华为技术有限公司网络人工智能产品部总经理 韩雨发

六十多年来，人工智能产业浮浮沉沉，随着算力的提升，算法的创新和互联网积累的海量数据，未来十年人工智能技术将焕发出新的活力，成为最具有冲击力的科技发展趋势之一。

据Tractica/Ovum预测，到2025年，全球电信业对人工智能软件、硬件和服务的投资将达380亿美元，成为最大的AI应用市场。据IDC统计，63.5%的电信组织正在投资AI以改善其基础设施建设。

AI是电信网络自动化和智能化的加速器

5G是当前电信行业热点，与4G相比，5G网络在传输速率、传输时延、连接规模等关键指标上有质的飞跃，从而可以支撑更加丰富的业务场景和应用，但是也给运营商带来了新挑战。首先，电信基础网络变得越来越复杂，在很长一段时间内，5G网络将与存量的2G/3G/4G网并存，形成“四世同堂”的叠加网络。其次，随着业务的不断加速创新，2B等新业务对网络的敏捷开通、灵活性及质量等提出了更高的要求。最后，5G虽然每比特的能效比4G提升了25倍，但仍迫切需要更为精确的智能化节能技术帮助运营商提高能源效率。

AI是电信网络走向智能化和自动化的关键使能技术。将AI技术引入电信行业，可以根据已知的条件进行预测、诊断、感知和决策，帮助运营商解决预测（如基站节能）、根因分析（如网络故障识别）和优化控制（如Massive MIMO Pattern优化）等相关问题。

华为网络人工智能引擎使能自动驾驶网络

基于对电信领域的深刻理解和多年经验沉淀，华为在网络AI领域长期坚决投入，结合电信领域应用场景，推出了网络人工智能引擎。该引擎旨在结合电信领域应用场景，使能网络达到自动、自愈、自优和自治的自动驾驶网络，提升整个网络效率，降低OPEX。

“比特决定瓦特”是能源消耗的形象比喻，即网络流量大小决定能耗多少。数据分析结果显示，能耗（电费）约占网络运营费用的16%，而基站电费则占到总能耗的75%。

对此，华为推出了PowerStar基站智能节能应用，可基于NAIE的流量预测实现能耗的随需而变，以帮助运营商节约运营成本。虽然网络话务量存在明显的潮汐效应，忙时闲时能达到4倍之多，但是大部分基站设备所有资源却24小时一直打开，能耗并没有随话务量动态调整而造成浪费。因此，如何在保证网络质量的前提下，通过精准控制基站载波关断的方式降低功放能耗，就成为了基站节能的主要突破方向。

NAIE通过神经网络算法训练得到基站流量预测模型，该模型可以对未来一段时间的话务量进行精准预测，输出无线小区负载（PRB利用率）预测值。预测模型训练完成之后部署到管控单元MAE中，MAE根据PRB利用率预测结果，结合不同时段的业务类型，自动设置每个小区的载波差异化关断时长。MAE再结合KPI/KQI的实际效果，迭代优化节能控制参数，在保障网络性能的基础上实现节能效果的最大化。2019年，华为累计在30多个局点开通基站智能节能应用，节能效果最大达到16%。

图1：基站智能节能，有效降低无线网络无效能耗

在运维效率提升方面，NAIE推出的智能故障应用，可实现一故障一工单。5G建设初期，大多数运营商采取的都是与4G协同建网，随着5G建设加速，4G/5G的协同使网络变得越来越复杂。例如，一个电力故障就会导致多个部门重复派单，造成告警量大，工单准确率低等问题。

而跨界问题的定位由于需依赖跨部门的专家协作，因此难度大，效率低。华为智能故障管理通过降噪、聚合、故障分级分类三个关键步骤，可逐级进行告警数量压缩，最终将告警汇聚成根因故障。对运维排障人员而言，仅需关注汇聚之后的根因故障即可。

同时与传统的告警压缩不同，华为智能故障应用引入了AI技术，通过AI关联分析和聚类算法挖掘相关网元、线路和机房环境告警之间的依赖关系，以实现更大压缩比及更精准的告警压缩。

以某运营商为例，在现有99.8%告警压缩的基础上，通过智能故障应用进一步提升了21%的工单压缩率。按照该运营商2017年故障工单约11万张计算，20%的压缩率可减少2.2万张工单。按每工单100元成本计算，一年就可节省维护费用200万元。

