華為：自動駕駛網絡解決方案白皮書(80頁).pdf

《華為：自動駕駛網絡解決方案白皮書(80頁).pdf》由會員分享，可在線閱讀，更多相關《華為：自動駕駛網絡解決方案白皮書(80頁).pdf（80頁珍藏版）》請在三個皮匠報告上搜索。

1、自動駕駛網絡 解決方案白皮書 Autonomous Driving Network 01 04 1.1 電信網絡發展的機遇與挑戰 1.2 電信產業自動駕駛網絡探索與實踐 081.3 華為自動駕駛網絡探索實踐 11 142.2 華為自動駕駛網絡目標架構 011. 電信自動駕駛網絡探索與實踐 112. 華為自動駕駛網絡戰略與架構 2.1 華為自動駕駛網絡戰略 CONTENTS 目錄 694. 自動駕駛網絡產業發展建議 745. 總結 24 26 3.1 華為自動駕駛網絡解決方案 3.2 網絡極簡系列產品 353.3 iMaster智能運維系列產品 243. 華為自動駕駛網絡解決方案和產品 756.

2、 參考文獻 Page 01電信自動駕駛網絡探索與實踐 電信自動駕駛網絡探索與實踐 在歷史發展的滾滾長河中， 人類追求先進生產力的腳 步從不曾停歇。 每一次技術革命的出現， 都代表了一次 生產力的發展更迭， 驅動人類社會邁向新的發展紀 元。 工業革命， 電力革命和信息技術革命在過去120年 間實現了人類文明的三次巨大突破， 當今， 以人工智 能、 5G、 云計算為主導的第四次工業革命所帶來的改 變， 已在悄然發生， 正在塑造一個萬物感知、萬物互 聯、 萬物智能的世界， 它比我們想象中更快地到來。 電信網絡發展的機遇與挑戰 華為展望2025年行業發展趨勢， 大帶寬、 低時延、廣鏈接的需求正在驅動5

3、G 加速商用， 到2025年” 全天候實時在線”將成為人與萬物的“默認狀態” 。 無線工廠將持續演進和發展， 智能自動化在建筑、 制作、 醫療健康等領域中廣泛 應用。 與此同時， 智能云和云邊協同技術將成為全社會運行的基礎環境。 隨著行 業數據的不斷豐富， AI算法和學習也將不斷升級。 GIV預測2025年 全球將部署 650萬基站 服務于 28億用戶 58%的人口將享有 5G服務 可以說， “5G+云+AI” 以及其他新技術（IoT、 ICP、 GIS、 Big Data）共同構筑的數字平臺和數字能力是 每個企業智能升級的基礎底座， 電信產業正在深度參與并推動智能社會的發展。 650萬28億

4、58% Page 02電信自動駕駛網絡探索與實踐 蓬勃發展的萬物互聯和融合智能化給電信產業的ICT投資帶來了新的發展機遇， 同時也帶來了挑戰。 根據OVUM分析報告顯示， 過去十年電信行業的收入增長從來沒有跑贏過OPEX的增長， 隨著網絡規模 逐年增加， OPEX快速增長， 產業結構化矛盾日益突出。 無線工廠將持續演進和發展， 智能自動化在建筑、 制作、 醫療健康等領域中廣泛 應用。 與此同時， 智能云和云邊協同技術將成為全社會運行的基礎環境。 隨著行 業數據的不斷豐富， AI算法和學習也將不斷升級。 云上開發的企業 應用占比 無線2G/3G/4G/5G形成四世同堂疊加網， 核心網CS/PS/

5、IMS/IOT等 形成十域并存的網絡格局。 預計到2025年全球每 年新產生的數據量 大企業使用AI技術賦能 業務和管理的比例 可以說， “5G+云+AI” 以及其他新技術（IoT、 ICP、 GIS、 Big Data）共同構筑的數字平臺和數字能力是 每個企業智能升級的基礎底座， 電信產業正在深度參與并推動智能社會的發展。 650萬28億58% 85%97%180ZB 電信網絡日益復雜 根據華為服務對1800多項典型運維活動的數據分析， 95%的流程和 作業節點都需要人為干預， 例如家庭寬帶投訴處理流程中15個流程節 點、 100多個作業節點都是依靠人工分析決策和孤立的輔助工具， 導 致要保

6、持龐大的運維團隊。隨著聯接數的增加和帶寬的快速增長， 電 信基礎建設不斷加快， 如何平衡資產利用率和提高能源效率得到最佳 TCO成為重要關注， 以基站和機房為例， 如何有效降低能耗和提升資 源利用率是影響TCO的關鍵因素之一。 人工運維成本居高不下 電信產業雖擁有大量數據和商業規模優勢， 但商業變現能力不足， 表現 在差異化的產品和客戶服務能力不足， 網絡的SLA保障仍然很困難。 網 絡擁塞導致的業務卡頓、 閃斷、 質差隨處可見， 即便用戶投訴后也難以 精確定位和快速恢復。 商業變現能力不足 與OTT相比， 新業務的融合創新速度慢， 電信產業新業務平均上線時間 大于12個月， 而AWS 1年推

