歐陽曄，王立磊，楊愛東，馬利克·薩哈，大衛(wèi)·貝蘭格 ，高同慶，韋樂平，張亞勤

（1. 亞信科技（中國(guó)）有限公司，北京 100193；2. 美國(guó)威瑞森電信公司，美國(guó) 紐約 10036；3. 美國(guó)電話電報(bào)公司，美國(guó) 得克薩斯 達(dá)拉斯75202；4. 美國(guó)斯蒂文斯理工學(xué)院，美國(guó) 新澤西 霍博肯 07030；5. 中國(guó)移動(dòng)通信集團(tuán)公司，北京 100032；6. 中國(guó)電信集團(tuán)公司，北京 100033；7. 清華大學(xué)，北京100084）

1 移動(dòng)通信與人工智能

移動(dòng)通信技術(shù)的商用發(fā)展已經(jīng)歷了37年的歲月。從1983年10月貝爾實(shí)驗(yàn)室與摩托羅拉大規(guī)模商用第一代模擬語音通信技術(shù)AMPS（advanced mobile phone system）作為發(fā)展原點(diǎn)，到1991年世界主流的2G技術(shù)GSM（global system for mobile communication）實(shí)現(xiàn)全數(shù)字化語音，以及演進(jìn)到2001年的第三代UMTS（universal mobile telecommunications system）通信技術(shù)支持語音與移動(dòng)數(shù)據(jù)業(yè)務(wù)，到2008年至今全球大規(guī)模商用的4G技術(shù)LTE支持全I(xiàn)P（all internet protocol）化的高清語音與高速移動(dòng)數(shù)據(jù)業(yè)務(wù)，最終發(fā)展到2018年開始5G技術(shù)逐漸在全世界范圍商用[1]。這30余年，在移動(dòng)通信5個(gè)代際的發(fā)展歷程中，移動(dòng)通信實(shí)現(xiàn)了從模擬到數(shù)字、從語音到語音與數(shù)據(jù)業(yè)務(wù)并重、從電路交換到IP化、從封閉通信生態(tài)系統(tǒng)到賦能垂直行業(yè)的技術(shù)與生態(tài)發(fā)展演進(jìn)。在移動(dòng)通信發(fā)展的早期，尤其是從1G到3G發(fā)展的初期階段，移動(dòng)通信網(wǎng)絡(luò)與業(yè)務(wù)的生態(tài)體系還在不斷地進(jìn)行完整性構(gòu)建。直到4G生態(tài)系統(tǒng)基本實(shí)現(xiàn)了網(wǎng)絡(luò)系統(tǒng)全I(xiàn)P化、支持語音與數(shù)據(jù)業(yè)務(wù)，并開始向垂直行業(yè)賦能的嘗試后，業(yè)界開始提出移動(dòng)通信網(wǎng)絡(luò)自動(dòng)化與智能化的需求與發(fā)展理念。隨著移動(dòng)通信網(wǎng)絡(luò)變得日益復(fù)雜化以及通信業(yè)務(wù)生態(tài)變得日益多樣化，通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施和業(yè)務(wù)系統(tǒng)需要面對(duì)諸多復(fù)雜場(chǎng)景，例如無法用仿真模型模擬的極其復(fù)雜的無線環(huán)境、指數(shù)級(jí)的IP交換與路由控制選擇、主動(dòng)性的網(wǎng)絡(luò)支撐與業(yè)務(wù)保障、“一客一策”與“一刻一策”的網(wǎng)絡(luò)個(gè)性化服務(wù)等，遠(yuǎn)超傳統(tǒng)的人工規(guī)則預(yù)定義與執(zhí)行的處理與管理能力，因此當(dāng)前的通信系統(tǒng)中需要有一套自動(dòng)化、智能化的體系和手段保障網(wǎng)絡(luò)與業(yè)務(wù)的運(yùn)行與發(fā)展。

自2001年3G商用到2020年5G的廣泛商用，在這20年中，移動(dòng)互聯(lián)網(wǎng)與數(shù)據(jù)業(yè)務(wù)得到蓬勃發(fā)展，通信生態(tài)系統(tǒng)中產(chǎn)生海量的大數(shù)據(jù)，為人工智能（artificial intelligence，AI）在通信領(lǐng)域的發(fā)展和應(yīng)用提供了天然的、高質(zhì)量的數(shù)據(jù)源。2006年Hinton等[2]提出深度學(xué)習(xí)，標(biāo)志著人工智能發(fā)展的第三次浪潮的興起。傳統(tǒng)機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、增強(qiáng)學(xué)習(xí)以及人工智能中的神經(jīng)網(wǎng)絡(luò)以深度學(xué)習(xí)的形式在通信領(lǐng)域各種場(chǎng)景中都有所應(yīng)用。通過在IEEE Explore數(shù)據(jù)庫中查找通信人工智能領(lǐng)域的學(xué)術(shù)成果，用“Artificial Intelligence” “Machine Learning”“Deep Learning”等關(guān)鍵詞搜索的學(xué)術(shù)論文，從2006年至今的15年的學(xué)術(shù)論文數(shù)量是2006年之前15年的6.42倍。由此可見，自2006年開始的第三次發(fā)展浪潮，人工智能與移動(dòng)通信行業(yè)的融合應(yīng)用進(jìn)入了一個(gè)飛速發(fā)展的階段。

通用目的技術(shù)（general purpose technology，GPT）通常指那些可以對(duì)全球或者國(guó)家經(jīng)濟(jì)體產(chǎn)生影響的技術(shù)。GPT有希望通過影響既有經(jīng)濟(jì)和社會(huì)結(jié)構(gòu)顯著地改變社會(huì)[3-5]。經(jīng)濟(jì)學(xué)家Richard Lipsey和Kenneth Carlaw早在2005年就把人工智能等24種技術(shù)定義為通用目的技術(shù)[6]。從2018年至今，各國(guó)政府與學(xué)術(shù)組織逐漸開始將5G視為新一代的通用目的技術(shù)[6-10]。通用目的技術(shù)的顯著特征在于對(duì)各種行業(yè)具有技術(shù)擴(kuò)散性與賦能，并為垂直行業(yè)的研發(fā)與創(chuàng)新提振了生產(chǎn)力[4]。5G與人工智能很明顯具備這樣的特征，因此，5G與人工智能普遍被各國(guó)和工業(yè)界視為21世紀(jì)最新的一組通用目的技術(shù)被采納。

自從2018年5G逐漸商用以來，有不少參考文獻(xiàn)[1,11-12]以調(diào)研或者實(shí)證研究的形式探索人工智能在5G的應(yīng)用，大多以AI從5G物理層、MAC（medium access control）層、網(wǎng)絡(luò)層、應(yīng)用層的應(yīng)用案例做綜述，或以某一研究問題做仿真或者數(shù)據(jù)分析進(jìn)行田野實(shí)驗(yàn)或者實(shí)證研究。然而，目前業(yè)界仍然缺乏并需要從5G以及B5G（beyond 5G）生態(tài)系統(tǒng)發(fā)展的角度，對(duì)移動(dòng)通信和人工智能技術(shù)的融合發(fā)展做整體的綜述和前瞻性的展望。筆者希望將5G與人工智能技術(shù)作為一組通用目的技術(shù)的融合應(yīng)用發(fā)展作為主線，對(duì)人工智能在當(dāng)前5G國(guó)際技術(shù)標(biāo)準(zhǔn)、5G網(wǎng)絡(luò)與業(yè)務(wù)生態(tài)系統(tǒng)的“注智”與“融智”做系統(tǒng)性綜述，并對(duì)未來10年移動(dòng)通信與人工智能技術(shù)的融合演進(jìn)做前瞻性論述。

2 移動(dòng)通信與人工智能的發(fā)展路線

移動(dòng)通信技術(shù)與人工智能在各自的早期階段有著鮮明的、各自獨(dú)立的發(fā)展路線。移動(dòng)通信技術(shù)從2G到5G的發(fā)展，工業(yè)界基本以3GPP（The 3rd Generation Partnership Project）作為事實(shí)技術(shù)標(biāo)準(zhǔn)的一條主線進(jìn)行演進(jìn)，以ETSI（European Telecommunications Standards Institute）、ITU（International Telecommunication Union）、 O-RAN（Open RAN Alliance）等其他技術(shù)標(biāo)準(zhǔn)作為旁線補(bǔ)充。從2008年，以自組織網(wǎng)絡(luò)（self-organizing network，SON）技術(shù)作為一個(gè)顯著標(biāo)志，3GPP開始逐漸將人工智能理念引入移動(dòng)通信網(wǎng)絡(luò)的技術(shù)標(biāo)準(zhǔn)。

2.1 人工智能的歷史發(fā)展路線

人工智能技術(shù)的雛形最早出現(xiàn)在1956年，美國(guó)達(dá)特茅斯會(huì)議上提出了“人工智能”一詞[13]，同年Arthur Samuel提出了機(jī)器學(xué)習(xí)理論，如圖1所示。20世紀(jì)70年代中期，以仿生學(xué)為基礎(chǔ)的研究學(xué)派逐漸火熱，專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等技術(shù)獲得了高速發(fā)展[14]。此后，人們開始嘗試研究具有通用性的人工智能程序，卻遇到嚴(yán)重的阻礙，陷入停滯而進(jìn)入發(fā)展的“寒冬”期[15]。1997年，“深藍(lán)”的成功讓人工智能的發(fā)展又提上日程。隨著算力的增加以及互聯(lián)網(wǎng)普及帶來的海量數(shù)據(jù)，人工智能的瓶頸被打破，為基于大數(shù)據(jù)的深度學(xué)習(xí)與增強(qiáng)學(xué)習(xí)提供了發(fā)展的可能。21世紀(jì)初期，人工智能技術(shù)的發(fā)展從“感知”走向“認(rèn)知”，特別在語音處理、本文分析、視頻處理等深度學(xué)習(xí)技術(shù)方面取得重要進(jìn)展。 2012年，Hinton發(fā)表了一個(gè)設(shè)計(jì)精巧的卷積網(wǎng)絡(luò)AlexNet[16]，在傳統(tǒng)的卷積網(wǎng)絡(luò)中加入了ReLU、Dropout處理方法，并將網(wǎng)絡(luò)結(jié)構(gòu)拓展到更大規(guī)模，極大降低了圖像識(shí)別的錯(cuò)誤率。自然語言處理（natural language processing，NLP）技術(shù)在2013年取得了重大進(jìn)展，Hinton使用了RNN（recurrent neural network）做語音識(shí)別的工作，圖靈獎(jiǎng)獲得者Yoshua Bengio在同一年提出了一種基于神經(jīng)網(wǎng)絡(luò)的語言模型word2vec用于文本分析，兩種技術(shù)識(shí)別效果相比傳統(tǒng)方法顯著提高。2014年誕生的生成對(duì)抗網(wǎng)絡(luò)（generative adversarial network，GAN）技術(shù)受到學(xué)術(shù)界、工業(yè)界的格外關(guān)注[17]，最新的GAN算法在圖像生成領(lǐng)域的逼真效果已經(jīng)達(dá)到人眼難以分辨的程度。深度強(qiáng)化學(xué)習(xí)模型DQN（deep Q-network）于2015年發(fā)表在Nature上，標(biāo)志著強(qiáng)化學(xué)習(xí)與深度學(xué)習(xí)的里程碑[18]。2016年，結(jié)合了深度神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、蒙特卡洛樹搜索樹的AlphaGo由谷歌DeepMind開發(fā)成功，并成功戰(zhàn)勝多名圍棋冠軍。2018年年底，谷歌發(fā)布一種雙向語言模型——BERT（bidirectional encoder representations from transformers）[19]，這打開了深度學(xué)習(xí)在 NLP 應(yīng)用的“潘多拉魔盒”，在業(yè)界引起了極大的關(guān)注和廣泛的應(yīng)用，成為NLP技術(shù)發(fā)展的一個(gè)重要階段。2020年，Open-AI在GPT（generative pre-trained transformer）體系下，開發(fā)出擁有1 750億參數(shù)量的預(yù)訓(xùn)練模型GPT-3，成為目前NLP領(lǐng)域最強(qiáng)的通用語言模型，在翻譯、問答、文本填空等應(yīng)用任務(wù)中表現(xiàn)出接近人類的能力[20]。近5年，數(shù)據(jù)隱私安全逐漸引起了全球的重視[21]，“數(shù)據(jù)孤島”效應(yīng)成為阻礙大數(shù)據(jù)融合和人工智能發(fā)展的“絆腳石”，為了重建行業(yè)數(shù)據(jù)生態(tài)，2017年年底，“聯(lián)邦學(xué)習(xí)”技術(shù)由谷歌率先提出[22]，以一種分布式加密機(jī)器學(xué)習(xí)的思想打破“數(shù)據(jù)孤島”僵局。2018年，為了滿足工業(yè)數(shù)據(jù)聯(lián)合需求，微眾銀行提出了一種工業(yè)級(jí)的聯(lián)邦學(xué)習(xí)框架——FATE，實(shí)現(xiàn)了工業(yè)聯(lián)邦學(xué)習(xí)的新范式。2020年年底，工業(yè)聯(lián)邦學(xué)習(xí)國(guó)際標(biāo)準(zhǔn)IEEE P3652.1發(fā)布，標(biāo)志著行業(yè)“融智生態(tài)聯(lián)盟”正式落地開啟。

2.2 通信人工智能的歷史發(fā)展路線

受算法、算力、需求等方面的影響，早期的移動(dòng)通信系統(tǒng)（例如AMPS、GSM等）未涉及人工智能應(yīng)用。但基于數(shù)據(jù)模型和仿真的分析方法已經(jīng)用于網(wǎng)絡(luò)規(guī)劃與優(yōu)化。1968年，Yoshihisa Okumura提出Okumura模型，基于實(shí)測(cè)數(shù)據(jù)對(duì)真實(shí)的無線信道進(jìn)行數(shù)據(jù)建模與仿真，可以看作移動(dòng)通信系統(tǒng)早期應(yīng)用數(shù)據(jù)科學(xué)算法的雛形[23]。1980年，Masaharu Hata提出Hata模型，對(duì)Okumura模型進(jìn)行優(yōu)化[24]。

圖1中，1999年3GPP正式把COST Walfish-Ikegami等信道模型納入3G射頻系統(tǒng)場(chǎng)景的規(guī)范中[25]。后期，隨著無線蜂窩技術(shù)的發(fā)展，涌現(xiàn)出更多的無線信道建模與仿真算法[26-28]。

3GPP于2008年開始定義SON功能[29-30]，隨后通信界開始探索各種人工智能算法對(duì)SON的應(yīng)用。初期主要利用遺傳算法、進(jìn)化算法、多目標(biāo)優(yōu)化算法等分布式優(yōu)化算法對(duì)網(wǎng)絡(luò)的覆蓋和容量進(jìn)行優(yōu)化[31-32]。機(jī)器學(xué)習(xí)已被SON領(lǐng)域廣為接納用于網(wǎng)絡(luò)實(shí)現(xiàn)自組織、自配置、自優(yōu)化、自治愈的關(guān)鍵方法[33]。然而，通信人工智能真正的飛躍性發(fā)展始于2017年。

2017年2月，3GPP 服務(wù)和系統(tǒng)第二工作組（Service & System Aspects Working Group 2，SA2）開始研究5G核心網(wǎng)的智能化網(wǎng)元——網(wǎng)絡(luò)數(shù)據(jù)分析功能（network data analytics function，NWDAF）[34]，例如用戶設(shè)備（user equipment，UE）級(jí)的移動(dòng)性管理，如尋呼增強(qiáng)和基于UE 移動(dòng)性模式預(yù)測(cè)的連接管理增強(qiáng)等； 5G 服務(wù)質(zhì)量（quality of service，QoS）增強(qiáng)，如用戶QoS 參數(shù)配置優(yōu)化；網(wǎng)絡(luò)負(fù)載優(yōu)化，如基于網(wǎng)絡(luò)性能預(yù)測(cè)的用戶面功能（user plane function，UPF）選擇等。同月，歐洲電信標(biāo)準(zhǔn)化協(xié)會(huì)（ETSI）成立了經(jīng)驗(yàn)式網(wǎng)絡(luò)智能（Experiential Network Intelligence，ENI）工作組，專門研究體驗(yàn)式感知網(wǎng)絡(luò)管理架構(gòu)、用例、術(shù)語等[35]。2017年6月，中國(guó)通信標(biāo)準(zhǔn)化協(xié)會(huì)（China Communications Standards Association，CCSA）啟動(dòng)了人工智能在電信網(wǎng)絡(luò)中的應(yīng)用課題研究[36]。2018年2月，開放無線接入網(wǎng)絡(luò)聯(lián)盟（Open Radio Access Network Alliance，O-RAN Alliance）成立，開始制定無線人工智能的框架、用例、流程和接口規(guī)范[37]。2018年6月，3GPP 無線接入網(wǎng)第三工作組（Radio Access Network Working Group 3，RAN3）開始研究無線側(cè)的數(shù)據(jù)采集機(jī)制[38]。電信管理論壇（Telecom Management Forum，TMF）也開始了與人工智能相關(guān)的催化劑工作。2018年8月，3GPP SA5開始與5G SON相關(guān)的課題研究[39]。2018年10月，3GPP SA5開始對(duì)人工智能的研究，定義了一個(gè)新的管理面功能：管理數(shù)據(jù)分析功能（management data analytic function ，MDAF）[40]。2019年6月，國(guó)際電信聯(lián)盟電信標(biāo)準(zhǔn)化部門第13研究組（ITU Telecommunication Standardization Sector Study Group 13，ITU-T SG13）啟動(dòng)了機(jī)器學(xué)習(xí)用例的研究[41]。同月，全球移動(dòng)通信系統(tǒng)協(xié)會(huì)（Global System for Mobile Communications Association，GSMA）開始了智能自治網(wǎng)絡(luò)案例的白皮書工作[42]。2020年6月，3GPP SA5開始啟動(dòng)網(wǎng)絡(luò)自動(dòng)化分級(jí)的研究課題[43]。同月，中國(guó)移動(dòng)聯(lián)合亞信科技首次在3GPP R17標(biāo)準(zhǔn)中正式引入聯(lián)邦學(xué)習(xí)概念，形成聯(lián)邦學(xué)習(xí)在5G領(lǐng)域的第一個(gè)全球國(guó)際標(biāo)準(zhǔn)[44]。2020年7月，3GPP R16正式凍結(jié)之后，3GPP RAN3、SA2、SA5針對(duì)新的R17版本將繼續(xù)推進(jìn)與人工智能相關(guān)的NWDAF、MDAF、QoE（quality of experience）等標(biāo)準(zhǔn)化課題研究。

