多樣化業務、靈活部署要求以及復雜網絡形態，對5G網絡運維帶來重大挑戰，依靠傳統手工、半自動運維模式已經滿足不了需求。數字化時代，5G網絡切片智能運維成為必然

人工智能技術在解決高計算量數據分析、跨領域特性挖掘、動態策略生成等方面具備天然優勢。引入AI技術可進一步提高網絡部署和運維效益，提升資源利用率，降低運營成本。

網絡切片是5G網絡的一個重要特性，通過對網絡資源靈活分配，能力靈活組合，基于一張物理網絡虛擬出網絡特性不同的邏輯子網，以滿足不同場景的定制化需求。網絡切片運維實質上就是提供切片實例的全生命周期管理，包含設計、開通、SLA保障、終結等階段。網絡切片帶來極大靈活性的同時，也增大了運維管理復雜度。基于人工智能來增強切片自動化管理能力是必然趨勢。

引入AI的切片智能運維關鍵技術

在切片管理系統中引入人工智能，根據AI訓練平臺輸出決策依據，自動化執行管理策略，賦予網絡智能感知、建模、開通、分析判斷、預測等方面的能力，實現切片靈活性和管理復雜度之間的完美平衡。

1.智能化切片開通

業務定制：運用數據采集和機器學習，深度挖掘業務特點提供定制化、安全隔離的私有切片專網。

網絡規劃：綜合分析整網可用資源，利用AI技術不斷訓練優化算法，將業務需求快速轉化為網絡需求，有效地解決差異化SLA與建網成本之間的矛盾。

模型設計：根據AI訓練平臺分析結果，對虛擬化資源進行智能編排和調度，自動輸出切片生命周期模板、策略規則及切片優化部署等模板。

自動化部署：結合自動化集成部署工具和切片模型，自動完成各層次資源實例化，同時智能匹配測試場景及用例，自動完成切片測試，部署周期從幾周縮短到幾天。

E2E業務激活：根據配置模板定義自動將配置參數拆解到各個子網，執行參數自動化計算形成批處理腳本，通過配置通道自動完成業務激活。

2.切片智能SLA保障

網絡切片保障實質上就是對用戶要求的SLA進行保障，智能化QoS 服務能力可對業務需求、網絡能力以及用戶特性等方面進行智能分析和多標準決策，引入QoS監督反饋，從而形成SLA保障閉環。

QoS能力保障：采集海量業務數據（如業務類型、時間需求等）、網絡數據（連接數、負載、流速、時延等）和用戶數據（如用戶等級、通信習慣、時間、位置等），通過智能分析和判斷，實時評估當前業務體驗，形成一套或多套更優的QoS參數集，從而進行最佳決策和控制。

QoS差異化服務：基于時間、位置、訪問業務、用戶通信習慣、用戶簽約需求、網絡實時負荷壓力等方面的智能判斷，形成最佳匹配的QoS控制參數，為用戶提供實時的差異化服務。

QoS預測預警：基于海量數據采集、建模和分析來實現QoS預測，并提供極端情況下的QoS能力預警，給運維保障動作提供參考，如提前終止業務、改變業務操作等。例如基于神經網絡和線性回歸算法，實現同期增長率預測，峰值均值流量分析，預測網絡擁塞，從而進行動態調度或者流量提速等操作。

3.切片智能閉環運維

為高效地管理網絡切片，降低運維復雜度和成本，切片管理系統必須具備網絡自感知、自調整等智能化閉環保障能力。

目前網絡策略仍是基于人工靜態配置，忽略了網絡的實際情況。引入AI后可基于時間、位置和移動特性，結合網絡中的流量、擁塞級別、負載狀態等進行智能分析和判斷，通過AI訓練平臺輸出切片管理動態策略，實現智能化調度。

另外，實時/歷史智能分析還提供健康評分、異常檢測預測、故障根因分析等參考數據，據此執行容量優化、配置優化、資源彈縮、問題定位等操作，實現切片閉環優化。

5G切片智能閉環運維

4.切片故障智能定位

1）故障智能定位

分析切片告警中時間、地點、事件描述等多維度特征，結合歷史頻度信息，跨網元信息，同專業網、跨專業網信息及同業務關聯信息等識別告警線索關系。根據當前告警，統計，日志等信息以及訓練獲得的規則進行推理，獲取匹配的告警根因。

故障智能定位主要分為訓練過程，推理過程和閉環優化。

訓練過程

-數據提取

-數據清洗去除無效數據

-格式規整，數據分割，形成事務數據集用于關聯挖掘。

-算法運行：基于資源關系、告警碼以及時間窗口，通過AI算法進行綜合判斷，建立告警主次關系的知識。

-結果分析：將獲取的知識按照一定的內部規則建立相應RCA規則并存儲到規則庫中。

推理過程：實時監控告警，定時采樣資源、配置數據等，利用已學習規則對現網告警數據、資源數據、業務承載關系和時序進行綜合判斷，找出根因自動修復或者提示運維人員修復。

閉環優化：根據實際規則應用情況或專家判斷對規則庫進行更新、修正和完善。

2）效果評估

智能定位效果主要通過有效告警根因規則數和告警壓縮比兩個指標進行衡量，也可以通過工單數量減少率來進行間接評估，AI告警智能定位能普遍減少60%以上。

5G智慧切片網絡將會經歷領域內探索、跨領域融合、高度自治三個階段。首先，5G網絡各子領域將分別與AI初步結合和應用，依托大數據與機器學習的支撐，在網絡資源分配等領域探索實現初級智能化;其次隨著技術發展，AI將可以學習跨領域的5G網絡大數據，部分子領域將出現融合智能，實現中級智能化;最后，5G和人工智能技術高度發展，將實現全網聯動和高度自治，大幅提升網絡全生命周期管理效率，基于人類控制網絡的意圖實現高級智能化。

可以預見， AI與5G切片網絡的結合將產生出耀眼的火花，推動網絡高速發展和演進。