从世界杯“智能裁判” 看网络如何迈向高阶自智？

这届世界杯，“智能裁判”是最大亮点之一。SAOT将球场数据、比赛规则与AI融合，可自动对越位情况做出快速、精准的判断。

当万千球迷为一幕幕3D动画回放欢呼或遗憾之时，我的思绪却顺着电视机背后的网线和光纤，走进了通信网络。

因为，为了保障广大球迷们更流畅、清晰的观看体验，一场与SAOT有些相似的智能化变革也在通信网络内悄然进行。

2025年实现自智网络L4

越位规则复杂，裁判要兼顾复杂多变的球场状况瞬间做出准确判定，难度很大，因此足球比赛中屡屡出现争议性越位判罚。

与之类似，通信网络是极其复杂的系统，而过去几十年来一直依赖人工方式分析、判断、修复和优化网络，不仅非常耗费资源，而且容易出现人为失误。

更棘手的是，进入数字经济时代，随着通信网络成为千行百业数字化转型的底座，业务需求变得越来越多样化、动态化，对网络的稳定性、可靠性和敏捷性要求更高，传统人工运维运营方式更加难以为继。

一次越位误判可能会影响整场球赛结果，但对于通信网络而言，一次“误判”可能会让运营商痛失瞬息万变的市场机遇，让企业生产被迫中断，甚至影响整个社会经济发展进程。

没有选择，网络必须走向自动化、智能化。在此背景下，全球领先运营商已纷纷吹响迈向自智网络的号角。据三方报告显示，全球已有91%的运营商将自智网络纳入战略规划，已有10多个头部运营商发布2025年实现L4的目标。

其中，中国移动是这场变革的先锋。2021年中国移动发布自智网络白皮书，在业界首次提出在2025年达到L4级自智网络的量化目标，提出向内构建“自配置、自修复、自优化”的网络运维能力，向外打造“零等待、零故障、零接触”的客户体验。

与“智能裁判”相似的网络自智

SAOT主要由摄像头、球内传感器和AI系统组成。摄像头和球内传感器负责全面、实时采集数据，AI系统负责对数据进行实时分析，并精准计算出位置，同时，AI系统还需注入比赛规则，以根据规则自动化做出越位判罚。

图片来源：FIFA

网络自智化与SAOT实现方式有相似之处：

首先，需通过网络与感知深度融合，全面实时收集网络资源、配置、业务状态、故障、日志等信息，为AI训练和推理提供丰富的数据。这与SAOT通过摄像头和球内传感器收集数据是一致的。

其次，需将过去几十年来人工积累的大量排障、优化等经验及运维手册、规范等信息统一输入到AI系统，完成自动化分析、决策和执行。这就好比SAOT将越位规则输入到AI系统。

再者，由于通信网络由多域组成，比如任何一项移动业务的开通、排障和优化都需要无线接入网、传送网、核心网等多个子域端到端协同才能完成，网络自智还需“多域协同”。这与SAOT需从多个维度采集视频、传感数据才能做出更精准的判决相似。

不过，通信网络比球场环境复杂很多，业务场景也并非单一的“越位判罚”，而是极其多样化、动态化，除了以上三点相似之处，网络迈向高阶自智还需重点考虑以下因素：

一是云端、网络和网元设备都需与AI融合。云端采集全域海量数据，持续进行AI训练和模型生成，并向网络层和网元设备下发AI模型；网络层具备中等的训练及推理能力，可在单域内实现闭环自动化；网元设备可在接近数据源的地方完成分析、决策，从而保障故障处理、业务优化的实时性。

二是标准统一和产业协同。自智网络是一项复杂的系统工程，涉及的设备、网管、软件多，供应厂商多，存在接口对接难、跨域互通难等问题，同时TM Forum、3GPP、ITU、CCSA等多个组织都在推进自智网络标准，在标准制定上存在一定的碎片化问题，因此，产业协同构建统一开放的架构、接口、评估体系等标准也非常重要。

三是人才转型。自智网络不只是一次技术变革，还是一次人才、文化和组织架构的变革，要求运维运营工作从“网络为中心”向“业务为中心”转变，运维人员从硬件文化向软件文化转型，从重复性劳动向创造性劳动转型。

