電信行業(yè)人工智能應(yīng)用白皮書

電信行業(yè)人工智能應(yīng)用白皮書中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟2021年3月AIIA

電信行業(yè)人工智能應(yīng)用白皮書前言利用人工智能提供的強(qiáng)大分析、預(yù)測(cè)與策略優(yōu)化等能力來賦能網(wǎng)元、網(wǎng)絡(luò)和業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)電信網(wǎng)絡(luò)的智能規(guī)建、智能運(yùn)維、智能優(yōu)化管控與業(yè)務(wù)能力提升，已經(jīng)成為當(dāng)前國內(nèi)外電信行業(yè)的發(fā)展重點(diǎn)。國內(nèi)外運(yùn)營商、設(shè)備商和服務(wù)商等在電信網(wǎng)絡(luò)智能化方面紛紛布局，電信網(wǎng)絡(luò)智能化在標(biāo)準(zhǔn)研究、技術(shù)驗(yàn)證與落地應(yīng)用等方面均有重要推進(jìn)。2020年，伴隨著5G網(wǎng)絡(luò)的大規(guī)模商用和網(wǎng)絡(luò)人工智能平臺(tái)的建設(shè)成熟，越來越多的網(wǎng)絡(luò)智能化應(yīng)用與業(yè)務(wù)得以落地并發(fā)揮良好效果。人工智能作為電信網(wǎng)絡(luò)的重要使能技術(shù)已經(jīng)成為行業(yè)共識(shí)，網(wǎng)絡(luò)內(nèi)生智能將帶動(dòng)新一代信息基礎(chǔ)設(shè)施的發(fā)展演進(jìn)，促進(jìn)網(wǎng)絡(luò)、計(jì)算、數(shù)據(jù)與影響的融合與協(xié)同，為ICT和各個(gè)垂直行業(yè)帶來全面智能能力的支撐與推動(dòng)。本白皮書系統(tǒng)分析目前電信網(wǎng)絡(luò)智能化的總體發(fā)展態(tài)勢(shì)與應(yīng)用現(xiàn)狀，集中展示AI技術(shù)在移動(dòng)網(wǎng)、固定網(wǎng)絡(luò)和業(yè)務(wù)服務(wù)應(yīng)用場(chǎng)景的落地案例，包括故障根因分析、異常小區(qū)發(fā)現(xiàn)、基站節(jié)能、業(yè)務(wù)內(nèi)容智能推薦、網(wǎng)絡(luò)質(zhì)量智能監(jiān)控與業(yè)務(wù)智能識(shí)別調(diào)優(yōu)等。隨著電信行業(yè)人工智能應(yīng)用不斷在現(xiàn)網(wǎng)落地部署并釋放價(jià)值，AI將貫穿電信網(wǎng)絡(luò)端到端全生命周期的運(yùn)營與演進(jìn)，實(shí)現(xiàn)網(wǎng)絡(luò)的泛在智能能力，幫助運(yùn)營商實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，帶動(dòng)整個(gè)電信產(chǎn)業(yè)的智能升級(jí)。iiiAIIA目錄一、（一）（二）（三）二、（一）（二）（三）三、（一）

電信行業(yè)人工智能應(yīng)用白皮書電信行業(yè)人工智能應(yīng)用總體發(fā)展態(tài)勢(shì)...................................................-1-電信網(wǎng)絡(luò)智能化成新一代信息基礎(chǔ)設(shè)施發(fā)展重點(diǎn)之一....................-1-電信行業(yè)加大人工智能的研究投入與應(yīng)用部署................................-2-電信網(wǎng)絡(luò)智能化標(biāo)準(zhǔn)化工作得到積極開展與推進(jìn)............................-5-人工智能在電信行業(yè)中的發(fā)展應(yīng)用現(xiàn)狀.............................................-10-人工智能在電信行業(yè)應(yīng)用概述..........................................................-10-人工智能在電信網(wǎng)絡(luò)與業(yè)務(wù)中的應(yīng)用現(xiàn)狀分析..............................-12-當(dāng)前網(wǎng)絡(luò)智能化能力等級(jí)已達(dá)2-3級(jí)..............................................-15-人工智能在電信行業(yè)中的應(yīng)用實(shí)踐.....................................................-18-移動(dòng)網(wǎng)應(yīng)用實(shí)踐案例..........................................................................-18-案例一：物聯(lián)網(wǎng)端到端質(zhì)差識(shí)別與定位定段............................................-18-案例二：智能基站節(jié)能................................................................................-19-案例三：無線網(wǎng)絡(luò)異常小區(qū)發(fā)現(xiàn)................................................................-20-案例四：MassiveMIMO天線權(quán)值自適應(yīng)...................................................-21-案例五：VoLTE語音質(zhì)量智能評(píng)估.............................................................-22-（二）

