《華為：邁向智能世界白皮書——自動駕駛網絡篇（60頁）.pdf》由會員分享，可在線閱讀，更多相關《華為：邁向智能世界白皮書——自動駕駛網絡篇（60頁）.pdf（60頁珍藏版）》請在三個皮匠報告上搜索。

1、 邁向智能世界白皮書自動駕駛網絡構建自動、自愈、自優的自治網絡當今世界，以 5G、云、AI 為代表的數字技術，正在不斷突破邊界，實現跨越式發展。人類社會正在以前所未有的速度邁向智能世界，在通往智能世界的道路上，網絡作為萬物互聯、萬物智聯的 ICT 底座，正在發揮著越來越重要的作用。隨著后疫情時代的到來，居家+公司的混合辦公、線上+線下的遠程教育、虛擬+現實的社交娛樂成為新常態。網絡之于家庭從承載生活娛樂延伸到了支撐辦公學習甚至生產，家庭對網絡的需求量、使用時長和品質要求都有著質的提升。同時，隨著全球企業數字化進程加速，網絡不再僅僅是支撐系統，將會更多的參與到生產系統之中。隨時按需就緒、確定性

2、SLA 保障、最優業務體驗的需求變得越來越迫切，不僅如此，網絡的獲取、交付和管理方式也逐步向網絡即服務（NaaS）轉變。讓網絡走向自動駕駛、讓云服務無所不在、讓人工智能無所不及、以數字技術助力低碳發展是華為持續創新的方向。自動駕駛網絡是華為通信網絡 2030 的核心戰略，為網絡的最終使用者提供“零等待、零接觸、零故障”的新型數字化網絡服務體驗，為網絡的運營運維者打造“自配置、自修復、自優化”的智能網絡和高序言效運維能力，是我們持之以恒所追求的目標。二十多年前，IP 技術重構了通信網絡轉發架構；十多年前，云技術深刻影響了網絡管理控制架構；未來十年，人工智能技術將嵌入網絡各層架構，推動網絡向高階自

3、治進化，開啟通信產業的又一次升級。在人工智能的加持下，網絡將從自動化走向智能化，從機器輔助人到人輔助機器，從按需就緒到實時感知實時優化業務體驗。然而，網絡要實現完全自治的宏偉目標，除了需要突破超融合感知、大規模實時仿真、關聯認知決策等關鍵技術難題外，還需要產業同仁們在技術架構、接口標準、評估體系、商業模式等多維度上共同努力，一同攻克一個又一個難題，一步步邁向完全的網絡自治。同心聚力，行而致遠。我們堅信，一個波瀾壯闊的智能世界將為人類社會帶來全新景象。魯鴻駒華為公共開發部總裁 執行摘要及關鍵詞 01目錄章節一自智網絡產業概覽02章節四展望及倡議 5430章節三華為自動駕駛網絡解決方案3.1 華為

4、自動駕駛網絡解決方案架構及特征3.2 華為自動駕駛網絡解決方案全景06章節二自智網絡趨勢及建議2.1 趨勢一2.2 趨勢二2.3 趨勢三2.4 趨勢四2.5 趨勢五2.6 趨勢六2.7 趨勢七2.8 趨勢八2.9 趨勢九2.10 趨勢十執行摘要及關鍵詞執行摘要過去十年，4G和云的協同發展豐富了人們的溝通與生活，以SDN為代表的網絡技術實現了應用驅動的網絡自動化，跨越時間、地域的即時通訊技術為生活、生產帶來了翻天覆地的變化。未來十年是智能時代蓬勃發展的黃金十年，面向2025，網絡即將全面邁向5.5G時代，從4G到5.5G，萬物感知、萬物互聯、萬物智能的智能時代需要一張自動、自愈、自優的自智網絡。

5、本文旨在與產業伙伴一起洞察網絡自動化和智能化的趨勢，探討邁向自智網絡的行動建議，持續產業創新，攜手探索發展。關鍵詞數字化轉型Digital Transformation、自智網絡Autonomous Networks、人工智能AI、自動駕駛網絡Autonomous Driving Network、數字孿生Digital twins、意圖驅動Intent Driven。121自動駕駛網絡01自智網絡產業概覽2眾所周知，當今世界各方面環境充滿變化與不確定，正如每一次的工業革命前夜。5G技術的發展及規模應用帶領人類邁入萬物互聯的智能世界，數字技術的快速發展為經濟帶來了新活力，同時，新冠疫情爆發和長期

6、持續則進一步加速了產品和服務的數字化進程。目前，全球超過170個國家發布了國家數字戰略，數字化發展已成為全球重要的共識。據麥肯錫統計，在此復雜多變的背景下，全球的數字化進程整體提前了7年，亞太更是提前了10年，運營商及企業業務數字化的速度比先預想的快2025倍，數字化不再被認為困難重重。居家+公司的混合辦公、線上+線下的遠程教育、虛擬+現實的社交娛樂將成為新常態。網絡聯接作為數字化基礎設施的底座，在推動世界可持續發展和行業數字化轉型中，正在發揮著越來越重要的作用。2030年全球總聯接數或將達到2000億，網絡從連接百億人到連接千億物，下一代人機交互（AR、VR、XR）、住行合一、工業互聯、衛星

7、寬帶互聯、AI算力等新業務，對網絡聯接也提出新需求。一個智能原生、安全可信，具備確定性體驗和通信感知融合能力的立體超寬、綠色網絡是未來網絡發展的方向。隨著5G的部署，網絡規模持續增長、新老設備并存以及2/3/4/5G四代同堂，網絡復雜度、業務復雜度和運維復雜度都將大大提升，OPEX面臨巨大壓力，全球運營商平均EBITDA Margin正在逼近30%生存線，以SDN/NFV為代表的網絡技術自動化能力已不足以應對挑戰。其次，未來十年網絡應用的主體將從消費應用轉到行業應用?；凇斑B接+”為行業客戶提供敏捷隨選、個性化的確定性服務和差異化體驗，是未來產業競爭的焦點。然而，當前運營商網絡的商業敏捷度不足

8、、新業務創新緩慢（新業務平均上線時間大于12個月），仍難以形成與OTT或云服務商的競爭優勢（1年可推300+個新業務）。最后，作為網絡基礎設施提供商，運營商還承擔著低碳、安全等社會責任，需要3自動駕駛網絡在現有架構基礎上構建高效智能的能耗、安全管理機制。未來十年，面對機會與挑戰，為了提高運維運營效率以及促進商業增長，全球電信運營商正在積極探索網絡自動化和智能化升級之道，構建自智網絡（Autonomous Networks）。其目標是面向網絡運維，打造“自配置、自修復、自優化”的智能網絡和高效運維能力，面向終端者和政企客戶，提供“零等待、零接觸、零故障”的新型數字化高品質信息通信服務。自智網絡作

9、為一個全新的產業方向，自概念提出以來，得到了標準組織、運營商、供應商等全行業伙伴的積極響應、傾力投入和全域創新。僅僅2年多時間，便完成了從產業孵化到規劃發展的演進，產業愿景、目標架構和分級標準等達成了廣泛產業共識。零等待零故障零接觸成就“Zero-X”極致體驗自配置自修復自優化服務化平臺化Autonomous Networks構筑“Self-X”自智網絡在標準組織方面，TM Forum、CCSA、3GPP、ETSI等標準組織積極設立自智網絡專項課題，啟動相關技術研究、標準立項，并借助跨標準組織（Multi-SDO）自智網絡技術合作會議（AN Coordination meeting）開展協作配

10、合，初步形成了“通用標準+專業領域標準”協同的標準體系，涵蓋“需求用例、參考架構、分級標準、關鍵技術與接口”等5大標準方向”，自智網絡標準體系逐漸完善，為提升產圖1-1 自智網絡目標愿景業協同效率、繁榮產業生態奠定了基礎?！岸嘟M織協同制定行業標準，運營商加速部署實踐”的發展態勢，推動自智網絡發展壯大。在運營商方面，“自智網絡”成為眾多運營商網絡數字化轉型必由之路，紛紛提出自智網絡等級達成目標，并圍繞“目標架構、分級標準、成效指標、運營實踐”四要素推進自智網絡的探索實踐，進行場景化的應用創新。中國移動率先確定了2025年達到L4級自智網絡的目4自動駕駛網絡標并面向全國31個省公司，完成了自智網絡

11、能力等級的評估，并制定了針對性的提升策略和計劃。中國電信將自智網絡建設作為其“云改數轉”戰略的關鍵部分，提出要在十四五期末實現網絡自智能力全面達到L4。MTN為了更好地落實集團“Ambition 2025”戰略，提出了2025實現自智網絡L4的目標，構建了包括“自智網絡藍圖、敏捷DevOps運營環境、高性能網絡、創新價值用例”等在內的自智網絡框架。5自動駕駛網絡02自智網絡趨勢及建議62.1 趨勢一：后疫情時代，遠程居家辦公、隨處運營、線上+線下混合教育將成為常態，家庭網絡將出現新的交互需求為應對“居家隔離”、“社交距離”等防疫措施，大量的社會運作和經濟活動由線下轉移到線上，業務模式發生了實質

12、性的變化，各種非接觸連接商業與服務加速興起，家庭網絡從承載生活娛樂延伸到了支撐辦公學習甚至生產，其需求量、使用時長、業務質量都需要有質的提升。自疫情發生后，全球各國都出現了大規模的居家辦公人群，據德勤Deloitte2020年5月-8月針對16國受訪者的調查顯示，居家辦公人群占比在24%到47%之間，其中英國、比利時、墨西哥、愛爾蘭均超過40%。遠程辦公已成為企業及個人應對疫情的關鍵措施之一。在教育方面，校園集中式授課逐步轉為遠程授課或線上+線下混合教育，保障基礎教育“停課不停學”，在線教育需求激增，用戶規模的快速增長。2020年中國在線教育行業用戶規模達到3.42億人，同比增長27.13%；

13、2021年中國教育信息化的教育財政投入超4000億元，在疫情受到有效的控制后，中國在線教育行業用戶規模仍有2.98億龐大的用戶基數，較2020年雖有所下降，但網課已作為健身教育、語言教育、興趣培育等更多成熟形式為家庭所選擇。這些大規模線上活動，離不開各行各業的IT支撐人員，他們的工作也因疫情演變為異地運營的模式，通過管理跨分布式基礎設施的業務服務部署，實現“數字優先，遠程優先”，為員工和客戶提供有品質的線上活動體驗。Gartner預測，到2023年40%的組織將融合虛擬和實體體驗，從而提高生產率和客戶覆蓋率。2020年中國在線教育行業用戶規模達到3.42億人2023年40%的組織將融合虛擬和實

14、體體驗提高生產率和客戶覆蓋率40%20233.42億7自動駕駛網絡網絡基礎設施是所有遠程社會活動的根基，是企業能夠遠程持續運轉的關鍵，尤其在教育、醫療等保障方面意義重大，甚至逐漸成為與水、電同等重要的第三類基礎設施。多樣化的家庭網絡應用對網絡質量要求越來越高，對家庭網絡運營運維提出更多訴求。首先，遠程辦公需要通過網絡基礎設施構筑生產系統，比如：郵件系統、內部通訊、視頻會議、OA（Office Automation）等，對視頻會議質量、網絡安全、特定應用的體驗保障/加速提出了更高要求。其次，由于疫情的不確定性，隨處運營活動不僅僅要求遠程處理，甚至還可能需要7*24小時隨時待命，運營主體需要從以人

15、為主向以機器為主轉變，減輕IT運營人員的工作壓力。再次，大規模的網絡授課讓網絡持續處于高峰期，經常會遇到畫面卡頓、音頻不同步，甚至畫面長時間緩沖等讓人頭疼的問題。網課直播對網絡要求較高，要想獲得良好的視頻交互體驗效果，每個課堂需要獨享20 Mbit/s50 Mbit/s優質、穩定的網絡帶寬才能保證體驗。面向未來的教育新體驗和新場景，還需要提供VR/AR（Virtual Reality/Augmented Reality，虛擬現實/增強現實）沉浸式學習體驗，全息數字化課堂。另外，隨著人們對品質生活的追求，智能家居模式越來越受歡迎，大量智能物聯設備進入家庭，網絡連接量迅速增加。例如：智能監控、掃地

16、機器人、智能燈光、智能家電、智能門鎖等。各種設備對網絡要求各不相同，有些需要大帶寬，有些需要定時控制，有些需要實時控制。用戶需要一個以家庭網絡為中心的統一應用運維平臺，實現全屋智聯的用戶體驗。針對以上趨勢和訴求，家庭網絡面臨以下挑戰：2023年40%的組織將融合虛擬和實體體驗提高生產率和客戶覆蓋率40%2023挑戰1：家庭網絡缺乏“主動運維”，無法精準、快速定位客戶應用級質差問題，網絡安全缺乏保障。隨著混合辦公的開展，尤其遇到項目需要多地、多部門協同的時候，視頻會議成為了最有效的溝通方式。當前市場的寬帶升級多注重下載速率的提升，而忽略了上行帶寬的能力加速。上行速率低有可能會出現：音視頻會議卡頓

