自治网络与服务2.0

自治网络与服务2．0的目标，是用架构性创新解决电信领域结构化问题，通过数据与知识驱动的智能网络，达到自动、自愈、自优、自治的网络自动驾驶目标。

多年以来，电信行业一直以支持各行业数字化为已任，但从行业内部视角来看，我们虽然运行着当今时代最前沿的网络，但大量运行和维护手法却仍然停留在十八世纪的手工阶段，呈现出一系列结构化问题：一是从财务结果来看，OPEX普遍是CAPEX投资的三到四倍，通过网络建设的优化，很难支撑运营商大规模改善财务状况；二是多代网络叠加造成的复杂性，使得运维人员单靠人力难以把握和应对。大量的站点、管线、机房问题形成物理断点，阻碍了自动化，核心系统的复杂性又导致了70％的网络级事故由人为操作层面引发；三是互联网结构性冲击，不仅在云业务上形成威胁，在网络上也从DC间骨干网向云网协同企业网络渗透，以大规模、广覆盖、高利用、深集成的方式冲击云网协同市场。

从OPEX分布的维度切入，我们不妨分为运维（维护、雇员）、能源（动力、水电、取暖）、资源利用率（电路网元租赁、折旧、网站互联）、体验（销售费用、产品成本）等四个角度，来进一步审视电信行业目前面临的具体挑战。

首先，从运维效率来看，第一大特点是日常维护工作量巨大。以某运营商为例，每年局数据制作超过170亿条，网元参数配置近1000万个，传输隐患整改近百万处，家宽小区资源整治数十万处。而在这些工作中，大量环节与物理设施有关，我们在一个区域调研运营商工单分布如下：26％是馈线、光纤等线缆问题，26％是重启非主设备软件、重启上联设备、简单数据配置等恢复性操作，24％是市电中断后自动恢复，11％是告警自行消除，设备本身的硬件类故障不到10％；第二大特点是每年要应对网络割接升级超过10万次，应急保障近40万次，这些升级和重大事件的系统性保障都需要大量人力投入。

第二，从能源效率来看，站点能耗（包含室外站和电信机房）占到60％～80％，数据中心占到20％，云化之后数据中心能耗占比会越来越高。从运营统计来看，流量在时间和空间的分布是不均衡的：某网络最繁忙的前10％的站点产生50％的流量，而最空闲的50％的站点仅产生5％的流量，但基础能源的消耗又是类似的，即没有流量或流量较低的站点，基础运行仍然消耗着大量能源。

第三，从资源利用率来看，资源利用效率低的根源在于业务量在时间和空间分布不均衡，同时，资源受限于物理分散式设计和运维，没有采用全局式的集中化设计和随时间空间动态调度有效手段。以骨干网为例，运营商的骨干网利用率普遍在30％左右，而过去传统的流量调优，基于专家规则确定调优策略（如调优触发阈值、迁移流量的选取等），不能根据应用及网络的流量状态做动态调整，因而也就不能获得持续负载均衡，这一水平与多家互联网90％左右利用率形成巨大差距。

最后，从客户体验来看，在运营活动中仍存在大量传统的路测、邻区参数优化等人工活动。抽样式测试不能全面客观反映客户体验，尚未系统引入终端、应用、时空等多源动态数据，同时还不能完全驱动网络的自动化调整。

解决方案：用架构性创新解决结构化问题

用架构性创新解决电信行业的结构化问题，顾名思义，即是通过商业模式级创新和系统方案级创新来结合产品级创新，以实现自动、自愈、自优、自治的自动驾驶网络和业务数字化运营，并在运维效率、能源效率、资源利用率、业务体验等方向上取得突破性结果。

在业务场景上，基于运营商业务流程，首先沿“规划、设计、部署、开通、运维、优化”的业务流程，分析活动分布、成本分布、人力分布，并以自动化为目标进行架构性的创新。针对线缆、电力、环境等无源设备故障率高的情况，提出有源管理无源的突破目标，即用有源设备实现无源设备可预测、可管理。针对无流量时网络大量能源消耗的情况，提出比特决定瓦特的突破目标，有比特流动时才有瓦特消耗。针对流量在时空和空间的不均衡情况，提出时间空间复用目标，最大程度复用网络容量。针对终端应用丰富化和体验全流程的特点，提出应用驱动体验改进，引入更多终端应用要素，并用体验结果直接驱动网络自动调整。上述突破从Use Case开始，如同一粒粒珍珠，基于重构的业务流程，我们可以将珍珠一一串起形成业务场景改进。

