隨著計算算力的進(jìn)步，算法的創(chuàng)新和互聯(lián)網(wǎng)發(fā)展下的海量數(shù)據(jù)積累，人工智能技術(shù)未來十年將煥發(fā)出新的活力，成為最具有沖擊力的科技發(fā)展趨勢之一。

2019年4月，華為正式發(fā)布iMaster NAIE 網(wǎng)絡(luò)AI云服務(wù)，這也是華為網(wǎng)絡(luò)智能化戰(zhàn)略實(shí)施的的重要里程，一年來，華為NAIE人工智能引擎在提升網(wǎng)絡(luò)AI應(yīng)用開發(fā)效率上取得了有目共睹的成績，但在網(wǎng)絡(luò)AI應(yīng)用開發(fā)完成后如何實(shí)現(xiàn)“一點(diǎn)生效、多點(diǎn)復(fù)制”的規(guī)模部署效果，成為了華為NAIE人工智能引擎的下一個課題。

9月25日，在全連接大會期間的華為NAIE人工智能引擎白皮書發(fā)布會上，華為以“云地協(xié)同”為抓手，解決AI特性規(guī)模應(yīng)用問題，實(shí)現(xiàn)跨廠商云地協(xié)同，挖掘業(yè)務(wù)價值。

AI網(wǎng)絡(luò)：使能運(yùn)營商效率革命

2020年是5G大規(guī)模部署，全面進(jìn)入規(guī)模商用的起始年，這一年，受疫情與新基建的影響，社會各界進(jìn)一步看到了5G與經(jīng)濟(jì)社會各領(lǐng)域融合發(fā)展的巨大潛在效益。

然而，5G并不能解決電信業(yè)運(yùn)營模式的痛點(diǎn)，反而增加了業(yè)務(wù)與運(yùn)維的復(fù)雜度（面臨網(wǎng)絡(luò)復(fù)雜性不斷提升、OPEX持續(xù)增長的挑戰(zhàn)），并且，隨著5G等新基建的不斷深入，電信行業(yè)更將面臨著結(jié)構(gòu)性的挑戰(zhàn)。

從收入結(jié)構(gòu)來看，運(yùn)營商的業(yè)務(wù)正遭遇來自IT產(chǎn)業(yè)的挑戰(zhàn)，隨著網(wǎng)絡(luò)接入速率的大幅提升，導(dǎo)致IT產(chǎn)業(yè)從賣產(chǎn)品變成賣服務(wù)，骨干網(wǎng)絡(luò)和IT基礎(chǔ)設(shè)施逐漸變成云服務(wù)的形式，喪失很多傳統(tǒng)的電信業(yè)務(wù)，同時，運(yùn)營商的效率和成本也面臨結(jié)構(gòu)性挑戰(zhàn)，無線、IP、光傳送等資源未得到最大化利用。

電信網(wǎng)絡(luò)作為信息通信的基礎(chǔ)設(shè)施，具有應(yīng)用人工智能技術(shù)的巨大空間和潛力，Tractica/Ovum預(yù)測指出，到2025年，全球電信業(yè)對人工智能軟件、硬件和服務(wù)的投資將達(dá)380億美元 ，成為最大的 AI 應(yīng)用市場。其中，電信業(yè)整體AI用例軟件市場將以59.8%的年復(fù)合增長率從4.19億美元到2025 年增至112億美元。

人工智能也給運(yùn)營商帶來了提升效率的機(jī)遇。但如何利用人工智能算法提供的強(qiáng)大分析、判斷、預(yù)測等能力，賦能網(wǎng)元、網(wǎng)絡(luò)和業(yè)務(wù)系統(tǒng)，并將其與電信網(wǎng)絡(luò)的規(guī)劃、建設(shè)、維護(hù)、運(yùn)行和優(yōu)化等工作內(nèi)容結(jié)合起來，成為電信業(yè)關(guān)注的重要課題，從2018年開始，為實(shí)現(xiàn)網(wǎng)絡(luò)自動化和智能化，電信行業(yè)組織、運(yùn)營商和設(shè)備商紛紛啟動技術(shù)探索。

在這之中，華為在網(wǎng)絡(luò)架構(gòu)創(chuàng)新與實(shí)踐的道路上從未停止，基于對電信領(lǐng)域的深刻理解和多年經(jīng)驗(yàn)沉淀，以及在All Intelligence 戰(zhàn)略中的長期堅決投入，去年4月，華為正式發(fā)布了iMaster NAIE 網(wǎng)絡(luò)AI云服務(wù)（簡稱 NAIE），這也是華為網(wǎng)絡(luò)智能化戰(zhàn)略實(shí)施的的重要里程碑，并創(chuàng)新性的提出了“自動駕駛網(wǎng)絡(luò)”（ADN）系列化解決方案，意在提升整個網(wǎng)絡(luò)的效率，降低OPEX。

