已經(jīng)在智能手機領(lǐng)域開始廣泛應(yīng)用的AI人工智能，如今又被賦予了新的使命，有望在網(wǎng)絡(luò)架構(gòu)重構(gòu)的新階段大放異彩。

在“2018中國SDN/NFV大會”上，工信部通信科技委常務(wù)副主任、中國電信科技委主任、SDN/NFV產(chǎn)業(yè)聯(lián)盟理事長韋樂平在接受C114專訪時表示，AI使能是網(wǎng)絡(luò)架構(gòu)重構(gòu)新階段，人工智能為網(wǎng)絡(luò)架構(gòu)重構(gòu)打開了一條新的通道。

SDN渡過炒作期、NFV征程依然艱難

在網(wǎng)絡(luò)架構(gòu)重構(gòu)這場變革中，SDN/NFV一直扮演著重要角色。

談及SDN/NFV的發(fā)展，韋樂平認為，SDN已經(jīng)渡過炒作期，進入理性發(fā)展階段。一方面，SDN標準化進程加速，IETF南北向接口定義完成；BBF瞄準產(chǎn)業(yè)轉(zhuǎn)型，推進網(wǎng)絡(luò)云化；ONAP開源組織推出第一版本，ONF TAPI2.0信息模型發(fā)布。另一方面，標準和開源組織走向協(xié)同，標準組織通過組織Hackthon參與開源，而開源組織開始反推標準。

同時，基于SDN/NFV的網(wǎng)絡(luò)云化已經(jīng)成為共識。根據(jù)Mason預測，2017年全球網(wǎng)絡(luò)云化市場為52億美元，未來增長25%，2020年達到121億美元。據(jù)了解，全球電信云項目已經(jīng)超過400個。SDN專線成為熱點，SD-WAN成為SDN邁向大網(wǎng)的關(guān)鍵和切入點，Verizon、AT&T、Sprint、BT、Orange等大T已經(jīng)率先部署。

“而網(wǎng)絡(luò)中的NFV化已經(jīng)開始落地，但征程依然艱難?！表f樂平指出，NFV項目已覆蓋網(wǎng)絡(luò)中所有的核心網(wǎng)網(wǎng)元(如vEPC，vIMS)；目前，NFV已經(jīng)開始落地，例如美國運營商AT&T的NFV商用部署正在進入拐點， Verizon預測采用NFV后五年能省下100億美元。即將到來的5G將成為NFV新的驅(qū)動力，當然NFV也成為5G落地的必要條件。

但在韋樂平看來，由于思維落后、硬件性能限制、標準化滯后及互操作的復雜性，其他領(lǐng)域的NFV化還不盡人意。當前，網(wǎng)絡(luò)云化的挑戰(zhàn)不可輕視，運營商的一朵云理想，依然還只是理想，其內(nèi)部IT系統(tǒng)的復雜性和對外服務(wù)的質(zhì)量和速度要求導致公有云和電信云還在獨立建設(shè)，共享只是在機房、局址和動環(huán)環(huán)節(jié)，因此運營商的任務(wù)依然任重道遠。

AI使能有望解決網(wǎng)絡(luò)架構(gòu)重構(gòu)三大挑戰(zhàn)

事實上，基于SDN、NFV、Cloud的網(wǎng)絡(luò)架構(gòu)重構(gòu)也帶來大量新的多維度復雜性，在很大程度上抵消了其帶來的諸多好處。韋樂平指出，例如，SDN技術(shù)只能解決自動化10%的問題，而90%的問題是組織、流程、和人的問題，其中自動化是關(guān)鍵。因此，SDN將進一步從自動化走向智能化，電信網(wǎng)的復雜性和人工依賴性使得具備應(yīng)付高度復雜性能力的AI人工智能具有很好的發(fā)展空間。

“結(jié)合SDN與AI的基于意愿的隨愿網(wǎng)絡(luò)（IBN）將可能成為網(wǎng)絡(luò)自動化和智能化的目標?！表f樂平提出，AI使能是網(wǎng)絡(luò)架構(gòu)重構(gòu)新階段。AI在處理復雜問題上的能力遠超人腦，有望解決網(wǎng)絡(luò)架構(gòu)重構(gòu)所面臨的以下三個重要挑戰(zhàn)：