3 通信人工智能的發(fā)展

通信的本質(zhì)，在于通過各種通信技術(shù)（例如移動(dòng)通信、衛(wèi)星通信、固定網(wǎng)絡(luò)通信等）將信號(hào)中封裝的信息從出發(fā)點(diǎn)傳到目的地。衡量通信質(zhì)量的標(biāo)準(zhǔn)是信息從發(fā)送端到接收端是否可以精確、完美地復(fù)現(xiàn)。人工智能，相對(duì)于由人和動(dòng)物表現(xiàn)的自然智能，使計(jì)算機(jī)或機(jī)器能模擬人類思維與認(rèn)知，例如“學(xué)習(xí)”與“解決問題”的能力，同時(shí)去感知環(huán)境，并采取相應(yīng)的行動(dòng)，以概率最大化的期望成功實(shí)現(xiàn)預(yù)設(shè)的目標(biāo)[45-46]。通信與信號(hào)處理系統(tǒng)基于精密的數(shù)學(xué)模型進(jìn)行構(gòu)建。而人工智能中的深度學(xué)習(xí)使人工智能從數(shù)據(jù)中吸收知識(shí)并做出決策，無須進(jìn)行明確的數(shù)學(xué)建模與分析。如果過于精巧和優(yōu)雅的數(shù)學(xué)假設(shè)，通信系統(tǒng)在現(xiàn)實(shí)應(yīng)用中容易脫離實(shí)際。而人工智能或深度學(xué)習(xí)如果應(yīng)用于通信系統(tǒng)，其過于黑盒化的學(xué)習(xí)過程，又容易使得通信與信息模型的構(gòu)建缺乏物理意義。好在通信系統(tǒng)的一個(gè)典型特征是層級(jí)自治并通過標(biāo)準(zhǔn)化定義的接口實(shí)現(xiàn)互聯(lián)互通形成完整的系統(tǒng)。例如信號(hào)處理系統(tǒng)的發(fā)射機(jī)和接收機(jī)可分解成為不同處理單元，負(fù)責(zé)各自的功能，例如信號(hào)編解碼，信道編解碼，調(diào)制、解調(diào)、除噪等，非常類似今天IT系統(tǒng)中的微服務(wù)概念。盡管這種系統(tǒng)架構(gòu)不是全局最優(yōu)，但其優(yōu)點(diǎn)在于將各子系統(tǒng)進(jìn)行獨(dú)立分析和優(yōu)化，從而形成整體穩(wěn)定的系統(tǒng)?，F(xiàn)代移動(dòng)通信系統(tǒng)經(jīng)過30多年的發(fā)展，效率和性能已經(jīng)非常優(yōu)秀，已逼近香農(nóng)極限。區(qū)別于傳統(tǒng)的分層自治方式，如果利用人工智能、深度學(xué)習(xí)將通信系統(tǒng)考慮為一個(gè)整體模型進(jìn)行分析與優(yōu)化，有可能將通信系統(tǒng)智能化的發(fā)展推向一個(gè)新的階段。本節(jié)將介紹人工智能在通信生態(tài)系統(tǒng)里各個(gè)領(lǐng)域的發(fā)展和應(yīng)用，以及通信國(guó)際標(biāo)準(zhǔn)組織對(duì)當(dāng)前通信人工智能發(fā)展定義的分級(jí)體系。

3.1 通信人工智能在移動(dòng)網(wǎng)絡(luò)基礎(chǔ)設(shè)施領(lǐng)域的發(fā)展

人工智能在通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施的發(fā)展，從無線接入網(wǎng)、核心網(wǎng)、傳輸網(wǎng)、終端4個(gè)方面進(jìn)行闡述。

（1）無線接入網(wǎng)

無線接入網(wǎng)的物理載體是基站。5G基站分為中央單元（central unit，CU）和分布式單元（distributed unit，DU），類似傳統(tǒng)的基帶單元（base band unit，BBU），通過光纖與有源天線單元（active antenna unit，AAU）連接。AAU包含傳統(tǒng)的射頻拉遠(yuǎn)單元（remote radio unit，RRU）和天線功能，即有源射頻部分與無源天線整合為一體。人工智能面向無線接入網(wǎng)中的CU、DU、AAU，目前在物理層、MAC層、網(wǎng)絡(luò)層都有所應(yīng)用[12]。

其中，在物理層與數(shù)據(jù)鏈路層，典型的AI應(yīng)用包括利用深度學(xué)習(xí)或強(qiáng)化學(xué)習(xí)算法評(píng)估與預(yù)測(cè)信道質(zhì)量、OFDM（orthogonal frequency division multiplexing）符號(hào)在接收端的檢測(cè)、信道編解碼、動(dòng)態(tài)頻譜隨機(jī)接入等功能。其中信道質(zhì)量評(píng)估利用例如DNN（deep neural network）算法對(duì)有限導(dǎo)頻信號(hào)做分析，幫助大規(guī)模MIMO系統(tǒng)推測(cè)出完整、準(zhǔn)確的信道狀態(tài)信息（channel state information，CSI）。OFDM符號(hào)在接收端的檢測(cè)通常依賴于接收器利用最大似然估計(jì)進(jìn)行評(píng)估，但該方法對(duì)CSI誤差和模型本身的準(zhǔn)確性非常敏感。因此參考文獻(xiàn)[47-48]嘗試了DNN算法，結(jié)果表明超越了傳統(tǒng)的MIMO符號(hào)檢測(cè)方法。5G信道編解碼中，數(shù)據(jù)信道使用LDPC（low-density parity-check）碼，控制信道使用Polar碼。其中Polar碼需要耗費(fèi)多重的迭代收斂后到達(dá)優(yōu)化性能，而LDPC碼在大塊Block或者噪音惡劣情況下解碼的復(fù)雜度較高。因此各種基于CNN、DNN以及強(qiáng)化學(xué)習(xí)的解碼算法[49-52]，呈現(xiàn)優(yōu)秀的性能、質(zhì)量以及較小的計(jì)算代價(jià)。動(dòng)態(tài)頻譜隨機(jī)接入領(lǐng)域以后也可以嘗試基于強(qiáng)化學(xué)習(xí)的DSA 策略（learning-based random access and dynamic spectrum access）保證大規(guī)模終端的動(dòng)態(tài)頻譜接入。

面向無線接入網(wǎng)的應(yīng)用層，3GPP定義了SON的標(biāo)準(zhǔn)體系[29-30,53-61]，旨在實(shí)現(xiàn)無線網(wǎng)絡(luò)的自配置、自優(yōu)化、自治愈。3GPP雖然沒有指定或建議任何統(tǒng)計(jì)或者數(shù)據(jù)科學(xué)算法，但建議了一系列智能化的SON應(yīng)用場(chǎng)景：網(wǎng)絡(luò)覆蓋與性能優(yōu)化（coverage and capacity optimization，CCO）、節(jié)能管理（energy saving management，ESM）、天線角度遠(yuǎn)程控制（remote control of electrical tilting antennas，RET）、干擾減輕（interference reduction，IR）、小區(qū)ID自動(dòng)配置（automated configuration of physical cell identity，ACPCI）、移動(dòng)性穩(wěn)健性/切換優(yōu)化（mobility robustness/handover optimization，MRO/MHO）、移動(dòng)性負(fù)載均衡（mobility load balancing，MLB）、隨機(jī)接入優(yōu)化（RACH optimization）、鄰區(qū)關(guān)系自動(dòng)化（automatic neighbor relation，ANR）、跨小區(qū)干擾優(yōu)化（inter-cell interference coordination，ICIC ）、隨機(jī)接入信道優(yōu)化（random access channel optimization，RACO）、負(fù)載均衡優(yōu)化（load balancing optimization）、自治愈（self-healing functions）、小區(qū)停服檢測(cè)及補(bǔ)救（cell outage detection & compensation）以及路測(cè)最小化（minimization of drive-tests，MDT）等。從2008年第一個(gè)3GPP SON標(biāo)準(zhǔn)至今，業(yè)界的科學(xué)家們[62-79]嘗試了多種數(shù)據(jù)科學(xué)算法，旨在利用人工智能方法來實(shí)現(xiàn)上述多個(gè)SON的應(yīng)用場(chǎng)景。SON在3G到5G時(shí)代發(fā)展的12年整體發(fā)展得較為平淡。通信標(biāo)準(zhǔn)制訂者的美好愿望在于通過SON，把自動(dòng)化、智能化的基因注入移動(dòng)通信網(wǎng)絡(luò)架構(gòu)本身，無論通過分布式部署SON（distributed-SON，D-SON）、集中式部署SON（centralized-SON，C-SON），還是混合部署SON（hybrid-SON，H-SON）的方式。傳統(tǒng)通信設(shè)備商更希望SON變成自己網(wǎng)絡(luò)基礎(chǔ)設(shè)施緊耦合的一部分，因此傳統(tǒng)設(shè)備商的SON大多支持自身DE 無線網(wǎng)絡(luò)設(shè)備。通信運(yùn)營(yíng)商更希望在自己的無線接入網(wǎng)中部署一套廠商中立、技術(shù)中立的智能化SON系統(tǒng)。新興的SON 初創(chuàng)公司愿意與通信運(yùn)營(yíng)商站在一起致力于發(fā)展網(wǎng)絡(luò)中立的SON技術(shù)，但又苦于無線設(shè)備廠商在功能接口、數(shù)據(jù)接口設(shè)置的封閉性和非標(biāo)準(zhǔn)性，在商業(yè)化進(jìn)程中很難實(shí)現(xiàn)3GPP SON的愿景。產(chǎn)業(yè)界比較標(biāo)志性的事件是美國(guó)Cisco（思科）在2013年2月以4.75億美元收購(gòu)了以色列的Intucell，后者當(dāng)時(shí)是一家專注于SON的電信軟件明星公司。經(jīng)過7年的慘淡發(fā)展，Cisco在2020年6月僅以當(dāng)時(shí)收購(gòu)價(jià)的10%，即5 000萬美元賣給了印度的HCL。世界排名第一的電信軟件公司Amdocs在2013年11月以1.29億美元收購(gòu)了美國(guó)的SON初創(chuàng)公司Celcite，但在隨后美國(guó)排名前二的移動(dòng)運(yùn)營(yíng)商Verizon和AT&T的SON商用進(jìn)程中，也沒有取得預(yù)期的商用市場(chǎng)份額。美國(guó)移動(dòng)通信運(yùn)營(yíng)商在近5年也逐漸采取自研的模式在無線接入網(wǎng)的智能化領(lǐng)域進(jìn)行嘗試，例如Verizon在2015年與Cisco和Ericsson（愛立信）聯(lián)合部署的SON系統(tǒng)逐漸被自有的V-SON系統(tǒng)所取代。

（2）核心網(wǎng)

人工智能在移動(dòng)通信核心網(wǎng)領(lǐng)域的發(fā)展在5G時(shí)代取得了重大進(jìn)展。3GPP SA2在2017年2月定義了網(wǎng)絡(luò)人工智能網(wǎng)元（NWDAF），這是移動(dòng)通信從1G到5G以來第一次在核心網(wǎng)絡(luò)架構(gòu)里定義、標(biāo)準(zhǔn)化，并要求部署網(wǎng)絡(luò)人工智能網(wǎng)元。NWDAF架構(gòu)如圖2（a）所示，該網(wǎng)元旨在利用人工智能算法與通信技術(shù)協(xié)議相融合，對(duì)5G核心網(wǎng)絡(luò)的移動(dòng)性管理、網(wǎng)絡(luò)服務(wù)質(zhì)量（QoS）以及5G核心網(wǎng)其他網(wǎng)元（例如UPF等）進(jìn)行智能化的管理、優(yōu)化與提升網(wǎng)絡(luò)質(zhì)量與體驗(yàn)。目前，中美運(yùn)營(yíng)商正在對(duì)NWDAF在5G SA的商用進(jìn)行功能測(cè)試。

相對(duì)于3GPP，O-RAN是另一條新興技術(shù)賽道。2018年開始O-RAN聯(lián)盟制定基于AI的無線智能控制器（AI-enabled RAN intelligent controller，RIC），并與核心網(wǎng)管理與編排（management& orchestration，MANO）功能緊耦合，因此筆者把RIC放在核心網(wǎng)部分闡述。RIC架構(gòu)如圖 2（b）所示，RIC分為非實(shí)時(shí)Non-RT RIC（non-real time RIC）和準(zhǔn)實(shí)時(shí)Near-RT RIC（near-real time RIC）。準(zhǔn)實(shí)時(shí)RIC下沉在無線接入網(wǎng)側(cè)通過E2接口與CU/DU相連。準(zhǔn)實(shí)時(shí)RIC的功能包括利用AI的能力進(jìn)行無線資源管理、移動(dòng)性管理、無線連接管理、切換管理以及無線QoS管理等。非實(shí)時(shí)RIC則定義在核心網(wǎng)MANO體系中，通過A1接口與準(zhǔn)實(shí)時(shí)RIC連接。其主要功能在于基于AI的業(yè)務(wù)與策略管理，高層業(yè)務(wù)流程優(yōu)化以及幫助準(zhǔn)實(shí)時(shí)RIC離線訓(xùn)練AI模型等。O-RAN的RIC目前還正在標(biāo)準(zhǔn)完善和早期試驗(yàn)中。相對(duì)于3GPP NWDAF，O-RAN RIC離成熟商用還有較大差距。

圖2 NWDAF 和 RIC架構(gòu)

（3）傳輸網(wǎng)

傳輸網(wǎng)是通信網(wǎng)絡(luò)的基礎(chǔ)，負(fù)責(zé)在物理上連接各個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)，將數(shù)據(jù)傳送到目的地。由于光通信具有大帶寬、穩(wěn)定、損耗低等特點(diǎn)，目前主流的傳輸技術(shù)通過光網(wǎng)絡(luò)這樣的載體進(jìn)行通信。光傳輸網(wǎng)絡(luò)的發(fā)展經(jīng)歷了準(zhǔn)同步數(shù)字傳輸體制（plesiochronous digital hierarchy，PDH）[80]、同步數(shù)字體制（synchronous digital hierarchy，SDH）[81]、多業(yè)務(wù)傳送平臺(tái)（multi-service transport platform，MSTP）[82]、波分多路復(fù)用（wavelength division mulplexing，WDM）[83]、自動(dòng)交換光網(wǎng)絡(luò)（automatically switched optical network，ASON）[84]、光傳送網(wǎng)（optical transport network，OTN）[85]技術(shù)的發(fā)展和革新。為了實(shí)現(xiàn)網(wǎng)絡(luò)流量的靈活控制，更好地支持業(yè)務(wù)傳輸需要，近幾年業(yè)界又開始探索將SDN引入光網(wǎng)絡(luò)，實(shí)現(xiàn)軟件定義光網(wǎng)絡(luò)（software defined optical networking，SDON）[86]。SDON繼承了ASON動(dòng)態(tài)恢復(fù)業(yè)務(wù)中斷的特點(diǎn)，但同時(shí)也致力于保障網(wǎng)絡(luò)容量和業(yè)務(wù)可靠性。另外，由于降低運(yùn)營(yíng)成本的需要，提供光網(wǎng)絡(luò)組網(wǎng)的自動(dòng)化及智能化水平，光網(wǎng)絡(luò)需要與大數(shù)據(jù)、人工智能、云網(wǎng)融合等技術(shù)結(jié)合，實(shí)現(xiàn)光網(wǎng)絡(luò)的智能化管理。這也引入了認(rèn)知光網(wǎng)絡(luò)（cognitive optical network，CON）的概念以及業(yè)界的探索[87]。按照歐盟資助的CHRON（cognitive heterogeneous reconfigurable optical network）的項(xiàng)目目標(biāo)[88-89]，認(rèn)知光網(wǎng)絡(luò)的核心是認(rèn)知決策系統(tǒng)（cognition and decision system，CDS），負(fù)責(zé)管理傳輸要求和網(wǎng)絡(luò)事件?？刂坪凸芾硐到y(tǒng)（control and management system，CMS）負(fù)責(zé)控制和傳播相關(guān)指令，如圖3所示。目前，SDON/CON與人工智能的結(jié)合也出現(xiàn)了一些研究成果，例如預(yù)測(cè)故障、縮短恢復(fù)時(shí)間、改進(jìn)光的信噪比等[90]。

