通信人工智能的下一個十年

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

1 移動通信與人工智能

移動通信技術(shù)的商用發(fā)展已經(jīng)歷了37年的歲月。從1983年10月貝爾實驗室與摩托羅拉大規(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，到1991年世界主流的2G技術(shù)GSM（global system for mobile communication）實現(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，在移動通信5個代際的發(fā)展歷程中，移動通信實現(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)界開始提出移動通信網(wǎng)絡(luò)自動化與智能化的需求與發(fā)展理念。隨著移動通信網(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)需要面對諸多復(fù)雜場景，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)級的IP交換與路由控制選擇、主動性的網(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)中需要有一套自動化、智能化的體系和手段保障網(wǎng)絡(luò)與業(yè)務(wù)的運行與發(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，人工智能與移動通信行業(yè)的融合應(yīng)用進(jìn)入了一個飛速發(fā)展的階段。

通用目的技術(shù)（general purpose technology，GPT）通常指那些可以對全球或者國家經(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)和社會結(jié)構(gòu)顯著地改變社會[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)行田野實驗或者實證研究。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，對移動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，對人工智能在當(dāng)前5G國際技術(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，并對未來10年移動通信與人工智能技術(shù)的融合演進(jìn)做前瞻性論述。

2 移動通信與人工智能的發(fā)展路線

移動通信技術(shù)與人工智能在各自的早期階段有著鮮明的、各自獨立的發(fā)展路線。移動通信技術(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)作為一個顯著標(biāo)志，3GPP開始逐漸將人工智能理念引入移動通信網(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，美國達(dá)特茅斯會議上提出了“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)表了一個設(shè)計精巧的卷積網(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，極大降低了圖像識別的錯誤率。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）做語音識別的工作，圖靈獎獲得者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)識別效果相比傳統(tǒng)方法顯著提高。2014年誕生的生成對抗網(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)級的聯(lián)邦學(xué)習(xí)框架——FATE，實現(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，基于實測數(shù)據(jù)對真實的無線信道進(jìn)行數(shù)據(jù)建模與仿真，可以看作移動通信系統(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）級的移動性管理，如尋呼增強(qiáng)和基于UE 移動性模式預(yù)測的連接管理增強(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（ETSI）成立了經(jīng)驗式網(wǎng)絡(luò)智能（Experiential Network Intelligence，ENI）工作組，專門研究體驗式感知網(wǎng)絡(luò)管理架構(gòu)、用例、術(shù)語等[35]。2017年6月，中國通信標(biāo)準(zhǔn)化協(xié)會（China Communications Standards Association，CCSA）啟動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開始對人工智能的研究，定義了一個新的管理面功能：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）啟動了機(jī)器學(xué)習(xí)用例的研究[41]。同月，全球移動通信系統(tǒng)協(xié)會（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開始啟動網(wǎng)絡(luò)自動化分級的研究課題[43]。同月，中國移動聯(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)域的第一個全球國際標(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)（例如移動通信、衛(wèi)星通信、固定網(wǎng)絡(luò)通信等）將信號中封裝的信息從出發(fā)點傳到目的地。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，相對于由人和動物表現(xiàn)的自然智能，使計算機(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，同時去感知環(huán)境，并采取相應(yīng)的行動，以概率最大化的期望成功實現(xiàn)預(yù)設(shè)的目標(biāo)[45-46]。通信與信號處理系統(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)實應(yīng)用中容易脫離實際。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)的一個典型特征是層級自治并通過標(biāo)準(zhǔn)化定義的接口實現(xiàn)互聯(lián)互通形成完整的系統(tǒng)。例如信號處理系統(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)點在于將各子系統(tǒng)進(jìn)行獨立分析和優(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)里各個領(lǐng)域的發(fā)展和應(yīng)用，以及通信國際標(biāo)準(zhǔn)組織對當(dāng)前通信人工智能發(fā)展定義的分級體系。

3.1 通信人工智能在移動網(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)算法評估與預(yù)測信道質(zhì)量、OFDM（orthogonal frequency division multiplexing）符號在接收端的檢測、信道編解碼、動態(tài)頻譜隨機(jī)接入等功能。其中信道質(zhì)量評估利用例如DNN（deep neural network）算法對有限導(dǎo)頻信號做分析，幫助大規(guī)模MIMO系統(tǒng)推測出完整、準(zhǔn)確的信道狀態(tài)信息（channel state information，CSI）。OFDM符號在接收端的檢測通常依賴于接收器利用最大似然估計進(jìn)行評估，但該方法對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符號檢測方法。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)量以及較小的計算代價。動態(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自動配置（automated configuration of physical cell identity，ACPCI）、移動性穩(wěn)健性/切換優(yōu)化（mobility robustness/handover optimization，MRO/MHO）、移動性負(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)停服檢測及補(bǔ)救（cell outage detection & compensation）以及路測最小化（minimization of drive-tests，MDT）等。從2008年第一個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現(xiàn)上述多個SON的應(yīng)用場景。SON在3G到5G時代發(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，把自動化、智能化的基因注入移動通信網(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。通信運營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)公司愿意與通信運營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)程中很難實現(xiàn)3GPP SON的愿景。產(chǎn)業(yè)界比較標(biāo)志性的事件是美國Cisco（思科）在2013年2月以4.75億美元收購了以色列的Intucell，后者當(dāng)時是一家專注于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)時收購價的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1.29億美元收購了美國的SON初創(chuàng)公司Celcite，但在隨后美國排名前二的移動運營商Verizon和AT&T的SON商用進(jìn)程中，也沒有取得預(yù)期的商用市場份額。美國移動通信運營商在近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)