固定網(wǎng)應(yīng)用實(shí)踐案例..........................................................................-24-案例一：面向IPTV業(yè)務(wù)的接入網(wǎng)設(shè)備告警定位與故障預(yù)測(cè)..................-24-案例二：IPRAN故障分析定位.....................................................................-25-案例三：光傳送網(wǎng)故障根因分析................................................................-26-案例四：光傳送網(wǎng)智能傳輸質(zhì)量管理........................................................-27-ivAIIA

電信行業(yè)人工智能應(yīng)用白皮書案例五：光網(wǎng)絡(luò)健康度分析及預(yù)測(cè)............................................................-28-案例六：無源光網(wǎng)絡(luò)（PON）鏈路弱光問題根因分析..............................-29-案例七：寬帶家庭業(yè)務(wù)識(shí)別調(diào)優(yōu)................................................................-30-案例八：家寬網(wǎng)絡(luò)質(zhì)量智能監(jiān)測(cè)................................................................-31-案例九：基于學(xué)件工具的金融數(shù)據(jù)中心網(wǎng)絡(luò)智能運(yùn)維............................-31-（三）

業(yè)務(wù)服務(wù)實(shí)踐應(yīng)用案例......................................................................-32-案例一：網(wǎng)絡(luò)滿意度智能提升....................................................................-32-案例二：家寬視頻內(nèi)容智能推薦................................................................-34-案例三：智能語音交互................................................................................-35-案例四：內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）智能調(diào)度..................................................-36-案例五：數(shù)據(jù)中心智能節(jié)能........................................................................-37-四、（一）（二）（三）（四）

電信網(wǎng)人工智能應(yīng)用未來發(fā)展與展望.................................................-38-網(wǎng)絡(luò)智能化基礎(chǔ)能力持續(xù)增強(qiáng)..........................................................-38-知識(shí)與AI融合來更好適配網(wǎng)絡(luò)智能化應(yīng)用需求............................-39-人工智能技術(shù)新范式用于解決網(wǎng)絡(luò)智能化應(yīng)用痛點(diǎn)......................-39-新技術(shù)浪潮下人工智能、云計(jì)算與未來網(wǎng)絡(luò)融合發(fā)展..................-40-縮略語...................................................................................................................-42-vAIIA