L3已在路上

到今天，自智网络走到哪了？距离L4级还有多远？在2022年中国移动全球合作伙伴大会上，华为公共开发部总裁鲁鸿驹在演讲中介绍了三个落地案例，从中或许能寻找到答案。

网维工程师们都知道，家宽网络是运营商运维运营工作面临的最大痛点领域，可能没有之一。其由家庭网络、ODN网络、承载网等多域组成，组网复杂，无源哑设备多，一直存在业务感知不敏感、响应不及时、故障排查难等问题。

针对这些痛点，中国移动与华为在河南、广东、浙江等省展开合作，在提升宽带服务方面，基于智能硬件和质量中心的协同，实现了用户体验精准感知、质差问题精准定位，将质差用户改善率提升到83%，FTTR、千兆等业务的营销成功率从3%提升到10%。在光网排障方面，通过提取光纤散射特征信息和AI模型，实现了同路由隐患智能识别，准确率达97%。

在绿色高效发展大背景下，网络节能是运营商当下的主攻方向。但由于无线网络结构复杂，多频段、多制式重叠交叉覆盖，不同场景下的小区业务随时间波动大，依靠人工方式进行精准节能关断根本不可能。

面对挑战，双方在安徽、云南、河南等省基于网管层和网元层协同，在不影响网络性能和用户体验的前提下，实现了单站平均能耗下降10%。其中，网管层基于全网多维数据制定和下发节能策略，网元层实时感知和预测小区业务变化，并精准执行载波关断、符号关断等节能策略。

从以上案例不难看出，通信网络正与足球比赛中“智能裁判”一样，通过“感知融合”、“AI大脑”和“多维度协同”，从特定场景、单自治域开始逐步实现自智化，让网络迈向高阶自智之路变得越来越明朗。

根据TM Forum定义，L3级自智网络“可实时感知环境变化，并在特定网络专业中进行自优化和自调整”，而L4级“可在更复杂的跨多网络领域环境中，实现业务和客户体验驱动网络的预测式或主动式的闭环管理”。显然，目前自智网络正接近或实现L3级。

三驾齐驱迈向L4

那接下来如何加速推动自智网络迈向L4级？鲁鸿驹表示，华为正通过单域自治、跨域协同和产业合作三驾马车齐驱的方式，助力中国移动达成到2025年实现自智网络L4的目标。

在单域自治方面，首先，网元设备与感知、计算融合，一方面通过引入光虹膜等创新技术及实时感知器件实现无源、毫秒级感知，另一方面通过融合低功耗计算、流计算等技术实现网元设备智能化。

其次，具备AI大脑的网络管控层可结合智能网元设备，实现感知、分析、决策和执行闭环，从而可在单域内面向网络操作、故障处理和网络优化，实现自配置、自修复、自优化的自治闭环。

同时，网络管控层还向上层业务管理层提供开放的北向接口，以便于业务层跨域协同开展和保障业务。

在跨域协同方面，华为强调通过平台演进、业务流程优化和人员转型三方面综合实现。

平台从过去烟囱式的支撑系统，向统一融合全域数据和专家经验的自智平台演进；业务流程从过去面向网络的、工单驱动的流程，向面向体验的、零接触的流程转型；在人员转型方面，通过构建低代码开发体系，及运维能力和网络能力原子封装，降低CT人员向数智化转型的门槛，帮助运维运营团队向DICT复合型人才转型。

此外，华为正推动多标准组织协同，实现自智网络架构、接口、分级、评估等方面的标准统一；通过分享实践经验、推进三方评测认证和产业平台建设等方面推动产业生态繁荣；以及与中国移动智慧运维子链协同，共同梳理和攻关根技术，确保根技术自主可控。

对照前文所述的实现自智网络的几点关键要素，在笔者看来，华为这“三驾马车”有架构、有技术、有合作、有标准、有人才，覆盖全面，发力精准，很是值得期待。

自智网络是电信业最美好的愿望，被誉为“电信业的诗和远方”。由于通信网络和业务太庞大、太复杂，它也一直被贴着“道路漫长”、“充满挑战”等标签。但从以上落地案例和“三驾马车”支撑能力看，我们看到诗歌不再傲然，远方也并非很遥远，在电信业共同努力下，它正越来越充满烟火气息。