17、、直播聲音和畫面不同步、回音、跨境訪問時延高等問題，這對家庭或辦公室的工作環境及效率均造成了影響，所以必須提供大上行的網絡，并提供相應的SLA保障。家庭網絡環境下的直播網課，老師與學生可能存在一對多的交互，視頻質量差將影響課堂效果。保障網課質量，需要針對網課應用實時檢測視頻質量，快速感知視頻質量的劣化，自動調整網絡帶寬和路由，并能夠提供面向教育應用的加速技術。政企單位職工、企業運營人員的大量終端需要通過互聯網進行訪問，這類訪問對安全要求比較高，如果終端中病毒還可能通過VPN感染內網，由于涉及企業信息安全，需要與個人的上網、語音、游戲等流量，通過不同的管道隔離開，避免企業信息泄露或企業內網遭受攻

18、擊。同時對于辦公應用，目前成熟的有騰訊會議/8自動駕駛網絡Zoom/企業微信/釘釘/桌面云等，為保障這些辦公應用的體驗，需要提供基于應用的加速和SLA保障能力。挑戰2：家庭客戶群體龐大，運營商缺乏體驗良好的自助服務平臺，無法逐一提供高質量的客戶服務和保障。家庭客戶，除遠程辦公、隨處運營、線上教育、智能家居外，個體戶經營場景也屬于其中，如小型水果店，同樣需要一個高質量的家庭網絡完成貨物管理、收銀、監控、網絡廣告等多連接應用，需要一個靈活、實惠、可靠的業務套餐，如果運營商為每個個人客戶做方案定制，工作量巨大，產出比太低?？蛻裟芡ㄟ^電商化的自助方式進行網絡業務套餐的“訂購-變更-維護-優化”才是最優

19、選。運營商需要打造這樣的靈活高效平臺，以支撐龐大的客戶群體的應用。針對不同應用類別，需要調研出典型的推薦業務套餐，方便客戶選擇使用。整個自助過程中，提供智能化的向導和指引，提升客戶使用體驗。而相關的IT運營人員，也能從繁復溝通的客戶對接工作中釋放出來，更聚焦于線上、線下融合體驗的提升工作。挑戰3：客戶家庭網絡WIFI覆蓋問題導致頻繁投訴，無法保障最終用戶的網絡體驗。據某運營商數據，家寬用戶投訴單中60%最終問題都出現在家庭端。傳統家庭網絡僅負責網絡入戶，對家庭內網絡幾乎不介入，但是大部份家庭用戶幾乎無網絡知識經驗，大量終端類的網絡問題都可能導致用戶的抱怨和投訴，而其中WIFI覆蓋問題首當其沖。

20、只有深入家庭內部網絡，幫助解決WIFI覆蓋問題，才能減少投訴和用戶離網。而諸如如何減少穿墻損耗、如何降低同頻干擾、如何優化大戶型覆蓋等問題，由于家庭戶型差異和需求各異，不可能靠運維工程師逐個協助解決，所以亟需一些自動化、智能化手段協助家庭用戶提供解決方案。比如：家庭網絡開建前，通過3D勘測，給出室內布放網絡設備的方案建議，用戶可以購買成熟的FTTR的全光千兆網絡，也可以只給設備需求和布放建議；對于已建家庭網絡，可以通過手機APP檢測戶內各位置的WiFi信號強度、干擾、網絡訪問速率，根據家庭戶型特征和裝修代價考慮，智能化推薦優化建議；用戶使用網絡過程中，能針對WIFI信號覆蓋進行針對性的監控，主

21、動提醒用戶存在的WIFI信號覆蓋問題，并智能引導客戶自行解決。9自動駕駛網絡將網絡和云視為支持其數字戰略的關鍵基礎設施。5G和云服務相互融合帶動，2021年運營商創新業務收入的增幅超過了20%，占到總收入的27%，正在成為運營商業務增長的第二曲線。截止2021年底全球超過20個行業部署5G示范應用，5G突破網絡容量和時延在工業領域應用的瓶頸，在鋼鐵轉鋼/天車、港口吊遠控、3C2.2 趨勢二：政企創新業務成為運營商業務主要增長點，盈利模式將從流量變現轉變為服務變現隨著5G、云計算等技術的成熟，政企創新業務為運營商打開了新業務增長空間,未來幾年，云網融合和IoT在工業領域應用將成為運營商政企業務主

22、要增長點。政企業務正從場景化應用滿足向為垂直行業客戶提供整體化解決方案方向轉變，運營商的盈利模式將從流量變現轉變為服務變現。Gartner調研顯示：到2023年，超過60的企業2023年，超過60的企業將網絡和云視為支持其數字戰略的關鍵基礎設施60%20231.運營商CMO需關注并把握后疫情時代家庭業務多樣化帶來的新機會，重視家庭網絡體驗保障，主動開展質差客戶分析，識別新產品潛在客戶，提供滿足客戶體驗要求的高質量產品；同時隨處運營，對網絡安全認證和接入需求將帶來新機會，需要構建內生安全能力。2.運營商CTIO需要考慮針對新型產品，提供電商化的在線自助服務能力，實現零等待、零接觸、零故障的用戶體

23、驗。3.運營商CTO需要重視家庭網絡WiFi覆蓋和體驗保障，通過APP化的自助排障能力，將網絡運維能力延伸到家庭網絡內部，更好的保障最終用戶體驗。行動建議10自動駕駛網絡制造PLC云化等場景中已被驗證是最合適的技術，且價值巨大（比如鋼鐵行業轉鋼自動化，改造一條產線一年就可以增產1億RMB）。全球運營商簽署了超過10000個5G行業應用合同。GSMA預測，20222025進入行業深度融合階段，而2025年進入 5G融合應用發展普及階段，預計到2030年，運營商5G賦能的全球垂直行業市場規?？偭窟_到近7000億美元。挑戰一：對現有網絡運維模式和能力的挑戰實行云轉型的過程中，存在著接入數量龐大、網絡

24、可靠性和SLA要求高等難點制約。比如在專網E2E切片場景中，需要網絡的可靠性高達99.999%以上，網絡的時延要控制在5ms以內。要求網絡對隱患能預測和自優、對質差和故障能自診斷和自修復，要求網絡快速向高階自動化和智能化演進。另外DICT云服務在運營商政企業務收入占比持續提高，運營商云服務收入近3年翻倍（如中國移動DICT的收入占比已經超過50%）。未來5年，云網融合和IoT在工業領域應用將成為運營商業務主要增長點，復合增長率(CAGR)為19.1%，2025年全球達到6000億美元。云轉型已經成為電信行業的共識，未來5年全球運營商將以27%的復合增長率(CAGR)在云轉型上增加投資，至202

25、6年支出將達206億美元。與之相呼應的是，運營商包括云、數據中心、視頻、移動支付在內的創新業務增長迅速，已逐漸成為第二增長曲線，預計到2030年，運營商5G賦能的全球垂直行業市場規?？偭窟_到近7000億美元7000億美元在政企業務蒸蒸日上的同時，我們也看到電信行業的邊界也日趨模糊化，競爭的主體也更加多元和復雜，政企業務不僅要能提供場景化網絡聯接服務，還需要整合行業集成商資源為不同的垂直行業客戶提供整體化解決方案，運營至2026年支出將達206億美元206億美元2025年全球達到6000億美元6000億美元商的盈利模式將從流量變現轉變為服務變現。但電信運營商真正實現為垂直行業客戶提供一體化解決方

26、案道路將是一個漸進的發展過程。挑戰二：從ICT到OT對運營能力和成本的挑戰數字化轉型的過程中，運營商在UC做深、價值量化、生態構建、E2E成本控制、商業模式協同、交付和運營運維能力、內部組織流程等方面，均存在較大的提升空間。在從ICT到OT的這一顛覆性的轉變過程中，運營商是企業、集成商、ISV/IHV、云服務商、設備商上下游產業鏈中最關鍵的一環。運營商在面臨政企業務應用碎片化、流程長、斷點多的問題的同時，還要擔負政企客戶的交付和運維，優化資源配置和責任矩陣，降低綜合交付和運營運維成本的重任。針對以上趨勢和挑戰，面向高速增長的政企市場，建議應從網絡和運營體系兩方面進行提升。11自動駕駛網絡1.加

27、快推進網絡極簡化、自動化、智能化：原有網絡采用分業務部署模式，隨著網絡云化，業務由云化網絡統一承載。傳統獨立承載的模式給業務端到端網絡控制帶來了非常大的復雜性，增加了聯調對接成本，資源也得不到充分利用，故需要推進網絡簡化；其次網絡資源在架構充分解耦的基礎上，實現SDN化、NFV化，實現端到端網絡的智能化控制，云網資源同時具備了資源共享、彈性伸縮、按需分配的能力；最后通過AI等智能技術引入將現有故障運維模式向以隱患預測、故障自愈、網絡自優為特征的智能化方式轉型，打造零故障網絡質量和零等待的客戶體驗，滿足2B客戶高可靠性和差異化SLA的核心需要。2.構建云網一體化運營體系：通過對云網資源、能力的一

28、點看全、統一管理，提供更靈活的資源和能力的調度與協同，賦能前端業務。運營商需構建跨網管/核心網/SIM卡管理/云邊協同/運營運維等的云網融合的2B業務發放和運維系統；需研發+銷售+運營一體化運作；同時通過云供應商的AI、云編排、機器學習等IT能力的開放加速行業應用的創新和落地。12自動駕駛網絡中國移動品質家寬智能運營：家寬質差業務主動識別準確率達到95%，用戶體驗顯著提升83%，平均故障定位時長從2.1小時縮短到10分鐘。中國移動無線網絡覆蓋智能優化：5G網絡新建場景下，小區的平均覆蓋強度提升了15.8%，路面覆蓋提升了91%，室外下載速率提高30%。中國聯通5G承載網智能運營：單線路激活效率

29、從45分鐘縮短至2分鐘，激活準確率達到99.999%，且無需人工干預。MTN移動承載網絡擁塞抑制：使用流量抑制模型來分析實時網絡的擁堵情況，為精確的容量擴展提供指導。南非子網平均每天的流量抑制數據減少了28%。2.3 趨勢三：從全面云化到智能原生，AI正在重構網絡架構并已初見成效過去二十年，網絡架構的變化經歷了從全面IP化（All IP）到全面云化（All Cloud）兩個階段，當前正在開啟基于智能原生（AI Native）的自智網絡階段。全面IP解決了網絡高OPEX所帶來的增量不增收的結構性問題，便于運營商推出各種新的、高競爭力的服務，進而可以開辟新的收入來源；全面云化針對的是網絡設備種類繁

30、多所帶來的管理和高維護成本高的缺陷，解決了傳統電信網絡中運營商只能通過設備堆砌的方式進行網絡擴容的結構性問題。未來十年，基于智能原生將是網絡架構的核心，通過基于網絡數字孿生的控制閉環和知識閉環，驅動通信網絡實現完全自治，從而根本上解決當前網絡規模和復雜性所帶來的結構性問題。當前的網絡通信已經滲透到人類生活的各個方面，通信對人們日常生活的重要性和影響是巨大的，人們每天清晨醒來后的幾乎每一分鐘都會受到手機和智能設備的影響，與此同時伴隨著汽車、可穿戴設備等更多種類智能終端接入網絡，這種影響也會隨之急劇增長。人類社會的這種實質性變革依賴于越來越智能、可靠、靈活的通信網絡，這使得通信網絡面臨著規模以及業

31、務復雜、運維復雜、聯結復雜等多種復雜性并存的挑戰。通過建立全面智能的自智網絡，降低網絡的運維運營復雜度，提升網絡自身效能，使得網絡具備包括自配置、自修復、自優化等特性最終實現網絡的自治，是應對這種挑戰的最佳選擇。GSMA的AI in Network報告指出：“人工智能技術與通信網絡的融合發展，將給通信網絡注入新的技術活力，開啟前所未有的可能性，從而促進“Intelligent Connectivity（智聯萬物）”愿景的真正實現，連接所有人、所有物到一個更美好的未來?！盇I in Network不僅僅是一句口號，經過幾年的探索，在網絡規劃與建設、網絡優化與配置、網絡節能與增效、網絡維護與保障等

32、方面均取得顯著成效。TM Forum Autonomous Networks White Paper 4.0列舉了多個運營商最新的AI網絡應用成功案例。13自動駕駛網絡網絡的自動化智能化升級是一個系統工程，歷史上也有過多次探索和嘗試，目前已經初步取得成效，但仍然面臨以下挑戰：挑戰一：基于全面智能的自智網絡是網絡發展的必然趨勢，如何平滑順利地演進到這種創新的網絡架構，特別是L5級的自動駕駛網絡架構，演進路線的選擇是關鍵，這其中包括顛覆式創新和繼承式迭代兩種演進路線。此外在演進過程中，全面自研還是開放合作也是必須綜合考慮的問題。挑戰二：網絡架構的演進不僅帶來了網絡架構選型的變化，同時也帶來了網絡運

