2022年自智网络前沿技术白皮书.pdf

自智网络前沿技术白皮书自智网络前沿技术白皮书中国通信学会、中国移动研究院中国通信学会、中国移动研究院20202 22 2 年年 6 6 月月前言5G 和人工智能是引领新一轮科技革命和产业变革的战略性技术，是我国新型基础设施建设的重要内容，是实现网络强国战略的重要支撑。二者的互融互促正在加速全球经济社会数字化、智能化转型。自智网络以自动化与智能化为核心特征，以实现通信网络提质增效、赋能行业数智化升级为目标，是 5G 及未来通信网络与人工智能深度融合的显著发展趋势。当前，全球范围内，各个标准化组织、开源社区、产业联盟等行业组织，通信运营商、通信设备制造商、网管系统集成商、其他 IT 软件厂家、第三方研发机构等产业各方积极布局自智网络技术体系的各个领域，加大创新探索与实践、培养人才、孵化生态、抢占先机。我国的自智网络发展正处于技术突破、融合创新和规模应用的重要窗口期，亟需深化体系性推进，汇聚产业力量，为进一步构筑和持续保持我国通信网络的世界领先优势打造核心发展动能。本报告全面分析自智网络全球发展态势和我国发展现状，研判自智网络关键技术的演进趋势，探讨研发过程中的工程难题，并针对推动产业协作、加速技术实现落地、持续巩固我国优势提出政策建议。人工智能技术与应用委员会2022 年 6 月目录一、研究概述.1二、全球发展态势.3（一）全球态势综述：行业共识，转型起步.3（二）各国发展战略：政策利好，监管趋严.4（三）标准组织布局：覆盖全面，协同不足.61.愿景目标架构领域.62.专业技术领域.83.分级评测领域.104.小结.10（四）产业建设现状：生态完善，突破不足.101.产业全景视图.102.厂商布局分析.11（五）小结.22三、我国发展现状.23（一）我国现状综述：深耕 5G 产业，促进互融共生.23（二）国内标准布局：标准牵引升级，对齐世界前列.24（三）国内产业现状：聚集规模优势，增强自主可控.27（四）小结.28四、产业进展与技术预见.30（一）产业进展.301.中国移动商用实践.302.中国电信商用实践.323.中国联通商用实践.334.华为公司商用实践.355.中兴公司商用实践.366.亚信公司商用实践.387.爱立信公司商用实践.398.诺基亚公司商用实践.40（二）技术预见.411.网络智能化能力需要核心算法的攻关突破.422.智能化应用呈现分层分域的构建态势.433.通用型平台加速各层各域的规模应用.454.智能型基础使能云网边算的业务创新.465.标准融通开源共享支撑体系化演进.48五、工程难题.50（一）自智网络智能化能力建设缺乏基础支撑.501.感知：实时动态感知.502.诊断：跨层关联分析.503.预测：综合智能预测.504.控制：全局最优决策.51（二）核心技术突破缺乏赋能原料.511.环境：智慧能力研发亟需柔性网络环境.512.知识：密集网络知识亟需体系化表达.523.数据：海量异构数据亟需标准化开放.52（三）规模价值挖掘缺乏体系协同.531.平台：规模化发展需统一共性需求.532.体系：产业链牵引需协同标准体系.543.度量：规模化应用需构建评测规范.55六、政策建议.56（一）技术政策建议.561.引导产学研用协同助力核心算法攻关.562.构建网络 AI 关键架构实现工程能力突破.563.打造开放创新平台降低协同创新门槛.57（二）产业政策建议.571.优先构建国内产业，同步引领国际布局.572.加强跨行业合作，推动创新应用发展.583.出台数据合规政策，鼓励规范数据开放.59参考文献.60图目录图 1运营商自智网络研发阶段分布.4图 2自智网络标准及开源布局示意图.6图 3TM Forum 自智网络框架.7图 4自智网络产业链全景视图.11图 5四横一纵研发布局示意图.42图 6“线”状流程集成能力示意图.44图 7“面”状智能化平台示意图.46表目录表 1产业链上游芯片厂商布局分析.13表 2产业链上游数据开放平台分析.14表 3产业链上游开放数据集分析.15表 4产业链中游开发框架分析.16表 5产业链中游开放平台分析.17表 6产业链中游算法研发产出分析.20表 7CCSA 自智网络行业标准布局.25缩略语3GPPThe 3rd Generation Partnership Project第三代合作伙伴项目AAAAuthentication,Authorization,Accounting认证、授权、计费AIArtificial