2023电信运营商智能化体系白皮书

2023电信运营商智能化体系白皮书2023年11月PAGE\*ROMANPAGE\*ROMANIV目录一行业势 1（）智化内涵 1（）通行业能化准 1（）互网行智能化 4（）行态势结 6二电信营商能化景 6三电信营商能化系框架 8（）总框架 8（）智层 9智层要决的键问题 9智大脑能框架 11智大脑能模块 12（）数孪生层 25数孪生构 25数孪生键技术 28（）实网络层 32推网络动化 32推网络智 33（）智化流程 39智化决与自化执流程 39智化运运营程 41（）安保障 41四智能应用 43（）智化应框架 43（）智化算框架 45AI算分类架 45智化场与算关联 47（）AI模部署 48现及面问题 48AI模部署 49（）典应用景 50无网络 50政企OTN专线 52宽接入络 53核网 56跨协同能场景 56五智能成熟评价系 59（）评方法论 59（）分参考准 59六未来展望 62七参考献 63附录A：略语 63PAGEPAGE13一、行业态势（一）智能化内涵AI++AI图1智能化内涵（二）通信行业智能化标准5GSDN/NFV3G/4G网络、IMS网络，电信运营商的网络变得AI与通信网络集成,TMForum、3GPPCCSA等国内外标准组织基于自身传统优势领域，相继立项开展网络智能化相关课题和标准研究工作，对智能化的架TMForumNGMN的/产业需求和ITU3GPPCCSA图2国内外主要标准组织智能化相关标准关联关系各主要标准组织的智能化相关标准制定进展情况如下：TMForum网络智能化项目组（AutonomousNetworkProject/ANP）20195义全自动的零等待、零接触、零故障的创新网络及ICT还发起和组织了跨多个标准组织的Multi-SDOTMForumOpenAPIs等。ITU-TSG2相关）AI的电信运营标准。ITU-TSG13重点关注未来网络（、云计算、可信网络基础设施，202012系列标准规范包括自智网络在内的3GPP从R16SA5是ANL、闭环控制COSLA、意图驱动网络管理IDMS、管理数据分析eMDA等标准R17R18意图网络管理等课题有增强，同时新增了AI/MLETSIISGZSM规范输出侧重网络和服务自动化管理的通用技术ETSIISGENIETSIISGNFV对标TMForum3GPPMANO领域网络智能化工作,聚焦于网络云专业领域自动化LINUXFoundation从AIAIAcumos开源平台；另一方面，从网络IT化、自动化角度提出了ONAPOPNFVOpenDaylight等技术工作委员会展开，特别是网络管理与运营支撑工作委员会20217月CCSATC733次全体会议以来，网络智能化相关标准和研究课题立项累25TC7CCSATC610SDN/NFV202110IPICT、DT技术融合，深入探索意图引（三）互联网行业智能化AI战略，积极布局人工智能，聚焦消费级多维应用场景与产业级AI技术使能，协同多方合作伙伴，共建创新图3互联网公司全面布局人工智能整体来看，互联网企业正从以下方面着力：AI基础能力。AI基础研究提出了丰富应用场景，使游戏、内容、社交、金融、医疗等方面的场景能AIAI对外开放AIAI+硬件+应用+（四）行业态势小结行业标准组织、互联网公司均将AI作为未来的发展方向，并制定标准、AI战略等。电信运营商为了加速网络智能化转型，支撑业AIAI和通二、电信运营商智能化愿景电信运营商的智能化愿景如下图所示：图4电信运营商的智能化体系对上图说明如下：①智能层：负责认知理解、推演与决策，主要指智能大脑，其中：（（）等。三、电信运营商智能化体系框架（一）总体框架AI、数字孪生技图5电信运营商智能化体系框架对三层一保障智能化体系框架说明如下：①智能层智能层以智能化场景为牵引，以AI基础平台为依托，通过认知②数字孪生层（）③实体层网、传输网、数据网等，平台主要指业务平台。