圖3 認(rèn)知光網(wǎng)絡(luò)的系統(tǒng)結(jié)構(gòu)

另一方面，第4版互聯(lián)網(wǎng)協(xié)議（internet protocol version 4，IPv4）向第6版互聯(lián)網(wǎng)協(xié)議（internet protocol version 6，IPv6）的演進(jìn)重點(diǎn)解決地址空間、網(wǎng)絡(luò)傳輸?shù)腝oS保障等諸多問題。為了滿足5G場(chǎng)景的需要，構(gòu)建基于IPv6的智能IP網(wǎng)絡(luò)也是承載網(wǎng)的發(fā)展趨勢(shì)。如何實(shí)現(xiàn)靈活的網(wǎng)絡(luò)路由、保障承載網(wǎng)的網(wǎng)絡(luò)切片SLA（service level agreement）、確定性網(wǎng)絡(luò)傳輸，需要利用人工智能技術(shù)進(jìn)行保障。例如，可基于人工智能技術(shù)對(duì)IP網(wǎng)絡(luò)的意圖進(jìn)行識(shí)別和判斷，針對(duì)性保障網(wǎng)絡(luò)體驗(yàn)。但總體而言，目前IPv6網(wǎng)絡(luò)和人工智能的結(jié)合還處于初始探索階段，業(yè)界希望可以利用人工智能技術(shù)對(duì)全網(wǎng)的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，及時(shí)發(fā)現(xiàn)網(wǎng)絡(luò)的問題和風(fēng)險(xiǎn)，智能化地識(shí)別網(wǎng)絡(luò)異常；可針對(duì)發(fā)現(xiàn)問題進(jìn)行故障的根因定位并且產(chǎn)生相關(guān)的最優(yōu)策略。為更好地實(shí)現(xiàn)智能化IP網(wǎng)絡(luò)，還需要引入分段路由IPv6、SRv6（segment routing IPv6）、隨流檢測(cè)等技術(shù)[91-92]，對(duì)網(wǎng)絡(luò)進(jìn)行感知和靈活的路由配置，將IPv6技術(shù)升級(jí)到IPv6+。目前業(yè)界相關(guān)的研究還處于探索階段。

目前，云網(wǎng)邊端的資源分配和存儲(chǔ)算力資源使用相對(duì)獨(dú)立，例如在云服務(wù)器進(jìn)行復(fù)雜的人工智能應(yīng)用，在終端進(jìn)行簡(jiǎn)單、輕量化的人工智能應(yīng)用。隨著SDN、IPv6、IPv6+等技術(shù)的發(fā)展，業(yè)界致力于實(shí)現(xiàn)算力網(wǎng)絡(luò)與IP網(wǎng)絡(luò)的融合、云網(wǎng)融合等全新的架構(gòu)。目前，在這個(gè)過程中還存在許多技術(shù)難題，例如如何實(shí)現(xiàn)最優(yōu)的路由、如何最優(yōu)地分布算力、如何保障算力的服務(wù)質(zhì)量，這需要借助人工智能等技術(shù)克服難題。目前相關(guān)研究還處于初級(jí)階段。

（4）終端

基于終端的人工智能包括終端和芯片的智能化。終端操作系統(tǒng)本身和應(yīng)用層的App已有一些智能化應(yīng)用發(fā)展，而筆者重點(diǎn)關(guān)注的基于終端的人工智能對(duì)于網(wǎng)絡(luò)基礎(chǔ)設(shè)施的賦能目前還在早期發(fā)展階段。比較典型應(yīng)用是終端芯片采集的性能數(shù)據(jù)匯報(bào)給SON系統(tǒng)或者運(yùn)維支撐系統(tǒng)（operation supporting system，OSS），利用這兩個(gè)部件的網(wǎng)絡(luò)人工智能分析引擎，進(jìn)行無線網(wǎng)絡(luò)智能優(yōu)化。在3GPP標(biāo)準(zhǔn)里，由3GPP SON中的最路測(cè)小化（MDT）體現(xiàn)。

總體上，人工智能在通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施領(lǐng)域的發(fā)展在3G/4G時(shí)代較為平淡，而在5G時(shí)代實(shí)現(xiàn)了加速發(fā)展。隨著3GPP的NWDAF、ORAN的RIC和歐盟5G-MoNArch（5G Mobile Network Architecture）項(xiàng)目組的RAN-DAF（RAN data analytics function）[93]的逐漸成熟以及商用進(jìn)展加快，人工智能將進(jìn)一步深度融入5G及B5G的網(wǎng)絡(luò)架構(gòu)，且以獨(dú)立網(wǎng)元和網(wǎng)絡(luò)功能實(shí)體的形式存在并長(zhǎng)期演進(jìn)。同時(shí)也看到人工智能的數(shù)學(xué)模型和移動(dòng)通信領(lǐng)域知識(shí)還相對(duì)獨(dú)立，當(dāng)前很多數(shù)學(xué)模型結(jié)果還缺乏在通信層面有物理意義的解釋，兩者需要進(jìn)一步做深度融合增強(qiáng)人工智能在通信物理網(wǎng)絡(luò)應(yīng)用上的可解釋性。傳統(tǒng)通信設(shè)備商也需打開數(shù)據(jù)接口黑盒，進(jìn)一步開放與標(biāo)準(zhǔn)化數(shù)據(jù)接口，幫助運(yùn)營(yíng)商構(gòu)建中立（vendor agnostic）的智能化網(wǎng)絡(luò)基礎(chǔ)設(shè)施。

3.2 通信人工智能在網(wǎng)絡(luò)管理領(lǐng)域的發(fā)展

人工智能在網(wǎng)絡(luò)管理領(lǐng)域的發(fā)展，從MDAF、ETSI、ENI引擎和OSS這3部分描述。

（1）MDAF

3GPP R16定義的MDAF以及服務(wù)對(duì)象如圖4（a）所示，3GPP SA5在R16開始定義網(wǎng)管智能化功能，例如MDAF通過進(jìn)行數(shù)據(jù)分析，幫助管理系統(tǒng)設(shè)置合理的網(wǎng)絡(luò)拓?fù)鋮?shù)進(jìn)行網(wǎng)絡(luò)配置，保障服務(wù)質(zhì)量。網(wǎng)絡(luò)根據(jù)MDAF提供的分析結(jié)果進(jìn)行合理配置后，控制面和用戶面可做進(jìn)一步參數(shù)調(diào)整，提高用戶體驗(yàn)。對(duì)于OAM（operation administration and maintenance）管理系統(tǒng)，關(guān)鍵的步驟為業(yè)務(wù)需求分析提供什么信息給MDAF。例如網(wǎng)絡(luò)切片的通信服務(wù)管理功能（communication service management function，CSMF）將客戶的SLA翻譯成通信服務(wù)需求，利用MDAF的分析能力判斷此需求是否與現(xiàn)有的切片實(shí)例匹配，通過選擇最優(yōu)的切片實(shí)例進(jìn)行切片SLA保障[40]。

圖4 3GPP R16定義的MDAF以及服務(wù)對(duì)象[94]和3GPP R17定義的MDAF架構(gòu)[94]

MDAF在管理面也可以為SON賦能，如圖4（a）所示。 MDAF利用采集的管理面和網(wǎng)絡(luò)數(shù)據(jù)，進(jìn)行相關(guān)的分析，實(shí)現(xiàn)第3.1節(jié)中描述的各種SON功能。但是MDAF在R16的標(biāo)準(zhǔn)（例如接口、采集的數(shù)據(jù)信息定義、流程等定義）均不完善，較難在當(dāng)前的5G網(wǎng)絡(luò)中應(yīng)用及部署。針對(duì)R16的問題以及新場(chǎng)景，3GPP開始在R17對(duì)MDAF進(jìn)行增強(qiáng)，除了完善R16的功能外，對(duì)覆蓋增強(qiáng)、資源優(yōu)化、故障檢測(cè)、移動(dòng)性管理、節(jié)能、尋呼性能管理、SON協(xié)作等場(chǎng)景也進(jìn)行定義與完善[94]。R17中定義的MDAF與服務(wù)對(duì)象關(guān)系如圖 4（b）所示。MDAF在R17中的服務(wù)架構(gòu)更復(fù)雜，并且與NWDAF如何協(xié)作也還沒有最終確定，其R17的技術(shù)標(biāo)準(zhǔn)還在進(jìn)行中。MDAF目前在中美運(yùn)營(yíng)商的5G網(wǎng)絡(luò)管理系統(tǒng)中都還沒有實(shí)現(xiàn)商用部署。

（2）ETSI ENI

ETSI 于2017年定義了ENI系統(tǒng)，作為一個(gè)獨(dú)立的人工智能引擎為網(wǎng)絡(luò)運(yùn)維、網(wǎng)絡(luò)保障、設(shè)備管理、業(yè)務(wù)編排與管理等應(yīng)用提供智能化的服務(wù)[35]。ENI功能架構(gòu)如圖 5所示，ENI包含上下文感知、知識(shí)管理、認(rèn)知處理、情境感知、模型驅(qū)動(dòng)和策略管理等與人工智能相關(guān)的知識(shí)管理、模型管理、策略管理模塊。通過數(shù)據(jù)處理和正則化（input processing and normalization），對(duì)原始數(shù)據(jù)進(jìn)行清理和特征處理，然后通過內(nèi)部的AI模塊處理后，向OSS、BSS、用戶、系統(tǒng)應(yīng)用、編排器、基礎(chǔ)設(shè)施等服務(wù)對(duì)象提供相關(guān)的策略或者指令。去正則化和輸出形成等模塊將ENI產(chǎn)生的策略或者指令進(jìn)行翻譯，輸出服務(wù)對(duì)象能夠理解的語言。

目前，ETSI ENI還在持續(xù)演進(jìn)ENI的功能，定義更多高級(jí)的應(yīng)用，例如基于意圖網(wǎng)絡(luò)的節(jié)能[95]、數(shù)據(jù)機(jī)制[96]、ENI與運(yùn)營(yíng)商系統(tǒng)的匹配[97]等。目前相關(guān)的工作還在繼續(xù)中。針對(duì)ENI定義的功能和應(yīng)用場(chǎng)景，國(guó)內(nèi)外運(yùn)營(yíng)商嘗試了相關(guān)的試點(diǎn)項(xiàng)目，在切片管理、用戶體驗(yàn)優(yōu)化、無線能量?jī)?yōu)化等方面取得了良好的效果[98]。例如在參考文獻(xiàn)[99]展示的試點(diǎn)報(bào)告中，UC3M、三星和意大利電信等公司展開合作，通過ENI對(duì)切片資源進(jìn)行彈性管控，可以很好地控制端對(duì)端時(shí)延、服務(wù)創(chuàng)建時(shí)間、系統(tǒng)容量等性能。在參考文獻(xiàn)[100]展示的報(bào)告中，中國(guó)電信、亞信科技、北京郵電大學(xué)等進(jìn)行合作，將ENI用于基于意圖的用戶體驗(yàn)優(yōu)化，提高用戶體驗(yàn)管理。目前，ENI尚未作為一個(gè)單獨(dú)的人工智能系統(tǒng)或者網(wǎng)元在5G網(wǎng)絡(luò)或者網(wǎng)管系統(tǒng)中部署，但其定義的很多功能以解耦的形式在全球運(yùn)營(yíng)商的網(wǎng)管體系內(nèi)開始應(yīng)用。

圖5 ENI功能架構(gòu)[95]

（3）網(wǎng)絡(luò)運(yùn)維支撐系統(tǒng)（OSS）

網(wǎng)絡(luò)運(yùn)維支撐系統(tǒng)（OSS）通常被定義成一種軟件功能使得通信運(yùn)營(yíng)商能夠?qū)ζ渚W(wǎng)絡(luò)及其應(yīng)用進(jìn)行管理。一個(gè)OSS通常至少具有如下功能：網(wǎng)絡(luò)管理系統(tǒng)（network management system）、業(yè)務(wù)交付（service delivery）、業(yè)務(wù)執(zhí)行（service fulfillment），其中包括網(wǎng)絡(luò)資源（network inventory）、網(wǎng)絡(luò)激活與開通（network activation and provisioning）、服務(wù)保障（service assurance）、客戶服務(wù)（customer care）[101]。人工智能在OSS領(lǐng)域的早期發(fā)展也非常緩慢。在20世紀(jì)70年代，OSS的絕大多數(shù)工作還通過手工與人工干預(yù)進(jìn)行；到了80年代，隨著UNIX系統(tǒng)和C語言的興起，貝爾體系開始開發(fā)OSS，早期較有名的OSS包括AMATPS（automatic message accounting tele-processing system）、CSOBS（centralized service order bureau system）、EADAS（engineering and administrative data acquisition system）、SCCS（switching control center system）以及SES（service evaluation system）等。人工智能在這些早期系統(tǒng)里沒有任何應(yīng)用。 到了20世紀(jì)90年代，國(guó)際電信聯(lián)盟電信標(biāo)準(zhǔn)化部門（ITU-Telecommunication Standardization Sector，ITU-T）在其電信管理網(wǎng)絡(luò)（telecommunications management network，TMN）模型中定義了OSS的4層新架構(gòu)：商業(yè)管理水平（business management level，BML）、業(yè)務(wù)管理水平（service management level，SML）、網(wǎng)絡(luò)管理水平（network management level，NML）以及網(wǎng)元管理水平（element management level，EML）。隨后FCAPS（fault, configuration, accounting,performance, security）作為一個(gè)新模型被引入，以對(duì)這4個(gè)層次進(jìn)行管理。在TMN的商用進(jìn)程中，人工智能也鮮見身影。2000年后，隨著TMForum的NGOSS（new generation operations systems and software）項(xiàng)目和eTOM（enhanced telecom operation map）架構(gòu)的發(fā)展，通信運(yùn)營(yíng)商的OSS架構(gòu)體系相對(duì)來說有了相對(duì)較為標(biāo)準(zhǔn)化的指導(dǎo)標(biāo)準(zhǔn)。人工智能的應(yīng)用也有了相對(duì)穩(wěn)定的框架和載體，尤其是對(duì)FCAPS中的故障管理（fault，F(xiàn)）和性能管理（performance，P），人工智能在故障診斷、根因分析、性能預(yù)測(cè)等領(lǐng)域開始有所嘗試和應(yīng)用[102]。

圖6 TMF定義的OSS屬性

TMF定義的OSS屬性如圖 6所示，2019年TMF在Future OSS的研究報(bào)告中定義了未來OSS由“數(shù)據(jù)驅(qū)動(dòng)”，必須依賴人工智能、機(jī)器學(xué)習(xí)、自動(dòng)化、微服務(wù)、業(yè)務(wù)優(yōu)化緊耦合，必須具備敏捷、自動(dòng)化、主動(dòng)性、預(yù)測(cè)性、可編程性的特征[103]。在定義未來OSS最重要的10個(gè)因素中，其中有4個(gè)因素和人工智能緊密相關(guān)：自動(dòng)閉環(huán)服務(wù)開通與保障、自動(dòng)閉環(huán)網(wǎng)絡(luò)優(yōu)化、AI驅(qū)動(dòng)的客戶參與、AI驅(qū)動(dòng)的網(wǎng)絡(luò)優(yōu)化。因此，主流通信運(yùn)營(yíng)商也在面向5G演進(jìn)的OSS中逐漸嵌入了AI平臺(tái)或者功能模塊以期待OSS實(shí)現(xiàn)智能化演進(jìn)。AT&T的ECOMP（enhanced control,orchestration, management & policy）[104]體系中在設(shè)計(jì)態(tài)定義了基于AI分析的業(yè)務(wù)設(shè)計(jì)工作室（Analytic Application Design Studio）功能，如圖7所示。運(yùn)行執(zhí)行態(tài)中ECOMP也定義了DCAE（data collection, analytics and events）功能。DCAE提供基于AI的實(shí)時(shí)FCAPS功能，通過智能分析管理與編排業(yè)務(wù)、網(wǎng)絡(luò)、資源，并實(shí)現(xiàn)自動(dòng)化閉環(huán)[105]。Verizon也把人工智能當(dāng)作BSS/OSS的必選功能，尤其在用戶網(wǎng)絡(luò)與業(yè)務(wù)體驗(yàn)中得到了深入的應(yīng)用[103]。

