9月28日專稿（蔣均牧）“5G正在照進現實，帶來前所未有的業務體驗提升和來自使能全行業數字化的增長可能，但今天的電信行業卻面臨結構性問題。通過提出SoftCOM AI戰略和理念，我們將AI技術應用于電信網絡以打造‘自動駕駛、永不故障’的自治網絡，實現運維效率、能源效率和資源效率的倍增以及用戶體驗的顯著提升，助力運營商獲取商業成功。”華為中國戰略Marketing部部長曹澤軍在2018通信展同期的“擁抱AI，開啟信息通信智能服務時代”高峰論壇上表示，“當5G遇見AI，網絡重構天然融合”。

5G時代已來

隨著3GPP?5G NR獨立組網（SA）標準的正式出爐，以及各國各地5G頻譜的拍賣/分配，全球5G商業化已進入快車道。美國計劃2018年全面實現5G商用、俄羅斯在積極探索5G共建共享合作方式、韓國平昌冬奧會成為首個實現“5G網絡全覆蓋”的奧運會。而我國已經明確了2020年5G確保商用的政策，最近5G技術研發試驗第三階段測試也已順利完成，亦有消息稱5G頻譜資源的最終許可方案即將公布。

“可以說5G時代已經到來，而5G也會改變未來的業務形態。”曹澤軍指出，5G將令移動網絡邁入Giga時代，支撐極致的業務體驗；超高地可靠、極低時延的通信能力，將使能無人駕駛真正走向現實；其指向的海量連接，也將為IoT領域隨時隨地的全在線提供保障。

4G為寬帶體驗、視頻業務、人機互動提供了條件，使得互聯網應用與人們活動緊密結合，深刻地改變了人的生活；而5G將以萬物互聯的模式推進所有垂直行業的深度整合，真正實現工業化和信息化的深度融合。5G將打開的，是一個面向垂直行業的、面向跨行業合作的萬物互聯的全新環境。

但在同時，5G“云管端”協同才能真正帶來體驗的提升，同時隨著越來越多的應用遷移至云端，對5G業務的豐富性多樣性、對技術的支撐等方面均提出了更高的要求與挑戰。在此過程中，華為致力于“把數字世界帶入每個人、每個家庭、每個組織，構建萬物互聯的智能世界”，從而普惠整個人類社會。

5G遇見AI：網絡重構天然融合

在5G即將到來的今天，電信行業必須為此做好準備，但目前行業的整體態勢卻不容樂觀，運營商普遍面臨增長乏力的情況。

“過去我們存在著人口紅利，運營商的增長模式以投資驅動為主，只要這里有人，把網建設過來、把語音業務開起來（或把數據業務開起來），運營商就有了收入。但到可今天，無論是語音用戶還是數據用戶都基本上達到了人口紅利的極限，在這樣的情況下，運營商的投入和產出周期（投資回報周期）由過去5-7年的延長到了更長的時間（7-10年），導致業務經營上受到了很大的壓力，成為電信行業的結構性問題。”曹澤軍解釋道。

“另一方面，業務需求不斷推動網絡升級，網絡架構越來越復雜、網絡規模成倍增長，隨之而來的能源消耗、設備消耗、頻譜利用率都導致網絡問題趨于復雜。”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，OPEX在電信網絡TCO（總體擁有成本）的占比從62%上升到75%，這意味著單純地降低設備成本，已經不能改善運營商的成本結構。

在無線接入領域，傳統網絡偏重于下行速率、傳統終端也主要用于下載數據，5G上行速率的空前提升將再次改變人類的通信方式，也必將引發一場終端變革。據統計，2G基站參數僅有500個、3G基站1500個、到了4G時代每個基站的參數接近3500個，5G參數將更多。華為輪值董事長徐直軍也曾旗幟鮮明地提出，5G時代，能否有效遏制OPEX的持續增長成為商業成功的關鍵，需要把降低OPEX做為戰略重心。

“當5G遇見AI，網絡重構天然融合。”曹澤軍闡述道，5G網絡本身是一個復雜的系統，需要人工智能來理清邏輯和秩序，使能網絡自動化，降低運維成本；另一方面，5G時代將自下而上地產生海量數據，AI可以從中識別、學習模式和規則，并預測趨勢、執行策略——5G加AI通過海量數據不斷“喂食”將產出最大價值。

“過去無論從運營、規劃、維護這些方面，我們更多依靠人工的干預、領導的決策，某種意義上講是被動的，即使發展到今天我們也只能說做到半主動，還做不到真正的自治和完全的主動。”為此，華為提出了SoftCOM AI戰略。作為華為All Intelligence戰略在電信領域的落地，SoftCOM AI通過將AI注入到全云化網絡構架及解決方案中，力圖打造一張“自動駕駛、永無故障”的網絡，實現電信網絡的自動、自優、自愈、自治。

