意圖驅動型服務編排與AI相互協同，正在徹底改變網絡和服務的管理方式。這種協同究竟會如何革新OSS服務管理方式？又將如何發掘自動化和可編程網絡的全部潛能？

作者：Alexander Valchuk, Senior OSS/BSS technical sales leader, Ericcson 原標題：How AI empowers intent-driven service orchestration and assurance

以AI和自動化改變服務編排方式

意圖驅動型服務編排與保障開啟了服務管理和編排的新時代。有了它，我們不僅可以自動部署和激活服務，還能進行持續監控和調整，以實現動態的業務、服務和運營目標。人工智能（AI）可以自動完成決策、預測分析和閉環操作，確保服務實例與定義的意圖保持一致，因此在賦能服務管理和編排方面發揮著變革性作用。

圖1：AI在服務管理與編排中的角色

運營商（CSP）在實施服務自動化方面面臨的主要挑戰之一，是端到端服務藍圖設計、分解以及面向客戶和資源的端到端服務實例保障的復雜性。我們的經驗表明，要充分發揮服務管理和編排的優勢，系統中必須配置一系列軟件構件，包括服務藍圖設計、分解與集成邏輯、主工作流程和原子工作流程等。要成功實施編排項目，需要在設計和測試這些構件方面投入大量精力。

運營商正在設法更有效地實施服務編排和保障操作。從管理OSS系統配置和集成轉向管理自動化流程，是實現更高效、更精簡的服務運營的關鍵。將服務管理模式向AI賦能的意圖驅動型自主服務運營模式演進，是Tele Management Forum（TM Forum）定義的自主網絡愿景的基礎；最新發布的自主網絡技術架構文章中詳細闡述了這一愿景。

AI+意圖驅動型自主服務運營模式如何實現？

TM Forum的可編程網絡愿景以意圖驅動型服務編排為核心，允許運營商定義高級別的業務和服務意圖，然后自動轉換為具體的網絡配置和操作。在這一過程中，服務保障同樣重要，可確保網絡服務實例在整個過程中持續滿足指定的意圖。

要在從服務設計、配置一直到服務觀測和保障的整個生命周期內實現全自動服務管理，必須實施AI賦能的意圖驅動型自主服務運營，而這可以通過AI賦能的編排系統來實現。

圖2: AI實現意圖驅動型運營｜來源：愛立信

令人振奮的是，AI能夠通過意圖驅動型服務編排實現服務實例的全生命周期管理——從服務藍圖設計，一直到端到端服務實例的運營與保障，從而實現自主服務運營。

利用AI加快服務藍圖設計周期，高效交付創新服務

在意圖驅動型服務編排和保障方面，AI和ML技術可以大幅簡化服務編排架構師和網絡設計師的工作。例如，AI可以使用定制訓練的大語言模型（LLM），生成并驗證初始服務編排藍圖。這一過程利用歷史數據、先前的藍圖迭代、網絡配置和特定服務需求，并結合模式識別和預測建模等ML技術，創建創新且功能完善的服務藍圖。

服務藍圖生成后，AI工具可以通過數字孿生（真實世界服務實現的虛擬副本）模擬其部署。這種模擬有助于預測服務實例的性能，并在實際部署到現網中之前及時發現潛在問題。此外，AI系統還可以通過無監督學習技術確保藍圖符合現有網絡標準、操作協議和最佳實踐，并檢測與現有模型的偏差。

圖3: AI賦能的服務藍圖設計｜來源：愛立信

自動化服務藍圖設計流程可以顯著縮短設計、驗證和啟用新服務藍圖所需的時間，從而加快服務上市時間，提高運營效率。愛立信已經在利用AI能力設計和驗證服務藍圖；而且，AI的使用不僅可以顯著加快服務藍圖的設計和測試時間，還有助于引入新的高級服務編排和保障用例。

從意圖驅動型端到端服務編排向全自主網絡演進

意圖驅動型端到端服務編排是向自主網絡管理過渡的基礎，其重點是服務需要實現哪些目標，而非其自身的實現方式。AI在實現這一范式方面發揮著關鍵作用，因為AI算法可以解釋定義的意圖，自動管理底層網絡資源以實現這些目標，使網絡能夠實時適應新的需求，利用數據進行學習以持續優化性能，并在出現網絡異常或故障時進行自我糾正。讓我們更深入地探討一下AI在徹底變革服務編排和配置方面的潛力。