中國(guó)的運(yùn)營(yíng)商在面向5G OSS的系統(tǒng)構(gòu)建中，在數(shù)據(jù)中臺(tái)與OSS核心功能模塊之間插入一個(gè)新的平臺(tái)或組件，命名為網(wǎng)絡(luò)AI中臺(tái)或者智能中臺(tái)，用來承擔(dān)網(wǎng)絡(luò)人工智能的功能。在圖8（a）中，筆者將中國(guó)三大通信運(yùn)營(yíng)商的5G OSS網(wǎng)絡(luò)中臺(tái)體系抽象得到了一張技術(shù)中立的5G OSS網(wǎng)絡(luò)中臺(tái)架構(gòu)圖，其中數(shù)據(jù)中臺(tái)主要負(fù)責(zé)網(wǎng)絡(luò)側(cè)數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)治理、數(shù)據(jù)共享等功能。網(wǎng)絡(luò)人工智能中臺(tái)為滿足5G網(wǎng)絡(luò)、業(yè)務(wù)、服務(wù)管理的智能化要求，以數(shù)據(jù)中臺(tái)的網(wǎng)絡(luò)大數(shù)據(jù)為主要燃料，圍繞網(wǎng)絡(luò)生命周期中的規(guī)劃、建設(shè)、優(yōu)化、運(yùn)維等場(chǎng)景，不斷構(gòu)建、推理、發(fā)布、沉淀出網(wǎng)絡(luò)AI算法模型，為4G/5G網(wǎng)絡(luò)提供包括異常檢測(cè)、容量預(yù)測(cè)、網(wǎng)絡(luò)優(yōu)化、根因分析、告警預(yù)測(cè)、故障自愈、業(yè)務(wù)編排、感知優(yōu)化等網(wǎng)絡(luò)AI功能，全面提升5G網(wǎng)絡(luò)自動(dòng)化與智能化能力。

圖7 AT&T定義的ECOMP

圖8 5G網(wǎng)絡(luò)運(yùn)維支撐系統(tǒng)和 5G業(yè)務(wù)支撐系統(tǒng)

3.3 通信人工智能在電信業(yè)務(wù)領(lǐng)域的發(fā)展

通信業(yè)務(wù)支撐系統(tǒng)BSS提供了客戶運(yùn)營(yíng)及服務(wù)的能力。TMF的Frameworx體系中，BSS功能主要面向客戶的市場(chǎng)與銷售、產(chǎn)品、客戶、服務(wù)、資源、供應(yīng)商與合作伙伴等多個(gè)領(lǐng)域[106]，如圖8（b）所示。BSS領(lǐng)域的核心生產(chǎn)系統(tǒng)包括客戶關(guān)系管理（customer relationship management，CRM）、計(jì)費(fèi)賬務(wù)系統(tǒng)（billing）、經(jīng)營(yíng)分析系統(tǒng)（business intelligence，BI）、呼叫中心系統(tǒng)（call center，CC）等。全球主流運(yùn)營(yíng)商的BSS均已非常完善，多數(shù)已完成集中化、平臺(tái)化建設(shè)。其中，中國(guó)運(yùn)營(yíng)商在BSS領(lǐng)域正引領(lǐng)基于智慧中臺(tái)的技術(shù)演進(jìn)，即通過能力運(yùn)營(yíng)協(xié)同業(yè)務(wù)中臺(tái)、數(shù)據(jù)中臺(tái)、技術(shù)中臺(tái)、AI中臺(tái)等中臺(tái)系統(tǒng)完成面向最終用戶與合作伙伴的IT服務(wù)與交互。其中，AI中臺(tái)以人工智能算法為基礎(chǔ)，通過場(chǎng)景化服務(wù)能力封裝，為業(yè)務(wù)過程注智賦能。截至目前，人工智能技術(shù)通過AI中臺(tái)體系已經(jīng)在BSS域的營(yíng)銷、銷售、客戶服務(wù)、計(jì)費(fèi)等多個(gè)業(yè)務(wù)領(lǐng)域及相應(yīng)場(chǎng)景得到較好的應(yīng)用。

（1）市場(chǎng)營(yíng)銷

該領(lǐng)域典型人工智能應(yīng)用是客戶營(yíng)銷智能推薦及運(yùn)營(yíng)決策輔助。通過人工智能各類推薦算法模型和專家經(jīng)驗(yàn)規(guī)則，形成有針對(duì)性的推薦策略模型，依據(jù)客戶特征輸出最佳匹配策略。并在此基礎(chǔ)上，借助人工智能決策相關(guān)算法，匯集產(chǎn)品匹配度、價(jià)值度、公司效益等因素構(gòu)建綜合決策模型，生成最佳運(yùn)營(yíng)決策，幫助企業(yè)提高效益。適用場(chǎng)景包括：熱門產(chǎn)品推薦、相關(guān)產(chǎn)品推薦、個(gè)性化套餐推薦、合約推薦、數(shù)字化內(nèi)容推薦等。

（2）客戶銷售

該領(lǐng)域典型人工智能應(yīng)用是利用人臉識(shí)別、OCR（optical character recognition）等技術(shù)支持客戶在營(yíng)業(yè)廳業(yè)務(wù)受理的身份認(rèn)證稽核、銷售協(xié)議簽字認(rèn)證、真實(shí)人物業(yè)務(wù)辦理確認(rèn)等場(chǎng)景。而在政企客戶的銷售過程中，利用人工智能的OCR、圖像識(shí)別技術(shù)，支持業(yè)務(wù)錄單環(huán)節(jié)企業(yè)信息自動(dòng)化識(shí)別、政企業(yè)務(wù)印章識(shí)別實(shí)現(xiàn)事前認(rèn)證稽核、銷售合同自動(dòng)起草等場(chǎng)景，實(shí)現(xiàn)業(yè)務(wù)銷售的智能化、自動(dòng)化，提升客戶經(jīng)理工作效率。

（3）客戶服務(wù)

該領(lǐng)域典型人工智能應(yīng)用是基于語音識(shí)別、意圖識(shí)別、多模態(tài)問答匹配、語音合成、語義處理、用戶情感分析、標(biāo)簽多分類預(yù)測(cè)、OCR等技術(shù)實(shí)現(xiàn)客戶與智能機(jī)器人進(jìn)行的語音交互、客戶情感實(shí)時(shí)監(jiān)控；預(yù)測(cè)客戶訴求，有效分配服務(wù)坐席；實(shí)時(shí)監(jiān)聽客戶問題，進(jìn)行自動(dòng)分類識(shí)別，自動(dòng)檢索知識(shí)庫，輔助坐席回復(fù)問題；基于客戶語音聲紋的身份認(rèn)證；潛在投訴預(yù)測(cè)；客戶服務(wù)過程中的語音質(zhì)量檢查，進(jìn)行智能量化評(píng)分；根據(jù)工單文本信息的智能派單；知識(shí)庫知識(shí)的自動(dòng)生成；智能客戶服務(wù)排班等。

（4）計(jì)費(fèi)

該領(lǐng)域典型人工智能的典型應(yīng)用是通過引用智能運(yùn)維AIOP（artificial intelligence for IT operation）支撐計(jì)費(fèi)系統(tǒng)應(yīng)用流程升級(jí)和配置修改上線的灰度發(fā)布，實(shí)現(xiàn)計(jì)費(fèi)系統(tǒng)的故障發(fā)現(xiàn)、故障診斷、故障自愈、故障預(yù)防等；結(jié)合機(jī)器人流程自動(dòng)化RPA（robotic process automation）能力，支持計(jì)費(fèi)系統(tǒng)日出賬的自動(dòng)化。另外，基于多量綱的定價(jià)因子（帶寬、時(shí)延、可靠性、精度、連接數(shù)、容量、網(wǎng)絡(luò)功能實(shí)例數(shù)等）與客戶資料，利用AI算法可以實(shí)現(xiàn)智能定價(jià)，確定最優(yōu)價(jià)格，以幫助B2C企業(yè)獲取最大利益。

3.4 通信人工智能在跨領(lǐng)域的融合智能化發(fā)展

任何一種電信業(yè)務(wù)都無法在OSS或BSS單一系統(tǒng)中孤立運(yùn)營(yíng)或運(yùn)維。一體化貫穿的電信業(yè)務(wù)流程、演進(jìn)中的技術(shù)中臺(tái)體系架構(gòu)特征以及業(yè)務(wù)與網(wǎng)絡(luò)數(shù)據(jù)的融合分析運(yùn)營(yíng)，是驅(qū)動(dòng)BSS與OSS進(jìn)行深度融合的三大主要因素。通信人工智能在跨領(lǐng)域的融合智能化發(fā)展也催生了多種應(yīng)用場(chǎng)景與案例。

（1）客戶體驗(yàn)管理（customer experience management，CEM）

通信運(yùn)營(yíng)商的組織結(jié)構(gòu)中，網(wǎng)絡(luò)運(yùn)維支撐與業(yè)務(wù)運(yùn)營(yíng)支撐通常是相對(duì)獨(dú)立的領(lǐng)域，其對(duì)應(yīng)的生產(chǎn)系統(tǒng)OSS與BSS也相對(duì)獨(dú)立運(yùn)營(yíng)與演進(jìn)。網(wǎng)絡(luò)領(lǐng)域重點(diǎn)關(guān)注網(wǎng)絡(luò)、網(wǎng)元的各項(xiàng)關(guān)鍵性能指標(biāo)（key performance indicator，KPI），業(yè)務(wù)領(lǐng)域負(fù)責(zé)面向市場(chǎng)發(fā)展新客戶與新業(yè)務(wù)以及存量客戶服務(wù)。通信運(yùn)營(yíng)商通常采納ITU和ISO（International Organization for Standardization）制定的QoS體系用于其與客戶簽訂的服務(wù)質(zhì)量協(xié)議（SLA）。傳統(tǒng)的QoS以技術(shù)為驅(qū)動(dòng)，以網(wǎng)絡(luò)KPI來定義服務(wù)質(zhì)量，無法真實(shí)體現(xiàn)用戶在使用網(wǎng)絡(luò)業(yè)務(wù)的體驗(yàn)與感受，因此網(wǎng)絡(luò)領(lǐng)域中基于QoS體系的網(wǎng)絡(luò)性能質(zhì)量和和業(yè)務(wù)運(yùn)營(yíng)領(lǐng)域關(guān)注的客戶滿意度、感知體驗(yàn)之間形成了一條“數(shù)字鴻溝”[107]，如圖9所示。CEM作為網(wǎng)絡(luò)與業(yè)務(wù)跨領(lǐng)域融合的一個(gè)新領(lǐng)域，借助人工智能技術(shù)，將運(yùn)營(yíng)商的QoS服務(wù)質(zhì)量體系向以用戶為中心的體驗(yàn)質(zhì)量QoE體系演進(jìn)，實(shí)現(xiàn)從以網(wǎng)絡(luò)KPI為中心到以客戶體驗(yàn)為中心的網(wǎng)絡(luò)業(yè)務(wù)服務(wù)轉(zhuǎn)型[108]。

CEM的核心在于利用人工智能結(jié)合心理學(xué)建立一套能準(zhǔn)確反映客戶對(duì)通信網(wǎng)絡(luò)與業(yè)務(wù)使用感知體驗(yàn)的算法模型體系，稱之為電信心理學(xué)算法，將網(wǎng)絡(luò)體系的QoS與用戶體驗(yàn)的QoE體系進(jìn)行量化映射，從而彌合網(wǎng)絡(luò)質(zhì)量與用戶真實(shí)體驗(yàn)之間的鴻溝。目前，常見的評(píng)估用戶體驗(yàn)感知的方法有兩種：凈推薦值（net promoter score，NPS）和情感連接度評(píng)分（emotional connection score，ECS）[108-109]，如圖10所示，NPS用來度量客戶是否推薦某個(gè)公司、產(chǎn)品、業(yè)務(wù)的可能性[109-110]。NPS基于客戶反饋構(gòu)建評(píng)分指標(biāo)體系，通過電話或問卷采訪調(diào)研用戶對(duì)某個(gè)公司、某個(gè)產(chǎn)品或服務(wù)的滿意度，量化在0～10分[109]。NPS相對(duì)來說是一種被動(dòng)、基于客戶長(zhǎng)期印象、靜態(tài)的量化評(píng)估機(jī)制。當(dāng)前全球運(yùn)營(yíng)商中約有7%使用NPS度量客戶滿意度[111]。

圖9 性能與體驗(yàn)之間的鴻溝

圖10 指標(biāo)體系對(duì)比：凈推薦值與情感連接度評(píng)分

隨著機(jī)器學(xué)習(xí)融合心理學(xué)的情感連接度評(píng)分（ECS）模型出現(xiàn)，傳統(tǒng)NPS指標(biāo)體系已過時(shí)。大量研究表明客戶的情感連接度評(píng)分是最接近衡量真實(shí)體驗(yàn)質(zhì)量的指標(biāo)體系[108]。不同于NPS，ECS是主動(dòng)和持續(xù)性的，如圖11所示，通過匯聚接入跨網(wǎng)絡(luò)和業(yè)務(wù)領(lǐng)域的多方面數(shù)據(jù)，并使用ECS電信心理學(xué)算法不斷學(xué)習(xí)可量化的客戶體驗(yàn)和各項(xiàng)指標(biāo)之間的聯(lián)系，并將事件結(jié)果映射到ECS分?jǐn)?shù)中，從而及時(shí)發(fā)掘客戶體驗(yàn)產(chǎn)生問題的根因，指導(dǎo)改進(jìn)網(wǎng)絡(luò)與業(yè)務(wù)質(zhì)量，達(dá)到提升用戶體驗(yàn)的目標(biāo)。亞信科技提出一套電信心理學(xué)體驗(yàn)感知算法以及可量化用戶感知體驗(yàn)的指數(shù)集[109]，通過對(duì)通信領(lǐng)域用戶級(jí)主觀數(shù)據(jù)（例如NPS調(diào)研、客戶投訴、主動(dòng)撥測(cè)等）和客觀數(shù)據(jù)（例如語音通話、上網(wǎng)、高清視頻業(yè)務(wù)、VR業(yè)務(wù)等質(zhì)量指標(biāo)）進(jìn)行海量數(shù)據(jù)機(jī)器學(xué)習(xí)，比對(duì)和校驗(yàn)各地區(qū)之間的用戶數(shù)據(jù)差異性，進(jìn)行ECS參數(shù)優(yōu)化，再結(jié)合用戶級(jí)通信、消費(fèi)、服務(wù)等多方面行為進(jìn)行畫像分析，最終生成ECS電信心理學(xué)模型，用于即時(shí)性評(píng)價(jià)客戶旅程中任何一刻、任何一地、任何一種業(yè)務(wù)的瞬時(shí)體驗(yàn)質(zhì)量。

通信人工智能在CEM的應(yīng)用，客戶的全生命周期旅程中，如圖12所示，以用戶體驗(yàn)提升為收斂目標(biāo)，評(píng)估用戶的業(yè)務(wù)瞬時(shí)體驗(yàn)質(zhì)量，對(duì)體驗(yàn)下降的問題進(jìn)行快速定位與診斷，把主動(dòng)感知與關(guān)懷的用戶個(gè)性化策略貫穿其中，從而洞悉每一個(gè)用戶在網(wǎng)絡(luò)旅程的體驗(yàn)指標(biāo)，并通過網(wǎng)絡(luò)和業(yè)務(wù)系統(tǒng)向用戶并通過網(wǎng)絡(luò)和業(yè)務(wù)系統(tǒng)向用戶提供個(gè)性化服務(wù)，從而實(shí)現(xiàn)5G網(wǎng)絡(luò)個(gè)性化（network personalization，NP）。

圖11 ECS 電信心理學(xué)模型

圖12 客戶體驗(yàn)全生命周期視圖

（2）PCF+（policy control function+）

網(wǎng)絡(luò)策略控制主要基于規(guī)則定義，在4G LTE中網(wǎng)絡(luò)策略控制由策略和計(jì)費(fèi)規(guī)則功能（policy and charging rules function，PCRF）實(shí)現(xiàn)[112]。3GPP從R7開始引入PCRF網(wǎng)元，對(duì)用戶和業(yè)務(wù)QoS進(jìn)行控制，為用戶提供差異化的服務(wù)。并且能為用戶提供業(yè)務(wù)流承載資源保障以及流計(jì)費(fèi)策略，實(shí)現(xiàn)基于業(yè)務(wù)和用戶分類的更精細(xì)化的業(yè)務(wù)控制和計(jì)費(fèi)方式，以合理利用網(wǎng)絡(luò)資源。PCRF包含策略控制決策和基于流計(jì)費(fèi)控制的功能，提供數(shù)據(jù)流檢測(cè)、門控、流計(jì)費(fèi)的網(wǎng)絡(luò)控制功能，能夠以業(yè)務(wù)、用戶、位置、累計(jì)使用量、接入類型、時(shí)間等多個(gè)維度為觸發(fā)條件，生成管控規(guī)則。人工智能在PCRF沒有得到應(yīng)用，PCRF的策略規(guī)則都以規(guī)則配置為主。PCRF架構(gòu)如圖13（a）所示，通過Gx 參考點(diǎn)與策略與計(jì)費(fèi)執(zhí)行功能（policy and charging enforcement function，PCEF）等網(wǎng)元交互，執(zhí)行策略和計(jì)費(fèi)功能。

