亞信科技&清華大學智能產業研究院（AIR）：通信人工智能賦能自智網絡白皮書（63頁）.pdf

1、 2 / 64 目 錄 摘要 . 4 一、 概述 . 5 1.1 自智網絡產生背景 . 5 1.2 自智網絡國際標準現狀 . 6 1.3 全球主流運營商及業界在自智網絡方面的創新 . 8 1.4 網絡管理系統自智等級分級總體方法 . 11 1.5 自智網絡實施路徑五步法 . 12 二、 自智網絡實現框架與實施路徑 . 14 2.1 網絡運營管理生命周期 . 15 2.2 運營商 OSS 體系 . 16 2.3 自智網絡立方體 . 18 2.4 自智網絡功能與場景全集 . 20 2.5 OSS 智能化能力提升支撐自智網絡等級演進. 22 三、 自智網絡核心技術組合 . 26 3.1. 網絡數據中

2、臺 . 27 3.2. 通信人工智能 . 28 3.3. 網絡數字孿生 . 31 四、 自智網絡典型應用案例 . 33 3 / 64 4.1. 網絡規劃 . 33 4.1.1. 無線網絡容量規劃 . 33 4.1.2. 切片資源勘查 . 36 4.2. 網絡建設 . 39 4.2.1. MPLS L3VPN 訂購開通 . 39 4.2.2. 站點智能驗收 . 42 4.3. 網絡維護 . 44 4.3.1. 告警監控 . 44 4.3.2. IDC 巡檢 . 47 4.4. 網絡優化 . 51 4.4.1. MIMO 天線權值智能優化 . 51 4.4.2. 無線網能效優化 . 54 4.5.

3、 網絡運營 . 56 4.5.1. 5G 切片業務開通 . 56 4.5.2. 投訴預處理 . 58 五、 總結與展望 . 61 縮略語與術語解釋 . 63 參考文獻 . 64 4 / 64 摘要 隨著 5G 網絡建設和業務發展逐步加速，在網絡運營與運維領域，運營商正在面對巨大挑戰。一方面，5G 在網絡基礎設施中引入 NFV、SDN、云原生架構等新技術，運營商的網絡運營與管理工作的技術對象已經與傳統的 2/3/4G 時代大不相同。另一方面，紛繁的業務場景組合要求 5G 能夠提供按需分配，實時響應、 端到端保障的網絡體驗， 運營商的網絡管理目標也已從 “確保網絡運行穩定”向“高效支撐業務發展”轉

4、變。這些變化為網絡運營管理工作帶來了前所未有的復雜度，運營商存量 OSS 系統能力已難以滿足 5G 網絡的運營管理要求。 為了應對這些挑戰，近年來，國際標準組織、各主流運營商和廠家陸續提出了自動駕駛網絡/隨愿網絡/自治網絡/自智網絡等概念，并正在逐步開展技術探索和落地實踐工作。當前業界普遍將運營商網絡自動化/智能化水平分為 L0-L5 共6 個等級（等級由低到高代表自動化/智能化水平逐步提升） 。并希望通過引入大數據、人工智能、數字孿生等通用目的技術，不斷推動通信網絡智能化等級向更高級別演進，最終實現零等待、零接觸、零故障的全面自治的通信網絡。 本白皮書聚焦于通信人工智能技術賦能自智網絡， 創

5、造性提出自智網絡立方體體系（后簡稱為自智立方體） ，并描述了基于自智立方體的自智網絡實現框架與實施路徑。自智立方體旨在幫助運營商明確下一代 OSS 系統在網絡生命周期中實現全面智能化的演進目標、實現框架和實施路徑，從而有力支撐運營商的自智網絡目標從概念設計階段向實際落地階段邁進。同時，本文介紹了網絡數據中臺、網絡人工智能、網絡數字孿生 3 大關鍵技術驅動自智網絡發展演進?；谧灾橇⒎襟w體系以及三大關鍵技術助推， 本文進一步介紹了通信人工智能賦能自智網絡的相關典型案例。最后本文對自智網絡的未來發展做出前瞻性展望。 5 / 64 一、概述 1.1 自智網絡產生背景 5G 為了滿足不同客戶和應用場景

6、對通信網絡的差異化服務能力的需求，在核心網引入 NFV 技術， 傳輸網引入 SDN 的虛擬化技術、 無線接入網引入超大規模天線系統等因素使得 5G 網絡的規模和復雜性急劇上升。同時 5G 切片的業務管理方式使得網絡部署更加動態和復雜。這些都大幅提升了網絡運營管理難度。面向新的網絡功能和架構運營商需要進一步提升業務快速發布、 網絡狀態實時感知、網絡故障自動定位、業務流量精準預測、網絡和業務質量自動優化等能力。傳統人工主導的運維模式難以滿足這些需求， 需要引入新的理念和技術提升運營管理效率。 能夠提供零等待、零接觸、零故障業務服務，并基于自服務、自組織、自保障的網絡，即自智網絡成為全球運營商共同期

