《2021电信行业人工智能应用白皮书.docx》由会员分享，可在线阅读，更多相关《2021电信行业人工智能应用白皮书.docx（46页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2021电信行业人工智能应用白皮书为加快推动人工智能技术在电信行业的应用与融合发展,在AIIA产学研融 合与应用工作组指导下,由电信项目组组织,中国信息通信研究院标准与 技术研究所,中国移动通信有限公司研究院、中国电信股份有限公司研究 院、中国联合网络通信有限公司研究院、华为技术有限公司、中兴通讯股 份有限公司、英特尔（中国）有限公司等单位共同编写了电信行业人工 智能应用白皮书2021版。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。国内外运营商、设备商和服务商等在电信网络智能化方面纷纷布 局,电信网络智能化在标准研究、技术验证与落地应用等方面均有重要推 进。随着5G网
2、络的大规模商用和网络人工智能平台的建设成熟,越来越多 的网络智能化应用与业务已经开展落地并发挥良好效果。本白皮书系统分析了目前电信网络智能化的总体发展态势与应用现状,集 中展示AI技术在移动通信网、固定通信网和网络业务服务三大类应用场景 的19个典型落地案例,包括故障根因分析、异常小区发现、基站节能、业 务内容智能推荐、网络质量智能监控与业务智能识别调优等。随着电信行 业人工智能应用加速在现网落地部署并释放价值,网络智能化基础能力将 持续增强,网络知识与人工智能技术融合适配网络智能化应用需求,新技 术范式例如联邦学习、迁移学习等技术将得到更多应用与关注。人工智能 技术将贯穿电信网络端到端全生命
3、周期的运营与演进,实现网络的泛在智 能能力,帮助运营商实现数字化转型,带动整个电信产业的智能升级。中国人工智能产业发展联盟Artifc)al lnl*Hgnc industry Alkance电信行业人工智能应用白皮书中国人工智能产业发展联盟2021年3月本白皮书是在中国人工智能产业发展联盟产学研融合与应用 作组指导下,由电信项目组组织,中国信息通信研究院标准与技术 研究所牵头,中国移动通信有限公司研究院、中国电信股份有限公 司研究院、中国联合网络通信有限公司研究院、华为技术有限公司、 中兴通讯股份有限公司、英特尔（中国）有限公司等联合参与起草. 限于编写时间、起草人员知识积累与人工智能电信行
4、业应用发展尚 未完全定型等方面的因素,内容恐有疏漏,烦请不吝指正.主要起草人:中国信息通信研究院:程强、刘姿杉、吕博;中国移动通信有限公司研究院:张欢、吴博、王靜、宋晓佳、 李爱华:中国电信股份有限公司研究院:王峰、赵龙刚、钱兵、曾宇、 白燕南;中国联合网络通信有限公司研究院：韩赛、胡雅坤、张冬月、 师严、赵良:华为技术有限公司：后希旭;中兴通讯股份有限公司：袁丽雅:英特尔（中国）有限公司:王海宁.刖5利用人工智能提供的强大分析、预测与策略优化等能力来赋能 网元、网络和业务系统,实现电信网络的智能规建、智能运维、智 能优化管控与业务能力提升,已经成为当前国内外电信行业的发展 重点国内外运营商、
5、设备商和服务商等在电信网络智能化方面纷 纷布局,电信网络智能化在标准研究、技术验证与落地应用等方面 均有重要推进。2020年,伴随着5G网络的大规模商用和网络人工智能平台的窪 设成熟,越来越多的网络智能化应用与业务得以落地并发挥良好效 果.人工智能作为电信网络的重要使能技术巳经成为行业共识,网 络内生智能将带动新一代信息基础设施的发展演进,促进网络、计 算、数据与影响的融合与协同,为ICT和各个垂直行业带来全面智 能能力的支撑与推动.本白皮书系统分析目前电信网络智能化的总体发展态势与应用 现状,集中展示AI技术在移动网、固定网络和业务服务应用场景的 落地案例,包括故障根因分析、异常小区发现、基
6、站节能. 业务内 容智能推荐、网络质量智能监控与业务智能识别调优等.随着电信 行业人工智能应用不断在现网落地部署并释放价值,AI将贯穿电信 网络端到端全生命周期的运营与演进，实现网络的泛在智能能力, 帮助运营商实现数字化转型,带动整个电信产业的智能升级.目录-电信行业人工智能应用总体发展态势1-（一） 电信网络智能化成新一代信息基础设施发展重点之-1-（二） 电信行业加大人工智能的研究投入与应用部署-2-（三） 电信网络智能化标准化工作得到枳极开展与推进-5-二、 人工智能在电信行业中的发展应用现状-10 -（一） 人工智能在电信行业应用概述10-（二） 人工智能在电信网络与业务中的应用现状分