3GPP只是面向網(wǎng)絡(luò)側(cè)定義了策略控制功能PCF，但仍需要結(jié)合BO（BSS and OSS）域的融合在功能上進(jìn)行增強(qiáng)，原因在于隨著5G業(yè)務(wù)的豐富，用戶對(duì)5G服務(wù)差異化需求的增加，運(yùn)營(yíng)商除了對(duì)網(wǎng)絡(luò)資源的使用和網(wǎng)絡(luò)控制有更高的要求外，還需要具備更細(xì)致的結(jié)合業(yè)務(wù)策略的分析能力，而這分析能力往往要求掌握業(yè)務(wù)領(lǐng)域的用戶屬性特征或者事件信息。這就要求對(duì)PCF的作用范圍進(jìn)行擴(kuò)展，不僅要在OSS域收集數(shù)據(jù)，還要在BSS域收集數(shù)據(jù)，應(yīng)用的對(duì)象也要從網(wǎng)絡(luò)域擴(kuò)展到業(yè)務(wù)域。基于以上考慮，PCF需要演進(jìn)到PCF+，以提供全新的服務(wù)模式、業(yè)務(wù)場(chǎng)景或者商業(yè)模式，如圖13（b）所示。

圖13 3GPP PCRF架構(gòu)和基于BO域融合的PCF+

另外，由于人工智能/大數(shù)據(jù)能力在5GC（5G core）的引入，策略管控變得更加智能化，而不是像以前PCRF基于專家系統(tǒng)或者規(guī)則配置功能。例如通過NWDAF和PCF/PCF+的融合，可以很容易地實(shí)現(xiàn)智能化的切片體驗(yàn)管理、智能化SLA保障等功能。另外，PCF+利用網(wǎng)絡(luò)域/業(yè)務(wù)域融合的數(shù)據(jù)（從網(wǎng)絡(luò)域獲取小區(qū)擁塞狀況，從BSS域獲取用戶的等級(jí)和套餐使用情況），結(jié)合人工智能技術(shù)動(dòng)態(tài)調(diào)整用戶套餐設(shè)置或者推薦最優(yōu)套餐，進(jìn)行用戶的QoS保障，提升用戶的滿意度。

3.5 通信人工智能在專網(wǎng)的發(fā)展案例

5G面向垂直行業(yè)除了提供公網(wǎng)服務(wù)，也可提供專網(wǎng)服務(wù)。通信人工智能在5G專網(wǎng)中可提供一系列智能化專有服務(wù)與安全保障。按照網(wǎng)絡(luò)資源的共享模式，5G專網(wǎng)的部署分為3種類型：虛擬專網(wǎng)、混合專網(wǎng)和獨(dú)立專網(wǎng)，如圖 14所示，其中虛擬專網(wǎng)以現(xiàn)有 5G 公網(wǎng)為基礎(chǔ)，以切片方式實(shí)現(xiàn)專業(yè)用戶的業(yè)務(wù)承載，并且有如下特點(diǎn)：

· 虛擬專網(wǎng)與公網(wǎng)享用 UPF 網(wǎng)元；

· 結(jié)合客戶需求，專網(wǎng)可以通過現(xiàn)有虛擬連接至企業(yè)。

混合專網(wǎng)以 5G 公網(wǎng)的核心控制面及無線接入部分為基礎(chǔ)，承載專網(wǎng)業(yè)務(wù)，其特點(diǎn)為：

· 支持用戶面數(shù)據(jù)私有化，獨(dú)立UPF和多接入邊緣計(jì)算（multi-access edge computing，MEC），設(shè)備建在園區(qū)內(nèi)；

· 以切片標(biāo)識(shí)對(duì)用戶進(jìn)行接入鑒權(quán)。

獨(dú)立專網(wǎng)與運(yùn)營(yíng)商 5G 公網(wǎng)完全隔離，其特點(diǎn)為：

· 采用精簡(jiǎn)化的核心網(wǎng)，結(jié)合UPF及無線基站實(shí)現(xiàn)獨(dú)立組網(wǎng)；

· 專用基站保證覆蓋無死角，UPF/MEC保障專網(wǎng)數(shù)據(jù)下沉，保證網(wǎng)絡(luò)獨(dú)立性。

在上述3種模式中，通信人工智能可以在任何一種專網(wǎng)模式中應(yīng)用，例如可以用于虛擬專網(wǎng)中的網(wǎng)絡(luò)切片SLA保障，進(jìn)行通信傳輸性能、質(zhì)量和資源的優(yōu)化。對(duì)獨(dú)立專網(wǎng)，人工智能體驗(yàn)感知算法可以對(duì)用戶的感知體驗(yàn)進(jìn)行實(shí)時(shí)或準(zhǔn)實(shí)時(shí)評(píng)估，提供精準(zhǔn)的QoS組合保障服務(wù)質(zhì)量，實(shí)現(xiàn)差異化的智能運(yùn)維服務(wù)。在專網(wǎng)中，也可以利用聯(lián)邦學(xué)習(xí)、遷移學(xué)習(xí)等人工智能技術(shù)，完成5G切片異常診斷模型的云化管理和持續(xù)學(xué)習(xí)優(yōu)化。另外，人工智能技術(shù)也可以對(duì)專網(wǎng)中的無線網(wǎng)絡(luò)性能進(jìn)行實(shí)時(shí)評(píng)估[37]，通過與垂直行業(yè)應(yīng)用平臺(tái)的交互，自適應(yīng)調(diào)整應(yīng)用層的參數(shù)設(shè)置，用于提升應(yīng)用層的視頻質(zhì)量或者進(jìn)行游戲加速。

3.6 國(guó)際標(biāo)準(zhǔn)組織對(duì)通信人工智能的發(fā)展分級(jí)定義

圖14 5G專網(wǎng)的3種模式

鑒于人工智能技術(shù)在5G商用以來的飛速發(fā)展，通信國(guó)際標(biāo)準(zhǔn)組織也開始對(duì)通信人工智能的發(fā)展成熟度進(jìn)行初步的分級(jí)。智能化自治無法一蹴而就，需循序漸進(jìn)。完全的智能自治網(wǎng)絡(luò)是終極目標(biāo)，但也需從自動(dòng)化的重復(fù)操作手段開始，先初步實(shí)現(xiàn)網(wǎng)絡(luò)運(yùn)維的自動(dòng)化；再對(duì)網(wǎng)絡(luò)環(huán)境與狀態(tài)進(jìn)行主動(dòng)感知，利用機(jī)器學(xué)習(xí)進(jìn)行不斷優(yōu)化的決策；再?gòu)木W(wǎng)絡(luò)感知向認(rèn)知發(fā)展，認(rèn)知用戶意圖，構(gòu)建閉環(huán)的認(rèn)知學(xué)習(xí)網(wǎng)絡(luò)，最終實(shí)現(xiàn)從感知，到認(rèn)知再到預(yù)知的閉環(huán)自治網(wǎng)絡(luò)體，并不斷自我優(yōu)化與演進(jìn)。具體的通信網(wǎng)絡(luò)智能化分級(jí)體系，GSMA、ETSI、TMF等都做出了相關(guān)定義與建議[42,113-114]，各自分級(jí)標(biāo)準(zhǔn)對(duì)比見表1。

根據(jù)第3.1節(jié)～第3.5節(jié)中通信人工智能在各通信生態(tài)系統(tǒng)的綜述，結(jié)合L0～L5的分級(jí)體系，對(duì)通信人工智能目前在網(wǎng)絡(luò)基礎(chǔ)設(shè)施領(lǐng)域、網(wǎng)絡(luò)管理領(lǐng)域、通信業(yè)務(wù)領(lǐng)域、跨領(lǐng)域融合以及垂直行業(yè)領(lǐng)域的應(yīng)用做出等級(jí)評(píng)估，見表2。

表1 GSMA/ETSI/TMF定義的網(wǎng)絡(luò)智能化分級(jí)標(biāo)準(zhǔn)

表2 通信人工智能在各通信生態(tài)系統(tǒng)的應(yīng)用等級(jí)

整體上，通信人工智能在各通信生態(tài)系統(tǒng)的發(fā)展與應(yīng)用還處于初級(jí)階段。在網(wǎng)絡(luò)管理領(lǐng)域和業(yè)務(wù)支撐領(lǐng)域的某些應(yīng)用，人工智能已到達(dá)了第三級(jí)別，即部分自治。例如SON在網(wǎng)絡(luò)領(lǐng)域的自由化與自治愈以及AIOP在網(wǎng)絡(luò)運(yùn)維領(lǐng)域的業(yè)務(wù)流程自動(dòng)編排與灰度發(fā)布等。網(wǎng)絡(luò)管理與運(yùn)維本身具有大數(shù)據(jù)采集能力，算力可通過服務(wù)器集群得到保障，智能化應(yīng)用場(chǎng)景比較明晰，例如無線節(jié)能、故障檢測(cè)等，先天具備通信人工智能應(yīng)用較好的基礎(chǔ)與平臺(tái)，發(fā)展相對(duì)較快。電信業(yè)務(wù)領(lǐng)域涉及的智能客服、智能營(yíng)銷等人工智能服務(wù)能力可很好地橫向借鑒其他行業(yè)類似的應(yīng)用經(jīng)驗(yàn)，發(fā)展也比較快。其他生態(tài)領(lǐng)域的智能化進(jìn)程還多處于L0和L1階段。網(wǎng)絡(luò)基礎(chǔ)設(shè)施的人工智能發(fā)展還有待NWDAF、MDAF、RIC等實(shí)際商用效果檢驗(yàn)，也依賴于3GPP、O-RAN、ETSI 等國(guó)際通信標(biāo)準(zhǔn)組織未來對(duì)AI融入網(wǎng)絡(luò)基礎(chǔ)設(shè)施架構(gòu)的開放程度。人工智能在跨領(lǐng)域的融合發(fā)展前景，也有待于人工智能與CEM、PCF等核心系統(tǒng)或網(wǎng)元緊耦合后發(fā)揮的效果而決定。

4 通信人工智能的下一個(gè)十年展望

移動(dòng)通信的下一個(gè)十年，將全面向B5G和6G的標(biāo)準(zhǔn)演進(jìn), 也將是通信與人工智能深度融合的關(guān)鍵十年。結(jié)合當(dāng)前3GPP、ITU-R、ETSI等通信技術(shù)標(biāo)準(zhǔn)的發(fā)展進(jìn)程，可以預(yù)見通信生態(tài)系統(tǒng)中各領(lǐng)域通過與人工智能的深度融合，將分階段在未來逐步實(shí)現(xiàn)B5G與6G“完全自治”的愿景。

4.1 國(guó)際通信標(biāo)準(zhǔn)B5G到6G發(fā)展路線展望

2018年以來，歐盟、日韓、美國(guó)和我國(guó)均開始了6G預(yù)研工作, 例如歐盟在Nokia（諾基亞）的帶領(lǐng)下啟動(dòng)了Hexa-X項(xiàng)目[115]，美國(guó)工業(yè)界例如Qualcomm（高通）、Microsoft（微軟）、Facebook（臉書）等聯(lián)合成立了NextG Alliance進(jìn)行6G技術(shù)研究[116]。我國(guó)工業(yè)和信息化部已將原有的IMT-2020 推進(jìn)組擴(kuò)展到IMT-2030推進(jìn)組。ITU也啟動(dòng)6G工作組Network 2030[117]。2020年2月19日，在瑞士日內(nèi)瓦召開的第34次國(guó)際電信聯(lián)盟無線電通信部門5D工作組（ITU-R WP5D）會(huì)議上，針對(duì)制定6G研究時(shí)間表和未來技術(shù)趨勢(shì)研究報(bào)告、未來技術(shù)愿景建議書的撰寫等工作進(jìn)行了討論。

對(duì)于B5G/6G詳細(xì)的發(fā)展路線，各個(gè)通信標(biāo)準(zhǔn)組織還在規(guī)劃中。據(jù)白皮書[118]以及對(duì)3GPP和ITU 6G 標(biāo)準(zhǔn)工作路標(biāo)的預(yù)測(cè)，2020—2023年，即3GPP R17-R18標(biāo)準(zhǔn)化階段，是6G技術(shù)趨勢(shì)和愿景的研究階段；2023—2027年，即3GPP R19-R20標(biāo)準(zhǔn)化階段，是6G頻譜、性能的研究階段；2027—2029年，即3GPP R21標(biāo)準(zhǔn)化階段，是各國(guó)向ITU提交6G評(píng)估結(jié)果的階段。

3GPP預(yù)計(jì)最早在2025年開始6G標(biāo)準(zhǔn)制定,并最快在2026—2027年即R20標(biāo)準(zhǔn)化窗口完成6G空口標(biāo)準(zhǔn)技術(shù)規(guī)范制定工作，并于2029—2030年，即3GPP R22標(biāo)準(zhǔn)化階段向ITU提交3GPP 6G標(biāo)準(zhǔn)?？深A(yù)計(jì)B5G/6G將繼續(xù)在移動(dòng)寬帶、固定無線接入、工業(yè)物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、擴(kuò)展現(xiàn)實(shí)（extended reality，XR）、大規(guī)模機(jī)器通信、無人機(jī)與衛(wèi)星接入等用例進(jìn)行空口協(xié)議演進(jìn)與增強(qiáng)，并研究和制定更高頻段例如NR（new radio）52.6～71 GHz、太赫茲的相關(guān)標(biāo)準(zhǔn)。另外，6G通信標(biāo)準(zhǔn)的服務(wù)范圍將從陸地?cái)U(kuò)展到衛(wèi)星、海底、地下，真正實(shí)現(xiàn)海、地、天三位一體通信。對(duì)工業(yè)物聯(lián)網(wǎng)等垂直行業(yè)，蜂窩窄帶物聯(lián)網(wǎng)絡(luò)、面向可穿戴與視頻監(jiān)控等中檔終端、接入與回傳集成演進(jìn)、5G 直傳空口及其演進(jìn)功能、5G非許可頻段空口、定位增強(qiáng)、智能自組織網(wǎng)絡(luò)、通信傳感集成及其演進(jìn)功能、網(wǎng)絡(luò)拓?fù)湓鰪?qiáng)功能等標(biāo)準(zhǔn)研究工作也將繼續(xù)進(jìn)行并且成熟。其中一些研究工作已經(jīng)在3GPP SA1/SA2等工作組開展[119]。

4.2 通信人工智能在移動(dòng)網(wǎng)絡(luò)基礎(chǔ)設(shè)施的未來展望

人工智能在通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施的未來10年展望，從無線接入網(wǎng)、核心網(wǎng)、傳輸網(wǎng)、終端4方面進(jìn)行闡述。

（1）無線接入網(wǎng)

在無線接入網(wǎng)中，SON的應(yīng)用場(chǎng)景被3GPP定義得非常清晰，并且先前利用的機(jī)器學(xué)習(xí)算法在產(chǎn)業(yè)界已取得一定成效，筆者認(rèn)為SON在B5G的無線接入網(wǎng)領(lǐng)域的發(fā)展會(huì)持續(xù)加速。神經(jīng)網(wǎng)絡(luò)、增強(qiáng)學(xué)習(xí)等人工智能算法也將逐漸取代傳統(tǒng)機(jī)器學(xué)習(xí)的遺傳算法、進(jìn)化算法、多目標(biāo)優(yōu)化算法等，在SON中自優(yōu)化、自治愈的兩個(gè)領(lǐng)域會(huì)有很大發(fā)展的空間。3GPP SA5和RAN3也設(shè)立了2個(gè)研究課題“Study on SON for 5G”和“RAN-Centric Data Collection and Utilization for Long Term Evolution and NR”[120-121]。除了繼承了上一代SON的絕大多數(shù)場(chǎng)景用例，建議3GPP對(duì)SON的下一個(gè)關(guān)鍵行動(dòng)是盡快定義好SON對(duì)NR、5GC、OAM和4G系統(tǒng)的接口與信令協(xié)議，使得SON盡快融入5G網(wǎng)絡(luò)基礎(chǔ)設(shè)施中。同時(shí)，目前3GPP RAN3正在研究SON獨(dú)立成為一個(gè)RAN邏輯實(shí)體或功能的可行性。如果SON以一個(gè)邏輯實(shí)體的形式實(shí)現(xiàn)，那么將有助于SON對(duì)無線側(cè)進(jìn)行統(tǒng)一數(shù)據(jù)采集與分析，并實(shí)現(xiàn)無線側(cè)的參數(shù)自配置、性能自優(yōu)化、故障自治愈的SON的三大核心功能。