33、維模式的改變，并進一步引起組織和流程的變革。自智網絡架構的演進，使得網絡走向人在環外的自我管理，最終實現永不故障的網絡自治。面對這樣的網絡架構，網絡運維也將從傳統的以人為主的運維模式，走向人機協同的AIOps模式，最終達到人機共生的智能運維模式。自智網絡架構及運維模式的演進，會改變現有運維人員的知識結構和工作習慣，推動運維人員進行轉型，并促進組織和運維流程的變革。挑戰三：包括標準組織在內的行業組織和聯盟之間的協同、合作，對自智網絡的發展同樣至關重要，這是自智網絡能否規模應用的關鍵。挑戰四：基于網絡數字孿生的控制閉環和知識閉環是自智網絡的基礎，這其中涉及到眾多的關鍵理論和技術，包括：網絡數字孿生

34、建模和仿真、目標驅動的自動化閉環及協同、網絡自我感知能力的構建、網絡環境感知和建模、網絡自動、自愈、自優、自治技術、網絡自適應學習和自演進等等，這些都需要學術界和工業界在軟件工程能力、計算平臺和基礎設施、基于AI的網絡認知系統、系統和控制理論和應用、人機交互能力、信息安全、網絡可信設計等諸多領域通力合作，以取得理論和技術的突破。網絡架構的重構是一項長期的系統工程，針對以上趨勢和挑戰，我們建議：歷史上網絡自動化領域的標準始終存在著碎片化、協同不充分的問題，而自智網絡會跨越更多的技術領域，更需要不同領域的行業和標準組織之間加強橫向協調，TM Forum、ETSI、3GPP、IETF/IRTF、CC

35、SA等國際、國內標準組織都已開展了自動駕駛網絡在各自領域的研究，如何打通彼此之間的壁壘就變得尤其關鍵。14自動駕駛網絡1.循序漸進，平穩可持續架構演進：對于自動駕駛網絡架構的轉型路線選擇，顛覆式創新演進路線意味著全新自研的以OSS為核心的網絡架構變革，而繼承迭代式演進路線則以自研加合作的方式，逐步迭代來實現以網絡應用和網絡基礎設施為雙核心的架構變革。路線的選擇需要結合產品從研發到生產商用的成熟周期，并綜合運維模式的轉換以及運維能力繼承等因素來考慮?；仡欉^去網絡架構演進的歷史，網絡架構轉型更適合于采用繼承性發展路線，通過廠商實現單領域自治、自閉環，運營商聚焦新連接業務、客戶體驗、流程E2E打通等

36、協作方式，最終實現以應用為中心、以數據為驅動、以智能化為目標自動駕駛網絡。2.匹配架構演進，逐步推進智能化專業運維體系建設：運維模式的改變需要組織的變革進行支撐，應當逐步建立新的運維體系，從運維組織架構、運維崗位設置、運維范圍、運維管理制度及流程四個方面著手，配合網絡架構的迭代式演進過程分階段實施，漸進達到人在環外、人機協同共生的智能運維模式。3.跨行業協同，促進自智網絡健康發展：自智網絡是一項系統工程，涉及到芯片、設備、工具、集成與服務、運營和組織等全產業鏈；同時也是一個持續演進的過程，從部分自治走向全面自治，需要支持持續演進能力。整個行業組織及聯盟需要聯合起來，一起定義演進節奏、代際特征、

37、實施路徑，推進合作。4.跨學科合作，突破基礎理論和關鍵技術：自智網絡同樣也是一個全新的跨學科領域，跨越通信科學、計算機科學、控制理論、復雜系統等多個學科，需要學術界和工業界深度合作，建立符合自動駕駛網絡目標要求的學術組織（如IEEE/ACM/CCF等）和學科門類（如以計算機軟件為基礎建立交叉學科），從基礎理論到關鍵技術實現全面突破。行動建議15自動駕駛網絡在面向自智網絡的架構設計方面，我們建議遵從以下幾個原則：六大原則原則一，分層自治閉環：按照自智網絡分層架構，資源運營層面向基礎設施，負責實時、近實時資源供給和保障；業務運營層面向最終用戶，負責用戶業務使能和用戶體驗保障；商業運營層面向商業使能

38、，負責商品、訂購、計費等。原則二，允許持續學習和進化：應對環境、網絡狀態、設備狀態、用戶行為的動態性，支持通過自學習持續優化自身知識和模型，快速適應環境。同時通過探索式智能感知能力，支持系統自身參數的快速調優，保證系統持續自演進。原則三，使用數據+模型驅動的混合架構：ICT基礎設施的大部分任務是關鍵業務，黑盒化的系統自主決策錯誤會導致嚴重后果。通過使用數據+模型驅動的混合架構，在提升感知和識別問題效率的同時，也能確保決策邏輯合理和結果可預測。原則四，允許人-機間使用人機共生模式的任務協作：應對不確定和不可預測任務，如網絡擁塞、頻繁故障點等，從以往的研發、網設階段定義任務，向基礎設施動態定義和發

39、起任務，人機協作完成。理想狀態下，后端人負責指定目標和策略，并意圖化；機器負責分解目標，指揮現場人員和機器協作執行任務。原則五，允許機-機間使用分布式智能分擔負載：網元設備-網元設備智能協作：實時性/近實時性，智能化協議、語義化接口、或意圖協作接口，互相傳遞狀態、語義或知識，多系統、多領域協作完成任務；自治域-自治域智能協作：面向多領域、多廠商的業務開通、網絡級質量感知和保障等。原則六，允許任何情況下人工接管系統：應應對災難、故障、異常場景，人可以接管和控制機器，對關鍵任務進行干預和指揮。16自動駕駛網絡2.4 趨勢四：各運營商正在加速構建自智網絡，驅動運維模式正在從被動走向主動，從事件響應走

40、向主動預測預防當前，各運營商為了使能商業敏捷和效率提升，紛紛制定網絡自動化和智能化戰略，重構運營運維支撐系統，將傳統“煙囪式”OSS系統進行平臺化+應用化改造：中國移動提出網絡自動化與智能化“234”體系架構，制定OSS層“2+5+N”運維架構，將AI應用到網絡運維生產實踐，以實現主動式、預防式、敏捷式運維；中國聯通圍繞“應用層-平臺層-網絡層”構建自動化、智能化能力，打造“平臺+應用、IT集約、能力開放”的平臺型網絡運營生態體系，并在平臺層構建網絡AI能力中心，推動AI能力覆蓋網絡運營全場景；中國電信打造云網能力底座，構建AI賦能平臺；Vodafone對OSS層進行集約化改造，將子網OSS收

41、編整合，打造使能高效運營和業務敏捷的NaaS化能力；Telefonica制定了4個平臺戰略，升級第四平臺AI能力，以打造產品差異化體驗?？梢钥闯?，運營商希望通過架構式創新和新技術引入，推動網絡運維模式從被動走向主動，從事件響應走向主動預測預防，Vodafone和中國移動制定的可量化評價指標體系就是非常典型的例證：Vodafone提出的ZTO（Zero-touch Operation）戰略，將端到端自動化Ticket Journey作為重點，從認知自動化、配置自動化、外線數字化與自服務、AI主動預測4個方面設置牽引目標，計劃2025年實現故障自動化率80%，配置自動化率80%，被動響應故障工單減

42、少30%，外線工單減少40%；外線工單減少40%故障自動化率80%80%故障配置自動化率80%80%配置被動響應故障工單減少30%30%減少40%減少中國移動圍繞“三零三自”愿景制定成效指標，包括業務開通時長、業務可用率、客戶自助服務率、配置自動化率、故障自動化率、質差自分析率等。然而，構建自智網絡，是一個系統性的創新，面臨著各層能力分化、各單域尚未實現自我閉環、對外服務能力缺乏度量標準等一系列挑戰。各層自動化與智能化能力分化，難以形成協同效應，不利于業務創新和商業變現。垂直行業數字化和消費者生活數字化等潛在增長點對網絡帶寬、延遲、可靠性等提出更為嚴格多樣的要求，業務從靜態開通到可實時動態調整

43、。而商業層、業務層、資源層的自動化和智能化能力普遍缺乏統一規劃，導致各層交互界面復雜，自動化與智能化能力出現分化，難以形成協同效應，嚴重影響業務創新能效率和商業閉環能力。各單域尚未實現自我閉環，阻礙網絡整體運維17自動駕駛網絡管理水平的提高。各專業域的自動化與智能化技術水平仍較低，不利于故障前的預防預測，故障后的故障敏捷感知、根因定位、快速修復。對1800多項典型運維活動的數據分析顯示，95%的流程和作業節點仍需要人為干預。超自動化網絡的對外服務能力缺乏度量標準。各標準組織正在制定網絡自動化與智能化的相關標準，為超自動化網絡提供可量化的網絡運維能力評估方案。然而，運營商實踐自智網絡能為其最終用

44、戶帶來的實際商業價值仍缺乏統一衡量標準和評估方法論，對外服務能力難以度量，不利于推進超自動化網絡。針對與以上趨勢和挑戰，電信運營商在構建自智網絡的時候，建議注意一下幾點：1.立足中長期，參考最佳實踐：運營商CTIO要瞄準未來3-5年，參考TMF等業界最佳實踐，定義可演進的運維目標架構、演進目標和實施路徑。自上而下通過商業驅動定義實施的業務場景，自下而上分階段提升網絡運營運維能力，并結合自身業務和網絡特點推進網絡自動化和智能化的升級改造。2.基于產業標準，分層治之：CTIO在構建自治系統時，可以參考TM Forum，CCSA，GSMA，ETSI，3GPP等標準組織制定的網絡自動化與智能化相關標準

45、，確保商業層、服務層、網絡層協同創新與演進。同時考慮“分而治之”，自下而上的分層構建自治系統，各層之間通過意圖化的接口簡化交互界面，實現業務敏捷。3.強化技術協同，構建單域閉環能力：運營商與廠商強化新技術協同，在各單域內同步加強AI、數字孿生、仿真等新技術的創新實踐與成果轉化，提高各單域內故障的快速閉環能力。4.循環評估改進，多維量化價值：參考標準組織和領先運營商的實踐經驗，循環量化評估網絡運營運維的自動化與智能化能力，以及網絡對外服務能力的便捷性和靈活性，牽引網絡能力短板迭代改進，以確保網絡轉型有序推進，業務成效可量化。行動建議18自動駕駛網絡2.5 趨勢五：運維能力正在逐步前移，處置網絡故

46、障的運維機制正從基于長流程工單流轉機制，逐步轉變為Zero Touch的人機協同處理機制通過消除過多的工序、等待帶來的浪費，實現更快的響應客戶。根據實踐分析，運營商的故障處理流程每增加一個環節，成本平均增加100美金，客戶投訴響應流程每增加一個環節，客戶等待時長平均增加2小時。在數智化能力發展的基礎上，已經有部分運營商選擇將后端的故障處理能力，前移到距離故障及客戶最近的環節快速閉環，以提升客戶感知與端到端的效率。一些先進運營商開始積極探索如何從機制上改變當前運維模式，實現對影響業務的事件自修復或一跳閉環處理。如中國移動提出打造“監維一體”的未來故障處理模式，監控室從“壓縮告警產生工單”向“判別

47、、處置、閉環影響業務的事件”轉變，即從“面向告警監控”向“面向事件閉環”的轉變，提高監控管理效率、提升網絡服務水平改善用戶感知。Vodafone通過Ticket Journey構建端到端的故障處理自動化機制，基于認知智能、配置自動化等能力，計劃2025年實現故障自動化閉環率80%，配置自動化率80%。在運維能力前移、運維機制轉變的過程中，還存在以下挑戰：挑戰2 傳統運維流程難以充分發揮數字化運維能力：例如歐洲某運營商利用新的自動化引擎實現了端到端故障處理自動化能力，但是由于缺少與之匹配的運維組織與流程變革，導致在實際子網的生產落地環節不還存在較大的差距。要實現高階自動駕駛網絡，需要先進技術驅動

48、能力提升，也需要用先進理論支撐新的運維機制匹配，我們建議：挑戰1 傳統運維方法難以適應ICT網絡融合的復雜性：隨著網絡云化虛擬化加速、業務融合快速發展，設備復雜度增加，業務流程愈加復雜，告警數量指數級增長，亞健康問題增多。單靠傳統的加站加人、以及專家經驗為主的方法與技術，已經很難滿足高業務復雜度的運維要求，導致近年來運營商的OPEX持續增加。據行業報告分析，近年運營商每增加一倍的CPAX投資，就會導致3倍的OPEX增長。19自動駕駛網絡發揮數據的價值。目前越來越多的運營商已認識到這一點并正在組建數據分析團隊。例如LGU+和 XL新成立數據部門、以及設立CDO職位負責相關數據業務的整合和開發，其

49、核心目標是數據推動創新，增強消費者體驗和提高生產力。在運維價值前移、提升用戶提升的過程中，主要存在以下挑戰：2.6 趨勢六：運維價值逐步前移，用戶體驗變為運維的首要目標，支撐商業成功逐漸成為運維的關鍵指標利用網絡和運維數據可以通過提升用戶體驗，有效支撐商業收益。根據華為項目實踐結果分析，有效利用網絡數據，用戶發展速度提升1.52倍，用戶滿意度領先度提升20%30%，用戶價值提升5%8%，離網用戶下降0.5%1%。為了發揮數據價值、提升用戶體驗，運營商正在建立專職的數據分析團隊。過去5年，運營商已經普遍接受了數據的價值、實現了數據湖，但依靠傳統團隊對數據的挖掘與分析難以充分挑戰1：用指標、規則愈