7、出300+個新業務， 平均1周10個。 我們堅信， 電信產業應當充分、 科學、 有效地融合運用智能技術， 推動網絡架構和運維模式演進， 邁向人 機協同的自動駕駛網絡時代， 持續帶動電信產業智能升級。 新業務創新慢 Page 03電信自動駕駛網絡探索與實踐 電信產業自動駕駛網絡探索與實踐 電信產業一直在探索數字化、 自動化和智能化， 從轉型前期聚焦客戶服務、 產品業務層， 逐步延伸到內部 管理運營層， 再到網絡層。 早在2011年， 電信產業就希望通過利用SDN、 NFV和云技術， 提升業務和網絡敏 捷性的同時， 降低成本和復雜性。 但從結果來看， 基于SDN/NFV技術的網絡自動化仍無法完全解

8、決未來各種應用大規模部署、 網絡新技 術引入與擴張帶來的問題。 如何大規模、 全流程地提升效率， 并持續快速迭代地引入新技術仍然是產業共同 面臨的難題。 當前人工智能正在從感知智能向認知智能演進， 展望未來10年， 通過神經網絡、 知識圖譜和領域遷移等 技術將使得電信網絡自治系統的出現成為可能。 通過將AI與其他技術相結合， 可大幅提升運維效率， 不僅可 以代替人工解決電信領域大量重復性的、 復雜性的計算工作， 還可基于海量數據提升電信網絡預防和預測能 力， 通過數據更懂客戶， 基于數據驅動差異化的產品服務， 使能高度自動化和智能化的電信網絡運營。 自動駕駛網絡正是誕生于這一背景下， 試圖 通

9、過應用多種智能技術， 發揮融合優勢驅動電 信行業從數字化邁向智能化， 將對電信產業的 生產方式、 運營模式、 思維模式和人員技能等全 方位帶來深遠影響。 經歷了數據中心自動化， 廣域調優， SD-WAN等一系列探索后， 網絡自動化成為驅動 運營商部署SDN的主導動力。 通過vIMS， vEPC， vCPE等實踐提升了資源利用率的同時， 通過DevOps流程和 CI/CD工具鏈提升了產品開發效率。 SDN NFV “人工智能技術是 高度自動化和增強 人類能力的關鍵催 化劑。 ”Gartner Page 04電信自動駕駛網絡探索與實踐 2019年5月， 電信管理論壇TMF聯合英國電信、 中國移動、

10、 法國Orange、 澳大利亞Telstra、 華 為和愛立信等成員， 合作發布了業界第一部自動駕駛網絡白皮書。 如圖1-1提出了 “單域自治、跨域協同” 的三層框架與四個閉環， 給產業提供了運營商數字化轉型的 架構藍圖， 給產業各方的實踐與合作提供頂層架構參考， 并促進產業高效合作。 圖1-1 TMF自動駕駛網絡目標架構圖 Efficiency:Agile operations Business automation Network automation Revenue:Digital enabling Customer, ecosystem, partner operations Netw

11、ork, Customer facing Services operations Personalized services Produc onCommerce Automated O 網元的實時感知能力： 具備多維實時感知能力， 包括業務流、 資源和拓撲狀態、 運維事 件等； 網元AI推理能力： 在網元內置AI算子和神經網絡推理單元， 在線實現模式或特征匹配， 實現網元本地的AI推理應用； Page 28華為自動駕駛網絡解決方案和產品 極簡無線站點極簡無線站點 隨著5G業務的發展， 全球運營商紛紛加速5G建設。 如何更好地構建和維護5G 網絡， 是大多數運營商迫切需要解決的問題。 在無線站點

12、設備設計上， 需要考慮以下幾點： 需要長期維護超過 5個頻段的運營商 城區無法新增天面安裝 5G AAU的比例 電源容量不足的站 點DC 70%80% 無法承擔額外載重 的站點 80%70% 避免對站點基礎設施的改造， 如天面免加固或加桿； AC、 電源模塊免擴容。 第一 提高設備能效， 減少站點能耗， 如射頻和基帶等模塊持續進行低功耗設計創新， 根據業務量實時調整， 按需開啟和關閉站點設備。第二 隨著每比特速率的提升， 基站對無線資源需要更精細化的管理， 提升無線的實時 數據分析能力， 最大化資源利用率。 站點設備全制式設計， 頻譜動態按需分配， 如射頻和基帶設備需要支持向5G演 進， 支持

