智能社會(huì)腳步漸近，在你看得到或看不到的地方，變革正在發(fā)生。

作為數(shù)字化底層平臺(tái)的電信行業(yè)正身處變革的中心。未來(lái)的數(shù)字孿生將無(wú)處不在，各個(gè)垂直行業(yè)擁抱數(shù)字化的進(jìn)程帶來(lái)了萬(wàn)億美元級(jí)的市場(chǎng)想象空間，為人口紅利漸逝下的運(yùn)營(yíng)商們實(shí)現(xiàn)新的商業(yè)增長(zhǎng)提供了絕佳機(jī)會(huì)；而硬幣的另一面則是，用戶(hù)需求的持續(xù)提升、傳統(tǒng)業(yè)務(wù)的每況愈下、行業(yè)整體現(xiàn)狀的相對(duì)不健康、來(lái)自跨界競(jìng)爭(zhēng)的壓力乃至今后業(yè)務(wù)發(fā)展市場(chǎng)環(huán)境的種種不確定性，都挑戰(zhàn)著運(yùn)營(yíng)商所主導(dǎo)的整個(gè)價(jià)值鏈。

無(wú)論機(jī)會(huì)還是挑戰(zhàn)，都驅(qū)使著運(yùn)營(yíng)商必須作出改變。面向智能化、“以客戶(hù)為中心”的網(wǎng)絡(luò)架構(gòu)層面的重構(gòu)與轉(zhuǎn)型，將是一切的前提。今年4月，華為創(chuàng)造性地在全云化網(wǎng)絡(luò)構(gòu)架基礎(chǔ)上引入AI技術(shù)，提出SoftCOM AI戰(zhàn)略及架構(gòu)，以此來(lái)推動(dòng)電信網(wǎng)絡(luò)的自動(dòng)、自?xún)?yōu)、自愈、自治，從而實(shí)現(xiàn)運(yùn)維效率倍增、能源效率倍增、資源效率倍增以及用戶(hù)體驗(yàn)的大幅提升。

如今，隨著將運(yùn)營(yíng)商網(wǎng)絡(luò)訴求和難點(diǎn)不斷收斂與提煉，華為SoftCOM AI團(tuán)隊(duì)已經(jīng)識(shí)別出部分轉(zhuǎn)型焦點(diǎn)場(chǎng)景，并針對(duì)這些場(chǎng)景形成了相應(yīng)的可操作可執(zhí)行的解決方案與用例，并且已經(jīng)和運(yùn)營(yíng)商展開(kāi)試點(diǎn)——考慮到以往一項(xiàng)技術(shù)由概念到落地往往需要數(shù)年時(shí)間，這個(gè)速度不可謂不快。在近期的一場(chǎng)采訪(fǎng)中，華為專(zhuān)家就此向記者作了充分的展示與分享，涉及的場(chǎng)景種類(lèi)包括通過(guò)預(yù)測(cè)性分析實(shí)現(xiàn)主動(dòng)優(yōu)化（如基站智能節(jié)能）、解決重復(fù)低效工作問(wèn)題以提升效率（如PON故障定位）、解決海量數(shù)據(jù)下無(wú)法做到人工全量處理的問(wèn)題（如Massive?MIMO尋優(yōu)）等。

基站智能節(jié)能

有統(tǒng)計(jì)顯示，基站站點(diǎn)能耗費(fèi)用（電費(fèi)）占到網(wǎng)絡(luò)運(yùn)營(yíng)成本的16%之多，為優(yōu)化成本結(jié)構(gòu)和促進(jìn)社會(huì)效益，針對(duì)基站站點(diǎn)的節(jié)能減排已成運(yùn)營(yíng)商的一大努力目標(biāo)。

分解開(kāi)來(lái)看，傳統(tǒng)宏基站能耗構(gòu)成中基站主設(shè)備占50%、射頻單元能耗占主設(shè)備能耗的80%、功放（PA）能耗又占到射頻單元能耗的79%——隨著分布式基站成為主流建站方式，基站主設(shè)備能耗占比將繼續(xù)提高。與此同時(shí)，網(wǎng)絡(luò)話(huà)務(wù)量往往存在明顯的潮汐效應(yīng)，忙時(shí)與閑時(shí)能達(dá)到4倍的差距，但大部分基站設(shè)備卻始終保持持續(xù)運(yùn)行狀態(tài)（所有資源24小時(shí)一直開(kāi)），能耗并沒(méi)有隨話(huà)務(wù)量動(dòng)態(tài)調(diào)整，造成了相當(dāng)大的浪費(fèi)。因此對(duì)于主設(shè)備而言，如何通過(guò)基站載波睡眠的方式降低能耗就成為了基站節(jié)能的主要考慮方向。

?

