5G商业化的冲锋号已然吹响运营商应该如何为此做好准备

“凡事豫则立，不豫则废。言前定则不跲，事前定则不困，行前定则不疚，道前定则不穷。”《礼记·中庸》中这样写道。

在亢奋与期盼中，5G的全球商用进程不断加快，距离普罗大众越来越近，甚至提前在一些行业应用领域开始创造价值。但在同时，紧随5G而来的网络复杂性激增和OPEX长期以来的居高不下，或将会给原本便身处变革旋涡中心的移动网络带来更大的挑战，甚至影响到整个信息通信行业的未来发展。

5G前夜的当下，应该如何为此做好准备？打造一张基于用户体验的智能化、全自动的网络成为诸多运营商的共同追求，而人工智能（AI）的日益成熟使之成为可能。在华为的构想中，这门近来大放异彩的技术将嵌入到移动网络的架构与生命周期之中，成为驱动其迈向“无人驾驶、永无故障”的自动驾驶的重要组成部分。面对目标网络如何践行、自动化价值如何释放，这家公司在呼吁全行业群力群策的同时也定义了阶段性目标和五级演进标准，并发布了《自动驾驶移动网络》白皮书以提供可借鉴的思路。

第一块多米诺骨牌已经倒下，你是否已经行动起来？

美国计划2018年全面实现5G商用、俄罗斯在积极探索5G共建共享合作方式、韩国平昌冬奥会成为首个实现“5G网络全覆盖”的奥运会。而我国已经明确了2020年5G确保商用的政策，全国范围5G中低频段试验频率使用许可的颁发也令“最后一只靴子”得以落地——种种迹象表明，5G商业化的冲锋号已然吹响。

在这背后，是信息通信行业乃至全社会对5G的期许与高度重视。其指向的Gbps起步的超大带宽、超高可靠超低时延的通信能力和每公里百万级的海量连接，将带来前所未有的业务体验提升和使能各行各业数字化的全面爆发，所释放出的需求潜力也将催动一波新的经济发展浪潮。

GSMA预计，2018-2025年，数据流量将以40%的年复合增长率高速增长；到2025年，全球将有超过300亿个联网设备，给整个行业带来大体量收入；到2022年，移动经济将会给整个社会带来4.6万亿美元的市场空间。IHS亦有预测称，到2035年，5G将在全球带动12.3万亿美元经济产出，而仅5G价值链就将创造3.5万亿美元产出，同时创造2200万个工作岗位；2020-2035年，5G对全球实际GDP增长的贡献预计将相当于一个与印度同等规模的经济体。

然而前方并非只有掌声与鲜花，同样也充斥着沟坎与荆棘。随着5G进入规模部署阶段，一系列问题正逐渐浮出水面，尤其是在与运营商切身相关的网络层面。首先，2G/3G/4G/5G四世同堂，网络管理的复杂度已非人力所能及；其次，以Massive MIMO为代表的新技术应用给网络性能提升带来不小的挑战；第三，5G时代多业务并行，如何做好多业务的管理也将给运营商带来极大挑战。

此外，Ovum分析报告显示，过去十年信息通信行业的收入增长从来没有跑赢过OPEX的增长，OPEX在电信网络TCO（总体拥有成本）的占比从62%上升到75%，这意味着单纯地降低设备成本已经不能改善运营商的成本结构。也因此，在5G时代能否有效遏制OPEX的持续增长将成为商业成功的关键。

正如狄更斯在他的《双城记》开卷所写那样，“这是一个最好的时代，这是一个最坏的时代”。而值得庆幸的是，我们有AI。

纵观历史，从18世纪至今300余年间，世界通过三次工业革命，完成了机械化、电气化、信息化的改造，每一次变革都驱动人类社会迈向新的发展纪元。如果说在21世纪还有哪一种技术可以和历次工业革命中的先导科技相提并论的话，那一定是正在步入成熟增长期的AI技术。

作为计算机科学的一个分支，AI的概念早在1956年就被提出，并自20世纪七十年代以来与空间技术、能源技术一起被并称为“世界三大尖端技术”，同时亦与基因工程、纳米科学一起被认为是“21世纪三大尖端技术”。近年来，AI已经越来越多地被应用于各个领域，成为适用于大部分经济活动的基本生产力；阿尔法狗与人类棋手的连番大战和媒体热炒也使之为世人所熟知。

聚焦到信息通信领域，AI使网络有了不断学习的机制，得以持续提升自动化的水平。华为常务董事、产品投资评审委员会主任汪涛即在第九届全球移动宽带论坛（MBBF 2018）上倡言，为应对5G时代的网络复杂性挑战，需要将AI技术和移动网络进行深度耦合，以打造一张运维管理效率极优、性能极好、业务敏捷的移动网络，让网络迈向自动驾驶。