13、LTE 因此， 在5G極簡綜合業務承載網的設計上， 需要考慮： 網絡簡化， 面向MBB、 家庭寬帶、 企業專線的承載網絡融合， 減少網絡數量， 降 低規劃設計難度， 節省建設投資； 設備融合， 節省機房空間， 降低租賃費用。 協議簡化， 減少IP協議數量， 匹配網絡自動化。 運維智能化， 網元具備感知聯接業務SLA的能力， 通過和控制層協同， 提升網絡 安全性和網絡狀態感知。第三 第二 第一 Page 32華為自動駕駛網絡解決方案和產品 傳統多層的承載網絡架構過于復雜， 不同業務獨立承載， 運維難度大、 建設成本高。 同時， IP協議種類 多、 配置復雜， 無法匹配自動化的需求。 此外， 5G

14、時代多業務、 復雜的SLA直接影響到網絡的運維高效性和用 戶的業務體驗。 極簡承載網絡極簡承載網絡 因此， 在5G極簡綜合業務承載網的設計上， 需要考慮： 網絡簡化， 面向MBB、 家庭寬帶、 企業專線的承載網絡融合， 減少網絡數量， 降 低規劃設計難度， 節省建設投資； 設備融合， 節省機房空間， 降低租賃費用。 協議簡化， 減少IP協議數量， 匹配網絡自動化。 運維智能化， 網元具備感知聯接業務SLA的能力， 通過和控制層協同， 提升網絡 安全性和網絡狀態感知。第三 第二 第一 Page 33華為自動駕駛網絡解決方案和產品 極簡核心網絡極簡核心網絡 核心網的特點是云化部署為主、 網元眾多、

15、 位置關鍵。 云化部署和網元眾多帶來核心網復雜而大量的配 置、 升級、 維護等工作。 位置關鍵要求核心網非?？煽?， 要做大量測試。 這兩個 “大量” 導致業務建設和變更 TTM周期長（通常需要39個月） 。 基于華為核心網， 華為還提供網元設備邊緣智能處理和網絡感知， 提升用戶體驗， 例如： 基于AI的的包深 度分析， 實現加密視頻QoE感知、 IP智能選路、 網絡調優、 網絡安全預測等功能。 華為的邊緣一站式全業務集成實現All-In-One，業務支持動態加載、獨立升級，提升整體性能 50%100%； 50%100% 華為提供意圖驅動的承載網解決方案， 實現網絡數字化轉型， 主要包括： 支持

16、聯接業務SLA的遙測感知和邊緣智能處理， 同時通過內置AI推理 框架， 從云端下載、 運行AI算法， 實現對網絡資源、 狀態的感知， 例如： 聯接業務SLA健康度調優、 網絡告警智能壓縮、 實時異常檢測等功能。 網元智能化 按需E2E部署SRv6協議， 采用SRv6協議實現協議配置極大簡化， 源節 點一次性配置業務路徑，實現業務快速發放。同時華為設備支持 MPLS/SRv6雙棧， 對4G業務仍采用原有MPLS 協議逐點配置, 對原有 業務無影響； 通過軟件升級可平滑支持SRv6協議， 減少協議升級帶來 的硬件更換成本。 簡化業務協議 采用全業務IP設備實現MBB、家庭寬帶、企業專線的統一承載，

17、 同 時網絡扁平化， 節省建網成本。 節省建網成本 Page 34華為自動駕駛網絡解決方案和產品 因而在極簡核心網的架構設計上， 需要考慮 首先提供華為全容器化5G核心網， 采用Global-Local架構匹 配未來百億連接訴求， 2/3/4/5G數據融合降OPEX， 軟件采用 微服務架構， 版本發布敏捷， 灰度升級， 在線測試， 大幅度縮短 TTM； 其次華為的融合語音解決方案， 可實現一個語音核心網處理固 網和無線2/3/4G的語音業務； 華為幫助運營商構建極致敏捷、 極 簡融合和極致效能的極簡核心網。 基于華為核心網， 華為還提供網元設備邊緣智能處理和網絡感知， 提升用戶體驗， 例如：

18、基于AI的的包深 度分析， 實現加密視頻QoE感知、 IP智能選路、 網絡調優、 網絡安全預測等功能。 華為的邊緣一站式全業務集成實現All-In-One，業務支持動態加載、獨立升級，提升整體性能 50%100%； 50%100% 優化網絡架構， 簡化拓撲， 采用全局拓撲自動管理， 簡化部署維護成本； 融合2/3/4/5G核心網， 實現數據面、 控制面、 用戶面融合； MEC邊緣網元自動化設計， 提升部署效率。第三 第二 第一 Page 35華為自動駕駛網絡解決方案和產品 網絡運維面臨的規模挑戰以每年5%的速度持續增長5% iMaster智能運維系列產品 平均80%的運維活動仍依賴人工干預80