通俗地講，基站智能節(jié)能就是降低或關(guān)閉搭載載波的功放模塊，功放模塊是個(gè)硬件實(shí)體，用于將調(diào)制好的載波信號(hào)加大功率發(fā)送出去。載波睡眠所針對(duì)的是一個(gè)扇區(qū)有2個(gè)載波（2個(gè)小區(qū)）及以上覆蓋的場(chǎng)景，將容量小區(qū)的功放模塊關(guān)閉，僅保留覆蓋小區(qū)以滿(mǎn)足基本覆蓋。基站載波關(guān)斷特性不是新鮮事，但目前這個(gè)特性的使用率卻不高，原因是傳統(tǒng)的一刀切方式嚴(yán)重依賴(lài)于定時(shí)關(guān)斷等人工設(shè)置的統(tǒng)一默認(rèn)值，經(jīng)常會(huì)影響到用戶(hù)的通話(huà)和上網(wǎng)體驗(yàn)。

如何讓這么好的特性真正能夠用起來(lái)？如果可以預(yù)測(cè)基站小區(qū)的無(wú)線(xiàn)資源利用率，就可以用來(lái)對(duì)每個(gè)小區(qū)睡眠時(shí)間做出個(gè)性化的精準(zhǔn)設(shè)置，解決基站節(jié)能特性“不敢用”的問(wèn)題。但做到預(yù)測(cè)并非易事，首先需要得到成千上萬(wàn)個(gè)小區(qū)的歷史數(shù)據(jù)，比如時(shí)間、鄰區(qū)關(guān)系、事件、無(wú)線(xiàn)資源利用率等特征值，再把這些特征值與無(wú)線(xiàn)資源利用率的映射關(guān)系找出來(lái)；同時(shí)，還要監(jiān)控KPI/KQI的變化，根據(jù)調(diào)整策略部署后KPI/KQI的變化動(dòng)態(tài)調(diào)整關(guān)斷參數(shù)。顯然，靠人工將影響預(yù)測(cè)的不確定因素與無(wú)線(xiàn)資源利用率關(guān)聯(lián)起來(lái)非常困難，在實(shí)踐中基本無(wú)法實(shí)施。

SoftCOM AI的出現(xiàn)完美地解決了這個(gè)問(wèn)題。通過(guò)AI訓(xùn)練平臺(tái)時(shí)空計(jì)算模塊中的神經(jīng)網(wǎng)絡(luò)算法，將各種影響因素的歷史時(shí)空特征數(shù)據(jù)和無(wú)線(xiàn)資源利用率之間的映射關(guān)系找出來(lái)，確定權(quán)重矩陣和偏置矩陣，從而得到無(wú)線(xiàn)資源利用率預(yù)測(cè)模型。在預(yù)測(cè)模型建設(shè)完成之后就可部署到系統(tǒng)中，根據(jù)無(wú)線(xiàn)資源利用率預(yù)測(cè)結(jié)果設(shè)置睡眠門(mén)限參數(shù)，計(jì)算滿(mǎn)足小區(qū)睡眠門(mén)限的時(shí)間段。

據(jù)華為專(zhuān)家介紹，從當(dāng)前在某實(shí)驗(yàn)局的效果來(lái)看，基于AI的基站智能關(guān)斷可幫助運(yùn)營(yíng)商在覆蓋范圍不變、KPI/KQI不受影響的情況下，節(jié)省15%-25%的基站電力消耗。

PON光模塊和光鏈路故障定位及預(yù)測(cè)

作為用于解決“最后一公里”的寬帶解決方案，PON技術(shù)在此前“光進(jìn)銅退”的風(fēng)潮下已經(jīng)在全球廣泛部署。但在享受到技術(shù)帶來(lái)的助益的同時(shí)，PON無(wú)源器件的故障定位困難并缺乏遠(yuǎn)程定位的有效手段，導(dǎo)致了相當(dāng)大的運(yùn)維成本壓力。

根據(jù)某運(yùn)營(yíng)商的統(tǒng)計(jì)，2016年7月-12月共收到用戶(hù)2.5萬(wàn)條投訴，光鏈路和OLT/ONT光模塊（光電轉(zhuǎn)換模塊）故障占比34%。這其中皮纖設(shè)備因?yàn)槌擎?zhèn)改造、鼠類(lèi)咬斷、雨雪天氣等原因造成的故障占比超過(guò)20%，戶(hù)外各種接頭（冷結(jié)子、水晶頭等）故障超過(guò)6%。由于無(wú)源器件無(wú)法發(fā)出任何信息，這一段設(shè)備如果發(fā)生故障將很難準(zhǔn)確定位。