实体层通过云化、NFV化、SDN化、智能化，构建自动化与智能化基础设施，自动执④安全保障安全保障是从业务安全、算法安全、数据安全、网络/平台安全等方面，提供全生命周期的安全防护。（二）智能层智能层要解决的关键问题智能层要解决两大类问题，包括智能决策和编排，其中：①所在。可以通过TransformerAI算法Transformer训练出通信大模GCN、再学习能力：需要再学习的能力包括态势感知和认知能力模DQN、DDPG等算法。例如通过下面方式来构建强化学习模型：将实体网络作为环境（Environment），将决策作为动作（Action），将实体网络状态信息作为状态（State），将实体网络执行决策后反馈的执行结果作为激励（Reward）。②IT/CT智能大脑功能框架图6智能大脑技术框架对上图说明如下：①AI基础平台：提供算法、深度学习框架、硬件环境、训练环境、生产环境、模型市场等，支持认知、决策等模型的训练和部署。②③认知决策引擎：包括认知管理、决策管理和企业知识库三部分。（企业知识库：负责以知识图谱的方式提供客户、业务/产品、④⑤智能大脑功能模块智能化场景表1电信运营商智能化需求类别范围典型场景场景描述应用智能市场与销售管理市场规划和销售预测智能地获得洞察力并自动化市场规划和销售预测。与竞争对手的A/B测试A/B测试动化竞争洞察。类别范围典型场景场景描述AI驱动的程序化广告基于机器学习模型有效地驱动程序化广告，在合适的渠道、时机向用户推荐合适的产品。识别潜在客户从各种数据源中学习并识别潜在客户。与客户的个性化沟通智能识别用户感兴趣内容，有效地与客户的个性化沟通。产品和报价管理分析产品和提供产品组合基于客户行为的自动学习引导产品的推出，在适当的时候提供适当的报价和产品。动态内容推荐智能地确定下一个要观看的内容。参与方管理第三方欺诈和风险管理业务部门可以通过AI有效地管理第三方欺诈和风险，并通过产品管理和基础设施管理在闭环中管理服务级别。网络保障网络故障识别与预测通过主动学习历史数据的健康状况，在线智能划分当前服务性能，利用人工智能识别潜在的亚健康服务，并根据健康水平对这些服务进行排序。服务要求保证通过使用人工智能和适当的策略，来预测潜在的危险情况，例如两个或多个片竞争相同的资源，并采取预防措施，例如通过使用资源预留。网络故障根本原因分析和智能恢复AI算法计算从监控系统收集的准确的诊断以找到根本原因，并帮助工程师快速纠正故障。客户体验与服务客户体验智能化感知通过AI技术，对涉及用户感知的KPI、QoE指标进行分析和预测。智能客服24沟通交流。运营智能网络运营弹性资源管理和编排AI技术有效地利用资源来增加网络的灵活性，从而使其行为在每次都能弹性地适应负载和可用资源。包括：务部署过程；跨片识别相似性（vnf方面），以促进资源共享，从而提高系统资源利用效率；VNFs的计算利用模式，从而将性能和资源可用性联系起来；用于主动资源分配和重新定位的流量预测模型类别范围典型场景场景描述VNF迁移机制，用于使用多个资源利用率数据（CPU、RAM、存储、带宽）进行编排；基于数据分析优化网络片的弹性资源调配。基于应用特征的网络运营利用聚类算法研究小区业务模式和相应的应用KPI识别和优先级划分、因果衍生(工程KPI户QoE之间的关系)、工程参数整定。AI使能的网络流量分类训练并应用一个或多个机器学习分类器，以对实时网络流量进行分类。云服务的自动服务和资源设计通过AI实现云资源自动设计，包括：利用自然语言处理技术分析各种渠道（如自然atom服务需求使用定制规资源量设计。上下文感知的VoLTE服务体验优化收集和分析VoLTE服务信息和上下文数据，并动态确定是否应重新配置参考信号接收功率（RSRP）。智能网络切片管理AI学习切片的配置及切片使用的业务模式，协助和优化切片管理和编排实体操作。