19、% 從過去幾年華為服務的數據分析發現 電信網絡的傳統運維模式面臨等諸多挑戰， 2019年華為服務面向全球1700多 張網絡提供了 58萬次技術支持1萬多次疑難問題的定位解決 13萬多次網絡重大操作支持 58萬1萬13萬 Page 36華為自動駕駛網絡解決方案和產品 面向未來， 網絡更為復雜， 以人為主， 孤立運維工具為輔的運維模式將難以為繼。 將iMaster智能運維系 列產品應用于運營商 “規、 建、 維、 優” 的生產流程與作業過程中， 實現 “業務敏捷開通、 事前智能預警、 事后 快速定位、 夜間無人值守、 遠程自動化運維” 等一系列智能運維目標， 成為網絡運維模式邁向人機協同時代演 進

20、的必然趨勢。 2020年， 華為面向全球上市了自動駕駛網絡解決方案旗下iMaster智能運維全系列產品,包括: 網絡人工智能單元iMaster NAIE跨域智能運維單元iMaster AUTIN MBB網絡管控單元 iMaster MAEFBB網絡管控單元iMaster NCE Page 37華為自動駕駛網絡解決方案和產品 管理控制 分析 AI 北向接口開放 API可編排 南向可集成 接入網 傳送網數據網 ITOSSApplication 規 建 維 優 NCE-Super NCE-FAN NCE-IP NCE-T NCE-Fabric NCE-Campus NCE-WAN iMaster N

21、CE Offering 圖3-1： iMaster NCE產品架構與Offering 華為iMaster NCE定位于FBB網絡領域的網絡管控單元， 向下可管理固定接入網、 IP承載網、 光承載 網、 微波承載網、數據中心網絡和企業園區網絡。 旨在構建FBB網絡的數字孿生， 實現域內自治閉環， 開啟以用戶體驗為中心的自動化和智能化網絡時代。 iMaster NCE 基于統一的云化架構， 融合管理、 控制與分析系統于一體， 引入大數據和人工智能技術， 實 現對域內網絡集中管理、 控制和分析， 支撐FBB網絡的 “規、 建、 維、 優” 各環節用戶和業務的全生命周期的自 動化和智能化訴求， 還具備

22、按不同網絡技術域、 業務域所需的按需部署和靈活擴展能力。 iMaster NCE通過 北向接口開放、 API可編排、 南向可集成的三層開放可編程能力， 可根據客戶應用場景和業務特點自主編排、 快速適配并迭代開發。 FBB網絡管控單元 iMaster NCEFBB網絡管控單元 iMaster NCE Page 38華為自動駕駛網絡解決方案和產品Page 37華為自動駕駛網絡解決方案和產品 管理控制 分析 AI 北向接口開放 API可編排 南向可集成 接入網 傳送網數據網 ITOSSApplication 規 建 維 優 NCE-Super NCE-FAN NCE-IP NCE-T NCE-Fab

23、ric NCE-Campus NCE-WAN iMaster NCE Offering 云地協同，AI使能預測性 網絡維護 iMaster NCE部署在客戶網絡本地， 通過Telemetry協議實時采集網絡和業 務端到端的原生網絡數據， 通過為不同的分析和決策模型注入人工智能算 法， 持續對模型進行本地中短期在線自動訓練和云端iMaster NAIE的中長 期離線訓練， 提供網絡流量實時可視和預測、 網絡故障自動識別和預測、 業 務體驗歷史回放和預測等等功能， 讓網絡從靠投訴驅動的被動運維轉換變 為靠數據分析驅動的預防性維護。 開放可編程，使能開放 APP生態iMaster NCE提供可編程的

24、集成開發環境Design Studio和開發者社區， 實 現南向與第三方網絡控制器或網絡設備對接， 北向與云端iMaster NAIE、 iMaster AUTIN以及第三方IT應用的快速集成， 允許客戶靈活選購華為提 供的原生自動化和智能化APP， 也允許客戶自行開發或通過第三方系統集 成商進行APP的二次開發與集成。 iMaster NCE作為FBB網絡領域的智能中樞， 具備以下三大特點： 管控析融合，實現以場景 為中心的自治閉環 iMaster NCE融合傳統網管系統、 SDN控制系統、 性能流量分析系統等 于一體， 將分割在不同的系統和流程中的網絡數據、 業務數據以及用戶體驗 數據統一

25、到一個平臺中， 拉通數據模型， 針對不同場景的業務提供場景化意 圖API或APP， 將外部商業和業務意圖自動轉換為網絡語言， 并基于層次化 的網元、 網絡、 業務、 客戶和應用模型進大數據分析提供實時洞察和決策建 議， 驅動FBB網絡自調整、 自優化和自愈自治。 Page 39華為自動駕駛網絡解決方案和產品 首先， 家寬用戶投訴中， 50%的問題與家庭網絡有關， 25%的問題與PON光路有關。 而傳統方式下， 運 營商僅管理到ONT， 家庭網絡內部是個 “運維黑盒” ， 缺乏有效的運維手段， 造成60%以上的問題都依賴于上 門處理。 1分鐘 iMaster NCE通過分段測速、 故障自動識別和

