2021电信行业人工智能应用白皮书.pdf

电信行业人工智能应用白皮书电信行业人工智能应用白皮书中国人工智能产业发展联盟中国人工智能产业发展联盟2021年年3月月ii致 谢本白皮书是在中国人工智能产业发展联盟产学研融合与应用工作组指导下，由电信项目组组织，中国信息通信研究院标准与技术研究所牵头，中国移动通信有限公司研究院、中国电信股份有限公司研究院、中国联合网络通信有限公司研究院、华为技术有限公司、中兴通讯股份有限公司、英特尔（中国）有限公司等联合参与起草。限于编写时间、起草人员知识积累与人工智能电信行业应用发展尚未完全定型等方面的因素，内容恐有疏漏，烦请不吝指正。主要起草人：主要起草人：中国信息通信研究院：程强、刘姿杉、吕博；中国移动通信有限公司研究院：张欢、吴博、王静、宋晓佳、李爱华；中国电信股份有限公司研究院：王峰、赵龙刚、钱兵、曾宇、白燕南；中国联合网络通信有限公司研究院：韩赛、胡雅坤、张冬月、师严、赵良；华为技术有限公司：后希旭；中兴通讯股份有限公司：袁丽雅；英特尔（中国）有限公司：王海宁。AIIA电信行业人工智能应用白皮书iii前 言利用人工智能提供的强大分析、预测与策略优化等能力来赋能网元、网络和业务系统，实现电信网络的智能规建、智能运维、智能优化管控与业务能力提升，已经成为当前国内外电信行业的发展重点。国内外运营商、设备商和服务商等在电信网络智能化方面纷纷布局，电信网络智能化在标准研究、技术验证与落地应用等方面均有重要推进。2020 年，伴随着 5G 网络的大规模商用和网络人工智能平台的建设成熟，越来越多的网络智能化应用与业务得以落地并发挥良好效果。人工智能作为电信网络的重要使能技术已经成为行业共识，网络内生智能将带动新一代信息基础设施的发展演进，促进网络、计算、数据与影响的融合与协同，为 ICT 和各个垂直行业带来全面智能能力的支撑与推动。本白皮书系统分析目前电信网络智能化的总体发展态势与应用现状，集中展示 AI 技术在移动网、固定网络和业务服务应用场景的落地案例，包括故障根因分析、异常小区发现、基站节能、业务内容智能推荐、网络质量智能监控与业务智能识别调优等。随着电信行业人工智能应用不断在现网落地部署并释放价值，AI 将贯穿电信网络端到端全生命周期的运营与演进，实现网络的泛在智能能力，帮助运营商实现数字化转型，带动整个电信产业的智能升级。AIIA电信行业人工智能应用白皮书iv目录一、电信行业人工智能应用总体发展态势.-1-（一）电信网络智能化成新一代信息基础设施发展重点之一.-1-（二）电信行业加大人工智能的研究投入与应用部署.-2-（三）电信网络智能化标准化工作得到积极开展与推进.-5-二、人工智能在电信行业中的发展应用现状.-10-（一）人工智能在电信行业应用概述.-10-（二）人工智能在电信网络与业务中的应用现状分析.-12-（三）当前网络智能化能力等级已达 2-3 级.-15-三、人工智能在电信行业中的应用实践.-18-（一）移动网应用实践案例.-18-案例一：物联网端到端质差识别与定位定段.-18-案例二：智能基站节能.-19-案例三：无线网络异常小区发现.-20-案例四：Massive MIMO 天线权值自适应.-21-案例五：VoLTE 语音质量智能评估.-22-（二）固定网应用实践案例.-24-案例一：面向 IPTV 业务的接入网设备告警定位与故障预测.-24-案例二：IPRAN 故障分析定位.-25-案例三：光传送网故障根因分析.-26-案例四：光传送网智能传输质量管理.-27-AIIA电信行业人工智能应用白皮书v案例五：光网络健康度分析及预测.-28-案例六：无源光网络（PON）链路弱光问题根因分析.-29-案例七：宽带家庭业务识别调优.-30-案例八：家宽网络质量智能监测.-31-案例九：基于学件工具的金融数据中心网络智能运维.-31-（三）业务服务实践应用案例.-32-案例一：网络满意度智能提升.-32-案例二：家宽视频内容智能推荐.-34-案例三：智能语音交互.-35-案例四：内容分发网络（CDN）智能调度.-36-案例五：数据中心智能节能.-37-四、电信网人工智能应用未来发展与展望.-38-（一）网络智能化基础能力持续增强.-38-（二）知识与 AI 融合来更好适配网络智能化应用需求.-39-（三）人工智能技术新范式用于解决网络智能化应用痛点.-39-（四）新技术浪潮下人工智能、云计算与未来网络融合发展.-40-缩略语.