在过去几年中，华为已经通过积极布局、压强投入，在AI领域构建起了相当实力。在2018华为全联接大会（Huawei Connect 2018）上，这家公司正式发布了AI发展战略及全栈全场景AI解决方案，其中面向运营商网络的是SoftCOM AI架构及方案——SoftCOM AI借助华为全球经验和积累，通过打造数据驱动的智能网络，实现网络的自动、自优、自愈和自治，帮助运营商大幅提升网络利用率和运维效率。

不少运营商也意识到了AI之于移动网络的重要性，国内三大运营商与日韩美等地的领先运营商均已展开了相关的探索。比如SK电讯部署了一个具有大数据分析和机器学习功能的AI辅助系统（TANGO），通过自行检测移动网络、排除故障、实施优化来增强用户体验。

就像中国移动副总裁李正茂所言，“一方面5G未来要实现大连接需要AI的辅助，另一方面以5G为代表的新一代网络的部署和商用也将为AI发展注入新的动力”，实际上两者间可谓相辅相成、天然契合，移动网络在AI应用上也有其优势所在。具体而言，AI的成长离不开数据的“喂食”，移动网络上蕴藏着大量的数据且结构化数据占比高；算力与数据、算法构成了AI向前发展的动力，移动基站算力则相当强，以一张1万站规模的网络为例，全网的基站算力可与8000台高性能计算服务器相媲美；AI人才的短缺一定程度上限制了它的使用步伐，移动网络30年的专家经验亦为网络应用智能化提供了有力的保障与支撑。同时，移动网络应用AI也必须充分考虑自身独特的特点。首先数据具有强时效性，其次站点分布式结构，另外还要考虑移动性带来的场景多样性。

自动驾驶将彻底改变我们的交通出行方式，足以和此前汽车、飞机的普及相提并论，而移动网络的自动驾驶同样具有划时代的意义。但必须看到的是，自动驾驶网络绝非单个产品的创新，而是系统架构和商业模式的创新，其过程无法一蹴而就且需要全行业的推动，也唯有与具体的场景相融才能催生出真正的价值。

因此，华为呼吁全行业共同定义清晰的标准、牵引技术创新并指导落地；它以优化业务体验和运营效率为抓手，定义了移动网络迈向全场景自动驾驶五级演进标准。在汪涛口中，从“解放双手”到“解放双眼”、再到“无人驾驶”，自动驾驶网络共分L0手工运维、L1辅助运维、L2部分自治网络、L3有条件自治网络、L4高度自治网络、L5完全自治网络五个等级，L5是电信网络发展的终极目标。

明确场景是实施网络自动驾驶的关键，细分场景后借助AI技术来逐步分级别实现：“在从L1到L5的进程中，AI的作用不断加大。比如L2级别，自适应的自动化取代了基于规则的自动化，多个工作流可以被有效串接；再比如L3级别，利用AI准确的识别各种场景，进行根因分析，为自动决策提供依据。”

业界针对自动驾驶汽车定义了三层，包括Sensor、分析+控制和云平台。自动驾驶网络同样可分为三层，第一层，设备层面的智能芯片+Telemetry将面向网络和业务级应用的真实数据实时上报；第二层，本地智能分析找出网络风险并给出优化建议，通过自动化系统来进行本地优化闭环，实现网络自治；第三层，云端平台将数据汇聚后进一步训练提炼更精准的算法并推送到本地系统，达到更优的网络自治效果。在每一层架构的背后，都有一个看不见的专家团队在负责数据分析、模型训练和优化等工作。

考虑到移动网络自身的独特特点，华为在此基础上进一步提出了自动驾驶移动网络的架构。其不同之处在于自动驾驶移动网络的整体架构是分层自治的，在第二层又细分为Site AI与Network AI，前者部署在基站，负责网络的RRM/RTT实时控制；后者部署在管控融合集中节点，负责将上层系统的意图翻译成网络自动化行动，对网络执行准实时的闭环控制。

有鉴于此，华为提出要以站点、网络和云端为支点发力来构筑整网的智能化能力，汪涛在演讲中对此有过系统论述。站点层面主要聚焦场景匹配、数据收集与提炼及低时延智能算法等能力的构筑，进行实时的数据分析与短时延的智能推断，从而快速完成功能与参数的优化。Site AI主要提供两大重点能力，数据提炼，站点产生的海量数据提炼为有用的样本数据；嵌入式的AI框架，支持在CPU、DSP或未来的AI芯片上进行实时的AI算法推断。

