2020年9月23日，以“共創行業新價值”為主題的華為全聯接2020在上海隆重舉辦。25日在大會媒體圓桌現場，華為正式發布了《華為網絡人工智能引擎 iMaster NAIE 白皮書》，使能自動駕駛網絡。自2019年4月上線華為云以來，iMaster NAIE 網絡人工智能引擎（簡稱NAIE）在電信行業得到了豐富的實踐機會，此次白皮書的發布，是華為在網絡全云化基礎上將AI 技術引入到電信網絡中的一次實力展示，也是華為幫助電信領域提升網絡效率，降低運營成本，向自動駕駛網絡演進過程中邁下的扎實一步。

運營商AI特性規模應用挑戰重重

在本次發布的白皮書中，有一部分內容引起了電信運營商的特別關注，那就是華為云地協同解決方案，它解決了AI應用在規模復制過程中碰到的關鍵問題。

眾所周知，電信行業一直是AI應用的前沿陣地。實踐也證明了，AI技術在運維效率、能耗效率、網絡資源利用率以及用戶業務體驗提升等方面確實能夠帶來明顯價值。但在電信行業智能化升級過程中，網絡 AI 的規模化工程應用仍然存在很多挑戰，例如模型泛化能力差、模型重訓練占用資源多、模型版本升級管理難度大、本地樣本少并且模型精度不夠等問題。

以AI模型版本升級管理為例，很多場景的AI模型都是一站一模型，例如無線流量預測、無線基站智能節能等場景，各站點的模型都根據本地化數據進行定制化訓練。但由于各局點模型版本不同，升級頻度也不同，成千上萬的站點模型導致管理難度很大。電信運營商迫切需要有一個統一的平臺，高效實現模型狀態的監控和版本升級策略等管理任務。

在站點模型數量眾多的同時，部分場景又面臨著樣本量太少不足以支撐模型訓練的問題。例如核心網KPI異常檢測，單局點發生異常頻率很少，訓練需要的樣本量根本不夠。這時電信運營商又需要能夠匯聚所有局點的全量樣本信息，同時輔以聯邦學習等技術，才能訓練得到滿足業務精度要求的AI 模型。除此之外，還面臨AI模型訓練占用資源多有可能會影響設備性能的隱患。

面對這樣的挑戰，華為創新地推出了云地協同解決方案，可以實現AI特性規模應用，這也是助力運營商邁向自動駕駛網絡的關鍵。其中云端是指部署在公有云、合營云或 HCS 上的 NAIE 云端智能，地端則是指集成在網絡管控單元的網絡 AI、以及網元設備中的網元 AI。

云地協同加速 AI 特性規模應用

華為的云地協同是指在運行態下，云端、地端協同完成數據樣本上云、模型狀態管理、模型重訓練、模型/知識下發、擇優更新等系列AI模型任務。不僅如此，在云端還可以將匯聚全局的網絡知識經驗，以及通過全量數據訓練得到的高精度模型，再以協同形式持續注入地端，支撐電信網絡智能迭代，讓網絡越來越“聰明”。

云地協同實現架構

不妨以電信領域中實際發生的流程為例來見證一下云地協同的魅力。當某電信局點 DC PUE 模型三個月不更新后，模型精度開始劣化，下降到 70%。此時地端會在本地進行重訓練，但由于樣本少，資源有限，優化效果可能并不明顯。而云端由于匯聚多個局點的樣本數據，經過專家經驗處理，會形成高質量的模型，于是云端的模型倉庫就會把訓練或優化的新模型包推送到地端。地端接收以后，就可以進行實際對比和評估，擇優升級。

值得一提的是，目前 NAIE 還可以構建 DC 節能和無線網絡優化等仿真場景。傳統電信網絡優化工作必須要先經過仿真系統驗證，但是往往需要一周才能拿到優化參數，效率并不高。而如今通過華為云端的仿真系統來驗證，既不會影響現實中網絡性能，又可以迅速反饋，僅需一天就能反饋優化的最佳參數，大大提升了網絡優化的工作效率。

概括而言，云地協同實現了“一點生效，多點復制”——當AI的特性在一個局點成功實施后，可以快速地形成知識和經驗，并在其他局點進行復制，從而實現在全網規模應用。

云地協同三個發展階段匹配不同AI場景

據了解，云地協同在實際應用部署時有三個階段，電信運營商可以針對不同場景選擇自己適合的階段，從而大幅提高網絡的資源效率。模型相對簡單、算法結構穩定，僅需要根據本地數據進行模型參數優化調整的場景，例如想實現核心網變更在線機器值守，就更適合“云端訓練初始模型+地端重訓練”這一階段;而模型相對復雜，需要華為持續進行模型算法結構優化的場景，例如無線KPI異常檢測選擇“云端模型分發+地端重訓練”這個階段效果更好;而如果模型復雜，還需要華為在云端高質量標注數據，并利用知識圖譜以及仿真等知識能力進行模型優化的場景，就建議選擇“云地實時協同、模型自動化演進”這個階段了，例如 IP RAN/PTN 智能告警， DC PUE 優化等。

那么擁有強大的云地協同能力的iMaster NAIE究竟能給電信運營商帶來哪些價值呢？在國內某運營商省級公司，多網元故障的占比接近 20%，對現網業務的影響是單網元故障的 9 倍以上，但是跨界的故障定位難造成運維成本居高不下。華為云地協同解決方案先通過地端上傳現網告警、拓撲、配置等相關數據到云端，在云端再訓練出故障聚合模型下發給地端，地端執行后，再通過網絡知識庫建立的故障傳播圖，對故障進行定界，快速找出故障根因，最終完成修復。部署之后，該運營商的故障工單壓縮率提升比例 10%以上，不僅運維人員的派單效率顯著提升，并且還提高問題定位效率。

作為華為自動駕駛網絡解決方案中的重要智能化部件，iMaster NAIE一直在幫助運營商盡快實現數字化轉型。而云地協同只是NAIE眾多創新“黑科技”之一，NAIE還提供一站式網絡AI云服務，讓網絡AI開發簡單高效，并通過豐富的NAIE培訓服務，助力運營商人才轉型。目前，NAIE已經在多個運營商落地，我們相信，不遠的未來，自動駕駛網絡必將給電信運營商帶來更大的驚喜。
責編AJX