智能运营理 SD-WANAI和上下文感知，它可以监控网络，自动服务。网络智能网络规划智能规划机器人通过指纹库定位、基于神经网络的室内外用户区分、互联网化场景智能管理等，实现智能规划。无线网络容量规划通过无线环境数据（如覆盖地形地貌，建筑物特征等）、业务需求数据、频谱数据等多维数据来规划目标区域的覆盖、容量等。网络建设站点自动部署部署基站的整个工作流自动化，包括网络规划和设计，站点设计，配置数据准备，站点安装，现场调试和现场验收。类别范围典型场景场景描述站点智能验收施工质量和准确性进行检测实现基站施工效果的自动采集。后端智能分析系统按照基站入网验收的要求，对数据进行自动解析并生成基站入网验收报告。宽带装机质量监控利用人工智能技术对装维人员宽带装机工程施工结断，审核端口占用情况，分析标签/贴纸信息。检查口，快速巡检ODF端口占用。网络智能管理自我配置自我配置包括新部署的无线接入节点的即插即用配置，接入节点在其中配置其身份、传输频率和功率，从而加快小区规划和部署。自我优化自优化功能包括覆盖、容量、切换和干扰的优化。自我修复自愈功能包括自动检测和排除故障以及自动调整参数等功能。基础设施管理策略驱动的IDC流量控制互联网数据中心（IDC）之间的智能链路负载平衡和带宽分配。流量高峰事件处理使用人工智能方法来帮助理解上下文动态性和预测潜在的高峰流量场景。使用AI节能AI预测高峰时段，然后唤醒必要数量的服务器DCs的节能降耗，节约运营成本。安全防护网络安全漏洞挖掘、威胁检测、网络监测、反垃圾邮件、移动终端保护、应用安全防护。AI基础平台AIAI通过构建AIAIAI图7 AI基础平台技术框架AI基础平台包括训练框架、通用算法、智能标注、模型训练、①训练框架：提供Tensorflow、PyTorch等深度学习开源的计算框架，该计算框架实现了各种深度学习算法。②模型进行编译和优化，使其运行性能（延迟、吞吐率等）满足需求。最终将模型推送到模型市场以供其它用户使用。⑥模型部署：主要用于模型的部署及服务管理（如启动、停止、扩容、负载均衡、滚动升级、故障迁移等）。可以从模型市场下载对应的模型，并将模型部署为外部应用可以调用的AI服务。-认知管理型对面临问题的一个评估和分类，即判断和识别出问题的类型及所图8认知决策引擎-认知管理技术框架对上图说明如下：①认知管理调度将待认知信息（状态信息、问题特征）分配到相（②携带问题种类、问题特征向知识库查询解决方案。-决策管理图9认知决策引擎-决策管理技术框架对上图说明如下：①认知管理调度将认知管理模块输出的待决策信息(问题种类、问题特征、解决方案等)分配到相应的决策模型智能体进行处理（若②提交决策信息给智能服务开放模块，由其传递给网络/系统执企业知识库/产品、渠道、网络、平台、客服图10 企业知识库的构建方法企业知识库的构建示例如下图所示：图企业知识库的构建示例ID、设备名称、入网时间、生能力编排BSS/OSS系统及运营流程，同时，对于IT/CT②编排流程ONAP规范，编排遵循设计态与运行态分离的架构，模型/无代码的模型设计操作环境，图12编排流程示例③编排模型编排模型包括对象建模、流程建模、编排包及模型兼容与复用，说明如下：参考TMFPSR模型概念，自下而上设计模型，由北向南，依次模型编程使用基于标准的APIRESTAPI实OASIS组织制定的云应用拓扑编排规范的TOSCA（andOrchestrationSpecificationforCloud示：

