譚倫

“SDN將進一步從自動化走向智能化。”在近日舉行的2018中國SDN/NFV大會上，SDN/NFV產(chǎn)業(yè)聯(lián)盟理事長韋樂平指出，電信網(wǎng)的復雜性和人工依賴性使得具備應(yīng)付高度復雜性能力的AI具有很好的發(fā)展空間，結(jié)合SDN與AI的基于意圖的網(wǎng)絡(luò)（IBN）將可能成為網(wǎng)絡(luò)自動化和智能化的目標。

SDN已過炒作期 NFV征程依然艱難

就SDN/NFV目前的進展和趨勢，韋樂平表示，SDN已度過炒作期，進入理性發(fā)展階段；NFV化已經(jīng)開始落地，但征程依然艱難。

根據(jù)Mason預測，2017年全球網(wǎng)絡(luò)云化市場為52億美元，未來年增長25%，2020年達到121億美元。目前，全球電信云項目已超過400個，SDN專線成為熱點，SD-WAN成為SDN邁向大網(wǎng)的關(guān)鍵和切入點，Verizon、AT&T;、Sprint、BT、Orange等大T已率先部署。韋樂平指出，這代表基于SDN/NFV的網(wǎng)絡(luò)云化成為共識。

一方面，SDN標準化進程加速。標志性事件包括IETF南北向接口定義完成；BBF瞄準產(chǎn)業(yè)轉(zhuǎn)型，推進網(wǎng)絡(luò)云化；ONAP開源組織推出第一版本，ONF TAPI2.0信息模型發(fā)布。另一方面，標準和開源組織走向協(xié)同。標準組織通過組織Hackthon參與開源，而開源組織開始反推標準。韋樂平表示，“Zero-Touch & Automation”成為SDN的新熱點。

與此同時，NFV化已經(jīng)開始落地，目前已覆蓋所有核心網(wǎng)網(wǎng)元，但由于思維落后、硬件性能限制、標準化滯后及互操作的復雜性，因此還不盡如人意，NFV的征程依然艱難。韋樂平表示，運營商的一朵云理想依然還只是理想，其內(nèi)部IT系統(tǒng)的復雜性和對外服務(wù)的質(zhì)量和速度要求導致公有云和電信云還在獨立建設(shè)，共享只在機房、局址和動環(huán)。因此，網(wǎng)絡(luò)云化的挑戰(zhàn)不可輕視。

AI使能是網(wǎng)絡(luò)重構(gòu)新階段

隨著網(wǎng)絡(luò)重構(gòu)帶來業(yè)務(wù)功能和網(wǎng)絡(luò)功能原子化和微服務(wù)化，管理對象劇增，多業(yè)務(wù)場景需求使得網(wǎng)絡(luò)架構(gòu)乃至網(wǎng)元形態(tài)都隨之動態(tài)化。同時，網(wǎng)絡(luò)NFV化后，網(wǎng)元的分層解耦引入了更多的廠商，不僅導致十分復雜和冗長的互操作測試，也引入了更多可能的故障點，運營商面臨更為復雜的故障定位源的分析和責任判定。

對于網(wǎng)絡(luò)架構(gòu)重構(gòu)帶來的如此高的多維度復雜性，韋樂平認為，引入AI重構(gòu)網(wǎng)絡(luò)是解決這一問題的必要手段。在韋樂平看來，AI能力遠超人腦，有望解決網(wǎng)絡(luò)重構(gòu)面臨的三個挑戰(zhàn)：網(wǎng)絡(luò)架構(gòu)動態(tài)變化帶來的網(wǎng)絡(luò)和業(yè)務(wù)的復雜性；網(wǎng)元分層解耦后的故障定位等運維帶來的復雜性；網(wǎng)絡(luò)資源實時調(diào)整帶來的網(wǎng)絡(luò)運行復雜性。

韋樂平表示，一切基于軟件的復雜多維問題都可以借助于AI的幫助，復雜的多層、多域、多協(xié)議、多接口、多參數(shù)、多廠家的網(wǎng)絡(luò)和業(yè)務(wù)問題也不例外，只是AI在不同層面和領(lǐng)域的作用和引入路徑不同。據(jù)悉，AI網(wǎng)絡(luò)應(yīng)用的主要場景包括高效智慧運維場景、個性化業(yè)務(wù)服務(wù)場景、網(wǎng)絡(luò)安全場景。