7、析-12-（三） 当前网络智能化能力等级巳达2-3级J-15-三、 人工智能在电信行业中的应用实践 - 18 -（一） 移动网应用实践案例 18-案例一:物联网端到端质是识别与定位定段-18-案例二:智能基站节能”-19-案例三：无线网络异常小区发现-20-案例四:Massive MIMO天线权值自适应-21 -案例五：VoLTE语音质量智能评估-22-（二） 固定网应用实践案例-24-案例:面向IPTV业务的接入网设备告警定位与故障預测-24-案例二:IPRAN故障分析定位-25-案例三：光传送网故障根因分析-26-案例四:光传送网智能传输质量管理-27-IV案例五:光网络健康度分析及预測-
8、28-案例六:无源光网络（PON）链路弱光问题根因分析-29-案例七:寛带家庭业务识别调优-30-案例:家宽网络质量智能监测-31-案例九:基于学件工具的金融数据中心网络智能运维31（三） 业务服务实践应用案例-32-案例:网络满意度智能提升 -32-案例二:家寛视族内容智能推荐.34-案例三:智能语音交互 -35-案例四:内容分发网络（CDN）智能调度36-案例五:数据中心智能节能 -37-四、 电信网人工智能应用未来发展与展望-38 -（-） 网络智能化基础能力持续増强.38 -（二） 知识与AI融合来更好适配网络智能化应用需求-39-（三） 人工智能技术新范式用于解决网络智能化应用痛点-
9、39-（四） 新技术浪潮下人工智能、云计算与未来网络融合发展-40-缩略语42-、电信行业人工智能应用总体发展态势（一） 电信网络智能化成新一代信息基础设施发展重点之一构建智能化社会适应万物互联的新一代信息基础设施,保障信息 基础设施的安全,对于促进信息技术与实体经济融合、拓展数字经 济空间具有重要意义。目前,全球已经掀起了人工智能应用的浪潮. 将人工智能技术引入到新一代通信基础设施,可以为网络、计算、 应用等信息基础设施提供基于数据的感知、预测和管控能力,促进 网络、计算、应用等基础设施的融合与协同。人工智能在越来越多 的复杂场景下可以做出比人类更优的决策,无疑让网络智能化建设 开拓了新的视
10、野,给网络的发展带来了前所未有的新机遇,也为电 信网络重构转型过程中遇到的众多困难和挑战提供了高效的加速解 决路径.人工智能技术可以应用于电信网络实现智能部署,例如智能网络 参数配置和智能资源配置:智能运维，例如故障归因分析和网络异 常检测;智能优化,包括SLA稳定保障和智能设备节能等:智能管 理,例如智能网络切片和智能负载均衡等。据Tractica/Ovum预测, 到2025年,电信业整体AI用例软件市场将以48. 8%的年复合增长率 增至3亿美元。目前国内外的标准化组织、运营商和服务商在积 极探索电信网络智能化的需求、架构、算法和应用场景，人工智能 在网络中的应用正逐步由概念验证进入落地阶
11、段。（二） 电信行业加大人工智能的研究投入与应用部署1 .国内外运营商在网络规建维优等方面积极引入人工智能技术从2017年起,全球运营商开始探索在网络规建维优等全生命 周期引入人工智能和大数据技术,来辅助5G时代的网络运维。国内 三大运营商都已在人工智能领域布局,在智能客服、智慧城市、智 慧医疗、智能交通、智能网络运维、智能5G网络等多方面展开工作. 中国移动在标准化、基础平台和应用实践等方面均有所推进标准 化方面,先后在8个标准化和行业组织积极推动网络智能化水平分级 框架和评估方法标准化工作;平台方面,发布了人工智能基础平台 “九天平台”,全线衿化系列AI能力和应用服务能力;应用方面多 个典
12、型案例包括智能客服、网络故障端到端智能运维和业务质量智 能感知等均已在网络运营中得到部署,并取得显著成效。中国联通于 2019年6月发布中国联通网络人工智能应用白皮书,推出网络 智能化发展引撃智立方CubeAI平台,构建网络AI共赢生态和开放 合作体系,并与华为、百度、科大讯飞、烽火等公司均有AI项目合 作.中国联通目前已经落地部署的应用包括基于AI的核心网KPI异 常检测、IP RAN的智能事件管理、站式智能排障、基于A1的无 线网络自排障、基于AI的无线多载波呑吐量参数优化、基于AI的 弱PON信号检测等.中国电信牵头产业界共同编制发布了网络人 工智能应用白皮书,并基于自身在数据、算法、通
