經(jīng)過深藍(lán)、阿爾法狗等一系列鋪墊，人工智能（AI）已經(jīng)成為一門顯學(xué)，甚至達到了誰都能說上兩句的程度。但是AI當(dāng)下仍處于早期發(fā)展階段，實際應(yīng)用相對有限，在電信網(wǎng)絡(luò)層面亦是如此。

作為在該領(lǐng)域***個吃螃蟹者，華為今年4月發(fā)布了SoftCOM AI戰(zhàn)略，將AI技術(shù)注入到網(wǎng)絡(luò)云化的架構(gòu)和解決方案中，力圖打造一張“自動駕駛、永無故障”的網(wǎng)絡(luò)，以架構(gòu)性的創(chuàng)新從根本上解決電信行業(yè)的結(jié)構(gòu)性問題。

當(dāng)前電信運營商所面臨的盈利不佳、競爭力下降等一系列挑戰(zhàn)的背后，是電信網(wǎng)絡(luò)復(fù)雜性加劇、OPEX居高不下的困局。一方面，網(wǎng)絡(luò)管理難度已經(jīng)遠(yuǎn)遠(yuǎn)超過人的能力，有分析顯示70%的重大網(wǎng)絡(luò)故障是由誤操作等人為原因所造成；另一方面，運營商的OPEX已經(jīng)是CAPEX的三倍以上，并且還在持續(xù)上升，單獨降低建網(wǎng)成本無助于降低總體成本。該公司的目標(biāo)是在全云化網(wǎng)絡(luò)構(gòu)架基礎(chǔ)上引入AI技術(shù)，打通從規(guī)劃部署、到網(wǎng)絡(luò)維護、到網(wǎng)絡(luò)運營的數(shù)字化全流程；在降低運維成本的同時提升端對端業(yè)務(wù)部署效率，使能業(yè)務(wù)快速部署，推動運營商的網(wǎng)絡(luò)走向全面智能化。

兩個多月時間過去了，SoftCOM AI又有了哪些新的進展？2018世界移動大會·上海（MWCS 2018）期間，華為在其主展臺上展示了SoftCOM AI的相關(guān)內(nèi)容、擺出頗多干貨，特別是提煉出了不少具體的應(yīng)用場景，將原本的理論、概念逐步落地，讓人直觀體驗到AI究竟如何解決電信網(wǎng)絡(luò)的關(guān)鍵問題。

以AI解決預(yù)測類問題

在電信網(wǎng)絡(luò)中有諸多預(yù)測類的問題，比如能耗預(yù)測、資源利用率預(yù)測。影響預(yù)測的因素眾多，時間、位置、天氣、人流車流等均有較強相關(guān)性；同時，這些因素又是動態(tài)變化的，難以以普通數(shù)理統(tǒng)計方式來解決。

有統(tǒng)計顯示，基站站點能耗費用（電費）占到網(wǎng)絡(luò)運營成本的16%之多，因此針對基站站點的節(jié)能減排是運營商的努力目標(biāo)。另一方面，網(wǎng)絡(luò)話務(wù)量往往存在明顯的潮汐效應(yīng)，忙時與閑時能達到4倍的差距，但大部分基站設(shè)備卻始終保持持續(xù)運行狀態(tài)（所有資源24小時一直開），能耗并沒有隨話務(wù)量動態(tài)調(diào)整，造成了相當(dāng)大的浪費。傳統(tǒng)的一刀切方式嚴(yán)重依賴于定時關(guān)斷等人工設(shè)置的統(tǒng)一默認(rèn)值，可能會影響到用戶的通話和上網(wǎng)體驗。

如何在節(jié)能的同時又能確保用戶體驗不下降？華為認(rèn)為，這需要對每個小區(qū)進行精準(zhǔn)的無線資源利用率預(yù)測，并根據(jù)這個預(yù)測來控制載波的關(guān)斷；同時，監(jiān)控KPI/KQI的變化，根據(jù)調(diào)整策略部署后KPI/KQI的變化動態(tài)調(diào)整關(guān)斷參數(shù)。

然而，傳統(tǒng)的分析工具顯然對這類復(fù)雜場景下的預(yù)測無能為力，靠人力將影響預(yù)測的不確定因素與無線資源利用率關(guān)聯(lián)起來非常困難，在實踐中基本無法實施。