7、待的發展方向，也是 5G 時代運營商自身的重要核心競爭力之一。自智網絡的核心是實現網絡運營管理的線上化、自動化、智能化；通過 B/O 域融合的大數據分析、結合應用場景的人工智能、網絡數字孿生技術構建以客戶體驗為中心的網絡；實現配置管理自動化、業務編排自動化、運維診斷智能化等新型的運營管理手段。日本樂天移動采用高度自動化的管理方式，以精簡的網絡管理團隊提供覆蓋全日本的移動通信。美國 AT&T 多年來專注提升核心網和接入網的自動化程度，有效提升了運營效率，節省運維成本。國內運營商也積極參與自智網絡的實踐，面向 5G 網絡全生命周期不斷提升網絡運營運維的智能化能力， 推動自智網絡向更高階的意圖驅動、

8、 完全自智演進。 6 / 64 1.2 自智網絡國際標準現狀 自智網絡理念在被提出時有不同稱謂，包括 Autonomous Networks(AN) Autonomous Driving Networks(ADN)、Automation Network 等。其核心理念較類似， 均為通過人工智能等技術的引入推動通信網絡向自配置、 自治愈、 自優化、自演進的新一代網絡發展。下文如無特殊說明，將以“自智網絡”一詞統一指代相關概念及名稱。 目前全球主要的行業、 標準化組織都對自智網絡開展研究并發布了相關的白皮書或研究報告。 TMF 率先提出“Autonomous networks”的理念并于 2019

9、 年正式發布了首個自智網絡白皮書1，對自智網絡的提出的背景、理念與框架，L0-L5 的 6 級自動化程度評級進行了系統闡述， 并通過不同維度的應用案例輔助說明自智網絡理念。2020 年 10 月，TMF 發布了名為Autonomous Networks: Empowering digital transformation for smart societies and industries的第二版白皮書，進一步從電信運營商為社會及其他行業提供數字化轉型服務的角度闡述了自智網絡三層四閉環的理念。2021 年 9 月和 11 月 TMF 先后發布了名為Autonomous Networks: Em

10、powering digital transformation的英中文白皮書。TMF 也發布了自智網絡的系列研究報告5 6 7 8，全面闡述了自智網絡愿景路標、等級評估指導、業務需求與框架、技術框架等內容 。 GSMA 在 2019 年發布了名為“AI & Automation: An Overview”的研究報告，主要包含智能網絡的基本概念、架構、AI 技術如何分級逐步實現智能網絡以及部分應用案例。同年末，GSMA 發布了“AI in Network Use Cases in China”的白皮書14闡釋了智能自治網絡的概念及需求、 智能自治網絡的總體規劃以及與 7 / 64 TMF 自智等

11、級評級方法類似的評估框架。白皮書還介紹了中國通信產業界在網絡規劃建設、 網絡維護監控、 網絡優化配置、 業務質量保障提升、 網絡節能增效、網絡安全防護、網絡運營服務等七個領域的二十余個 AI 技術提升網絡自動化的案例。 ETSI于2020年發布了名為 “Autonomous Networks, supporting tomorrows ICT business” 的白皮書4。 從業務需求的 “Zero-X” 即運營商希望提供零等待、零接觸、 零故障的業務服務為需求出發點， 引入了 “Self-X” 即自配置、 自治愈、自優化的自智網絡。白皮書也介紹了類似于 TMF 的 L0-L5 的 6 級自

12、智等級評估框架。 在白皮書最后舉出了部分應用案例， 包括端到端自智傳送網、 固網自動化、網絡資源編排自動化、 無線網絡覆蓋優化與保障、 無線網節能、 智能網絡切片等。近年 ETSI 來也開展了與自智網絡密切相關的零接觸網絡及服務管理、意圖驅動網絡等多項研究及標準制定工作。 3GPP SA5 于 2019 年 5 月啟動了名為“Study on concept, requirements and solutions for levels of autonomous network”的研究項2。該研究包括了自智網絡的定義、標準工作流程、自動化評級方法以及相應的應用案例。在 2020年 7 月，3G

13、PP 在 R17 版本就自智網絡分級體系完成了正式標準立項。主要目標為對自智網絡理念及架構，自動等級分級方法等內容進行標準化。同時 3GPP SA5 也持續開展多項與自智網絡密切相關的標準化工作， 包括意圖驅動管理、 閉環管理控制、管理數據分析服務等。 ITU-T 于 2020 年發布了名為“Framework for evaluating intelligence levels of future networks including IMT-2020”的 Y.3173 標準3，該標準主要內容為定義了評估網絡智能化的相應標準。包括“需求映射、數據采集、分析、決策、方案執行的”相應工作方法，并