13、用算和渠道方 面的优势,从面向客户与网络运营两大切入领域发展人工智能,目前 已在移动基站节能和运维智能化等方面落地部署了人工智能应用。与此同时,国外电信运营商也在积极推进A1应用,美国AT&T、韩 国SK电讯、日本NTT Doeomo等已经将AI技术上升到公司战略高度. 并通过多种方式介入人工智能领域.AT&T提出了 Network 3. 0 Indigo下一代网络转型计划.将AI技术应用在网络故障预警.移动 网络现状分析上.将运营商内部大量常规操作流程转向过程自动化. AT&T与Tech Mahindra合作开发了 A!开源平台Acumos,并计划通 过Acumos来建设智能化网络.日本NT
14、TDoeomo于2020年1月发布 了白皮书:5G Evolution and 6G,提出将利用AI技术实现移动网络 的泛在智能.2019年5月,Orange联合华为共同完成了基于AI的 光网智能运维测试,并联合智能边缘物联网软件提供商Octonion推 出了专门为LTE-M网络设计的物联网设备.来实现边缘人工智能与 网络安全.除此之外,西班牙电信、從国电信、沃达丰等运营商都提 出了网络智能转型计划,在网络运维、优化、业务服务等领域引入AI 技术.2 .国内外设备商积极推动网络AI应用与垂直业务殿务国内外设备商与服务商在电信网络智能化发展上大力投入,并积 极展开与运营商的合作.提出网络智能化的
15、应用方案与垂直业务服 务.在国内,华为在2019年推出NAIE人工智能电信网络开源平台, 提供了多项网络智能案例,并先后发布多项与网络智能化和自动驾 驶网络相关的白皮书，包括华为面向自动驾驶移动网络的关键场 景白皮书、华为网络人工智能引撃(iMaster NAIE)白皮书、自动驾驶网络解决方案白皮书等。2020年,华为面向全球上市自动 驾驶网络解决方案iMaster智能运维系列产品,包括网络人工智能单 元、跨域智能运维单元等。中兴通讯提出通过云化网络引入数据感 知、智能分析、意愿洞察三大AI能力,构窪端到端的智能化网络. 并于2018年2月发布人工智能助力网络智能化一中兴通讯人工智 能白皮书、
16、2018年10月发布中兴通讯5G网络智能化白皮书。 大唐移动积极推动智能化网络运维和多网融合,深入推进垂直服务 和通用服务,包括智能网联汽车、智能无人书店、智能安防、智能制 造、智慧电等。在国外,爱立信提出多项AI网络应用案例,并与 多家运营商和服务商展开合作,例如与日本NTTDocomo签署了业界 最大的AI网络优化项目合同,为箕提供基于AI的无线接入网优化: 为日本软银提供基于AI技术的无线接入网设计;支持印度最大运营 商Bharti Airtel构建智能和预测性网络运营:与沃达丰合作将AI 用于智能小区切换;与中国联通合作共建移动网络人工智能应用联 合实脸室等。美国高通推出了在智能手机、
17、汽车等终端侧上应用AI 更快速高效的AI引撃,通过将AI和5G结合,利用5G的高容量、低 时延和高可靠性的特性来支持终端实现感知、推理和行动。思科在 2019年6月发布了一系列软件增强功能,旨在将人工智能和机器学 习更深地融入网络,并提出了基于AI、数据中心和云在内的基于意图 的网络(Intent Based Network, 1BN)等。(三)电信网络智能化标准化工作得到积极开展与推进从2017年起,国际国内的标准组织和产业联盟陆续成立了一系 列网络与AI技术融合相关的工作组和标准项目,除了中国人工智能 产业发展联盟(AIIA)的电信项目组,还包括欧洲电信标准协会(ETSI) 体验网络智能工
18、作组(END、国际电信联盟电信(ITU-T) ML5G焦点组. ITL-T自治网络(Autonomous Networks, AN)焦点组、国际电信论 坛(TMF)的自治网络工作组，以及中国通信标准化协会(CCSA)各技 术委员会、IMT-2020 (5G)推进组的5G与AI融合项目组、全球移 动通信系统协会(GSMA)的网络人工智能(Al in Network)特别 作组:第三代合作伙伴计划(3GPP)的“5G网络自动化的推动因素 研究(eNA)”、“自治网络分级(ANL) ”等项目、TD-LTE全球发展倡 议组织(GTI)的5G网络智能化项目等.各个组织的研究从点到面, 从单域到跨域,结合