在設(shè)施基礎(chǔ)層，可以為有源硬件設(shè)施提供AI加速器，實現(xiàn)不同層級的訓練和推理能力，諸如核心DC的基礎(chǔ)設(shè)施可優(yōu)先引入AI加速器，滿足全局性的策略或算法模型的集中訓練及推理需求，而接入側(cè)可以逐步按需推進，例如基站內(nèi)嵌AI加速器可以支撐設(shè)備級的AI策略及應(yīng)用。

在網(wǎng)絡(luò)和業(yè)務(wù)控制層，可以優(yōu)先集成AI的推理能力，對網(wǎng)絡(luò)和業(yè)務(wù)實現(xiàn)智能網(wǎng)絡(luò)優(yōu)化、運維、管控和安全。實現(xiàn)網(wǎng)絡(luò)各層級的KPI優(yōu)化、路由優(yōu)化、網(wǎng)絡(luò)策略優(yōu)化等，例如無線的覆蓋優(yōu)化、容量優(yōu)化、負荷優(yōu)化等。

在運營和編排層，可優(yōu)先在大數(shù)據(jù)平臺上引入AI引擎，對OSS和BSS數(shù)據(jù)做更深度的智能化挖掘。隨著虛擬化網(wǎng)絡(luò)的部署，編排層上可以逐步疊加AI能力，從而提升產(chǎn)品編排、業(yè)務(wù)編排、端到端資源編排的自動化和智能化編排水平。進而對業(yè)務(wù)量的變化做前瞻性的智能預測，實現(xiàn)動態(tài)規(guī)劃和管理配套的資源。

仍面臨四大挑戰(zhàn)

雖然AI的引入已成為網(wǎng)絡(luò)重構(gòu)的一大方向，但韋樂平認為，AI的網(wǎng)絡(luò)應(yīng)用還面臨四大挑戰(zhàn)。

一是AI成功應(yīng)用的前提是足夠大的訓練數(shù)據(jù)?！氨M管電信網(wǎng)絡(luò)數(shù)據(jù)很大，但不同部門和層級數(shù)據(jù)語義和格式、數(shù)據(jù)存儲和管理應(yīng)用機制不同、數(shù)據(jù)監(jiān)管限制等原因，真正能有效利用的數(shù)據(jù)并不足夠大?！?/p>

二是AI/ML與網(wǎng)絡(luò)結(jié)合的場景尚不清晰。

三是網(wǎng)絡(luò)和業(yè)務(wù)遠比目前已經(jīng)成功應(yīng)用AI的圖像、語音識別和棋類博弈要復雜，特別還缺乏成熟可靠的電信網(wǎng)絡(luò)和業(yè)務(wù)的建模和特征表示及提取方法。

四是現(xiàn)有垂直煙囪式組織架構(gòu)不適應(yīng)AI使能的新網(wǎng)絡(luò)。

韋樂平表示，現(xiàn)有組織架構(gòu)往往是依靠特定的業(yè)務(wù)部門的專門團隊來支撐特定的業(yè)務(wù)、應(yīng)用和網(wǎng)絡(luò)功能，從而形成了大量垂直一體化的業(yè)務(wù)和網(wǎng)絡(luò)煙囪，不僅耗費了大量的人力物力和資金，而且還無法共享資源，難以提供融合性業(yè)務(wù)和網(wǎng)絡(luò)?；谠苹W(wǎng)絡(luò)的網(wǎng)絡(luò)架構(gòu)重構(gòu)要求運營商能夠在跨部門的、共享的、統(tǒng)一的云平臺上協(xié)同工作，這與現(xiàn)有的垂直煙囪化的部門設(shè)置直接沖突。

最后，韋樂平強調(diào)，僅僅依靠技術(shù)和業(yè)務(wù)重構(gòu)難以推進AI的深度網(wǎng)絡(luò)架構(gòu)重構(gòu)。打破部門壁壘，實施組織架構(gòu)水平化是網(wǎng)絡(luò)重構(gòu)成功的前提。