Intelligence人工智能AIIAArtificial Intelligence Industry Alliance人工智能产业发展联盟ANIMAAutonomicNetworkingIntegratedModel and Approach自治网络集成模型与方法BSSBusiness Support Systems业务支撑系统CBSSCentralized Business Support Systems集中业务支撑系统CCPACalifornia Consumer Privacy Act加利福尼亚州消费者隐私保护法案CCSAChinaCommunicationStandardsAssociation中国通信标准化协会CFNComputing Force Network算力网络CI/CDContinuous Integration/ContinuousDelivery持续集成/持续交付CSCircuit Switched电路交换CTCommunication Technology通信技术DPIDeep Packet Inspection深度报文检测eMBBEnhanced Mobile Broadband增强移动宽带ETSIEuropeanTelecommunicationsStandards Institute欧洲电信标准化协会FATEFederated AI Technology Enabler联邦 AI 技术框架FG-ML5GFocus Group on Machine Learning forFuture Networks including 5G机器学习-未来网络焦点组GANGenerative Adversarial Network生成对抗网络GPDRGeneral Data Protection Regulation通用数据保护条例GTIGlobal TD-LTE InitiativeTDLTE 全球发展倡议IBNIntent based networking意图驱动网络ICTInformationandCommunicationsTechnology信息与通信技术IDCInternational Data corporation国际数据公司IDMIntent Driven Management意图驱动管理IETFInternet Engineering Task Force互联网工程任务组IMSIP Multimedia SubsystemIP 多媒体子系统IOTInternet of Things物联网ITInternet Technology互联网技术ITUInternational Telecommunication Union国际电信联盟KPIKey Performance Indicator关键绩效指标KQIKey Quality Indicator关键质量指标MANOManagement and Orchestration网络功能虚拟化管理和编排MDAManagement Data Analytics管理数据分析MDTMinimization of Drive Test最小化路测MDTMobile Data Terminal移动数据终端MSSManagement Support Systems管理支撑系统NETMODNetwork Modeling网络建模NFVNetwork Function Virtualization网络功能虚拟化NLPNatural Language Processing自然语言处理NMRGNetwork Management Research Group网络管理研究组NWDANetwork Data Analytics网络数据分析OLTOptical Line Terminal光线路终端ONAPOpen Network Automation Platform开放网络自动化平台ONFOpen Networking Foundation开放网络基金会ONNXOpen Neural Network Exchange开放神经网络交换OSSOperation Support Systems运营支撑系统OTNQptical Transport Network光传送网OWLWeb Ontology Language网络本体语言PNDAPlatform for Network Data