19、概念验证项目和试点实践,逐步形成人工智能 在电信网络及业务应用等方面的共识.1. ETSIETSI十分重视AI技术在ICT领域的应用,于2020年6月发布“AI 及其用于ETSI的未来方向”白皮书.ETSI于2017年2月正式成立 了体验网络智能工作组(Experiential Networked Intelligence, ENI),致力于研究如何在电信网络中引入人工智能技术辅助实现智 能化网络运维.经过近4年的工作,ENI陆续发布了多个版本系列规 范和报告,包括ENI用例、需求、术语、架构、智能分级等,在研和即将发布的还包括网络A1智能分级评估方法、基于意图感知的网 络自治.架构映射、数据
20、处理机制、随流检测技术等.与此同时, 基于第一版ENI架构,ENI启动了 13项面向智能切片、流量分类、 智能缓存、网络和数据中心节能、承载网优化、mMIMO优化等特定用 例的概念验证项目,初步验证了将AI用于网络运维的可行性及参考 方案ETS!于2017年成立零接触网络和服务管理行业规范组（Industry Specification Group-Zero Touch Network and Service Management, ISG ZSM）. ZSM工作组偏重无线和核心网,其标准化 目标是端到端网络及服务进行自动化管理（如交付、部署、配置、 维护和优化），在理想情况下实现100%自动
21、执行从交付到部署业务的 流程和任务,但其所提出的架构并没有强调AI能力.目前该小组的 输出成果包括ZSM的应用案例、需求、端到端切片技术和闭环控制 实现等.2. ITU-TITL-T FG-L5G （面向5G等未来网络的机器学习焦点组）于2017 年11月成立,主要目标是研究输出未来网络中应用机器学习技术的 技术报告，包括网络架构,接,协议,算法和数据格式.在FG-ML5G 完成了 2年的研究后，成果输入到其所属研究组ITU-TSG13进步 定义了 Y.317x系列标准建议,规定了如何在网络中应用机器学习技 术,ITU-T ML5G焦点组的相关工作已于2020年7月完结并关闭.2020 年,I
22、TU与AIIA共同主办人工智能大赛暨ITUAI/ML in5G挑战赛, 来创新和解决5G中的相关问题,包括网络拓扑优化、基站退服告警 预测、移动通信网基站小区节能预测、核心网KPI指标异常检测等。ITU-T FG-AN （面向自治网络的焦点组）于2020年12月SG13 全会审议通过成立,主要目标是提供个开放平台来执行与“自治 网络”相关的标准研制的前期活动,输出研究报告等.该焦点组的 启动会议已于2021年2月召开。3. TMFTMF是最早认识到自治网络在数字转换业务方面的强大价值的组 织之一。2019年TMF开展“自治网络项目”,并先后发布了自治网 络系列白皮书,阐述了 TMF对自治网络用
23、例、愿景与路线图业务 需求和技术架构等方面的研究内容。针对其中一些用例,TMF成立了 催化剂项目Catalysts,分阶段证明了这些用例的可行性。同时,TMF 还面向自治网络开发了开放API,并正在与ETSI等其他标准组织合 作,研讨如何进步根据ETSI相关标准规范实现API开发和使用。4. CCSACCSA下设的多个技术委员会和标准推进组都陆续开展了网络应 用人工智能的行业标准和研究项目。CCSA TC!主要研究面向互联网 基础设施和应用的智能化分级、IPRAN网络故障溯源以及行业应用等。 CCSA TC3主要研究制定核心网智能化切片应用、基于人工智能的网 络业务量预测及应用场景研究、面向S
24、DN的智能型通信网络架构的 意图网络等方面标准。CCSATC5目前主要关注5G核心网智能切片的 应用研究、5G基站智慧节能技术研究、人工智能和大数据在无线通 信中的应用研究等。CCSA TC7目前主要关注网络管理与维护、电信 运营支撑系统相关领域,其中TC7 WG1正在开展“移动通信网络管 理与运营智慧化水平等级技术要求”等相关标准项目和无线网络管 控智能化增强研究项目。CCSA SP1 NFV特设标准项目组研究制定了 NFV智能化部署和智能编排相关的标准。5. nrr-2020 (so 推进组我国1MT-2020 (5G)推进组于2020年初成立了 5G与AI融合研 究任务组,目标是通过系统