14、就 L0-L5 等級評估原則進行了介紹?？傮w而言 ITU- 8 / 64 T 的網絡智能等級評估方法與 TMF 的自智網絡等級評估方法類似。該標準的附錄中也介紹了網絡覆蓋優化、告警根因分析及故障恢復、網絡資源維護與管理、端到端 IoT 業務等智能化、自動化案例。同時 ITU-T 下設了焦點組 FG-AN，旨在探索和研究自智網絡相關的體系結構、關鍵技術、數據集和概念驗證并負責起草自智網絡相關的技術報告和規范。 中國通信標準化協會（CCSA） ，于 2020 年立項信息通信網運營管理智能化水平分級技術要求 移動通信網10，該標準的主要目的為制定移動通信網絡運營管理智能化水平的分級方法， 將其用于評

15、測和度量移動通信網絡運營管理的智能化水平，給出可量化的分級評測結果，促進運營商網絡運維的智能化水平的逐步提升。標準主要內容包括移動通信網絡運營管理智能化水平分級的概念、總體方法、運營管理智能化需求、用例和通用流程等。 1.3 全球主流運營商及業界在自智網絡方面的創新 自 2019 年自智網絡理念提出以來，在全球 ICT 產業界迅速形成了共識，國際主流運營商、設備商紛紛發表了自己的白皮書或研究報告，學術界也就自智網絡對未來通信發展影響開展研究。 中國移動于 2021 年正式發布了其自智網絡白皮書11（發布時使用“動駕駛網絡”名稱） ，介紹了自智網絡的背景與驅動力、提出了“三層四閉環”的內部實踐目

16、標框架，建立了“分級評估與短板識別” 、 “系統建設與規范引導” 、 “應用試點與復制推廣”量化迭代閉環方法。并對其內部的 6 個重點運維場景、5 個重點網絡專業、三大類重點業務分別進行了自智網絡等級評估。白皮書重點介紹了中國移動在網絡管理和業務管理層面提出的“2+5+N”的網管總體規劃以及中國移動的運維智能化 AI 應用體系。白皮書最后展示了中國移動 7 項智能化、自動化 9 / 64 最佳實踐。 中國移動也是業界首個設定了其網絡運維自治水平在 2025 年達到 L4目標的運營商。 中國電信于 2019 年發布了中國電信人工智能發展白皮書12，從自身業務發展、網絡演進和用戶感知的需求出發，全

17、面系統闡述了中國電信應用、發展人工智能技術的愿景與頂層設計。介紹了中國電信人工智能發展的驅動力、發展目標、演進路線、切入領域與關鍵舉措。在自智網絡方面，中國電信首先引入隨愿意圖網絡理念， 實現了云網資源按需服務， 這是邁向網絡自智的關鍵一步。 “隨愿網絡”的概念主要是指跨網、跨域的高層智能聯網，應用層只需簡單的用自然語言表達希望網絡完成什么，網絡就能將上述意愿轉換成具體策略，并自動根據相應策略在復雜和異構環境下完成跨網跨域的網絡配置， 實現應用層的商業目的?！半S愿網絡”可以加速數字轉型、云化進程、物聯網發展，同時更好應對網絡面臨的各種挑戰。業界期望使用“業務意愿”作為網絡和 IT 基礎設施生命

18、周期管理的驅動因素，通過自動化方式將業務需求即時轉化為網絡和 IT 基礎設施的執行，實現兩者的快速適配，從而產生真正的商業價值。 中國聯通于 2020 年發布了中國聯通自動駕駛網絡白皮書13首次提出網絡智能化 “分級評估體系” ，該體系基于網絡全生命周期活動，定義分級評估標準、評估方法和關鍵指標，明確了網絡智能化演進方向，指導并牽引網絡自動駕駛水平迭代提升。2021 年 12 月，中國聯通又正式發布了中國聯通自智網絡白皮書 2.016，提出了中國聯通自智網絡“1+3+X”發展思路，明確了“應用層-平臺層-網絡層”的分層目標架構，總結了“三位一體”實施方法體系，還分享多個領域多個流程的創新場景以

19、及未來架構演進的 5 個關鍵技術。 中國聯通結合分級評估體系、產品研發流程和達標賦能活動，構想了三位一體的方法論，初步實現和部署了相應的應用平臺。一是自智網絡分級評估，打開一線作業流程，識 10 / 64 別出關鍵任務。對省分公司的現狀進行評估，識別短板，明確改進方向。二是網絡產品研發，依據分級評估輸出，有策略有計劃進行網絡運營智能化產品研發規劃，迭代實現自智網絡目標能力。三是推行達標賦能，通過達標賦能活動，對各省分公司智能化/自動化產品應用進行考核牽引。 推動產品進入生產流程中， 提升自智網絡能力。 5G 時代，通信網絡基礎設施逐步從專用硬件平臺向通用硬件平臺遷移，基于 x86、ARM 等架