由于光纖線(xiàn)路都埋在管道中無(wú)法檢測(cè)，按照現(xiàn)有流程，一旦家庭寬帶用戶(hù)投訴故障就只能帶著專(zhuān)業(yè)測(cè)試儀器（OTDR）上門(mén)到ONT上檢測(cè)整個(gè)鏈路來(lái)判斷故障原因。而運(yùn)營(yíng)商上門(mén)成本高昂，歐洲平均為175歐元，在中國(guó)亦達(dá)50人民幣，某運(yùn)營(yíng)商2017年一年上門(mén)費(fèi)用的費(fèi)用就達(dá)到了1億人民幣之多。

SoftCOM AI借助于網(wǎng)管系統(tǒng)（U2000、uTraffic等）從ONT/OLT光模塊獲取歷史數(shù)據(jù)，包括模塊類(lèi)型、模塊電壓、模塊電流、模塊溫度、光層告警、光層統(tǒng)計(jì)、發(fā)送功率、接收功率、光距等，從這些數(shù)據(jù)中抽取出特征、打上標(biāo)簽進(jìn)行AI訓(xùn)練。AI訓(xùn)練出來(lái)的模型可以用于實(shí)時(shí)數(shù)據(jù)的推理，得出故障種類(lèi)和故障定界兩方面信息，以此來(lái)實(shí)現(xiàn)故障的精準(zhǔn)定位及預(yù)測(cè)。通過(guò)SoftCOM AI方案提供遠(yuǎn)程定位手段，可將遠(yuǎn)程定位率從30%提升到80%。

Massive MIMO自?xún)?yōu)化配置

5G是電信行業(yè)的下一個(gè)重大機(jī)會(huì)點(diǎn)，在價(jià)值鏈各方的共同推動(dòng)下，它離我們已不再遙遠(yuǎn)。在5G到來(lái)前在網(wǎng)絡(luò)領(lǐng)域做好準(zhǔn)備，正當(dāng)其時(shí)。

在城市環(huán)境中可用無(wú)線(xiàn)頻譜已經(jīng)飽和，為滿(mǎn)足業(yè)務(wù)需求的急速增長(zhǎng)，4G和5G時(shí)代增加天線(xiàn)的數(shù)目不可避免。大規(guī)模天線(xiàn)技術(shù)（Massive MIMO）正是5G時(shí)代的核心技術(shù)之一，想要充分發(fā)揮其優(yōu)勢(shì)，就必須對(duì)Massive MIMO基站的各項(xiàng)參數(shù)進(jìn)行靈活的適應(yīng)性調(diào)整以應(yīng)對(duì)業(yè)務(wù)的變化。

然而，不同地點(diǎn)、不同場(chǎng)景、不同用戶(hù)分布，天線(xiàn)組合的參數(shù)不一。3G時(shí)代天線(xiàn)一共只有13種參數(shù)組合（水平波寬+垂直波寬），很容易通過(guò)專(zhuān)家的經(jīng)驗(yàn)判斷來(lái)選擇；到了4G時(shí)代，天線(xiàn)的參數(shù)組合（水平波寬+垂直波寬+下傾角）數(shù)量增加到數(shù)百種，已經(jīng)很難憑借過(guò)去的經(jīng)驗(yàn)來(lái)判斷；而5G時(shí)代的幾千種參數(shù)組合（水平波寬+垂直波寬+下傾角+水平角）更是人工經(jīng)驗(yàn)判斷所不能實(shí)現(xiàn)的。面對(duì)大量的參數(shù)組合和快速的業(yè)務(wù)變化，加上人工操作效率低、風(fēng)險(xiǎn)大、難以實(shí)施，Massive MIMO基站迫切需要更加智能、可優(yōu)化的機(jī)制。

SoftCOM AI通過(guò)引入AI來(lái)分析處理各種復(fù)雜場(chǎng)景特征和波束參數(shù)組合的對(duì)應(yīng)關(guān)系。極大縮短漫長(zhǎng)的調(diào)試階段，快速得到某個(gè)地點(diǎn)某種場(chǎng)景下的波束的最優(yōu)配置參數(shù)。

在某運(yùn)營(yíng)商的實(shí)際使用中，通過(guò)AI技術(shù)已實(shí)現(xiàn)了短短數(shù)天得到一個(gè)站點(diǎn)的最優(yōu)初始值，效率比傳統(tǒng)方式有了巨大提升。