25、性研究推进5G与AI融合发展。任务组 组织面向5G与AI深度融合的相关理论和需求方向进行研究,协调 推进3Gpp等国际标准化工作,加速5G引入A1技术,加大5G支持 AI的度,支撑5G网络与应用发展更加智能、高效和协同。目前, 任务组巳开展了支持AI的无线及核心网架构、基于AI的MIM0技术、 基于AI的覆盖和容量优化、基于AI的移动性管理、AI应用在5G 网络中传输的业务特性和需求等10余项面向5G端到蜡网络的5G+AI 研究项目。6. 3GPP3Gpp非常重视网络发展与人工智能技术的融合。3GPP SA WG2 作组在2017年5月第121次会上完成5G网络智能化的研究项目“5G 网络自动
26、化的推动因素研究(Study of Enablers for Network Automation for 5G . eNA)的正式立项。该项目将网络数据分析 功能(Network Data Analytics Function, NWDAF)引入 5G 网络， 通过对网络数据的收集和分析,生成分析结果,然后利用分析结果进行网络优化,包括定制化的移动性管理.5G服务质量(Quality of Service, QoS)增强、动态流量疏导和分流、用户平面功能(UPF) 选择、基于UE业务用途的流量策略路由、业务分类等。3GPP SA WG5在2018年9月的第81次会上通过了 “意图驱动的 移动
27、网络管理服务(IDMS_M) n ,在该项目的输出TR 28.812中明 确了意图驱动的网络管理服务的概念、自动化机制、应用场景以及 描述意图的机制等。在2020年6月召开的第131e次会议上,3GPPSA WG5 成立“自治网络分级(Autonomous Network Levels. AND ”标 准项目,旨在3Gpp框架内，基于网络“规建维优”四大类典型 场景,规范自治网络的工作流程、管理要求和分级方法,明确不同 网络自治能力标准对3Gpp现有功能特性的增强技术要求,牵引网络 智能化相关标准工作。7. GSMAGSMA于2019年6月成立AI in Network特别工作组,并于2019
28、 年10月发布智能自治网络案例报告白皮书。白皮书汇集了人工 智能在移动通信网络应用中的七大标杆案例,包括网络站点部署自 动化、Massive MIMO参数智能优化、智能报警压缩及原因分析、智 能网络切片管理、智能节能、垃圾短信智能分析与优化、智能投诉 处理。除此之外，GSMA还积极举办全球AI竞赛,吸引更多研究者与 运营商、设备商投入到网络A1的研究与实践中。8. GTIGTI于2020年初发起成立了 5G网络智能化项目,下设1NL (智能化网络分级）* INA （智能化网络架构）、INE （智能化网元）、IM（智能化网管）共4个任务组,并于11月发布了5G智能化网络白皮书vl.O）,内容包括
29、5G网络智能化的标准现状、典型应用案例、 分级评估、网络架构、网元和网管功能要求等。后续,GTI将继续积 极探索、研究,面向应用功能落地和产业推进开展相关工作.二、人工智能在电信行业中的发展应用现状（-）人工智能在电信行业应用概述WMMWWn -CDNWMM W*MWmMMK 盥雲翳 MWt故a斫定位入曲，KPtJt.挎即J角度分析双网 .，。M回! .于用户愎一覇星箭I. .1 . |.站点mwa祝务快逢开週一光传送同初化mi移动网固定网图1:电信行业人工智能应用概述人工智能在电信行业有潜赋能移动网络和固定网络的规建维优的各个环节、在接入网、传输网和核心网等各个层级得到应用.同时,在满足用户
30、业务需求方面,人工智能技术促使电信行业不断 优化当前的服务效果和性能,并在垂直领域打造智能化解决方案. 根据人工智能在电信网络中应用的能力维度,将其分为智能配置、 智能运维、智能管控、智能优化和业务应用等,如图1所示.-智能配置:随着电信网络越来越复杂,网络的设计与配置过 程需要大量的人工成本和专家经验,利用人工智能技术结合 网络历史数据、将专家经验数字知识化,通过对网络性能进 行预测和自动化操作配置，有望实现移动站点智能规划、基 站业务快速开通、智能路径规划和光传送网自动化部署等应-智能运维:作为目前人工智能应用于电信行业后落地实践最 大的应用类型之一,利用人工智能技术为网络提供运维故障 根