-42-AIIA电信行业人工智能应用白皮书-1-一、电信行业人工智能应用总体发展态势（一）电信网络智能化成新一代信息基础设施发展重点之一（一）电信网络智能化成新一代信息基础设施发展重点之一构建智能化社会适应万物互联的新一代信息基础设施，保障信息基础设施的安全，对于促进信息技术与实体经济融合、拓展数字经济空间具有重要意义。目前，全球已经掀起了人工智能应用的浪潮。将人工智能技术引入到新一代通信基础设施，可以为网络、计算、应用等信息基础设施提供基于数据的感知、预测和管控能力，促进网络、计算、应用等基础设施的融合与协同。人工智能在越来越多的复杂场景下可以做出比人类更优的决策，无疑让网络智能化建设开拓了新的视野，给网络的发展带来了前所未有的新机遇，也为电信网络重构转型过程中遇到的众多困难和挑战提供了高效的加速解决路径。人工智能技术可以应用于电信网络实现智能部署，例如智能网络参数配置和智能资源配置；智能运维，例如故障归因分析和网络异常检测；智能优化，包括 SLA 稳定保障和智能设备节能等；智能管理，例如智能网络切片和智能负载均衡等。据 Tractica/Ovum 预测，到 2025 年，电信业整体 AI 用例软件市场将以 48.8%的年复合增长率增至 113 亿美元。目前国内外的标准化组织、运营商和服务商在积极探索电信网络智能化的需求、架构、算法和应用场景，人工智能在网络中的应用正逐步由概念验证进入落地阶段。AIIA电信行业人工智能应用白皮书-2-（二）电信行业加大人工智能的研究投入与应用部署1.国内外运营商在网络规建维优等方面积极引入人工智能技术（二）电信行业加大人工智能的研究投入与应用部署1.国内外运营商在网络规建维优等方面积极引入人工智能技术从 2017 年起，全球运营商开始探索在网络规-建-维-优等全生命周期引入人工智能和大数据技术，来辅助 5G 时代的网络运维。国内三大运营商都已在人工智能领域布局，在智能客服、智慧城市、智慧医疗、智能交通、智能网络运维、智能 5G 网络等多方面展开工作。中国移动在标准化、基础平台和应用实践等方面均有所推进。标准化方面,先后在8个标准化和行业组织积极推动网络智能化水平分级框架和评估方法标准化工作；平台方面，发布了人工智能基础平台“九天平台”，全线孵化系列 AI 能力和应用服务能力；应用方面多个典型案例包括智能客服、网络故障端到端智能运维和业务质量智能感知等均已在网络运营中得到部署,并取得显著成效。中国联通于2019 年 6 月发布中国联通网络人工智能应用白皮书，推出网络智能化发展引擎智立方 CubeAI 平台，构建网络 AI 共赢生态和开放合作体系，并与华为、百度、科大讯飞、烽火等公司均有 AI 项目合作。中国联通目前已经落地部署的应用包括基于 AI 的核心网 KPI 异常检测、IP RAN 的智能事件管理、一站式智能排障、基于 AI 的无线网络自排障、基于 AI 的无线多载波吞吐量参数优化、基于 AI 的弱 PON 信号检测等。中国电信牵头产业界共同编制发布了网络人工智能应用白皮书，并基于自身在数据、算法、通用算力和渠道方面的优势,从面向客户与网络运营两大切入领域发展人工智能,目前AIIA电信行业人工智能应用白皮书-3-已在移动基站节能和运维智能化等方面落地部署了人工智能应用。与此同时，国外电信运营商也在积极推进 AI 应用,美国 AT&T、韩国 SK 电讯、日本 NTT Docomo 等已经将 AI 技术上升到公司战略高度,并通过多种方式介入人工智能领域。AT&T 提出了 Network 3.0Indigo 下一代网络转型计划,将 AI 技术应用在网络故障预警、移动网络现状分析上,将运营商内部大量常规操作流程转向过程自动化。AT&T 与 Tech Mahindra 合作开发了 AI 开源平台 Acumos,并计划通过 Acumos 来建设智能化网络。日本 NTT Docomo 于 2020 年 1 月发布了白皮书：5G Evolution and 6G,提出将利用 AI 技术实现移动网络的泛在智能。2019 年 5 月，Orange 联合华为共同完成了基于 AI 的光网智能运维测试，并联合智能边缘物联网软件提供商 Octonion 推出了专门为 LTE-M 网络设计的物联网设备,来实现边缘人工智能与网络安全。除此之外,西班牙电信、德国电信、沃达丰等运营商都提出了网络智能转型计划,在网络运维、优化、业务服务等领域引入 AI技术。2.国内外设备商积极推动网络 AI 应用与垂直业务服务2.