人工智能在移動通信核心網(wǎng)領(lǐng)域的發(fā)展在5G時代取得了重大進(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5G核心網(wǎng)絡(luò)的移動性管理、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。目前，中美運營商正在對NWDAF在5G SA的商用進(jìn)行功能測試。

相對于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分為非實時Non-RT RIC（non-real time RIC）和準(zhǔn)實時Near-RT RIC（near-real time RIC）。準(zhǔn)實時RIC下沉在無線接入網(wǎng)側(cè)通過E2接口與CU/DU相連。準(zhǔn)實時RIC的功能包括利用AI的能力進(jìn)行無線資源管理、移動性管理、無線連接管理、切換管理以及無線QoS管理等。非實時RIC則定義在核心網(wǎng)MANO體系中，通過A1接口與準(zhǔn)實時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)實時RIC離線訓(xùn)練AI模型等。O-RAN的RIC目前還正在標(biāo)準(zhǔn)完善和早期試驗中。相對于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)在物理上連接各個網(wǎng)絡(luò)節(jié)點，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，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（multi-service transport platform，MSTP）[82]、波分多路復(fù)用（wavelength division mulplexing，WDM）[83]、自動交換光網(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)，實現(xiàn)軟件定義光網(wǎng)絡(luò)（software defined optical networking，SDON）[86]。SDON繼承了ASON動態(tài)恢復(fù)業(yè)務(wù)中斷的特點，但同時也致力于保障網(wǎng)絡(luò)容量和業(yè)務(wù)可靠性。另外，由于降低運營成本的需要，提供光網(wǎng)絡(luò)組網(wǎng)的自動化及智能化水平，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)測故障、縮短恢復(fù)時間、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。如何實現(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IP網(wǎng)絡(luò)的意圖進(jìn)行識別和判斷，針對性保障網(wǎng)絡(luò)體驗。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)對全網(wǎng)的運行狀態(tài)進(jìn)行監(jiān)測，及時發(fā)現(xiàn)網(wǎng)絡(luò)的問題和風(fēng)險，智能化地識別網(wǎng)絡(luò)異常；可針對發(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）、隨流檢測等技術(shù)[91-92]，對網(wǎng)絡(luò)進(jìn)行感知和靈活的路由配置，將IPv6技術(shù)升級到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算力資源使用相對獨立，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，在這個過程中還存在許多技術(shù)難題，例如如何實現(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，而筆者重點關(guān)注的基于終端的人工智能對于網(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)匯報給SON系統(tǒng)或者運維支撐系統(tǒng)（operation supporting system，OSS），利用這兩個部件的網(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時代較為平淡，而在5G時代實現(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)，且以獨立網(wǎng)元和網(wǎng)絡(luò)功能實體的形式存在并長期演進(jìn)。同時也看到人工智能的數(shù)學(xué)模型和移動通信領(lǐng)域知識還相對獨立，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，幫助運營商構(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。對于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)有的切片實例匹配，通過選擇最優(yōu)的切片實例進(jìn)行切片SLA保障[40]。

圖4 3GPP R16定義的MDAF以及服務(wù)對象[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R16的問題以及新場景，3GPP開始在R17對MDAF進(jìn)行增強(qiáng)，除了完善R16的功能外，對覆蓋增強(qiáng)、資源優(yōu)化、故障檢測、移動性管理、節(jié)能、尋呼性能管理、SON協(xié)作等場景也進(jìn)行定義與完善[94]。R17中定義的MDAF與服務(wù)對象關(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目前在中美運營商的5G網(wǎng)絡(luò)管理系統(tǒng)中都還沒有實現(xiàn)商用部署。

（2）ETSI ENI

ETSI 于2017年定義了ENI系統(tǒng)，作為一個獨立的人工智能引擎為網(wǎng)絡(luò)運維、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、知識管理、認(rèn)知處理、情境感知、模型驅(qū)動和策略管理等與人工智能相關(guān)的知識管理、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與運營商系統(tǒng)的匹配[97]等。目前相關(guān)的工作還在繼續(xù)中。針對ENI定義的功能和應(yīng)用場景，國內(nèi)外運營商嘗試了相關(guān)的試點項目，在切片管理、用戶體驗優(yōu)化、無線能量優(yōu)化等方面取得了良好的效果[98]。例如在參考文獻(xiàn)[99]展示的試點報告中，UC3M、三星和意大利電信等公司展開合作，通過ENI對切片資源進(jìn)行彈性管控，可以很好地控制端對端時延、服務(wù)創(chuàng)建時間、系統(tǒng)容量等性能。在參考文獻(xiàn)[100]展示的報告中，中國電信、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優(yōu)化，提高用戶體驗管理。目前，ENI尚未作為一個單獨的人工智能系統(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營商的網(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)運維支撐系統(tǒng)（OSS）