31、因定位、网络健康度分析及预测、网络自愈合等能力,实 现物联网端到端质差识别与定位、无线网络异常小区发现、 IPRAN故障分析定位等应用,可以有效减轻运维人员负荷、提 升运维故障处理效率,不断促使网络运营和运维模式发生根 本性变革.智能管控:利用人工智能技术基于网络历史数据对网络进行 预测,动态且自适应地的对网络进行资源管理和参数调整, 可以实现的典型应用场景包括智能频谱管理、智能切片管理、 智能负载均衡、智能缓存管理、智能路由、自适应传输功率 控制与传输质量管理等。智能优化：在现有电信网络中,为了保障网络的全覆盖及网 络资源的合理分配,运营商在网络优化工作中投入了大量的 人力物力。在网络日趋复
32、杂和业务多样化的趋势下,基于人 工智能技术可以实现网络的主动优化和全局优化,主要应用 包括于移动性管理増强、智能基站节能、无线网策略参数智 能优化、智能路径优化等.业务应用:依托于人工智能的语音识别、自然语言处理、人 脸识别、知识工程等技术,在业务服务与内容提供方面,可 以在电信行业实现CDN智能调度、网络满足度智能提升、智 能内容推荐、智能客服与语音交互等应用。（二）人工智能在电信网络与业务中的应用现状分析1 .大“时何”、“数据”颗粒度应用率先落地商用从电信网络智能化应用展开所需时间颗粒度和对应数据颗粒度. 可将应用分为以下三大类。第一类主要面向小时/天/月为时间单位 的管理面优化,一般所
33、需的数据为整网运维和性能数据。此类应用 主要面向网络的“规-建维优”，具体包含如智能基站节能、无线 网络异常小区发现、网络故障定位与根因分析、KPI异常检测等。第 二类相比于第一类所需的数据颗粒度和时间颗粒度更细,一般是秒 级到分钟级别的智能决策,主要是面向解决子网级别和用户级别的 控制面优化问题,包含的典型应用场景为智能负载均衡、移动性管 理增强、智能路由管理、QoS/QoE优化等。第三类应用与业务更加实 时,一般为秒以下甚至毫秒级别,所需的数据为网元/用户的实时数 据,可以用来实现实时的链路自适应、智能MIMO控制、频谱感知与 多用户调度等。在这3类应用场景中,第一类目前由于数据主要基于现
34、有网络运 维（0域）、管理域（M域）及业务域（B域）数据,行业内已出现较成熟 的数据共享平台,且最后智能决策运行环境一般依托于集中的数据 分析或网络运营维护平台,此类应用对传统网络通信设备的影响较 少,目前的研究相对成熟,部分网络智能化应用已经进入商业应用阶 段,且已经在现网中提供服务:第二类应用和第三类应用由于受限于 数据的时间颗粒度更细,数据获取难度大且AI智能决策实体与网络 设备耦合度较高，无线控制对实时性、准确度和鲁棒性的要求也更高, 目前第二类应用主要处于测试验证阶段,有部分应用已经在进行实 验室及现网的试点测试；第三类应用则多处于理论研究阶段,距离现 网试点和商用还有一段距离。2
35、.感知预测类应用率先落地,决策控制类应用尚待突破目前电信网络智能化逐步落地的应用集中在感知预测类,通过数 据中心对网络数据进行收集和分析,输出结果为运维人员提供网络 运维和管理参考.典型的落地应用包括KPI异常检测、故障预测、 故障根因分析与定位、光网络健康度分析及预测、家宽业务识别与 内容智能推荐等.AI算法输出结果一般为人所用,不直接影响网络 执行、网元功能和网络控制面,而网络内生自治化能力较弱.决策 控制类目前典型的落地应用主要集中在网络的B域与域,包括DC 智能巡检、业务智能热迁移与设备节能等,而直接影响网络运营的 应用尚处于试点或研究节点,例如智能基站节能、智能M-M1M0、智 能负
36、载均衡、大规模天线智能控制等.在这类应用中,AI智能决策 实体需要与网络设备进行耦合,AI决策与控制结果对实时性、准确 度.鲁棒性要求较髙,网络内生自治化能力提升,但网络架构也需 要一定的演进与变革.3 .网络运维嵌入AI技术,展现良好运维效果当前的电信网络2G、3G. 4G. 5G共存形成“四世同堂”的叠加 网,其差异化的业务保障需求,对运维工具.运维流程.运维能力 提出新要求,对传统运维模式提出挑战于此同时,电信业OPEX隨 着网络规模増加而逐年增加的产业结构化矛盾歪待解决.网络AI特 性开发业务活动中,对很多运维场景有共性需求,比如异常检测. 故障定位、故障预防预测等。以KPI异常检测为