国内外设备商积极推动网络 AI 应用与垂直业务服务国内外设备商与服务商在电信网络智能化发展上大力投入，并积极展开与运营商的合作,提出网络智能化的应用方案与垂直业务服务。在国内，华为在 2019 年推出 NAIE 人工智能电信网络开源平台，提供了多项网络智能案例，并先后发布多项与网络智能化和自动驾驶网络相关的白皮书，包括华为面向自动驾驶移动网络的关键场景白皮书、华为网络人工智能引擎(iMaster NAIE)白皮书、自AIIA电信行业人工智能应用白皮书-4-动驾驶网络解决方案白皮书等。2020 年，华为面向全球上市自动驾驶网络解决方案iMaster智能运维系列产品,包括网络人工智能单元、跨域智能运维单元等。中兴通讯提出通过云化网络引入数据感知、智能分析、意愿洞察三大 AI 能力，构建端到端的智能化网络,并于 2018 年 2 月发布人工智能助力网络智能化-中兴通讯人工智能白皮书、2018 年 10 月发布中兴通讯 5G 网络智能化白皮书。大唐移动积极推动智能化网络运维和多网融合,深入推进垂直服务和通用服务,包括智能网联汽车、智能无人书店、智能安防、智能制造、智慧电力等。在国外，爱立信提出多项 AI 网络应用案例，并与多家运营商和服务商展开合作，例如与日本 NTT Docomo 签署了业界最大的 AI 网络优化项目合同，为其提供基于 AI 的无线接入网优化；为日本软银提供基于 AI 技术的无线接入网设计；支持印度最大运营商 Bharti Airtel 构建智能和预测性网络运营；与沃达丰合作将 AI用于智能小区切换；与中国联通合作共建移动网络人工智能应用联合实验室等。美国高通推出了在智能手机、汽车等终端侧上应用 AI更快速高效的 AI 引擎，通过将 AI 和 5G 结合,利用 5G 的高容量、低时延和高可靠性的特性来支持终端实现感知、推理和行动。思科在2019 年 6 月发布了一系列软件增强功能，旨在将人工智能和机器学习更深地融入网络,并提出了基于 AI、数据中心和云在内的基于意图的网络(Intent Based Network,IBN)等。AIIA电信行业人工智能应用白皮书-5-（三）电信网络智能化标准化工作得到积极开展与推进（三）电信网络智能化标准化工作得到积极开展与推进从 2017 年起，国际国内的标准组织和产业联盟陆续成立了一系列网络与 AI 技术融合相关的工作组和标准项目，除了中国人工智能产业发展联盟(AIIA)的电信项目组，还包括欧洲电信标准协会(ETSI)体验网络智能工作组(ENI)、国际电信联盟电信(ITU-T)ML5G 焦点组、ITU-T 自治网络（Autonomous Networks,AN）焦点组、国际电信论坛(TMF)的自治网络工作组，以及中国通信标准化协会（CCSA）各技术委员会、IMT-2020（5G）推进组的 5G 与 AI 融合项目组、全球移动通信系统协会（GSMA）的网络人工智能（AI in Network）特别工作组；第三代合作伙伴计划（3GPP）的“5G 网络自动化的推动因素研究(eNA)”、“自治网络分级（ANL）”等项目、TD-LTE 全球发展倡议组织（GTI）的 5G 网络智能化项目等。各个组织的研究从点到面，从单域到跨域，结合概念验证项目和试点实践，逐步形成人工智能在电信网络及业务应用等方面的共识。1.ETSI1.ETSIETSI十分重视AI技术在ICT领域的应用，于2020年6月发布“AI及其用于 ETSI 的未来方向”白皮书。ETSI 于 2017 年 2 月正式成立了体验网络智能工作组（Experiential Networked Intelligence，ENI），致力于研究如何在电信网络中引入人工智能技术辅助实现智能化网络运维。经过近 4 年的工作，ENI 陆续发布了多个版本系列规范和报告，包括 ENI 用例、需求、术语、架构、智能分级等，在研AIIA电信行业人工智能应用白皮书-6-和即将发布的还包括网络 AI 智能分级评估方法、基于意图感知的网络自治、架构映射、数据处理机制、随流检测技术等。与此同时，基于第一版 ENI 架构，ENI 启动了 13 项面向智能切片、流量分类、智能缓存、网络和数据中心节能、承载网优化、mMIMO 优化等特定用例的概念验证项目，初步验证了将 AI 用于网络运维的可行性及参考方案。ETSI 于 2017 年成立零接触网络和服务管理行业规范组（Industry Specification Group-Zero Touch Network and ServiceManagement，ISG ZSM）。