電信行業(yè)人工智能應(yīng)用白皮書一、電信行業(yè)人工智能應(yīng)用總體發(fā)展態(tài)勢(shì)（一）

電信網(wǎng)絡(luò)智能化成新一代信息基礎(chǔ)設(shè)施發(fā)展重點(diǎn)之一構(gòu)建智能化社會(huì)適應(yīng)萬物互聯(lián)的新一代信息基礎(chǔ)設(shè)施，保障信息基礎(chǔ)設(shè)施的安全，對(duì)于促進(jìn)信息技術(shù)與實(shí)體經(jīng)濟(jì)融合、拓展數(shù)字經(jīng)濟(jì)空間具有重要意義。目前，全球已經(jīng)掀起了人工智能應(yīng)用的浪潮。將人工智能技術(shù)引入到新一代通信基礎(chǔ)設(shè)施，可以為網(wǎng)絡(luò)、計(jì)算、應(yīng)用等信息基礎(chǔ)設(shè)施提供基于數(shù)據(jù)的感知、預(yù)測(cè)和管控能力，促進(jìn)網(wǎng)絡(luò)、計(jì)算、應(yīng)用等基礎(chǔ)設(shè)施的融合與協(xié)同。人工智能在越來越多的復(fù)雜場(chǎng)景下可以做出比人類更優(yōu)的決策，無疑讓網(wǎng)絡(luò)智能化建設(shè)開拓了新的視野，給網(wǎng)絡(luò)的發(fā)展帶來了前所未有的新機(jī)遇，也為電信網(wǎng)絡(luò)重構(gòu)轉(zhuǎn)型過程中遇到的眾多困難和挑戰(zhàn)提供了高效的加速解決路徑。人工智能技術(shù)可以應(yīng)用于電信網(wǎng)絡(luò)實(shí)現(xiàn)智能部署，例如智能網(wǎng)絡(luò)參數(shù)配置和智能資源配置；智能運(yùn)維，例如故障歸因分析和網(wǎng)絡(luò)異常檢測(cè)；智能優(yōu)化，包括SLA穩(wěn)定保障和智能設(shè)備節(jié)能等；智能管理，例如智能網(wǎng)絡(luò)切片和智能負(fù)載均衡等。據(jù)Tractica/Ovum預(yù)測(cè)，到2025年，電信業(yè)整體AI用例軟件市場(chǎng)將以48.8%的年復(fù)合增長率增至113億美元。目前國內(nèi)外的標(biāo)準(zhǔn)化組織、運(yùn)營商和服務(wù)商在積極探索電信網(wǎng)絡(luò)智能化的需求、架構(gòu)、算法和應(yīng)用場(chǎng)景，人工智能在網(wǎng)絡(luò)中的應(yīng)用正逐步由概念驗(yàn)證進(jìn)入落地階段。-1-AIIA（二）

電信行業(yè)人工智能應(yīng)用白皮書電信行業(yè)加大人工智能的研究投入與應(yīng)用部署1.國內(nèi)外運(yùn)營商在網(wǎng)絡(luò)規(guī)建維優(yōu)等方面積極引入人工智能技術(shù)從2017年起，全球運(yùn)營商開始探索在網(wǎng)絡(luò)規(guī)-建-維-優(yōu)等全生命周期引入人工智能和大數(shù)據(jù)技術(shù)，來輔助5G時(shí)代的網(wǎng)絡(luò)運(yùn)維。國內(nèi)三大運(yùn)營商都已在人工智能領(lǐng)域布局，在智能客服、智慧城市、智慧醫(yī)療、智能交通、智能網(wǎng)絡(luò)運(yùn)維、智能5G網(wǎng)絡(luò)等多方面展開工作。中國移動(dòng)在標(biāo)準(zhǔn)化、基礎(chǔ)平臺(tái)和應(yīng)用實(shí)踐等方面均有所推進(jìn)。標(biāo)準(zhǔn)化方面,先后在8個(gè)標(biāo)準(zhǔn)化和行業(yè)組織積極推動(dòng)網(wǎng)絡(luò)智能化水平分級(jí)框架和評(píng)估方法標(biāo)準(zhǔn)化工作；平臺(tái)方面，發(fā)布了人工智能基礎(chǔ)平臺(tái)“九天平臺(tái)”，全線孵化系列AI能力和應(yīng)用服務(wù)能力；應(yīng)用方面多個(gè)典型案例包括智能客服、網(wǎng)絡(luò)故障端到端智能運(yùn)維和業(yè)務(wù)質(zhì)量智能感知等均已在網(wǎng)絡(luò)運(yùn)營中得到部署,并取得顯著成效。中國聯(lián)通于2019年6月發(fā)布《中國聯(lián)通網(wǎng)絡(luò)人工智能應(yīng)用白皮書》，推出網(wǎng)絡(luò)智能化發(fā)展引擎智立方CubeAI平臺(tái)，構(gòu)建網(wǎng)絡(luò)AI共贏生態(tài)和開放合作體系，并與華為、百度、科大訊飛、烽火等公司均有AI項(xiàng)目合作。中國聯(lián)通目前已經(jīng)落地部署的應(yīng)用包括基于AI的核心網(wǎng)KPI異常檢測(cè)、IPRAN的智能事件管理、一站式智能排障、基于AI的無線網(wǎng)絡(luò)自排障、基于AI的無線多載波吞吐量參數(shù)優(yōu)化、基于AI的弱PON信號(hào)檢測(cè)等。中國電信牽頭產(chǎn)業(yè)界共同編制發(fā)布了《網(wǎng)絡(luò)人工智能應(yīng)用白皮書》，并基于自身在數(shù)據(jù)、算法、通用算力和渠道方面的優(yōu)勢(shì),從面向客戶與網(wǎng)絡(luò)運(yùn)營兩大切入領(lǐng)域發(fā)展人工智能,目前-2-AIIA