Analytics网络数据分析平台PSPacketSwitched分组交换RANRadio Access Network无线接入网RCARoot Cause Analysis根因分析RICRAN Intelligent Controller无线接入网智能控制器RMSRemote Management System远程管理系统SDNSoftware Defined Network软件定义网络SLAService Level agreement服务等级协议SLSService Level Specification服务等级规范SONSelf-Organizing Network自组织网络TMFTM Forum电信管理论坛TPUTensor Processing Unit张量处理器VNFVirtualized Network Function虚拟化网络功能YANGYet Another Next Generation下一代数据建模语言ZSMZerotouchnetwork&ServiceManagement零接触网络和服务管理1一、一、研究概述研究概述自智网络通过构建网络全生命周期的自动化、智能化运维能力，为网络服务的客户提供“零等待、零故障、零接触”的极致业务体验，为网络生产一线打造“自配置、自修复、自优化”的高效运维手段。自智网络将 AI 技术与通信网络的硬件、软件、系统等深度融合，助力使能业务敏捷创新、网络运营智能、构建智慧内生网络。自智网络围绕“单域自治，跨域协同”的核心思想，分层次构建体系化能力，实现全场景网络自动化和智能化，其目标架构从下到上包含网元管理（提供网元内置的自动化运维能力）、网络管理（提供面向网络的单专业自动化运维能力）、服务管理（提供面向网络和业务的跨专业自动化运维能力）和业务管理（提供面向客户的自动化服务管理能力，统一提供客户触点）等四个层次，以及资源闭环（单专业资源管理，实现单域自治）、业务闭环（面向业务的、跨专业的端到端管理，实现跨域协同）与用户闭环（用户与商务管理，包括用户信息、营业、计费、客服等）等三个闭环。自智网络愿景已成为行业共识。全球范围内，通信业各标准组织、行业组织、开源社区等积极推进自智网络的产业布局，覆盖通信技术、人工智能技术、分级标准与评测等各个领域，自智网络的技术研发和商用落地不断加快，产业呈现蓬勃发展态势。自智网络产业链的全景视图包括上游基础层、中游技术层和下游应用层：上游基础层，包括通信网络、智能算力、开放数据三个方面。在通信网络方面我国处于行业领先地位，在智能算力方面美国凭借先2发优势成为全球行业领导者；中游技术层，包括人工智能算法理论、开发框架和开放平台，是中美科技博弈的角力场；下游应用层，包括应用产品研发、标准制定等，我国产业界积极布局与持续创新，目前处于全球领先地位。然而，通信网络是一个高体系性、高复杂度、高动态性的工程系统，人工智能在其中规模应用的理论基础和技术实践相对薄弱。从产业当前发展情况看，自智网络在技术研发和应用落地方面仍然面临着诸多难题。首先，网络能力配套缺乏实时动态感知、跨层关联分析、综合智能预测和全局最优决策等基础设施；其次，核心技术突破缺乏环境、知识、数据等赋能原料；最后，规模价值挖掘缺乏平台沉淀、产业标准和动态评测的体系化协同，难以为自智网络的蓬勃发展汇聚合力。为此，建议在技术层面上引导产学研协同助力核心算法攻关；在产业合作层面上推进构建开放创新平台，倡导跨国别、跨行业、跨领域合作，促进数据、知识流通，推动创新应用发展；在政策层面建立数据共享标准体系，出台数据安全合规开放政策。通过产、学、研、用等各方将创新资源的聚焦投入，攻关和解决自智网络的核心科学问题和技术难题，实现通信网络提质增效、赋能行业数智化升级，引领未来产业发展。3二、二、全球发展态势全球发展态势（一）（一）全球态势综述：行业共识，转型起步全球态势综述：行业共识，转型起步随着科技革命和产业变革的持续深入推进，全球加速迈入数智经济时代，已有 170 多个国家发布了数字化战略，40 多个国家发布了国家层面的人工智能科技发展战略或规划。IDC 预计1，2020 年到2023 年，全球数字化转型投资将达到 6.8 万亿美元。通信网络作为支撑数智经济发展的关键基础设施通信网络作为支撑数智经济发展的关键基础设施，自身正处在云自身正处在云化化、软件化的转型发展浪潮之中软件化的转型发展浪潮之中。通信网络的新技术与现代人工智能技术的两相契合带来了网络智能化技术的新发展，加速了以自动化、智能化为特征的自智网络的建设步伐。