2024 全球6G技术大会 -10.0I 意图驱动自智网络白皮书-20240411

一、引言 3二、意图驱动自智网络必要性与发展历程 42.1研究背景与必要性 42.1.1用户业务需求的多样性和变化性挑战 52.1.2未来智慧网络的异构性和复杂性挑战 52.1.3全场景按需服务个性化和定制化挑战 52.2意图驱动自智网络的发展历程 6三、意图驱动自智网络概念内涵与优势分析 73.1意图驱动自智网络的概念 73.2意图驱动自智网络的技术内涵 83.3意图驱动自智网络的优势分析 9四、意图驱动自智网络的架构与实验验证 104.1意图驱动自智网络运营分层架构 104.2意图驱动自智网络技术实现架构 114.3意图驱动自智网络端到端处理流程 124.4意图驱动光网络架构的实验验证 134.4.1部署方案的设计与优化 134.4.2运营和维护方法与策略 164.4.3现有网络兼容集成方式 17五、意图驱动自智网络关键环路技术 195.1自顶而下的意图实现 205.1.1意图建模 205.1.2意图理解 215.1.3策略验证 235.2意图实现知识管理 24六、意图驱动自智网络应用实例 266.1应用实例-意图驱动CLL云专线案例 266.2应用实例-中国联通 306.2.1意图驱动智能编排案例 306.2.2意图驱动智能节能案例 306.2.3自动路测智能评估方案 316.3应用实例-中国移动 326.3.1意图驱动业务分级保障案例 326.3.2意图驱动感知确定性保障案例 346.3.3智能意图运维保障高品质行业专线 356.3.4ONAP实现通用意图解决方案 366.4应用实例-应急通信网络 396.4.1会话初始协议通话案例分析 396.4.2空天地一体化应急救援通信网络 39七、意图驱动自智网络技术挑战与应用挑战 407.1技术瓶颈分析与讨论 407.1.1全局信息未知性 407.1.2动态意图可变性 417.1.3全生命周期闭环 417.2未来探索领域与方向 417.2.1自底而上的意图保障 417.2.2意图驱动网络大模型 427.2.3意图驱动的跨域自智 43缩略语 44参考文献 45参与单位及人员 46面向全场景按需服务诉求，未来网络有望实现服务随心所想、网络随需而变、资源随愿共享。未来网络全场景并存，全域网络参数繁多，且存在多样化资源冲突、网络配置复杂度高和交付失配，需实现网络随着服务意图的智能管控。智能化网络是网络与人工智能等深度融合的产物，相关新型网络概念包括基于意图的网络（Intent-BasedNetwork，IBN）、意图驱动网络（Intent-DrivenNetwork，IDN）、自动驾驶网络（AutonomousDrivingNetwork，ADN）和自智网络（AutonomousNetwork，AN）等。本白皮书认为意图驱动网络是实现未来网络完全高阶自智的关键技术，因此定义意图驱动自智网络；旨在探讨概念、架构、技术和用例，并总结未来发展方向。意图驱动自智网络的愿景已成为行业共识。通信业各标准组织、行业组织、开源社区等积极推进自智网络的产业应用布局，覆盖通信运营商、通信设备制造商等产业各领域，意图驱动自智网络的技术研发和商用落地不断加快，产业呈现蓬勃发展态势。意图驱动自智网络通过自顶而下的的正向意图实现与自底而上的反向意图保障，形成了从用户空间—数字空间—物理空间的分空间、多层次的意图驱动网络全生命周期闭环机制；基于零信任原则，采取一步一反馈的方法，对整个循环进行持续监控，从而实现动态优化。意图驱动自智网络通过构建网络全生命周期的自动化、智能化运维能力，为网络服务的客户提供“零等待、零故障、零接触”的极致业务体验，为网络生产一线打造“自配置、自修复、自优化”的高效运维手段。意图驱动自智网络将人工智能技术与通信网络的硬件、软件、系统等深度融合，助力使能业务敏捷创新、网络运营智能、构建智慧内生网络。打造意图驱动自智网络是一项复杂的系统工程，需要完整的顶层设计、统一的标准定义和技术流程。本白皮书全面分析了意图驱动自智网络发展态势，梳理了意图驱动自智网络关键技术的演进趋势，探讨了运营商、设备商自智网络产业应用，分析了意图驱动自智网络应用技术挑战和工程难题，为后续研究与应用提供方向。二、意图驱动自智网络必要性与发展历程在数字经济高速发展的推动下，全球电信业正加速网络向自动化、智能化转型升级。随着网络规模部署和快速商用，快速发展的数字经济打开了数字时代的大门。自智网络能够将通信网络与人工智能深度融合，面向消费者和垂直行业用户提供数字化体验的创新网络服务[1]。运营商日益认识到部署意图驱动的自智网络至关重要。中国移动将自智网络视为提升通信网络质量和效率、助力行业数字化升级的关键趋势，通过意图驱动网络等技术助力网络实现感知和控制策略的自动化部署，实现高阶自智网络演进。中国联通强调为满足用户多元化的业务需求，网络需要具有负载应对和全场景服务定制化的特性。引入意图驱动的概念可以简化网络操作、提升自动化程度，更有效地满足业务需求。中国电信在2019年SDN/NFV/AI大会上提出了“随愿网络”的概念，其目标是通过意图驱动，实现网络服务的个性化、网络资源的弹性分配和共享。该网络旨在涵盖全社会、全行业、全生态，并定义全场景、全域的智能管控体系结构。中国运营商正在不断引领自智网络的创新实践，并推动全球产业形成共识。自2021年中国移动首次提出在2025年达到L4级别的目标以来，中国联通、中国电信等多家公司均设立了相关目标，希望在高价值场景或全网范围内实现L4级别。设备商正推出意图驱动相应产品和解决方案。华为在业界提出自动驾驶网络的理念及分级标准，从业务体验，解放人力的程度和网络环境复杂性等方面，定义了通信网络的自动驾驶分级标准，其中L5级完全自治网络作为电信网络的发展终极目标也是意图驱动自智网络的发展目标。中兴于提出“自主进化网络”解决方案，以泛在人工智能推进未来网络整网的智能化，采用分层闭环的原则建设网元级、单域级、跨域级的智能网络体系，目标是使网络系统逐步实现自主操作，通过数据驱动进行自学习、自演进，实现网络系统的智能自治，使得网络投资效率、运营运维效率达到最优。中兴规划了覆盖“规/建/维/优/营”全业务流程，超过60个智能化应用场景，涵盖无线、承载、核心网等各专业域的单域智能化场景与端到端跨专业拉通的数字化运营场景。各高校正探索在自智网络单技术点的突破。北京邮电大学在知识定义的意图驱动网络方面进行了研究。西安电子科技大学正试图从自上而下的意图实现、和自底而上的意图保障两条技术路线，实现意图生命周期闭环。电子科技大学深入探索了意图表征、分类与建模技术，并将意图驱动理念应用到应急通信中。企业为了抢占先机，持续地进行调整和变革。运营商为了在未来网络、云计算和边缘计算等关键技术所带来的市场机会中获得收益，也必须主动进行变革，并全面投身其中。未来业务场景不仅需要具备低时延、高可靠和支撑海量设备连接的网络，还期待运营商能够提供包括海量数据分析、图像识别、精准定位等附加服务。高校对意图驱动智能网络的研究活动也在如火如荼地进行中，这表明该领域的发展潜力巨大且不可阻挡。全球数字经济发展正迈向“深化应用、规范发展、普惠共享”的新阶段，千行百业数字化转型持续深入，由办公、营销服务场景扩展至核心生产、制造场景，由效率变革转向价值变革，由企业内部数字化转型延伸至产业链、价值链协同转型。在此背景下，政府和企业对5G应用、上云用数赋智的需求更加普遍和迫切。近十年来，我国数字经济取得了举世瞩目的发展成就，2022年，我国数字经济规模达到50.2万亿元，同比名义增长10.3%，已连续11年显著高于同期GDP名义增速，数字经济占GDP比重相当于第二产业占国民经济的比重，达到41.5%，整体规模位居全球第二，对经济社会发展的引领支撑作用日益凸显。