图13编排包结构新技术（SDN/NFV）、新业务等元素使用通用模型与规范接④编排场景与生态建设IT操作进行服务开发，也可使用沙盒在（三）数字孪生层数字孪生架构（图14 数字孪生框架对上图的数字孪生层说明如下：①动态感知能力：负责从网络/平台采集各类数据。数据采集是构建数字孪生网络的基础，作为物理网络的数字镜像，数据越全面、③孪生模型与管理业务模型可以通过多个维度构建和扩展:按网络类型划分，可以分为单域业务(如接入网、传输网、核心网、承载网等)模型和跨域业务模型；按照类型划分，可分为性能监测、流基础模型和业务模型通过实例或者实例的组合向上层网络应用提供服务，最大化网络业务的敏捷性和可编程性。同时，模型实例需要通过程序驱动在虚拟孪生网元或网络拓扑中对预测、调度、配置、优化等目标进行充分的仿真和验证，保④能力开放与共享：封装公众能力、政企能力、网络能力、客服能力、管理能力等，为智能层编排及本层其他功能模块提供能力支撑。⑤自动化能力：通过与物理网络/平台对接，负责全局最优策略的控制指令下发和执行反馈管理。数字孪生关键技术数字孪生关键技术包括物理网络建模、物理网络3D可视化、孪生体管理等。物理网络建模①基础模型构建②业务模型构建业务模型是面向场景，基于网络及业务相关数据，利用深度学习、机器学习、强化学习等人工智能算法，对业务预测、网络性能预测、覆盖优化、容量规划及站址规划等场景进行建模。3D可视化3DBIM(BuildingInformationModeling)③针对BIM和空间地理信息分析上存在的不足，利用三维GIS（）Spatial3DModel（S3M），对倾斜摄影模型、人工建模数据、BIM、点云、三维管线、二维/三3D孪生体管理孪生体管理是通过孪生场景将网络和业务端到端全流程信息和/设置，并配置对应的资源管理图15资源管理技术框架对上图说明如下：①资源清查：通过网管等自动采集逻辑资源和物理资源、AI图力及成熟技术组件，如KafkaDataXHiveSparkFlink用GIS3D③资源能力：对资源数据按场景进行能力封装，提供资源查询、资源操作（预占/占用/释放/变更）、资源视图（数字孪生）（规模/分布/利用率/拓扑关系/端到端呈现）、资源巡检、GIS等。通过资源全生命周期流程驱动资源更新，实现规、建、维、优、营全场景资源动态管控。指令适配以IT操作异化自动配置、系统排障、自助装维等。其功能框架如下图所示：图16 指令适配功能框架（四）实体网络层推进网络自动化持续推进网络的云化、NFV化、SDN化、智能化，开放切片及图17 网络自动化框架推进网络自智无线网图18 无线网自智赋能②开放能力：无线设备及网络将原子能力和场景化能力以警、性能、版本、资产、排障、网优、节能API等。核心网OPENAPI图19 核心网的自智闭环架构,收集告警、性能、日志、巡检、拨测结果等数据进行分析，评估设备是否存在故障或隐患,形成设备健康度报表，快速锁定异常设对于自优化能力采用多维度识别与派单的方法，即通过设备告PMDPICHR）网络云VIM图20 网络云的自智闭环架构对各智能功能说明如下：②资源池健康度分析：资源池健康度分析为两种场景，一种是资借助技术实现，物理设（CCPU的主频，一般对空闲节点使用这种方式。CPU核休眠技术可以对未传输网、数据网建简捷和全生命周期的新一代网络，推动实体网络层的智能自主进NE图21 传输网、数据网智能架构对上图说明如下：①网元智能层网元智能层为有线网元设备提供智能，是有线网元智能化的基础，包括：InbandOAM、、NetFlow、性能和告警监视等，能够将网络、业务运行情况实时捕获，并通过Telemetry上报给网络的智能化管控。AI②网络智能层擎和AI模块、数据采集和处理模块组成。其中：意图引擎将用户通IP、IPRAN、PTN、SPN、OTN等多AI模块分别提供数据服务和AI（五）智能化流程智能化决策与自动化执行流程图22 智能化决策与自动化执行流程对上面的流程说明如下：实体网络通过数字孪生层的动态感知向智能层的认知管理模）。决策管理模块将仿真验证后的可执行方案通过智能服务开放模块传递给自动化执行模块，由其传递给实体网络/平台执行，并接收执行结果传递给决策管理模块。决策管理模块将决策信息、可执行方案、执行结果信息传递认知管理模块将决策请求信息、决策信息、可执行方案、执智能化运维运营流程--决策（六）