50、發難以刻畫用戶體驗：根據某拉美運營商的實踐發現，已經很難找到1.尋找保障與提升復雜網絡級可用性的可靠性理論突破，打破網絡復雜度與運維成本的線性增長關系。2.推動運維機制的變革，讓網絡故障、客戶投訴等問題在最接近最終用戶的團隊解決，達到15150的目標（1分鐘發現，5分鐘診斷，15分鐘恢復，0業務影響）。行動建議20自動駕駛網絡挑戰2：缺少時空精度的用戶體驗分析方法：中國某運營商客戶通過實踐發現，使用傳統小1.使用AI技術智能化表征用戶體驗，支撐運維價值前移：智能化表征用戶體驗，可以解決網絡指標、規則無法準確動態描繪用戶體驗的問題。根據拉美某運營商的實踐分析，通過建立網絡KQI與用戶體驗的AI模

51、型，精準識別和優化質差區域，實現用戶體驗速率+90%，壓抑流量釋放+71%。通過AI技術發揮未被充分使用的網絡數據價值，將網絡數據應用于用戶發展、用戶滿意度、用戶價值提升及用戶維挽等方面，可以持續提升面向用戶與商業的決策智能。2.推進時空技術應用，打造體驗驅動網絡優化：加速對AI描述用戶體驗、TAZ等關鍵能力的應用，以網優特別關注的高商業價值場景驅動（如投訴、貶損、客滿、性能比拼等），構建跨域數據（體驗/CHR/話統/撥測等）支撐下的一套靈活可配的質差特征框架（業務體驗強敏感指標及強敏感事件/時間/空間等全要素數據），實現網優可閉環的最佳決策依據。行動建議有效的規則用網絡質量指標來指示用戶體驗

52、，網絡質量較好的區域、客戶體驗反而不好。在當前復雜業務場景下，用戶體驗的刻畫已經無法通過終端測試一個速率就能夠代表。區機制進行的投訴優化不夠精準，難以匹配投訴客戶時間和空間上的流動特點。運營商需要一套面向時空的動態體驗分析方法與機制，并升級原有的測量技術和保障體制。圍繞用戶體驗，發揮運維數據的價值是高階自智網絡的關鍵場景之一，我們建議：21自動駕駛網絡2.7 趨勢七：人員轉型正從以IT人員為主走向技術賦能業務人員，運維知識將通過數智化手段以低代碼的方式注入、訓練、監督機器采用敏捷和DevOps工作方法，出現數智化新型崗位。自2019年以來，Telekom已轉向規?；拿艚菘蚣?SAFe)?，F在

53、有1萬名 IT 人員直接參與其中，使用敏捷方法來進行產品管理和開發，這意味著超過40%的員工在一定程度上參與了敏捷項目。DT通過提高員工技能來適應未來的技術要求。在 Telekom IT 部門，到 2024 年擁有關鍵技術技能的員工(軟件/系統工程師、DevOps 工程師、數據科學家、架構師、敏捷專家)比例將從 23%上升至 44%。（Transformation Case Study:Deutsche Telekom 2021）選用低代碼平臺降低門檻。到2024年，低代碼應用開發將占應用開發活動的65%以上。90.2%的業務人員希望能夠以低代碼的方式快速響應業務變化；88.9%的業務人員希望

54、能夠提升技術開發與運維管理的生產力；73.4%的業務人員希望能夠用低成本的方式開啟敏捷創新探索。（LowCode低碼時代：2022年中國低代碼&零代碼行業研究報告）不同運營商選擇了不同的探索路徑。以歐洲某運營商選擇與IT廠家合作為代表，過去幾年運營商主要選擇從行業外引入IT廠商和IT人員為主，對網絡運維進行業務的自動化改造。近年開始，越來越多的運營商逐步開始加深與具備通信行業經驗的廠家合作，以中國某運營商選擇華為合作為代表，以低碼技術為基礎，結合運營商對運維的長期經驗與華為對網絡技術的理解，實現了網絡運維數智化轉型的明顯成效。在運維人員轉型的過程中，主要面臨以下挑戰：150關鍵技術技能員工數從

55、 23%上升到44%304560%23%44%挑戰1：以IT人員為主對業務進行數智化改造很難深入：歐洲某運營商引入IT廠商打造面向端到端的自動化運維平臺，但至今未能有效應用到各子網的實際運維中，并沒有達成“在3年內通過自動化將分配給一線支撐人員的工作量減少80%”的目標（3-year goal of reducing 80%of the effort allocated to first-line support activities through automation）”的目標。主要原因是其認知自動化團隊中的自動化專家、流程分析及工程師、認知專家主要由IT人員構成。其技能模型決定了盡管在一

56、些顯而易見的場景下可以更快的實現自動化能力，卻很難真正有效的把握場景復雜和問題離散的維護業務，無法有效覆蓋和解決各子網生產環境中的實際問題。挑戰2：通用低代碼平臺在網絡運維場景應用效果不足：通用低代碼技術，主要實現了在通用場景上“靈活性強與封裝度高”、“業務邏輯22自動駕駛網絡與編程邏輯”上的平衡與敏捷。但沒有降低網絡運維人員面臨的在一套系統上協同不同場景的業務、不同要求的網絡安全性、不同格式的數據、不同粒度的控制指令、不同廠家的設備等一系列復雜組合的門檻。因此從實際應用案例來看，基于通用低代碼技術下的應用主要局限于在線管理、流程編排、三方集成等非核心業務，且很難復制。高技能人才是實現數字化轉

57、型必不可少的關鍵要素，我們建議在在邁向高階自智網絡的演進中加大對人員轉型的投資與推動：1.鼓勵并開展員工培訓與技能重塑，推動業務人員參與到數字化過程中。2.引入合適的低代碼開發平臺，構建開發流程方法、數據治理與分析流程方法。比如浙江移動與華為對云化核心網的全年故障案例進行分析和抽象，通過系統性設計將故障常規經過劃分為數十個故障處理原子能力，實現了對網絡、運維能力的高度封裝，簡化了上層業務場景的應用開發過程，實現業務規劃上線從3個月縮短到1個月。3.通過組織、流程變革與激勵機制相結合，激發未被使用的員工創造力，鼓勵員工與用戶共同創造價值。行動建議2.8 趨勢八：AI大模型從語音圖像逐步延伸到各垂

58、直領域，電信領域具備海量數據，可構建大模型用于節能、預測、未知故障處理等場景，相比現有方案有望取得突破性效果當前，全球各大科技公司及AI研究機構都在進行大規模預訓練模型的研究。自2018年谷歌發23自動駕駛網絡布BERT大模型以來，全球各大科技巨頭都開始大力布局大模型技術，在美國，OpenAI、谷歌、微軟、臉書等機構形成GPT-3、Switch Transformer、MT-NLG等千億或萬億參數量的大模型；在中國，阿里M6，百度文心，騰訊混元，華為盤古等大模型相繼問世。大模型類型從NLP發展到CV、跨模態、生物計算以及行業大模型等領域，這些大模型已經開始賦能各行各業，在法律、醫療、教育，及電

59、信等領域應用，給行業發展帶來積極影響。2021年8月，知名AI專家Percy Liang、李飛飛等100多名行業學者聯名發布論文 On the Opportunities and Risk of Foundation Models系統闡述大規模預訓練模型的發展機遇與挑戰，同年斯坦福大學成立CRFM（基礎模型研究中心）。大模型的興起，使得大數據支撐下的泛化成為可能。在沒有大模型之前，AI的開發都不是“通用”的，任何一個細化場景的AI應用都需要配備專門的技術專家，開發專門的AI模型，一旦有新的應用都需要重新開發，如同手工作坊一樣費時費力，這也成為AI落地行業的一大制約。大模型的出現，針對這個困擾行

60、業已久的難題，給出新的解題思路。大模型天量的數據和參數支持，讓它擁有一大類場景下的基礎能力，一次開發后只需要微調就能適用于廣泛的下游任務，滿足不同的應用需要。這種能力讓大模型具備三方面的價值：1.提升模型開發效率，提前訓練好的大模型只需要稍微再學習一下，就能馬上勝任不同場景的工作，快速部署應用，手工作坊變成工廠流水線。2.降低成本，大模型的自監督學習方法，可以減少對數據標注的依賴，一定程度上解決人工標注成本高、周期長的問題。避免下游開發人員，使用小樣本就可以訓練自己所需模型，大幅降低開發使用成本。3.效果突破，現有AI模型一般都是通過神經網絡結構優化，來提升模型精度，但日益面臨瓶頸。而大模型則

61、通過數據和參數規模的擴大，另外開辟一條提升模型精度的道路，可以取得不錯的效果。在未來的電信網絡中，AI將會廣泛運用于各種業務場景，電信業務場景天然存在海量的數據樣本，采用大模型技術可以解決AI的泛化及模型碎片化等工程化問題，引入“預訓練大模型+下游任務微調”模式，可以加快推動AI的落地，提升AI應用效果。當前經過行業的探索實踐，大模型在一些電信場景顯現價值。在核心網領域構建的機器語言大模型，結合海量數據，通過大參數學習數據間特征，能夠實現核心網故障定界場景的模型精度提升和業務覆蓋能力。在模型開發上，基于預訓練模型進行二次開發，降低AI模型開發時間，開發效率提升80%；在應用效果上，網元間水平定

62、界和網元內垂直定界，定界到最小可恢復單元僅僅需要分鐘級，并且在實現已知故障識別準確率提升的同時，可以支持未知故障的自動定界，應用效果發生量變到質變的提升。24自動駕駛網絡2.9 趨勢九：認知智能能夠融合電信專家知識和基于數據深度學習的優勢，有望成為打造下一代智能化網絡運營和運維系統的關鍵技術計算智能、認知智能是探索人工智能道路發展的不同階段。計算智能是對數據的基礎邏輯計算和統計分析，受限于指定的數據邏輯規則，計算智能無法運用專家知識，進行深大模型對計算資源和數據量的要求很高，同時受限于技術本身的限制，在電信行業的技術研究和運用還需要持續探索，對于大模型在電信領域的發展我們提出如下建議：1.當前

63、大模型技術架構的適用場景還是比較有限的，而電信行業的業務場景種類很多，當前想要用一個大而全的統一大模型解決所有的任務并不現實，電信行業的大模型可以優先從部分領域開始，如從核心網開始，目前大都已經完成云化，故障運維比較容易收集大量的數據樣本，率先做出應用效果，為大模型在電信領域的廣泛應用奠定基礎。2.大模型需要海量的數據，單個運營商網絡很難獲取到足夠的數據樣本，為支持大模型的創新研究，建議成立行業的聯盟組織，組織產業各方積極貢獻，構建統一的數據樣本庫，使得行業各方有足夠的樣本創新研究，以支撐電信大模型的規?；瘧?。3.大模型由于訓練成本等原因，投入大、風險高，在電信行業可以考慮采用廠家大公司做模

64、型預訓練運營商做模型應用的模式，產業各方各自聚焦、聯合發力，在節省資源的同時保證有更多更好的AI應用落地。行動建議25自動駕駛網絡度、動態和啟發式的推理；而認知智能技術被認為是智能發展的下一步階段，它是在對數據邏輯關系理解基礎上，運用專家知識進行分析、判斷與決策過程。認知智能能夠有效的協同數據和知識，形成的知識和數據聯合驅動，進一步促進AI和系統的創新，在實現對復雜場景及復雜問題有效解決的同時，還可以提升智能的可解釋性。認知智能的發展，代表的是一個新的智能時代，將加速AI 應用行業落地，業界對其未來的發展都持積極態度。2022年6月，中國人工智能產業發展聯盟、信通院等聯合發布知識計算白皮書，指

65、出在AI 2.0時代，數據和知識是兩個最重要的基本關鍵元素，多種知識協同使用，以及知識和數據的聯合驅動將能促進人工智能算法與系統的創新。根據Deloitte調查，40%的電信商、媒體和技術高管表示，從認知技術獲得“實質性”的好處，25%的人已投資 1000 萬美元甚至更多。超過四分之三的人預計認知計算將在未來三年內“實質性地改變”其公司。另外，根據Gartner2021年發布的新興技術和趨勢影響，將高級虛擬助手（認知智能為核心技術）列為23項最具影響力的技術之一。同時，一些積極創新的電信運營商基于認知智能技術，嘗試將知識納入數智網絡整體方案，打造知識即服務的框架體系（KaaS），率先將知識納入

66、到故障診斷場景。在電信領域，業務依賴海量的專業知識，同時對AI的應用要求安全可信，根據當前的探索研究顯示，認知智能預期將會在為網絡智能化的發展注入新的動力。1.電信領域屬于國家基礎設施，任何操作都需要考慮安全性，因此針對重大操作的推理可解釋性非常重要，認知智能采用知識演繹的方式推理，以故障診斷為例，基于知識推理+機器學習的方式得出故障定界結果的同時，還能對異常事件的傳播和因果過程進行呈現，實現對智能應用過程的感知可視，支持可解釋性。2.認知智能的加持，讓智能應用在復雜場景的效果更好。一般在跨域電信網絡故障定界定位時，涉及多種類型網元，多層部署資源（網元/P/I等），多種類型的數據源，傳統AI方