網(wǎng)絡(luò)運維支撐系統(tǒng)（OSS）通常被定義成一種軟件功能使得通信運營商能夠?qū)ζ渚W(wǎng)絡(luò)及其應(yīng)用進(jìn)行管理。一個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）作為一個新模型被引入，以對這4個層次進(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）項目和eTOM（enhanced telecom operation map）架構(gòu)的發(fā)展，通信運營商的OSS架構(gòu)體系相對來說有了相對較為標(biāo)準(zhǔn)化的指導(dǎo)標(biāo)準(zhǔn)。人工智能的應(yīng)用也有了相對穩(wěn)定的框架和載體，尤其是對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的研究報告中定義了未來OSS由“數(shù)據(jù)驅(qū)動”，必須依賴人工智能、機(jī)器學(xué)習(xí)、自動化、微服務(wù)、業(yè)務(wù)優(yōu)化緊耦合，必須具備敏捷、自動化、主動性、預(yù)測性、可編程性的特征[103]。在定義未來OSS最重要的10個因素中，其中有4個因素和人工智能緊密相關(guān)：自動閉環(huán)服務(wù)開通與保障、自動閉環(huán)網(wǎng)絡(luò)優(yōu)化、AI驅(qū)動的客戶參與、AI驅(qū)動的網(wǎng)絡(luò)優(yōu)化。因此，主流通信運營商也在面向5G演進(jìn)的OSS中逐漸嵌入了AI平臺或者功能模塊以期待OSS實現(xiàn)智能化演進(jìn)。AT&T的ECOMP（enhanced control,orchestration, management & policy）[104]體系中在設(shè)計態(tài)定義了基于AI分析的業(yè)務(wù)設(shè)計工作室（Analytic Application Design Studio）功能，如圖7所示。運行執(zhí)行態(tài)中ECOMP也定義了DCAE（data collection, analytics and events）功能。DCAE提供基于AI的實時FCAPS功能，通過智能分析管理與編排業(yè)務(wù)、網(wǎng)絡(luò)、資源，并實現(xiàn)自動化閉環(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)體驗中得到了深入的應(yīng)用[103]。

中國的運營商在面向5G OSS的系統(tǒng)構(gòu)建中，在數(shù)據(jù)中臺與OSS核心功能模塊之間插入一個新的平臺或組件，命名為網(wǎng)絡(luò)AI中臺或者智能中臺，用來承擔(dān)網(wǎng)絡(luò)人工智能的功能。在圖8（a）中，筆者將中國三大通信運營商的5G OSS網(wǎng)絡(luò)中臺體系抽象得到了一張技術(shù)中立的5G OSS網(wǎng)絡(luò)中臺架構(gòu)圖，其中數(shù)據(jù)中臺主要負(fù)責(zé)網(wǎng)絡(luò)側(cè)數(shù)據(jù)采集、數(shù)據(jù)存儲、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、運維等場景，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、容量預(yù)測、網(wǎng)絡(luò)優(yōu)化、根因分析、告警預(yù)測、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)自動化與智能化能力。

圖7 AT&T定義的ECOMP

圖8 5G網(wǎng)絡(luò)運維支撐系統(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提供了客戶運營及服務(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）、計費賬務(wù)系統(tǒng)（billing）、經(jīng)營分析系統(tǒng)（business intelligence，BI）、呼叫中心系統(tǒng)（call center，CC）等。全球主流運營商的BSS均已非常完善，多數(shù)已完成集中化、平臺化建設(shè)。其中，中國運營商在BSS領(lǐng)域正引領(lǐng)基于智慧中臺的技術(shù)演進(jìn)，即通過能力運營協(xié)同業(yè)務(wù)中臺、數(shù)據(jù)中臺、技術(shù)中臺、AI中臺等中臺系統(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中臺以人工智能算法為基礎(chǔ)，通過場景化服務(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中臺體系已經(jīng)在BSS域的營銷、銷售、客戶服務(wù)、計費等多個業(yè)務(wù)領(lǐng)域及相應(yīng)場景得到較好的應(yīng)用。

（1）市場營銷

該領(lǐng)域典型人工智能應(yīng)用是客戶營銷智能推薦及運營決策輔助。通過人工智能各類推薦算法模型和專家經(jīng)驗規(guī)則，形成有針對性的推薦策略模型，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、價值度、公司效益等因素構(gòu)建綜合決策模型，生成最佳運營決策，幫助企業(yè)提高效益。適用場景包括：熱門產(chǎn)品推薦、相關(guān)產(chǎn)品推薦、個性化套餐推薦、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)用是利用人臉識別、OCR（optical character recognition）等技術(shù)支持客戶在營業(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、真實人物業(yè)務(wù)辦理確認(rèn)等場景。而在政企客戶的銷售過程中，利用人工智能的OCR、圖像識別技術(shù)，支持業(yè)務(wù)錄單環(huán)節(jié)企業(yè)信息自動化識別、政企業(yè)務(wù)印章識別實現(xiàn)事前認(rèn)證稽核、銷售合同自動起草等場景，實現(xiàn)業(yè)務(wù)銷售的智能化、自動化，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)用是基于語音識別、意圖識別、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、OCR等技術(shù)實現(xiàn)客戶與智能機(jī)器人進(jìn)行的語音交互、客戶情感實時監(jiān)控；預(yù)測客戶訴求，有效分配服務(wù)坐席；實時監(jiān)聽客戶問題，進(jìn)行自動分類識別，自動檢索知識庫，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；客戶服務(wù)過程中的語音質(zhì)量檢查，進(jìn)行智能量化評分；根據(jù)工單文本信息的智能派單；知識庫知識的自動生成；智能客戶服務(wù)排班等。