信息通信领域的标准组织、开源社区、公司纷纷布局自智网络领域。据 Tractica/Ovum 研究，到 2025年，作为目前最大的人工智能细分市场，全球通信业对人工智能的软件、硬件和服务的投资将达 367 亿美元。打造自智网络是一项复杂的系统工程打造自智网络是一项复杂的系统工程，需要完整的顶层设计需要完整的顶层设计、统统一的标准一的标准定义定义和目标架构和目标架构、清晰清晰的演进路径以及的演进路径以及相匹配相匹配的组织文化的组织文化与与人员人员。当前全球电信网络的自智水平尚处于起步阶段。如果按照全球普遍认可的 L1-L5 五级分类方法来定义，根据 2021 年 TMF 面向全球电信服务提供商会员的自智网络第二轮问卷2结果分析，约半数运营商实现了 L2 级水平，并正在向 L3 级别努力。2021 年 NGMN 调研结果显示，运营商主体在尚未启动、概念验证分散试点、规模商用与长远计划五个研发阶段中，超过半数处于分散试点阶段，约五分之一左右进入规模商用成熟期。4图 1 运营商自智网络研发阶段分布（二）（二）各国发展战略：政策利好，监管各国发展战略：政策利好，监管趋严趋严各国政府在推进 5G、人工智能发展方面均制定了积极的政策鼓励和支持技术研发创新。美国在 2018 年发布美国机器智能国家战略报告，旨在加大机器智能的研发资金支持，促进技术快速安全发展，巩固美国领先地位。2019 年启动“美国人工智能计划”，发布国家人工智能研究与发展战略计划，再次强调联邦政府对于人工智能研发投资的支持。同年发布“网络与信息技术研发计划”，表示 2020 财年预算将重点推进人工智能、第五代移动通信等关键技术与产业发展。2020 年，欧盟委员会发布塑造欧洲数字未来战略，涵盖了从网络安全到关键基础设施的数字化变革理念，希望建立以数字技术为动力的欧洲社会。作为战略实施的一部分，发布欧盟人工智能白皮书，在人工智能和网络等领域建立和部署尖端的联合数字能力。2021 年 3 月，欧盟委员会发布了2030 数字罗盘：欧盟数字十年战略（2030 Digital Compass:the European way for the Digital Decade）报告，为欧盟数字化发展提供战略建议。报告指出，欧盟的数字化发展落后于美国和中国，欧盟应该通过加强人员的数字化技能培训加5强数字化基础设施投资、鼓励企业进行数字化转型。欧盟提出到 2030年，5G、物联网、边缘计算、人工智能、机器人和增强现实等数字技术将成为基于数字共享经济的新产品、新制造流程和新商业模式的核心。只有具备互联互通、微电子和海量数据处理能力等可持续的数字基础设施后，才能建立起数字化领先地位。德国于 2018 年推出高技术战略 2025和德国人工智能发展战略，以及 2025 年 30 亿欧元的投资计划确保其落地实施，通过整体政策框架的制定，强调利用人工智能应用提高德国整体国际竞争力。日本于 2018 年发布第 2 期战略性创新推进计划（SIP），着重推进大数据和人工智能技术在生物、医疗、物流等生产场景的应用融合。2019 年发布科学技术创新综合战略 2019，提出建设超智能社会的目标3。随着通信网络、云计算等基础设施的不断发展，用户和行业的数据不断汇聚，如何在使用数据的同时保护好数据隐私和安全已经成为了世界性的普遍趋势，各国都在加强对数据使用的监管。美国在 2018 年颁发 2018 加州消费者隐私法案，又名“CCPA”，于 2020 年开始在全美推行，CCPA 要求违规企业向每个被泄露数据的用户赔偿 100 到 750 美元不等。2018 年 5 月，欧盟通用数据保护条例（GPDR）正式生效，加强对欧盟境内居民的数据隐私保护，对于违反条例的行为，判罚最高可达 2 千万欧元或企业全球年收入的 4%。2020 欧盟发布欧洲数据战略，提出通过建立跨部门治理框架、加强数据基础设施投资、打造6公共欧洲数据空间等措施，构建“数据敏捷经济体”。日益严格的法律法规对推进网络人工智能技术发展提出新的挑战，在这种背景下，用户和网络数据共享的范围、形式、合规性等基本要求亟需政策细则的引导与规范，产业也需要加大在隐私保护计算、多方安全计算等方面的技术研发力度。（三）（三）标准组织布局：覆盖全面，协同标准组织布局：覆盖全面，协同不足不足3GPP、ITU-T、IETF、ETSI 等相关标准组织，以及 Linux 基金会、TIP、Openstack 基金会等开源社区纷纷开展自智网络相关的技术标准与参考实现的研发工作，积极推进自智网络的标准化布局，争夺网络智能化的产业话语权。