自動化正在成為5G第4維： 5G商業成功的基石

進入2019年，全球運營商紛紛吹響5G的商用號角，各主流手機廠商也紛紛推出了自己的5G手機，不得不說5G正處在全面爆發的前夜。據業界估計，5G將只需3年就能突破5億用戶規模。而同樣的用戶規模，4G花了5年，3G花了10年。這樣的前所未有的“5G”速度其關鍵就在于前所未有的5G極簡。

正所謂“大道至簡”，極簡本質上反映的是一種內在的修為，是一種化繁雜為神奇的魔力。眾所周知，5G包含三大應用場景：包括eMBB（增強型移動寬帶）、uRLLC（超可靠、低時延通信）和mMTC(海量機器類通信)。毫無疑問未來10年產業界都將圍繞5G的這三個維度持續進行技術創新以及商業創新，也勢必將移動產業提升到一個新高度。

但在當下，我們同樣認識到5G技術的引入也將進一步加劇網絡的復雜性，進而導致OPEX的進一步攀升。因此，如何在5G部署伊始，用網絡內在的極簡理念化解持續增長的網絡復雜性問題，徹底破除橫亙在運營商面前的OPEX難題，成為了影響5G產業發展的一個關鍵。

想要破解網絡復雜性上升與OPEX同步增長的魔咒，答案就是網絡自動化。因此我們創新性的認為自動化將成為5G的第四維，與eMBB、uRLLC、mMTC這三個維度一起推動5G的商業成功，成為5G網絡能力的一個必選項。

自動化能力的引入一方面能夠幫助運營商解耦OPEX于網絡復雜性，而且能夠給運營商的業務運營植入敏捷的基因，大幅降低新業務的TTM時間。面向行業數字化這個新的5G剛需市場，運營商在新業務發展初期顯然需要手伸得更長，試錯成本更低去進行商業創新和市場培育，才有可能實現市場空間的規模擴張。而這就需要運營商變得足夠的敏捷，甚至需要變得跟互聯網企業一樣，具備快速的業務上線以及敏捷的產品迭代能力。

5G第四維：從三角形到鉆石

通過架構創新和Use case創新突破自動化能力邊界

網絡自動化之于5G的必要性不言而喻。甚至可以說自動化一直是在運營商心中教堂式的存在。但坦率的說，經過多年的探索，絕大多數的網絡自動化程度仍然處于比較低的水平。那么如何才能實現自動化能力的真正突破呢？是不是通過某個產品的功能演進就可以實現了呢？答案是否定的。

首先從時間維度上看，網絡的自動化是個長期演進的過程，正如汽車自動駕駛L1到L5的分級一樣，網絡的自動駕駛也是一個基于場景的逐級實現的過程。自動化的價值也可以逐級兌現，實現沿途下蛋。

其次從空間維度上看，網絡的自動化是個自頂向下的系統工程，不僅涉及到運營商面向自動化的流程重構，而且更加需要網絡系統架構的創新。不僅需要網絡設備更加的簡單和智能，而且更加需要面向場景的Use case創新；

通過“分層自治，垂直協同”凝聚產業合力，加速自動化進程

對于架構創新，我們拿汽車自動駕駛來看。汽車從被發明一開始就是圍繞人的操作為中心去定義整個架構以及部件的設計。而今天，要實現自動駕駛的話，如果還是圍繞人的駕駛行為，把所有的“人-機”交互轉換成“機-機”交互的話，將存在兩方面的問題：一方面，這樣的轉換過程極其的繁復，另一方面，沒有辦法消除駕駛員個體行為差異性。因此，在面向一輛除了家和辦公室兩點以外，以“第三生活空間”存在的完全自動駕駛汽車而言，必須重新定義汽車的系統架構以及部件的能力。

而網絡的自動駕駛其復雜性更甚，首先，網絡的全生命周期從規劃、建設、維護和優化各個環節都存在大量的專家運維復雜性，且不同運營商的運維流程不盡相同。其次，移動網絡本身是個持續動態變化的系統，話務模型以及無線信道環境上一秒鐘和下一秒鐘就有可能變得迥異。再次，移動網絡存在著幾千個配置參數，更可怕的是參數之間的依賴關系已經完全超越專家經驗的可處理范疇。

