中國移動韓柳燕：AI技術助力傳送網(wǎng)實現(xiàn)智能化轉型

5月7日消息（九九）“人工智能是個筐，什么都能往里裝。”當前，依賴于一張靈活的通信網(wǎng)絡，人工智能應用已全面融入人們的生活。那么，如果將人工智能融入于通信網(wǎng)絡之中，又能擦出什么樣的火花呢？

在今日舉行的“當AI遇到光：智能光網(wǎng)絡線上研討會”上，中國移動研究院項目經(jīng)理韓柳燕表示，AI技術在傳送網(wǎng)有豐富的應用場景，可助力傳送網(wǎng)實現(xiàn)智能化轉型，構建“檢查-診斷-治療”的閉環(huán)網(wǎng)絡健康保障方案，打造高品質健康自愈智能型網(wǎng)絡。

韓柳燕介紹，AI用于模擬、延伸和擴展人的智能，主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作，其三大關鍵要素是算力、數(shù)據(jù)和模型?，F(xiàn)有傳送網(wǎng)控制器及設備已具備引入AI算力、數(shù)據(jù)搜集和搭建模型的能力，但AI應用于現(xiàn)網(wǎng)影響重大，實際應用前應經(jīng)過長期的驗證，分階段推進。

AI技術在傳送網(wǎng)管控層應用

“在傳送網(wǎng)管控層引入AI主要傾向于實現(xiàn)網(wǎng)絡端到端規(guī)劃建設和運維管理的智能化，避免過于依賴人工分析和處理，耗時耗力。”韓柳燕指出，在規(guī)劃建設階段引入AI，可以在業(yè)務部署、軟調(diào)測試和配置巡檢等環(huán)節(jié)發(fā)揮積極作用；在運維管理過程中引入AI，可以將故障定界轉化為故障預判，以及進行根因分析。

管控層應用場景之一是智能規(guī)劃。傳送網(wǎng)網(wǎng)絡節(jié)點多，在業(yè)務規(guī)劃階段配置工作量巨大。例如中國移動擁有超200萬端PTN設備、超20萬端SPN設備以及超50萬端OTN設備，這些設備在上網(wǎng)運行前都必須進行各個層面的配置，包括業(yè)務隧道標簽規(guī)劃、全網(wǎng)業(yè)務和設備IP地址規(guī)劃、業(yè)務端到端主備路徑規(guī)劃等。引入AI可以采集現(xiàn)網(wǎng)部署規(guī)劃的大數(shù)據(jù)，依據(jù)AI算法訓練各參數(shù)的規(guī)劃特征模型，輸入業(yè)務部署需求，通過參數(shù)模型做智能規(guī)劃建議。

管控層應用場景之二是異常配置自識別。面對海量的設備和配置，人工操作難免出現(xiàn)錯誤，且部分異常配置僅在特定場景下才可能暴露出來，很難排查。引入AI可以獲取全網(wǎng)配置，智能學習設備角色，生成不同角色的全網(wǎng)配置模板，從而進行配置異常自識別，將排障周期從數(shù)周數(shù)月降低至數(shù)天。

管控層應用場景之三是網(wǎng)絡隱患預測。因為感知手段有限，網(wǎng)絡運維依賴于告警，但部分故障偶發(fā)或需要一定的觸發(fā)條件，可能無告警，導致隱患無法及時發(fā)現(xiàn)。通過引入AI，可以搜集現(xiàn)網(wǎng)健康狀態(tài)下的數(shù)據(jù)，訓練構建模型，形成各參數(shù)的全網(wǎng)模板，通過比對模板，發(fā)現(xiàn)鏈路等性能的劣化（未達閾值），在觸發(fā)告警之前預測出網(wǎng)絡隱患。問題處理從被動處理的小時級變?yōu)橹鲃犹幚淼姆昼娂墶?/p>

管控層應用場景之四是網(wǎng)絡資源預測。面對龐大的網(wǎng)絡，依靠人工核查全網(wǎng)端到端帶寬使用率等資源工作量大、周期長，無法及時暴露資源不足的問題，導致故障無法提前識別。引入AI可以基于歷史數(shù)據(jù)進行智能在線訓練，形成各資源較科學的閾值，基于Telemetry進行各類資源數(shù)據(jù)的實時采集，輸出各類資源耗盡預測曲線或N天后耗盡提醒，主動識別潛在風險。

