国强投资社成立大典：网络AI化已成行业共识 国强投资社成立大典资讯，国强投资社成立大典表示，随着5G时期的到来，运营商将遇到比前几代移动网络更为繁琐的工作。5G网络在规划、部署和管理方面都愈加复杂，并且这种复杂性将贯串网络和效劳范畴。 由于5G网络与前几代网络共存，并且引入了网络切片、大范围多输入多输出天线、软件定义网络和网络功用虚拟化等技术，网络管理将变得愈加复杂。 同时，运营商还需求管理越来越多的终端设备，来保证越来越多的效劳，处置5G网络流量产生的大量数据。为满足客户请求并完成运营目的，关于这些海量数据，仅依托传统剖析流程远远不够。 要应对这些应战，运营商需求完成AI技术的实时智能、预测和决策功用，网络需求愈加智能化。 网络AI化已成行业共识 事实上，网络AI化曾经是一个长期的话题，运营商不断在应用SDN、NFV和云技术，来提升业务和网络矫捷性，降低运维复杂性和本钱。应用多种智能技术协助运营商从自动化迈向智能化是大势所趋。 我们晓得，5G网络是一个全云化的网络，比传统网络有更大优势完成更高级别的智能化，所以网络AI化亦是5G网络开展的必然。例如5G智能化的网络切片，基于AI能够依据用户不同的业务需求，选择最合适的切片部署一个模型;再有在业务预测方面，能够应用AI来完成依据业务需求变化的资源实时调整等等。 确实，AI技术能够应用于电信网络的多个层级，并改动加速网络运转的效率。 首先，AI在根底设备层能够为硬件设备提供AI加速器，可完成不同层级的锻炼和推理才能，例如加速中心数据中心全局性的战略或算法模型的集中锻炼及推理需求，或者在基站内嵌AI加速器以支撑设备级的AI战略及应用。 其次，AI在网络和业务控制层，能够对网络和业务完成智能网络优化、运维、管控和平安;可完成网络各层级KPI优化、网络战略优化，例如在无线的掩盖优化、容量优化、负荷优化等。 第三，AI在运维和编排层的应用，可优先在大数据平台上引入AI引擎，对OSS和BSS数据做更深度的智能化发掘。 而从场景的角度，AI技术能够在三大场景中赋予网络“聪慧”的才能。一是高效聪慧运维场景，应用AI技术针对网络停止预防性/主动性维护，改善网络质量、提升MTTR;二是个性化业务效劳场景，应用AI和大数据，给客户提供个性化效劳的剖析和倡议，例如设计个性化业务和灵敏的资费形式;三是网络平安场景，应用AI才能，在歹意流量攻击的早期就能正确辨认，关于潜在的、前期未有锻炼数据的歹意报文也能停止预警。 不难发现，AI才能有效的处理传统电信网络在运维、业务创新和网络平安等方面面临的应战，这让网络AI化成为了电信网络晋级的殊途同归。 云地协同,对网络AI化的价值和意义 当网络AI化成为了电信运营商的一种共识，AI技术与场景分离在走向落地的阶段，也遭遇到一些AI范围化应用的新问题。 很多运营商在网络AI化的理论中发现：网络AI在走向范围化工程应用的过程中存在很多应战，如模型泛化才能差、模型易老化、本地样本少等问题。 这些问题也确实存在很多共性，比方模型泛化才能差会由于本地资源受限，招致AI模型范围应用难，假如三个月不更新AI模型，应用的精度就降落到70%以下，同时局部场景单局点样本量少，又缺乏以支撑模型锻炼。 正是看到了这些共性的难题，华为提出云地协同创新计划，希望经过云地协同，来加速AI特性的范围部署。 那么，什么是云地协同? 依照官方的定义，云地协同是指：云端和地端一同协作完成数据样本上云，模型状态管理，模型重锻炼，模型/学问下发、择优更新等一系列的闭环任务，同时把云端聚集的全局网络学问经历、全量数据锻炼得到的高精度模型，持续注入地端，让电信网络可以停止智能的迭代晋级，变得越来越聪明。 简单的了解，这种形式其实就是把数据效劳和模型锻炼这些较“重”的工作放在云上去做处置，然经过将一些较“轻”的本地模型推理放在边缘设备上，一重一轻，统筹了高质量的同时做到了及时性。 或许很多人会有这样的疑问，云地协同将AI的锻炼与推理停止了拆分，这是不是自身对网络传输的请求就会更高。没错，云地协同最关键的一点就是要保证云端和地端要有快速的通道。同时，从地端到云端，信息能够从运营商上传到云端，而从云端到地端，能够下发新的模型。 在这个过程当中，地端会对模型停止监控和评价，而云端会存储超越3个月以上周期的样本生成相比本地更高质量的模型。同时，云端经过聚集和沉淀专家经历和产品学问，运用学问图谱等技术，构成“网络学问库”，这些学问又能够持续注入地端，经过云与地之间的互相印证不时优化，到达提升网络智能程度的目的。 从场景化与用户视角，处理网络AI范围复制难题 我们晓得，任何技术只要在场景中发挥价值，才是商业化胜利的根底，网络AI化如此，云地协同亦如此。 所以，针对电信网络的不同应用场景，华为云地协同在实践应用部署时也提供了不同的形式。 比方，中心网变卦在线机器值守这种模型简单，算法构造稳定的场景。华为采取了云端停止初始模型的锻炼，运转态由地端依据新增的样本停止在线学习，持续坚持模型的精度; 再比方，无线KPI异常检测这一类模型相对复杂的场景，华为则在云端停止模型的分发，然后在地端依据新增样本停止在线学习;而如IP RAN/PTN智能告警，DC PUE优化等模型复杂、需求用到华为云端高质量标注数据，学问图谱以及仿真等学问才能停止模型优化的场景，华为则应用云地实时协同，让模型能够自动化演进。 从效率的角度，云地协同能够提升模型泛化才能和锻炼效率，同时经过构建网络学问库，会提升毛病运维辅助效率。而从平安的角度，由于树立了云端仿真，所以模型及业务考证平安高效，同时也会提升模型版本管理效率，加速AI特性更新。 不难总结，云地协同能够完成一点生效，全网复制，AI的特性在一个局点胜利施行后，快速 的构成学问和经历，在其他局点停止复制，完成在全网范围应用。 客观地说，云地协同形式，是华为在网络AI化的趋向中，经过详细应用场景的需求，逆推出来的成果，其对电信网络智能化晋级的意义深远。