图 2 自智网络标准及开源布局示意图目前产业的自智网络标准主要分为三个领域：1.愿景目标架构领域TM Forum 是最早布局自智网络的标准组织之一4-6。2019 年 5月举办的数字转型系列峰会期间，由中国移动等公司主导发布的 TMForum 自治网络白皮书7率先提出自治网络的概念，并于 2021 年710 月正式命名为自智网络。自智网络为未来网络管理提供参考架构和管理框架，一方面为垂直行业的客户定义全自动零等待、零接触、零故障（Zero-X）的创新网络和 ICT 服务，另一方面为服务运营商的规划、服务/营销、运营和管理，提供具备自配置、自修复、自优化和自演变（Self-X）能力的通信网络基础设施。如图 3 所示，在 TM Forum 自智网络的愿景目标架构7中，底层网络资源被划分成包含网络设备及其管控系统的自治域，对外提供封装后的网络服务，对内运维管理高度自动化；以自治域为基础，形成分别对应资源运营、业务运营和商务运营的三个管理层次，层内提供自动闭环，层间通过意图接口简化交互，使上层服务调用独立于下层实现。图 3 TM Forum 自智网络框架82.专业技术领域2017 年，ITU-T SG13 建立了包括 5G（FG-ML5G）在内的面向未来网络的机器学习焦点小组，并先后发布了面向未来网络的机器学习8和数据处理框架推荐标准9。成立于 2017 年的 ISG ZSM 是 ETSI 旗下由欧洲运营商主导、聚焦通信网络跨域端到端网络运维管理自动化的专项工作组，当前工作集中如何在 ZSM 框架中引入闭环自动化，并针对数据驱动的机器学习和 AI 算法进行优化10。针对移动通信网络，自 4G 以来，3GPP 已开始通过引入无线专业的自组织网络（SON）控制闭环和路测最小化（MDT）数据采集增强机制，实现移动网络的部分自动化。面向 5G，除了在无线工作组 RAN 和网管工作组 SA5 继续完善增强 SON/MDT11-13之外，3GPP的核心网架构工作组 SA2 和网管工作组 SA5 还分别引入了针对核心自治域与服务运维层次的本地智能分析逻辑功能 NWDA14-16和MDA17，以及闭环 SLS 保证机制18-20和意图驱动管理接口 IDM21-22。针对无线接入网络，2019 年，O-RAN 联盟参照 3GPP 的 5G RAN网络架构发布了无线智能管控架构23，以及在其中应用 AI/ML 技术的指南24。其中包含对应于服务运维域的非实时无线智能控制器Non-RT RIC 和对应于无线自治域的近实时无线智能控制器 Near-RTRIC25，以及对应于基础设施域的虚拟化白盒网元管理系统26-27。目前正在制定和完善无线自治域北向意图接口标准 A1AP28和基础设施域北向规则接口标准 E2AP29。9针对 IP 承载网络，IETF 早在 2014 年便正式成立了自主网络（Autonomic Network）工作组 ANIMA，并于 2015 年发布了对应于传输自治域 IP 网络的自主网络概念定义30和需求分析31。基于 IETF开发的 YANG 数据建模语言32和网络配置协议33-34，网络管理模型工作组 NETMOD 和网络管理研究组 NMRG 正在分别进行自主网络北向规则接口标准35和意图接口管理需求36的研发工作。负责 OpenFlow 系列协议标准制定的 ONF，于 2015 年 4 月在控制器北向接口项目组成立意图驱动网络（IBN）研究课题，并于 2016年 10 月发布基于其 SDN 功能架构37与北向接口实现 IBN 的参考指南38。针对基础设施领域，ETSI ISG NFV 将 MANO 自动化作为近期主要工作目标之一，为此开展了针对虚拟基础设施层自动闭环的规则策略39和意图框架40，以及面向 VNF 持续迭代 CI/CD 测试标准41-42的研发工作。ETSI ISG ENI，致力于定义认知网络管理架构。主要关注网络 AI 应用类别43，以及用于增强网络智能的通用功能架构44，但其与已有网络管理体系的映射工作迟迟未有实质性进展45。2017 年和 2018 年相继成立的 Linux 网络基金会和 Linux 人工智能与数据基金会，分别提供了开放网络自动化平台 ONAP46、开源SDN 控制器 OpenDayLight47、网络大数据与 AI 工具集 PNDA48，以及模型集市 Acumos49、深度学习推理加速工具 Adlik50等一系列面向网络智能化的通用自动化平台与智能化工具。