“云地协同”：5G时代运营商网络如何迈向“自动驾驶”？

“

网络AI应用开发完成后如何实现“一点生效、多点复制”的规模部署效果？

”

文 | 通信产业报(网) 党博文

随着计算算力的进步，算法的创新和互联网发展下的海量数据积累，人工智能技术未来十年将焕发出新的活力，成为最具有冲击力的科技发展趋势之一。

2019年4月，华为正式发布iMaster NAIE 网络AI云服务，这也是华为网络智能化战略实施的的重要里程，一年来，华为NAIE人工智能引擎在提升网络AI应用开发效率上取得了有目共睹的成绩，但在网络AI应用开发完成后如何实现“一点生效、多点复制”的规模部署效果，成为了华为NAIE人工智能引擎的下一个课题。

9月25日，在全连接大会期间的华为NAIE人工智能引擎白皮书发布会上，华为以“云地协同”为抓手，解决AI特性规模应用问题，实现跨厂商云地协同，挖掘业务价值。

AI网络：使能运营商效率革命

2020年是5G大规模部署，全面进入规模商用的起始年，这一年，受疫情与新基建的影响，社会各界进一步看到了5G与经济社会各领域融合发展的巨大潜在效益。

然而，5G并不能解决电信业运营模式的痛点，反而增加了业务与运维的复杂度(面临网络复杂性不断提升、OPEX持续增长的挑战)，并且，随着5G等新基建的不断深入，电信行业更将面临着结构性的挑战。

从收入结构来看，运营商的业务正遭遇来自IT产业的挑战，随着网络接入速率的大幅提升，导致IT产业从卖产品变成卖服务，骨干网络和IT基础设施逐渐变成云服务的形式，丧失很多传统的电信业务，同时，运营商的效率和成本也面临结构性挑战，无线、IP、光传送等资源未得到最大化利用。

电信网络作为信息通信的基础设施，具有应用人工智能技术的巨大空间和潜力，Tractica/Ovum预测指出，到2025年，全球电信业对人工智能软件、硬件和服务的投资将达380亿美元 ,成为最大的AI应用市场。其中，电信业整体AI用例软件市场将以59.8%的年复合增长率从4.19亿美元到2025 年增至112亿美元。

人工智能也给运营商带来了提升效率的机遇。但如何利用人工智能算法提供的强大分析、判断、预测等能力，赋能网元、网络和业务系统，并将其与电信网络的规划、建设、维护、运行和优化等工作内容结合起来，成为电信业关注的重要课题，从2018年开始，为实现网络自动化和智能化，电信行业组织、运营商和设备商纷纷启动技术探索。

在这之中，华为在网络架构创新与实践的道路上从未停止，基于对电信领域的深刻理解和多年经验沉淀，以及在All Intelligence 战略中的长期坚决投入，去年4月，华为正式发布了iMaster NAIE 网络AI云服务(简称 NAIE)，这也是华为网络智能化战略实施的的重要里程碑，并创新性的提出了“自动驾驶网络”(ADN)系列化解决方案，意在提升整个网络的效率，降低OPEX。

与传统网络架构不同，自动驾驶网络是电信网络自动化、智能化方案，将网络能力原子化后形成网络资源，通过集中的网络控制单元将网络资源统一调度，支撑上层业务编排器全局协同的方案，通过自动驾驶网络，实现运营商运营效率的提升，这也是运营商数字化转型的关键部分。

从基础架构来看，自动驾驶网络分为三层智能，首先是底层网元+AI。将物理网络逐步数字化，有效产生和采集更多网络数据，增强实时感知、模式或特征匹配能力，实现网元本地的AI推理应用。

其次是中间层网络+AI。各领域的网络管控单元增加AI网络模型和推理框架，将上层业务和应用意图自动翻译成网络行为，实现单域自治闭环，使网络连接或功能的 SLA 可承诺，实现在线智能。

最后是上层云端+AI，云端定位网络智能服务平台，提供能力编排与共享中心、AIOps 中心、现场服务支持中心三大能力中心。

然而，要解决电信业面临的挑战，仅仅靠产品创新远远不够，需要整个系统架构创新和商业模式创新，才能提升运营商的竞争力。

云地协同：“化繁为简”实现AI特性规模应用

近年来，全球业界各方在网络AI方面纷纷进行积极的探索和实践，经过验证在运维效率、能耗效率、网络资源利用率以及用户业务体验提升等方面确实能够带来价值，电信产业走向智能化已经成为整个行业的共识。