2023年，通信运营商所提供的算网融合、车联网、HDICT等数字化新业务，以及网络即服务、业务定制化、项目化交付等新的商业模式不断涌现，对网络基础设施和自动化、智能化运营水平提出了更高要求。在数字经济高速发展的推动下，全球电信业正加速网络向自动化、智能化转型升级，自智网络因此诞生。为满足垂直行业数字化和消费者生活数字化的多样需求，行业提出了自智网络框架和关键特性。然而，网络技术演进和运维管理提升带来了诸多挑战。2.1.1用户业务需求的多样性和变化性挑战随着科技的不断发展，各行业对技术创新的需求日益迫切。例如，新能源、人工智能、大数据等领域的发展为传统行业带来了转型升级的机会。用户对网络服务的需求变化也越来越快。用户对产品和服务的需求更加多样化，追求个性化、定制化的消费体验。运营商网络服务需要敏锐地捕捉用户意图，基于用户意图智能灵活调整资源配置及运营策略，提升产品和服务质量，以满足不断变化的用户需求，提升用户体验。随着个人用户市场的饱和，垂直行业数字化和消费者生活数字化成为被寄予厚望的潜在增长点，对网络服务从连通性、带宽、延迟、可靠性等各方面均提出了更为严格的多样性需求。2.1.2未来智慧网络的异构性和复杂性挑战网络连接的设备数量将急剧增加，导致网络规模的不断扩大。这将给网络管理带来巨大的挑战，如何确保网络资源的合理分配、提高网络性能等。同时，未来的智慧异构网络将涵盖多种接入技术、多种应用场景，以及跨行业、跨领域的深度融合。这将使得网络架构变得更加复杂，对网络管理提出了更高的要求。如何简化网络管理、提高运维效率将成为一大挑战。2.1.3全场景按需服务个性化和定制化挑战全场景按需服务旨在为用户提供个性化、定制化的网络服务，满足不同场景下的需求。基于意图驱动的智能策略可以通过人工智能技术更好感知用户需求，实现网络资源的智能调度和优化，提高网络性能和用户体验。全场景按需服务与智能策略相结合，可以更好地满足用户在不同场景下的网络需求，提高网络资源的利用率。自智网络具备自主学习、自适应调整和自我优化的网络系统。它能够根据用户行为和网络状况，自动调整网络参数，实现网络资源的合理分配和优化。意图驱动网络是以用户需求和意图为核心，驱动网络行为的调整和优化。自智网络和意图驱动网络的融合具备提高网络性能、提升用户体验、提高网络安全防护、降低管理成本、适应未来网络发展需求等优势。综上所述，为满足用户业务多样化需求，未来网络负载型特征和全场景服务定制化发展，引入意图成为解决问题的关键，以简化网络操作、提高自动化水平，更好地满足业务需求。2.2意图驱动自智网络的发展历程TMForum、3GPP、ITU-T、ETSI、CCSA等国内外标准组织纷纷开展了自智网络相关工作，产业界积极推进自智网络的标准化布局，争夺自智网络的产业话语权[5-7]。2015年，开放网络基金组织的北向接口工作组发布了《基于意图的网络》白皮书。Gartner、思科、华为先后提出IDN（IntentDrivenNetwork，意图驱动网络）的定义，明确IDN中意图转译、意图验证、自动实施、全息感知等基本组成要素[7][10]。IDN是一种全新的网络模型，通过分析用户意图，将意图转译为相应的网络策略，最终实现网络感知和控制策略的自动化部署，将网络从一个静态资源系统演变成为一个能持续满足商业目标的动态系统。2015年，ONF发布了一篇名为《Intent：Don’tTellMeWhattoDo!TellMeWhatYouWant》的标准提案：在基于意图的网络中，智能软件将决定如何把意图转化为针对特定基础设施的配置，从而使网络以满足期望的方式运行。2017年，思科在《向基于意图的网络迈进》白皮书提出：网络团队可以用简明的语言描述想要完成的工作，然后网络能够将此意图转化为众多策略，这些策略将利用自动化功能在复杂的异构环境中建立适当的配置和设置变更。2017年，国际互联网研究任务组IRTF的网络管理研究小组（NMRG）启动意图研究，重点就概念定义、主要原则、意图分类、生命周期管理进行分析，发布了RFC9315、RFC9316，定义意图为：用于操作网络的抽象高级策略[5]。2018年，3GPPSA5发起的IDMS_MN项目针对移动通信网络管理层次，描述意图驱动的管理概念、意图驱动的管理场景，以及在规范阶段实现意图标准化表达的建议。3GPP在R18阶段发布TS28.312标准。2024年，R19启动FS_IDMS_MN_Ph3项目，对移动网络增强型意图驱动管理服务进行进一步研究。2019年，ETSI全面启动意图的标准研究工作，率先发布的ETSIGSENI005中给出了ENI系统策略管理模型定义，支持声明式策略、命令式策略及意图策略。在2022年发布的ETSIGRENI013中聚焦意图信息模型标准化针对产业现状展开差距分析，同期启动的ETSIIFA050主要研究意图驱动的接口与模型标准。2023年启动ETSISOL021的研究主要关于意图管理服务接口要求的RESTful协议和数据模型规范。自智网络2019年由TMForum联合产业伙伴共同提出，旨在引领网络基础设施和运营体系的自动化、智能化转型。经过4年多的发展，自智网络已形成体系化的理念、标准、实现方法和应用案例，在产业共识、标准制定、实践部署等方面取得显著成果[7]。（1）产业共识：Zero-X/Self-X愿景、L0-L5分级、三层四闭环架构、单域自治-跨域协同、意图驱动-全栈AI等诸多理念成为广泛的产业共识；（2）标准制定：TMForum、3GPP、CCSA、ETSI等9大标准组织聚焦5大标准方向，累计立项/发布80多个标准/研究课题，并依托多标准组织M-SDO，确保架构同源、标准统一；（3）实践部署：中国移动、中国电信、中国联通、德国电信、沃达丰等14家领先运营商将自智网络纳入集团战略，以商业价值和运营成效为牵引，朝着2025-2027年L4级自智的目标，迭代开展分级评估和自智能力规划建设。2021年，TMF正式启动跨层跨域通用意图相关标准工作，同年交付IG1253及一系列意图相关规范，针对意图建模、意图信息模型、意图生命周期管理和接口及意图用例开展深入研究[4]。2022年启动TR290意图通用模型、TR291意图扩展模型、TR292意图管理本体的研究工作。同时分别于2021年和2022年发布《自智网络：赋能数字化转型——从战略到实施》、《自智网络中的意图》两份关于自智网络中的意图发展研究报告[8]。CCSA的NFV特设项目组SP1于2021年启动网络功能虚拟化管理编排技术要求系列标准，规定网络功能虚拟化管理编排技术要求中的意图管理总体架构及功能需求、意图管理信息模型与意图管理接口。CCSA的网管技术委员会TC7于2022年6月启动自智网络意图管理技术研究，重点对意图管理架构和相关参考点、意图表达模型、意图生命周期管理等进行研究和讨论。并于2023年6月正式启动自智网络意图管理技术要求标准的制定工作[9]。在上述标准化研究的过程中，各个标准组织和厂商积极投入到了意图驱动网络的研究中，提出了各自的解决方案。意图驱动网络正在逐步从理论走向实践，并且在实践中不断得到完善和优化，展现出在网络管理、自动化部署、优化网络资源配置等方面的巨大潜力。然而，目前针对意图驱动网络的研究和实践，仍存在一些挑战和问题。例如，如何准确理解和转译用户的意图？如何保证意图的验证和实施的准确性？如何实现网络的全面感知和动态调整？这些问题都需要我们在未来的研究和实践中不断探索和解决。此外，自智网络作为意图驱动网络的一个重要应用场景，正在受到越来越多的关注。自智网络通过引入意图的概念，可以实现网络的自动化、智能化和动态化，从而更好地满足用户的需求和业务的发展。因此，如何在自智网络中实现意图的有效管理和应用，也将是未来需要重点研究的问题。