26、一鍵診斷等功能實現 1分鐘遠程定界和分鐘級故障主動分析， 無需坐席專家進行人工關 聯分析， 實現快速排障并提供優化建議， 針對配置類故障支持自動 調整和優化。 同時， 數據分析表明家庭網絡是帶寬壓抑的瓶頸， 以某運營商為例， 200M套餐普及率已經高達68%， 但76%的用戶體驗帶寬都遠小于200M。 ARPU iMaster NCE通過持續的大數據采集及分析， 可精準識別質差用戶 和帶寬壓抑瓶頸點， 變投訴為機會， 推廣家庭WiFi的高級組網服 務， 實現了客戶體驗和套餐升級的ARPU值的雙提升。 海量用戶接入、 日趨復雜的家庭組網及無源PON網絡給家寬網絡的運維帶來了極大挑戰。 iMast

27、er NCE 品質寬帶方案通過管控析融合， 大數據及AI智能分析能力， 幫助運營商大幅提升運維效率減少無效上門， 并 圍繞用戶體驗提升獲取更多增長。 iMaster NCE應用于品質寬帶場景 Page 40華為自動駕駛網絡解決方案和產品 效率 其次， PON光路存在線路長， 施工場景復雜等問題， 特別是性能劣化類故障難以定位， 需要工程師現場 逐段排查確認， 普遍存在用戶問題解決時間長、 滿意度低、 處理效率低等挑戰。 iMaster NCE持續采集OLT實時運行狀態和KPI指標， 基于PON光路 拓撲自動還原能力自動識別PON網絡典型故障類型以及發生位置， 能夠智能識別弱光原因和弱光位置，

28、從而達到有針對性地弱光主動 整改， 提高整改效率。 Page 41華為自動駕駛網絡解決方案和產品 iMaster NCE不僅提供實時的專線業務SLA可視化管理， 還提供光網健康預測能力， 主動分析每條 光纖和波道的健康情況， 提前預測故障發生風險并預警， 從而提前規避網絡風險和業務中斷， 避免不 滿足業務SLA而導致的賠款。 售后階段 企業上云已是大勢所趨， 調查顯示以政府部門、 金融機 構、 行業大客戶為主的高端客戶群占據運營商專線收入 超過70%。 但這幾類客戶對專線品質的需求較高， 包括高可靠、 低時延、 快速開通、 自服務以及硬管道隔離等。 iMaster NCE提供時延地圖、 快速開

29、通、 帶寬預約BoD、 專線SLA保障等價值應用， 有效幫助運營商在售 前、 售中、 售后界面提供差異化的優質服務。 iMaster NCE應用于品質光專線場景 70% iMaster NCE提供專線業務時延精準可視、 可承諾能力， 市場銷售人員能通過時延地圖實時評估站 點間時延、 帶寬、 可用率是否滿足租戶需求， 實現網絡資源快速匹配和差異化能力的價值變現。 售前階段 業務快速開通是運營商的關鍵競爭力之一， iMaster NCE提供CPE即插即用以及業務快速開通能力， 讓 CPE安裝調測從原來46小時降低到30分鐘， 并通過與運營商BSS/OSS系統集成， 可實現分鐘級的 業務開通。 售中

30、階段 Page 42華為自動駕駛網絡解決方案和產品 基于知識圖譜的AI算法， 針對故障點典型故障進行深度分析， 已實現7大類200多種典型故障的自動識 別和根因分析。 5分鐘 同時配合全網動態IP路由分析和還原能力， 對劣化或故障業務快速啟動隨 流、 逐跳的分析， 5分鐘快速定界到故障網元或鏈路， 縮小故障根因范圍。 5G基站數量相對4G大幅增加， 業務配置工作量也將大規模增加， 傳統人工分層配置方式在5G時代面臨 工作量大、 技能依賴高， 易出錯的問題。 首先， iMaster NCE提供ZTP的極簡部署方案， 提供5G承載網的接入環設備快速上線和自動開通能力、 從而可減少NOC中心人員值守

31、時間。 其次， iMaster NCE面向2B市場創新提供承載分片自動化能力， 提供分片自動部署、 可視運維和按需擴容 的全生命周期智能運維能力， 使能5G面向2B行業快速服務、 快速創新。 iMaster NCE應用于5G承載場景 1分鐘 在承載網運維層面， iMaster NCE在5G承載場景提供基于隨流遙測技術的 智能運維， 支持大規模網絡KPI的實時采集和匯聚分析， 實現每個基站業務 的承載側時延、 丟包等SLA的微觀可視， 1分鐘感知到故障； Page 43華為自動駕駛網絡解決方案和產品 通過對客戶業務和網絡意圖的理解和翻譯， 推薦適當網絡部署方案， 使能業 務端到端自動化發， 實現