103.分级评测领域自智网络的部署面临迭代演进，需要统一的代际特征定义，因此分级评测也是自智网络标准布局的重要领域。2019 年基于自动驾驶汽车分级框架和认知闭环（执行、感知、分析、决策、意图体验）的网络智能化分级框架被 TM Forum 的自治网络白皮书 1.0采纳发布后引起业界广泛关注。3GPP51-52、TM Forum53、ITU-T54随后分别启动了针对网络与服务运营层次的智能化分级研究课题、推荐标准与行业标准项目。2020 年，GTI 的 eMBB 课题组55启动网络智能化专项并应用分级框架对网络智能化应用进行初步评估。4.小结总体来看，国际标准组织的自智网络标准布局已经相对完善，但不同标准组织之间的标准规划相对独立，按专业领域分工的特点明显，相互协作模式松散，难以为需要跨层跨域进行统一规划建设的自智网络建立体系化规范56。为此，需要引导产业各方建立面向全程全网自动化和智能化能力体系建设的跨组织协作平台。（四）（四）产业建设现状：生态完善，突破不足产业建设现状：生态完善，突破不足1.产业全景视图如图 4 所示，自智网络的产业链可以划分为上游基础层、中游技术层和下游应用层。其中，11图 4 自智网络产业链全景视图 基础层基础层，包括通信网络、人工智能算力基础设施、智能化所需大数据等，为自智网络提供所需设备、算力与数据支撑，以通信设备厂商、人工智能芯片厂商为代表形成上游生态。技术层技术层，包括自智网络相关的网络智能化算法理论、算法开发框架、核心算法、开放平台。应用层应用层，包括面向自智网络各个层次研发的智能化应用（如基站节能、故障诊断、资源核查等）。从部署方式角度，网络智能化应用可以划分为内嵌式和外挂式两类：前者指嵌入网络设施线上管理流程的智能化应用，如基站智能节能、无线覆盖智能优化等；后者指其他离线管理应用，如费用稽核、设备识别等。2.厂商布局分析自智网络全产业链厂家数量与类型众多。上中下游都有多家活跃的 IT 和 CT 厂家，尤其是巨头厂家凭借前期技术积累，在产业中整12体具备较大优势。同时，产业生态丰富，市场竞争充分，既包括华为、中兴、百度、中国移动、谷歌和诺基亚等跨域布局，产品覆盖产业链两个或多个环节的厂家，也有寒武纪、英伟达等只聚焦于某一环节发力的厂商，既有产品覆盖范围广泛、研发实力雄厚的超大规模从业者（Hyperscaler），也有优质的新型独角兽企业。产业链上游：产业链上游：在通信网络方面，我国在通信网络方面，我国 5G5G 移动通信产业已初步形移动通信产业已初步形成全球引领态势成全球引领态势，持续领跑全球，持续领跑全球 5G5G 发展。发展。我国无线基站、核心网、传输承载网、智能终端等制造全球领先，具有相对完整的产业链和最大规模的制造基地。截至 2021 年底，我国基站设备占全球份额 60%以上，光通信设备和智能手机全球市场份额排名第一；移动信息网络基础设施领先，网络覆盖广、规模大、质量好。截至 2022 年 5 月底，我国共开通 5G 基站 170 万个，形成全球规模最大的 5G 网络。在在人工智能人工智能算力方面算力方面，以以 AI 芯片芯片为核心为核心，云侧芯片美国公司优云侧芯片美国公司优势明显势明显，而而边侧和端侧芯片应用规模较小边侧和端侧芯片应用规模较小，国际上没有形成垄断的规国际上没有形成垄断的规模优势，群雄并起。模优势，群雄并起。自智网络中 AI 芯片使用场景包含云侧、边侧和端侧，每一侧又可以分为训练和推理两种任务。如表 1 所示，英伟达作为 GPU 架构的发明者从 2016 年发布为深度学习优化的第一款 GPU 芯片起，在云侧 AI 芯片市场一家独大。其他头部公司，如谷歌、华为、阿里、百度、寒武纪、燧原科技等大力追赶。Intel 在 2022 年推出 Gaudi2 加入13云端芯片市场竞争，而其他中小厂商多针对特定的 AI 场景推出端侧或边侧芯片产品。在目前的自智网络智能化应用场景中，绝大部分应用属于边或端部署的分布式推理场景，而相对云场景而言边侧和端侧芯片市场更为活跃，初创企业更多，美国头部厂商的垄断优势不明显。