與傳統(tǒng)網(wǎng)絡(luò)架構(gòu)不同，自動駕駛網(wǎng)絡(luò)是電信網(wǎng)絡(luò)自動化、智能化方案，將網(wǎng)絡(luò)能力原子化后形成網(wǎng)絡(luò)資源，通過集中的網(wǎng)絡(luò)控制單元將網(wǎng)絡(luò)資源統(tǒng)一調(diào)度，支撐上層業(yè)務(wù)編排器全局協(xié)同的方案，通過自動駕駛網(wǎng)絡(luò)，實(shí)現(xiàn)運(yùn)營商運(yùn)營效率的提升，這也是運(yùn)營商數(shù)字化轉(zhuǎn)型的關(guān)鍵部分。

從基礎(chǔ)架構(gòu)來看，自動駕駛網(wǎng)絡(luò)分為三層智能，首先是底層網(wǎng)元+AI。將物理網(wǎng)絡(luò)逐步數(shù)字化，有效產(chǎn)生和采集更多網(wǎng)絡(luò)數(shù)據(jù)，增強(qiáng)實(shí)時感知、模式或特征匹配能力，實(shí)現(xiàn)網(wǎng)元本地的AI推理應(yīng)用。

其次是中間層網(wǎng)絡(luò)+AI。各領(lǐng)域的網(wǎng)絡(luò)管控單元增加AI網(wǎng)絡(luò)模型和推理框架，將上層業(yè)務(wù)和應(yīng)用意圖自動翻譯成網(wǎng)絡(luò)行為，實(shí)現(xiàn)單域自治閉環(huán)，使網(wǎng)絡(luò)連接或功能的 SLA 可承諾，實(shí)現(xiàn)在線智能。

最后是上層云端+AI，云端定位網(wǎng)絡(luò)智能服務(wù)平臺，提供能力編排與共享中心、AIOps 中心、現(xiàn)場服務(wù)支持中心三大能力中心。

然而，要解決電信業(yè)面臨的挑戰(zhàn)，僅僅靠產(chǎn)品創(chuàng)新遠(yuǎn)遠(yuǎn)不夠，需要整個系統(tǒng)架構(gòu)創(chuàng)新和商業(yè)模式創(chuàng)新，才能提升運(yùn)營商的競爭力。

云地協(xié)同：“化繁為簡”實(shí)現(xiàn)AI特性規(guī)模應(yīng)用

近年來，全球業(yè)界各方在網(wǎng)絡(luò)AI方面紛紛進(jìn)行積極的探索和實(shí)踐，經(jīng)過驗(yàn)證在運(yùn)維效率、能耗效率、網(wǎng)絡(luò)資源利用率以及用戶業(yè)務(wù)體驗(yàn)提升等方面確實(shí)能夠帶來價值，電信產(chǎn)業(yè)走向智能化已經(jīng)成為整個行業(yè)的共識。

華為自推出iMaster NAIE 網(wǎng)絡(luò)AI云服務(wù)后在AI領(lǐng)域取得的成績有目共睹，然而，網(wǎng)絡(luò)AI在走向規(guī)?；こ虘?yīng)用的過程中，仍存在模型泛化能力差、模型易老化、本地樣本少等諸多挑戰(zhàn)，對此，華為創(chuàng)造性的提出“云地協(xié)同”理念，實(shí)現(xiàn)AI特性規(guī)模應(yīng)用，加速推進(jìn)自動駕駛網(wǎng)絡(luò)。

記者了解到，華為提出的“云地協(xié)同”中云端是指部署在公有云、合營云或HCS上的NAIE云端智能，可以提供一系列網(wǎng)絡(luò)AI服務(wù)，比如數(shù)據(jù)服務(wù)、模型訓(xùn)練服務(wù)等;而地端，是指集成在網(wǎng)絡(luò)管控單元的網(wǎng)絡(luò) AI、以及網(wǎng)元設(shè)備中的網(wǎng)元AI，他們一方面承擔(dān)本地的模型推理，同時也具備有限的在線學(xué)習(xí)能力。

云地協(xié)同，則是將云端和地端一起協(xié)作完成數(shù)據(jù)樣本上云，把云端匯集的全局網(wǎng)絡(luò)知識經(jīng)驗(yàn)、全量數(shù)據(jù)訓(xùn)練得到的高精度模型，持續(xù)注入地端，讓電信網(wǎng)絡(luò)能夠進(jìn)行智能的迭代升級，變得越來越聰明。

而根據(jù)此架構(gòu)打造的云地協(xié)同也呈現(xiàn)出三大特征，一是云端和地端要有通道;二是地端到云端，信息可以從運(yùn)營商上傳到云端，包括數(shù)據(jù)樣本、模型狀態(tài)、以及重訓(xùn)練請求等信息，三是云端到地端可以下發(fā)新的模型，同時網(wǎng)絡(luò)知識庫里的知識也可以注入到地端。

眾所周知，要實(shí)現(xiàn)網(wǎng)絡(luò)的自動駕駛，必然是長期的過程，不可能一蹴而就，而云地協(xié)同在實(shí)際應(yīng)用部署時也分為三個階段，針對針對不同場景可以選擇適合的階段，最終大幅提高網(wǎng)絡(luò)的資源效率。