图23 智能化运维运营流程系模型/系统部署：系统软硬件部署环境不可信，存在非授权访问。模型持续验证：因持模型迭代引入的模型反馈误导等安全风险。模型/系统下线：数据、模型及系统下线信息销毁不彻底，泄通过全面分析智能化系统生命周期各阶段存在的安全风险及其AI图24 智能化安全框架由上图可知，构建智能化安全防护能力包括：②AI算法安全：支持算法鲁棒性增强、算法公平性保障、算法四、智能化应用（一）智能化应用框架智能来划分智能化应用框架，其L0图25 智能化应用框架（L0层）对L0层架构进行展开，形成L1图26 智能化应用框架（L1层）对上图说明如下：①应用智能层应用智能层包括产品管理、市场与销售管理、业务受理（意图）等，具体如下：AI意图->业->）②运营智能层网络保障：端到端网络管理、服务要求保证（SLA等）、网络故障识别与预测（含基于动态阈值的网络运维异IPRAN网络告警压缩等）、网络故障根本原因分析和智能恢复（含无线告警根因分析、跨域智能告警根因分析、故障检测和恢复等）。（QoE优5G传输KPI和无线KPI（营管理的等。（含MOS评估等）、智能客服、智能投诉处理（含）。IDC流量控制（含流量高峰事件）、使用AI（）。（二）智能化算法框架智能化算法框架包括AI算法分类框架、与应用场景的关联关系等。AI算法分类框架AI算法分类框架包括算法框架、主要算法和智能应用等，如下图所示：图27 AI算法分类框架对上图说明如下：①算法框架算法框架包括TensorFlow、Torch、Caffee、Theano等。②主要算法kSVDCNN络RNN/LSTM、GANNNNGaiodepindImpalagoogleseedRL等。计算机视觉：RCNN、Fast-RCNN、YOLO、SSD、GAN等。自然语言处理：word2vec、CBOW、BERT、Transformer等。PRAR-GCNConMaskDeepPath、MINERVA等。③智能应用经典应用：回归、分类、聚类、降维等。（（人GAN、图片风格迁移、图片生）等。（、+推荐算法、QA问答、冲突检测（实体对齐）、链（、/智能化场景与算法关联智能化场景与算法关联一般为为多对多模式，如下图所示：图28 智能化场景与算法关联单个智能化场景一般采用多项AI算法，例如：网络规划使用经（三）AI模型部署现状及面临问题图29 AI模型部署面临的基础环境AI（数据->模型训练/优化->->模型执行），优化AI模型的部署模AI模型部署deepmindImpala（布式部署智能体（行动者），与区域/DC的管理系统对接，由（学习者）进行模型优化。AI模型部署方案如图30 AI模型部署方案（四）典型应用场景无线网络MassiveMIMO智能权值优化5GAAU广泛使用MassiveMIMO天线和三维波束赋形，有效提升复杂场景下立体纵深覆盖和系统容MassiveMIMOAI算法，多轮迭2000310倍以上，覆盖提升也很明显，用户速率亦改善10%。质差小区智能分析与KPI异动检测据二八原则，优化工作重点专注主要KPITOPNcounter101质差小区分析可以认为是从宏观层面的网络优化分析，而15分钟粒度的KPI干扰分析+机器学习建立干扰类型1000个站的干扰分析为例，传统方式干扰155小时即可完成，效率2/3。智能节电AI节能通过对每个小区负荷进行KPI5%10%网络故障识别与预测另外，基于AI对大量历史数据的学习能预测未来趋势，为主动性预测运营提供可能。比如对光模块、光链路主动进行健康度检测，识别硬件老化和失效趋势，在故障未发生时提前预警，指导主动巡检和主动运维，特别适用于重保场景和VIP站点应用。政企OTN专线OTN政企专线是运营商面向重要政企客户OTN专线业务分为跨省专线、省内专OTNCPEROADM进行光层调度，子波长级采用电层OTN调度，以实现高效网络调度以及最优时延体验。