ZSM 工作组偏重无线和核心网，其标准化目标是端到端网络及服务进行自动化管理（如交付、部署、配置、维护和优化），在理想情况下实现 100%自动执行从交付到部署业务的流程和任务，但其所提出的架构并没有强调 AI 能力。目前该小组的输出成果包括 ZSM 的应用案例、需求、端到端切片技术和闭环控制实现等。2.ITU-T2.ITU-TITU-T FG-ML5G（面向 5G 等未来网络的机器学习焦点组）于 2017年 11 月成立，主要目标是研究输出未来网络中应用机器学习技术的技术报告，包括网络架构，接口，协议，算法和数据格式。在 FG-ML5G完成了 2 年的研究后，成果输入到其所属研究组 ITU-T SG13 进一步定义了 Y.317x 系列标准建议，规定了如何在网络中应用机器学习技术，ITU-T ML5G焦点组的相关工作已于2020 年7 月完结并关闭。2020年，ITU 与 AIIA 共同主办人工智能大赛暨 ITU AI/ML in 5G 挑战赛，AIIA电信行业人工智能应用白皮书-7-来创新和解决 5G 中的相关问题，包括网络拓扑优化、基站退服告警预测、移动通信网基站小区节能预测、核心网 KPI 指标异常检测等。ITU-T FG-AN（面向自治网络的焦点组）于 2020 年 12 月 SG13全会审议通过成立，主要目标是提供一个开放平台来执行与“自治网络”相关的标准研制的前期活动，输出研究报告等。该焦点组的启动会议已于 2021 年 2 月召开。3.TMF3.TMFTMF 是最早认识到自治网络在数字转换业务方面的强大价值的组织之一。2019 年 TMF 开展“自治网络项目”，并先后发布了自治网络系列白皮书，阐述了 TMF 对自治网络用例、愿景与路线图、业务需求和技术架构等方面的研究内容。针对其中一些用例，TMF 成立了催化剂项目 Catalysts，分阶段证明了这些用例的可行性。同时，TMF还面向自治网络开发了开放 API，并正在与 ETSI 等其他标准组织合作，研讨如何进一步根据 ETSI 相关标准规范实现 API 开发和使用。4.CCSA4.CCSACCSA 下设的多个技术委员会和标准推进组都陆续开展了网络应用人工智能的行业标准和研究项目。CCSA TC1 主要研究面向互联网基础设施和应用的智能化分级、IPRAN 网络故障溯源以及行业应用等。CCSA TC3 主要研究制定核心网智能化切片应用、基于人工智能的网络业务量预测及应用场景研究、面向 SDN 的智能型通信网络架构的意图网络等方面标准。CCSA TC5 目前主要关注 5G 核心网智能切片的应用研究、5G 基站智慧节能技术研究、人工智能和大数据在无线通AIIA电信行业人工智能应用白皮书-8-信中的应用研究等。CCSA TC7 目前主要关注网络管理与维护、电信运营支撑系统相关领域，其中 TC7 WG1 正在开展“移动通信网络管理与运营智慧化水平等级技术要求”等相关标准项目和无线网络管控智能化增强研究项目。CCSA SP1 NFV 特设标准项目组研究制定了NFV 智能化部署和智能编排相关的标准。5.IMT-2020(5G)推进组5.IMT-2020(5G)推进组我国 IMT-2020(5G)推进组于 2020 年初成立了 5G 与 AI 融合研究任务组，目标是通过系统性研究推进 5G 与 AI 融合发展。任务组组织面向 5G 与 AI 深度融合的相关理论和需求方向进行研究，协调推进 3GPP 等国际标准化工作，加速 5G 引入 AI 技术，加大 5G 支持AI 的力度，支撑 5G 网络与应用发展更加智能、高效和协同。目前，任务组已开展了支持 AI 的无线及核心网架构、基于 AI 的 MIMO 技术、基于 AI 的覆盖和容量优化、基于 AI 的移动性管理、AI 应用在 5G网络中传输的业务特性和需求等10余项面向5G端到端网络的5G+AI研究项目。6.3GPP6.3GPP3GPP 非常重视网络发展与人工智能技术的融合。3GPP SA WG2 工作组在2017年5月第121次会上完成5G网络智能化的研究项目“5G网络自动化的推动因素研究（Study of Enablers for NetworkAutomation for 5G,eNA）”的正式立项。