除了3GPP在5G核心網(wǎng)側(cè)定義的NWDAF,歐盟5G-MoNArch項(xiàng)目組也建議在無線側(cè)可考慮設(shè)置一個(gè)獨(dú)立的人工智能分析網(wǎng)絡(luò)功能RAN-DAF對(duì)5G NR的CU面進(jìn)行數(shù)據(jù)分析和決策[93]。因?yàn)闊o線側(cè)的實(shí)時(shí)性，例如無線資源調(diào)度管理等，無線側(cè)的智能分析需要實(shí)時(shí)或準(zhǔn)實(shí)時(shí)決策，因此基于實(shí)時(shí)數(shù)據(jù)的AI分析需要盡在本地進(jìn)行，以保證能夠?qū)崿F(xiàn)即時(shí)和動(dòng)態(tài)的性能優(yōu)化。RAN-DAF將作為無線接入網(wǎng)的人工智能與數(shù)據(jù)分析網(wǎng)元，具備收集和監(jiān)控?zé)o線側(cè)UE和RAN的數(shù)據(jù)，包括信道質(zhì)量指標(biāo)（channel quality indicator,CQI）、功率水平（power level）、路徑損失（path loss）、無線鏈路質(zhì)量（radio link quality）、無線資源使用率（radio resource usage）、調(diào)制與編碼方案（modulation and coding scheme, MCS）、無線鏈路控制（radio link control, RLC）和緩沖狀態(tài)信息等。MoNArch建議RAN-DAF將這些信息送往RCA（ran controller agent）-MoNArch定義的RAN側(cè)控制器，相當(dāng)于O-RAN定義的RIC，RAN-DAF與RCA共同決策對(duì)無線側(cè)質(zhì)量進(jìn)行優(yōu)化，例如彈性無線資源控制、切片可感知的RAT（radio access technology）選擇、跨切片的無線資源管理等。由于RCA在3GPP里沒有相對(duì)應(yīng)的功能，因此一個(gè)比較現(xiàn)實(shí)的選擇是在RAN側(cè)僅設(shè)置RAN-DAF，以SBA的形式，通過跨領(lǐng)域消息總線與核心網(wǎng)側(cè)互聯(lián)。RAN-DAF與NWDAF和MDAF的接口描述如圖 15所示。目前，5G-MoNArch RAN-DAF尚未形成3GPP標(biāo)準(zhǔn)網(wǎng)元定義, 未來是否承擔(dān)RAN的控制或管理功能，或承擔(dān)部分SON的功能，都還沒有確定。建議RAN-DAF或SON的獨(dú)立邏輯虛擬功能，取其一即可。

圖15 5G-MoNArch定義的數(shù)據(jù)分析框架

O-RAN的RIC將會(huì)持續(xù)演進(jìn)與加強(qiáng)，尤其在面向不同App類型時(shí)的智能策略控制，用于幫助運(yùn)營(yíng)商在業(yè)務(wù)編排層實(shí)現(xiàn)基于App特征的業(yè)務(wù)編排。RIC將感知App類型，南向根據(jù)App特征，利用第三方的xApps進(jìn)行相應(yīng)App的無線資源管理，北向根據(jù)App類型通過網(wǎng)絡(luò)開放API（application program interface）與邊緣應(yīng)用服務(wù)器進(jìn)行交互，如圖16（a）所示。RIC的能力開放與增強(qiáng)的無線資源管理功能會(huì)包括，例如多個(gè)O- RAN設(shè)備之間的數(shù)據(jù)共享、無線切片的SLA保障、車聯(lián)網(wǎng)/無人機(jī)的無線資源優(yōu)化、動(dòng)態(tài)頻譜共享、與MEC 結(jié)合滿足垂直行業(yè)的業(yè)務(wù)需求[122]，如圖16（b）所示。對(duì)于O-RAN定義的SMO（service management and orchestration），在功能架構(gòu)和接口逐漸成熟后，可支持更強(qiáng)大的無線云運(yùn)維管理以及非實(shí)時(shí)RIC功能。

（2）核心網(wǎng)

NWDAF作為核心網(wǎng)的AI網(wǎng)元，在未來將具備增強(qiáng)的網(wǎng)絡(luò)性能優(yōu)化與用戶體驗(yàn)優(yōu)化能力，在域內(nèi)實(shí)現(xiàn)自治和智能化服務(wù)。隨著與核心網(wǎng)周邊網(wǎng)元接口全面互通（例如其他NF（network function）、AF（application function）和OAM等）以及數(shù)據(jù)軟采集能力實(shí)現(xiàn)，NWDAF將可以全面、實(shí)時(shí)地參與核心網(wǎng)控制面的決策控制[123]。例如NWDAF與NSSF和PCF合作，PCF可根據(jù)NWDAF的切片級(jí)分析結(jié)果做出策略執(zhí)行決策，NSSF可根據(jù)NWDAF的負(fù)載分析做出切片選擇。

圖16 基于O-RAN RIC的業(yè)務(wù)編排和O-RAN RIC的能力開放

NWDAF一個(gè)新用例是“UE驅(qū)動(dòng)的分析共享”。在這個(gè)用例中，UE端的信息（例如用戶定位信息、用戶畫像信息等）幫助NWDAF做網(wǎng)絡(luò)切片的智能決策。其關(guān)鍵功能是NWDAF如何收集UE級(jí)別的信息，以及NWDAF如何使用UE信息做分析后再將分析結(jié)果提供給其他NF。與NWDAF相關(guān)的研究項(xiàng)目還包括基于NWDAF協(xié)助的QoS保障、話務(wù)處理、個(gè)性化移動(dòng)性管理、策略決定、QoS調(diào)整、5G邊緣計(jì)算、NF的負(fù)載均衡、切片SLA保障、可預(yù)測(cè)的網(wǎng)絡(luò)性能等。這些功能如果在NWDAF未來實(shí)現(xiàn)，將大大提升5G核心網(wǎng)智能化的程度。NWDAF的跨領(lǐng)域互動(dòng)也是一個(gè)值得推進(jìn)的方向。

3GPP SA5也在研究NWDAF如何將分析功能賦能給OAM或RAN。另外，NWDAF將參與與MEC的融合，通過MEC支持垂直行業(yè)的應(yīng)用，為更多的垂直行業(yè)應(yīng)用賦能。作為網(wǎng)絡(luò)領(lǐng)域關(guān)注的安全問題，可以期待NWDAF也將繼續(xù)增強(qiáng)相關(guān)功能，例如NWDAF會(huì)監(jiān)控終端或者網(wǎng)絡(luò)的異常行為，發(fā)現(xiàn)異常會(huì)及時(shí)向相關(guān)NF或者OAM進(jìn)行匯報(bào)，采取相應(yīng)的保護(hù)策略或措施。NWDAF在一些關(guān)鍵信息傳輸上，例如AI算法模型，也可結(jié)合區(qū)塊鏈等技術(shù)進(jìn)行溯源和安全保障。NWDAF與MDAF/RAN DAF的融合架構(gòu)如圖17所示。

（3）傳輸網(wǎng)

未來10年，SDON/CON與人工智能結(jié)合更加緊密，將會(huì)逐漸實(shí)現(xiàn)“零接觸”的認(rèn)知光網(wǎng)絡(luò)，實(shí)現(xiàn)光網(wǎng)絡(luò)的完全自動(dòng)化管理和控制?；诠饩W(wǎng)絡(luò)的運(yùn)維知識(shí)圖譜將逐漸成熟，可以通過它快速定位傳輸問題，預(yù)測(cè)傳輸性能，進(jìn)行傳輸參數(shù)的優(yōu)化。對(duì)于傳輸?shù)木唧w指標(biāo)，例如調(diào)制階數(shù)、誤差修正、波長(zhǎng)容量等，可以利用人工智能技術(shù)進(jìn)行最優(yōu)配置，保障傳輸?shù)男阅堋?/p>

基于IPv6的應(yīng)用將逐漸走向成熟，人工智能在網(wǎng)絡(luò)路由、承載網(wǎng)的SLA保障、確定性網(wǎng)絡(luò)方面發(fā)揮關(guān)鍵作用，實(shí)現(xiàn)IPv6乃至IPv6+的智能IP網(wǎng)絡(luò)，滿足B5G/6G業(yè)務(wù)場(chǎng)景的個(gè)性化需求。

在云網(wǎng)融合方面，云網(wǎng)邊端的算力資源將實(shí)現(xiàn)完全分布式的架構(gòu)，按照業(yè)務(wù)需要提供無縫、高質(zhì)量的算力資源，為終端、邊緣的高階人工智能應(yīng)用提供資源保障。彈性算力網(wǎng)絡(luò)/動(dòng)態(tài)的云網(wǎng)融合成熟后，也會(huì)出現(xiàn)新的提供云計(jì)算服務(wù)的商業(yè)模式，可以利用區(qū)塊鏈的智能合約等進(jìn)行安全保障，解決用戶的隱私問題，實(shí)現(xiàn)網(wǎng)絡(luò)和計(jì)算資源的可變現(xiàn)能力。

圖17 NWDAF與MD/RAN DAF的融合架構(gòu)

另外，網(wǎng)絡(luò)切片是跨無線網(wǎng)、傳輸網(wǎng)和核心網(wǎng)等多領(lǐng)域的技術(shù)，需要各個(gè)領(lǐng)域高效合作。其中，傳輸網(wǎng)絡(luò)是連接各個(gè)領(lǐng)域的物理基礎(chǔ)，傳輸資源的合理編排與支持在切片的SLA保障中至關(guān)重要，可以預(yù)計(jì)未來人工智能在端對(duì)端切片SLA保障領(lǐng)域?qū)⒅饾u成熟。

（4）終端

終端和網(wǎng)絡(luò)基礎(chǔ)設(shè)施的連接通過空中接口（air interface）與無線網(wǎng)絡(luò)進(jìn)行交互。基于終端，面向未來網(wǎng)絡(luò)基礎(chǔ)設(shè)施的人工智能主要應(yīng)用在終端和芯片的無線感知功能中，即通過基于終端和芯片的人工智能技術(shù)對(duì)無線環(huán)境和內(nèi)容的感知來優(yōu)化無線接入的開銷和時(shí)延等性能。通過基于終端的人工智能實(shí)現(xiàn)無線感知表現(xiàn)在以下3個(gè)方面[124]：頻譜與接入感知，即某一終端可以檢測(cè)其他終端的行為，可使5G系統(tǒng)性能擁有更好的接入和調(diào)度效率；內(nèi)容感知，即從RF信號(hào)、傳感器或話務(wù)行為數(shù)據(jù)中推測(cè)與分析得到用戶的內(nèi)容，例如位置、速率、移動(dòng)性等用于優(yōu)化終端的性能與使用體驗(yàn)；無線環(huán)境感知，通過監(jiān)控信號(hào)傳播與反射模式等來檢測(cè)姿勢(shì)、行動(dòng)和某一物體等來催生新的場(chǎng)景案例。

基于終端的人工智能對(duì)未來5G網(wǎng)絡(luò)系統(tǒng)的賦能體現(xiàn)在以下3個(gè)方面：第一，增強(qiáng)終端體驗(yàn)，智能化的波束成形和功耗管理可優(yōu)化速率、穩(wěn)健性和電池壽命；智能化的波束成形可利用深度增強(qiáng)學(xué)習(xí)來實(shí)現(xiàn)，通過對(duì)位置、速率和其他環(huán)境與應(yīng)用參數(shù)的感知來提升網(wǎng)絡(luò)的穩(wěn)健性與速率；能耗節(jié)省方面，利用終端基于人工智能的內(nèi)容感知來權(quán)衡性能與功耗。第二，改善5G系統(tǒng)性能，主要表現(xiàn)在智能化的鏈路自適應(yīng)，通過基于位置的無線干擾預(yù)測(cè)可使系統(tǒng)速率和頻譜效率得到改善；智能化的網(wǎng)絡(luò)負(fù)載優(yōu)化，通過基于終端的人工智能推理可以使原始數(shù)據(jù)需要在全網(wǎng)傳輸?shù)呢?fù)荷降低；智能化的無縫移動(dòng)性，以終端為中心的移動(dòng)性管理通過終端人工智能和傳感器可以更好地預(yù)測(cè)網(wǎng)絡(luò)切換行為與時(shí)機(jī)。第三，改善無線安全性，利用終端的人工智能技術(shù)可以即時(shí)地在本地檢測(cè)和防御惡意的基站欺詐、惡意干擾等安全危害行為。

4.3 通信人工智能在網(wǎng)絡(luò)管理領(lǐng)域的未來展望

通信人工智能在網(wǎng)絡(luò)管理方面的發(fā)展將從多個(gè)方面進(jìn)行，例如國(guó)際標(biāo)準(zhǔn)化組織定義的MDAF、ENI、隨愿網(wǎng)絡(luò)或者運(yùn)營(yíng)商的運(yùn)維體系。另外，在網(wǎng)絡(luò)AI信令體系、網(wǎng)絡(luò)數(shù)字孿生、編排系統(tǒng)方面也會(huì)得到大力發(fā)展。

（1）MDAF

可以預(yù)計(jì)3GPP從標(biāo)準(zhǔn)角度在SA5工作組繼續(xù)MDAF的持續(xù)演進(jìn)，對(duì)與運(yùn)維相關(guān)的管理面智能化功能進(jìn)行增強(qiáng)。在SON的注智方面，MDAF在覆蓋增強(qiáng)、資源優(yōu)化、故障檢測(cè)、移動(dòng)性管理、能量節(jié)省、尋呼性能管理、SON協(xié)作等多個(gè)場(chǎng)景方面的應(yīng)用逐漸成熟。例如MDAF提供更精準(zhǔn)的覆蓋分析能力，并且指出覆蓋問題產(chǎn)生的原因，從而指導(dǎo)基站調(diào)整參數(shù)，保證用戶的業(yè)務(wù)體驗(yàn)不會(huì)降低。MDAF也會(huì)更精準(zhǔn)地分析RAN用戶面的擁塞情況，指出導(dǎo)致?lián)砣脑?，并且提供相關(guān)的策略建議。MDAF會(huì)提供更精準(zhǔn)的資源利用方面的分析報(bào)告，并且提供解決資源利用問題的策略建議。在SLA的關(guān)鍵參數(shù)上，例如時(shí)延、可靠性等，MDAF也會(huì)進(jìn)行精準(zhǔn)的分析和提供改善實(shí)驗(yàn)性能的建議。在故障管理方面，MDAF會(huì)進(jìn)行更精準(zhǔn)的故障定位，提供相關(guān)的行動(dòng)建議。MDAF也會(huì)在用戶的移動(dòng)性管理上提供精準(zhǔn)的策略建議，提高用戶的切換成功率和網(wǎng)絡(luò)效率。對(duì)于切片的管理提供更強(qiáng)大、更智能化的服務(wù)，可以精細(xì)地管理切片的各項(xiàng)性能指標(biāo)，保障SLA的參數(shù)。另外，MDAF和網(wǎng)絡(luò)設(shè)備（例如NWDAF）交互方面也將得到完善。

（2）ETSI ENI

目前ENI系統(tǒng)定義了功能架構(gòu)，但是對(duì)接口的具體定義尚未開始。可以預(yù)測(cè)ENI工作組將定義相關(guān)的接口，讓ENI在部署和應(yīng)用方面更有參考意義。另外，數(shù)據(jù)的處理機(jī)制如何與ENI架構(gòu)相結(jié)合、在運(yùn)營(yíng)商系統(tǒng)中如何部署ENI以及ENI和其他智能化網(wǎng)絡(luò)單元如何協(xié)同、意圖策略如何表達(dá)和管理、流信息遙測(cè)等方面，可以預(yù)計(jì)相關(guān)的工作也會(huì)逐漸展開，相關(guān)的場(chǎng)景/功能定義將變得逐漸完善。下一個(gè)版本的ENI將在智能化應(yīng)用場(chǎng)景和落地方面進(jìn)行相應(yīng)的增強(qiáng)。

（3）隨愿網(wǎng)絡(luò)

目前，中國(guó)電信開展了隨愿網(wǎng)絡(luò)的研究。3GPP和ETSI等開始定義IBN（intent based networking）[97,125]，均旨在定義更智能的網(wǎng)絡(luò)自動(dòng)化管理機(jī)制。3GPP TR28.812中描述意圖管理（intent driven management，IDM）消費(fèi)者發(fā)送意圖請(qǐng)求給IDM的提供者（生產(chǎn)者），IDM提供者提供相關(guān)的網(wǎng)絡(luò)配置，如圖 18所示。同時(shí)，IDM的提供者會(huì)監(jiān)控網(wǎng)絡(luò)狀態(tài)，監(jiān)控消費(fèi)者的意圖是否得到滿足。如果不滿足，將重新進(jìn)行意圖評(píng)估和參數(shù)調(diào)整。

圖18 意圖管理

可以預(yù)計(jì)意圖驅(qū)動(dòng)的管理服務(wù)將在今后10年持續(xù)演進(jìn)和成熟，為運(yùn)營(yíng)商進(jìn)一步減少管理復(fù)雜度和對(duì)底層設(shè)備的知識(shí)需求，同時(shí)在跨多廠商的場(chǎng)景增加網(wǎng)絡(luò)管理效率。3GPP SA5、ETSI ENI等標(biāo)準(zhǔn)化組織將持續(xù)這方面的工作，例如定義合理精準(zhǔn)的意圖表達(dá)、自動(dòng)化機(jī)制、意圖的生命周期管理等。關(guān)于應(yīng)用場(chǎng)景，預(yù)計(jì)在網(wǎng)絡(luò)服務(wù)開通、切片資源利用優(yōu)化、切片性能保障、網(wǎng)絡(luò)優(yōu)化、網(wǎng)絡(luò)容量管理、網(wǎng)絡(luò)功能部署等方面會(huì)逐漸增強(qiáng)和完善。