管控層應用場景之五是故障根因分析。故障數(shù)據(jù)分散且異常之多，海量的告警導致故障排查工作量大，且無法精準處理重要告警，很難快速定位根因。通過AI可以實現(xiàn)對海量告警的關聯(lián)、根因分析，快速定位故障點，從人工關聯(lián)告警定界定位的小時級處理變?yōu)樽詣雨P聯(lián)告警定界定位的秒級處理。

AI技術在傳送網(wǎng)設備層應用

韓柳燕進一步介紹，在傳送網(wǎng)設備層引入AI主要傾向于實現(xiàn)設備隱患預測、設備資源預測及設備資源優(yōu)化。以SPN設備系統(tǒng)架構為例，設備功能模塊較多，各功能的實現(xiàn)依賴單板、光模塊、芯片、內(nèi)存等物理單元協(xié)同，物理單元的使用情況和狀態(tài)影響各功能的正常實現(xiàn)。

設備層AI應用場景之一是設備隱患預測。如何在設備的各個模塊老化初期迅速更換是很重要的應用，例如光模塊性能劣化，出現(xiàn)少量丟包或誤碼，但尚未達到觸發(fā)告警的閾值，此時通過AI技術充分分析現(xiàn)網(wǎng)設備的運行狀態(tài)數(shù)據(jù)，能夠及時挖掘設備內(nèi)部隱患，避免設備真正出現(xiàn)故障。

設備層AI應用場景之二是設備資源預測和故障定位。依靠人工來核查各設備容量、內(nèi)存使用情況、端口使用率等資源工作量大、周期長，例如某局點設備主控內(nèi)存泄漏，管理面所在進程內(nèi)存耗盡，主設備倒換測試后，設備脫管，故障發(fā)生前無提示，無法提前干預處理。利用AI可以基于歷史數(shù)據(jù)進行智能在線訓練，形成各資源較科學的閾值，輸出設備內(nèi)部的各類資源預測曲線和預警。

設備層AI應用場景之三是設備動態(tài)節(jié)能?，F(xiàn)網(wǎng)設備量大，但某臺設備并不是所有模塊都需要處于工作狀態(tài)，在網(wǎng)絡運維管理階段可以通過AI實現(xiàn)動態(tài)節(jié)能。例如基于搜集的網(wǎng)絡歷史數(shù)據(jù)形成預測，判斷出某些接口在某段時間無流量或流量很低，則可適當關閉或調(diào)低該接口相關的部分功能模塊性能等。

韓柳燕在演講中指出，SPN能力使能高效、精準AI應用。SPN In-Band OAM提供端到端秒級逐業(yè)務的性能監(jiān)測數(shù)據(jù)上報，相對傳統(tǒng)15分鐘級上報，可為AI應用提供更精細、更實時的性能數(shù)據(jù)；SPN時間同步達到端到端100ns級精度，可為設備告警、事件和性能等提供納秒級精度的時間戳（原為毫秒級精度），提升AI應用的效率與準確度。

韓柳燕同時指出，AI技術在傳送網(wǎng)的全面落地不是一蹴而就的，應分階段推進。當前AI演進存在以下幾個關鍵問題：國內(nèi)外標準已經(jīng)規(guī)范AI架構、流程、分級評判等技術內(nèi)容，但仍缺乏AI傳送網(wǎng)的國內(nèi)外標準，后續(xù)可在復用已有標準的基礎上，制定AI傳送網(wǎng)的國內(nèi)外標準；AI模型的訓練需要基于海量的歷史數(shù)據(jù)，但部分場景的歷史數(shù)據(jù)量有限或是數(shù)據(jù)獲取渠道有限，基于少量數(shù)據(jù)搭建的AI模型準確度較低；不同廠商的數(shù)據(jù)格式不一樣，導致較難搭建跨廠商AI平臺；AI應用于現(xiàn)網(wǎng)影響重大，實際應用前應經(jīng)過長期的驗證，可考慮模型簡單、規(guī)則較為確定的場景優(yōu)先應用，分階段推進AI在傳送網(wǎng)的部署應用。

“近期目標是實現(xiàn)傳送網(wǎng)異常配置自動識別、故障快速定位和網(wǎng)絡劣化預警等較易實現(xiàn)的功能；遠期目標是構建“檢查-診斷-治療”的閉環(huán)網(wǎng)絡健康保障方案，打造高品質健康自愈智能型網(wǎng)絡，實現(xiàn)AI技術在傳送網(wǎng)的全面落地。”韓柳燕說。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。