32、意圖的全生命周期自動化閉環。 iMaster NCE 與客戶業務結合 以現網配置、 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， 基 于現網仿真剩余網絡資源是否足夠， 呈現詳細的連通性互訪關系， 分析和評估 變更對原有業務影響。 iMaster NCE 提供仿真校驗模塊 隨著各行各業數字化轉型的不斷全面深入， 大量新業務上線、業務變更頻繁， 業務急速上線的訴求十 分迫切， 如某銀行全年業務變更超過2000次， 業務部門要求當日15： 00前工單當日畢、 15： 00后次日畢。 雖然SDN方案的成熟廣泛商用解決了邏輯網絡自動化布放的問題， 但應用上線網絡開通、 變更過程仍存在 大量手

33、工銜接操作， 變更頻繁更是導致人為差錯高發。 據統計， 近40%數據中心網絡故障由人為差錯導致。 iMaster NCE應用于數據中心場景 40% Page 44華為自動駕駛網絡解決方案和產品 因此， 網絡工程師能夠通過iMaster NCE預先評估變更風險， 徹底解決設計邏輯漏洞等人為問題， 保障 網絡配置零差錯。 在運維階段， 大量應用如移動支付、 秒級搶購等要求秒級響應， 這導致上層應用先于網絡感知故障并 投訴， 網絡承擔巨大壓力。 其次， 網絡故障定位主要依靠專家經驗， 逐段定界、 逐流分析、 抓包定位， 效率十 分低下。 數據分析表明數據中心網絡平均故障修復超過70分鐘。 1分鐘 i

34、Master NCE通過Telemetry技術實現對全網管理面、 轉發 面和數據面的全流采集， 基于業務體驗全面評估網絡健康 度， 實現未發生故障主動預測， 已發生故障1分鐘感知； 3分鐘 基于華為獨有AI算法進行深度特征挖掘和學習， 實現7大類75種 典型故障3分鐘定位根因； 5分鐘 基于智能決策系統， 分析故障影響并推薦優選故障處理預案， 實現典型故障5分鐘快速恢復。 據統計， 近40%數據中心網絡故障由人為差錯導致。 iMaster NCE應用于數據中心場景 40% Page 43華為自動駕駛網絡解決方案和產品 通過對客戶業務和網絡意圖的理解和翻譯， 推薦適當網絡部署方案， 使能業 務端

35、到端自動化發， 實現意圖的全生命周期自動化閉環。 iMaster NCE 與客戶業務結合 以現網配置、 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， 基 于現網仿真剩余網絡資源是否足夠， 呈現詳細的連通性互訪關系， 分析和評估 變更對原有業務影響。 iMaster NCE 提供仿真校驗模塊 隨著各行各業數字化轉型的不斷全面深入， 大量新業務上線、業務變更頻繁， 業務急速上線的訴求十 分迫切， 如某銀行全年業務變更超過2000次， 業務部門要求當日15： 00前工單當日畢、 15： 00后次日畢。 雖然SDN方案的成熟廣泛商用解決了邏輯網絡自動化布放的問題， 但應用上線網絡開通、 變

36、更過程仍存在 大量手工銜接操作， 變更頻繁更是導致人為差錯高發。 據統計， 近40%數據中心網絡故障由人為差錯導致。 iMaster NCE應用于數據中心場景 40% Page 45華為自動駕駛網絡解決方案和產品 iMaster NCE支持基于業務意圖驅動的一站式網絡規劃、 部署和策 略自動化發放功能， 加快上線速度。 在網絡的規劃和部署階段 客戶只需選擇對應的行業場景和業務需求， 網絡拓撲自生成、 設備自上線、 業務自發放， 將門店網絡的部署 時間從3天減少到0.5天。 在商業門店、酒店等中小園區網絡場景 隨著企業數字化的快速發展， 園區網絡正在朝著無線化， 云化， 智能化的方向加速發展，

37、新業務的不斷 涌現， 指數型增長的網絡規模、 各數字化業務的頻繁上線/調整/體驗保障， 都對園區網絡的管理和運維造 成了巨大的挑戰。 iMaster NCE應用于企業園區場景 iMaster NCE集園區網絡的管理、 控制、 分析和AI智能功能于一體， 實現了網絡 的全生命周期的自動化管理以及智能運維。 Page 44華為自動駕駛網絡解決方案和產品 因此， 網絡工程師能夠通過iMaster NCE預先評估變更風險， 徹底解決設計邏輯漏洞等人為問題， 保障 網絡配置零差錯。 在運維階段， 大量應用如移動支付、 秒級搶購等要求秒級響應， 這導致上層應用先于網絡感知故障并 投訴， 網絡承擔巨大壓力。

