数据完成AI模型训练。

这样的架构设计好处在于 “分层自治、垂直协同”：一方面，各层之间可通过开放接口（开放API，SDK等）相互协调和交换信息；另一方面，各层可分别实现基于意图的闭环自治，这就意味着各层之间通过开放接口相互协调和交换信息时，不必通过繁重的数据和参数，而简化为了面向场景的意图交换，从而即保证了在架构上可分层实现，又能降低实现复杂性，最终更易于实现跨域的、整网的全闭环自治。

说得简单，光设计好架构，定好等级标准，恐怕还不够吧？我们的网络比自动驾驶汽车还复杂，什么时候才能实现啊？

这个问题问得非常好，这位同学，你是哪家单位的…

罗马不是一天建成的

自动驾驶网络正在逐场景实现

没错，全自治的5G网络不可能一蹴而就，但一些场景下的自动化已经在逐步实现。

先以基站建设为例，流程主要包括设备安装上电、站点数据制作、站点开通、调测和验收等环节。按照过去的流程，施工队在现场负责设备安装上电，后台工程师负责站点数据制作、远程开通、远程调测，最后再进行工程质量检查和验收。

但施工队的兄弟们，你们有没有遇到过在现场等后台做数据的情况？估计都遇到过，原因何在？

假设某运营商安排了25个施工队，每个施工队每天可安装4个站，一天开通100个基站是没有问题的，但问题来了，后台网管中心的工程师只有3个人，由于需对逐个基站进行数据配置、远程调测和质量检查，每人每天最多只能应付20个站，3个后台工程师一天总共才能完成60个基站，怎么办？

现在加持AI的站点自动部署方案，基于全网历史数据和AI，通过场景匹配、策略自动选择和自动配置，可实现多站点并发自动执行开通、调测和检查，大幅减少站点部署过程中的人的干预，将效率翻倍。

再以网规网优为例，众所周知，5G Massive MIMO是5G关键技术之一，它可通过调整多天线阵列来动态控制波束方向图（Beam Pattern），使能5G MM天线下倾角、方位角、水平和垂直波宽均能动态可调，比如有赛事的时候将多波束打向场馆内，没赛事的时候将波束调整到周边的CBD区域，比如覆盖较远距离时采用更窄的波束以集中能量来补偿路径损耗，覆盖较近距离时采用更宽的波束，这些都超越了传统优化工程师的能力边界，只有基于机器学习和AI芯片才能快速精准匹配最佳波束，大幅提升效率和性能。

在运维方面，大家都知道网络中大部分告警都是因为一个根因引起，若基于AI对海量数据进行多维分析，找出告警关联性，构建故障模型库，可实现快速定位根因，提升运维效率。

在业务发放方面，譬如5G FWA（无线家宽）的业务发放，相较固网家宽业务，不同家庭由于不同地址的信号覆盖不一样，导致不同家庭可以提供的带宽能力是不一样的。譬如有的家庭可以1Gbps，有的家庭最多可以享受到10Mbps。传统意义上需要派工程师上门去评估，而随着自动化能力的引入，可以基于大数据和AI实现可保障带宽的精准预测。运营商只需要在营业厅就可以一键式完成FWA业务的发放。

…

案例很多，但列举这些案例的目的，并不是要炫耀自动化有多能干，事实上这些案例距离我们远大的全自治化网络目标还很远，目的不过是要告诉大家，自动驾驶网络正在像自动驾驶汽车一样，逐场景逐等级向我们走来。

让我们再比较一下自动驾驶汽车。自动驾驶汽车的演进方向是先搭好设计架构，定好等级标准，然后将驾驶行为、行驶场地与环境组合，构成不同的场景，比如暴雨天气下在高速公路上高速行驶场景，再对各个场景进行逐一测试，一步一步迈向全自动驾驶。场景测试是实现自动驾驶相当重要的一环。

与自动驾驶汽车一样，自动驾驶网络在通过架构创新系统性的分层引入AI能力并定好等级标准（L0-L5）后，接下来就是对网络规划、建设、运维、优化和业务发放等工作流程所涉及的场景进行逐个测试、逐个封装，一步步迈向自治5G网络时代。

经过大量的场景测试，今天自动驾驶汽车已实现几千公里仅需一次人为干预，我们相信，自动驾驶网络经过逐步的场景测试和封装，也将从L1向L2、L3、L4…逐级演进。

其实，自动驾驶网络可以跟自动驾驶汽车一样实现沿途下蛋，及时让使用者享受到自动化带来的价值红利。譬如，驾驶装配有L2自动泊车功能的汽车，这让很多新手司机出行欲望大增。同样，自动驾驶网络到L3就可以在很多特定场景下实现全流程的闭环自动化。譬如，网络的自动化节能，站点的自动化部署等。这些都将及时的给运营商带来运维效率、资源效率、能耗效率以及用户体验上的成倍提升。

所以，千万不要认为自动驾驶网络还太遥远，事实上它正在加速到来。我们认为大致在2021年左右，那些在网络自动化以及数字化转型都走得坚决的领先运营商的网络大致可以实现L3的水平。

值得一提的是，GSMA在MWC19上海期间举办了AI in Network论坛，并成立了包括国内三大运营商、华为等11家产业伙伴在内的AI in Network大中国区特别工作组，旨在通过全产业共同定义清晰的分级标准以及案例的创新与分享推进网络自治的实现进程。

面对越趋复杂的网络和越来越高的运营成本，面对未来多样化服务和来自互联网云巨头们的激烈竞争，电信业正积极推进网络自动驾驶，迈向网络全自治化，以提升运营效率、竞争力和敏捷性。这不再是可选项，而是必选项。

各位规划、建设、运维和网优一线的兄弟姐妹们，以上就是关于我——网络自动化的自我介绍，我已正式登场，并已来到各位身边，毫不客气的讲，如果你今天对我不理不睬，不久之后你将被迫与我套近乎，因为我将成为你们未来工作必不可少的一部分，帮你们从枯燥而繁琐的工作中解脱出来，更好地投入到创造性的工作中去。最后感谢大家听我啰嗦了这么长时间，让我们一起跳进自动驾驶仓，共同驶往全自治的5G网络时代！