该项目将网络数据分析功能（Network Data Analytics Function，NWDAF）引入 5G 网络，通过对网络数据的收集和分析，生成分析结果，然后利用分析结果AIIA电信行业人工智能应用白皮书-9-进行网络优化，包括定制化的移动性管理、5G 服务质量（Quality ofService，QoS）增强、动态流量疏导和分流、用户平面功能（UPF）选择、基于 UE 业务用途的流量策略路由、业务分类等。3GPP SA WG5 在 2018 年 9 月的第 81 次会上通过了“意图驱动的移动网络管理服务(IDMS_MN)”，在该项目的输出 TR 28.812 中明确了意图驱动的网络管理服务的概念、自动化机制、应用场景以及描述意图的机制等。在 2020 年 6 月召开的第 131e 次会议上，3GPP SAWG5 成立“自治网络分级（Autonomous Network Levels,ANL）”标准项目，旨在 3GPP 框架内，基于网络“规-建-维-优”四大类典型场景，规范自治网络的工作流程、管理要求和分级方法，明确不同网络自治能力标准对 3GPP 现有功能特性的增强技术要求，牵引网络智能化相关标准工作。7.GSMA7.GSMAGSMA 于 2019 年 6 月成立 AI in Network 特别工作组，并于 2019年 10 月发布智能自治网络案例报告白皮书。白皮书汇集了人工智能在移动通信网络应用中的七大标杆案例，包括网络站点部署自动化、Massive MIMO 参数智能优化、智能报警压缩及原因分析、智能网络切片管理、智能节能、垃圾短信智能分析与优化、智能投诉处理。除此之外，GSMA 还积极举办全球 AI 竞赛，吸引更多研究者与运营商、设备商投入到网络 AI 的研究与实践中。8.GTIGTIGTI 于 2020 年初发起成立了 5G 网络智能化项目，下设 INL（智AIIA电信行业人工智能应用白皮书-10-能化网络分级）、INA（智能化网络架构）、INE（智能化网元）、INM（智能化网管）共 4 个任务组，并于 11 月发布了5G 智能化网络白皮书 v1.0，内容包括 5G 网络智能化的标准现状、典型应用案例、分级评估、网络架构、网元和网管功能要求等。后续，GTI 将继续积极探索、研究，面向应用功能落地和产业推进开展相关工作。二、人工智能在电信行业中的发展应用现状（一）人工智能在电信行业应用概述（一）人工智能在电信行业应用概述图 1：电信行业人工智能应用概述人工智能在电信行业有潜力赋能移动网络和固定网络的规-建-维-优的各个环节、在接入网、传输网和核心网等各个层级得到应用。同时，在满足用户业务需求方面，人工智能技术促使电信行业不断优化当前的服务效果和性能，并在垂直领域打造智能化解决方案。根据人工智能在电信网络中应用的能力维度，将其分为智能配置、AIIA电信行业人工智能应用白皮书-11-智能运维、智能管控、智能优化和业务应用等，如图 1 所示。-智能配置：随着电信网络越来越复杂，网络的设计与配置过程需要大量的人工成本和专家经验，利用人工智能技术结合网络历史数据、将专家经验数字知识化，通过对网络性能进行预测和自动化操作配置，有望实现移动站点智能规划、基站业务快速开通、智能路径规划和光传送网自动化部署等应用。-智能运维：作为目前人工智能应用于电信行业后落地实践最大的应用类型之一，利用人工智能技术为网络提供运维故障根因定位、网络健康度分析及预测、网络自愈合等能力，实现物联网端到端质差识别与定位、无线网络异常小区发现、IPRAN 故障分析定位等应用，可以有效减轻运维人员负荷、提升运维故障处理效率，不断促使网络运营和运维模式发生根本性变革。-智能管控：利用人工智能技术基于网络历史数据对网络进行预测，动态且自适应地的对网络进行资源管理和参数调整，可以实现的典型应用场景包括智能频谱管理、智能切片管理、智能负载均衡、智能缓存管理、智能路由、自适应传输功率控制与传输质量管理等。-智能优化：在现有电信网络中，为了保障网络的全覆盖及网络资源的合理分配，运营商在网络优化工作中投入了大量的人力物力。在网络日趋复杂和业务多样化的趋势下，基于人AIIA电信行业人工智能应用白皮书-12-工智能技术可以实现网络的主动优化和全局优化，主要应用包括于移动性管理增强、智能基站节能、无线网策略参数智能优化、智能路径优化等。-业务应用：依托于人工智能的语音识别、自然语言处理、人脸识别、知识工程等技术，在业务服务与内容提供方面，可以在电信行业实现 CDN 智能调度、网络满足度智能提升、智能内容推荐、智能客服与语音交互等应用。