38、 其次， 網絡故障定位主要依靠專家經驗， 逐段定界、 逐流分析、 抓包定位， 效率十 分低下。 數據分析表明數據中心網絡平均故障修復超過70分鐘。 1分鐘 iMaster NCE通過Telemetry技術實現對全網管理面、 轉發 面和數據面的全流采集， 基于業務體驗全面評估網絡健康 度， 實現未發生故障主動預測， 已發生故障1分鐘感知； 3分鐘 基于華為獨有AI算法進行深度特征挖掘和學習， 實現7大類75種 典型故障3分鐘定位根因； 5分鐘 基于智能決策系統， 分析故障影響并推薦優選故障處理預案， 實現典型故障5分鐘快速恢復。 據統計， 近40%數據中心網絡故障由人為差錯導致。 iMaster

39、 NCE應用于數據中心場景 40% Page 46華為自動駕駛網絡解決方案和產品 通過部署在云端的智能學習引擎持續進行訓練、 豐富故障知識庫， 使得近 90%的網絡故障可得到分鐘級的響應處理。 iMaster NCE基于動態基線和多種AI算法， 實現網絡故障的預測和分析， 故障識別率達85% 在維護階段 85% 90% Page 47華為自動駕駛網絡解決方案和產品 作為移動網絡的控制核心， 是管、 控、 析融合的網絡引擎。MAE讓網絡具備場景感知與識別、 網絡預 測、 自我學習等新能力。 圍繞網絡規劃、 部署、 維護、 優化和業務發放等網絡生命周期， 匹配客戶的工作流程， 構建面向全場景 的解

40、決方案。 通過分層的閉環自治， 屏蔽移動網絡的復雜度， 場景化的業務API接口， 與客戶工作流高效協同， 簡 化業務工作流， 協同運營商向網絡自治目標演進。 1 2 3 華為iMaster MAE定位于MBB網絡領域的網絡管控單元， 向下可管理無線接入網和云核心網。 它在云 化網管的基礎上， 將AI、 大數據、 自動化等技術應用于MBB網絡運維場景， 實現MBB網絡自治。 iMaster MAE作為華為MBB領域的自動化引擎， 其核心功能包括： MBB網絡管控單元 iMaster MAEMBB網絡管控單元 iMaster MAE Page 48華為自動駕駛網絡解決方案和產品 iMaster M

41、AE作為實現MBB域自動化的控制引擎， 基于云化數據平臺和強大的網絡預測推理能力， 提供 各種場景化解決方案， 高度匹配運營商的部署、 維護優化和業務發放等場景的工作流程， 實現各場景的 端到端閉環自動化。 從以網元為中心的管理轉向以場景為中心的智能運維 隨著5G網絡的部署應用， 在未來相當長的時間內， 移動運營商將面臨2G/3G/4G/5G NR多制式并存、 頻段日趨復雜以及業務多樣化的局面， 這將給網絡運維、 性能提升以及業務體驗保障等帶來諸多挑戰， 移動 網絡的OPEX上升的壓力更大。 因此， 要解決OPEX上升的挑戰與壓力需要有突破性的架構和方案。 iMaster MAE在融合了傳統網

42、管系統的基礎上， 引入了云化和AI能力后進行架 構和Use Case的雙重突破創新， 具備以下三大特點： iMaster MAE-M應用于無線接入網 圖3-2： iMaster MAE無線接入場景化應用全景 Scenario API/IDE 統一的數據平臺& AI 引擎 OSS/ZSM/Softcom AI/3rd Party Platform 2G3G4G5G NR Powerstar Alarm Turbo WTTx Suite C-IoT Suite MaintenanceDeploymentOptimizationProvisioning Site Express Feature Ex

43、press 5G ITA Capacity Turbo Page 47華為自動駕駛網絡解決方案和產品 作為移動網絡的控制核心， 是管、 控、 析融合的網絡引擎。MAE讓網絡具備場景感知與識別、 網絡預 測、 自我學習等新能力。 圍繞網絡規劃、 部署、 維護、 優化和業務發放等網絡生命周期， 匹配客戶的工作流程， 構建面向全場景 的解決方案。 通過分層的閉環自治， 屏蔽移動網絡的復雜度， 場景化的業務API接口， 與客戶工作流高效協同， 簡 化業務工作流， 協同運營商向網絡自治目標演進。 1 2 3 華為iMaster MAE定位于MBB網絡領域的網絡管控單元， 向下可管理無線接入網和云核心網。