在训练平台上，华为将着力构建面向电信领域的AI训练平台，训练平台用公有云＋Stack模式部署，其中Stack模式可延伸至运营商网络部署，在数据不出网络前提下完成训练。训练平台提供电信领域AI工具链，并提供电信领域通用模型服务。基于网络产品基础数据、实验室测试数据、外场数据、在服务作业过程中形成的标注数据，和脱敏的典型样板网络设备运行数据一起，形成电信数据湖用于持续训练。网络领域“服务2．0”，目标是提供在线数字化的“智慧服务”，提供基于人工智能的在线服务，这种服务基于持续迭代原则，依据业界惯例，构建起“模型即服务”模式，永远处于Beta阶段，不断自我更新和完善。电信模型不断发布到模型市场上迭代更新和优化。

在网络与设备层面，目标是构建一个敏捷的自动化和智能化网络。把下层设备和云基础设施、中间层的网络管理和控制，以及上层全流程系统，分别引入三方面能力达到网络自动驾驶目标：一是设备数字化能力，在大容量、低时延、高可用的基础上，增强动态感知环境的数据采集解析能力，包括对网络周边环境与哑设备的感知，典型如无线领域对天馈状态的感知，网络领域对光纤、信号、路由的感知，IP领域动态按需对大规模分布式流式数据的处理，对网络拓扑的实时动态还原能力，这些网络与设备的感知与数字化能力是自动化、智能化的基础。二是根据AI模型进行推理执行的能力，网络及设备能够利用AI模型进行推理执行，包括数据预处理、AI模型管理等能力，推理执行的过程要保证网络安全性与鲁棒性，部署上可分为嵌入式、网络管控集成、独立部署或以公有云服务形式部署。三是业务流程编排能力，电信领域模型与运营商本地商业流程结合发挥作用，利用模型驱动、流程编排、数据分析、AI等数字技术，逐步实现业务的自动开通与基于业务／网络运维自动化，并使能ROADS体验的实现。

以光网络为例，我们可以了解到AI如何使能全流程的业务发展：从业务场景看，需通过 “开通零等待、运维零接触、体验零差评”的目标牵引，找到开局自动检查光纤、业务发放、网络优化、故障定位以及资源自动调度等具体场景并确定突破目标。训练平台提供电信领域适应的数据及人工智能算法，包括光模块数据、实验室光纤弯折、松动、染灰等测试数据、光网现网运行故障数据等，算法包括基础的数据清洗、信息整合、机器学习建模、深度学习等，共同训练出光纤故障模型、滤波器模型等。通过管控平台与现网相结合，进而实现快速发放、极简运维和智能运营。而这一切的基础就是网络设备层面新增数据采集与解析能力，包括光纤数据、光信号数据、路由数据等的采集能力，同时设备需要具备可靠的推理执行能力。

目标：运维效率、能源效率、资源利用率和业务体验大幅提升

在运维效率层面，运维水平分为三个发展阶段。第一个阶段称为R2F（Run－to－Failure），即网络在运行中突发故障后，运维人员迅速赶去处理，这是最低层级的水平；第二个阶段是PvM（Preventive Maintenance），即例行巡检，也就是对每台设备进行检查来预防故障发生，但这种做法效率十分低下；第三个阶段是PdM（Predictable Maintenance），我们称之为可预测性维护，即能够实现预测某设备未来有多大概率发生故障，再基于状态进行针对性的维护。

自治网络与服务2．0一方面通过网络简化实现设备收编站点，减少电源、连接器、线缆等哑设备问题，另一方面通过“有源管理无源”，促使线缆、连接器、动力环境等问题能够通过有源设备实现管理，如针对光纤实现路由可视、光纤可视、信号可视，从而可以基于状态对光纤老化、过度弯曲、接口松动、路由过长等问题做出预测和定位。通过智能故障预测及网络智能设计，网络负荷被有效分担，抢修和巡检工作也可以因而转换为基于状态的预测性维护，从而将人工开环处理问题，转换为设备闭环处理，实现非物理故障恢复自动化，助力运维效率倍增。

在能源效率上，我们用“比特决定瓦特”的目标作为牵引，即以网络流量大小决定能耗多少。在没有流量的时候降低能耗，通过AI 来基于流量做出预测、实时调整运营商站点和数据中心能源效率，达到节能目的。从站点配套设施收编到设备柜，实现站点能效比最大化；准确预测业务流量，让设备做到深度休眠快速启动，在保证客户体验的前提下，实现设备比特决定瓦特的能耗管理。