三、意图驱动自智网络概念内涵与优势分析基于上述已有的标准化研究成果，亟需对自智网络中的意图、意图驱动网络的定义、架构和关键技术形成共识，通过不断完善和优化意图驱动网络的理论和技术体系，以更好地推动网络的发展和进步。本章介绍意图驱动自智网络的基本概念，包括总体框架、核心理念和关键能力。根据TMFIG1253[4]的定义，意图是所有期望的正式规范，包括对技术系统的要求、目标和约束。意图所有者是意图的创建者，负责管理意图的生命周期。意图处理者是意图的接收者，负责意图的实现与满足，并管理意图实例的生命周期。意图驱动自智网络，是意图驱动网络的进阶版，强调网络不再是被动地接收业务指令，而是试图主动地理解人类管理员的意图，尽可能做到料人先机、随意而动，兼顾意图准确性和网络优化目标。根据网络环境和用户需求，动态调整网络参数，提高网络性能。按照自智网络分级标准，在L4（高级自智网络）阶段，通过引入意图实现意图驱动自智网络，其内涵包括以下几个方面：用户意图为核心：网络系统的设计和运行以用户意图为主要考虑因素，通过分析和理解用户需求，自动调整网络资源。提供最优化的服务同样需要时间，所有意图并非是同等优先的，因此为每一个意图配置优先级，为高优先级的意图预留。自动化和智能化：利用先进的自动化和智能化技术，如人工智能、机器学习等，实现网络资源最佳配置。意图优先级的自动配置、优化和故障恢复。这些技术能够自主地学习、感知和决策，提高网络的自适应性。零等待、零接触、零故障：通过精准的资源掌控和自动化运维能力，实现业务的实时开通、即购即用，提供零等待的体验；通过网络端到端的监控和智能化的配置故障恢复机制，提供零故障的体验；通过网络数据与能力的开放和自助服务，提供零接触的体验。全场景网络自治：基于网元、资源、服务与业务四个管理层次，构建体系化能力，实现全场景网络自治。通过分层次构建体系化能力，实现不同管理层次之间的协同和闭环控制，促进外部商业增长与内部效率提升。3.2意图驱动自智网络的技术内涵自智网络是集智能化和自动化于一体的网络基础设施、运营管理系统和业务系统[2]。目前，自智网络的自动化运维能力在很大程度上依赖于预设的、由专家精心设计的经验规则。然而，这些基于规则的自动化策略在现实应用中遭遇诸多挑战。首先，规则设计难以涵盖所有场景，导致在特定或复杂环境下效果欠佳。其次，参数配置通常是静态的，无法适应网络环境的即时变化，降低了系统适应性和反应速度。此外，参数配置往往是固定分档的，无法根据实际需求精细调整，影响资源利用效率。最后，规则间的潜在冲突需要专家介入以识别和解决，增加了运维复杂性和成本。因此，为了应对这些问题，自智网络需要发展更加智能和灵活的技术，以适应不断变化的网络环境和需求。这是实现意图驱动自智网络的关键技术研究方向。（1）外部输入意图和内生意图意图驱动自智网络中的意图按照产生方式可分为人为产生的意图和自动产生的意图。可将人为产生的意图称为外部输入意图，将自动演化出的意图称为内生意图。人为产生的意图主要涉及的关键技术是意图理解，自动产生的意图通常是为了更好地完成人为意图而繁衍出的内生意图，涉及的关键技术称为意图预测。“自智”体现在意图理解和预测过程中。在意图理解中，系统需要具备对用户输入进行分析和理解的能力，这可能涉及到自然语言处理、图像识别、语音识别等技术。而在意图预测中，系统需要通过数据分析、模型训练等方式，预测用户可能的下一个意图或者根据用户当前意图演化出次级意图配合完成当前业务。这些操作使系统具备了对用户意图的智能感知和预测能力，使网络更智能更好地为用户服务。（2）基于意图的预测技术意图预测技术尤其在应急场景下发挥独特作用，在自然灾害、人为事故或基础设施故障等突发应急场景下，意图驱动自智网络能够自动快速调度网络资源以处理事故。以突发森林火灾的预防和响应为例，紧急灾情通常需要毫秒级快速响应，但空、天、地融合的复杂网络状况需要大量网络配置操作，这对人类操作员造成巨大的负担。通过意图驱动自智网络，大量传感器、卫星图像可以借助意图驱动代理异构接入，自动收集来自物理网络的警告信息，通过高效的意图转译和快速决策，自动准确地下发意图以指导相关人员采取紧急措施，自动调度全网相关资源提供即时的通信和协调支持。此外，在大数据分析和机器学习技术支持下，自智网络可以预测火灾蔓延方向，提前预测火灾可能的发展趋势，为人类管理员生成各种预案，有助于采取更及时有效的紧急措施。（3）意图驱动的管理服务意图驱动管理服务是实现意图驱动自智功能的关键部件，在基于SDN的实现中，可以实现在SDN网关上，向上与意图转译功能通过南向接口交互，将自然语言描述的意图转换为意图模型描述的意图。意图驱动控制器负责解析意图和将意图下发，控制器将意图下发到意图驱动的管理服务，由代理负责具体的网络配置。意图驱动代理向下通过物理网络接口为卫星链路、自组织网络、集群网络等末端链路提供接入和互联支持。（4）意图优先级网络资源总是有限的，网络资源的调度通常需要时间，各种通信业务并非是同等优先的，因此可以为重要的意图配置更高的优先级，从而通过预留网络资源等手段优先保障关键的通信业务。意图优先级的配置在紧急通信中消解意图冲突具有重要作用。用户意图的明确性、上下文、紧急性、系统策略、用户期望和任务复杂性等都会影响意图的优先级。即便是相同意图，如果在不同时间、由不同用户发布，其优先级也不一定相同。（5）意图金字塔模型是以SNMP为代表的配置细节管理阶段，其注重对底层网络设备的基本监控和配置。其次是以PBNM为代表的系统策略管理阶段，该阶段引入了较为复杂的策略，使网络管理更具目的性和灵活性。最后是以IDNM为代表的服务意图管理阶段，该阶段强调针对用户的服务意图实现更高层次的自适应网络管理。该三个阶段的演进过程中，对底层设施的抽象级别逐渐提升，从而不断屏蔽繁杂的技术细节，最终实现以最高级别抽象的服务意图对网络进行管理，形成从“意图”到“策略”再到最终的“配置”的映射，为网络管理提供了更加灵活和智能的手段。“意图-策略-配置”的金字塔模型，如图1所示。图1“意图-策略-配置”金字塔模型示意图3.3意图驱动自智网络的优势分析意图驱动自智网络展现出四大显著的价值亮点。首先，它赋予业务模式更大的灵活性、智能性和高效性，为用户提供更为创新和有价值的产品与服务，为企业带来崭新的商机和增长空间。其次，通过实时捕捉全网数据，借助海量数据进行分析、深度洞察、预测和知识提取，释放数据流动的潜力，助力基于数据的产品创新。再者，它升级了资源调度、自动化和智能化水平，有效降低人力成本、提升终端、基站和计算中心的利用效率，实现企业运营成本的降低。最后，意图驱动自智网络具备卓越的风险识别、预判和应急响应能力，可显著减少潜在风险并降低损失。通过采用自动化和智能化手段，动态平衡全网的使用需求，实现了显著的节能减排效果[3]。意图驱动自智网络以其独特的优势，正在重塑传统的网络运营模式[11]。意图驱动自智网络在提高网络性能、优化资源利用、提供个性化服务等方面具有显著优势，有助于推动网络技术的创新与发展，主要包括：（1）提高网络资源利用率：通过实时监测网络状态和用户需求，意图驱动自智网络能够智能地调整网络资源分配，实现资源的高效利用，降低浪费。（2）优化网络性能：意图驱动自智网络基于先进算法和模型，对网络性能进行持续优化。这有助于提高网络稳定性、降低延迟和丢包率，提升用户体验。（3）自动化与智能化：意图驱动自智网络具备自主学习能力，能够从海量数据中提取有价值的信息，自动调整网络参数和策略。这使得网络管理更加便捷，降低了人工干预的成本。（4）个性化服务：意图驱动自智网络可以根据用户行为和偏好，为用户提供个性化、定制化的网络服务。这有助于提高用户满意度和忠诚度，促进业务发展的重要方向。（5）开放与可扩展：意图驱动自智网络具有良好的开放性和可扩展性，可以与其他网络技术和应用无缝集成，适应不断变化的网络需求。这为网络创新和发展提供了有力支持。