37、例,运营商网络中 存在海量KPI,例如路由器有70000+KPI,其中丢包和统计类有 4000+KPI,运营商和企业客户对于KPI实时监控,快速定位故障有 共性需求。利用A!技术,有望打通网络运维过程中从故障预警、告 警聚合与根因分析、故障定位与自愈等全栈流程,从而减轻运维人 成本,提髙网络运维效率。目前国内各大运营商的网络运维中台已经嵌入AI技术,通过提 供运维故障根因定位、精准诊断、自动愈合等能力,减轻运维人员 负荷、提升运维故障处理效率,不断促使网络运营和运维模式发生 根本性变革。目前,智能运维方面已经出现的应用落地示范包括:-智能排障:故障自动识别、快速根因分析、故障自动修复:-智能预
38、警:网络故障预测、物联网端到端质差识别与定位定段、智能异常预警:-智能巡检:网络巡检智能、机房巡检智能化、值班巡检智能 化;-智能监测:运维知识图谱、智能小区监测、运维数据可视化.（三）当前网络智能化能力等级巳达2-3级ITL 3GPP. ETSI. GSMA. TM Forum, GTI与CCSA等联盟与标准化 组织此前均已展开对电信网络智能化能力分级相关的研究工作。结合 电信网络智能化需求及特点、可以从网络智能化的通用实现过程中抽 象出具备广泛适用性的智能化能力分级的6个等级来进行评估,如表1 所示表1:电信网络智能化能力分级评估方法載/名眷关朴征分載许佑度执行局如分析决策求映射危化 ,景
39、L0人工运 同络全人工操作人工人工人工人工人工无L1助运 同络工具精助数据采集人工分析决策系统 为主人工 和系 统人工人工人工部分场 景L2初鈑他 化司婚部分场景菱于龄 态第骑自动分析人工决策系统系统 为主人工和 系统人工人工部分场L3申领,他 化网络特定场景实现动 态策略自动分析 預先设计场景系 统辅助人工决策条统系統系统为 主人工 和糸 统人工部分场 景U斎敍华 化网络系统实现动态策略完整闭环 預先设计场景系 统自动完成需求系统系统系统系统 为主人工 国系 统部分场 景叙/名鲁关健总征分敍评估度执行烏如分析决策求映射能化 小景映射L5完全能 化网络全部场景系统完成全部闭环 系统自动完成需求
40、映射系統系统系统系統系统全场景各注说,所有等级的决策执行都支持人工介入执行过程,人 审核结论及执行指令具有最髙权隈:- L0级别:从需求映射、数据感知、分析、决策到执行的网络 运营全流程均通过人工操作方式完成,没有任何场景实现智 能化.- LI级别:执行过程基本由系统自动完成,少数场景需要人工 参与;在预先设计的部分场景下依据人工定义的规则由工具 辅助自动完成数据收集和监测过程:分析、决策和需求映射 全部由人工完成;整体来看仅在少数场景通过工具实现辅助 数据感知和执行流程的智能化,不支持完整流程的智能化闭 环- L2级别：执行过程全部由系统自动完成;大部分场景下系统 依据人工定义的规则自动收集
41、和监测数据;在預先设计的部 分场景下系统根据静态策略/模型完成自动分析过程；人工 完成其他过程。整体来看部分场景下可实现从数据感知、分 析和执行的智能化,决策和需求映射任依赖人工,不支持完 整流程的智能化闭环。- L3级别:执行和数据感知过程全部由系统自动完成,其中部 分场景下系统自定义数据收集规则;大部分场景下系统自动 完成分析过程,其中特定场景下分析策略/模型由系统自动 迭代更新，形成动态策略;在预先设计的场景下系统可辅助 人工自动完成决策过程;人工完成其他过程.整体来看部分 场景下除了需求映射任依赖人工外，其他流程可实现智能化, 系统在人工辅助下接近形成完整流程的智能化闭环。- L4级别
42、:执行、数据感知和分析过程全部由系统自动完成, 其中收集规则由系统自定义,分析策略/模型由系统自动迭 代更新,形成动态策略；大部分场景下系统自动完成决策过 程;在预先设计的部分场景下系统可自动完成需求映射。整 体来看部分场景下,系统已形成完整流程的智能化闭环,部 分场景仅需要人工参与需求映射并辅助决策.- L5级别;在全部场景下,由系统完成需求映射、数据感知、 分析、决策和执行的完整流程的智能化闭环,实现全场景完 全智能化.基于网络智能化能力分级的原则,根据前几节对于人工智能在电 信网络中的发展态势的分析,目前电信网络智能化应用能够达到能 力等级的2-3级.以智能网络运维应用为例,目前电信网络