（4）網(wǎng)絡(luò)AI信令體系

5G OSS網(wǎng)絡(luò)中臺(tái)體系的網(wǎng)絡(luò)人工智能平臺(tái)可認(rèn)為是一個(gè)面向網(wǎng)絡(luò)管理與運(yùn)維功能的AI平臺(tái)與引擎。網(wǎng)絡(luò)AI平臺(tái)需要和南向各數(shù)據(jù)采集網(wǎng)元或模塊及和北向5G OSS的各個(gè)業(yè)務(wù)系統(tǒng)（例如網(wǎng)絡(luò)編排、網(wǎng)絡(luò)性能、網(wǎng)絡(luò)資源、網(wǎng)絡(luò)故障）通過一種標(biāo)準(zhǔn)的命令體系進(jìn)行互聯(lián)互通，定義為網(wǎng)絡(luò)AI信令體系。

和4G/5G網(wǎng)絡(luò)信令體系專注各網(wǎng)元的互聯(lián)互通與交互管理不同，網(wǎng)絡(luò)AI信令體系是網(wǎng)絡(luò)AI中臺(tái)或平臺(tái)與其南北向各接口及其相連接的各網(wǎng)元、OAM模塊、OSS各系統(tǒng)的一整套標(biāo)準(zhǔn)的互聯(lián)互通及AI交互管理命令體系，包括網(wǎng)絡(luò)人工智能管理命令的定義、網(wǎng)絡(luò)人工智能命令流在各接口之間的上傳、下發(fā)機(jī)制，網(wǎng)絡(luò)人工智能分析結(jié)果的執(zhí)行機(jī)制，網(wǎng)絡(luò)人工智能鑒權(quán)、授權(quán)等機(jī)制，網(wǎng)絡(luò)人工智能算法的訓(xùn)練、推理、發(fā)布、部署機(jī)制，網(wǎng)絡(luò)人工智能算法計(jì)算、存儲(chǔ)資源管理，網(wǎng)絡(luò)人工智能命令的監(jiān)控、安全等。

典型的網(wǎng)絡(luò)AI信令接口如圖19所示，包括網(wǎng)絡(luò)AI中臺(tái)與3GPP SON系統(tǒng)、3GPP NWDAF、O-RAN RIC、ETSI ENI等系統(tǒng)的AI數(shù)據(jù)采集與AI命令執(zhí)行接口，也包括網(wǎng)絡(luò)AI中臺(tái)面向5G OSS各個(gè)系統(tǒng)（例如網(wǎng)絡(luò)編排、網(wǎng)絡(luò)性能、網(wǎng)絡(luò)資源、網(wǎng)絡(luò)故障等）AI數(shù)據(jù)采集與AI命令執(zhí)行接口。一個(gè)典型的小區(qū)話務(wù)量異常檢測(cè)的網(wǎng)絡(luò)AI信令流程示意圖以及相應(yīng)的網(wǎng)絡(luò)AI信令包結(jié)構(gòu)如圖20所示。

（5）網(wǎng)絡(luò)編排

圖19 網(wǎng)絡(luò)AI信令接口

圖20 典型的網(wǎng)絡(luò)AI信令包結(jié)構(gòu)和小區(qū)話務(wù)量異常檢測(cè)網(wǎng)絡(luò)AI信令流程示意圖

網(wǎng)絡(luò)的軟件定義與云化趨勢(shì)下，網(wǎng)絡(luò)功能（NF）管理將由軟件定義的管理程序接管，并從面向?qū)Ｓ杏布?，向共享的?jì)算與通信資源池的虛擬化管理轉(zhuǎn)型。因此，傳統(tǒng)上相對(duì)固態(tài)的OSS/BSS，除了管理功能，網(wǎng)絡(luò)的編排能力在未來網(wǎng)絡(luò)技術(shù)演進(jìn)中也將發(fā)揮至關(guān)重要的作用。ETSI早在2014年初步發(fā)布了NFV（network functions virtualization）的管理與編排標(biāo)準(zhǔn)規(guī)范，初步定義了在NFV環(huán)境下管理與編排MANO的功能架構(gòu)[126]。隨著通信人工智能面向網(wǎng)絡(luò)編排的嵌入（built-in），業(yè)界有必要將網(wǎng)絡(luò)編排在5G后續(xù)的演進(jìn)路線出落清晰，同時(shí)明確人工智能功能與網(wǎng)絡(luò)編排功能的邏輯與物理連接關(guān)系。如第3.2節(jié)所示，網(wǎng)絡(luò)編排是運(yùn)營(yíng)商網(wǎng)絡(luò)管理體系中非常重要的功能。網(wǎng)絡(luò)的連接與構(gòu)建、網(wǎng)絡(luò)資源調(diào)度編排、網(wǎng)絡(luò)工作流程以及業(yè)務(wù)需求轉(zhuǎn)譯這些主要功能，分別對(duì)應(yīng)網(wǎng)絡(luò)（拓?fù)洌┚幣?、網(wǎng)絡(luò)資源編排、網(wǎng)絡(luò)業(yè)務(wù)編排3部分。在5G OSS中，網(wǎng)絡(luò)業(yè)務(wù)編排甚至可獨(dú)立成一個(gè)子系統(tǒng)，主要負(fù)責(zé)5G各個(gè)虛擬網(wǎng)絡(luò)功能（virtuali network function，VNF）構(gòu)成的網(wǎng)絡(luò)切片業(yè)務(wù)的編排與管理?；赟LA的切片智能管理將是通信人工智能在網(wǎng)絡(luò)業(yè)務(wù)編排中的主要應(yīng)用場(chǎng)景。而針對(duì)網(wǎng)絡(luò)業(yè)務(wù)，例如切片質(zhì)量的保障與優(yōu)化，又牽涉底層網(wǎng)絡(luò)資源對(duì)上層業(yè)務(wù)的即時(shí)性與智能化編排支持，此時(shí)網(wǎng)絡(luò)資源編排功能對(duì)于上層網(wǎng)絡(luò)業(yè)務(wù)編排功能起到保障與支撐作用。在這里，網(wǎng)絡(luò)資源的編排未來需要做到3個(gè)彈性（elasticity）：計(jì)算彈性，即在設(shè)計(jì)與規(guī)模化VNF做到計(jì)算彈性；通過靈活設(shè)置VNF實(shí)現(xiàn)基于編排驅(qū)動(dòng)的彈性；通過跨切片資源供應(yīng)機(jī)制實(shí)現(xiàn)切片可感知彈性[127]?；A(chǔ)的網(wǎng)絡(luò)資源編排功能在ETSI MANO里已有定義，但未來如何基于SLA 或ELA（experience level agreement，體驗(yàn)質(zhì)量協(xié)議），實(shí)現(xiàn)網(wǎng)絡(luò)資源與網(wǎng)絡(luò)業(yè)務(wù)的聯(lián)合編排，并明確AI與網(wǎng)絡(luò)編排功能的邏輯與物理連接，ETSI ENI目前提供了一個(gè)參考架構(gòu)，可供業(yè)界繼續(xù)推動(dòng)演進(jìn)[127]，如圖21所示。

圖21 ETSI ENI架構(gòu)及其與ETSI NFV MANO框架的交互

與此同時(shí)，靈活性差、自動(dòng)化能力弱的存量傳統(tǒng)網(wǎng)絡(luò)在被完全替換之前，與支持網(wǎng)絡(luò)拓?fù)洹①Y源、業(yè)務(wù)智能化編排的新型網(wǎng)絡(luò)如何共存與協(xié)同工作，是業(yè)界需思考的一個(gè)問題并需盡快形成一致行動(dòng)目標(biāo)。例如，傳統(tǒng)網(wǎng)絡(luò)業(yè)務(wù)（例如專線）如何與實(shí)現(xiàn)自動(dòng)化和相對(duì)標(biāo)準(zhǔn)化的編排規(guī)則流程，并與新型5G網(wǎng)絡(luò)編排系統(tǒng)統(tǒng)合。

目前，全球運(yùn)營(yíng)商的網(wǎng)絡(luò)自動(dòng)化與智能化編排能力還處于初級(jí)階段，在技術(shù)和標(biāo)準(zhǔn)層面都需進(jìn)一步完善?？梢灶A(yù)計(jì)隨著通信人工智能和網(wǎng)絡(luò)編排系統(tǒng)深度融合，網(wǎng)絡(luò)（拓?fù)洌┚幣?、網(wǎng)絡(luò)資源編排、網(wǎng)絡(luò)業(yè)務(wù)編排三大能力將得到持續(xù)改進(jìn)。尤其，以SLA或ELA最優(yōu)化作為收斂條件，人工智能在網(wǎng)絡(luò)業(yè)務(wù)需求和網(wǎng)絡(luò)拓?fù)錁?gòu)建與資源保障之間的翻譯、轉(zhuǎn)譯和主動(dòng)與彈性匹配上將扮演重要角色。標(biāo)準(zhǔn)層面，可預(yù)計(jì)3GPP、ETSI等標(biāo)準(zhǔn)化組織也將逐漸完善相關(guān)的場(chǎng)景、接口、流程定義。

4.4 通信人工智能在電信業(yè)務(wù)領(lǐng)域的未來展望

對(duì)于BSS智能化/管理財(cái)務(wù)領(lǐng)域，可以預(yù)計(jì)今后10年AI將在客戶管理、套餐推薦、財(cái)務(wù)智能管理領(lǐng)域全面賦能，并且實(shí)現(xiàn)從初級(jí)到高級(jí)的過渡。從面向客戶建立以人為本的全面客戶體驗(yàn)，到面向電信運(yùn)營(yíng)企業(yè)建立更加運(yùn)轉(zhuǎn)高效的業(yè)務(wù)運(yùn)營(yíng)過程，直至新業(yè)務(wù)、新模式、新技術(shù)的快速創(chuàng)新兌付，都將起到關(guān)鍵作用。下面將從客戶運(yùn)營(yíng)、業(yè)務(wù)運(yùn)營(yíng)、業(yè)務(wù)模式和運(yùn)營(yíng)模式3個(gè)角度進(jìn)行說明。

（1）客戶運(yùn)營(yíng)

從客戶運(yùn)營(yíng)來看，電信運(yùn)營(yíng)企業(yè)已經(jīng)完成從以客戶為中心發(fā)展到以客戶體驗(yàn)為中心的全面客戶體驗(yàn)階段。電信運(yùn)營(yíng)企業(yè)不僅關(guān)注面向客戶提供營(yíng)銷、銷售、服務(wù)過程中的精細(xì)化運(yùn)營(yíng)和服務(wù)滿意度提升，更將客戶在網(wǎng)絡(luò)、業(yè)務(wù)使用過程中的體驗(yàn)作為重要指標(biāo)加入全面客戶體驗(yàn)體系進(jìn)行統(tǒng)一評(píng)估。通過收集、匯聚、關(guān)聯(lián)、挖掘客戶在渠道接觸、網(wǎng)絡(luò)服務(wù)、業(yè)務(wù)使用過程中的體驗(yàn)，建立以客戶為中心的全面旅程體驗(yàn)。在此基礎(chǔ)上，結(jié)合人工智能算法輔助，將進(jìn)一步滿足客戶在更多細(xì)分場(chǎng)景的需求，同時(shí)進(jìn)一步提升智能化、自動(dòng)化互動(dòng)能力，形成以客戶為中心的全面客戶體驗(yàn)。

（2）業(yè)務(wù)運(yùn)營(yíng)

從面向電信運(yùn)營(yíng)企業(yè)業(yè)務(wù)運(yùn)營(yíng)來看，目前電信運(yùn)營(yíng)企業(yè)已經(jīng)基本完成流程的端到端數(shù)字化升級(jí)，正在通過利用大數(shù)據(jù)、人工智能等植入現(xiàn)有流程中，完成業(yè)務(wù)處理過程的智能化，進(jìn)一步提升業(yè)務(wù)運(yùn)營(yíng)效率。隨著機(jī)器流程自動(dòng)化（RPA）、智能業(yè)務(wù)流程管理套件（intelligent business process management suite，IBPMS）等技術(shù)的引入，預(yù)計(jì)未來人工干預(yù)的業(yè)務(wù)過程將進(jìn)一步減少，流程運(yùn)轉(zhuǎn)效率進(jìn)一步提高，同時(shí)成本進(jìn)一步降低。隨著AI被引入運(yùn)營(yíng)商風(fēng)控體系，收入保障能力進(jìn)一步提升，欠費(fèi)風(fēng)險(xiǎn)將進(jìn)一步降低，運(yùn)營(yíng)商可以結(jié)合自身風(fēng)控預(yù)期，開展更多的創(chuàng)新型業(yè)務(wù)。這將進(jìn)一步推動(dòng)電信運(yùn)營(yíng)企業(yè)更加健康向上的現(xiàn)金流。

（3）業(yè)務(wù)模式和運(yùn)營(yíng)模式

從目前電信運(yùn)營(yíng)企業(yè)業(yè)務(wù)模式和運(yùn)營(yíng)模式來看，針對(duì)大眾市場(chǎng)以重資產(chǎn)模式投入，采用按量計(jì)價(jià)的方式已經(jīng)很難滿足高速發(fā)展的需要。而傳統(tǒng)的采用人工方式針對(duì)大眾市場(chǎng)采用大顆粒度細(xì)分客戶群的進(jìn)行產(chǎn)品制定、計(jì)價(jià)模式制定的方式也很難滿足未來用戶場(chǎng)景化、個(gè)性化的要求。因此運(yùn)營(yíng)商需要充分利用AI能力，以虛擬專家/個(gè)人助手的方式進(jìn)行針對(duì)更細(xì)力度的市場(chǎng)細(xì)分和業(yè)務(wù)運(yùn)營(yíng)，配合智能化工作流和智能化風(fēng)控體系，面向客戶推動(dòng)“一客一策”“千人千面”的業(yè)務(wù)產(chǎn)品和服務(wù)，進(jìn)一步通過創(chuàng)新業(yè)務(wù)產(chǎn)品和運(yùn)營(yíng)模式提升創(chuàng)新。

4.5 通信人工智能在跨領(lǐng)域融合智能化的未來展望

對(duì)于跨網(wǎng)絡(luò)與業(yè)務(wù)領(lǐng)域的融合智能化, 預(yù)計(jì)未來10年CEM和PCF+的架構(gòu)與功能會(huì)持續(xù)發(fā)展，客戶體驗(yàn)感知體系會(huì)從SLA往ELA體系演進(jìn)。

（1）用戶體驗(yàn)感知的增強(qiáng)與SLA往ELA的演進(jìn)

20世紀(jì)90年代以來，ITU、ISO等國(guó)際標(biāo)準(zhǔn)組織定義的服務(wù)質(zhì)量（QoS）體系[128-129]被絕大多數(shù)通信運(yùn)營(yíng)商采納用于與其用戶簽訂的服務(wù)質(zhì)量協(xié)議（SLA）中。傳統(tǒng)的QoS是以技術(shù)為驅(qū)動(dòng)的，尤其以網(wǎng)絡(luò)與業(yè)務(wù)性能指標(biāo)來定義服務(wù)質(zhì)量[130-131]，即網(wǎng)絡(luò)中的指標(biāo)被納入SLA中。由于傳統(tǒng)QoS無法真實(shí)體現(xiàn)用戶在使用網(wǎng)絡(luò)業(yè)務(wù)的體驗(yàn)與感受，近些年服務(wù)質(zhì)量體系逐漸向以用戶為中心的體驗(yàn)質(zhì)量（QoE）體系發(fā)展與演進(jìn)。 ITU把QoE定義為被末端用戶可主觀感知到的某個(gè)應(yīng)用或業(yè)務(wù)的總體可接受程度[131]。

當(dāng)前的SLA體系下，通信運(yùn)營(yíng)商給用戶提供的服務(wù)級(jí)別是盡力而為（best effort）。例如帶寬100 Mbit/s通常指“在理想情況下速率最高達(dá)到100 Mbit/s”。這種盡力而為的服務(wù)以及技術(shù)視角的KPI 很難與用戶的體驗(yàn)質(zhì)量直接關(guān)聯(lián)起來。同時(shí)，當(dāng)用戶為服務(wù)付費(fèi)時(shí)，對(duì)服務(wù)的穩(wěn)定性與質(zhì)量總是由主觀認(rèn)定的應(yīng)大于或等于其支付成本的一個(gè)預(yù)期。隨著CEM的QoE的算法體系在未來逐漸成熟與完善，通信運(yùn)營(yíng)商將可以利用QoE算法體系來預(yù)測(cè)性評(píng)估和主動(dòng)性管理用戶的體驗(yàn)預(yù)期。因此，傳統(tǒng)面向用戶的SLA體系向基于QoE的ELA體系演進(jìn)也勢(shì)在必行。將ELA 定義為“一種特殊的SLA，即在客戶清晰了解某種服務(wù)前提下，用戶對(duì)使用某服務(wù)的體驗(yàn)形成的一種基于質(zhì)量等級(jí)的共識(shí)”[124]。