（6）应对复杂场景：意图驱动自智网络能够应对多样化的网络环境和复杂场景，实现对各类应用的优化支持。这有助于提升网络的适应性和灵活性4.1意图驱动自智网络运营分层架构多边接入网关与自智网络的部署实践围绕“单域自治，跨域协同”的核心思想，分层次构建体系化能力，实现全场景网络自智，其目标架构自下而上包含网元管理（对设备组件和运行状态动态感知和自动优化，并开放自动化操作能力）、网络管理（基于网络管理、控制和分析能力，自动将上层业务和应用意图驱动控制器转化为网络行为，通过南向感知/分析/决策/执行的域内控制闭环能力，结合本地智能，持续保证网络连接或功能的SLA承诺，实现单域网络的自治闭环管理）、服务管理（基于规划、建设、维护、优化的端到端流程，结合业务协同、保障、分析三大能力，实现跨厂商、跨领域的服务层自治和闭环管理）和业务管理（主要面向自智网络业务提供客户、生态和合作伙伴业务使能和运营能力）4个层次，以及资源闭环（单专业资源管理，实现单域自治）、业务闭环（面向业务的、跨专业的端到端管理，实现跨域协同）与用户闭环（用户与商务管理，包括用户信息、营业、计费、客服等）3个闭环[2]。分层架构模式降低了整体系统的复杂性，每层可独立演进与自治运行，并向接口其消费者层隐藏域实现技术、域内操作和域内功能细节，如图2所示。其中A类参考点，位于分层解耦的管理架构层次之间，可作为自治域北向，对上层提供意图处理能力的调用与管理入口。K类参考点，位于集中自智节点与分层解耦的管理层次之间，对后者提供实现意图管理所需的集中式智能支撑能力的调用与管理入口。图2意图驱动自智网络架构自智网络各个层次均可以引入意图叠加层，并对层间交互，为卫星链路、自组织网络、集群网络等末端链路提供接入和互联支持。多边接入网关为异构网络接口提供接入接口，意图驱动控制器简化与抽象，在自智网络演进的智能化阶段，系统基于用户指定意图目标，结合AI技术，层内提供自动闭环，层间通过网关控制异构网络意图接口交互，使上层服务调用独立于下层实现，从而意图下发和意图实现自智网络跨层跨域的意图覆盖，进一步减少人为操作、提升管理效率、加速技术迭代。4.2意图驱动自智网络技术实现架构意图驱动自智网络的技术实现参考架构如图3所示，其设计采用分层策略，按照各层的功能抽象程度和业务逻辑，自底向上分为基础设施层、服务管理管理层和业务管理层。同时，分布式人工智能模块横跨各层，为各个流程环节提供强大的支持。基础设施层可视为意图驱动自智网络的基石，由各类硬件设施、软件系统和数据等构成。这一层面对全网的算力资源、网络资源和存储资源进行统一感知管理，并能够根据业务需求对计算和存储资源进行高质量的管理和调度。通过分布式人工智能，基础设施层拓展了对自身信息的感知深度与维度，包括资源感知、性能感知和故障感知，为网络管理层提供可靠全面的决策输入。同时，通过在数据源头进行分析决策，实现实时不间断的业务响应、设备能耗的智能调节和算网故障感知和修复等功能，提升系统的自响应、自修复和自优化能力。网络管理层被视为意图驱动自智网络的大脑，负责具体实现系统功能。该层通过南北向接口分别接收基础设施层的状态信息和业务意图，进行分析决策和网络控制，包括状态感知、资源调度、算力管理、服务编排、故障分析和自修复等。网络管理层采用单域自治与跨域协同的分层渐进策略，强调对系统子功能模块的自动化和智能化执行，同时支持根据资源状态和用户意图等进行自适演进。跨域协同将各自治域拉通互联，通过多域协同解决复杂问题，实现功能流程的自动化和业务高层智能化闭环处理。网络管理层将AI技术深度嵌入算网的各个层面，提升各功能模块的智能化学习及场景适应能力，确保算网对当前和未来新业务的服务质量。图3意图驱动自智网络设计框架业务应用层用于实现面向用户的服务能力开放，承载抽象的业务功能。从用户角度看，业务应用层能够根据用户意图将服务应用调度到合适的节点，实现资源利用率最优并保证卓越的用户体验。分布式人工智能模块通过数据管理、学习训练、智能分发和持续学习等形成完整的智能闭环，为基础设施层、网络管理层和业务应用层提供全方位的智能服务。作为智能能力管理与知识统一中心，分布式人工智能模块深度融合在各层级，将AI的设计训练、推理验证、部署应用和迭代优化等全生命周期都设在意图驱动自智网络内部，实现了AI的内部诞生和服务。通过对算网运行过程中产生的数据进行深度挖掘，分布式人工智能模块协同整合不同网络层之间的数据、资源和功能方面的差异，产生有效解决方案，并综合考虑意图驱动自智网络的运行效率、自动化水平和服务质量等。同时，该模块支持AI的持续学习，能够自适应地进行知识演进，并进行知识融合与推理，从而创造新的知识。4.3意图驱动自智网络端到端处理流程一个完整的意图处理流程包括如下几个阶段，开始阶段、评估阶段、下发阶段、实施阶段，如图4所示。在开始阶段，意图所有者通过检测需求满足情况确定是否需要定义新的或更改现有意图，孵化出新的意图对象。若不需要创建新的意图对象，则处理流程结束。在评估阶段，意图所有者和潜在的意图处理者通过调查协商确定意图对象的可行实现方案，包括意图处理者的选择以及意图对象的参数协商，同时对相应方案产生的影响进行验证和评估。如果评估不可行，则处理流程结束。如果评估可行，则意图所有者确定实现意图对象所需的意图处理者及对应的参数信息。在下发阶段，意图所有者将评估后的意图对象下发给意图处理者请求新建意图实例。如果意图处理者接受该意图对象，则新建意图实例成功，意图生命周期进入实施阶段；如果意图处理者不接受该意图对象，则新建实例失败，处理流程结束。在实施阶段，意图处理者根据接受的意图操作其责任域，实现意图的期望目标。在意图实例被删除之前持续保障意图对应的期望得到满足。按需向意图所有者报告意图处理完成情况、执行状态和未满足原因等。当意图处理者接收到意图实例更新请求，通过调查协商确定更新操作的可行方案，并对相应方案产生的影响进行验证和评估，如果更新不可行，则处理流程结束；如果更新可行，则进行相应意图实例的更新。当意图处理者接收到意图实例删除请求，则处理流程结束。图4端到端意图处理流程示意图在意图驱动网络中，针对业务管理、服务管理、资源管理、网元管理不同层次，上层意图管理功能可以作为意图所有者，下层意图管理功能可以作为意图处理者，层间通过调用意图接口，实现自顶向下的意图调用流程，从而使用户端到端的意图得以满足。4.4意图驱动光网络架构的实验验证基于意图驱动自智网络框架开发了意图驱动光网络平台(IDONP)，包括从意图到策略的部署方案优化设计，高精度意图保障的故障定位机制，和面向意图保障的快速切片重构方法。4.4.1部署方案的设计与优化本小节展示意图驱动自智网络的需求分析，以及两种从意图到策略的实现方法，包括基于强意图约束的智能策略生成(PG-RL)、基于意图约束的智能切片策略生成，实现了意图与策略的最优适配。随着接入用户基数和业务种类的增长，光网络的流量呈阶段性、区域性变化，而建拆路的代价很大，难以保证实时性。故需要网络可以在现有网络基础设施上适当自动变更，通过网络自动化或网络编排完成，需要：1）在强意图约束条件下自动化生成配置策略，满足光网络业务服务需求；2）建立高鲁棒性意图保障机制；3）实现智能策略与光网络环境的实时适配。技术原理：意图到切片策略实现的映射通常需配置连接拓扑（连接到服务节点交换数据以更新内容，并分配足够的计算，存储和传输资源来保持一定的QoS级别。光网络切片可以适应多样性业务的灵活需求，提供定制的服务保证，网络切片使基础设施提供商(InfrastructureProvider，InP)能够在公共平台上支持异构服务(即为每个服务创建一个定制的切片)。并且可以动态地放大/缩小片，以匹配其服务需求的变化。根据意图的解析结果要求(如延迟、容量、可靠性等)来创建切片，在切片中汇总的流量存在时间和/或空间变化的情况下，InP可以通过动态地向上/向下扩展所供应的片，以匹配服务需求的变化，从而提高其资源使用效率。