（4）計費

該領(lǐng)域典型人工智能的典型應(yīng)用是通過引用智能運維AIOP（artificial intelligence for IT operation）支撐計費系統(tǒng)應(yīng)用流程升級和配置修改上線的灰度發(fā)布，實現(xiàn)計費系統(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)器人流程自動化RPA（robotic process automation）能力，支持計費系統(tǒng)日出賬的自動化。另外，基于多量綱的定價因子（帶寬、時延、可靠性、精度、連接數(shù)、容量、網(wǎng)絡(luò)功能實例數(shù)等）與客戶資料，利用AI算法可以實現(xiàn)智能定價，確定最優(yōu)價格，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)中孤立運營或運維。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)的融合分析運營，是驅(qū)動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)用場景與案例。

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

通信運營商的組織結(jié)構(gòu)中，網(wǎng)絡(luò)運維支撐與業(yè)務(wù)運營支撐通常是相對獨立的領(lǐng)域，其對應(yīng)的生產(chǎn)系統(tǒng)OSS與BSS也相對獨立運營與演進(jìn)。網(wǎng)絡(luò)領(lǐng)域重點關(guān)注網(wǎng)絡(luò)、網(wǎng)元的各項關(guān)鍵性能指標(biāo)（key performance indicator，KPI），業(yè)務(wù)領(lǐng)域負(fù)責(zé)面向市場發(fā)展新客戶與新業(yè)務(wù)以及存量客戶服務(wù)。通信運營商通常采納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，以網(wǎng)絡(luò)KPI來定義服務(wù)質(zhì)量，無法真實體現(xiàn)用戶在使用網(wǎng)絡(luò)業(yè)務(wù)的體驗與感受，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)運營領(lǐng)域關(guān)注的客戶滿意度、感知體驗之間形成了一條“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)域融合的一個新領(lǐng)域，借助人工智能技術(shù)，將運營商的QoS服務(wù)質(zhì)量體系向以用戶為中心的體驗質(zhì)量QoE體系演進(jìn)，實現(xiàn)從以網(wǎng)絡(luò)KPI為中心到以客戶體驗為中心的網(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)確反映客戶對通信網(wǎng)絡(luò)與業(yè)務(wù)使用感知體驗的算法模型體系，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)量與用戶真實體驗之間的鴻溝。目前，常見的評估用戶體驗感知的方法有兩種：凈推薦值（net promoter score，NPS）和情感連接度評分（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)建評分指標(biāo)體系，通過電話或問卷采訪調(diào)研用戶對某個公司、某個產(chǎn)品或服務(wù)的滿意度，量化在0～10分[109]。NPS相對來說是一種被動、基于客戶長期印象、靜態(tài)的量化評估機(jī)制。當(dāng)前全球運營商中約有7%使用NPS度量客戶滿意度[111]。

圖9 性能與體驗之間的鴻溝

圖10 指標(biāo)體系對比：凈推薦值與情感連接度評分

隨著機(jī)器學(xué)習(xí)融合心理學(xué)的情感連接度評分（ECS）模型出現(xiàn)，傳統(tǒng)NPS指標(biāo)體系已過時。大量研究表明客戶的情感連接度評分是最接近衡量真實體驗質(zhì)量的指標(biāo)體系[108]。不同于NPS，ECS是主動和持續(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)可量化的客戶體驗和各項指標(biāo)之間的聯(lián)系，并將事件結(jié)果映射到ECS分?jǐn)?shù)中，從而及時發(fā)掘客戶體驗產(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)到提升用戶體驗的目標(biāo)。亞信科技提出一套電信心理學(xué)體驗感知算法以及可量化用戶感知體驗的指數(shù)集[109]，通過對通信領(lǐng)域用戶級主觀數(shù)據(jù)（例如NPS調(diào)研、客戶投訴、主動撥測等）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)，比對和校驗各地區(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)合用戶級通信、消費、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，用于即時性評價客戶旅程中任何一刻、任何一地、任何一種業(yè)務(wù)的瞬時體驗質(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，以用戶體驗提升為收斂目標(biāo)，評估用戶的業(yè)務(wù)瞬時體驗質(zhì)量，對體驗下降的問題進(jìn)行快速定位與診斷，把主動感知與關(guān)懷的用戶個性化策略貫穿其中，從而洞悉每一個用戶在網(wǎng)絡(luò)旅程的體驗指標(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)向用戶提供個性化服務(wù)，從而實現(xiàn)5G網(wǎng)絡(luò)個性化（network personalization，NP）。

圖11 ECS 電信心理學(xué)模型

圖12 客戶體驗全生命周期視圖

（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費規(guī)則功能（policy and charging rules function，PCRF）實現(xiàn)[112]。3GPP從R7開始引入PCRF網(wǎng)元，對用戶和業(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費策略，實現(xiàn)基于業(yè)務(wù)和用戶分類的更精細(xì)化的業(yè)務(wù)控制和計費方式，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費控制的功能，提供數(shù)據(jù)流檢測、門控、流計費的網(wǎng)絡(luò)控制功能，能夠以業(yè)務(wù)、用戶、位置、累計使用量、接入類型、時間等多個維度為觸發(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 參考點與策略與計費執(zhí)行功能（policy and charging enforcement function，PCEF）等網(wǎng)元交互，執(zhí)行策略和計費功能。