圖22描述了通信運(yùn)營(yíng)商、內(nèi)容提供商、toB用戶和toC用戶的服務(wù)質(zhì)量保障對(duì)應(yīng)關(guān)系[124]。ELA主要面向toC用戶與運(yùn)營(yíng)商和內(nèi)容提供商。在當(dāng)前的業(yè)務(wù)模式下，ELA主要是網(wǎng)絡(luò)服務(wù)加上基于內(nèi)容質(zhì)量的混合ELA模式。即一整套ELA體系中包含了網(wǎng)絡(luò)服務(wù)質(zhì)量與應(yīng)用層的體驗(yàn)質(zhì)量。當(dāng)前，用戶很難界定清楚體驗(yàn)的下降是在網(wǎng)絡(luò)側(cè)還是在應(yīng)用側(cè)。而未來的ELA體系應(yīng)該基于圖22（b），即構(gòu)建toC用戶面向網(wǎng)絡(luò)側(cè)與應(yīng)用側(cè)獨(dú)立的ELA體系。對(duì)于用戶來說，在QoE感知區(qū)域，打破一切歸結(jié)于“網(wǎng)絡(luò)不給力”的體驗(yàn)質(zhì)量黑盒，可以更加明晰不同服務(wù)提供方提供的體驗(yàn)質(zhì)量各自的優(yōu)劣。同時(shí)，內(nèi)容提供商為保障更好的QoE給toC客戶，也可更加清晰地定義與通信運(yùn)營(yíng)商ISP的SLA中各項(xiàng)QoS要求。

圖22 利用SLA和QoE概念構(gòu)建ELA生態(tài)

（2）CEM的架構(gòu)演進(jìn)

由于CEM的數(shù)據(jù)來源自多個(gè)領(lǐng)域：網(wǎng)絡(luò)OSS域、業(yè)務(wù)BSS域以及應(yīng)用層?！皵?shù)據(jù)合規(guī)”和“數(shù)據(jù)孤島”讓CEM在多方面數(shù)據(jù)匯聚變得極具挑戰(zhàn)性[132]。為兼顧“隱私安全”和“數(shù)據(jù)融合”雙需求，基于跨區(qū)域構(gòu)建CEM模型的思想被提出。實(shí)現(xiàn)跨區(qū)建模最常用的方法有兩種：遷移學(xué)習(xí)（transfer learning，TL）和聯(lián)邦學(xué)習(xí)（federated learning，F(xiàn)L）。通過對(duì)海量數(shù)據(jù)進(jìn)行大規(guī)模訓(xùn)練，獲得一個(gè)普適性強(qiáng)的預(yù)訓(xùn)練模型（pre-trained model，PM），再將預(yù)訓(xùn)練模型搬移小規(guī)模數(shù)據(jù)的應(yīng)用場(chǎng)景，利用小規(guī)模數(shù)據(jù)對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)，從而實(shí)現(xiàn)模型性能的顯著提升[133]。這種思想可以用來構(gòu)建CEM模型，如圖23（a）所示，通過某通信運(yùn)營(yíng)商企業(yè)的數(shù)據(jù)訓(xùn)練得到CEM的基礎(chǔ)PM，再利用場(chǎng)景業(yè)務(wù)數(shù)據(jù)微調(diào)PM，從而獲得場(chǎng)景化的CEM，同時(shí)避免了數(shù)據(jù)的直接融合。

圖23 基于遷移學(xué)習(xí)和基于聯(lián)邦學(xué)習(xí)的CEM構(gòu)建思想

2017年，一種專門針對(duì)碎片化數(shù)據(jù)的聯(lián)合建模方法聯(lián)邦學(xué)習(xí)被提出[22]，聯(lián)邦學(xué)習(xí)非常適合于CEM建模的場(chǎng)景。聯(lián)邦學(xué)習(xí)采用了“數(shù)據(jù)不動(dòng)，模型動(dòng)”的建模思想，很好地規(guī)避了用戶體驗(yàn)數(shù)據(jù)的隱私安全問題，同時(shí)它還是一種多方安全計(jì)算技術(shù)，很好解決了用戶體驗(yàn)建模的數(shù)據(jù)割裂問題，如圖 23（b）所示。整個(gè)聯(lián)合建模過程，各方的數(shù)據(jù)都不出庫，保留在了本地，因此，基于聯(lián)邦學(xué)習(xí)技術(shù)的用戶體驗(yàn)感知方法是安全可控的和穩(wěn)定的，大大提升聯(lián)合模型的準(zhǔn)確性和評(píng)估的全面性。

（3）PCF+的演進(jìn)

對(duì)于PCF+的后續(xù)演進(jìn)版本，可以預(yù)計(jì)PCF+通過與OSS域和BSS域的交互，向用戶提供更精準(zhǔn)、更實(shí)時(shí)、差異化的策略控制，如圖13所示。PCF+可以統(tǒng)一B域策略，并且在提供策略控制的過程中保證服務(wù)的可靠性和實(shí)時(shí)性。對(duì)于網(wǎng)絡(luò)側(cè)的策略控制，PCF+可以實(shí)時(shí)、動(dòng)態(tài)地控制用戶QoS參數(shù)和進(jìn)行會(huì)話管理，保證服務(wù)質(zhì)量。由于PCF+有了O/B域拉通的能力，對(duì)用戶的策略控制變得更加個(gè)性化，可以進(jìn)一步挖掘出有附加價(jià)值的場(chǎng)景，實(shí)現(xiàn)B5G/6G的業(yè)務(wù)愿景。

從PCF+的部署方式來講，可以部署在O域，也可以部署在B域，針對(duì)不同的領(lǐng)域進(jìn)行服務(wù)。不同域之間的PCF+相互交互，獲取其他領(lǐng)域的數(shù)據(jù)信息。PCF+的部署也可以根據(jù)網(wǎng)絡(luò)實(shí)際情況，按照層次化的PCF+架構(gòu)進(jìn)行部署。

4.6 通信人工智能在專網(wǎng)應(yīng)用的未來展望

5G的核心價(jià)值之一在于面向企業(yè)toB的專有應(yīng)用，可預(yù)計(jì)，今后10年，在垂直領(lǐng)域（例如車聯(lián)網(wǎng)、智能制造、高清視頻/VR/AR、遠(yuǎn)程醫(yī)療、智慧城市），通信人工智能將幫助企業(yè)實(shí)現(xiàn)高級(jí)智能乃至完全智能化的專網(wǎng)功能。

雖然，從目前來看，5G專網(wǎng)在工業(yè)互聯(lián)網(wǎng)領(lǐng)域已經(jīng)有了一些部署案例，有效推動(dòng)了5G在垂直行業(yè)的應(yīng)用和生態(tài)建設(shè)，不同部署形態(tài)的專網(wǎng)也可以適用多樣化的網(wǎng)絡(luò)需求，但距離垂直行業(yè)的需求還存在較大差距?？梢灶A(yù)計(jì)未來10年，通信人工智能通過與MEC、業(yè)務(wù)的結(jié)合以及算法的成熟，可以完全滿足垂直行業(yè)對(duì)于高質(zhì)量通信和網(wǎng)絡(luò)安全的要求，例如聯(lián)邦學(xué)習(xí)、遷移學(xué)習(xí)等較前沿的人工智能技術(shù)將幫助專網(wǎng)解決數(shù)據(jù)安全隱私、數(shù)據(jù)量匱乏等問題，利用人工智能技術(shù)感知業(yè)務(wù)變化，優(yōu)化無線網(wǎng)絡(luò)參數(shù)從而保障業(yè)務(wù)傳輸質(zhì)量，將專網(wǎng)真正地變成高性能、安全可靠的專網(wǎng)。

5 未來可期：下一個(gè)十年，通信智能化的全面推進(jìn)

面向6G的演進(jìn)過程中，3GPP遵循2～3年一個(gè)Release的節(jié)奏，在未來10年將有望從R17演進(jìn)到R21版本。當(dāng)前，ITU-R也開始了6G技術(shù)趨勢(shì)與愿景的研究，有望在2027—2028年制訂6G的正式標(biāo)準(zhǔn)規(guī)范。在3GPP與ITU-R技術(shù)標(biāo)準(zhǔn)演進(jìn)的過程中，移動(dòng)通信各個(gè)功能領(lǐng)域（核心網(wǎng)、無線、傳輸、網(wǎng)絡(luò)管理、業(yè)務(wù)支撐、網(wǎng)絡(luò)應(yīng)用等），通過與人工智能各自不同程度的耦合發(fā)展，將在未來10年分階段逐步到達(dá)通信生態(tài)系統(tǒng)中智能化的高階階段，如圖24所示，將最終實(shí)現(xiàn)B5G/6G愿景中的通信自治與全智能化的目標(biāo)。

人工智能面向通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施，在未來3～5年內(nèi)，NWDAF將在5G核心網(wǎng)絡(luò)中逐漸成熟商用；無線與核心網(wǎng)絡(luò)優(yōu)化也將借助SON實(shí)現(xiàn)以人工智能為驅(qū)動(dòng)的智能網(wǎng)絡(luò)優(yōu)化目標(biāo)。SON的商用部署方式將有可能以獨(dú)立SON系統(tǒng)部署或融合進(jìn)入5G OSS系統(tǒng)實(shí)現(xiàn)，RAN-DAF是否以獨(dú)立網(wǎng)元形式定義還未有定論。未來5～10年，隨著O-RAN的逐漸商用，RIC作為開放無線網(wǎng)絡(luò)的智能控制器也將實(shí)現(xiàn)商用部署。

人工智能面向網(wǎng)絡(luò)管理與運(yùn)營(yíng)，在未來3～4年中，MDAF實(shí)現(xiàn)網(wǎng)管層面的部分?jǐn)?shù)據(jù)分析功能。隨著網(wǎng)絡(luò)中臺(tái)體系的建設(shè)，面向網(wǎng)絡(luò)人工智能的網(wǎng)絡(luò)AI中臺(tái)將會(huì)在部分運(yùn)營(yíng)商的5G OSS中實(shí)現(xiàn)商用部署。網(wǎng)絡(luò)AI信令體系作為人工智能與網(wǎng)絡(luò)交互的語言，將AI能力注入網(wǎng)絡(luò)生態(tài)系統(tǒng)中。未來5～10年，隨愿網(wǎng)絡(luò)和ETSI ENI網(wǎng)絡(luò)體驗(yàn)與感知體系將逐漸成熟，會(huì)在5G中后期的網(wǎng)絡(luò)基礎(chǔ)設(shè)施架構(gòu)中得到應(yīng)用。數(shù)字孿生技術(shù)將與網(wǎng)絡(luò)仿真和人工智能相結(jié)合，將網(wǎng)絡(luò)全生命周期的規(guī)、建、優(yōu)、維實(shí)現(xiàn)孿生化與智能化管理。

人工智能面向電信業(yè)務(wù)與支撐，部分通信運(yùn)營(yíng)商構(gòu)建的技術(shù)中臺(tái)體系將在未來3～5年內(nèi)全面商用與成熟。其中，人工智能平臺(tái)板塊將作為AI面向BSS領(lǐng)域注智與賦能的載體，全面推動(dòng)客戶運(yùn)營(yíng)與業(yè)務(wù)運(yùn)營(yíng)的智能化。因?yàn)榇怪毙袠I(yè)中類似通用的應(yīng)用經(jīng)驗(yàn)，電信業(yè)務(wù)涉及的某些細(xì)分領(lǐng)域（例如智能客服、智能營(yíng)銷、智能推薦等）在未來的5～10年內(nèi)會(huì)加速發(fā)展，可能提早實(shí)現(xiàn)到達(dá)L4或L5的高度智能化階段。

人工智能面向跨BSS與OSS領(lǐng)域的融合智能化，CEM與PCF會(huì)沿著BSS與OSS域融合的演進(jìn)路線發(fā)展。其中，CEM將結(jié)合網(wǎng)絡(luò)與業(yè)務(wù)的數(shù)據(jù)，在客戶全生命周期旅程中實(shí)現(xiàn)對(duì)客戶的網(wǎng)絡(luò)與業(yè)務(wù)體驗(yàn)感知的閉環(huán)管理。由于涉及跨領(lǐng)域數(shù)據(jù)使用，CEM未來架構(gòu)可選擇聯(lián)邦學(xué)習(xí)來實(shí)現(xiàn)。客戶體驗(yàn)與感知管理體系會(huì)從SLA往ELA體系演進(jìn)。PCF通過與OSS域和BSS域的交互，可以面向網(wǎng)絡(luò)、業(yè)務(wù)、客戶提供精準(zhǔn)、實(shí)時(shí)、個(gè)性化的策略與服務(wù)。

圖24 通信人工智能的未來10年展望

垂直行業(yè)專網(wǎng)在未來3～4年內(nèi)屬于商用建設(shè)初期，主要部署模式以虛擬專網(wǎng)的形式實(shí)現(xiàn)。因此人工智能面向虛擬專網(wǎng)的應(yīng)用將聚焦在5G專網(wǎng)切片的SLA保障、切片資源智能調(diào)度與優(yōu)化以及無線專網(wǎng)覆蓋與性能優(yōu)化等。在未來的5～10年，混合專網(wǎng)和獨(dú)立專網(wǎng)會(huì)逐漸部署并成熟。人工智能對(duì)獨(dú)立或混合專網(wǎng)的應(yīng)用將會(huì)聚焦在toB業(yè)務(wù)精準(zhǔn)QoS保障、toC業(yè)務(wù)感知體驗(yàn)實(shí)時(shí)評(píng)估優(yōu)化、智能網(wǎng)絡(luò)智能運(yùn)維AIOP等。另外，人工智能技術(shù)通過與垂直行業(yè)的專網(wǎng)應(yīng)用平臺(tái)MEP（multi-access edge platform）的交互，自適應(yīng)調(diào)整應(yīng)用層的參數(shù)設(shè)置，保障邊緣應(yīng)用的服務(wù)質(zhì)量。人工智能在行業(yè)專網(wǎng)的初級(jí)智能化階段主要面向性能、質(zhì)量與運(yùn)維保障的智能化，在中高級(jí)智能化階段更加面向高可靠、低時(shí)延、多并發(fā)連接的智能化控制與管理。

在未來，通信人工智能系統(tǒng)的應(yīng)用在安全性、魯棒性、可解釋性等方面將進(jìn)一步加強(qiáng)。尤其是人工智能中的聯(lián)邦學(xué)習(xí)、區(qū)塊鏈、隱私計(jì)算的技術(shù)組合，預(yù)計(jì)在通信生態(tài)各系統(tǒng)中會(huì)得以發(fā)展，用于解決通信生態(tài)系統(tǒng)與垂直行業(yè)之間的數(shù)據(jù)孤島和安全隱私問題：聯(lián)邦學(xué)習(xí)模型涉及多方數(shù)據(jù)的共享訓(xùn)練，由聯(lián)邦中心負(fù)責(zé)秘鑰管理和模型梯度管理，需定期對(duì)聯(lián)邦中心進(jìn)行審計(jì)；區(qū)塊鏈技術(shù)解決共識(shí)和可信問題；模型的訓(xùn)練、推理、角色對(duì)齊均上鏈，通過智能合約、共識(shí)計(jì)算等實(shí)現(xiàn)多方合作的可信網(wǎng)絡(luò)，且能在多方聯(lián)邦情況下以區(qū)塊代替中心節(jié)點(diǎn)的作用。

面向6G，通信人工智能將促進(jìn)空、天、地、海多維度的生態(tài)系統(tǒng)智能化融合。由于6G通信生態(tài)系統(tǒng)在空間維度的擴(kuò)展，將催生更多場(chǎng)景。通信人工智能將解決多個(gè)生態(tài)子系統(tǒng)的跨層優(yōu)化、聯(lián)合優(yōu)化等多項(xiàng)式復(fù)雜程度的非確定性NP-hard（non-deterministic polynomial-time hard）問題。

當(dāng)前，人工智能在通信生態(tài)系統(tǒng)中的架構(gòu)融合與功能應(yīng)用在3GPP、ITU-R、ETSI中均已標(biāo)準(zhǔn)化定義。通信人工智能在5G的商用進(jìn)程正處于早期階段，尤其是通信人工智能相關(guān)的網(wǎng)元（例如3GPP NWDAF或O-RAN RIC）都在處于測(cè)試階段，極少在5G網(wǎng)絡(luò)中商用。目前，通信人工智能面向網(wǎng)絡(luò)管理、業(yè)務(wù)管理以及應(yīng)用層的應(yīng)用較多，也取得了階段性的成效。筆者呼吁通信行業(yè)建設(shè)者們進(jìn)一步開放網(wǎng)絡(luò)標(biāo)準(zhǔn)化接口，給予人工智能對(duì)網(wǎng)絡(luò)基礎(chǔ)設(shè)施、網(wǎng)絡(luò)管理運(yùn)維系統(tǒng)、業(yè)務(wù)支撐系統(tǒng)等全面賦能、注智的機(jī)會(huì)，將5G與AI作為通用目的技術(shù)組合的潛力在通信生態(tài)系統(tǒng)內(nèi)與垂直應(yīng)用中全面釋放。