并且受益于网络功能虚拟化（NFV）和软件定义网络（SDN）技术的发展，网络切片已被提出作为意图驱动光与无线融合网络的关键体系结构技术。DRL通过与网络交互从经验中学习不断寻找、调整合适的策略，动态调整分配给各个片的资源，从而在保证意图约束的同时最大程度地利用资源。部署方案：意图驱动光与无线融合网络架构主要包括意图表达，转换，验证和部署；在意图形式转换方面，形成了“自然语言，意图原语，可执行策略，可靠配置”的意图流。在层次关系方面，结合OpenDaylight(ODL)和OpenNetworkOperatingSystem（ONOS）的最新实践，意图驱动光与无线融合网络主要包括服务应用层，意图北向接口，意图策略层，意图保障层和基础设施层，如图5所示。图5意图驱动光与无线融合网络架构业务应用层生成业务意图，包括在不同场景中的不同服务。业务意图可以直接或间接产生。业务应用层通过意图策略层提供的编程接口对底层设备进行编程，从而抽象化网络元素的功能。此外，该层提供管理接口以实现多样化的业务创新。意图北向接口NorthboundInterface(NBI)是用于转译意图的模块，它连接业务应用层和意图策略层。此外，南向接口SouthboundInterface(SBI)基于虚拟化技术，并连接到各种网络元素设备，各种计算资源和通信资源被虚拟化。它主要用作基础结构层和意图策略层之间的交互。意图策略层是架构的核心，具有管理控制和决策能力。该层解析并检查通过意图北向接口转换的业务意图。用户意图被处理为可以由当前网络执行的规则化意图请求，网络中的特定资源需求是通过意图和资源的映射算法获得的。该层采用基于意图的管理和编排系统来实现资源的统一调度进行切片配置。并且将闭环配置引入到网元的生命周期管理中。借助智能引擎，完成网络状态数据收集，数据存储，数据处理，模型训练和参数调整之类的功能。基础设施层包括各种物理设备实体。它还部署了大量网络数据收集工具，以提供反馈信息和策略配置所需的参数。优化设计：(1)基于强意图约束的智能策略生成(PG-RL)通过研究意图关键词提取，并设计意图请求报文对意图关键词进行封装，实现了对意图的精准表述；在意图请求报文约束下，研究基于强化学习(RL)的策略生成，通过组合细粒度策略生成对光网络新的配置手段，实现了意图与策略的最优适配。图6用于意图转译的知识图谱匹配体系结构（2）基于意图约束的智能切片策略生成(SPG-RL)通过研究意图与网络资源需求的映射，捕获业务意图并将其转换为网络策略，实现了对意图到网络状态需求的精准转换；并在意图的约束下，研究基于强化学习(DRL)的切片策略生成，通过有效地将用户的性能要求转换为光与无线融合网络的切片配置策略，实现多维感测要求，实现了意图与策略的最优适配，克服了传统光网络资源分配策略静态固化的缺点。图7意图驱动融合网络智能切片工作流程图8执行意图解析和切片策略结果4.4.2运营和维护方法与策略基于意图驱动光网络平台(IDONP)架构进行网络部署、算法的设置和算力节点的设置。维护部分以保障意图为出发点研究了高精度故障定位算法以及面向意图保障的快速切片重构算法：（1）研究基于高精度故障定位方法的意图保障机制，通过引入深度神经进化网络，提出一种面向大规模告警集的高精度故障定位方法，有效实现对光网络故障节点的精准定位，辅助策略层及时隔离故障，最大化保障意图实现。仿真结果表明，在一万量级告警规模下，由于嵌入式部署了联邦深度神经进化网（FL-DNEN定位精确度提升至92%，定位时长缩短0.5秒。图9改进的故障传播模型算法（2）面向意图保障的快速切片重构算法(SR-DDQN)，研究基于快速切片重构方法的意图保障机制，通过引入DuelingDQN网络，提出一种面向高度动态网络环境的快速切片重构方法，有效实现调整不同域的计算和存储资源的分配策略以及VNF的部署以匹配切片请求中的动态变化，最大化保障意图实现。所提出的模型能够根据实时网络状态，连续检测执行策略与原始意图的一致性，并在未达到意图要求时采取快速切片重构，重构时间缩短39.2%，资源利用率提升17.6%，降低意图约束违背率的同时提升网络资源利用率。结合以上两种算法以及现网的结构可以实现网络的自动化运维，且两种算法均有持续学习的能力，随着网络的部署及运营，通过其自主学习外加人为有监督的调控可以实现网络进一步的优化。4.4.3现有网络兼容集成方式本小节就现有网络结构进行了简要介绍，后续对于如何基于现网进行意图驱动网络的集成进行了意图驱动光网络平台(IDONP)的开发，介绍了意图驱动光网络平台的结构以及各层的开发过程，如图10，明确了IDONP的工作流程。为后续的意图驱动网络提供了集成思路。(1)现有网络介绍：软件定义光网络（Software-definedopticalnetworks,SDON）是一种新的网络范例，可实现灵活，高效的网络管理。SDON技术允许将底层基础设施抽象出来，并作为一个虚拟实体被应用程序和网络服务使用。这允许网络操作员定义和操作网络的逻辑映射，创建独立于底层传输技术和网络协议的多个共存的网络片(虚拟网络)SDON提供统一的控制平面平台，实现接入网、光网、城域网、核心网段的融合，以及数据中心内部和数据中心间的融合。可以使用全局网络视图制定最佳的网络控制决策。SDON为网络管理域带来了四个主要功能，例如可编程性，敏捷性，灵活性和独立性。网络功能虚拟化(NFV)思想是用在共享设施上虚拟化网络资源，成为虚拟化网络功能（VNF）。NFV通过虚拟机管理程序通过通用的共享基础架构分配虚拟机(VM)或容器的能力，并直接控制硬件资源。SDON/NFV联合框架成为实现基于意图驱动光与无线融合网络智能控制编排的最佳方式。基于SDN的开放网络操作系统（ONOS）包括IntentFramework组件，该组件旨在提供整体运行时环境和框架。作为ONOS的子系统，意图框架是意图连接的组成部分。IntentFramework将业务意图视为基于策略的指令，允许应用程序根据策略和管理从外部广播其网络需求。(2)结合现网集成方法：基于意图和需求，设计网络架构，包括网络拓扑、设备布局、连接性等方面。采用分层结构和模块化设计，以便后续扩展和优化。通过开发意图驱动光网络平台(IDONP)具有如下的现实意义：为用户提供交互工具，对应IDONP中的交互层。用户可通过渲染后的Web界面、api或命令行工具下发意图、管理网络中的策略，实时获取网络的运行状态。提供一种数据模型，对应IDONP中的意图北向接口(IntentNBI)。该模型描述了自然语言背后详细的语义，可以实现对语义的标准化表达。同时这种数据模型具有层次性，高级意图可以分解为若干低级意图。提供一种策略引擎，对应于IDONP中的JBossDrools策略引擎库。策略引擎将细粒度的网络策略从应用程序中分离，同时可以对这些策略进行管理，包括新增、删除、修改与持久化。方便基于强化学习的策略生成模型(PG-RL)提取细粒度策略，组合生成新的网络策略。IDONP能够成功将用户意图转换为可部署的光网络策略，实现与用户意图相适配的定制化服务，同时集成了基于故障定位方法的意图保障机制，形成。意图全生命周期的闭环控制，主要包含交互层、意图层、策略层和故障定位层。交互层主要基于HTML5Canvas进行渲染，支持矢量图形的无极缩放，可以清晰、流畅展示光网络拓扑运行情况，实现返回的后端网络数据在线可视化。交互层和意图层之间基于HTTP协议，可通过Post请求向意图层下发用户意图，也可通过Get请求获取意图的解析结果、策略生成情况以及网络实时运行状态。此外，交互层也可以通过API对策略层JBossDrools引擎库中的策略进行管理。意图层接收交互层下发的意图请求，通过IA-LDA模块解析意图语义，获取意图关键词信。