华为自推出iMaster NAIE 网络AI云服务后在AI领域取得的成绩有目共睹，然而，网络AI在走向规模化工程应用的过程中，仍存在模型泛化能力差、模型易老化、本地样本少等诸多挑战，对此，华为创造性的提出“云地协同”理念，实现AI特性规模应用，加速推进自动驾驶网络。

记者了解到，华为提出的“云地协同”中云端是指部署在公有云、合营云或HCS上的NAIE云端智能，可以提供一系列网络AI服务，比如数据服务、模型训练服务等;而地端，是指集成在网络管控单元的网络 AI、以及网元设备中的网元AI，他们一方面承担本地的模型推理，同时也具备有限的在线学习能力。

云地协同，则是将云端和地端一起协作完成数据样本上云，把云端汇集的全局网络知识经验、全量数据训练得到的高精度模型，持续注入地端，让电信网络能够进行智能的迭代升级，变得越来越聪明。

而根据此架构打造的云地协同也呈现出三大特征，一是云端和地端要有通道;二是地端到云端，信息可以从运营商上传到云端，包括数据样本、模型状态、以及重训练请求等信息，三是云端到地端可以下发新的模型，同时网络知识库里的知识也可以注入到地端。

众所周知，要实现网络的自动驾驶，必然是长期的过程，不可能一蹴而就，而云地协同在实际应用部署时也分为三个阶段，针对针对不同场景可以选择适合的阶段，最终大幅提高网络的资源效率。

第一阶段是云端进行初始模型的训练，运行态由地端根据新增的样本进行在线学习。这种模式主要是适用于模型相对简单，算法结构比较稳定的场景，只需要根据本地数据进行在线学习，优化调整模型参数。

第二阶段是云端进行模型的分发，然后在地端根据新增样本进行在线学习。通过云端对模型的持续优化，将优化后模型推送到地端，地端根据评估结果进行模型择优更新。这种模式适合于模型相对复杂，需要持续进行模型算法结构优化的场景。

第三阶段则是云地实时协同。在该场景下，模型可以自动化演进，将本地样本实时上传到云端，云端进行训练和优化后自动推送到地端，进行模型评估择优进行升级。这种模式主要适用于模型复杂、需要用到华为云端高质量标注数据，知识图谱以及仿真等知识能力进行模型优化的场景。

宏观来说，云地协同的模式是将复杂的智慧运维不断拆分细化，AI的特性在一个局点成功实施后，快速的形成知识和经验，在其他局点进行复制，最终实现一点生效，全网复制，加速拓展规模应用。

撬动行业智能升级：迈向智能时代

当前，大中小企业之间的合作正从以供应链为纽带的浅层次协同协作转变为端到端的深层次融合融通，而华为NAIE以“云地协同”为抓手，解决AI特性规模应用问题，在构建产业良性生态的同时，也加速实现迈向自动驾驶网络的愿景。

但需要指出的是，在网络AI模型开发中需要既懂AI知识又熟悉网络业务的人才，电信领域专家AI积累少，算法科学家不懂电信业务，而模型训练要依赖大量并且昂贵的计算资源，导致试错成本高、开发效率低。

对此，华为推出NAIE训练平台，提供一站式高效模型训练，集成业界通用的主流AI算法框架，内嵌华为在网络领域30多年的知识和经验沉淀，支持电信领域的特征处理，并内置电信领域AI典型算法，满足不同层次的人员对于模型开发的需求。

并且，NAIE面向整个电信行业提供网络AI培训服务，让用户体验从免费试用、服务体验、到购买端到端一站式服务，只要对自动驾驶网络感兴趣的开发者、工程师和科研人员，均可选择不同等级的“iMaster NAIE 培训课程”进行学习。

目前，NAIE累计商业合作伙伴、运营商、企业、高校用户总数已经超过1.76万人，在线累计训练任务接近4万个，样本累计下载量117亿，API月调用次数3.3亿次。

未来是智能化的时代，运营商网络智能化不可能一蹴而就，而是一个长期实践。毋庸置疑，华为自动驾驶网络解决方案是华为All Intelligence战略在电信领域的落地，NAIE做为智能化部件，将使能自动驾驶网络，华为也正不断通过竞赛、社区、合作的方式帮助运营商和合作伙伴汇集产业智慧获取优质AI资产，携手产业各界，共同打造网络AI商业黑土地，最终实现自动驾驶网络的愿景。

延伸阅读：

推荐阅读

编辑 / 博文