20、構的基礎硬件被廣泛采用。Intel 為了滿足移動通信網絡人工智能應用對底層軟硬件計算平臺的需求， 一直以來都致力于能夠通過軟硬協同來推動人工智能和數據分析的創新。從制程和封裝、架構、內存和存儲、互連、安全和軟件等方面助力產業計算性能提升。在 AI 領域，Intel 以內置 AI 加速的至強可擴展處理器為基礎，提供全面的 XPU 芯片平臺。而在軟件層面 Intel 打造了從 oneAPI 到 OpenVINO、BigDL、Analytics Zoo 等眾多軟件工具。為實現自智網絡的等級提升提供了一整套基礎解決方案。 11 / 64 圖 1-1 Intel 人工智能關鍵產品組合 1.4 網絡管理系

21、統自智等級分級總體方法 目前整個產業界已經對網絡管理運維系統的自智等級分級方法達成初步共識，根據專業技術人員、OSS 系統不同的參與程度，按照下文所述的實施路徑五步法的順序將整體分級方法整理為下表： 其中： “人工”表示相應工作由網管系統專業技術人員完成 “人工+系統”表示相應工作由網管系統輔助專業技術人員完成 “系統”表示相應工作由網管系統自動完成 12 / 64 自智網絡分級 工作流程 意圖管理 數據采集與感知 分析 決策 執行 0 級 人工 人工 人工 人工 人工 人工 1 級 系統輔助人工 人工 人工+系統 人工 人工 人工+系統 2 級 部分自智網絡 人工 人工+系統 人工+系統 人

22、工 系統 3 級 有條件自智網絡 人工 系統 人工+系統 人工+系統 系統 4 級 高級自智網絡 人工+系統 系統 系統 系統 系統 5 級 全自智網絡 系統 系統 系統 系統 系統 表 1-1 自智網絡等級 L0-人工：系統提供輔助監控能力，人工進行所有任務處理。 L1-系統輔助人工：系統根據提前配置的規則執行某些子任務用以提升運維效率。 L2-部分自智網絡：在部分環境下部分運維子系統能夠實現閉環管理。 L3-有條件自智網絡：基于 L2 的能力，在某些網絡領域，系統能夠自主感知環境變化，不斷自我調整優化從而支持基于意圖的閉環管理。 L4-高級自智網絡：基于 L3 的能力，在一些更為復雜的跨域

23、環境中，系統能夠基于預測以及主動的閉環管理實現自動分析及決策。 L5-全自智網絡：電信網絡的終極演進目標，系統在網絡全生命周期中能夠實現復雜的跨域完全自動化。 1.5 自智網絡實施路徑五步法 按照自智網絡等級定義，運營商網絡智能化演進目標是：主動感知、主動學習、自主決策的 L5 級全自智網絡。為了實現這一目標，需要對日常繁雜的工作進行有效的分解。 下圖所示的 5 步分解方法是提煉各項工作的核心內容的通用工作流程。 13 / 64 圖 1-2 自智網絡任務流程 意圖管理:若干將來自運營商以及客戶的服務意圖翻譯成一系列的管理運維行為的任務，意圖管理將影響到后續的環節，同時將得到執行端的反饋形成閉環

24、。 數據采集與感知: 若干用于監控網絡的任務（包括網絡性能、網絡異常情況、日志等） ，并將數據進行初步處理。 分析: 若干用于分析網絡的任務，或者基于網絡的歷史數據對未來趨勢進行預測，并給出決策的建議。 決策: 若干經過評估后對網絡進行必要的管理操作的決策任務，例如網絡配置或調整。 執行:若干對決策確認的操作進行執行的任務。 對于日常工作流程的任務拆解參考 TMF 的相關研究報告9，遵從以下三個原則： 完整性：所有操作維護動作必須要能拆解到上述的五個步驟中 平衡性：各個任務的大小和粒度必須基本一致 14 / 64 互不重疊性：各個任務需為原子粒度，承載的功能互不交疊 二、自智網絡實現框架與實施

25、路徑 移動通信與人工智能技術的發展已各自走過了 37 年與 64 年的歷程，兩者在各自的早期階段有著鮮明的、 各自獨立的發展路線。 移動通信技術從 2G 到 5G的發展，工業界基本以 3GPP (The 3rd Generation Partnership Project) 作為事實技術標準的一條主線進行演進，以 ETSI (European Telecommunications Standards Institute), ITU (The International Telecommunication Union), O-RAN (Open RAN Alliance) 等其他技術標準作為旁線

26、補充15。從 2008 年，以自組織網絡 SON (Self-Organizing Networks) 技術作為一個顯著標志， 3GPP 開始逐漸將人工智能理念引入移動通信網絡的技術標準中。2017 年，隨著 5G 核心網的智能化網元 NWDAF (Network Data Analytics Function)的研究啟動，ETSI 體驗式網絡智能 ENI (Experiential Networked Intelligence)工作組的成立，CCSA 人工智能在電信網絡中的應用課題研究啟動等事件， 通信人工智能進入了飛躍性發展的階段，通信人工智能已被業界視為最新的一組通用目的技術組合，對百行