67、式無法運用復雜場景的專業知識，在精準定界方面存在挑戰。認知智能技術將網絡組網和業務模塊間機理關系融入故障診斷過程，從知識上對數據分析的診斷結果進行分析和識別，從而支持復雜場景的高精度故障診斷能力。3.認知智能可以實現電信領域的知識可演進，比如在核心網領域采用認知智能，從機器數據挖掘故障傳播知識，并基于反繹等技術手段完成知識的自動確認，實現知識的自學習，自演進。在邁向L5級自動駕駛網絡的過程中，人在網絡生命周期的參與將會越來越少，認知智能技術采用類人的決策方式，讓網絡越來越智能，支撐這一目標的達成。在故障運維場景，可實現故障定界準確率95%，且具備高可解釋性，并可基于知識自動生成恢復命令，實現網

68、絡的自恢復。面向運營商網絡運維業務場景，可使用認知智能技術實現故障運維的自動化，實現故障知識自學習。認知智能作為新一代AI技術，兼備泛化性和可解釋性，是實現網絡自動駕駛的關鍵技術支撐手段，同時認知智能技術仍然處于創新探索階段，為加快其在電信行業的應用，我們提出如下建議：26自動駕駛網絡1.認知智能在電信領域的應用可以優先從運維域開始，因為運維場景最為復雜，依賴大量的專家知識?；谥R+數據融合的技術思路，可使用認知智能技術實現故障運維的自動化，并且實現故障運維的準確率和可解釋性提升。2.在應用上可以從虛擬助手入手，在自智網絡達成L5之前，需要人機共生，在這個中間態的過程中，通過認知智能構建的虛

69、擬助手，可以與人協同，逐漸深度參與網絡的決策和執行，并實現可自學習、自演進，最終支撐實現ADN L5在運維場景下的自治自愈目標。3.電信領域應該建立知識體的行業標準，便于產業各方在知識共享、交互及認知能力開發等方面的推進更加高效。行動建議2.10 趨勢十：網絡數字孿生技術，成為實現網絡全生命周期智能化、自動化的重要技術手段自2002年Dr.Michael Grieves 第一次提出數字孿生概念以來，數字孿生技術已經在城市建設、航空航天、智能制造等多個行業成功應用，并在2017 年到2019 年，連續三年入選Gartner 十大戰略技術，并預計未來五年將跨越新型技術成熟度曲線，達到成熟應用的平臺

70、期。在智能制造領域，通過采用數字化模型的設計技術，將物理設備的各種屬性映射到虛擬空間中，形成可拆解、可復制、可轉移、可修改、可刪除、可重復操作的數字鏡像，在虛擬的三維數字空間快速便捷地修改部件和產品的每一處尺寸和裝配關系，大幅度減少了迭代過程中27自動駕駛網絡物理樣機的制造次數、時間，以及成本。同時數字孿生體可以通過采集有限的物理傳感器指標的直接數據，借助數據的歷史規律，通過機器學習推測出一些原本無法直接測量的指標。由此實現對當前狀態的評估、對過去發生問題的診斷，以及對未來趨勢的預測，并給予分析的結果，模擬各種可能性，提供更全面的決策支持。經過十余年的發展，數字孿生技術現已在諸如城市建設、衛星

71、網絡、生產車間等方向成功應用。在智慧城市領域，借助數字孿生技術可以提升城市規劃質量和水平，推動城市設計和建設，輔助城市管理和運行，讓城市生活與環境變得更好。雄安新區的規劃綱要中明確指出要規劃建設數字城市，將雄安打造為全球領先的數字城市。數字孿生城市的構建，包含物理城市、虛擬城市、城市大數據、虛實交互和智能服務五方面。通過在城建設備上布設傳感器感知、監測城市運行狀態，其次，建立物理城市相應的孿生模型實現對城市全方位的模擬，同時收集與記錄城市運行數據驅動數字孿生城市的發展優化，最終借助數字孿生的虛實交互實現城市規劃設計、優化市政規劃等智能服務。具體的，如新加坡已與達索合作構建監控城市中從公交車站到

72、建筑物等一切事物的數字孿生城市，Cityzenith 搭建了一個“5D 智能城市平臺”，實現了基礎設施開發過程的數字化及城市的數字化全生命周期管理。隨著經濟全球化的深入發展，網絡基礎設施地位愈發明顯，此外，疫情期間宅在家里成為最有力的抗疫措施，人們所有活動都移到了網上，使網絡負載持續增加、網絡規模持續擴大、連接規模呈指數級上升，到2030年達到2000億。同時隨著云化、虛擬化技術在網絡中影響，網絡的技術棧變得更加復雜。1.由于缺少有效的仿真和驗證手段，網絡變更的影響評估成為新的挑戰；2.對網絡穩定持續穩定運行的風險評估和隱患排查缺乏有效手段；3.基于網絡的新技術、新業務創新周期越來越長。通過引

73、入數字孿生技術，創建物理網絡設施的虛擬鏡像，即可搭建與實體網絡網元一致、拓撲一致、業務一致和數據一致的數字孿生網絡平臺，提供網絡配置正確性驗證、新技術效果驗證的試驗床，大大降低現網風險,消除錯誤配置導致現網故障的可能性。數字孿生網絡在網絡流量全息透視、網元全生命周期管理等場景也能發揮重要作用。通過物理網絡和孿生網絡實時交互，相互影響，數字孿生網絡平臺能夠助力網絡實現低成本試錯、智能化決策和高效率創新，進而助力網絡實現極簡化和智慧化運維。以數字化方式創建物理網絡實體的虛擬孿生體，構建可與物理網絡實體之間實時交互映射的網絡系統，數字孿生網絡心要素為：數據感知、模型定義、孿生鏡像、虛實交互。1.在數

74、據感知方面，研究研究高性能網絡近似測量，實現近似零誤差測量。通過實時或者非實時的數據采集方式，將物理網絡層的數據，包括物理實體數據、空間數據、資源數據、以及協議、接口、路由、信令、流程、性能、告警、日志、狀態等采集存儲到數據倉庫，為構建網絡孿生體以及為網絡孿生體賦能提供數據支撐。2.在模型方向，通過網絡分層抽象，研究和定義面向網絡孿生提的分層抽象模型，基于數據和模型，服務于各種網絡應用。28自動駕駛網絡3.同時通過網絡孿生體以高保真可視化的頁面去映射物理網絡實體，最終孿生網絡和物理網絡的孿生鏡像。4.同時借助大數據分析、AI算法、認知智能等技術實現對物理網絡進行全生命周期的分析、診斷、仿真和控

75、制，最終達成孿生網絡和物理網絡的閉環控制。29自動駕駛網絡03華為自動駕駛網絡解決方案30華為的愿景和使命是把數字世界帶入每個人，每個家庭，每個組織，構建萬物互聯的智能世界。實現萬物互聯智能世界的過程，也是幫助各行各業實現數字化轉型目標的過程。華為致力于在云服務、人工智能、網絡、低碳發展四大領域持續創新以加快數字化發展，推動人類文明的再一次飛躍，激發行業創新、產業升級和社會發展。以數字技術助力低碳發展Low carbon with digital technology讓網絡走向自動駕駛Autonomous driving networks讓人工智能無所不及Pervasive AIAI讓云服務無

76、所不在Ubiquitous cloud在自智網絡產業趨勢之下，華為自動駕駛網絡應運而生。自動駕駛網絡作為華為深耕數字化持續創新的四大舉措之一，旨在基于聯接+智能，打造一張自動、自愈、自優、自治的網絡，通過單域自治、跨域協同，與運營商和企業共同構建網絡“自配置、自修復和自優化”能力，從而為消費者和政企客戶提供“零等待、零接觸、零故障”的極致體驗。華為智能世界2030報告指出，在未來的智能世界里，空天海地一體化網絡無縫覆蓋、云邊端融合化服務觸手可及、全場景智能融入生產生活，通信網絡全方位實現自動駕駛。通信網絡將繼續扮演推動未來世界發展的主導力量之一，全面迎接智能世界的到來。自動駕駛網絡正是華為通信

77、網絡2030的核心戰略。31自動駕駛網絡3.1 華為自動駕駛網絡解決方案架構及特征電信網絡要想實現高階自智網絡目標，需要一個清晰的，可供產業參考、形成為共識的業務架構來指導生產實踐落地?；诖思軜?，運營商可以自上而下系統性地評估和梳理現有OSS系統、綜合網管、廠家網管/控制器和網絡設備在內的現有架構，由此制定滿足自身實際需要的，切實可行的演進路標。華為參考TMF IG1218的業務架構建議，結合豐富全球客戶聯合創新實踐，提出圖3-1的自動駕駛網絡業務架構。圖3-1 自動駕駛網絡業務架構網絡管控單元（Y域）無線運營商OSS運營商BSS網管EMS/NMSAI推理框架實時感知傳IP核心無線自動駕駛網

78、絡架構單域自治業務跨域單元商業使能客戶體驗智能運維自動化與智能認知應用設計Design Studio網絡管控單元（X域）網絡人工智能引擎管理控制分析網絡人工智能引擎管理控制分析跨域協同單域自治網元智能網絡智能業務智能網絡基礎設施網絡基礎設施的智能化是實現高階自智網絡的根本，網絡設備要引入更多的實時感知器件和AI推理能力，不但要增強對資源、業務及周邊環境的數字化感知能力，還要具備包括分析、決策和執行的邊緣智能能力。網絡管控單元融合網絡管理、網絡控制和網絡分析三大模塊，將上層業務和應用意圖自動翻譯為網絡行為，實現單域自治閉環和持續性SLA保障。同時基于內置的網絡人工智能引擎持續進行AI訓練和知識提

79、取，不斷強化AI模型和豐富網絡經驗，讓網絡越用越智能。業務跨域單元提供商業智能創新、客戶體驗提32自動駕駛網絡升、業務與網絡運維保障三大能力以及應用設計開發的平臺與云服務，面向聚焦運維及商業流程的打通和靈活的業務編排，允許根據自身網絡特點，快速迭代開發新的業務模式、運維流程、業務應用及商業產品和服務，這是運營商實現業務/商業敏捷的關鍵，同時賦能新型運維人員、商業設計人員的技能提升。自動駕駛網絡解決方案特征智能原生網絡基礎設施作為整個ADN的根本，起著至關重要的作用。隨著AN等級的提升，網絡基礎設施的能力也需要進一步提升，無論是實時感知能力，還是本地推理和邊緣計算能力，都需要在網絡基礎設施層面大

80、大增強。隨著AI技術的成熟，AI 也賦予了基礎設施層很多新的能力。網元AI提供分布式算力，將網元產生的海量KPI數據實現本地推理，不僅可以實現風險的快速感知，而且可以減少上送網絡層AI的數據，從而降低管理系統算力的壓力；網元AI也可以實現風險的快速感知分析，AI邊緣推理，實現網元級故障的快速自愈決策。比如，華為IP創新的iFit等隨業務流檢測協議，使的EMS可以在業務質差或故障發生時，在復雜的IP網絡拓撲中，快速自動定位出故障發生的地點；IPv6+可以極大的簡化業務下發流程，提升業務下發的自動化等級。接入網OLT 的AEC單板可以識別APP的KPI/KQI，識別質差用戶。DQ-ODN 的光虹膜

81、技術可以點亮最后一公里的光纖啞資源。華為光傳輸產品可以識別同纜的光纖，從而避免SRLG問題。單域自治網絡基礎設施層和網絡管控層有著相互耦合的關系，不同網絡域各自也有著不同的特點。隨著網絡規模的日趨復雜和網絡基礎設施能力的日益加強，對網絡的管控也變得日趨復雜，特別的是跨層的多域的管理已經變得遙不可及，勢必要優先在單個的網絡域上實現自治管理，再通過跨域協同進行跨域的管理。在不同的網絡管理自治域提供基于標準的北向接口給上層OSS或業務編排系統，上層OSS或業務編排系統再通過調用、編排各個單域的能力，提供跨多個域，需要多個域協同完成的業務。同時由于網絡基礎設施的網絡設備新的功能層出不窮，對應新功能的標

82、準化接口存在一定周期的滯后，很難再短時間適配。因此基礎設施層的設備和其設備廠家的網絡管控系統的耦合會保證更快更好的單域自治效果。比如移動基站的智能節能功能，需要動態調整設備的很多參數。需要基站自帶的網絡管控系統才能對基站設備做精準調節。華為的網絡管控系統還可以通過網絡實時數據預測小區話務，及時調整節能策略，在實現節能的同時保持KPI的穩定。開放協同大多數電信業務是單域自治，開放協同的。上層OSS及其業務層聚焦業務策略和創新，下層網絡管控及基礎設施層聚焦業務實現和技術創新。各個自治域的網絡管控系統通過開發標準化的意圖API接口，以實現網絡管控層和業務及OSS層之間的完全解耦。業務及OSS系統可以

83、通過調用這些北向接口來實現跨域的業務管理，比如業務發放，故障關聯分析等。以一個業務開通為例，OSS 通過開放的API接口，向各個單域的網絡管控系統下發業務意圖，比如源宿節點，業務SLA等。而各個單域網33自動駕駛網絡絡管控系統則自行規劃準備各自領域開通此業務所需要的業務以及參數，設備地址，隧道地址，隧道類型，隧道參數等等，配置給本域的設備。最終各域協同，快速完成業務的配置。3.2 華為自動駕駛網絡解決方案全景自華為在2018 UBBF上首次提出自動駕駛網絡的理念以來，經過近4年的創新實踐，華為已經成了系列化自動駕駛網絡解決方案，涵蓋無線、核心、接入、傳輸、IP、數據中心和企業園區多個領域。秉承