第一個重要方面是，AI如何通過解釋意圖（高層次的業務或服務目標）并將其轉化為可執行的編排操作來增強服務編排。運營商可以將高級自然語言處理（NLP）技術整合到服務編排堆棧中，使系統能夠解釋以自然語言表達的服務需求，從用戶命令或服務請求中提取有意義的意圖信息，并將其轉化為可執行的基于標準的API調用。通過語義分析，AI模型可以分析這些需求的上下文和語義，以確保能準確地解釋和實現意圖，同時考慮服務實例和網絡的現狀等因素。

圖4: 通過NLP翻譯實現零接觸服務編排｜來源：愛立信

利用API管理認知意圖生命周期

另一個重要方面是認知意圖的生命周期管理，即通過API定義、管理和監控意圖。AI在這里的作用包括解釋觸發器和上下文信息，生成建議并指導閉環決策。AI/ AI/ML可以實時分析替代方案并建議最優的目標服務圖和配置，從而幫助完成動態服務設計和部署。

圖5: 意圖驅動型自主網絡的認知閉環｜來源：愛立信

認知意圖生命周期管理可以自動做出許多原本需要人工干預的決策，從而將資源節約下來用于其他任務，并確保更高效的服務運營。更重要的是，這種方法可幫助實現持續改進，因為AI和ML系統能夠監控過去的決策的成效，并從反饋中學習，以優化意圖解釋并增強未來的服務設計決策。

基于AI的服務保障提高服務可靠性

正確配置并激活端到端服務實例后，需要進行實時監控，以確保其狀態和性能符合預定義的服務意圖；這些意圖被設計為一組服務等級關鍵性能指標（KPI）。為了實現這一目標，服務保障系統會收集網絡遙測數據，并將其匯總為服務等級KPI，然后根據配置的閾值進行監控，以便對任何偏離服務意圖的情況做出主動或被動響應。

提前發現并解決問題！

主動檢測服務意圖違反情況的一個例子是，服務保障系統可以利用AI/ML分析流量歷史。而且，通過將機器學習模型和流量模式應用于歷史數據和實時遙測數據，AI還可以預測潛在的服務降級、“隱性”故障或容量問題。這種方法使網絡運營商能夠采取預防措施，避免運行中斷或性能問題；換句話說，預測分析可以通過提前識別風險來幫助保持服務性能。AI能夠預測未來問題或潛在異常情況，是主動優化網絡服務和資源的關鍵驅動因素。

圖6: AI賦能的服務保障｜來源：愛立信

此外，AI能夠實時解釋數據，因此可以在檢測到異常情況時簡化決策和修復。AI不依賴靜態的預定義策略；相反，它不僅可以精確定位故障位置，還可以提供修復或處理建議和/或決策，然后由服務編排系統執行，以完成閉環處理。AI的建議可繁可簡，可能是簡單的服務和/或資源拓撲更改（如擴展核心網絡功能），也可能是會影響服務實例拓撲設計的更復雜更改。

AI是構建全面可編程網絡的關鍵步驟

將AI技術集成到意圖驅動型服務編排和保障系統中，是推進可編程網絡的關鍵。AI能夠生成、驗證藍圖并將其部署到網絡中，因此有望簡化服務藍圖設計過程的自動化。它利用模式識別和預測建模等ML技術來預測網絡和服務需求，并相應地優化服務拓撲圖和配置。ML算法還可以從持續收集的網絡性能數據中學習，不斷適應和優化服務與網絡運營；對于必須自主適應不斷變化的條件的可編程網絡，這一點至關重要。

此外，AI驅動的解決方案可以實現實時服務監控和保障，確保服務運營不超出預定義意圖和KPI的設定參數范圍。這種持續的監督和自動調整對于確保可編程網絡的無縫運行至關重要。

借助這些能力，AI和ML不僅能降低服務管理的復雜性，還為構建適應能力更強、更高效且具備自我管理能力的網絡鋪平了道路。