27、千業的發展起到提振生產力與賦能作用。 2019 年，TMF、GSMA、ETSI、3GPP 等國際標準組織定義自智網絡并設定分級，其實施的路徑與方法論并不是簡單的堆砌網絡智能化軟硬件產品。為實現并不斷提升網絡自動化智能化水平，需明確自智網絡的實施路徑與方法論，即堅持一個核心方法主旨，以通信領域知識+AI 專業知識為基礎，構建網絡人工智能中臺； 以數據中臺的網絡大數據為燃料圍繞網絡生命周期中的規、 建、 維、 優、營等場景，不斷構建、推理、發布、沉淀出網絡 AI 算法模型，為 4/5G 網絡提供包括異常檢測、容量預測、網絡優化、根因分析、告警預測、故障自愈、業務編 15 / 64 排、感知優化等網

28、絡 AI 功能，全面提升網絡自動化與智能化能力。 本白皮書明確提出了自智網絡的實施路徑與方法， 將通信運營商規劃、 建設、維護、優化、運營全生命周期管理流程與 OSS 系統以及自動化等級三者有機結合，形成了基于國際標準的一套可度量、可實施、可追溯的自智網絡體系框架。 白皮書聚焦于通信人工智能技術賦能自智網絡，旨在幫助運營商明確下一代OSS 系統在網絡生命周期中實現全面智能化的演進目標、實現框架和實施路徑，從而有力支撐運營商的自智網絡從概念設計向實際落地不斷邁進。 2.1 網絡運營管理生命周期 運營商的網絡運營管理工作伴隨著網絡和業務的各個發展階段。主要包括：規劃、建設、維護 、優化、運營 5

29、個主要環節。 規劃：支持規劃目標建立、規劃方案設計、規劃仿真的全流程管理工作。支持從網絡整體表現、產品運營戰略、業務使用體驗提升等角度建立規劃目標。通過連通規劃目標和規劃方案的能力（包括拉通環境數據、業務需求數據、資源數據的多維度分析能力） ， 實現業務覆蓋、 容量、 帶寬等規劃目標。 通過仿真能力，實現規劃目標的仿真驗證。 建設：支持建設項目的立項、設計、驗收的全流程管理工作。根據規劃設計完成交付、配置、以建設目標為基準完成網絡能力、可用性等具體指標的驗收。除以上整體流程外，相關環節也可以通過自動化工具實現能力提升，包括自動化交付配置、自動化驗收測試和閉環調整。 維護：對網絡整體表現、產品運

30、營表現、業務使用體驗、資源健康度進行管理、監控、分析。通過被動的監控和處理，或者通過對故障告警和性能劣化的主動感知分析以及自動化的資源調整實現網絡、業務的恢復。通過售前、售中、售 16 / 64 后的端到端支撐能力， 提供貫穿于運維各項生產環節的自動化運維感知和決策信息的流轉能力。 優化：支持根據規劃部門、市場部門、服務部門、運維部門的需求建立優化目標、輸出優化方案、執行優化流程。支持基于網絡整體表現、業務使用體驗、資源健康度等不同維度設定優化目標。 主要手段包括通過優化方案設計能力輸出常態化或專題類優化方案、通過優化分析工具執行優化方案等。 運營：支持市場部門設定的優化市場戰略，支持產品設計

31、、訂單接收、流程分析以及業務在網絡中的配置、激活、上線、擴縮容以及變更等全生命周期管理業務工作， 同時也包含業務上線、 變更帶來的業務保障、 端到端測試、 質量監控、投訴預處理、客戶服務、用戶滿意度保障等工作內容，保障網絡資源對業務的訴求提供可靠的能力支撐。 2.2 運營商 OSS 體系 運營商為了在5G時代進一步提升OSS系統對于龐大網絡的運營管理能力，紛紛提出了新一代 OSS 體系 （各運營商的規劃架構略有不同， 下圖是典型架構） 。新的 OSS 體系中以網絡數據中臺、網絡 AI 平臺作為主要基礎技術支撐平臺，支撐 OSS 各類能力中心，主要包括： 設計編排系統： 為了適應 5G 應用場景

32、多樣， 業務需求多變的實際情況，設計編排系統提供通用設計工具，支持快速完成業務功能、網絡能力、資源關聯、調用接口等設計工作。同時基于設計結果快速的完成業務、網絡、資源的組合和生命周期流程編排。實現靈活的業務發放和網絡資源調用。 資源管理系統： 通過實現通信網絡全專業網絡資源數據管理、 資源入網、 17 / 64 調度、分配、核查、變更，端到端網絡資源拓撲視圖等應用，提供數據服務能力統一封裝開放。 故障管理系統：實現網絡集中監控，包括網絡與業務端到端監控和故障閉環管理等應用，提供網絡監控開放能力。 性能管理系統：實現網絡與業務質量的端到端分析，實現各類容量、質量、效率、效益主題分析應用。 運維調