電信行業(yè)人工智能應(yīng)用白皮書已在移動(dòng)基站節(jié)能和運(yùn)維智能化等方面落地部署了人工智能應(yīng)用。與此同時(shí)，國外電信運(yùn)營商也在積極推進(jìn)AI應(yīng)用,美國AT&T、韓國SK電訊、日本NTTDocomo等已經(jīng)將AI技術(shù)上升到公司戰(zhàn)略高度,并通過多種方式介入人工智能領(lǐng)域。AT&T

提出了Network3.0Indigo下一代網(wǎng)絡(luò)轉(zhuǎn)型計(jì)劃,將AI技術(shù)應(yīng)用在網(wǎng)絡(luò)故障預(yù)警、移動(dòng)網(wǎng)絡(luò)現(xiàn)狀分析上,將運(yùn)營商內(nèi)部大量常規(guī)操作流程轉(zhuǎn)向過程自動(dòng)化。AT&T與TechMahindra合作開發(fā)了AI開源平臺(tái)Acumos,并計(jì)劃通過Acumos來建設(shè)智能化網(wǎng)絡(luò)。日本NTTDocomo于2020年1月發(fā)布了白皮書：5GEvolutionand6G,提出將利用AI技術(shù)實(shí)現(xiàn)移動(dòng)網(wǎng)絡(luò)的泛在智能。2019年5月，Orange聯(lián)合華為共同完成了基于AI的光網(wǎng)智能運(yùn)維測(cè)試，并聯(lián)合智能邊緣物聯(lián)網(wǎng)軟件提供商Octonion推出了專門為LTE-M網(wǎng)絡(luò)設(shè)計(jì)的物聯(lián)網(wǎng)設(shè)備,來實(shí)現(xiàn)邊緣人工智能與網(wǎng)絡(luò)安全。除此之外,西班牙電信、德國電信、沃達(dá)豐等運(yùn)營商都提出了網(wǎng)絡(luò)智能轉(zhuǎn)型計(jì)劃,在網(wǎng)絡(luò)運(yùn)維、優(yōu)化、業(yè)務(wù)服務(wù)等領(lǐng)域引入AI技術(shù)。2.國內(nèi)外設(shè)備商積極推動(dòng)網(wǎng)絡(luò)AI應(yīng)用與垂直業(yè)務(wù)服務(wù)國內(nèi)外設(shè)備商與服務(wù)商在電信網(wǎng)絡(luò)智能化發(fā)展上大力投入，并積極展開與運(yùn)營商的合作,提出網(wǎng)絡(luò)智能化的應(yīng)用方案與垂直業(yè)務(wù)服務(wù)。在國內(nèi)，華為在2019年推出NAIE人工智能電信網(wǎng)絡(luò)開源平臺(tái)，提供了多項(xiàng)網(wǎng)絡(luò)智能案例，并先后發(fā)布多項(xiàng)與網(wǎng)絡(luò)智能化和自動(dòng)駕駛網(wǎng)絡(luò)相關(guān)的白皮書，包括《華為面向自動(dòng)駕駛移動(dòng)網(wǎng)絡(luò)的關(guān)鍵場(chǎng)景白皮書》、《華為網(wǎng)絡(luò)人工智能引擎(iMasterNAIE)白皮書》、《自-3-AIIA