例如，“世界杯期间需要保障体育赛事客户端可以流畅观看”这样的一条意图，从中可以提取出“QoE、提升业务优先级，增大带宽分配”等关键词信息。IntentNBI随后将关键词封装为包含业务信息的json数据结构，下发给策略层。策略层包含JBossDrools策略引擎库与基于强化学习的策略生成模型。其中策略引擎库中存储若干细粒度规则，在IDONP中主要包含业务排序规则、路由规则、光网络资源分配规则等。PG-RL在IntentNBI下发的数据模型约束下，将策略引擎库中细粒度策略组合生成与意图相适配的新策略。在故障定位层中，FL-DNEN包含故障传播模型和DNEN模型，通过对网络的监控，接收控制器上报的告警信息，实现对光网络故障的精准定位，并将故障及时上报策略层，帮助策略层及时调整业务路由，规避故障链路或节点，形成对意图的有效保障。通过以上三个方面的综合考虑，可以更好地设计、部署和运营意图驱动自智网络，实现更高效、智能和灵活的网络服务。意图驱动自智网络的核心目标是将用户表达的结构化的意图转化为网络可执行的细粒度策略集合。区别于传统框架仅将自然语言视作意图的源，本技术白皮书扩展了意图的定义范畴，纳入了动作、语音等多种表达形式，以更全面捕捉用户意图的维度。图11意图转译流程图命名实体识别、语音识别以及序列标注等技术被用于准确地识别和提取意图表达中的关键实体。随后，通过文本分类、语义表征以及文本生成等技术，将这些实体映射到预先定义的意图模板中，从而丰富和完善知识库中的意图表达。此后，利用知识库内嵌的策略库，将充实后的意图模板转化为一组具体的子策略，形成执行所需的策略集。最终，控制层将依序执行这一策略集中的各项子策略，精确实施用户的意图。整个意图转译技术的流程和结构，可参照图11所示的技术流程图进行理解和实施，以确保用户意图的高效和精准转化。综上所述，本篇将针对意图驱动网络上述空间以及环路中涉及的关键技术进行详细介绍。为实现从用户输入到底层网络配置的准确映射，需要对意图进行分类。人类的意图并非是从某一个角度进行分类而是多维度的，不同维度相互交叉的。我们可以把从多维度分类描述一个意图想象成给某条意图“打标签”，当标签足够多时，维度足够全面就可以清楚的描述清楚此意图。信息建模层面来看，意图可以由一组期望组成，这些期望可以是基于公共模型的期望[3]。而在具体定义期望达到的状态列表时，可以基于领域信息模型来进行描述。对于每一个意图来说，其可能存在多个维度的意图期望和对应上下文，而对于每一个期望来说，可以由若干个期望目标和一组对应的期望上下文组成。数据建模层面来看，跨系统的意图表述需要采用机器可以识别且无歧义的语言来表达与交换。其中，统一建模语言UML（UnifiedModelingLanguage）是一种用于软件开发的标准建模语言，它允许开发者描述、构建、可视化和文档化软件系统的组织结构、行为和交互。资源描述框架RDF（ResourceDescriptionFramework）本质是一个数据模型，形式上表示为SPO三元组，有时也被称为语句。YANG是一种数据建模语言,呈树形结构，是由无数叶子、列表、叶列表、容器组成。图12意图分类模型根据用户目标及意图应用场景，意图可以被分为客户服务意图、网络服务意图、网络意图、操作任务意图、战略意图等。根据是否明确指定目标对象的名称，意图可以被分为显式意图和隐式意图。其中，明确目标组件的为显式意图，反之为隐式。根据是否具备生命周期管理功能，意图可以被分为瞬态（操作）意图和持久（业务）意图。瞬态意图是对网络管理操作的简单抽象，一旦指定的操作成功执行，意图则完成，并不再影响目标对象，因此无需生命周期管理。与之相对应的，持久意图需要进行生命周期管理，一旦意图被成功激活和部署，系统将保持所有相关意图处于活动状态，直到它们被停用或移除。此外，IRTFRFC9316[5]首次针对意图的分类提出了一种标准模型，面向承载网、云数据中心网络、企业专网等业务场景，以及网络管理员、终端客户等多种用户类型对意图分类施策，并可随着技术及业务演进不断迭代扩展分类模型的规模。一方面提高系统识别意图效率，另一方面根据用户需求、期望和优先级提供差异化的解决方案。为了更清楚的描述一个意图，还可以从时间、空间、是否周期等角度分类。如图12所示，一条意图的多维度描述模型。从意图的级别角度出发，可分为基本意图和高级意图。从时间角度，可以将意图分为过去的意图、当前的意图和未来可能的意图（意图预测从空间的角度，将复杂的大范围意图细化为小范围的意图，从全局网络配置细化到局部网络上的配置。也可以将意图划分为周期性的意图和非周期的。从用户业务角度，意图可分为信息查询类、点间通信类、网络配置类和设备控制类。从紧急性和重要性角度，可分为紧急重要、紧急不重要、重要不紧急、不紧急不重要等。在意图驱动网络（Intent-DrivenNetwork,IDN）中，意图理解是一个关键组件，用于将实现人类自然语言的主意图到基于结构化的意图，意图理解的基本流程主要包括以下几个步骤：1、用户意图输入：用户通过自然语言（文本或语音）或图形化界面输入他们的业务意图。意图可以是简单的命令，也可以是复杂的业务策略表述。2、意图解析：处理自然语言输入，提取出关键字和短语，理解用户意图的具体要求。通过语法分析和语义理解来解码输入的结构和含义。3、语义理解与映射：将解析出的用户语言意图映射到一组预定义的网络操作和策略上。使用领域知识库来联系用户意图和网络系统能够执行的具体操作。4、意图验证与修正：检查解析出的意图是否符合网络策略和业务逻辑。如有必要，系统会要求用户澄清或修正他们的意图输入。意图理解在IDN中是一个很关键的部分，因为它直接关系到网络是否能够按照用户的业务目标和要求正确配置和管理。因此，为了提高意图理解的准确性和网络的自适应能力，通常需要将高级的NLP技术、人工智能以及网络领域的专业知识相结合。（1）抽取模型：globlepointer模型构建GlobalPointer是一种基于span分类的解码方法，它将首尾视为一个整体去进行判别，所以它更有“全局观”（更Global）。而且也保证了训练、预测、上线评估都是以实体级进行评测，如图13。图13意图实体抽取模型（2）数据集构建：生成1000+组数据集（3）实体类别：可以按照转换为各个标准组织已经定义的意图模型进行转换，最终将意图映射到一组预定义的网络操作和策略上，映射后的信息可以描述为如下实体。对象（链路作用对象的约束节点、位置、区域行为（链路配置方式的约束连接、构建网络、防火墙、过滤、均衡效果（链路配置效果的约束带宽、时延、吞吐量、丢包率、Qos、业务、网络特性、协议类型时间（链路作用时间的约束作用时间额外信息（链路配置的额外信息端口、优先级、应用场景编号网络操作实体大类实体子类示例A1对象节点Host1、A1、主机、节点、用户BA2对象位置A3对象子网1、自组网、无人机网、卫星网络B1行为连接建立连接、开启连接、相互联通、通信B2行为构建网络构建子网、形成局域网B3行为防火墙防火墙开启、防火墙关闭B4行为过滤过滤黑名单B5行为均衡开启负载均衡、开启控制器均衡C1效果带宽带宽达到500Mbps、带宽不小于500MbpsC2效果时延不超过5msC3效果吞吐量网络吞吐量最大化C4效果丢包率丢包率小于5%C5效果QosQos最高保证、Qos开启C6效果业务高清视频会议、语音连接C7效果网络特性自组织、自恢复、高抗毁C8效果协议类型IP模式、http、smtpD1作用时间每天早8点-晚上8点、持续一星期E1额外信息端口439端口E2额外信息优先级最高优先级E3额外信息应用场景智慧城市、无线图传、临时会议、环境监测、抢险救灾意图实现策略验证负责确保策略转译生成的准确性与适用性，避免其直接实施可能导致的网络故障或业务品质下降等风险。