33、度系統：實現運維人員和任務、網絡割接、運維等統一集中調度管理，流程管理。提供自動派單、知識推送等服務，通過統一流程引擎實現進度可視。 網絡規劃優化系統：基于網絡數據中臺，集中于網絡規劃與質量優化，開放分析和優化能力，閉環注智生產流程。 網絡數據中臺：通過統一數據采集、處理與共享，打破系統間的信息壁壘， 實現網絡域及外部數據的融合、 匯聚、 存儲， 為網絡應用提供統一、高效、低成本的數據服務。 網絡 AI 平臺：通過網絡數據中臺從各網元或網絡系統統一收集數據信息，基于自智網絡的各領域模型按需進行 AI 訓練，實時及離線推理，向各網絡智能化應用注智賦能。 18 / 64 圖 2-1 運營商 OSS

34、 體系與自智網絡核心技術組合 2.3 自智網絡立方體 通信網絡已經成為社會生產和生活不可或缺的基礎設施，運營商在確保通信網絡平穩運行的基礎上需要更多的關注網絡自身的安全性以及客戶體驗。需要徹底改變傳統的基于故障監控、性能指標分析的人工式、粗放式運維模式，轉向融入大數據分析、人工智能技術，特別是基于業務場景體驗的智能化、精細化運維模式，從而滿足客戶的不同需求。 如何通過自動化、智能化的手段提升網絡效率以及業務效率成為全球運營商關注的焦點。為了實現自智網絡 L5 等級網絡高度自治、意圖驅動的終極目標，首先運營商需要精確細分網絡運營管理工作中的具體場景和任務，進而全面評估當前全量運營運維場景、任務的

35、自動化程度，最后通過對高等級自動化網絡的演進路徑的準確刻畫，清晰有效的指導網絡運營管理，從而實現網絡自動化、智能化演進的藍圖。 面對運營商種類繁多的網絡運營運維場景，亞信科技聯合合作伙伴首次提出了自智立方體的體系架構，用于定義網絡全生命周期各個細分的運維場景和任務、評估其智能化能力、并明確相關的演進路徑。該體系架構參考了國際標準組織的業務場景分類方法，如 ITU-T 的 FCAPS 模型， 19 / 64 TMF 的 eTOM SIP-FAB（S）模型，同時結合了國際運營商的業務管理流程，如 AT&T 的 COMP 模型，圍繞運營商網絡運維管理全生命周期業務流程，按照自智網絡的分級進行業務功能

36、的定義，涵蓋網絡數據中臺、網絡AI 平臺、設計編排系統、資源管理系統、故障管理系統、性能管理系統、運維調度系統、網絡規劃優化系統等主要支撐系統的分級演進規劃。 圖 2-2 自智立方體 自智立方體由 3 個維度組成： 網絡運維生命周期：運營商網絡運維管理生命周期分為“規劃、建設、維護、優化、運營”五個環節。自智立方體將網絡運維管理生命周期作為一個坐標軸，每個環節對應該坐標軸的一個刻度區間。 OSS 系統：運營商主要的 OSS 系統包括“網絡數據中臺、網絡 AI 平臺、設計編排系統、資源管理系統、故障管理系統、性能管理系統、運維調度系統、網絡規劃優化系統”等，各個系統是網絡運維生命周期中各項自動化

37、、智能化能力的軟件載體。自智立方體將 OSS 系統作為一個坐標軸，每個具體系統對應該坐標軸的一個刻度區間。 20 / 64 自智網絡等級：自智網絡 L1-L5 分級作為自智立方體的一個坐標軸，每個級別對應該坐標軸的一個刻度區間。L0 級不涉及自動化/智能化操作，所以在該坐標中不體現。 如上三維體系構建了 5（5 個網絡運維生命周期環節）x 8（8 類 OSS 系統）x 5（5 個自智網絡等級）的立方體集合，其中每個立方體單元代表網絡運維生命周期各環節，與承載相關自動化/智能化功能的 OSS 系統，及其能達到的自智網絡等級三者之間的明確對應關系。 圖 2-3 自智網絡運維生命周期展開 2.4 自

38、智網絡功能與場景全集 基于自智立方體， 進一步將每個立方體單元中涉及的具體工作環節進行細化，將運營商“規建維優營”細化為 48 個子場景。每個子場景按照 2.3 節歸納的 5 步法，再細分為共計 551 個工作任務。每個工作任務與承載相關功能的 OSS 系統一對一對應。并明確每個工作任務在 L1-L5 等級中的自動化/智能化實現目標。即幫助運營商明確具體工作任務與實際承載系統之間的關系，及自動化/智能化演進路徑。上述子場景及工作任務也可以依照運營商自身特點靈活創建。 21 / 64 圖 2-4 自智網絡任務分解 在自智網絡各等級中，每個子場景對應多個工作任務，對 OSS 系統提出不同的自動化/