電信行業(yè)人工智能應(yīng)用白皮書動(dòng)駕駛網(wǎng)絡(luò)解決方案白皮書》等。2020年，華為面向全球上市自動(dòng)駕駛網(wǎng)絡(luò)解決方案iMaster智能運(yùn)維系列產(chǎn)品,包括網(wǎng)絡(luò)人工智能單元、跨域智能運(yùn)維單元等。中興通訊提出通過云化網(wǎng)絡(luò)引入數(shù)據(jù)感知、智能分析、意愿洞察三大AI能力，構(gòu)建端到端的智能化網(wǎng)絡(luò),并于2018年2月發(fā)布《人工智能助力網(wǎng)絡(luò)智能化-中興通訊人工智能白皮書》、2018年10月發(fā)布《中興通訊5G網(wǎng)絡(luò)智能化白皮書》。大唐移動(dòng)積極推動(dòng)智能化網(wǎng)絡(luò)運(yùn)維和多網(wǎng)融合,深入推進(jìn)垂直服務(wù)和通用服務(wù),包括智能網(wǎng)聯(lián)汽車、智能無人書店、智能安防、智能制造、智慧電力等。在國外，愛立信提出多項(xiàng)AI網(wǎng)絡(luò)應(yīng)用案例，并與多家運(yùn)營商和服務(wù)商展開合作，例如與日本NTTDocomo簽署了業(yè)界最大的AI網(wǎng)絡(luò)優(yōu)化項(xiàng)目合同，為其提供基于AI的無線接入網(wǎng)優(yōu)化；為日本軟銀提供基于AI技術(shù)的無線接入網(wǎng)設(shè)計(jì)；支持印度最大運(yùn)營商BhartiAirtel構(gòu)建智能和預(yù)測(cè)性網(wǎng)絡(luò)運(yùn)營；與沃達(dá)豐合作將AI用于智能小區(qū)切換；與中國聯(lián)通合作共建移動(dòng)網(wǎng)絡(luò)人工智能應(yīng)用聯(lián)合實(shí)驗(yàn)室等。美國高通推出了在智能手機(jī)、汽車等終端側(cè)上應(yīng)用AI更快速高效的AI引擎，通過將AI和5G結(jié)合,利用5G的高容量、低時(shí)延和高可靠性的特性來支持終端實(shí)現(xiàn)感知、推理和行動(dòng)。思科在2019年6月發(fā)布了一系列軟件增強(qiáng)功能，旨在將人工智能和機(jī)器學(xué)習(xí)更深地融入網(wǎng)絡(luò),并提出了基于AI、數(shù)據(jù)中心和云在內(nèi)的基于意圖的網(wǎng)絡(luò)(IntentBasedNetwork,IBN)等。-4-AIIA（三）

