韋樂平直指NFV發(fā)展“痛點”AI將推動網(wǎng)絡(luò)重構(gòu)進入新階段

本刊記者|王熙 刁興玲

基于SDN、NFV和Cloud的網(wǎng)絡(luò)架構(gòu)重構(gòu)帶來大量新的多維度復(fù)雜性，在很大程度上抵消了其帶來的諸多好處，而AI在處理復(fù)雜問題上的能力遠超人腦，有望解決網(wǎng)絡(luò)架構(gòu)重構(gòu)所面臨的挑戰(zhàn)。

SDN/NFV產(chǎn)業(yè)聯(lián)盟理事長、中國電信科技委主任韋樂平

在“2018中國SDN/NFV大會”上，SDN/NFV產(chǎn)業(yè)聯(lián)盟理事長、中國電信科技委主任韋樂平針對SDN/NFV發(fā)展情況的一番演講，直指目前NFV發(fā)展痛點和云計算癥結(jié)，以及人工智能（AI）對運營商網(wǎng)絡(luò)重構(gòu)的創(chuàng)新推動。

SDN進入理性發(fā)展階段 NFV征程依然艱難

韋樂平指出，SDN已渡過炒作期，進入理性發(fā)展階段，基于SDN/NFV的網(wǎng)絡(luò)云化成為共識，NFV化已開始落地，但征程依然艱難，SDN將進一步從自動化走向智能化?；赟DN、NFV和Cloud的網(wǎng)絡(luò)架構(gòu)重構(gòu)帶來大量新的多維度復(fù)雜性，在很大程度上抵消了其帶來的諸多好處，而AI在處理復(fù)雜問題上的能力遠超人腦，有望解決網(wǎng)絡(luò)架構(gòu)重構(gòu)所面臨的挑戰(zhàn)。

在談到NFV的發(fā)展情況，韋樂平表示，NFV項目已覆蓋所有核心網(wǎng)網(wǎng)元(如vEPC,vIMS)。NFV開始落地，5G成為NFV新的最大驅(qū)動力，NFV成5G必要條件。

不過，由于思維落后、硬件性能限制、標(biāo)準(zhǔn)化滯后及互操作的復(fù)雜性，其他領(lǐng)域的NFV化還不盡人意。同時，網(wǎng)絡(luò)云化的挑戰(zhàn)不可輕視。遠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(fù)雜性和對外服務(wù)的質(zhì)量和速度要求導(dǎo)致公有云和電信云還在獨立建設(shè)，。

而根據(jù)SDN/NFV產(chǎn)業(yè)聯(lián)盟最新發(fā)布的《2018年NFV技術(shù)白皮書》顯示，當(dāng)前形勢下，基于SDN/NFV技術(shù)進行網(wǎng)絡(luò)重構(gòu)面臨以下三大主要挑戰(zhàn)。

挑戰(zhàn)1：標(biāo)準(zhǔn)進度慢,技術(shù)仍需成熟

隨著NFV的發(fā)展,截至2017年4月,全球已有部分NFV商用部署案例,主要集中在VEPC、VIMS、VCPE等場景,但相關(guān)商用案例中，涉及MANO的端到端流程和接口方面均采用運營商各自私有解決方案,MANO一直沒有統(tǒng)一的可指導(dǎo)互聯(lián)互通測試的流程和接口規(guī)范，同時不同組件對應(yīng)的開源軟件與標(biāo)準(zhǔn)之間存在一定的不一致性,無法凝聚產(chǎn)業(yè)力量,均制約了NFV的大規(guī)模商用部署。

此外,目前NFV虛擬層與硬件解耦的成熟度相對較高,虛擬層與上層應(yīng)用的解耦成熟度低,且沒有一套完善的方法體系來明確相關(guān)的要求,目前主要通過測試認證的方式來確保虛擬層和上層應(yīng)用解耦,存在配對測試樣本少、測試用例無法覆蓋生產(chǎn)環(huán)境中各種潛在的不兼容問題。

挑戰(zhàn)2：分層解耦后集成和組網(wǎng)難度大

NFV除了解耦傳統(tǒng)網(wǎng)絡(luò)功能的實現(xiàn)方式,還引入了MANO管理系統(tǒng),MANO管理系統(tǒng)又分為NFVO、VNFM、VIM三部分,分別負責(zé)網(wǎng)絡(luò)、網(wǎng)元、資源的管理。當(dāng)運營商在部署NFV的時候,通常涉及到不同組件由不同提供商提供的情形,為使得不同提供商提供的組件可以組合起來實現(xiàn)NFV系統(tǒng),需要比傳統(tǒng)電信網(wǎng)絡(luò)更復(fù)雜的IoT測試驗證、集成和規(guī)劃部署等工作。