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5G服務(wù)差異化需求的增加，運營商除了對網(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)用的對象也要從網(wǎng)絡(luò)域擴(kuò)展到業(yè)務(wù)域?；谝陨峡紤]，PCF需要演進(jìn)到PCF+，以提供全新的服務(wù)模式、業(yè)務(wù)場景或者商業(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，可以很容易地實現(xiàn)智能化的切片體驗管理、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域獲取用戶的等級和套餐使用情況），結(jié)合人工智能技術(shù)動態(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)，以切片方式實現(xiàn)專業(yè)用戶的業(yè)務(wù)承載，并且有如下特點：

· 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)，其特點為：

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

· 以切片標(biāo)識對用戶進(jìn)行接入鑒權(quán)。

獨立專網(wǎng)與運營商 5G 公網(wǎng)完全隔離，其特點為：

· 采用精簡化的核心網(wǎng)，結(jié)合UPF及無線基站實現(xiàn)獨立組網(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。對獨立專網(wǎng)，人工智能體驗感知算法可以對用戶的感知體驗進(jìn)行實時或準(zhǔn)實時評估，提供精準(zhǔn)的QoS組合保障服務(wù)質(zhì)量，實現(xiàn)差異化的智能運維服務(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)也可以對專網(wǎng)中的無線網(wǎng)絡(luò)性能進(jìn)行實時評估[37]，通過與垂直行業(yè)應(yīng)用平臺的交互，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 國際標(biāo)準(zhǔn)組織對通信人工智能的發(fā)展分級定義

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，通信國際標(biāo)準(zhǔn)組織也開始對通信人工智能的發(fā)展成熟度進(jìn)行初步的分級。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)，但也需從自動化的重復(fù)操作手段開始，先初步實現(xiàn)網(wǎng)絡(luò)運維的自動化；再對網(wǎng)絡(luò)環(huán)境與狀態(tài)進(jìn)行主動感知，利用機(jī)器學(xué)習(xí)進(jìn)行不斷優(yōu)化的決策；再從網(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]，各自分級標(biāo)準(zhǔn)對比見表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的分級體系，對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)用做出等級評估，見表2。

表1 GSMA/ETSI/TMF定義的網(wǎng)絡(luò)智能化分級標(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

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)運維領(lǐng)域的業(yè)務(wù)流程自動編排與灰度發(fā)布等。網(wǎng)絡(luò)管理與運維本身具有大數(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)用場景比較明晰，例如無線節(jié)能、故障檢測等，先天具備通信人工智能應(yīng)用較好的基礎(chǔ)與平臺，發(fā)展相對較快。電信業(yè)務(wù)領(lǐng)域涉及的智能客服、智能營銷等人工智能服務(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，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等實際商用效果檢驗，也依賴于3GPP、O-RAN、ETSI 等國際通信標(biāo)準(zhǔn)組織未來對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十年展望

移動通信的下一個十年，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現(xiàn)B5G與6G“完全自治”的愿景。

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

2018年以來，歐盟、日韓、美國和我國均開始了6G預(yù)研工作, 例如歐盟在Nokia（諾基亞）的帶領(lǐng)下啟動了Hexa-X項目[115]，美國工業(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次國際電信聯(lián)盟無線電通信部門5D工作組（ITU-R WP5D）會議上，針對制定6G研究時間表和未來技術(shù)趨勢研究報告、未來技術(shù)愿景建議書的撰寫等工作進(jìn)行了討論。

對于B5G/6G詳細(xì)的發(fā)展路線，各個通信標(biāo)準(zhǔn)組織還在規(guī)劃中。據(jù)白皮書[118]以及對3GPP和ITU 6G 標(biāo)準(zhǔn)工作路標(biāo)的預(yù)測，2020—2023年，即3GPP R17-R18標(biāo)準(zhǔn)化階段，是6G技術(shù)趨勢和愿景的研究階段；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，是各國向ITU提交6G評估結(jié)果的階段。