電信行業(yè)人工智能應(yīng)用白皮書電信網(wǎng)絡(luò)智能化標(biāo)準(zhǔn)化工作得到積極開展與推進(jìn)從2017年起，國際國內(nèi)的標(biāo)準(zhǔn)組織和產(chǎn)業(yè)聯(lián)盟陸續(xù)成立了一系列網(wǎng)絡(luò)與AI技術(shù)融合相關(guān)的工作組和標(biāo)準(zhǔn)項(xiàng)目，除了中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟(AIIA)的電信項(xiàng)目組，還包括歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)(ETSI)體驗(yàn)網(wǎng)絡(luò)智能工作組(ENI)、國際電信聯(lián)盟電信(ITU-T)ML5G焦點(diǎn)組、ITU-T自治網(wǎng)絡(luò)（AutonomousNetworks,AN）焦點(diǎn)組、國際電信論壇(TMF)的自治網(wǎng)絡(luò)工作組，以及中國通信標(biāo)準(zhǔn)化協(xié)會(huì)（CCSA）各技術(shù)委員會(huì)、IMT-2020（5G）推進(jìn)組的5G與AI融合項(xiàng)目組、全球移動(dòng)通信系統(tǒng)協(xié)會(huì)（GSMA）的網(wǎng)絡(luò)人工智能（AIinNetwork）特別工作組；第三代合作伙伴計(jì)劃（3GPP）的“5G網(wǎng)絡(luò)自動(dòng)化的推動(dòng)因素研究(eNA)”、“自治網(wǎng)絡(luò)分級(jí)（ANL）”等項(xiàng)目、TD-LTE全球發(fā)展倡議組織（GTI）的5G網(wǎng)絡(luò)智能化項(xiàng)目等。各個(gè)組織的研究從點(diǎn)到面，從單域到跨域，結(jié)合概念驗(yàn)證項(xiàng)目和試點(diǎn)實(shí)踐，逐步形成人工智能在電信網(wǎng)絡(luò)及業(yè)務(wù)應(yīng)用等方面的共識(shí)。1.ETSIETSI十分重視AI技術(shù)在ICT領(lǐng)域的應(yīng)用，于2020年6月發(fā)布“AI及其用于ETSI的未來方向”白皮書。ETSI于2017年2月正式成立了體驗(yàn)網(wǎng)絡(luò)智能工作組（ExperientialNetworkedIntelligence，ENI），致力于研究如何在電信網(wǎng)絡(luò)中引入人工智能技術(shù)輔助實(shí)現(xiàn)智能化網(wǎng)絡(luò)運(yùn)維。經(jīng)過近4年的工作，ENI陸續(xù)發(fā)布了多個(gè)版本系列規(guī)范和報(bào)告，包括ENI用例、需求、術(shù)語、架構(gòu)、智能分級(jí)等，在研-5-AIIA

電信行業(yè)人工智能應(yīng)用白皮書和即將發(fā)布的還包括網(wǎng)絡(luò)AI智能分級(jí)評(píng)估方法、基于意圖感知的網(wǎng)絡(luò)自治、架構(gòu)映射、數(shù)據(jù)處理機(jī)制、隨流檢測(cè)技術(shù)等。與此同時(shí)，基于第一版ENI架構(gòu)，ENI啟動(dòng)了13項(xiàng)面向智能切片、流量分類、智能緩存、網(wǎng)絡(luò)和數(shù)據(jù)中心節(jié)能、承載網(wǎng)優(yōu)化、mMIMO優(yōu)化等特定用例的概念驗(yàn)證項(xiàng)目，初步驗(yàn)證了將AI用于網(wǎng)絡(luò)運(yùn)維的可行性及參考方案。ETSI于2017年成立零接觸網(wǎng)絡(luò)和服務(wù)管理行業(yè)規(guī)范組（IndustrySpecificationGroup-ZeroTouchNetworkandServiceManagement，ISGZSM）。ZSM工作組偏重?zé)o線和核心網(wǎng)，其標(biāo)準(zhǔn)化目標(biāo)是端到端網(wǎng)絡(luò)及服務(wù)進(jìn)行自動(dòng)化管理（如交付、部署、配置、維護(hù)和優(yōu)化），在理想情況下實(shí)現(xiàn)100%自動(dòng)執(zhí)行從交付到部署業(yè)務(wù)的流程和任務(wù)，但其所提出的架構(gòu)并沒有強(qiáng)調(diào)AI能力。目前該小組的輸出成果包括ZSM的應(yīng)用案例、需求、端到端切片技術(shù)和閉環(huán)控制實(shí)現(xiàn)等。2.ITU-TITU-TFG-ML5G（面向5G等未來網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)焦點(diǎn)組）于2017年11月成立，主要目標(biāo)是研究輸出未來網(wǎng)絡(luò)中應(yīng)用機(jī)器學(xué)習(xí)技術(shù)的技術(shù)報(bào)告，包括網(wǎng)絡(luò)架構(gòu)，接口，協(xié)議，算法和數(shù)據(jù)格式。在FG-ML5G完成了2年的研究后，成果輸入到其所屬研究組ITU-TSG13進(jìn)一步定義了Y.317x系列標(biāo)準(zhǔn)建議，規(guī)定了如何在網(wǎng)絡(luò)中應(yīng)用機(jī)器學(xué)習(xí)技術(shù)，ITU-TML5G焦點(diǎn)組的相關(guān)工作已于2020年7月完結(jié)并關(guān)閉。2020年，ITU與AIIA共同主辦人工智能大賽暨ITUAI/MLin5G挑戰(zhàn)賽，-6-AIIA