挑戰(zhàn)3：運營商NFV網(wǎng)絡(luò)運維管理挑戰(zhàn)大

傳統(tǒng)網(wǎng)管采用豎井式的運維管理模式,依賴工單進行故障管理,且重在設(shè)備監(jiān)控和排障,隨著NFV技術(shù)的引入和MANO管理系統(tǒng)的提供,NFV網(wǎng)絡(luò)可根據(jù)策略自動彈性擴縮容,發(fā)生故障時可以實現(xiàn)自愈相關(guān)變化，這些都對傳統(tǒng)運營商網(wǎng)絡(luò)管理模式帶來了很大的挑戰(zhàn),需要運營商做好MANO和傳統(tǒng)0SS的協(xié)同,并且需要轉(zhuǎn)變觀念,適應(yīng)新的管理運維模式,打造新型管理運維流程,提高運維人員技能等。

AI使能是網(wǎng)絡(luò)重構(gòu)的新階段

另外，韋樂平認為，SDN將進一步從自動化走向智能化，電信網(wǎng)的復(fù)雜性和人工依賴性使得具備應(yīng)付高度復(fù)雜性能力的AI具有很好的擴展空間。比如，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(biāo)。

對于AI技術(shù)在電信網(wǎng)絡(luò)的發(fā)展，韋樂平表示：“AI有望解決網(wǎng)絡(luò)架構(gòu)重構(gòu)所面臨的三大挑戰(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(fù)雜性；網(wǎng)元分層解耦后的故障定位等運維帶來的復(fù)雜性；網(wǎng)絡(luò)資源實時調(diào)整帶來的網(wǎng)絡(luò)運行復(fù)雜性?！?/p>

談到AI網(wǎng)絡(luò)應(yīng)用的原則時，韋樂平表示越高層越集中，且跨域分析能力越強，對計算能力的要求也越高，所需數(shù)據(jù)量也越大，更適合對全局性的策略集中進行訓(xùn)練和推理。越低層越接近終端，專項分析能力越強，對實時性要求往往越來越高，對計算能力要求滿足業(yè)務(wù)需求即可，適合引入AI的推理能力或具備輕量級的訓(xùn)練能力即可。

韋樂平還分享了AI在電信運營商網(wǎng)絡(luò)賦能的三種方式。

第一，AI在基礎(chǔ)設(shè)施層的應(yīng)用：主要是為有源硬件設(shè)施提供AI加速器，實現(xiàn)不同層級的訓(xùn)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(xùn)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。

第二，AI在網(wǎng)絡(luò)和業(yè)務(wù)控制層的應(yīng)用：表現(xiàn)在可以優(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。

第三，AI在運營和編排層的應(yīng)用：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水平。進而對業(yè)務(wù)量的變化做前瞻性的智能預(yù)測，實現(xiàn)動態(tài)規(guī)劃和管理配套的資源。

韋樂平表示，AI網(wǎng)絡(luò)應(yīng)用主要有三大場景：一是高效智慧運維場景；二是個性化業(yè)務(wù)服務(wù)場景；三是網(wǎng)絡(luò)安全場景。在高效智慧運維場景中，可對網(wǎng)絡(luò)進行預(yù)防性、主動性維護，實現(xiàn)集約資源智能調(diào)度，對業(yè)務(wù)質(zhì)量閉環(huán)優(yōu)化。在個性化業(yè)務(wù)服務(wù)場景中，可使用網(wǎng)絡(luò)業(yè)務(wù)相關(guān)的大量數(shù)據(jù)，利用這些數(shù)據(jù)以及網(wǎng)絡(luò)其他數(shù)據(jù)、CRM信息能夠給客戶個性化服務(wù)的分析和建議，例如結(jié)合企業(yè)專線的帶寬利用率、周期性潮汐流量特征、特殊試驗要求等能夠更好地設(shè)計個性化業(yè)務(wù)和靈活的資費模式。而在網(wǎng)絡(luò)安全場景中，可利用AI/ML學(xué)習(xí)技術(shù)針對惡意/病毒會話特殊的會話字節(jié)、頭端包大小和頻次、病毒特征字節(jié)等信息進行統(tǒng)計分析，從而在惡意流量攻擊的早期就能識別，對于潛在的、前期的惡意病毒進行預(yù)警。

不過，由于技術(shù)尚未成熟，AI的網(wǎng)絡(luò)應(yīng)用還面臨四大挑戰(zhàn)：首先，AI成功應(yīng)用的前提是足夠大的訓(xùn)練數(shù)據(jù)。盡管電信網(wǎng)絡(luò)數(shù)據(jù)足夠大，但由于部門和各管理層級的數(shù)據(jù)語義和格式不同、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，能真正有效利用的數(shù)據(jù)并不足夠；其次，AI/ML與網(wǎng)絡(luò)結(jié)合的價值場景尚不清晰；再次，盡管相對而言，AI算法比較成熟，但網(wǎng)絡(luò)和業(yè)務(wù)遠比目前已經(jīng)成功應(yīng)用AI的圖像、語音識別和單一棋類博弈要復(fù)雜，特別是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；最后，現(xiàn)有運營商垂直煙囪式組織架構(gòu)不適應(yīng)AI使能的新網(wǎng)絡(luò)。