（二）人工智能在电信网络与业务中的应用现状分析（二）人工智能在电信网络与业务中的应用现状分析1.大“时间”、“数据”颗粒度应用率先落地商用大“时间”、“数据”颗粒度应用率先落地商用从电信网络智能化应用展开所需时间颗粒度和对应数据颗粒度,可将应用分为以下三大类。第一类主要面向小时/天/月为时间单位的管理面优化，一般所需的数据为整网运维和性能数据。此类应用主要面向网络的“规-建-维-优”，具体包含如智能基站节能、无线网络异常小区发现、网络故障定位与根因分析、KPI 异常检测等。第二类相比于第一类所需的数据颗粒度和时间颗粒度更细，一般是秒级到分钟级别的智能决策，主要是面向解决子网级别和用户级别的控制面优化问题，包含的典型应用场景为智能负载均衡、移动性管理增强、智能路由管理、QoS/QoE 优化等。第三类应用与业务更加实时，一般为秒以下甚至毫秒级别，所需的数据为网元/用户的实时数据，可以用来实现实时的链路自适应、智能 MIMO 控制、频谱感知与多用户调度等。AIIA电信行业人工智能应用白皮书-13-在这 3 类应用场景中，第一类目前由于数据主要基于现有网络运维(O 域)、管理域(M 域)及业务域(B 域)数据，行业内已出现较成熟的数据共享平台，且最后智能决策运行环境一般依托于集中的数据分析或网络运营维护平台。此类应用对传统网络通信设备的影响较少,目前的研究相对成熟，部分网络智能化应用已经进入商业应用阶段,且已经在现网中提供服务；第二类应用和第三类应用由于受限于数据的时间颗粒度更细，数据获取难度大且 AI 智能决策实体与网络设备耦合度较高,无线控制对实时性、准确度和鲁棒性的要求也更高,目前第二类应用主要处于测试验证阶段，有部分应用已经在进行实验室及现网的试点测试；第三类应用则多处于理论研究阶段,距离现网试点和商用还有一段距离。2.感知预测类应用率先落地，决策控制类应用尚待突破感知预测类应用率先落地，决策控制类应用尚待突破目前电信网络智能化逐步落地的应用集中在感知预测类，通过数据中心对网络数据进行收集和分析，输出结果为运维人员提供网络运维和管理参考。典型的落地应用包括 KPI 异常检测、故障预测、故障根因分析与定位、光网络健康度分析及预测、家宽业务识别与内容智能推荐等。AI 算法输出结果一般为人所用，不直接影响网络执行、网元功能和网络控制面，而网络内生自治化能力较弱。决策控制类目前典型的落地应用主要集中在网络的 B 域与 O 域，包括 DC智能巡检、业务智能热迁移与设备节能等，而直接影响网络运营的应用尚处于试点或研究节点，例如智能基站节能、智能 M-MIMO、智能负载均衡、大规模天线智能控制等。在这类应用中，AI 智能决策AIIA电信行业人工智能应用白皮书-14-实体需要与网络设备进行耦合，AI 决策与控制结果对实时性、准确度、鲁棒性要求较高，网络内生自治化能力提升，但网络架构也需要一定的演进与变革。3.网络运维嵌入 AI 技术，展现良好运维效果网络运维嵌入 AI 技术，展现良好运维效果当前的电信网络 2G、3G、4G、5G 共存形成“四世同堂”的叠加网，其差异化的业务保障需求，对运维工具、运维流程、运维能力提出新要求，对传统运维模式提出挑战。于此同时，电信业 OPEX 随着网络规模增加而逐年增加的产业结构化矛盾亟待解决。网络 AI 特性开发业务活动中，对很多运维场景有共性需求，比如异常检测、故障定位、故障预防预测等。以 KPI 异常检测为例，运营商网络中存在海量 KPI，例如路由器有 70000+KPI，其中丢包和统计类有4000+KPI，运营商和企业客户对于 KPI 实时监控，快速定位故障有共性需求。利用 AI 技术，有望打通网络运维过程中从故障预警、告警聚合与根因分析、故障定位与自愈等全栈流程，从而减轻运维人力成本，提高网络运维效率。目前国内各大运营商的网络运维中台已经嵌入 AI 技术，通过提供运维故障根因定位、精准诊断、自动愈合等能力，减轻运维人员负荷、提升运维故障处理效率，不断促使网络运营和运维模式发生根本性变革。目前，智能运维方面已经出现的应用落地示范包括：-智能排障：故障自动识别、快速根因分析、故障自动修复；-智能预警：网络故障预测、物联网端到端质差识别与定位定段、智能异常预警；AIIA电信行业人工智能应用白皮书-15-智能巡检：网络巡检智能、机房巡检智能化、值班巡检智能化；-智能监测：运维知识图谱、智能小区监测、运维数据可视化。