此过程要求策略验证不仅要高效率地进行，确保策略在时效性内得以评估和筛选，同时也要保持高准确度，确保最终选定的策略能在实际应用中达到预期效果。在进行策略可执行性的验证时，主要关注资源的可用性、潜在的策略冲突以及策略本身的正确性等关键因素。目前，主流策略验证技术一般包括构建数字孪生体和进行策略仿真验证两步，这些方法共同构成了确保策略可靠性与有效性的技术支撑体系。（1）数字孪生体的建立构建数字孪生体涉及到精细化地模拟物理网络，这一过程借助先进的数字孪生技术进行。该过程分为基础模型构建和功能模型构建两大部分，旨在实现对物理网络的全方位和动态描述。基础模型的构建依托于网元的基本配置、环境信息、运行状况以及链路拓扑等关键数据，创建与物理实体网络相对应的网元和拓扑模型，以确保对物理网络环境的实时且精确反映。这一过程进一步细化为三个关键步骤：首先是孪生网络的本体模型构建，旨在建立一个统一且综合的网络孪生体数据库，随后是网元模型和拓扑模型的按需组合构建，以便实现对物理网络的精确映射。另一方面，功能模型的构建关注于满足实际网络功能的需求，它通过在全生命周期内引入多样化的功能模块来支持网络的动态演进和推理决策。这些功能模型能够根据不同网络应用的具体需求，通过多维度的构建和扩展，实现对网络功能的全面模拟和预测。此项技术的应用不仅增强了网络管理的灵活性和响应能力，而且为网络规划和优化提供了强大的支持。如图14，为示例中C功能的数字孪生体的示意图。图14策略验证中数字孪生体示意图（2）策略仿真验证为了提高策略验证的效率并确保策略的时效性，策略验证流程前置了一个关键步骤：对待验证策略的预分类和整理。这一过程涉及利用知识归纳方法，根据网络策略共享的特征（例如网络协议、初始端口号、优先级等）进行分组，旨在减少验证过程中的工作量，并加速整体的验证进程。随着数字孪生体的成功构建，网络待验证策略将被注入到该孪生体中，以便观察和分析仿真结果。策略验证通常采用两种主要方法：控制面验证和数据面验证。这两种方法分别针对网络控制层的路由协议和网络的数据传输环境进行仿真，以验证路由策略的可达性和数据包的传输效率。具体的验证方案可以进一步细分为全局仿真和局部形式化仿真两种类型。全局仿真涉及模拟广域网(WAN)内所有协议的操作，从而生成相应的数据平面处理规则。而局部形式化仿真则在遇到不确定性因素时发挥作用，通过采用逻辑表达式编码所有潜在的情况，并利用求解器来计算可能出现的各种情况，以此来精确地评估策略的有效性和潜在的影响。这种方法为网络策略的验证提供了一种既全面又灵活的技术路径，确保了网络策略的实施既高效又可靠。意图实现知识用于规范和关联用户意图存储和交互更新、意图转译结果参数存储、读取和更新、网络状态反馈信息存储等,基于以上知识可实现用户意图闭环管理和网络状态监控，对用户意图的闭环感知进行反馈。同时，意图实现知识管理提供了用户原始意图交互信息、意图转译结果信息、网络状态反馈信息等用户信息脱敏数据的汇总导出功能，并建立标准数据规范，可为后续意图网络相关智能算法模型的训练和应用提供数据基础。针对意图实现知识管理模型，需设计可用资源库完成对意图实现知识和相关信息配置等的存储，承接来自用户交互界面的意图转译结果；需设计数据收集分析模块，查询可用资源库中的用户意图处理，处理可能的意图更新；需设计服务编排模块实现意图用例、场景、资源等的管理。意图实现知识管理提供对意图实例的增删改查，在意图实例创建过程中，用户交互界面读取用例服务ID，将用户意图绑定新创建的意图实例ID和读取的用户服务ID存入可用资源库，同时可用资源库提供用户意图监控接口供数据收集分析模块监听可能的用户意图更新；在意图修改更新过程中，用户交互界面读取新的用例服务ID，将新用户意图用例服务ID存入可用资源库并同现有意图实例进行关联；意图实现知识管理同时提供意图查询和意图删除功能。采用意图实现知识管理技术，通过完成意图实例和数据表的映射（如以意图实例ID作为KeyID能够关联意图相关信息，如（1）考虑不同场景用例服务，可将不同场景用例服务ID同意图实例ID关联，满足用户多场景需求2）用户不断变换的意图和意图转译信息，与统一意图实例进行关联3）网络变化信息和意图保障信息，与统一意图实例进行关联，能够评估和优化网络对用户意图的支持能力。意图实现知识管理技术提供脱敏数据汇总导出功能，将网络意图相关信息导出为后续意图网络相关智能算法模型的训练和应用提供数据基础。意图驱动智能网络的已经成为行业内共识的愿景。通信运营商、设备制造商以及高等教育机构等各界都在积极推动智能网络的实践应用，技术研发和商业应用的进程正加速推进，整个产业呈现出繁荣发展的趋势。中国电信采用ONAP服务化理念，面向6G全场景随愿服务需求，聚焦6G网络架构设计，提出并实现了意图驱动闭环自智网络架构方案及测试平台并进行关键场景和技术验证。为了给用户提供差异化与个性化的智能服务，保障灵活调度全局云网算力资源，全业务场景随愿服务针对各种智能化用例，实现对6G接入网、承载网、核心网、空天网络域、云算力资源域等的端到端一体化动态编排管理。在该示例中，来自服务管理层的用户意图映射为资源管理层的网络执行策略，实现意图驱动的云专线交付和保障。图15意图驱动闭环自智网络全业务场景随愿服务在闭环自智角度，方案设计了双闭环自智架构，如图15，其中外层闭环又包括两类数据流，分别实现意图的创建和下发功能，意图的修改和满足功能。内层闭环结构实现用户的意图保证，包括四个阶段，分别为M2A（monitoring）、A2D（analysis）、D2E（decision）和E2M（execution）阶段。每个阶段的相应任务由方案架构中模块定义并实现（如意图实例模块、策略模块、服务编排模块等并在ONAP平台中具体部署实现。本方案采用轻量级解耦方式实现模块解耦合，采用规范的网络意图验证流程和接口，具有较高实施可行性。意图网络中的意图输入和转译模块基于UUI实现。这一模块负责对用户输入的自然语言信息进行解析，获取对应的网络意图需求信息。用户输入的自然语言信息包括输入语音或网络意图需求文本信息等；网络意图需求信息包括网络服务质量需求和网络基本配置信息等；网络服务质量需求，即网络配置参数包括基于用户意图感知获取的网络服务质量需求；网络基本配置信息包括用户位置区域信息等；网络状态信息包括实时流量、时延、抖动等。用户输入的语音或文本网络意图需求信息，可基于自然语言处理方法（例如BERT算法）进行实体抽取、实体识别等。经过自然语言处理流程，用户使用自然语言表达的需求被转译成相应的网络参数。SDNC和SO负责进行SDN的控制，进而履行意图再向DCAE反馈，通过意图验证模块对这些策略进行验证，判断网络状态是否符合SLA（servicelevelagreement最终DCAE再向UUI发送判定结果供用户决策。意图网络中的意图实例管理技术可实现用户意图闭环管理和网络状态监控。当DCAE发现网络状态发生改变即向UUI发送通知，请求用户干预，用户通过UUI修改存储在AAI中的意图实例参数，进而AAI向DCAE发送修改通知，更新用户意图存储、意图转译结果参数存储、读取和更新网络状态反馈信息存储。UUI中的自然语言处理(NLP)功能将用户意图分类到匹配的用例或服务中，从文本中提取参数，并将其填充到自动生成的服务请求表单中，然后显示给用户以进行确认或修改。服务表单是用户意图的标准格式化表达，它指定了服务类型、需求和SLA。UUI中的意图编排管理组件读取用户意图参数，并将其转译为相应的IETF客户服务模型并发送给SO。客户服务模型是描述网络运营商向客户提供的服务的声明性模型。SO将客户服务模型转译为传输网络中相应的IETF服务交付模型。服务交付模型定义了如何在网络中设计服务。SDNC将服务交付模型转化为相应的网络配置模型，并应用于物理网络。这样的模型驱动设计有其先进性，首先，转译步骤中使用的模型可以通过SDO进行标准化，这有助于IBN解决方案的标准化。