3GPP預(yù)計最早在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B5G/6G將繼續(xù)在移動寬帶、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（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)范圍將從陸地擴(kuò)展到衛(wèi)星、海底、地下，真正實現(xiàn)海、地、天三位一體通信。對工業(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、自治愈的兩個領(lǐng)域會有很大發(fā)展的空間。3GPP SA5和RAN3也設(shè)立了2個研究課題“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)場景用例，建議3GPP對SON的下一個關(guān)鍵行動是盡快定義好SON對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，目前3GPP RAN3正在研究SON獨立成為一個RAN邏輯實體或功能的可行性。如果SON以一個邏輯實體的形式實現(xiàn)，那么將有助于SON對無線側(cè)進(jìn)行統(tǒng)一數(shù)據(jù)采集與分析，并實現(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項目組也建議在無線側(cè)可考慮設(shè)置一個獨立的人工智能分析網(wǎng)絡(luò)功能RAN-DAF對5G NR的CU面進(jìn)行數(shù)據(jù)分析和決策[93]。因為無線側(cè)的實時性，例如無線資源調(diào)度管理等，無線側(cè)的智能分析需要實時或準(zhǔn)實時決策，因此基于實時數(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)即時和動態(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里沒有相對應(yīng)的功能，因此一個比較現(xiàn)實的選擇是在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將會持續(xù)演進(jìn)與加強(qiáng)，尤其在面向不同App類型時的智能策略控制，用于幫助運營商在業(yè)務(wù)編排層實現(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包括，例如多個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)大的無線云運維管理以及非實時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)化與用戶體驗優(yōu)化能力，在域內(nèi)實現(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)軟采集能力實現(xiàn)，NWDAF將可以全面、實時地參與核心網(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一個新用例是“UE驅(qū)動的分析共享”。在這個用例中，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)的研究項目還包括基于NWDAF協(xié)助的QoS保障、話務(wù)處理、個性化移動性管理、策略決定、QoS調(diào)整、5G邊緣計算、NF的負(fù)載均衡、切片SLA保障、可預(yù)測的網(wǎng)絡(luò)性能等。這些功能如果在NWDAF未來實現(xiàn)，將大大提升5G核心網(wǎng)智能化的程度。NWDAF的跨領(lǐng)域互動也是一個值得推進(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會監(jiān)控終端或者網(wǎng)絡(luò)的異常行為，發(fā)現(xiàn)異常會及時向相關(guān)NF或者OAM進(jìn)行匯報，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，將會逐漸實現(xiàn)“零接觸”的認(rèn)知光網(wǎng)絡(luò)，實現(xiàn)光網(wǎng)絡(luò)的完全自動化管理和控制。基于光網(wǎng)絡(luò)的運維知識圖譜將逐漸成熟，可以通過它快速定位傳輸問題，預(yù)測傳輸性能，進(jìn)行傳輸參數(shù)的優(yōu)化。對于傳輸?shù)木唧w指標(biāo)，例如調(diào)制階數(shù)、誤差修正、波長容量等，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，實現(xiàn)IPv6乃至IPv6+的智能IP網(wǎng)絡(luò)，滿足B5G/6G業(yè)務(wù)場景的個性化需求。

在云網(wǎng)融合方面，云網(wǎng)邊端的算力資源將實現(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)/動態(tài)的云網(wǎng)融合成熟后，也會出現(xiàn)新的提供云計算服務(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，實現(xiàn)網(wǎng)絡(luò)和計算資源的可變現(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)，需要各個領(lǐng)域高效合作。其中，傳輸網(wǎng)絡(luò)是連接各個領(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)計未來人工智能在端對端切片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?；诮K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延等性能。通過基于終端的人工智能實現(xiàn)無線感知表現(xiàn)在以下3個方面[124]：頻譜與接入感知，即某一終端可以檢測其他終端的行為，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、傳感器或話務(wù)行為數(shù)據(jù)中推測與分析得到用戶的內(nèi)容，例如位置、速率、移動性等用于優(yōu)化終端的性能與使用體驗；無線環(huán)境感知，通過監(jiān)控信號傳播與反射模式等來檢測姿勢、行動和某一物體等來催生新的場景案例。

基于終端的人工智能對未來5G網(wǎng)絡(luò)系統(tǒng)的賦能體現(xiàn)在以下3個方面：第一，增強(qiáng)終端體驗，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)來實現(xiàn)，通過對位置、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；智能化的無縫移動性，以終端為中心的移動性管理通過終端人工智能和傳感器可以更好地預(yù)測網(wǎng)絡(luò)切換行為與時機(jī)。第三，改善無線安全性，利用終端的人工智能技術(shù)可以即時地在本地檢測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)展將從多個方面進(jìn)行，例如國際標(biāo)準(zhǔn)化組織定義的MDAF、ENI、隨愿網(wǎng)絡(luò)或者運營商的運維體系。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)方面也會得到大力發(fā)展。

（1）MDAF

可以預(yù)計3GPP從標(biāo)準(zhǔn)角度在SA5工作組繼續(xù)MDAF的持續(xù)演進(jìn)，對與運維相關(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、移動性管理、能量節(jié)省、尋呼性能管理、SON協(xié)作等多個場景方面的應(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)體驗不會降低。MDAF也會更精準(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會提供更精準(zhǔn)的資源利用方面的分析報告，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，例如時延、可靠性等，MDAF也會進(jìn)行精準(zhǔn)的分析和提供改善實驗性能的建議。在故障管理方面，MDAF會進(jìn)行更精準(zhǔn)的故障定位，提供相關(guān)的行動建議。MDAF也會在用戶的移動性管理上提供精準(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)，但是對接口的具體定義尚未開始?？梢灶A(yù)測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、在運營商系統(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、流信息遙測等方面，可以預(yù)計相關(guān)的工作也會逐漸展開，相關(guān)的場景/功能定義將變得逐漸完善。下一個版本的ENI將在智能化應(yīng)用場景和落地方面進(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)自動化管理機(jī)制。3GPP TR28.812中描述意圖管理（intent driven management，IDM）消費者發(fā)送意圖請求給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，IDM的提供者會監(jiān)控網(wǎng)絡(luò)狀態(tài)，監(jiān)控消費者的意圖是否得到滿足。如果不滿足，將重新進(jìn)行意圖評估和參數(shù)調(diào)整。