43、系统已 经能够基于专家经验总结生成的分析规则来辅助人工进行告警根因 分析,生成关联规则并基于专家经验给出故障处理方案建议；基于 系统生成的关联规则和故障处理方案建议,人工决策判断告警根因 和故障处理方案,下发网络配置操作指令或派发故障处理工单（2 级）,而对于特定的告警和故障类型,智能运维系统可以自动决策判 断告警根因和故障处理方案,并根据网络拓扑和其他环境变化来自 动更新对应规则（3级）经过以上分析总结,当前电信网络智能化 应用已达到2-3级智能能力等级,网络的闭环执行与内生智能将成 为未来的发展与演进重点。三、人工智能在电信行业中的应用实践（-） 移动网应用实践案例案例:物联网端到端质差识
44、别与定位定段随着物联网技术的发展,目前物联网的业务类型与业务量与日俱 增,物联网业务呈现流程繁、规模大、环节多的特点,故障发现与 定位困难的问题日益显著，量需在对物联网客户端到端的业务质量 进行更有效的质量监控及故障定界定段。然而不同厂商的质差评价 标准存在相似性但也存在差异性,现阶段需要对不同厂商不同型号 终端建立质差识别模块,费时费。物联网业务涉及设备终端、物联网平台、无线小区网、地市本地 网、省核心网等多个环节，采用人工智能技术、利用和关联各环节 业务数据,可以提供业务故障的快速诊断、定界定段能力,整体提 升物联网业务质量。同时,通过搭建基于大数据的质差量化感知指 标体系,基于现有的物联
45、网质差评价方法,结合离线大数据分析手 段建立量化的质差感知指标体系,可以实现日常业务故障排查、潜 在隐患预警。而不同企业的质差评价标准存在差异性但也存在相似 性或者相关性,因此可以基于关键指标分布与迁移学习,窪立企业 特征库,支撑终端升级、变更等业务场景.在中国电信的物联网业务保障项目中,基于大数据聚合分析手段, 通过建立分厂家的企业特征指纹库,结合终端历史行为构造单用户 行为画像,利用“标准值+偏移量”的方法搭建动态的质差感知体系, 适配多种复杂情况,目前已经完成多场景多厂家的终端质差识别, 上线推广应用可得到较高的准确率.案例二:智能基站节能传统网络能耗居高不下、能耗不均衡造成浪费,随着5
46、G的到来, 5G基站耗能更大,如何制定基站节能策略、定制自动化节能方案、 提高能源效率已经成为构建全网网盖的基站智.慧节能核心能力.结合B （业务）-0 （运营）域关联、测量报告覆盖分析来,利用 时序预测等AI技术,能够更精准的预测基站业务量,结合客户感知 分析，制定节能策略.在5G基站方面,对5G基站和数据中心服务 器进行适时的休眠和唤醒操作,实现动态节能.通过构建基站节能 分析引撃、节能智慧决策引撃及相关模型算法完成从4G节能分析建 议手动执行到4G节能分级策略半自动实施再到4/5G协同的自动节 能.利用时序预测等AI技术,结合客户感知分析,能够更精准的预 测基站业务量,制定节能策略。在5
47、G基站方面,对5G基站和数据 中心服务器进行适时的休眠和唤醒操作,实现动杰节能通过构建 基站节能分析引擎、节能智慧决策引撃及相关模型算法完成从4G节 能分析建议手动执行到4G节能分级策略半自动实施再到4G/5G协同 的自动节能。现网当前已经出现利用机器学习.时间序列预测等人 工智能模型构建基站节能分析引撃,实现多种节能场景分析、节能 时段寻底.多维场景识别、多层覆盖分析、时空智能预测、B （业务） 0（运营）关联分析;利用深度学习、自动机器学习等人工智能模 型构珑的节能智能决策引撃,来实现智能分级决策、参数自动寻优、 业务感知分析、智能刹车/唤醒。通过构建基站节能分析引撃和节能 智慧决策引撃,中国电信已经构建4G基站智無节能系统,并完成节 能系统迭代优化,操作维护中心（0MC）节能打通,省级自动节能策 略试点优化,支持二阶段的半自动节能;初步建立集团一省基站节能 体系和闭环流程,对3个以上省提供节能分析推荐建议,实现4G自 动节能策略试点,场景节能策略日综合节能效率提升显著。案例三:无线网络异常小区发现对于无线网络异常小区发现,传统技术方法是通过省地市业务专 家人工排查核对,发现