第一個挑戰(zhàn)是網(wǎng)絡(luò)架構(gòu)動態(tài)變化帶來的網(wǎng)絡(luò)和業(yè)務(wù)的復雜性；第二個挑戰(zhàn)是網(wǎng)元分層解耦后的故障定位等運維帶來的復雜性；第三個挑戰(zhàn)是網(wǎng)絡(luò)資源實時調(diào)整帶來的網(wǎng)絡(luò)運行復雜性。

不同層面和領(lǐng)域的作用和引入路徑不同

AI也適用于解決網(wǎng)絡(luò)難題，一切基于軟件的復雜多維問題都可以借助AI的幫助，復雜的多層、多域、多協(xié)議、多接口、多參數(shù)、多廠的網(wǎng)絡(luò)和業(yè)務(wù)問題也不例外，只是AI在不同層面和領(lǐng)域的作用和引入路徑不同。

據(jù)韋樂平介紹，AI網(wǎng)絡(luò)應(yīng)用的一般原則是：越高層、越集中，跨域分析能力越強，對計算能力的要求也越高，所需數(shù)據(jù)量也越大，更適合對全局性的策略集中進行訓練和推理；而越低層，越接近終端，專項分析能力越強，對實時性要求往往越高、對計算能力要求則滿足業(yè)務(wù)需求即可，引入AI的推理能力或具備輕量級的訓練能力即可。

與此同時，韋樂平給出了AI在不同層級上應(yīng)用的能力：

首先，AI在基礎(chǔ)設(shè)施層的應(yīng)用，主要為有源硬件設(shè)施提供AI加速器，可實現(xiàn)不同層級的訓練和推理能力，諸如核心DC的基礎(chǔ)設(shè)施，可優(yōu)先引入AI加速器，滿足全局性的策略或算法模型的集中訓練及推理需求。AI在接入側(cè)可以逐步按需推進，例如基站內(nèi)嵌AI加速器可以支撐設(shè)備級的AI策略及應(yīng)用。

其次，AI在網(wǎng)絡(luò)和業(yè)務(wù)控制層的應(yīng)用可以優(yōu)先集成AI的推理能力，對網(wǎng)絡(luò)和業(yè)務(wù)實現(xiàn)智能網(wǎng)絡(luò)優(yōu)化、運維、管控和安全；可實現(xiàn)網(wǎng)絡(luò)各層級KPI優(yōu)化、網(wǎng)絡(luò)策略優(yōu)化等，例如在無線的覆蓋優(yōu)化、容量優(yōu)化、負荷優(yōu)化等。

再次，AI在運維和編排層的應(yīng)用，可優(yōu)先在大數(shù)據(jù)平臺上引入AI引擎，對OSS和BSS數(shù)據(jù)做更深度的智能化挖掘。

“隨著虛擬化網(wǎng)絡(luò)的部署，編排層上可以逐步疊加AI能力，從而提升產(chǎn)品編排、業(yè)務(wù)編排、端到端資源編排的自動化和智能化水平，進而對業(yè)務(wù)量的變化做前瞻性的智能預測，實現(xiàn)動態(tài)規(guī)劃和管理配套的資源。”韋樂平說。

人工智能網(wǎng)絡(luò)應(yīng)用三大場景

那么，在網(wǎng)絡(luò)架構(gòu)重構(gòu)過程中，AI將在哪些主要場景發(fā)揮作用呢？韋樂平指出，AI網(wǎng)絡(luò)應(yīng)用主要有以下三大場景：

一是高效智慧運維場景：可針對網(wǎng)絡(luò)進行預防性/主動性維護，利用AI/ML技術(shù)預測網(wǎng)絡(luò)運行狀態(tài)和器件、設(shè)備、業(yè)務(wù)可能的劣化風險，改善網(wǎng)絡(luò)質(zhì)量、提升MTTR；集約資源智能調(diào)度，對資源統(tǒng)一進行自動化調(diào)度，例如DC資源、分片資源、維護人工資源等；對業(yè)務(wù)質(zhì)量進行閉環(huán)優(yōu)化，利用AI/ML結(jié)合SDN網(wǎng)絡(luò)控制能力進行業(yè)務(wù)、鏈路閉環(huán)控制，達成時延降低、流量全局均衡、云化資源自適應(yīng)擴縮容等效果。