（三）当前网络智能化能力等级已达 2-3 级（三）当前网络智能化能力等级已达 2-3 级ITU、3GPP、ETSI、GSMA、TM Forum、GTI与CCSA等联盟与标准化组织此前均已展开对电信网络智能化能力分级相关的研究工作。结合电信网络智能化需求及特点,可以从网络智能化的通用实现过程中抽象出具备广泛适用性的智能化能力分级的6个等级来进行评估，如表1所示。表1：电信网络智能化能力分级评估方法等级/名称等级/名称关键特征关键特征分级评估维度分级评估维度执行执行感知感知分析分析决策决策需求映射需求映射智能化场景智能化场景L0L0人工运营网络人工运营网络全人工操作人工人工人工人工人工无L1L1辅助运营网络辅助运营网络工具辅助数据采集人工分析决策系统为主人工和系统人工人工人工部分场景L2L2初级智能化网络初级智能化网络部分场景基于静态策略自动分析人工决策系统系统为主人工和系统人工人工部分场景L3L3中级智能化网络中级智能化网络特定场景实现动态策略自动分析预先设计场景系统辅助人工决策系统系统系统为主人工和系统人工部分场景L4L4高级智能化网络高级智能化网络系统实现动态策略完整闭环预先设计场景系统自动完成需求系统系统系统系统为主人工和系统部分场景AIIA电信行业人工智能应用白皮书-16-等级/名称等级/名称关键特征关键特征分级评估维度分级评估维度执行执行感知感知分析分析决策决策需求映射需求映射智能化场景智能化场景映射L5L5完全智能化网络完全智能化网络全部场景系统完成全部闭环系统自动完成需求映射系统系统系统系统系统全场景备注说明备注说明所有等级的决策执行都支持人工介入执行过程，人工审核结论及执行指令具有最高权限；L0 级别：从需求映射、数据感知、分析、决策到执行的网络运营全流程均通过人工操作方式完成，没有任何场景实现智能化。L1 级别：执行过程基本由系统自动完成，少数场景需要人工参与；在预先设计的部分场景下依据人工定义的规则由工具辅助自动完成数据收集和监测过程；分析、决策和需求映射全部由人工完成；整体来看仅在少数场景通过工具实现辅助数据感知和执行流程的智能化，不支持完整流程的智能化闭环。L2 级别：执行过程全部由系统自动完成；大部分场景下系统依据人工定义的规则自动收集和监测数据；在预先设计的部分场景下系统根据静态策略/模型完成自动分析过程；人工完成其他过程。整体来看部分场景下可实现从数据感知、分析和执行的智能化，决策和需求映射任依赖人工，不支持完整流程的智能化闭环。AIIA电信行业人工智能应用白皮书-17-L3 级别：执行和数据感知过程全部由系统自动完成，其中部分场景下系统自定义数据收集规则；大部分场景下系统自动完成分析过程，其中特定场景下分析策略/模型由系统自动迭代更新，形成动态策略；在预先设计的场景下系统可辅助人工自动完成决策过程；人工完成其他过程。整体来看部分场景下除了需求映射任依赖人工外，其他流程可实现智能化，系统在人工辅助下接近形成完整流程的智能化闭环。L4 级别：执行、数据感知和分析过程全部由系统自动完成，其中收集规则由系统自定义，分析策略/模型由系统自动迭代更新，形成动态策略；大部分场景下系统自动完成决策过程；在预先设计的部分场景下系统可自动完成需求映射。整体来看部分场景下，系统已形成完整流程的智能化闭环，部分场景仅需要人工参与需求映射并辅助决策。L5 级别：在全部场景下，由系统完成需求映射、数据感知、分析、决策和执行的完整流程的智能化闭环，实现全场景完全智能化。基于网络智能化能力分级的原则，根据前几节对于人工智能在电信网络中的发展态势的分析，目前电信网络智能化应用能够达到能力等级的 2-3 级。以智能网络运维应用为例，目前电信网络系统已经能够基于专家经验总结生成的分析规则来辅助人工进行告警根因分析，生成关联规则并基于专家经验给出故障处理方案建议；基于系统生成的关联规则和故障处理方案建议，人工决策判断告警根因AIIA电信行业人工智能应用白皮书-18-和故障处理方案，下发网络配置操作指令或派发故障处理工单（2级），而对于特定的告警和故障类型，智能运维系统可以自动决策判断告警根因和故障处理方案，并根据网络拓扑和其他环境变化来自动更新对应规则（3 级）。经过以上分析总结，当前电信网络智能化应用已达到 2-3 级智能能力等级，网络的闭环执行与内生智能将成为未来的发展与演进重点。