84、Intelligence for ICT的理念，致力于把人工智能技術系統性應用于ICT基礎設施自身，解決關鍵挑戰，更好的支持智能世界愿景的實現。圖3-2 自動駕駛網絡方案產品及方案全景Huawei Cloud公有云企業DCComputingIntelligentStorageIntelligentFabricIntelligentOTNIntelligentWANAccessRouterMetroRouterCoreRouterIPv6+IPv6+NCE-IPAccessOXCMetroOXCCoreOXCNCE-T企業IntelligentCampusNetworkCPEWi-Fi5G以太P

85、OLIPv6+個人IntelligentRANMAEMetaAAU家庭IntelligentFANNCE-FANDQ ODNFTTROLTIntelligentCoreMAE-CNMECMECSPCSVCIntelligentServiceEngine自治域用戶體驗自治域情景運維孿生體數字員工協同器智能商業34自動駕駛網絡3.2.1 IntelligentRAN無線自動駕駛網絡解決方案作為華為自動駕駛網絡解決方案在無線網絡的承載，IntelligentRAN將開啟無線網絡從運維自動化向網絡智能化的演進之路。IntelligentRAN聚焦和承載無線接入網絡側智能化功能，通過iMaster MA

86、E（Mobile Automation Engine）實現單域單廠家無線域基礎運維，同時引入MIE(Mobile Intelligent Engine移動智能引擎)，協同網元智能提供智能化UC。智能化原子能力通過意圖接口向云端智能開放；圖3-3 IntelligentRANIntelligentRANOSS開放意圖驅動網元接入FCAPS北向對接AI引擎數據&平臺數據引擎網絡數字孿生(Digital Twin)Entity網元：規格/配置/算法等網絡：覆蓋/能耗/體驗等環境&用戶View領域視圖：Topo/配置/性能等業務 iApp運維 iApp應用體驗 iApp能效 iAppAI框架/算法組件

87、庫數據建模L1 信道圖譜 L2 調度詞典 L3 智能柵格 數據采集iMaster MAE基站資源按需編排數據感知OM管理設備傳輸自配置目標1iRRM 算法iRTT 算法目標2目標3目標4數據協同模型協同決策協同MIE35自動駕駛網絡方案價值隨著移動網絡持續發展，從2G、3G、4G走向5G、5.5G、6G，移動網絡能力將進一步升級，承載的業務越來越豐富，網絡復雜度也在持續提升，移動網絡的3個結構性挑戰將更加突出：第一個挑戰是如何在網絡復雜度持續提升下實現極簡運維；第二個挑戰是如何以微增的能耗應對百倍流量增長；第三個挑戰是如何在業務多樣性的同時保證業務體驗最優。為了迎接這樣的挑戰，通過把智能能力融

88、入無線網絡業務、體驗、運維和綠色等方面，IntelligentRAN將助力運營商建設一張運維智簡、網絡智優、業務智營的無線自動駕駛網絡。運維智簡：基于專家知識庫、預測算法、神經網絡等關鍵技術，使能無線域智能告警管理，實現告警精準識別、快速問題定位、故障預測預防等能力。助力運營商從響應式運維走向預測預防式運維，實現網絡“零“故障。網絡智優：引入網元智能化，實現資源智能調度，使能多頻段多站異構組網的體驗與容量達到最優，最大化頻譜效率。并基于網絡級智能引擎實現基于多意圖多目標的智能協同，助力運營商從性能最優走向性能能耗雙優，在保證網絡性能穩定的基礎上，最大化網絡節能效果。業務智營：面向差異化業務SL

89、A需求，通過用戶級動態仿真，實現基于覆蓋、速率、時延等多目標的精準網絡規劃，使能業務快速開通和發放；并基于預測能力，實現實時動態資源調度，保障業務體驗，實現網隨業動。關鍵UC1.運維智簡：基于預測的故障管理，故障處理從被動響應走向主動排障：移動網絡所承載的toC和toB業務需要保持永遠在線。傳統采用事后工單的響應式運維已經遠遠不能滿足新業務的要求。iMaster MAE一方面通過加深加強故障感知能力做到告警的精準識別和問題定位，另一方面通過引入智能，利用RAN網管和網元協同的長短周期感知數據，對網絡中軟硬件故障和性能劣化（比如單板高溫、光模塊故障、備電時長等）進行預測和判斷，提前修復消除風險，

90、實現網絡的“零”故障和性能的高可靠。2.網絡智優：36自動駕駛網絡 基于智能柵格實現多頻載波智選，實現整網性能最優：無線網絡由多個頻段共同構成，不同的頻段有不同的特點，多個頻段的協同配合和統籌使用對于整網的頻譜效率提升至關重要。在復雜的多頻網絡中，通過智能化解決方案提升多頻協同的效率，將不同頻段的優勢互補，從而實現整網性能最佳?；诙嘁鈭D的多維協同節能，實現性能和節能雙優：綠色低碳已經成為通信產業乃至全社會共同關切的問題，能效成為衡量移動通信網絡的重要指標之一?；谥悄芩惴ê湍Ｐ?，尋找到基于話務和環境的最佳動態多維協同節能策略，做到“網絡場景自適應、一站一策、多網協同”。在保證網絡性能穩定的基

91、礎上，最大化網絡節能效果，實現能耗與KPI的最佳平衡，實現從性能最優到性能能耗雙優轉變。3.業務智營：面向業務SLA的網絡精準評估規劃，助力業務精準快速開通：5GtoB業務種類多、SLA要求高、應用環境復雜，基于專家經驗人工完成網絡規劃的傳統模式難以滿足千行百業的確定性網絡規劃要求。公網專用場景，通過準確評估指定區域的網絡覆蓋和速率，大大降低運營商上門實測評估的成本；行業專網場景，通過行業畫像、環境建模、用戶級仿真評估和實現基于業務SLA的精準規劃，滿足現網不同業務SLA需求，提升網絡規劃效率；基于預測的切片SLA保障，使能網隨業動：傳統的切片SLA保障主要采用資源預留的方式，為了保障有足夠的

92、網絡資源保障業務穩定運行，往往會預留實際需求數倍的資源，從而造成資源的閑置。引入預測能力，實現自適應切片SLA保障，在保障切片SLA的同時提升資源利用率。3.2.2 IntelligentCore核心網自動駕駛網絡華為核心網自動駕駛網絡解決方案秉承“網絡高穩，運維智簡，體驗質優”的云化運維轉型理念，對核心網諸多產品和專業服務工具進行融合創新，實現全網數據資產的可視、可管、可溯源，并引入數據原生、智能分析、模型訓練、AI推理、意圖洞察等人工智能技術，在不同網絡層級（電信云底座，網元層5GC&SVC，管控層iMaser MAE-CN）引入相應的自動化和智能化能力，助力運營商建設全流程自動化，自動-

93、自愈-自優的核心網。37自動駕駛網絡IntelligentCore終端OSS功能平面，按需擴展智能服務數字孿生AI框架會話管理移動性管理鑒權認證API網關API網關網絡意圖網絡認知網絡控制AI框架網絡孿生網絡仿真網絡智能管理編排iMaster MAE-CN超分布用戶面和計算服務智能服務應用感知轉發服務數字孿生AI框架計算服務應用圖3-4 IntelligentCore方案價值面向云化運維轉型和5G新業務的需求，華為核心網ADN解決方案將在網絡維護，操作交付和體驗閉環三個方面重點構筑能力，助力運營商實現數智化轉型。1.業務永在線的高穩能力：基于專家經驗、知識圖譜、AI自學習、數字仿真，實現電信云

94、、核心網網元的單域故障維護工作環節的閉環；構建網元/模塊級故障管理能力，實現亞健康預測、故障精準定界、快速自愈，向消費者和企業用戶提供永遠在線的通信服務，使能運營商云化基礎設施從被動響應到主動練檢防療轉型的運維轉型。2.端到端網絡操作自動化能力：面向升級、擴容、割接、測試等運營商日常操作場景，基于數字孿生理念，構建基于數字孿生技術和云化CICD工具鏈的智簡交付能力，指數級降低云化網絡的日常操作的復雜性，通過用戶意圖驅動，打穿交付作業斷點，基于Pipeline完成全流程自動化交付，實現變更操作無損安全。3.精細化、個性化體驗優化能力：系統AI內生，實現從網絡質量管理到個性化用戶體驗管理（業務體驗

95、標準、體驗感知、體驗閉環）轉型，提供面向不同行業客戶的企業級業務SLA保障，支撐運營商實現體驗變現。38自動駕駛網絡關鍵UC 1.故障場景高穩網絡：核心網網絡位置高，承載用戶容量大，故障影響范圍廣，高穩一直是重中之重。華為核心網ADN解決方案引入智能化手段，提供強身，體檢，預測和診療功能，全方位保障核心網高穩可靠。健康檢查：網絡可靠性評估，關鍵資源永遠可用，故障應急不慌張；日常演練：全程可視體驗好，容災演練效率高；專家診斷：故障檢測快，定界/定位準，精準定界直達故障點。故障定界到風險最小可操作單元，快速恢復業務運行 健康預防：從被動處理到主動預防，亞健康預防免干預2.動網場景智簡操作：傳統的網

96、絡變更（升級，擴容等）以人工為主，操作步驟多，流程長，大量工作需要人工介入，而人工的大量介入導致效率低下同時使得升級風險增加。華為核心網ADN解決方案基于業界DevOps先進理念，實現變更操作的高效和安全。自動化：端到端工具鏈打通手工操作的斷點，減少人工干預環節，提升“升級、擴容、割接”等全場景交付效率。變更無損：通過操作仿真能力，實現動態彈性擴容等操作的低成本試錯，實現業務操作變更無損。3.優化場景體驗質優：用戶體驗管理隨著5G商用不同階段面臨新挑戰，用戶感知好是保證滿意度的基礎，華為核心網ADN解決方案將以網絡為中心的目標轉變為以用戶體驗為中心、以價值為中心，明確“讓客戶滿意，讓市場放心”

97、。體驗優化：對VoNR/ViNR關鍵業務體驗，通過內生AI和優化工具鏈，實現業務打得通、通話接得快、話音聽得清、用戶留得住、交流不掉話。3.2.3 IntelligentWAN IP自動駕駛網絡華為IP自動駕駛網絡解決方案，核心部件包括智能IP網絡路由器設備（NetEngine/NE/ATN/CX）和iMaster NCE智能管控系統。iMaster NCE面向IP網絡提供算路網元、智能運維、網絡開放可編程能力，實現對網絡流量的全生命周期自動化調度，幫助運營商客戶構建領先的下一代端到端智能IP網絡。39自動駕駛網絡PublicCloud+SRv6+iFIT+Slicing+AINetwork

98、Service APIsIndustryCloudIPv6+Precise ControlCloud-networkone stop operation SmartDecision-making PrivateCloudReal-timeAwareness圖3-5 IntelligentWAN方案價值1.算路網元，一連可視減少50%集成復雜度：網絡數字地圖實時呈現時延、帶寬利用率等多維指標，同時通過“15+”因子的組合算路以及調優能力，實現對網絡流量的全生命周期自動化調度。2.Congestion Free，使能故障“0-1-3-5”：面向故障的“預防-識別-定界&定位-恢復”的“0-1-3-

99、5”體系化閉環方案，打造自優化、自修復的最佳體驗IP承載網。3.網絡開放可編程，3個“1”加速業務上線：以YANG模型驅動為基礎，提供端到端的開放可編程能力：設備驅動可編程、網絡業務可編程、開放設備和業務北向接口，實現“1”星期原型，“1”個月測試，“1”季度商用，助力運營商運維人員向IT轉型。關鍵UC 1.網絡數字地圖：基于BGP-LS/Telemetry等技術實現網絡時延，帶寬，利用率等指標拓撲實時可視，“導航地圖式”路徑計算和一站式發放，配置簡化高效，基于SLA保障的網絡路徑自動優化，持續保障用戶體驗。2.網絡隱患分析：基于大數據+三層AI架構（設備/網絡/云端），通過設備AI內置芯片4

100、0自動駕駛網絡實時感知，網絡AI模型心里本地知識庫以及云端AI訓練平臺聯邦學習，打造“以隱患為中心”的預測性運維，提供配置核查，設備KPI檢測，設備資源預測，強弱光分析，同路由影響分析，風險鏈路識別特性。3.VPN業務保障：基于IFIT隨流檢測技術實現租戶級業務SLA可視，提供差異化專線服務。同時通過VPN業務拓撲還原+KPI關聯分析，分鐘級故障定界，快速識別故障點，實現故障精準派單。4.移動承載擁塞分析：看基站：全網/區域基站質量趨勢可視，E2E拓撲還原+SLA關聯分析，識別擁塞位置，并提供典型根因分析及優化建議?？闯休d網：主動識別擁塞瓶頸，指導規劃。四大類典型擁塞分析+承載網KPI關聯基站