第一階段是云端進(jìn)行初始模型的訓(xùn)練，運(yùn)行態(tài)由地端根據(jù)新增的樣本進(jìn)行在線學(xué)習(xí)。這種模式主要是適用于模型相對簡單，算法結(jié)構(gòu)比較穩(wěn)定的場景，只需要根據(jù)本地數(shù)據(jù)進(jìn)行在線學(xué)習(xí)，優(yōu)化調(diào)整模型參數(shù)。

第二階段是云端進(jìn)行模型的分發(fā)，然后在地端根據(jù)新增樣本進(jìn)行在線學(xué)習(xí)。通過云端對模型的持續(xù)優(yōu)化，將優(yōu)化后模型推送到地端，地端根據(jù)評估結(jié)果進(jìn)行模型擇優(yōu)更新。這種模式適合于模型相對復(fù)雜，需要持續(xù)進(jìn)行模型算法結(jié)構(gòu)優(yōu)化的場景。

第三階段則是云地實(shí)時協(xié)同。在該場景下，模型可以自動化演進(jìn)，將本地樣本實(shí)時上傳到云端，云端進(jìn)行訓(xùn)練和優(yōu)化后自動推送到地端，進(jìn)行模型評估擇優(yōu)進(jìn)行升級。這種模式主要適用于模型復(fù)雜、需要用到華為云端高質(zhì)量標(biāo)注數(shù)據(jù)，知識圖譜以及仿真等知識能力進(jìn)行模型優(yōu)化的場景。

宏觀來說，云地協(xié)同的模式是將復(fù)雜的智慧運(yùn)維不斷拆分細(xì)化，AI的特性在一個局點(diǎn)成功實(shí)施后，快速的形成知識和經(jīng)驗(yàn)，在其他局點(diǎn)進(jìn)行復(fù)制，最終實(shí)現(xiàn)一點(diǎn)生效，全網(wǎng)復(fù)制，加速拓展規(guī)模應(yīng)用。

撬動行業(yè)智能升級：邁向智能時代

當(dāng)前，大中小企業(yè)之間的合作正從以供應(yīng)鏈為紐帶的淺層次協(xié)同協(xié)作轉(zhuǎn)變?yōu)槎说蕉说纳顚哟稳诤先谕?，而華為NAIE以“云地協(xié)同”為抓手，解決AI特性規(guī)模應(yīng)用問題，在構(gòu)建產(chǎn)業(yè)良性生態(tài)的同時，也加速實(shí)現(xiàn)邁向自動駕駛網(wǎng)絡(luò)的愿景。

但需要指出的是，在網(wǎng)絡(luò)AI模型開發(fā)中需要既懂AI知識又熟悉網(wǎng)絡(luò)業(yè)務(wù)的人才，電信領(lǐng)域?qū)＜褹I積累少，算法科學(xué)家不懂電信業(yè)務(wù)，而模型訓(xùn)練要依賴大量并且昂貴的計算資源，導(dǎo)致試錯成本高、開發(fā)效率低。

對此，華為推出NAIE訓(xùn)練平臺，提供一站式高效模型訓(xùn)練，集成業(yè)界通用的主流AI算法框架，內(nèi)嵌華為在網(wǎng)絡(luò)領(lǐng)域30多年的知識和經(jīng)驗(yàn)沉淀，支持電信領(lǐng)域的特征處理，并內(nèi)置電信領(lǐng)域AI典型算法，滿足不同層次的人員對于模型開發(fā)的需求。

并且，NAIE面向整個電信行業(yè)提供網(wǎng)絡(luò)AI培訓(xùn)服務(wù)，讓用戶體驗(yàn)從免費(fèi)試用、服務(wù)體驗(yàn)、到購買端到端一站式服務(wù)，只要對自動駕駛網(wǎng)絡(luò)感興趣的開發(fā)者、工程師和科研人員，均可選擇不同等級的“iMaster NAIE 培訓(xùn)課程”進(jìn)行學(xué)習(xí)。

目前，NAIE累計商業(yè)合作伙伴、運(yùn)營商、企業(yè)、高校用戶總數(shù)已經(jīng)超過1.76萬人，在線累計訓(xùn)練任務(wù)接近4萬個，樣本累計下載量117億，API月調(diào)用次數(shù)3.3億次。

未來是智能化的時代，運(yùn)營商網(wǎng)絡(luò)智能化不可能一蹴而就，而是一個長期實(shí)踐。毋庸置疑，華為自動駕駛網(wǎng)絡(luò)解決方案是華為All Intelligence戰(zhàn)略在電信領(lǐng)域的落地，NAIE做為智能化部件，將使能自動駕駛網(wǎng)絡(luò)，華為也正不斷通過競賽、社區(qū)、合作的方式幫助運(yùn)營商和合作伙伴匯集產(chǎn)業(yè)智慧獲取優(yōu)質(zhì)AI資產(chǎn)，攜手產(chǎn)業(yè)各界，共同打造網(wǎng)絡(luò)AI商業(yè)黑土地，最終實(shí)現(xiàn)自動駕駛網(wǎng)絡(luò)的愿景。
責(zé)任編輯：tzh