网络层面通过采集移动网络全域的数据和状态进行数据分析和推理，识别各种网络场景，对未发生的情况进行预测预防、对已经发生的情况进行根因分析，最终给出决策，对网络进行智能的管控。其中，两个转变将是移动网络自动化的关键，即从以网元为中心的运维转变为以场景为中心的运维、从单纯的网络管理到管理控制融合。

云端层面落实智能模型和训练能力，实现新一代智能服务。华为凭借多年积累的全球网络管理服务经验，对数据、场景进行标注和分类，从而训练出精确的AI模型；构建了基于动态网络持续优化和更新模型的能力（Digital Twins），新的场景和问题可以被很快发现、适配，并迅速应用到全球网络。为了让运营商更好地利用和消费AI，未来它将提供在线的AaaS （AI as a service）；同时，在迈向自动驾驶的过程中很多业务流程需要重新整理和设计，它还将提供BPaaS（Biz Process as a service）。

基于上述架构，华为正围绕网络规划、网络部署、网络维护优化和业务发放四大工作场景推动移动网络迈向自动驾驶，并制定了12个阶段目标。其中，网络规划由特定场景的辅助规划到全场景辅助规划、再到自动精准规划；网络部署由硬件部署无感知到参数自配置、再到特性自开通；网络维护优化由自动告警监控到故障辅助处理、再到故障预测；业务发放由基于覆盖的业务发放到基于体验的业务发放、再到基于业务的网络切片。

提出理论难，但将理论与实际联系起来更难。既然移动网络迈向自动驾驶需要分场景分级去逐步释放自动化的价值，那么应当优先在哪些场景发力？运营商又如何及时享受到自动化所带来的红利？经过不断收敛与提炼，坚持“把复杂留给自己，把简单留给客户”的华为已识别出其中的关键场景和所需能力，并围绕于此形成了可操作可执行的方案及案例。

华为在第九届全球移动宽带论坛上隆重发布了面向移动网络的场景白皮书。首次从网络运维生命周期、数字化程度以及场景TCO贡献度三个维度进行场景化分析，识别出了移动网络的七大关键自动驾驶场景——基站部署、特性部署、网络性能监控、故障分析与处理、网络性能提升、家庭业务发放以及网络节能。同时，首次公布了面向网络自动化需要构建的5大关键能力（POBSI模型）——可编排（Programmable）、在线化（Online）、流程桥接（Bridging）、可感知（Sensibility）、智能（Intelligence），并基于该能力模型针对七大关键场景进行分级定义和能力诉求分析。用汪涛的话说，哪些是移动网络自动驾驶场景中的“自动泊车”、哪些是“自动变道行驶”，都可以从这本白皮书里得到启示。而随着研究的推进，将持续刷新应用场景并对外公布研究成果。

作为SoftCOM AI总体框架中的一部分，华为在移动网络自动驾驶上的创新探索亦卓有成效。以VoLTE为例，已经有50%的网络开通了VoLTE，为用户提供高清语音。但是VoLTE的开通和运行保障仍比较复杂，需要投入大量人力保障。VoLTE相关的参数设计超过60个，且对于覆盖质量要求更高、对于弱覆盖非常敏感，VoLTE的端到端组网中节点数也多，对于问题定位带来很大的难度。

AI技术可以大大提升VoLTE的设计部署、网络优化、故障定位的效率，使复杂的工作简单化、自动化。在初始规划阶段，运营商利用聚类算法，可对多频组网场景、多特性互操作场景进行识别和汇聚，自动匹配生成VoLTE初始参数策略配置；在运营阶段，系统实施监控和分析网络覆盖质量，发现弱覆盖区域，利用梯度下降决策树算法（GBDT）进行RF参数的自动寻优，找到最佳参数值组合，解决弱覆盖问题；在故障定位过程中，系统通过根因分析找到影响语音质量的问题，利用Q-learning（强化学习的一种算法）给出问题修复建议。总之，通过AI和数据分析技术，可以大幅提升VoLTE业务运行维护的效率和准确性，为高质量的语音业务提供保障。

Massive MIMO是5G网络中最重要的解决方案，为Massive MIMO带来智能是5G自治网络的基础。MM波束成形为网络带来了灵活性的同时也带来了管理的复杂性。华为正在计划关键工作场景中的智能MM解决方案，尝试利用AI和MM波束成形特性来达到过去不可能实现的自治网络。

汪涛指出，华为Smart Massive MIMO解决方案将提供最强大的传感器功能，包括天线GPS信息，这种边缘智能将在第一时间实现全自动站点配置。设备测量信息将用于增强传统的驾驶测试，大数据将实现准确的传播模型，覆盖预测模型和网络流量模型训练，这将是自动网络规划、覆盖调整和节能的推动者。中性网络推理能力将建立在站点处理器中，这使得MM波束成形模式推断的时间小于0.1毫秒，为自动性能优化奠定了基础。