OTN政企专线需要满足快速开通，根据时延进(BOD)SLA控实现高价值政企业务的智能化、全生命周期的闭环管理。CPE自动上线CPECPE家CPE一键式业务开通（国干/省干/城域网/CPE）、跨层（光/电/分组）的端到端政企业务一键80%全生命周期智能化管理支持G.HAOSLAAI驱动的故障诊断模型，选取针对OTN政企业务的故障诊断策略进行宽带接入网络千兆家宽网络精确规划PON网络采用Telemetry技术，深度感知宽带接入网络流量数据。AI算法，构建宽带接入网络数字孪生图PON口、ONU上联口流量的采集分析，精确预测流量增长并识别高价值10GPON网络升级，实现网随人动，从而实现粗放式的技术通过设备推模式（PushMode）周期性主动地向运维管理平台采集器发送千兆家宽网络极速部署家宽网络的全自动部署需要在当前ONU打通IP和配置文件，自动完成配置和开通；引入全预端接ODN90%100%准确入网，实现ODN千兆家宽网络智能运营自动高频、全量采集家宽网络PON口的几十种光路特征数进行聚类AI算法智能分析，结合后台知识库和光路故障模型库比对学习，最后精准识别出PON口光模块失效的风险，主动消除隐患。网络运营由被动投诉处理模式转变为主动故障规避模式。AIAI千兆用户体验精致保障内置探针的部署，自动采集千兆家宽用户体验相关的千兆家宽用户精准营销度游戏用户、重度视频用户、重度阅读用户、重度直播用户、重度SOHO核心网精准规划：智能话务模型预测与容量预测基于现网负荷和资源评估现网能力，主动预测话务模型变化趋故障识别和隐患识别跨域协同智能场景感知闭环保障5G时代，电信网络愈发复杂，多设备厂家并存，多种业务快速/时延/带宽等；网络故障重复工单多，如何进一步智能分析告警，压缩不能准确评估用户体验和精准定位问题，导致用户满意度下降。分析--DPI和KQI/KPIOSS和各单全域语音业务保障5G5GC、NR、EPC、IMS530多个接口，互打、网间、漫游等多种，这使AI自KQI/KPIEPSFB语数据业务端到端保障视频、游戏、AR/VR等新业务的质量感知非常重要，需要及时意度。通过AI规则自学习和业务类型智能推理实现智能DPI业务识别，支撑新增业务天级识别和加密业务识别能力；基于业务KQI和QoE模型，进行KPI/KQI相关性分析，通过企业知识库和AI自学习方式进行自动问题定界定位。客户体验智能化感知AI自主进化规则库的网络智能，通过业务质量劣化监①通过跨域系统采集与关联KPI/KQI，并建立业务质量和网元KPI体系，根据自识别的质差门限设定周期监控业务质差网元或小区。如AB提升；反之当B劣化时，A的劣化程度达到了足以使得BA有较大概率为BKPIKQI的相关关系，将标识为重要特KPIKQI进行二值化处理AI5G质差网元或小区KPI预测KQIKQI是否劣化，最终判别KPI是否为根因。五、智能化成熟度评价体系（一）评价方法论图31 智能化成熟度评价体系（二）分级参考标准下游合作伙伴对齐智能化体系演进目标和评估阶段成果。参考TMForumIG1252自智网络分级方法，将智能化成熟度划分为L1-L5五个等级，其中L1为系统辅助运营、L2为初级智能运营、L3为中级智能运营、L4为高级智能运营、L5为全智能化运营，如表2所示。表2智能化成熟度分级参考标准一级评价维度二级评价维度L1系统辅助运营L2初级智能运营L3中级智能运营L4高级智能运营L5全智能化运营1.模型对物理实体1.模型离线模型参数根据物理实体参数实时评估仿真结果和物理指标差异执行智能策智能化辅分场景自动化1.模型参数根据物理实体参模型参数根据物理实体参数实时物理实体实时执行优化方案模型应用2作自动化段性优化方案2.执行智能策智能化辅助，实现特定数实时更新，实时仿真，提供实时优化方案2.部分场景感知、决策、执辅助场景自动化行全流程智能智能化决策能力知识构建1.基