其次，每个步骤中的模型实例都保存在AAI数据库中，并且可以通过RESTful接口检索。此外，模型驱动的设计将数据模型与访问(读/写)数据的代码逻辑解耦。这种解耦使我们能够独立于数据模型改进和发展我们的代码逻辑，从而将对其他组件的影响降到最低。意图保障的内闭环由4个阶段组成:监测、分析、决策和执行。监控阶段在SDNC上实现。它从网络控制器收集监测和性能数据，并将它们转发给DCAE。SDNC根据在意图转译过程中从用户意图中获得的SLA参数来确定收集哪些数据。分析阶段是指DCAE对从SDNC接收的监测数据进行分析，并向Policy提供反馈。其意义在于检测网络异常，并通知Policy采取纠正措施。决策阶段在Policy上实现。它根据从DCAE接收到的数据做出闭环决策，并向SO发出执行服务更改的适当建议。执行阶段是典型的SDN编排和控制工作流。SO和SDNC将新的网络配置应用到物理网络所有的数据，包括监测数据、业务模型、网络资源和配置，都保存在AAI中，以便在各个阶段检索和共享。云专线(Cloudleasedline，CLL)服务将云服务用户连接到边缘云或云数据中心，并使用连接或面向连接的技术将边缘节点彼此连接，以提供确定的连接性能。如图16展示了使用EOO(Ethernet-over-OTN)技术的CLL服务架构示例。用户数据（例如IP数据包或以太网帧）通过承载以太网服务进行传输，这些服务在以太网虚拟连接（EVC）上运行。EVC提供服务的OAM（运维、管理和维护而底层OTN（光传输网络）服务提供服务隔离和流量保护。图16基于EOO的CLL服务架构意图驱动网络框架的实际部署，如图17所示。物理网络是一个双域光网络，每个网络域由一个物理网络控制器（PNC）控制。ONAP与PNC之间的标准接口服从IETF/ACTN标准（多域服务模型和协议接口）。图17云专线部署图图19说明了基于模型驱动的意图转译过程。首先，用户以自然语言表达的意图（如图18(a)所示）通过NLP功能被翻译成意图模型（图18(b)）。NLP将用户表达的端点“campusA”和“cloud2”转译成网络拓扑中的相应端点名称（即transportEp_src_campus_A1和transportEp_dst_cloud2以便SO和SDNC能够理解。接下来，UUI中的意图编排器将意图定义转译为客户服务模型，该模型是用户想要创建的CLL服务的规范（图18(c)）。客户服务模型以技术无关的方式指定了CLL服务的连接性和服务级别协议（SLA）。最后，客户服务模型被转译为网络配置模型，如图18(d)所示。这些模型是实现CLL服务所需的EVC和其底层OTN隧道的实际网络配置。图18模型驱动意图转译在意图被满足之后，UUI向用户显示已配置的网络服务，如图19所示。这帮助用户检查和验证网络是否符合其意图。此外，意图保障的具体内容也能够在UUI中展示。图20展示了云专线用例中的闭环过程，可以看出，实际带宽使用情况能够被系统获取，当实际带宽超过预设带宽时，系统能够主动调整最大带宽以避免流量拥塞。图19UUI中的云专线服务蓝色曲线表示意图驱动自智网络方案监测到的实际带宽使用情况，绿色曲线表示预先配置的最大带宽。当带宽预警时，系统能够向UUI发送通知请求用户介入。用户可以选择修改原始意图以增加最大带宽设置。6.2.1意图驱动智能编排案例中国联通联合厂家及省分公司，“以用户体验为中心”的理念，打造业界意图驱动的5G内生智能编排网络应用，创新实现基于网络内生智能的“以用户体验为中心”的意图驱动网络的实践应用。此方案以用户意图为驱动力，依托面向5G-A的内生智能，通过智能化的手段，实现网络策略和资源配置“网随业动”，满足未来网络多样化业务的发展需求[12]。在该示例中，来自服务管理层的内生意图映射为资源管理层的网络执行策略，实现意图驱动的智能编排网络应用。与传统方案相比，该方案具有意图驱动、体验驱动、内生智能、精准编排、敏捷切换特点。方案可显著提升高清直播、视频通话、视频彩铃、AR/VR等5G业务的体验。以往，在5G覆盖差、干扰高的区域，这类业务容易频繁出现花屏、卡顿，出现用户感知“掉沟”。通过“基于意图驱动的智能编排”，可以保障网络资源始终满足用户业务需求，大幅改善用户感知。图21意图驱动网络智能编排意图驱动网络智能编方案依托5G基站的内生意图驱动知识库，包含业务知识库和逻辑栅格知识库，如图21。业务知识库的作用是协助实现用户业务需求精准识别、源小区用户体验精准判决，逻辑栅格知识库的作用是协助实现目标小区体验预判和精准选择、一步到位敏捷切换。该方案通过用户业务需求精准识别、源小区用户体验精准判决、目标小区体验预判和精准选择、一步到位敏捷切换四大功能，实现意图驱动的柔性编排服务，从而保障差异化的用户体验。6.2.2意图驱动智能节能案例5G网络作为数字经济发展的重要基座，已成为国家“双碳”战略的重要发力点。推动5G绿色发展，是保障资源环境可持续发展的基本要求，对经济社会全面绿色转型发展具有重要意义。为了落实国家“双碳”战略，满足5G绿色发展的需要，中国联通打造了“绿色低碳”为核心的意图驱动网络的实践案例。传统节能方案中难以实现多系统协同的智能化节能、最大化全网能效，是构建绿色5G的重要挑战。与传统方案相比，本方案以网络智能节能意图为驱动力，通过智能化手段，实现无线网络多制式、多站点的智能节能，满足网络智能化、精细化、规模化的节能闭环管理需求。在该示例中，来自资源管理层的节能意图映射为网元管理层的节能执行策略，实现意图驱动的智能节能。图22意图驱动网络智能节能方案意图驱动网络智能节能方案以网络节能的意图为驱动力，依托不同网络节能场景模型、话务预测模型、网络组网方式等，并结合预置的运营商策略意图倾向，实现自动精准节能策略的选择及节能参数调优。如图22，方案形成了意图感知、智能分析、灵活决策、自动执行的闭环流程，在保障网络性能的前提下，降低能源损耗。传统路测主要依赖人工，费时费力，智能化程度低。中国联通自动路测智能评估方案充分利用了意图驱动自治网络的能力，“测评算管”一体化实现对传统路测工作模式的变革，降低劳动密集型的道路测试和分析工作量。在该示例中，来自服务管理层的自动路测智能评估意图映射为资源管理层的执行策略，实现意图驱动的智能路测。图23自动路测智能评估方案流程图如图23，方案基于意图驱动网络深度赋能，自动进行问题识别、根因分析、智能决策、自动执行，并对执行效果进行闭环评估，从而实现了道路问题的全程管控，使该场景达到L3级别自智水平：（1）问题感知：自动采集海量网络MR/MDT数据，利用AI模型拟合出道路关键指标，实现覆盖、质量、语音感知、数据感知等四大类指标的自动采集、处理和地理化呈现，并在此基础上，自动识别出问题路段。（2）根因分析：基于智能诊断AI模型，对识别出的道路问题路段进行根因分析，快速呈现道路问题分析结果，将传统方式需要2小时的分析时间缩短至15分钟，大幅提升分析效率。（3）智能决策：针对问题路段的分析结果，通过决策AI模型，给出最佳解决方案建议，包括具体优化措施，参数调整建议等。（4）自动执行：系统可灵活对接工单系统，将根因分析结果、处理建议及关键指标直接推送至一线，助力一线快速解决问题。系统自动对派单后的优化结果进行效果评估，判断问题是否解决，解决效果如何，从而实现对问题路段的全程闭环管控。目前，该场景已在31省规模应用，完成4/5G免测试里程累计521万公里，折合测试成本1.09亿元。经多省现网实际验证，与传统人工路测发现道路质量问题点的匹配准确度在90%以上。6.3.1意图驱动业务分级保障案例当前网络业务保障存在多个问题：用户体验不佳，因为传统运维要求用户具备高技能；响应时间长，由于运维参数繁多，流程复杂；反馈周期漫长，缺乏及时性；调度策略僵化，不能灵活应对