三、人工智能在电信行业中的应用实践（一）移动网应用实践案例案例一：物联网端到端质差识别与定位定段（一）移动网应用实践案例案例一：物联网端到端质差识别与定位定段随着物联网技术的发展，目前物联网的业务类型与业务量与日俱增，物联网业务呈现流程繁、规模大、环节多的特点，故障发现与定位困难的问题日益显著，亟需在对物联网客户端到端的业务质量进行更有效的质量监控及故障定界定段。然而不同厂商的质差评价标准存在相似性但也存在差异性，现阶段需要对不同厂商不同型号终端建立质差识别模块，费时费力。物联网业务涉及设备终端、物联网平台、无线小区网、地市本地网、省核心网等多个环节，采用人工智能技术、利用和关联各环节业务数据，可以提供业务故障的快速诊断、定界定段能力，整体提升物联网业务质量。同时，通过搭建基于大数据的质差量化感知指标体系，基于现有的物联网质差评价方法，结合离线大数据分析手AIIA电信行业人工智能应用白皮书-19-段建立量化的质差感知指标体系，可以实现日常业务故障排查、潜在隐患预警。而不同企业的质差评价标准存在差异性但也存在相似性或者相关性，因此可以基于关键指标分布与迁移学习，建立企业特征库，支撑终端升级、变更等业务场景。在中国电信的物联网业务保障项目中，基于大数据聚合分析手段，通过建立分厂家的企业特征指纹库，结合终端历史行为构造单用户行为画像，利用“标准值+偏移量”的方法搭建动态的质差感知体系，适配多种复杂情况，目前已经完成多场景多厂家的终端质差识别，上线推广应用可得到较高的准确率。案例二：智能基站节能案例二：智能基站节能传统网络能耗居高不下、能耗不均衡造成浪费，随着 5G 的到来，5G 基站耗能更大，如何制定基站节能策略、定制自动化节能方案、提高能源效率已经成为构建全网覆盖的基站智慧节能核心能力。结合 B（业务）-O（运营）域关联、测量报告覆盖分析来，利用时序预测等 AI 技术，能够更精准的预测基站业务量，结合客户感知分析，制定节能策略。在 5G 基站方面，对 5G 基站和数据中心服务器进行适时的休眠和唤醒操作，实现动态节能。通过构建基站节能分析引擎、节能智慧决策引擎及相关模型算法完成从 4G 节能分析建议手动执行到 4G 节能分级策略半自动实施再到 4/5G 协同的自动节能。利用时序预测等 AI 技术，结合客户感知分析，能够更精准的预AIIA电信行业人工智能应用白皮书-20-测基站业务量，制定节能策略。在 5G 基站方面，对 5G 基站和数据中心服务器进行适时的休眠和唤醒操作，实现动态节能。通过构建基站节能分析引擎、节能智慧决策引擎及相关模型算法完成从 4G 节能分析建议手动执行到4G节能分级策略半自动实施再到4G/5G协同的自动节能。现网当前已经出现利用机器学习、时间序列预测等人工智能模型构建基站节能分析引擎，实现多种节能场景分析、节能时段寻底、多维场景识别、多层覆盖分析、时空智能预测、B（业务）-O（运营）关联分析；利用深度学习、自动机器学习等人工智能模型构建的节能智能决策引擎，来实现智能分级决策、参数自动寻优、业务感知分析、智能刹车/唤醒。通过构建基站节能分析引擎和节能智慧决策引擎，中国电信已经构建 4G 基站智慧节能系统，并完成节能系统迭代优化，操作维护中心（OMC）节能打通，省级自动节能策略试点优化，支持二阶段的半自动节能；初步建立集团-省基站节能体系和闭环流程，对 3 个以上省提供节能分析推荐建议，实现 4G 自动节能策略试点，场景节能策略日综合节能效率提升显著。案例三：无线网络异常小区发现案例三：无线网络异常小区发现对于无线网络异常小区发现，传统技术方法是通过省地市业务专家人工排查核对，发现小区是否存在异常、存在什么样异常以及如何解决异常。然而随着 5G 网络小区数目的增大、KPI 参数量的大量增加，采用人工经验的方法难以精准对比与判断不同时间维度、空间维度下小区的异常情况。同时，利用人工经验和传统方法难以根AIIA电信行业人工智能应用白皮书-21-据 KPI 指标来自动发现小区异常波动并识别哪些 KPI 指标是引起小区异常的关键。人工智能与大数据分析方法，例如通过统计学的 Z-score 建立动态阈值法自动监测异常波动时间点，对关键 KPI 指标的巨大波动进行快速响应。同时基于 NLP 和知识图谱可以建立无线网领域的小区异常专家知识库，对异常小区的清单派发业务进行智能推荐，以节约地市专家人工判断小区异常类别、异常原因和处理办法的时间成本。由中国电信主导的海牛基于运维大数据的智能精准预孵化器项目中，从2018年开始利用人工智能算法尝试替代专家人工识别，实现关键 KPI 指标无监督算法异常诊断、单指标有监督算法异常诊断，到目前已经实现基