图2：智能故障，实现从面向传统告警监控到面向故障运维的跨越

运营商网络的智能运维是长期有节奏的逐步实践过程，华为将与运营商一起开发实践，不断扩充应用场景、改进算法、积累经验、探索部署模式，持续提升其自动化和智能化水平。

网络AI规模部署并非坦途，NAIE让网络AI开发与应用更简单

运营商在规模部署AI应用的过程中，面临一系列困难和挑战，如数据治理难、模型开发门槛高、部署闭环难、人才转型难等。

针对电信领域的数据难题（如电信数据专业性强、数据难获取、数据准备时间长、数据标注成本高、有效样本数据少等），NAIE提供数据服务帮助运营商高效治理数据，可节省90%的数据准备时间。截至2020年8月，华为NAIE数据服务已积累22+亿条训练样本，通过专业标注工具和专家经验高价值样本标注5000多万，覆盖电信领域90%典型场景。

针对网络AI模型开发门槛高、应用难、周期长的问题，NAIE提供训练服务帮助运营商降低开发门槛，提升开发效率。训练服务内嵌华为在电信领域30多年积累的的知识和经验沉淀，内置100+电信领域资产，包括项目模板，算法、特征分析及处理SDK，可大幅降低网络AI模型的设计探索周期。

针对AI特性在部署过程中面临的模型泛化能力差、模型易老化、本地样本少等问题。NAIE提供“云地协同”架构帮助运营商规模部署AI特性，迈向自动驾驶网络。”云端”指云端AI（NAIE），包括部署在公有云、合营云及HCS的云端智能（含数据服务、训练服务、培训服务、AI市场、网络知识库等）；”地端”AI包含集成在单域管控单元（MAE、NCE）和跨域管控单元（AUTIN）的网络AI，以及集成在网元设备的网元AI。

“云地协同”实现了云端、地端一起协作完成数据样本上云，模型状态管理，模型重训练，模型/知识下发、择优更新等一系列的AI模型任务，同时把云端汇集的全局网络知识经验、全量数据训练得到的高精度模型持续注入地端，使电信网络能够进行智能的迭代升级，变得越来越聪明。

图3：”云地协同”，实现AI特性规模应用

云端AI符合运营商集中化建设AI平台的思路，支持跨层、跨域、跨厂商AI能力构建，减少了运营商的重复投资。云端AI拥有强大的算力和丰富的特征样本，具备全局视野，既是运营商持续进行AI训练开发态的敏捷工具，又是网络的“知识中心”和“图书馆”。通过加持联邦学习，让分散的小样本也可以训练出高质量的模型。凭借云端仿真系统，帮助运营商更加高效安全地进行模型和业务验证。

云端提供集中化的模型监控和模型版本管理，便于AI特性快速更新，与传统软件升级相比，模型升级的效率可从月级提升到小时级。地端AI聚焦网络数据的实时采集和过滤，并实现AI能力在本地实时推理闭环。云端和地端通过云地物理通道连接，地端数据通过北向接口实时自动上传到云端，云端统一泛化训练，并作为统一的运维中心和“知识中心”，”云地协同”实现AI模型、网络知识同步更新升级，高效支撑电信网络迭代演进。云地协同可以实现“一点生效，全网复制“，即AI的特性在一个局点成功实施后，快速的形成知识和经验，在其他局点进行复制，实现在全网规模应用。

针对人才难转型难题，NAIE可提供进阶式培训服务，让用户体验从免费试用、服务体验、到购买端到端一站式服务。此外，华为丰富的线上线下课程体系及权威认证体系，可助力电信领域AI人才的转型和培育，截至日前，华为网络AI培训服务已发布初级和中级线上课程，超过3000人报名并自主学习。

与此同时，NAIE面向电信行业开放，与企业、高校、行业组织联合创新，共同促进网络AI生态繁荣。NAIE已启动百所高校合作，同时与中国电信、中国移动、中国联通、朔黄铁路在AI应用上展开深度合作、创新。通过竞赛、社区、合作的方式不断促进开发者成长进步，帮助运营商和合作伙伴汇集产业智慧获取优质AI资产，对接前沿技术，快速人才桥接。截至目前，NAIE累计用户数已经超过1.76万，在线累计训练任务接近4万个，样本累计下载量117亿，API月调用次数3.3亿次。

未来，NAIE将携手产业各界，共同打造网络AI黑土地，早日实现自动驾驶网络的终极目标。