SoftCOM AI則通過AI訓(xùn)練平臺時空計算模塊中的神經(jīng)網(wǎng)絡(luò)算法，將各種影響因素的歷史時空特征數(shù)據(jù)和無線資源利用率之間的映射關(guān)系找出來，確定權(quán)重矩陣和偏置矩陣，從而得到無線資源利用率預(yù)測模型。在預(yù)測模型建設(shè)完成之后，就可部署到系統(tǒng)中，根據(jù)無線資源利用率預(yù)測結(jié)果設(shè)置關(guān)斷門限參數(shù)，計算滿足小區(qū)關(guān)斷門限的時間段，***解決了上述問題。

以AI一步找到***解

電信網(wǎng)絡(luò)中，尤其是無線系統(tǒng)，很多參數(shù)需要經(jīng)過反復(fù)漫長的迭代優(yōu)化才能得到***解，SoftCOM AI的出現(xiàn)使得“一步找到***解”成為可能。

大規(guī)模天線技術(shù)（Massive MIMO）是5G時代的核心技術(shù)之一。為充分發(fā)揮Massive MIMO的優(yōu)勢，需要對Massive MIMO基站的各項參數(shù)進行靈活的適應(yīng)性調(diào)整，以應(yīng)對業(yè)務(wù)的變化。然而，不同地點、不同場景、不同用戶分布，天線組合的參數(shù)不一，3G時代天線一共只有十幾種種組合，很容易通過專家的經(jīng)驗判斷來選擇；到了4G時代，天線的參數(shù)增加到數(shù)百種組合，已經(jīng)很難憑借過去的經(jīng)驗來判斷；而5G時代的幾千種參數(shù)組合更是人工經(jīng)驗判斷所不能實現(xiàn)的。加上人工操作效率低、風(fēng)險大、難以實施，Massive MIMO基站迫切需要更加智能的、可自我優(yōu)化的機制。

SoftCOM AI通過引入AI來分析處理各種復(fù)雜場景特征和波束參數(shù)組合的對應(yīng)關(guān)系。比如針對體育館、CBD和車站的地點、用戶數(shù)、吞吐率等情況，利用AI對海量的輸入?yún)?shù)和進行計算分析，得出針對各種場景的波束參數(shù)的初始優(yōu)化建議，這樣就能極大縮短漫長的調(diào)試階段，直接得到某個地點某種場景下的波束的***配置參數(shù)。

在日本運營商的實際使用中，通過AI技術(shù)已實現(xiàn)了短短數(shù)天得到一個站點的***初始值，效率比傳統(tǒng)方式有了巨大提升。

以AI從海量告警迅速找到故障源

在運維領(lǐng)域，運營商面臨著一個普遍的問題——故障發(fā)生后會引起海量告警，生成大量重復(fù)工單和無效派單，找出根因的難度就像是海里尋針。比如一個站點PTN掉電會產(chǎn)生高達600多條的告警和11張工單，而真正的根因只有一個；又比如日本運營商一個月的總告警量到實際價值工單差別巨大，99.96%告警都是無效告警。

集中故障處理系統(tǒng)的應(yīng)用是一個進步，在這樣的機制下，單網(wǎng)元的大量重復(fù)告警會被過濾和處理，并進行系統(tǒng)派單。但由于缺乏跨域關(guān)聯(lián)分析，故障發(fā)生時每個相關(guān)網(wǎng)元皆會輸出一張故障工單，重復(fù)工單的問題仍未解決。

如何徹底解決這個問題？基于SoftCOM AI提出的華為AI精益派單方案引入了關(guān)聯(lián)分析算法，通過頻繁項挖掘結(jié)合網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖，利用拓?fù)鋱D約束規(guī)則和告警類型約束規(guī)則，可對海量的歷史跨域告警數(shù)據(jù)進行深度過濾和學(xué)習(xí)，最終透過大量的告警找到故障根因，形成真正有效的工單。

據(jù)統(tǒng)計，通過AI精益派單方案，系統(tǒng)可過濾約30%重復(fù)工單和30%無效工單。通過根因分析，可進一步減少30%無需上站工單，極大提高運維效率。

結(jié)語：

過去十年，電信網(wǎng)絡(luò)經(jīng)歷了All IP、ALL Cloud變革，如今正呼喚著一場智能化的革新，華為SoftCOM AI正順應(yīng)了這樣的時勢。此次對應(yīng)用場景提煉與厘清，標(biāo)志著SoftCOM AI已經(jīng)由概念階段開始落地、進入到發(fā)展的快車道，相信很快就會有實際的用例出現(xiàn)，而一張“自我演進、永不故障”的網(wǎng)絡(luò)也將不再遙不可及。

關(guān)于華為SoftCOM AI更多干貨和進展，歡迎關(guān)注“人工智能園地”微信公眾號，并期待聽到您的聲音。

歡迎光臨人工智能園地微信公眾號 [[237700]]