5月7日消息（九九）“人工智能是個筐，什么都能往里裝。”當(dāng)前，依賴于一張靈活的通信網(wǎng)絡(luò)，人工智能應(yīng)用已全面融入人們的生活。那么，如果將人工智能融入于通信網(wǎng)絡(luò)之中，又能擦出什么樣的火花呢？

在今日舉行的“當(dāng)AI遇到光：智能光網(wǎng)絡(luò)線上研討會”上，中國移動研究院項(xiàng)目經(jīng)理韓柳燕表示，AI技術(shù)在傳送網(wǎng)有豐富的應(yīng)用場景，可助力傳送網(wǎng)實(shí)現(xiàn)智能化轉(zhuǎn)型，構(gòu)建“檢查-診斷-治療”的閉環(huán)網(wǎng)絡(luò)健康保障方案，打造高品質(zhì)健康自愈智能型網(wǎng)絡(luò)。

韓柳燕介紹，AI用于模擬、延伸和擴(kuò)展人的智能，主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作，其三大關(guān)鍵要素是算力、數(shù)據(jù)和模型?，F(xiàn)有傳送網(wǎng)控制器及設(shè)備已具備引入AI算力、數(shù)據(jù)搜集和搭建模型的能力，但AI應(yīng)用于現(xiàn)網(wǎng)影響重大，實(shí)際應(yīng)用前應(yīng)經(jīng)過長期的驗(yàn)證，分階段推進(jìn)。

AI技術(shù)在傳送網(wǎng)管控層應(yīng)用

“在傳送網(wǎng)管控層引入AI主要傾向于實(shí)現(xiàn)網(wǎng)絡(luò)端到端規(guī)劃建設(shè)和運(yùn)維管理的智能化，避免過于依賴人工分析和處理，耗時耗力。”韓柳燕指出，在規(guī)劃建設(shè)階段引入AI，可以在業(yè)務(wù)部署、軟調(diào)測試和配置巡檢等環(huán)節(jié)發(fā)揮積極作用；在運(yùn)維管理過程中引入AI，可以將故障定界轉(zhuǎn)化為故障預(yù)判，以及進(jìn)行根因分析。

管控層應(yīng)用場景之一是智能規(guī)劃。傳送網(wǎng)網(wǎng)絡(luò)節(jié)點(diǎn)多，在業(yè)務(wù)規(guī)劃階段配置工作量巨大。例如中國移動擁有超200萬端PTN設(shè)備、超20萬端SPN設(shè)備以及超50萬端OTN設(shè)備，這些設(shè)備在上網(wǎng)運(yùn)行前都必須進(jìn)行各個層面的配置，包括業(yè)務(wù)隧道標(biāo)簽規(guī)劃、全網(wǎng)業(yè)務(wù)和設(shè)備IP地址規(guī)劃、業(yè)務(wù)端到端主備路徑規(guī)劃等。引入AI可以采集現(xiàn)網(wǎng)部署規(guī)劃的大數(shù)據(jù)，依據(jù)AI算法訓(xùn)練各參數(shù)的規(guī)劃特征模型，輸入業(yè)務(wù)部署需求，通過參數(shù)模型做智能規(guī)劃建議。

管控層應(yīng)用場景之二是異常配置自識別。面對海量的設(shè)備和配置，人工操作難免出現(xiàn)錯誤，且部分異常配置僅在特定場景下才可能暴露出來，很難排查。引入AI可以獲取全網(wǎng)配置，智能學(xué)習(xí)設(shè)備角色，生成不同角色的全網(wǎng)配置模板，從而進(jìn)行配置異常自識別，將排障周期從數(shù)周數(shù)月降低至數(shù)天。

管控層應(yīng)用場景之三是網(wǎng)絡(luò)隱患預(yù)測。因?yàn)楦兄侄斡邢蓿W(wǎng)絡(luò)運(yùn)維依賴于告警，但部分故障偶發(fā)或需要一定的觸發(fā)條件，可能無告警，導(dǎo)致隱患無法及時發(fā)現(xiàn)。通過引入AI，可以搜集現(xiàn)網(wǎng)健康狀態(tài)下的數(shù)據(jù)，訓(xùn)練構(gòu)建模型，形成各參數(shù)的全網(wǎng)模板，通過比對模板，發(fā)現(xiàn)鏈路等性能的劣化（未達(dá)閾值），在觸發(fā)告警之前預(yù)測出網(wǎng)絡(luò)隱患。問題處理從被動處理的小時級變?yōu)橹鲃犹幚淼姆昼娂墶?/p>

管控層應(yīng)用場景之四是網(wǎng)絡(luò)資源預(yù)測。面對龐大的網(wǎng)絡(luò)，依靠人工核查全網(wǎng)端到端帶寬使用率等資源工作量大、周期長，無法及時暴露資源不足的問題，導(dǎo)致故障無法提前識別。引入AI可以基于歷史數(shù)據(jù)進(jìn)行智能在線訓(xùn)練，形成各資源較科學(xué)的閾值，基于Telemetry進(jìn)行各類資源數(shù)據(jù)的實(shí)時采集，輸出各類資源耗盡預(yù)測曲線或N天后耗盡提醒，主動識別潛在風(fēng)險。

管控層應(yīng)用場景之五是故障根因分析。故障數(shù)據(jù)分散且異常之多，海量的告警導(dǎo)致故障排查工作量大，且無法精準(zhǔn)處理重要告警，很難快速定位根因。通過AI可以實(shí)現(xiàn)對海量告警的關(guān)聯(lián)、根因分析，快速定位故障點(diǎn)，從人工關(guān)聯(lián)告警定界定位的小時級處理變?yōu)樽詣雨P(guān)聯(lián)告警定界定位的秒級處理。