39、智能化需求。通過在自智立方體中選擇某個具體的子場景和對應的等級，即可清晰的呈現 OSS 系統要實現的具體功能和自動化/智能化水平。此時工作任務中將呈現具體的工作內容， 可以幫助運營商快速發現該任務的自動化水平，這樣可以追溯到未達到高階自智的原因，為后續 OSS 能力提升提供依據。 圖 2-5 自智網絡具體任務分析 通過上述方法，運營商可以有序的將日常工作進行分解，并迅速定義其自 22 / 64 動化能力，從而完成全局演進的精準洞察。 2.5 OSS 智能化能力提升支撐自智網絡等級演進 通過自智立方體體系框架，運營商可以對網絡全生命周期工作分解細化，并確定其自動化/智能化演進情況，有效指導 OS

40、S 系統建設，使能網絡自智水平不斷提升。 圖 2-6 自智網絡等級演進與 OSS 系統功能對應關系 上圖中自智網絡由低到高的等級演進過程中， 人工操作完成的工作逐漸減少，系統自動化完成（由各類 OSS 系統承擔的自動化、智能化功能）的操作逐漸增多。在這個過程中，各類 OSS 系統覆蓋的自動化功能數量變化趨勢不同： 網絡數據中臺： 初期建設階段 （L1） ， 主要工作是通過數據統一接入與共享來滿足規、建、維、優、營等對數據采集與感知方面的需求，主要工作體現在打造數據共享平臺基礎功能、數據接入、模型建設和數據共享，平臺自身運維和業務對接，還是系統伴隨手工結合的方式進行；中期階段（L2-L3） ，數

41、據共享平臺功能進一步完善，數據基本可以全面覆蓋，結合自身功能以及 AI能力，系統運維和數據相關功能具備一定的自動化和智能化；后期階段（L4- 23 / 64 L5） ，配置和數據操作全面自動化，平臺與先進的 AI 算法緊密結合，為全網絡全專業提供全自動化智能數據服務。 網絡 AI 平臺： 初期建設階段（L1-L2） ，建設 AI 基礎平臺，針對網絡規劃、運維、 優化等領域進行專題化 AI 能力支撐與能力初步積累， 打造針對網絡域各系統的 AI 服務與數據對接能力，利用 AI 推理服務支撐部分系統應用；中期階段（L3-L4） ，繼續增強 AI 平臺功能，全面支持在線分析能力，結合全域數據支撐，

42、依照網絡 AI 信令標準完成對網絡域系統的自動化注智； 后期階段（L5） ，AI 平臺能力完全體系化、標準化，AI 算法成熟穩定，全面支撐網域各系統的高度智能化自治。 設計編排系統: 設計編排系統致力于解決原有 OSS 系統中分散的業務開通能力，希望通過對網絡資源、服務和業務的逐層建模，以及對業務流程模板的設計，實現集中化的業務開通以及低代碼或零代碼的新業務擴展。L1-L3級的設計編排系統可以根據設計輸出的業務流程包，在完成訂單匹配后，自動化完成勘查開通流程的運行，但是流程中存在部分人工介入環節，包括人工線下勘查、 手工的方案設計、 手工環節審批等。 L4-L5 級的設計編排系統，通過對網絡設

43、備的容量和狀態數據進行采集，配合勘查算法，可實現自動化的資源勘查，通過對業務環節和審核算法制定相關的處理策略，可實現自動化的審核。引入人工智能算法，依據切片業務需求和網絡現狀，可實現復雜業務的自動化方案推薦，從而貫通自動化設計、自動化勘查和自動化開通。 資源管理系統：L1 級的資源管理系統實現空間、管線、設備數據的全量采集?；诰W絡數據的納管，構建全網資產數據的管理能力，從而讓資產更直觀、管控更及時。L2 級的資源管理系統基于 GIS 能力提供全網資源及網絡拓撲的可視化呈現，支持網絡/業務覆蓋的可視化等應用能力。L3 級的資源管理系統通過統一 24 / 64 的模型和接口為故障管理、 性能管理

44、等網絡能力中心提供資源數據服務， 如資源查詢服務，入網資源、割接資源、故障處理等資源變更服務。L4 級的資源管理系統實現資源的自動識別、核查和智能分配，支持包括資源勘查、資源配置、故障定位的資源全生命周期管理。L5 級的資源管理系統基于網絡數字孿生打造虛實互動的網絡資產，通過智能化孿生體的構建實現透明、全息的網絡資源，支撐網絡自治愈等應用場景。 故障管理系統： L1 級的故障管理系統支持基于人工指定的過濾規則， 分析過濾無效告警、冗余告警、進行告警歸一化、告警壓縮、告警與資源關聯、告警派單；執行告警清除、故障恢復驗證測試等操作。L2 級的故障管理系統在L1 級基礎上支持人工設定的故障恢復方案并