圖18 意圖管理

可以預(yù)計意圖驅(qū)動的管理服務(wù)將在今后10年持續(xù)演進(jìn)和成熟，為運營商進(jìn)一步減少管理復(fù)雜度和對底層設(shè)備的知識需求，同時在跨多廠商的場景增加網(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)、自動化機(jī)制、意圖的生命周期管理等。關(guān)于應(yīng)用場景，預(yù)計在網(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)中臺體系的網(wǎng)絡(luò)人工智能平臺可認(rèn)為是一個面向網(wǎng)絡(luò)管理與運維功能的AI平臺與引擎。網(wǎng)絡(luò)AI平臺需要和南向各數(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中臺或平臺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)人工智能算法計算、存儲資源管理，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中臺面向5G OSS各個系統(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。一個典型的小區(qū)話務(wù)量異常檢測的網(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?，向共享的計算與通信資源池的虛擬化管理轉(zhuǎn)型。因此，傳統(tǒng)上相對固態(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)編排是運營商網(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)編排甚至可獨立成一個子系統(tǒng)，主要負(fù)責(zé)5G各個虛擬網(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)用場景。而針對網(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)資源對上層業(yè)務(wù)的即時性與智能化編排支持，此時網(wǎng)絡(luò)資源編排功能對于上層網(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個彈性（elasticity）：計算彈性，即在設(shè)計與規(guī)?；疺NF做到計算彈性；通過靈活設(shè)置VNF實現(xiàn)基于編排驅(qū)動的彈性；通過跨切片資源供應(yīng)機(jī)制實現(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，體驗質(zhì)量協(xié)議），實現(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目前提供了一個參考架構(gòu)，可供業(yè)界繼續(xù)推動演進(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，靈活性差、自動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)?、資源、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)界需思考的一個問題并需盡快形成一致行動目標(biāo)。例如，傳統(tǒng)網(wǎng)絡(luò)業(yè)務(wù)（例如專線）如何與實現(xiàn)自動化和相對標(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，全球運營商的網(wǎng)絡(luò)自動化與智能化編排能力還處于初級階段，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)譯和主動與彈性匹配上將扮演重要角色。標(biāo)準(zhǔn)層面，可預(yù)計3GPP、ETSI等標(biāo)準(zhǔn)化組織也將逐漸完善相關(guān)的場景、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

對于BSS智能化/管理財務(wù)領(lǐng)域，可以預(yù)計今后10年AI將在客戶管理、套餐推薦、財務(wù)智能管理領(lǐng)域全面賦能，并且實現(xiàn)從初級到高級的過渡。從面向客戶建立以人為本的全面客戶體驗，到面向電信運營企業(yè)建立更加運轉(zhuǎn)高效的業(yè)務(wù)運營過程，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。下面將從客戶運營、業(yè)務(wù)運營、業(yè)務(wù)模式和運營模式3個角度進(jìn)行說明。

（1）客戶運營

從客戶運營來看，電信運營企業(yè)已經(jīng)完成從以客戶為中心發(fā)展到以客戶體驗為中心的全面客戶體驗階段。電信運營企業(yè)不僅關(guān)注面向客戶提供營銷、銷售、服務(wù)過程中的精細(xì)化運營和服務(wù)滿意度提升，更將客戶在網(wǎng)絡(luò)、業(yè)務(wù)使用過程中的體驗作為重要指標(biāo)加入全面客戶體驗體系進(jìn)行統(tǒng)一評估。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，建立以客戶為中心的全面旅程體驗。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)分場景的需求，同時進(jìn)一步提升智能化、自動化互動能力，形成以客戶為中心的全面客戶體驗。

（2）業(yè)務(wù)運營

從面向電信運營企業(yè)業(yè)務(wù)運營來看，目前電信運營企業(yè)已經(jīng)基本完成流程的端到端數(shù)字化升級，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)運營效率。隨著機(jī)器流程自動化（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)計未來人工干預(yù)的業(yè)務(wù)過程將進(jìn)一步減少，流程運轉(zhuǎn)效率進(jìn)一步提高，同時成本進(jìn)一步降低。隨著AI被引入運營商風(fēng)控體系，收入保障能力進(jìn)一步提升，欠費風(fēng)險將進(jìn)一步降低，運營商可以結(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)一步推動電信運營企業(yè)更加健康向上的現(xiàn)金流。

（3）業(yè)務(wù)模式和運營模式

從目前電信運營企業(yè)業(yè)務(wù)模式和運營模式來看，針對大眾市場以重資產(chǎn)模式投入，采用按量計價的方式已經(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大眾市場采用大顆粒度細(xì)分客戶群的進(jìn)行產(chǎn)品制定、計價模式制定的方式也很難滿足未來用戶場景化、個性化的要求。因此運營商需要充分利用AI能力，以虛擬專家/個人助手的方式進(jìn)行針對更細(xì)力度的市場細(xì)分和業(yè)務(wù)運營，配合智能化工作流和智能化風(fēng)控體系，面向客戶推動“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)品和運營模式提升創(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

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

（1）用戶體驗感知的增強(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)通信運營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無法真實體現(xiàn)用戶在使用網(wǎng)絡(luò)業(yè)務(wù)的體驗與感受，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，通信運營商給用戶提供的服務(wù)級別是盡力而為（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 很難與用戶的體驗質(zhì)量直接關(guān)聯(lián)起來。同時，當(dāng)用戶為服務(wù)付費時，對服務(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，通信運營商將可以利用QoE算法體系來預(yù)測性評估和主動性管理用戶的體驗預(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，用戶對使用某服務(wù)的體驗形成的一種基于質(zhì)量等級的共識”[124]。