在数据中心机房或者站点，每个系统都有数十个参数。通过AI训练，自治网络与服务2．0可以生成散热、环境及业务负荷模型，使得日照、温度和配套设施油机、太阳能和电池等达到最佳能效，为制冷设备的数十个参数寻找最佳模型；在设备层面，可以根据业务负载进行动态能量投放，在没有流量时利用时隙关断、RF深度休眠、载频关断等减少耗电量，同时实现数据中心对象（如服务器组件）的动态节能管理；在网络系统层面，可以构建准确的业务负荷预测模型，达到整网流量最优，从而实现能耗效率优化。

在资源利用率上，自治网络与服务2．0可准确预测长周期流量规律，实现站点、管线、机房等设施的最佳利用；根据用户、终端和业务分布，结合时空数据预测，实现空口频谱最大程度利用；通过业务与流量临近性、周期性、趋势性、事件性特征识别、趋势预测、路径性能预测，来动态合理的分配流量、错峰填谷，大幅度提升网络利用率。同时在不牺牲 QoS 或 SLA的情况下，可让流量路径几乎实时改动，达到最优化。

在客户体验上，对于个人用户可引入终端和应用数据，结合网络的自动闭环，实现基于用户、业务、位置最佳体验。企业用户可分钟级构建云网协同业务，统筹多地域全球网络，全网路由基于自动转发和学习，实现用户无感知的调度和路由。家庭用户端实现云协同，解决家宽品质，用户体验提升由此可被延伸至家庭网络。

自治网络与服务2．0实现路径

实现网络的自动驾驶必将是一个长期的过程，既要有明确的长期目标作为牵引，又不能一蹴而就，需要以终为始、沿途下蛋、逐步落地。我们可以将网络自治分为五个层级，0级为人工运维；1级为辅助运维，系统可持续执行控制某一子任务，如单板倒换与自动重路由；2级为部分自治网络，在适用的设计范围下，系统可根据AI模型或规则完成部分单元控制任务，如根据训练模型数据中心可自动调节水冷设备单元的参数，从而达到提升能源效率降低PUE的目标，但这种动态的预测和调整限制在某一单元内；3级有条件自治网络，可持续执行完整的子系统级全周级闭环自动化，以无线领域为例，能够做到从用户流量的洞察与预测、无线空口资源调度及参数调整、网络调整后的的评估，从感知、决策、执行和后评估都能做到自动化。4级高度自治网络，系统可做到单业务跨领域全生命周期自动化，如Cloud VPN业务设计、部署发放、动态调度、故障自愈实现自动化；5级完全自治网络可在所有网络环境下执行完整动态任务，并能对例外做出合适处理。

网络自治从易到难，依次是重复性执行动作的替代、对网络环境与网络设备自身状态的感知与监控、综合多种要素和策略的分析决策、对最终客户体验的有效感知。系统能力也从某些业务场景起步，最终覆盖全业务场景。

等级	名称	概念界定	执行	感知	决策	体验	系统 能力
0	人工运维	即便有辅助工具，仍由运维人员执行全部的动态任务。	人	人	人	人	n／a
1	辅助运维	在适用的设计范围下，系统基于规则可重复执行某一子任务。	人和系统	人	人	人	某些业务场景
2	部分自治网络	在适用的设计范围下，系统基于模型持续完成某一单元的控制任务。	系统	人	人	人	某些业务场景
3	有条件自治网络	在适用的设计范围下，系统可以持续执行完整的单域场景的闭环自动化，用户在系统失效时接受干预请求及时做出响应。	系统	系统	人	人	某些业务场景
4	高度自治网络	在适用的设计范围下，系统可以自动分析执行跨域及业务的闭环自动化。	系统	系统	系统	人	某些业务场景
5	完全自治网络	系统能在所有网络环境，执行完整动态任务和例外处理，运维人员无需介入。	系统	系统	系统	系统	全部业务场景

网络自治与服务2．0模式道阻且长，还需历经长期的实践摸索，华为推出SoftCOM AI，依托于华为对All Intelligence长期而坚决的战略投入，依托于对网络及设备数字化、智能化的体系化投入，依托于在服务领域持续的数字化实践和平台建设投入，打造自治网络方案并实现服务模式升级，发布系列化解决。网络自治如同自动驾驶，同时需要全业界同仁将运营维护经验不断注入系统，共同努力实现网络自动、自愈、自优、自治和业务数字化运营。