電信行業(yè)人工智能應(yīng)用白皮書來創(chuàng)新和解決5G中的相關(guān)問題，包括網(wǎng)絡(luò)拓?fù)鋬?yōu)化、基站退服告警預(yù)測(cè)、移動(dòng)通信網(wǎng)基站小區(qū)節(jié)能預(yù)測(cè)、核心網(wǎng)KPI指標(biāo)異常檢測(cè)等。ITU-TFG-AN（面向自治網(wǎng)絡(luò)的焦點(diǎn)組）于2020年12月SG13全會(huì)審議通過成立，主要目標(biāo)是提供一個(gè)開放平臺(tái)來執(zhí)行與“自治網(wǎng)絡(luò)”相關(guān)的標(biāo)準(zhǔn)研制的前期活動(dòng)，輸出研究報(bào)告等。該焦點(diǎn)組的啟動(dòng)會(huì)議已于2021年2月召開。3.TMFTMF是最早認(rèn)識(shí)到自治網(wǎng)絡(luò)在數(shù)字轉(zhuǎn)換業(yè)務(wù)方面的強(qiáng)大價(jià)值的組織之一。2019年TMF開展“自治網(wǎng)絡(luò)項(xiàng)目”，并先后發(fā)布了自治網(wǎng)絡(luò)系列白皮書，闡述了TMF對(duì)自治網(wǎng)絡(luò)用例、愿景與路線圖、業(yè)務(wù)需求和技術(shù)架構(gòu)等方面的研究內(nèi)容。針對(duì)其中一些用例，TMF成立了催化劑項(xiàng)目Catalysts，分階段證明了這些用例的可行性。同時(shí)，TMF還面向自治網(wǎng)絡(luò)開發(fā)了開放API，并正在與ETSI等其他標(biāo)準(zhǔn)組織合作，研討如何進(jìn)一步根據(jù)ETSI相關(guān)標(biāo)準(zhǔn)規(guī)范實(shí)現(xiàn)API開發(fā)和使用。4.CCSACCSA下設(shè)的多個(gè)技術(shù)委員會(huì)和標(biāo)準(zhǔn)推進(jìn)組都陸續(xù)開展了網(wǎng)絡(luò)應(yīng)用人工智能的行業(yè)標(biāo)準(zhǔn)和研究項(xiàng)目。CCSATC1主要研究面向互聯(lián)網(wǎng)基礎(chǔ)設(shè)施和應(yīng)用的智能化分級(jí)、IPRAN網(wǎng)絡(luò)故障溯源以及行業(yè)應(yīng)用等。CCSATC3主要研究制定核心網(wǎng)智能化切片應(yīng)用、基于人工智能的網(wǎng)絡(luò)業(yè)務(wù)量預(yù)測(cè)及應(yīng)用場(chǎng)景研究、面向SDN的智能型通信網(wǎng)絡(luò)架構(gòu)的意圖網(wǎng)絡(luò)等方面標(biāo)準(zhǔn)。CCSATC5目前主要關(guān)注5G核心網(wǎng)智能切片的應(yīng)用研究、5G基站智慧節(jié)能技術(shù)研究、人工智能和大數(shù)據(jù)在無線通-7-AIIA