表 1 产业链上游芯片厂商布局分析厂家厂家地区地区训练训练推理推理场景场景工艺工艺类型类型应用应用英伟达英伟达美A100云7nmGPU数据分析；深度学习；高性能计算IntelIntel美Gaudi2云7nmGPU智能推荐；自然语言处理；图像分类等主流 AI 场景谷歌谷歌美TPU V4.0云7nmASIC图像和语音识别；机器翻译；数据中心华为华为中昇腾 310云边端12nmASIC智慧交通；智慧电力；智能安防昇腾 910云7nmASIC云端 AI 训练寒武纪寒武纪中思元 290云7nmASIC数据中心思元 370云7nmASIC视频分析；语音合成；推荐引擎地平线地平线中征程 5端16nmASIC汽车自动驾驶旭日 3边端16nmASICAIoT阿里平头阿里平头哥哥中含光 800云12nmASIC边缘服务器；数据中心等百度百度中昆仑芯 2云7nmASIC智慧城市；智慧工业等燧原科技燧原科技中邃思 2.5云12nmASIC数据中心；计算机视觉；语音合成识别等ImaginatImaginationion欧IMG 4NX-MC1端GPU数据中心；汽车自动驾驶数据数据基础基础方面方面，国内外头部企业积极国内外头部企业积极建设建设开放开放 AI 数据平台数据平台，但但经典开放数据集集中于传统经典开放数据集集中于传统 AI 域域，缺少面向缺少面向自智自智网络领域的高质量网络领域的高质量数据集。数据集。如表 2 所示，美国头部企业和高校建设了大量 AI 公用数据集开14放平台，积累较多。国内数据开放平台近两年由头部企业和新兴科技公司新建。格物钛还同时布局开源社区生态，影响力逐步扩大，但相比国外数据开放平台，在承载的数据规模上还有明显差异。表 2 产业链上游数据开放平台分析平台名称平台名称提供方提供方地理位置地理位置限定领域限定领域开放时间开放时间数据集规模数据集规模Kaggle datasets谷歌美否2010超 2 万个数据集Registry of Open Dataon AWS（RODA）Amazon美否2018341 个数据集BigQuery 公共数据集谷歌美否2010239 个数据集Microsoft ResearchOpen DataMicrosoft美否2018101 个数据集UC Irvine MachineLearning Repository加州大学欧文分校美否1987622 个数据集Visual data哥伦比亚大学美计算机视觉2017840 个数据集天池阿里中否2015官方数据集 170和鲸社区(原名科赛网)和鲸科技中否20155000G 海量数据集Graviti Open Datasets格物钛中否20201000+优质数据集MagicHub.io爱数智慧中NLP2021190+数据集千言中文开源数据集百度中NLP202036 个数据集如表 3 所示，在开放数据集方面，高校、研究机构贡献较高；传统 AI 研究领域如 NLP、目标检测等，拥有众多影响力较高的数据集，且大部分被数据开放平台所托管，而在网络智能化领域，开放数据集数量少、分散独立维护、影响力较小。产业链中游产业链中游：开开发发框架生态丰富框架生态丰富，开放平台能力沉淀深厚开放平台能力沉淀深厚，但网但网络络 AI 特有本质数学问题抽象不够、核心算法匮乏。特有本质数学问题抽象不够、核心算法匮乏。首先首先，开发框架开发框架方面方面，美国美国头部企业和高校以及个人开发头部企业和高校以及个人开发者者贡献贡献了了多种多种 AI 开发框架开发框架，覆盖了所有功能和部署场景覆盖了所有功能和部署场景。中国华为和百度中国华为和百度开发开发框架较为成熟。框架较为成熟。15表 3 产业链上游开放数据集分析研究研究领域领域应用应用场景场景数据集名称数据集名称发布方发布方地理地理位置位置数据集规数据集规模模开放开放时间时间平台平台托管托管通用AI自动驾驶KITTI德国卡尔斯鲁厄理工学院丰田美国技术研究院美欧312MB440GB2011是CityScapes由奔驰自动驾驶实验室、马克思普朗克研究所、达姆施塔特工业大学欧74.15GB2016是BDD100K伯克利大学 AI 实验室（BAIR）美6.42GB2018是nuScenes美国 Motional 公司美547.98GB2019是目标检测COCO Common Objects inContext微软美83.39GB2015是PASCAL VOC出自 PASCAL VOC 挑战赛欧1.86GB2005是ImageNet斯坦福大学、Kaggle 公司美欧148G2009否OpenImage谷歌美671.41GB2018是人脸识别YouTube Face