101、影響分析，主動識別承載網瓶頸點，為網絡規劃提供依據。5.網絡切片：通過10k級切片精細化規劃，一鍵式切片自動化部署，全網切片可視化管理，切片按需一鍵式無損擴縮容，實現網絡切片全生命周期自動化管理，給5G和云時代提供差異化SLA保障。6.智能故障管理：通過華為海量的運維數據在線訓練疊加智能算法，實現從面向海量的警的運維到面向故障的“一故障一工單”運維，實現告警壓縮率99%以上，極大提升了派單準確率，提升運維效率以及用戶體驗。7.AOC（Agile Open Container）：用戶自行定義業務YANG模型，通過積木式的極簡編程，完成新業務快速開發上線，實現“一周原型、一月測試、一季度商用”的敏

102、捷開發目標。同時，基于YANG模型驅動自動生成北向標準化API和南向設備配置腳本，實現業務分鐘級端到端的全自動化發放。3.2.4 IntelligentCampusNetwork 企業園區自動駕駛網絡華為園區自動駕駛網絡方案，核心部件包括CloudEngine園區交換機、AirEngine無線AP接入點設備與iMaster NCE-Campus智能管控系統，實現園區網絡的管理、控制和分析的全融合管理，并在業界率先實現L3自動駕駛網絡能力，實現園區網絡的全生命周期的自動化管理以及智能運維。41自動駕駛網絡圖3-6 IntelligentCampusNetwork方案價值1.零等待：網絡管理，從經

103、驗依賴到自動管理的轉變，實現零等待網絡開通，降低85%Opex。2.零風險：終端接入策略控制，從人工管理到自動控制的轉變，實現零風險的秒級無感接入。3.零中斷：網絡運維，從被動響應到自動優化的轉變，實現零中斷分鐘級自動優化網絡。關鍵UC 1.意圖開局：基于場景知識庫和協同推薦算法，實現業務場景與網絡模型精準映射和個性化推薦結合，為業務意圖推薦最佳網絡方案，降低網絡開通對人員依賴，實現分鐘級網絡開通。2.智能校驗：通過仿真校驗，實現連通性驗證接入仿真，提高驗證 速度，縮短驗證時間，解決傳統方案中變更10分鐘，驗證4小時，驗證不充分被重復投訴的問題，實現網絡的零差錯變更。3.業務隨行：通過自然語言

104、所見即所得編排，矩陣式極簡管理、結合IP-Group技術跨廠商部署，一次配置策略隨身，讓用戶在全無線園區內隨時隨地接入網絡體驗一致。4.終端智能管理：基于傳統的終端指紋庫和創新性應用聚類識別能力，已知類型識別在98%，新型未知識別在95%，精準識別接入網絡的終端設備，進而對接入的終端設備分配對應網絡，以及仿冒識別，降低人工干預，實現終端零風險無感接入。5.網絡健康360：提供多維網絡健康評估，主動識別200+典型問題，減少85%潛在網絡問題。網絡層管控層應用層終端層簡單業務園區多分支互聯園區多業務園區意圖推薦采集分析智能閉環仿真驗證AI推理數字孿生智能化數字化POS機VR安防智能終端PC機打印

105、機智能電表溫度傳感器自動化認證計費企業運維商業wifi企業辦公42自動駕駛網絡圖3-7 IntelligentFabric6.用戶體驗360：實現每時刻每用戶全旅途體驗可視，減少90%用戶投訴。7.應用保障360：識別1000+主流應用，智能感知應用質量并快速定界定位，定位時間從小時縮短至分鐘。8.智能調優360：基于歷史7天數據，智能分析預測未來AP負載，從而進行自動化的智能調優，提升整網性能，業界獨家AI漫游，通過強化學習算法持續訓練終端畫像，基于不同終端類型差異化引導漫游，漫游成功率提升70%，漫游中速率提升30%。3.2.5 IntelligentFabric 數據中心自動駕駛網絡華為

106、數據中心自動駕駛網絡解決方案，核心部件包括CloudEngine數據中心交換機與iMaster NCE自動駕駛網絡管理與控制系統，實現計算、存儲、業務網絡三網全IP架構，支持IPv6，并在業界率先實現L3.5自動駕駛網絡能力，支持數據中心網絡全生命周期自動化與全網智能運維，OPEX可降低30%，使能企業智能化升級。業務設計平臺企業ITSM通用網元模型統一數據底座Vendor AVendor B軟件SDN多云網絡硬件SDN多廠商設備傳統網絡公有云駐地云私有云意圖推薦仿真驗證故障閉環E2E可視Leaf擴容策略變更服務器上線跨云互聯路況直播43自動駕駛網絡方案價值1.零等待：助力業務部署和上線時間縮

107、短到分鐘級，大幅縮減運作人員工作量，提升運維人員工作效率2.零失誤：評估網絡變更風險，建立預防由于人因引發故障的保障機制，杜絕人為操作差錯，提升安全生產率3.零中斷：預測網絡趨勢，預防網絡質量劣化和故障，最大減少問題發生。一旦發生故障，極速定界定位和精確排障。關鍵UC 1.意圖驅動規劃部署：iMaster NCE與客戶業務結合，通過對客戶業務和網絡意圖的理解和翻譯，自動選擇最佳網絡部署方案，使能業務端到端自動化發，實現意圖的全生命周期自動化閉環。2.網絡變更仿真評估：以現網設備配置、拓撲和資源信息作為輸入，通過網絡建模和形式化驗證算法，評估變更風險，徹底解決設計邏輯漏洞、配置誤操作等人為問題，

108、保障配置錯誤不入網。3.智能運維1-3-5：通過Telemetry技術實現對網絡性能數據收集，基于業務體驗全面評估網絡健康度，1分鐘主動識別60+隱患和風險、90+典型故障；基于知識圖譜和華為獨有AI算法進行故障聚合溯源，3分鐘定位根因；再基于智能決策系統，分析故障影響并推薦優選故障處理方案，實現典型故障5分鐘快速恢復。4.使能產業生態：能夠無縫嵌入企業運維系統，成為運維流程的一個關鍵環節，助力數據中心全網實現自動化閉環。iMaster NCE北向通過Runbook業務設計器靈活編排業務流，與客戶運維系統無縫對接；南向通過AOC開放可編程平臺實現多廠商設備快速適配，從而實現多廠商多云異構網絡分

109、鐘級全自動化開通；同時，開放全量網絡數據服務，快速與業務性能監控系統集成，實現業務與網絡一體化運維。3.2.6 IntelligentFAN 全光接入自動駕駛網絡華為全光接入自動駕駛網絡解決方案核心部件包括全光接入網絡（FTTR/智能ONT/DQ ODN、智能OLT）和iMaster NCE智能管控系統。通過對全光接入網絡進行數字化建模以及引入云化、大數據、AI技術，“點亮”ODN及家庭網絡，并提供全生命周期的智能化運維，滿足全光接入的差異化應用場景和高品質的寬帶體驗需求，最終實現對全光接入網絡的單域自治。解決方案架構圖如下：44自動駕駛網絡開放API智能管控系統接入分析管理控制網絡智能運維/

110、運營平臺網元智能全光接入網絡業務智能單域自治Portal/APP品寬ADO三方BSS/OSDQ ODNFTTR-HomeFTTR-SME智能OLT圖3-8 IntelligentFAN方案價值1.開通“零等待”：DQ ODN、FTTR一站式規驗，資源準、業務一次性快速成功開通。2.業務“零故障”：智能化運維，PON+Wi-Fi故障及體驗質差自識別、自診斷、自優化，寬帶體驗可承諾。3.服務“零接觸”：終端/組網/應用/體驗瓶頸四維洞察，用戶自助管理家庭網絡，使能精準營銷、輔助運營。關鍵UC 1.ODN資源可視化管理：基于圖像識別與DQ ODN的光虹膜解決方案，自動分析、還原ODN拓撲，實現ODN

111、網絡可視可管、資源準。2.ODN遠程驗收及精準定位：結合OLT智能單板及光虹膜解決方案，在iMaster NCE上，就可以自動、遠程進行ODN網絡驗收及實現光路米級定位。3.家庭Wi-Fi質差自動識別：家庭Wi-Fi是家寬問題的主要來源之一，全光接入自動駕駛網絡解決方案，依托OLT的智能單板、能夠高精度地抓取無失真的流量特征，同時通過獨創的Wi-Fi體驗智能分析算法，全面識別全網用戶的WI-FI弱覆蓋和干擾問題，真正讓Wi-Fi體驗問題看得清。45自動駕駛網絡4.質差根因定位：首創分段測速能力，對質差問題進行“終端Wi-Fi路由器光貓ODNOLT承載網”五段精準定界。并通過自研的時空關聯智能診

112、斷算法，快速找出Wi-Fi網絡擁塞、百兆網線、光路弱光在內的30多種家寬體驗質差根因，從而大幅節省運維工程師上門診斷、排查的工作量。5.家寬潛客精準識別：通過對“應用、體驗、網絡、瓶頸”的四維洞察，識別用戶的潛在訴求，生成潛客標簽，助力識別寬帶升套、Wi-Fi組網、場景化潛客訴求，大幅提升營銷成功率，幫助家寬高質量發展。6.FTTR一站式驗收：通過方案自帶的FTTR裝維APP，可以一站式、對包括組網、速率、時延、漫游在內的10多類寬帶關鍵性能指標進行驗收，同時自動生成驗收報告，保障組網標準化，避免二次上門。7.FTTR 主動保障：針對FTTR“光+Wi-Fi”的全新組網，我們做出了兩大創新，一

113、是能夠遠程管理全網拓撲和設備狀態，同時提供7*24小時回放功能，這類似于給網絡配備了“CT體檢”，捕捉網絡劣化的瞬間，從而能解決疑難問題。二是通過測速保障方案，運維人員可以遠程一鍵測試從終端、到從FTTR、主FTTR、互聯網各段的網速，識別帶寬不達標的隱患，以便在用戶感知到網絡問題之前進行處理，做到時刻保障用戶體驗。3.2.7 IntelligentOTN 全光傳送自動駕駛網絡解決方案華為全光傳送自動駕駛網絡解決方案核心部件包括全光傳送網絡（OXC/OTN/.）和iMaster NCE智能管控系統。通過對全光網絡進行數字化建模以及引入云化、大數據、AI技術，點亮纖纜“啞資源”，構建一個智能、綠

114、色、高可靠的全光底座，并為千行百業提供高品質的專線業務體驗。46自動駕駛網絡開放API智能管控系統傳送分析管理控制網絡智能運維/運營平臺網元智能全光傳送網絡業務智能單域自治Portal/APPOSSBSSC2H2B2C圖3-9 IntelligentOTN方案價值1.“點亮”啞資源：光纖健康狀態可視、可預測、可定位，光纖同纜風險智能識別，光纜網GIS化呈現，解決光纜網啞資源管理難題。2.智能極簡運維：覆蓋規、建、維、優、營全生命周期，變被動為主動運維，打造5個9的網絡可靠性，為千行百業提供超寬、低時延、高可靠的運力傳輸3.智能品質體驗：售前業務SLA可視可管，售中專線業務自動發放，售后業務SL

115、A保障，使能業務SLA可承諾。關鍵UC1.光網資源保障：通過對光網資源數據、規劃設計數據的統一管理和分析，實現對網絡資源的統一可視、分析預測、在線資源核查以及擴容規劃，協助客戶及時、直觀了解資源使用情況，提前識別網絡資源瓶頸、精準擴容，實現資源“零等待”及縮短業務TTM時長。2.光網健康保障：針對波分網絡的OTS光纖和OCh通道性能劣化類故障，結合設備側的秒級感知及邊緣推理能力，進行光網亞健康智能預測分析，實現對光纖及OCh波道健康狀態的可視、可預測、可定位，化被動運維為主動運維，減少光路中斷隱患。3.可用率保障：自動評估分析光纖、業務可用率，識別現網可用率隱患及瓶頸，并給出優化建議，支撐可用

116、率提升。4.光纖同纜智能識別：基于光網元內置的智47自動駕駛網絡能傳感器，實時感知及分析光纖瑞利散射效應、布里淵散射效應、拉曼散射效應等產生的各種性能數據變化，自動識別工作、保護光纖同纜風險，以便提前進行業務整改，消除事故隱患。5.智能Incident管理：通過告警壓縮、告警聚合、根因分析三級智能告警壓縮，大幅提升故障處理效率，縮短故障發現、診斷、恢復時長，使能“一故障一工單”。6.時延地圖：提供微秒級、實時動態的網絡級時延地圖，將過去無法感知及準確度量的專線時延變成可感知、可精準度量，就像地圖導航一樣，運營商市場人員能通過時延地圖來評估站點間時延、帶寬是否滿足租戶需求，以便實現網絡資源的快速

117、匹配及專線業務差異化SLA的靈活銷售。7.敏捷業務發放：支持多場景（Client/EOO/EOS/SDH/MPLS-TP），選擇源、宿，自動完成業務配置，并通過ACTN 標準APIs全面開放網絡能力，簡化與OSS/BSS系統的集成，快速融入運營商專線業務生產流程，實現專線業務自動化開通及自助服務水平的提升。8.專線業務SLA：實時監控專線業務SLA（時延，帶寬、可用率.），越限主動預警，以便提前處理、消除潛在違約風險。3.2.8 IntelligentServiceEngine 數智化運營運維方案華為數智化運營運維（IntelligentServiceEngine）面向運營商實現從業務目標到各