AI技術(shù)在傳送網(wǎng)設(shè)備層應(yīng)用

韓柳燕進(jìn)一步介紹，在傳送網(wǎng)設(shè)備層引入AI主要傾向于實(shí)現(xiàn)設(shè)備隱患預(yù)測、設(shè)備資源預(yù)測及設(shè)備資源優(yōu)化。以SPN設(shè)備系統(tǒng)架構(gòu)為例，設(shè)備功能模塊較多，各功能的實(shí)現(xiàn)依賴單板、光模塊、芯片、內(nèi)存等物理單元協(xié)同，物理單元的使用情況和狀態(tài)影響各功能的正常實(shí)現(xiàn)。

設(shè)備層AI應(yīng)用場景之一是設(shè)備隱患預(yù)測。如何在設(shè)備的各個模塊老化初期迅速更換是很重要的應(yīng)用，例如光模塊性能劣化，出現(xiàn)少量丟包或誤碼，但尚未達(dá)到觸發(fā)告警的閾值，此時通過AI技術(shù)充分分析現(xiàn)網(wǎng)設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)，能夠及時挖掘設(shè)備內(nèi)部隱患，避免設(shè)備真正出現(xiàn)故障。

設(shè)備層AI應(yīng)用場景之二是設(shè)備資源預(yù)測和故障定位。依靠人工來核查各設(shè)備容量、內(nèi)存使用情況、端口使用率等資源工作量大、周期長，例如某局點(diǎn)設(shè)備主控內(nèi)存泄漏，管理面所在進(jìn)程內(nèi)存耗盡，主設(shè)備倒換測試后，設(shè)備脫管，故障發(fā)生前無提示，無法提前干預(yù)處理。利用AI可以基于歷史數(shù)據(jù)進(jìn)行智能在線訓(xùn)練，形成各資源較科學(xué)的閾值，輸出設(shè)備內(nèi)部的各類資源預(yù)測曲線和預(yù)警。

設(shè)備層AI應(yīng)用場景之三是設(shè)備動態(tài)節(jié)能?，F(xiàn)網(wǎng)設(shè)備量大，但某臺設(shè)備并不是所有模塊都需要處于工作狀態(tài)，在網(wǎng)絡(luò)運(yùn)維管理階段可以通過AI實(shí)現(xiàn)動態(tài)節(jié)能。例如基于搜集的網(wǎng)絡(luò)歷史數(shù)據(jù)形成預(yù)測，判斷出某些接口在某段時間無流量或流量很低，則可適當(dāng)關(guān)閉或調(diào)低該接口相關(guān)的部分功能模塊性能等。

韓柳燕在演講中指出，SPN能力使能高效、精準(zhǔn)AI應(yīng)用。SPN In-Band OAM提供端到端秒級逐業(yè)務(wù)的性能監(jiān)測數(shù)據(jù)上報(bào)，相對傳統(tǒng)15分鐘級上報(bào)，可為AI應(yīng)用提供更精細(xì)、更實(shí)時的性能數(shù)據(jù)；SPN時間同步達(dá)到端到端100ns級精度，可為設(shè)備告警、事件和性能等提供納秒級精度的時間戳（原為毫秒級精度），提升AI應(yīng)用的效率與準(zhǔn)確度。

韓柳燕同時指出，AI技術(shù)在傳送網(wǎng)的全面落地不是一蹴而就的，應(yīng)分階段推進(jìn)。當(dāng)前AI演進(jìn)存在以下幾個關(guān)鍵問題：國內(nèi)外標(biāo)準(zhǔn)已經(jīng)規(guī)范AI架構(gòu)、流程、分級評判等技術(shù)內(nèi)容，但仍缺乏AI傳送網(wǎng)的國內(nèi)外標(biāo)準(zhǔn)，后續(xù)可在復(fù)用已有標(biāo)準(zhǔn)的基礎(chǔ)上，制定AI傳送網(wǎng)的國內(nèi)外標(biāo)準(zhǔn)；AI模型的訓(xùn)練需要基于海量的歷史數(shù)據(jù)，但部分場景的歷史數(shù)據(jù)量有限或是數(shù)據(jù)獲取渠道有限，基于少量數(shù)據(jù)搭建的AI模型準(zhǔn)確度較低；不同廠商的數(shù)據(jù)格式不一樣，導(dǎo)致較難搭建跨廠商AI平臺；AI應(yīng)用于現(xiàn)網(wǎng)影響重大，實(shí)際應(yīng)用前應(yīng)經(jīng)過長期的驗(yàn)證，可考慮模型簡單、規(guī)則較為確定的場景優(yōu)先應(yīng)用，分階段推進(jìn)AI在傳送網(wǎng)的部署應(yīng)用。

“近期目標(biāo)是實(shí)現(xiàn)傳送網(wǎng)異常配置自動識別、故障快速定位和網(wǎng)絡(luò)劣化預(yù)警等較易實(shí)現(xiàn)的功能；遠(yuǎn)期目標(biāo)是構(gòu)建“檢查-診斷-治療”的閉環(huán)網(wǎng)絡(luò)健康保障方案，打造高品質(zhì)健康自愈智能型網(wǎng)絡(luò)，實(shí)現(xiàn)AI技術(shù)在傳送網(wǎng)的全面落地。”韓柳燕說。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。