圖22描述了通信運營商、內(nèi)容提供商、toB用戶和toC用戶的服務(wù)質(zhì)量保障對應(yīng)關(guān)系[124]。ELA主要面向toC用戶與運營商和內(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)用層的體驗質(zhì)量。當(dāng)前，用戶很難界定清楚體驗的下降是在網(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)獨立的ELA體系。對于用戶來說，在QoE感知區(qū)域，打破一切歸結(jié)于“網(wǎng)絡(luò)不給力”的體驗質(zhì)量黑盒，可以更加明晰不同服務(wù)提供方提供的體驗質(zhì)量各自的優(yōu)劣。同時，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營商ISP的SLA中各項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）。通過對海量數(shù)據(jù)進(jìn)行大規(guī)模訓(xùn)練，獲得一個普適性強(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)用場景，利用小規(guī)模數(shù)據(jù)對預(yù)訓(xùn)練模型進(jìn)行微調(diào)，從而實現(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，通過某通信運營商企業(yè)的數(shù)據(jù)訓(xùn)練得到CEM的基礎(chǔ)PM，再利用場景業(yè)務(wù)數(shù)據(jù)微調(diào)PM，從而獲得場景化的CEM，同時避免了數(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建模的場景。聯(lián)邦學(xué)習(xí)采用了“數(shù)據(jù)不動，模型動”的建模思想，很好地規(guī)避了用戶體驗數(shù)據(jù)的隱私安全問題，同時它還是一種多方安全計算技術(shù)，很好解決了用戶體驗建模的數(shù)據(jù)割裂問題，如圖 23（b）所示。整個聯(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)確性和評估的全面性。

（3）PCF+的演進(jìn)

對于PCF+的后續(xù)演進(jìn)版本，可以預(yù)計PCF+通過與OSS域和BSS域的交互，向用戶提供更精準(zhǔn)、更實時、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)的可靠性和實時性。對于網(wǎng)絡(luò)側(cè)的策略控制，PCF+可以實時、動態(tài)地控制用戶QoS參數(shù)和進(jìn)行會話管理，保證服務(wù)質(zhì)量。由于PCF+有了O/B域拉通的能力，對用戶的策略控制變得更加個性化，可以進(jìn)一步挖掘出有附加價值的場景，實現(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的核心價值之一在于面向企業(yè)toB的專有應(yīng)用，可預(yù)計，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)實現(xiàn)高級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。可以預(yù)計未來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，移動通信各個功能領(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實現(xiàn)以人工智能為驅(qū)動的智能網(wǎng)絡(luò)優(yōu)化目標(biāo)。SON的商用部署方式將有可能以獨立SON系統(tǒng)部署或融合進(jìn)入5G OSS系統(tǒng)實現(xiàn)，RAN-DAF是否以獨立網(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現(xiàn)商用部署。

人工智能面向網(wǎng)絡(luò)管理與運營，在未來3～4年中，MDAF實現(xiàn)網(wǎng)管層面的部分?jǐn)?shù)據(jù)分析功能。隨著網(wǎng)絡(luò)中臺體系的建設(shè)，面向網(wǎng)絡(luò)人工智能的網(wǎng)絡(luò)AI中臺將會在部分運營商的5G OSS中實現(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)體驗與感知體系將逐漸成熟，會在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，部分通信運營商構(gòu)建的技術(shù)中臺體系將在未來3～5年內(nèi)全面商用與成熟。其中，人工智能平臺板塊將作為AI面向BSS領(lǐng)域注智與賦能的載體，全面推動客戶運營與業(yè)務(wù)運營的智能化。因為垂直行業(yè)中類似通用的應(yīng)用經(jīng)驗，電信業(yè)務(wù)涉及的某些細(xì)分領(lǐng)域（例如智能客服、智能營銷、智能推薦等）在未來的5～10年內(nèi)會加速發(fā)展，可能提早實現(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現(xiàn)對客戶的網(wǎng)絡(luò)與業(yè)務(wù)體驗感知的閉環(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)來實現(xiàn)。客戶體驗與感知管理體系會從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)、實時、個性化的策略與服務(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)和獨立專網(wǎng)會逐漸部署并成熟。人工智能對獨立或混合專網(wǎng)的應(yīng)用將會聚焦在toB業(yè)務(wù)精準(zhǔn)QoS保障、toC業(yè)務(wù)感知體驗實時評估優(yōu)化、智能網(wǎng)絡(luò)智能運維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)的初級智能化階段主要面向性能、質(zhì)量與運維保障的智能化，在中高級智能化階段更加面向高可靠、低時延、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、隱私計算的技術(shù)組合，預(yù)計在通信生態(tài)各系統(tǒng)中會得以發(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，需定期對聯(lián)邦中心進(jìn)行審計；區(qū)塊鏈技術(shù)解決共識和可信問題；模型的訓(xùn)練、推理、角色對齊均上鏈，通過智能合約、共識計算等實現(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，將催生更多場景。通信人工智能將解決多個生態(tài)子系統(tǒng)的跨層優(yōu)化、聯(lián)合優(yōu)化等多項式復(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，給予人工智能對網(wǎng)絡(luò)基礎(chǔ)設(shè)施、網(wǎng)絡(luò)管理運維系統(tǒng)、業(yè)務(wù)支撐系統(tǒng)等全面賦能、注智的機(jī)會，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。