DB以色列特拉维夫大学以671.41GB2012是CelebA香港中文大学中9.55GB2016是IMDB-WIKI苏黎世联邦理工学院欧276.23GB2015是LFW美国马萨诸塞州立大学美1.29GB2007是文本检测MNIST美国国家标准与技术研究所美12MB1998是SVHN斯坦福大学美3.92GB2011是CCPD中科大中23.48GB2019是NLPcommon voiceMozilla美50.06GB2018是LibriSpeechASR约翰霍普金斯大学美140.02GB2015是20NewsGroups加州大学美44.31MB2008是Mandarin ChineseScripted Speech Corpus爱数智慧中1.4GB2021是GLUE纽约大学、华盛顿大学、谷歌、DeepMind等美569.38MB2018是网络AI通信网络RF Datasets For MachineLearningDeepSig美20G2016否CELLULAR COMMUNICATIONSIGNAL DATASET伊斯坦布尔技术大学欧55.19GB2022否WIDE backbone networkWIDE Project日、美2GB/天2001-20182000否Telecom Dataset上海电信中218.8MB2018否智能运维GAIA(Generic AIOps Atlas)云智慧中1.26G2021否Loghub香港中文大学中77GB2018否16如表 4 所示，从开发者数量和社区活跃程度来判断，最受欢迎的AI 开发框架前三名依次是谷歌贡献的 Tensorflow、Facebook 贡献的Pytorch、以及百度的 PaddlePaddle。表 4 产业链中游开发框架分析社区社区地地区区基金会基金会许可协议许可协议贡献贡献方方框架框架功能功能场场景景应用应用种子种子代码代码开发开发者者数数TensorFlow美ApacheApache2.0谷歌2977训练推理联邦学习云边端Google 搜索、Google 语音搜索、广告、Google 相册、Google 地图、Google 街景、Google翻译和YouTubePyTorch美/非标协议Facebook1858训练推理联邦学习云边端汽车工业、飞行员的自动驾驶系统、媒体内容分类和推荐、工业应用机器人PaddlePaddle中ApacheApache 2.0百度886训练推理联邦学习云边端百度 feed、好看视频、百度地图、百度 OCR、百度糯米、百度搜索、百度翻译Mindspore中ApacheApache2.0华为510训练推理联邦学习云边端MindSpore 的端侧推理能力已应用在华为手机搭载的 HMS 4.0,主要支撑ML-kit 使能的手机 AppMXNet美ApacheApache2.0亚马逊微软860训练推理云边端自动驾驶CNTK美/MIT微软202训练推理云边端微软 Cortana 个人数字助理（语音识别、搜索排名、广告点击预测）OneFlow中ApacheApache2.0一流科技48训练推理云端超大规模模型训练其次其次开放平台方面开放平台方面，如如表表 5 所示所示，世界范围内世界范围内，主流主流 IT 和和 CT厂家厂家广泛布局广泛布局，前者前者在算力在算力资源管理与资源管理与通用通用 AI 能力积累沉淀方面能力积累沉淀方面具具有有明显明显的规模优势。的规模优势。17表 5 产业链中游开放平台分析平台名称平台名称地理地理位置位置功能功能场景场景标准标准应用应用训练训练推理推理云云边边端端ONNXONNX讯飞开放平台讯飞开放平台中是是是是不确定不确定智能办公；智能客服；智慧媒体；车载百度智能云百度智能云 AIAI 平台平台 BMLBML中是是是是是支持医疗；交通；安防阿里机器学习平台阿里机器学习平台 PAIPAI中是是是是是不确定智能交通；智能物流；智能安防腾讯智能钛机器学习腾讯智能钛机器学习 TI-MLTI-ML中是是是是否支持智能推荐；智能检测；智能运维；智能医学筛查商汤商汤 AIAI 人工智能计算平台人工智能计算平台中是是是是是不确定智能安防；智能交通；运营商场景华为华为 modelartsmodelarts中是是是是是支持智能推荐；领域研究；产品质检中兴中兴 uSmartInsightuSmartInsight中是是是是是支持网元智能化；网络运维编排微软微软 AzureAzure 机器学习、机器学习、AzureAzure DatabricksDatabricks美是是是是不确定支持智能