45、自動執行、 基于人工指定的故障定界規則發現網絡設備的故障、基于人工指定的分析規則自動分析實現故障定界。L3 級的故障管理系統在 L2 級基礎上支持 AI 驅動的告警過濾、基于人工指定規則的端到端業務 SLA 恢復方案生成、基于故障定界結果以及故障相關數據進行故障根因判斷、 AI 驅動與人工審核相結合實現告警恢復方案生成與執行。L4-L5 級的故障管理系統在 L3 級基礎上支持基于人工指定的意圖管理策略實現故障管理策略生成、 基于 AI 驅動告警策略生成自動化、 常規原因 SLA 故障恢復自動化、客戶意圖的業務故障預警與端到端網絡自動調整、基于 AI 驅動的故障管理意圖達成評估自動化。 性能管理

46、系統： L1 級的性能管理系統以手動收集數據、 進行表格化的粗粒度統計為主， 在部分場景里融合少量的人工分析； L2 級的性能管理系統可以基于部分固定的業務場景（如 4G 業務網元質差定界）進行半自動化的流程分析，能夠按照配置好的分析流程輸出能力結果，但無法自動對外界的信息變化（如業務變更、網元故障下線等）作出分析流程和維度的優化和調整； L3 25 / 64 級的性能管理系統可以感知系統的外界條件變化進行對分析和執行策略作出一定程度的改變（如性能動態閾值） ；L4 級性能管理系統支持復雜的網絡問題根因溯源和投訴處理等，自動化的分析網絡運維的短板，根據網絡基礎能力制定個性化維護策略并自動化下發

47、到相應的動作執行單元，實現事前事后的主動閉環管理； L5 級性能管理系統可以支持全部性能閉環管理工作的自動化，包含日常網絡性能降質分析、問題定界、故障修復以及客戶投訴預處理等，完整的實現意圖采集、數據感知、分析、決策，以及動作全生命周期自動化執行。 運維調度系統: L1 級的運維調度系統支持基于人工定義的工作流方式的運維流程， 支持網絡維護、 網絡排障、 上門施工等系統自動工單和人工工單流程。滿足網絡運維流程自動化的基本需求。 L2 級的運維調度系統支持基于規則模板定義的流程派發業務邏輯，基于任務上下文由流程編排人員自定義流程分支，實現基于規則的自動化的派單流程。L3 級的運維調度系統引入 R

48、PA 增強流程自動化和外部對接能力，針對人工類工單為執行者提供智能工具集。L4 級運維調度系統支持全自動化的閉環運維流程處理， 基于人工智能訓練的規則輸出， 并實現和人工智能推理對接， 實現智能化的流程分支和環節處理。L5 級運維調度系統可以支持全部運維環節自動化，并實現運維的意圖采集、數據感知、分析、決策，以及運維動作的執行。 網規網優系統：L1 級網規網優系統所有工作任務，優化數據均以 OSS 系統輔助人工的方式進行，數據準確度不足，自動化水平不高，相關的規劃優化分析決策也多以人工經驗判斷為主。 L2 級網規網優系統能夠較好的利用網絡數據中臺實現數據分析的自動化，同時利用專家系統實現容量規

49、劃、覆蓋規劃、無線天饋規劃、室分系統規劃等基于固定規則的分析判斷。L3 級網規網 26 / 64 優系統在 L2 級的基礎上進一步引入部分 AI 能力，包括容量預測、覆蓋指紋定位、小區特征聚類等算法可以異常檢測、根因分析等實現智能化分析、決策。L4 級網規網優系統在 L3 基礎上支持意圖管理，運營商的網規網優意圖可以通過系統輔助實現。 L5 級的網規網優系統將包括意圖管理及反饋的所有功能均由系統自動完成。 三、自智網絡核心技術組合 數據中臺技術、通信人工智能、網絡數字孿生是驅動自智網絡發展的 3 大支撐技術。 作為數據密集型企業，電信運營商每日處理的數據類型多、數量大，部分數據處理實時性要求高

50、。從另一個角度來看，數據是驅動包括人工智能、運營商數智化轉型的最為重要的電子基礎設施。高性能、低成本、面向智能化、高安全性的大型數據底座將是自智網絡賴以生存的基礎。 隨著 AI 技術的方興未艾，AI/ML 已經從圖像識別、自然語言處理等場景快速擴展到電信領域，應對電信領域低時延、高突發、高復雜的要求更加需要在AI/ML 技術，算法方案進行基礎性創新。結合通信大數據、通信 AI 算法的閉環人工智能平臺將成為自智網絡的關鍵使能因素。 網絡數字孿生技術目前被定義為 6G 的潛在關鍵技術，網絡數字孿生將是未來運營商走向真正全自智網絡的重要助推力。 網絡數字孿生技術不僅能夠對現有網絡進行全面的復現，更為