44、 它在云 化網管的基礎上， 將AI、 大數據、 自動化等技術應用于MBB網絡運維場景， 實現MBB網絡自治。 iMaster MAE作為華為MBB領域的自動化引擎， 其核心功能包括： MBB網絡管控單元 iMaster MAEMBB網絡管控單元 iMaster MAE Page 49華為自動駕駛網絡解決方案和產品 移動網絡與AI技術深度結合后， 將從云端、 網絡和站點三個層面分層構筑自動化能力， 這三層是分層自治 的， 可以作為最小的單元獨立閉環， 同時又是垂直協同的。 iMaster MAE作為移動網絡的核心， 內置華為公司統一的AI推理框架， AI模型注入的能力， 使移動網絡可 基于用戶測

45、量數據分析具備場景感知與識別能力， 基于用戶策略以及話務模型自動分析生成網絡優化策 略、 提供多參數自動尋優決策建議等， 將上層業務和應用意圖自動翻譯為網絡行為， 并持續保障網絡連 接和性能， 實現MBB單域的自動化管理和控制。 同時， 站點的邊緣AI聚焦場景匹配、 數據收集與提煉， 及低時延智能算法等能力的構筑， 進行實時的數據 分析與短時延的智能推斷， 以最大化資源利用率， 比如更精細化管理無線信道狀態等。 AI-Inside Page 48華為自動駕駛網絡解決方案和產品 iMaster MAE作為實現MBB域自動化的控制引擎， 基于云化數據平臺和強大的網絡預測推理能力， 提供 各種場景化

46、解決方案， 高度匹配運營商的部署、 維護優化和業務發放等場景的工作流程， 實現各場景的 端到端閉環自動化。 從以網元為中心的管理轉向以場景為中心的智能運維 隨著5G網絡的部署應用， 在未來相當長的時間內， 移動運營商將面臨2G/3G/4G/5G NR多制式并存、 頻段日趨復雜以及業務多樣化的局面， 這將給網絡運維、 性能提升以及業務體驗保障等帶來諸多挑戰， 移動 網絡的OPEX上升的壓力更大。 因此， 要解決OPEX上升的挑戰與壓力需要有突破性的架構和方案。 iMaster MAE在融合了傳統網管系統的基礎上， 引入了云化和AI能力后進行架 構和Use Case的雙重突破創新， 具備以下三大特

47、點： iMaster MAE-M應用于無線接入網 圖3-2： iMaster MAE無線接入場景化應用全景 Scenario API/IDE 統一的數據平臺& AI 引擎 OSS/ZSM/Softcom AI/3rd Party Platform 2G3G4G5G NR Powerstar Alarm Turbo WTTx Suite C-IoT Suite MaintenanceDeploymentOptimizationProvisioning Site Express Feature Express 5G ITA Capacity Turbo Page 50華為自動駕駛網絡解決方案和產品

48、 客戶基于iMaster MAE的站點部署場景化API 客戶可以在數周內快速自定義編排適配目標網場景的5G站點部署工作流 APP， 打通站點部署各流程間的斷點， 實現一鍵式啟動站點部署工作流， 縮短站點開通時間。 可以一鍵式快速獲取準確的WTTx套餐發放建議。 基于開發套件， 客戶 也可以自己開發應用， 快速定制APP， 以此來更好適配不同運營商的 差異化運維需求， 重塑客戶工作流程。 客戶通過WTTx Suite的場景化API 移動網絡和業務都在持續發展和變化中， 同時移動網絡架構又是極其復雜的， 因此要快速適配網絡和業 務的變化發展需要有網絡具備開放的能力。 iMaster MAE提供面向

49、運維生態的開放平臺， 提供場景化的 API和面向開發者的開發套件。通過場景化的API接口封裝移動網絡的復雜性， 網絡與上層系統之間的 交互將從指令級到降低意圖級， 簡化運營商的對接復雜度， 實現極簡的垂直協同。 基于意圖化API的網絡開放 Page 51華為自動駕駛網絡解決方案和產品 5G無線接入網絡價值用例 在面向5G演進的過程中， 運營商需要考慮當前存量網絡中的站點類型， 硬件類型， 以及組網方式等多種因 素， 此外在NSA組網中還要考慮4G錨點站的建設， 因此5G站點部署的場景復雜多樣， 增加了部署的難 度。 結合客戶網絡中的站點部署經驗， 通過把全球的專家經驗、 項 目的經驗等固化到智能運維平臺系統平臺中， 在部署時iMas- ter MAE通過Site Express提供的開放流程編排能力匹配各 種差異化的站點部署場景， 通過接口開放打通部署環節各個 流程的斷點， 結合硬件自識別， 場景庫及規則庫等實現了站點 交付環節的硬件自檢測， 參數自配置及站點自驗收。 提升站點交付質量 提升站點部署的并發度和 準確性 提升站點集成效率 當5G站點部署完成后， 網絡通常還存在大量的基礎KPI性能問題， 例如弱覆蓋， 過覆蓋， 越區覆蓋， 以及 切換異常問題， 但無線網絡的空間多樣性以及時變特征決定了網絡的動態和復雜性。 5