擁抱AI的5G場景

AI使網絡有了不斷學習的機制，不斷提升網絡自動化的水平。華為常務董事、產品與解決方案總裁汪濤最近發布了自動駕駛網絡的主張，并提出了面向自動駕駛網絡演進的五級標準建議和實施準則——到了L5這一終極目標，網絡系統將具備跨多業務、跨領域的全生命周期的閉環自動化能力。

“羅馬不是一天建成的”，面向自動駕駛網絡的演進亦需要分場景逐步推進，目前華為已經識別出一系列AI能夠起到顯著作用的5G場景，諸如5G網絡切片自動部署和擴縮容、5G基站覆蓋優化、基站載波智能關斷、網絡故障預測、網絡健康度分析等。

不同的業務對網絡功能有不同的需求，如實時的視頻、語音對于時延有明確的要求，對于丟包的敏感性相對寬松；智能水表、電表類的物聯網業務要求數據傳輸的可靠性，對于時延要求寬松。為了在同一個網絡中同時滿足各種業務的多樣需求，5G網絡中引入了網絡切片——網絡切片是一個邏輯概念，即把具有相同的網絡需求的業務劃入一個切片，不同的網絡切片邏輯上彼此獨立、物理上共享相同的網絡資源。

傳統的網絡規劃會先預估各類業務的需求來構建話務模型，然后配置對應切片的資源預留。而融入了AI的華為無線大數據平臺通過監控網絡切片的實際運行情況、基于全量的業務數據，可分析出各類用戶、業務的資源使用特性，對切片中的業務進行精細的建模，利用機器學習的算法判斷資源需求的趨勢分析，從而與網絡設備形成正反饋，優化資源分配策略：“為了實現設備的控制與大數據平臺直接的反饋、控制循環，需要增加網元與平臺的控制面接口，即平臺可以將通過數據收集分析的結果反饋至網元，網元進一步來實現實時的控制策略更新。”

同時，目前5G廠商均處于實現基于3GPP協議要求的基本功能特性的階段，主要精力投在特性競爭力上（比如速率比拼），在網絡維護能力構建尤其是自愈自恢復等自動化運維能力上考慮不足。從全球站點部署節奏看，5G元年將達到4G發展三年的規模，大量的網絡改造對現網存量穩定運行也將帶來挑戰。

5G當前主要用例為FMA/WTTx，除MBB外，還將涉及AR/VR，車聯網+無人駕駛、低空覆蓋等多種業務，不同業務類型對網絡的規劃方法不同，AI可使能網絡參數自動調整，實現真正精準網優：“在AI訓練階段，通過對全球現網數據的采集、分析、整理和標注，運用算法來構建的全局經驗模型庫，可形成基站天線調整的初始輸入參數，并根據實際情況調節天線參數。通過持續的迭代優化，就能極大縮短漫長的調試階段，快速得到某個地點某種業務場景下的波束的最優配置參數。”

“預測性是AI的核心價值。”基站載波智能關斷方面，基于網絡運行數據和AI使能的模型訓練，可提前預測網絡流量的峰谷，從而實現通過調節無線載頻的關斷來實現站點能耗與流量峰谷一致。網絡故障預測方面，電信網絡的管理和控制中心基于設備的南向接口和數據采集，通過一定的策略和規則，可對未來故障進行預測，從而實現故障發生前規避故障、質量劣化前優化質量、網絡擁塞前調整流量。

運營商價值：三個倍增

5G加AI將能夠給客戶提供永遠最優的網絡連接和永不斷網的可獲得性，對運營商的價值則是“三個倍增”，即運維效率倍增、資源效率倍增和能耗效率倍增。

曹澤軍剖析道，5G加AI實現了網絡的預測性維護，即能夠預測某個設備未來有多大概率發生故障，然后進行針對性的維護。華為希望能將電信網絡的告警壓縮和故障定位減少90%，實現90%關鍵器件的失效和劣化預測，進一步達到網絡自愈；此外，網絡故障中超過70%的問題源自無源設備，例如光纖彎曲、器件老化、接口松動等，在這一過程中，信號都會發生變化，通過引入AI學習這些變化的特征，就有可能提前進行預測，用有源解決無源的故障問題。

基于流量走向來調度網絡，資源利用率就會大幅提升。現在的網絡并不具備這樣的能力，只有通過引入AI、建好流量預測模型，才能實現精準流量預測和最合理的網絡拓撲，以流量的方向而不是物理連接來決定網絡的路徑，最終大幅提高網絡的資源效率。

“比特決定瓦特”，即網絡流量大小決定能耗多少。在機房或者站點，每個系統都有數十個參數，通過AI訓練生成散熱與環境及業務負荷模型，將使得日照、溫度和配套設施油機、太陽能和電池等達到最佳能效；在設備層面，根據業務負載進行動態能量投放，沒有流量時就利用時隙關斷、RF深度休眠、載頻關斷等減少耗電量，同時實現數據中心對象如服務器組件的動態節能管理；在網絡系統層面，構建準確的業務負荷預測模型，將使能整網流量最優，從而達到能耗效率最佳。?