二是個性化業(yè)務(wù)服務(wù)場景：網(wǎng)絡(luò)邊緣存有客戶使用網(wǎng)絡(luò)業(yè)務(wù)相關(guān)的大量數(shù)據(jù)，利用這些數(shù)據(jù)以及網(wǎng)絡(luò)其它數(shù)據(jù)、CRM信息能夠給客戶個性化服務(wù)的分析和建議，例如結(jié)合企業(yè)專線的帶寬利用率、周期性潮汐流量特征、特殊時延要求等能夠更好地設(shè)計個性化業(yè)務(wù)和靈活的資費模式。

三是網(wǎng)絡(luò)安全場景：利用AI/ML學習技術(shù)可以針對惡意/病毒會話特殊的會話字節(jié)、頭端包大小和頻次、病毒特征字節(jié)等信息進行統(tǒng)計分析，從而在惡意流量攻擊的早期就能正確識別，對于潛在的、前期未有訓練數(shù)據(jù)的惡意報文也能進行預警。

組織架構(gòu)水平化是必由之路

而作為使能網(wǎng)絡(luò)架構(gòu)重構(gòu)新階段的一項重要的新技術(shù)，AI距離真正成熟尚需時日。韋樂平認為，AI網(wǎng)絡(luò)應(yīng)用將面臨以下四大挑戰(zhàn)：

第一，缺乏能夠有效利用的數(shù)據(jù)。AI成功應(yīng)用的前提是足夠大的訓練數(shù)據(jù)，盡管電信網(wǎng)的數(shù)據(jù)足夠大，但由于部門和各管理層級的數(shù)據(jù)語義和格式不同、數(shù)據(jù)存儲和管理應(yīng)用機制不同、數(shù)據(jù)監(jiān)管限制等原因，能真正有效利用的有價值的數(shù)據(jù)并不足夠大。

第二，AI/ML與網(wǎng)絡(luò)結(jié)合的價值場景尚不清晰。

第三，盡管相對而言，AI算法比較成熟，但網(wǎng)絡(luò)和業(yè)務(wù)遠比目前已成功應(yīng)用AI的圖像、語音識別和單一棋類博弈要復雜，特別是還缺乏成熟可靠的電信網(wǎng)絡(luò)和業(yè)務(wù)的建模和特征表示及提取方法。

第四，運營商現(xiàn)有垂直煙囪式組織架構(gòu)不適應(yīng)AI使能的新網(wǎng)絡(luò)。

對此，韋樂平認為，未來網(wǎng)絡(luò)組織架構(gòu)水平化是必由之路。

現(xiàn)有組織架構(gòu)往往是依靠特定的業(yè)務(wù)部門的專門團隊來支撐特定的業(yè)務(wù)、應(yīng)用、網(wǎng)絡(luò)功能，從而形成了大量垂直一體化的業(yè)務(wù)和網(wǎng)絡(luò)煙囪，不僅耗費了大量的人力物力和資金，而且還無法共享資源，難以提供融合性業(yè)務(wù)和網(wǎng)絡(luò)。

而基于云化網(wǎng)絡(luò)的網(wǎng)絡(luò)架構(gòu)重構(gòu)要求運營商能夠在跨部門的、共享的、統(tǒng)一的云平臺上協(xié)同工作，這與現(xiàn)有的垂直煙囪化的部門設(shè)置直接沖突?！叭绻麅H僅依靠技術(shù)和業(yè)務(wù)重構(gòu)，而不下決心實施組織重構(gòu)，難以推進AI使能的深度網(wǎng)絡(luò)架構(gòu)重構(gòu)?！表f樂平強調(diào)，打破部門壁壘，實施組織架構(gòu)水平化是成功的前提。