118、網絡域目標的閉環。其由領域知識引擎、商業智能引擎、超自動化引擎、領域應用開發引擎、網絡與環境數字孿生等關鍵模塊組成，助力運營商打造體系化、場景化的數字化轉型之旅。針對打造高效運維、成就極致體驗、使能商業敏捷三大典型場景，華為基于與全球100多個運營商的數智化轉型實踐，推出了AUTIN、SmartCare、ADO三大數智化運營運維方案。（圖3-10 IntelligentServiceEngine）AUTIN智能運維 隨著5G網絡的商用，大規模復雜網絡以及多樣化新業務，運營商面臨著成本、效率、質量、以及人才轉型的多重運維挑戰。受COVID-19疫情的影響，運營商運維數智化轉型進程紛紛加速，已然成

119、為行業的趨勢。48自動駕駛網絡領域知識引擎網絡協同器商業智能引擎時空維度跨(流程)域協同網絡與環境數字孿生領域應用開發引擎安全管理超自動化引擎端到端流程跨(網絡)域協同用戶體驗自治域情景運維自治域數字員工孿生體智能商業協同器IntelligentServiceEngine華為智能運維解決方案AUTIN，面向運維場景的提質、增效、加速人才轉型三個關鍵訴求，助力運營商加速邁向三“零“的運維數智化轉型。首先，面向提質：在5GC場景下，重大故障影響范圍大、定界定位時間長。華為AUTIN，實現面向業務影響事件的智能預測，風險可提前預測，以及分鐘級的機器自動診斷，重大故障MTTR縮短，成效顯著；其次，面向

120、增效：NOC網管中心日常70%以上為重復作業，效率低且依賴專家個人經驗；華為AUTIN，幫助NOC實現監維一體自動化、診斷智能輔助，以及現場作業通過手機數字化輔助自助閉環，可實現故障自動診斷，故障自動閉環，降低每網元工單量，運維效率大幅提升；第三，面向運維人才轉型：運維作業都自動化以后，傳統的運維人才怎么辦？華為開放平臺和豐富的運維知識資產，提供可編排的低代碼運維應用開發平臺，降低運維人才轉型門檻，提供體系化的人才轉型伴飛和賦能服務，實現運維應用開發周期從月降到周，加速運維人才轉型。通過持續的專家經驗封裝，以及華為持續迭代的領域自動化和數智化引擎，讓智能化運維平臺越用越自動化，越用越智能。Sm

121、artCare極致體驗為客戶提供高質量的用戶體驗是大部分運營商發展戰略的核心，以打造領先的場景化極致體驗為目標，運營商可以通過構建性能領先的網絡，實現商業成功和領先。場景一：最佳VoLTE體驗。當前運營商都面臨圖3-10 IntelligentServiceEngine49自動駕駛網絡3.2.9 自動駕駛網絡演進路徑及辦法自智網絡演進將是一個長期的演進過程，在2019年的TMF AN白皮書第一版中，就明確給2/3G退網和建設一張精品VoLTE語音打底網的訴求。華為SmartCare解決方案通過多域多接口的數據關聯分析和切片能力，實現了VoLTE體驗問題精準定位，在用戶投訴前就進行主動保障，避免

122、大規模投訴上升。通過部署VoLTE體驗保障方案，運營商可實現語音投訴大幅下降，同時通過融合數據平臺，關聯無線、核心網、終端和開戶等信息，支撐客戶VoLTE用戶遷移。場景二：最佳5G體驗?？焖倏缭?G用戶和流量的裂谷，是運營商實現5G商業正循環的關鍵。我們將以往基于覆蓋的算法改進為最優體驗的算法，讓更多的用戶駐留在5G上，并始終保持最好的速率體驗。SmartCare幫助運營商大幅提升駐留比；通過融合數據平臺，結合“機、網、套”的洞察，幫助運營商精準發展5G用戶，提升5G分流比。場景三：最佳體驗排名。網絡體驗排名是運營商樹立品牌的關鍵。我們改進了傳統低效的路測優化，關聯第三方眾測數據進行分析，通過

123、端管云協同調優，將網絡資源發揮到極致。SmartCare幫助運營商實現5G網絡排名領先，實現市場份額提升。華為SmartCare的融合數據平臺高效地融合分析多域數據，并輔以內置的智能算子、開箱即用的智能預測模型、以及豐富的領域專家知識模型，幫助運營商通過構建體驗數字孿生，實現以數據驅動的高效網絡運營，從而達到網絡性能領先，最終實現商業領先。ADO商業使能 ADO品質家寬解決方案，深入感知用戶級業務體驗指標，對質差用戶、質差原因、潛客等進行業務建模，提供上網質量分析、單用戶質量查詢、潛客識別及VIP體驗保障等功能特性，支撐質差整治閉環和精準營銷。家寬極致體驗，從用戶投訴、用戶體驗、用戶行為、上網

124、質量等方面構建家寬用戶體驗模型，建立服管標簽，質差預測準確率達80%，實現主動運維，降低投訴率、提升家庭用戶體驗。網格化精準運營，針對個人、家庭和政企業務需求，基于網格化的業務洞察目標對網絡的承載能力進行分析和預測，匹配現網的資源能力，做出擴容計劃，提前做好網絡規劃；基于網格進行質差識別和整治，實現網格化精準業務發展。出的從人工運維L0到完全自治L5的分階段演進指導思路。50自動駕駛網絡自智網絡等級L0：人工運維L1:輔助運維L2:部分自智網絡L3：條件自智網絡L4:高度自智網絡L5:完全自智網絡執行pP/SSSSS感知pP/SP/SSSS分析pPP/SP/SSS決策pPPP/SSS意圖/體驗

125、pPPPP/SS適用性N/A選擇場景所有場景P 人（手工）S 系統（自主）L0 人工運維：系統提供輔助監控能力，所有動態任務都需要人工執行。L1 輔助運維：系統可根據預先配置，執行特定的重復性子任務，以提高執行效率。L2 部分自智網絡：在特定外部環境中，系統可以根據預定義的規則/策略，面向特定單元使能自動化閉環運維。L3 條件自智網絡：在L2的基礎上，系統可以實時感知環境變化，并在 特定網絡專業中進行自優化和自調整，以適應外部環境。L4 高度自智網絡：在L3的基礎上，系統可在更復雜的跨多網絡領域環境中，實現業務和客戶體驗驅動網絡的預測式或主動式的閉環管理，從 而進行分析并做出決策。L5 完全自

126、智網絡：這個等級是電信網絡演進的終極目標，系統具備面向多業務、多領域、全生命周期的全場景閉環自治能力。為了明確商用價值和衡量客戶體驗，在TMF的自智網絡等級定義的基礎上，華為自動駕駛解決方案進一步給出了各自智等級的愿景目標和達成路標。零故障零接觸零等待ANL自配置自修復自優化業務無中斷精準上門時長可接受L22021設備自納管故障自識別離線尋優質量有保障自助服務時長可預期L32023網絡自開通故障自診斷場景尋優體驗超預期智能推薦時長可承諾L42025升級不斷服故障自修復協同尋優表1-1 自智網絡分級51自動駕駛網絡面向消費者和行業客戶，提供零等待、零接觸、零故障的創新網絡服務。業務開通和變更時長

127、：2023年達到L3級的時長可接受，2025年L4目標時長可承諾；自助服務水平：2023年達到L3級提供基本自助服務，2025年L4目標提供智能推薦服務；客戶體驗保障：2023年達到L3級達到質量有保障，2025年L4目標體驗超過客戶自身預期；面向網絡運維和基礎網絡設施，打造自配置、自修復、自優化的高質量通信網絡。網絡部署和業務開通：2023年達到L3，實現基礎網絡業務可以自開通，2025年L4目標是網絡設備升級業務不中斷；故障診斷和修復：2023年達到L3，實現大部分故障可以自我發現自我診斷，2025年L4目標是常見故障可以自我修復；網絡性能和質量優化：2023年達到L3，實現基于特定場景的

128、優化，2025年L4目標是實現多手段、多目標的協同優化。四要素推進產業穩步前進在明確整體演進路徑和目標后，華為結合近兩年與領先運營商在自智網絡的探索，總結出一下四步推進辦法：1.目標架構：基于TMF AN目標架構，結合運營商自身業務戰略和目標，制定匹配自己的中長期的目標架構，從上而下牽引自智網絡建設方向。2.分級標準：在目標架構下，制定通用分級、專業/業務分級標準和評估方法，全面客觀衡量當前自智網絡等級，并以此為基線識別短板，制定改進策略，開展技術研究和應用創新，逐步提升自智網絡等級。3.成效指標：明確各自智網絡等級的商業價圖3-11 自智網絡演進辦法愿景目標愿景目標架構運營實踐實施整體規劃分

129、級評估短板識別應用創新試點驗證能力建設應用推廣分級標準成效指標通用評估方法專業/業務Self-XZero-X演進循環52自動駕駛網絡值和業務成效，顯性化量化呈現自智網絡演進的成效和價值，確保自智能力建設與企業戰略和業務發展的保持一致。成效指標與分級標準二者相輔相成，共同牽引自智網絡愿景達成。4.運營實踐：通過整體規劃、分級評估、短板識別、試點驗證，能力建設、應用推廣等步驟，不斷運營實踐、總結反哺，循環迭代，逐步向L5演進。53自動駕駛網絡04展望及倡議5420多年前，IP技術重構了通信網絡轉發架構。10多年前，云技術深刻影響了網絡管理控制架構。未來10年，AI技術將嵌入網絡各層架構，推動網絡向

130、高等智能體進化。通過網元狀態數據與AI結合，實現算法創新，逼近理論極限，將“不確定”變為“確定性”，提升網絡性能；通過網絡運維數據與AI結合、大數據分析和閉環優化，全面提升網絡自動化水平和全場景服務能力；通過邊緣智能，感知千行百業多樣性的業務需求，提升業務體驗。未來10年，通信網絡既充滿想象空間，也存在很多不確定性，在邁向高階自智網絡的道路上，需要標準和產業組織、運營商、供應商、科研院所、行業管理部門等全產業共同努力，共同探索。在此我們倡議:1.聚焦“創新增收、提質增效”兩大目標，持續開展應用創新：建議全產業伙伴，各展其能，聚焦“創新增收、提質增效”兩大商業目標，面向各專業網絡規建維優營生產場

131、景，面向5G to B、企業上云、家庭寬帶等高價值場景，持續開展應用創新，為產業貢獻豐富的、成熟的自智網絡商用解決方案。2.鼓勵運營商加速L3的規模部署，以商業正循環促進產業繁榮：TM Forum最新調研報告顯示，37.1%的被訪者認為將在未來3年內達到L3級自智網絡并將帶來顯著的商業價值，建議運營商加快引入、實驗自智網絡的新技術、新產品、新方案，成熟之后加快復制和推廣，并加快推動自智能力提升想商業價值和運營成效的轉化，把握行業數字化轉型新機遇，并以商業正循環促進產業繁榮。3.建議構建產業協作平臺，推動標準共建互認、產學研用高效協同：建議多標準組織進一步深化合作，通過頂層設計和高效溝通，加快各

132、個專業領域標準之間的協同，建立標準共建互認機制；同時加快產業標55自動駕駛網絡準向商業和技術實現方案的轉化，實現產學研用高效協同，推動上下游產業伙伴聯合創新。4.共同定義L4目標畫像，提前布局基礎理論研究和技術攻關：自智網絡從L3到L4將是一個巨大的飛躍，價值極高，同時挑戰極大，建議產業各方聚焦“商業和業務需求、目標架構、關鍵技術和核心能力、演進路徑、產品和方案創新”等方面，共同定義L4目標畫像，持續提升復雜場景的精確實時感知、基于數字孿生的實時仿真、數據驅動用戶體驗分析決策 等能力，支撐L4自智網絡目標達成。自智網絡的規模部署，離不開全行業的緊密合作，華為愿與產業伙伴攜手共進，持續加大基礎理

133、論和技術研究的投入，發揮自身在ICT領域的技術優勢積極貢獻標準、技術和商業創新，與產業伙伴共推網絡高質量發展，共同邁向智能世界。56自動駕駛網絡華為技術有限公司深圳市龍崗區坂田華為基地電話:(0755)28780808郵編:免責聲明本文檔可能含有預測信息，包括但不限于有關未來的財務、運營、產品系列、新技術等信息。由于實踐中存在很多不確定因素，可能導致實際結果與預測信息有很大的差別。因此，本文檔信息僅供參考，不構成任何要約或承諾，華為不對您在本文檔基礎上做出的任何行為承擔責任。華為可能不經通知修改上述信息，恕不另行通知。版權所有 華為技術有限公司 2022。保留一切權利。非經華為技術有限公司書面同意，任何單位和個人不得擅自摘抄、復制本手冊內容的部分或全部，并不得以任何形式傳播。商標聲明 ，是華為技術有限公司的商標或者注冊商標，在本手冊中以及本手冊描述的產品中，出現的其他商標、產品名稱、服務名稱以及公司名稱，由其各自的所有人擁有。