因為我們不得不去考慮一個問題，如何通過系統架構的創新去逐層的把實現層面的復雜性進行封裝與屏蔽，這樣才有可能實現簡單、無損、高效的交互形式。才有可能徹底突破網絡自動化的能力邊界，走向網絡的完全自動駕駛。

基于這個理念，華為在2018年創新性的第一次面向業界發布了面向移動網絡自動駕駛的“Cloud AI-Network AI-Site AI”三層架構，將AI技術和移動網絡進行深度結合，從云端、網絡和站點三個層面分層構筑移動網絡的自動化與AI能力。通過架構上的分層自治，徹底激活網絡各個層面的自動化潛力，并在此基礎上通過極簡協同實現Network AI與cloud AI之間以及Site AI與Network AI的高效閉環。可以說，面向移動網絡“三層架構”的推出為移動網絡全場景自動化的實現了架構上的準備。

實現網絡自動化，核心是要實現基于意圖或者策略的E2E自動化閉環。也就是說網絡層面與上層系統之間的交互需要從簡單的數據交互、參數交互轉變到策略交互、意圖交互。這種轉變的基礎就在于要真正實現移動網絡的域內自治，即分層自治，垂直協同。

分層自治，開放協同

從運營商實現業務自動化（跨域跨廠家）的視角來看，“分層自治，垂直協同”的理念能夠最大化利用運營商與設備商的優勢。運營商能夠更多的從業務工作流的視角來重構面向自動化的工作流以及靈活編排的能力。設備商能夠更多從網絡視角實現對域內復雜性的封裝，進而實現自動化能力的高度內聚來充分釋放網絡潛能，并通過場景化能力接口的極簡開放，最終實現基于策略或意圖驅動的網絡自治。

圍繞場景定義自動駕駛分層分級，推動Use Case創新

如果說架構上的準備相當于給網絡自動化的這一片熱土真正變成了沃土，但是最終是否能成長為碩果累累的莊園，則依賴于整個行業圍繞網絡運維場景以及業務運營場景的Use case探索與創新。

移動產業對自動化的探索，如果一定要給一個里程碑時間點的話可以追溯到2006年NGMN首次提出了SON（自組織網絡）的概念，其實業界對網絡自動化的探索應該更早。業界從工具輔助人工自動化，到功能定義自動化。時至今日，我們認為之前網絡自動化的探索少了一個非常核心的要素：場景。場景可以說是自動化能力與工作流的一個粘合劑，有且僅有通過場景化基于流程來串接單點的自動化能力，才有可能最終以一個場景的閉環自治來兌現相對完整的客戶價值。

華為于2019年MWC倫敦預溝通會上發布了系列化的面向移動網絡的自動駕駛解決方案，其中就包括管控合一的移動大腦MAE（移動網絡自動化引擎）。其兩大核心理念，其一就是圍繞網絡運維生命周期的規劃，部署，維護，優化以及業務發放五大領域的場景化的自動化能力。其二就是自動駕駛網絡基于場景的L1到L5的分級演進理念。

例如在站點部署領域，MAE提供一鍵式的站點部署解決方案，從站點的設計、配置、開通和驗收環節提供端到端的自動化能力，大大縮短了5G站點的開通時間。目前已經在北美、日韓等全球多個局點展開驗證。北美某運營商通過采用自動化的站點部署方案，實現了開站過程中的零人工交互，平均每站點的部署時間從4小時縮減到半小時。在業務發放領域，MAE基于AI技術實現了無線家寬業務的可放號速率的精準預測與套餐的自動匹配，并通過與上層IT系統的無縫對接實現了在營業廳的WTTx業務一鍵式放號與套餐生成。

誠然實現移動網絡的完全自動駕駛是一個長期的旅程，但面對5G的到來，網絡自動化則是時不我待，整個產業都需要行動起來，共同定義清晰的面向自動駕駛的分層分級標準、牽引技術創新并指導落地，及時享受自動化帶來的“分期”紅利，最終擁抱全場景自動駕駛網絡帶來的無限可能。華為愿與全行業共同合作，持續構建無線領域的自動化能力，推進移動網絡自動駕駛的進程，共同擁抱萬物互聯的智能世界。?