電信行業(yè)人工智能應(yīng)用白皮書信中的應(yīng)用研究等。CCSATC7目前主要關(guān)注網(wǎng)絡(luò)管理與維護(hù)、電信運(yùn)營支撐系統(tǒng)相關(guān)領(lǐng)域，其中TC7WG1正在開展“移動(dòng)通信網(wǎng)絡(luò)管理與運(yùn)營智慧化水平等級(jí)技術(shù)要求”等相關(guān)標(biāo)準(zhǔn)項(xiàng)目和無線網(wǎng)絡(luò)管控智能化增強(qiáng)研究項(xiàng)目。CCSASP1NFV特設(shè)標(biāo)準(zhǔn)項(xiàng)目組研究制定了NFV智能化部署和智能編排相關(guān)的標(biāo)準(zhǔn)。5.IMT-2020(5G)推進(jìn)組我國IMT-2020(5G)推進(jìn)組于2020年初成立了5G與AI融合研究任務(wù)組，目標(biāo)是通過系統(tǒng)性研究推進(jìn)5G與AI融合發(fā)展。任務(wù)組組織面向5G與AI深度融合的相關(guān)理論和需求方向進(jìn)行研究，協(xié)調(diào)推進(jìn)3GPP等國際標(biāo)準(zhǔn)化工作，加速5G引入AI技術(shù)，加大5G支持AI的力度，支撐5G網(wǎng)絡(luò)與應(yīng)用發(fā)展更加智能、高效和協(xié)同。目前，任務(wù)組已開展了支持AI的無線及核心網(wǎng)架構(gòu)、基于AI的MIMO技術(shù)、基于AI的覆蓋和容量優(yōu)化、基于AI的移動(dòng)性管理、AI應(yīng)用在5G網(wǎng)絡(luò)中傳輸?shù)臉I(yè)務(wù)特性和需求等10余項(xiàng)面向5G端到端網(wǎng)絡(luò)的5G+AI研究項(xiàng)目。6.3GPP3GPP非常重視網(wǎng)絡(luò)發(fā)展與人工智能技術(shù)的融合。3GPPSAWG2工作組在2017年5月第121次會(huì)上完成5G網(wǎng)絡(luò)智能化的研究項(xiàng)目“5G網(wǎng)絡(luò)自動(dòng)化的推動(dòng)因素研究（Study

ofEnablersforNetworkAutomationfor5G,eNA）”的正式立項(xiàng)。該項(xiàng)目將網(wǎng)絡(luò)數(shù)據(jù)分析功能（NetworkDataAnalyticsFunction，NWDAF）引入5G網(wǎng)絡(luò)，通過對(duì)網(wǎng)絡(luò)數(shù)據(jù)的收集和分析，生成分析結(jié)果，然后利用分析結(jié)果-8-AIIA

電信行業(yè)人工智能應(yīng)用白皮書進(jìn)行網(wǎng)絡(luò)優(yōu)化，包括定制化的移動(dòng)性管理、5G服務(wù)質(zhì)量（QualityofService，QoS）增強(qiáng)、動(dòng)態(tài)流量疏導(dǎo)和分流、用戶平面功能（UPF）選擇、基于UE業(yè)務(wù)用途的流量策略路由、業(yè)務(wù)分類等。3GPPSAWG5在2018年9月的第81次會(huì)上通過了“意圖驅(qū)動(dòng)的移動(dòng)網(wǎng)絡(luò)管理服務(wù)(IDMS_MN)”，在該項(xiàng)目的輸出TR28.812中明確了意圖驅(qū)動(dòng)的網(wǎng)絡(luò)管理服務(wù)的概念、自動(dòng)化機(jī)制、應(yīng)用場(chǎng)景以及描述意圖的機(jī)制等。在2020年6月召開的第131e次會(huì)議上，3GPPSAWG5成立“自治網(wǎng)絡(luò)分級(jí)（AutonomousNetworkLevels,ANL）”標(biāo)準(zhǔn)項(xiàng)目，旨在3GPP框架內(nèi)，基于網(wǎng)絡(luò)“規(guī)-建-維-優(yōu)”四大類典型場(chǎng)景，規(guī)范自治網(wǎng)絡(luò)的工作流程、管理要求和分級(jí)方法，明確不同網(wǎng)絡(luò)自治能力標(biāo)準(zhǔn)對(duì)3GPP現(xiàn)有功能特性的增強(qiáng)技術(shù)要求，牽引網(wǎng)絡(luò)智能化相關(guān)標(biāo)準(zhǔn)工作。7.GSMAGSMA于2019年6月成立AIinNetwork特別工作組，并于2019年10月發(fā)布《智能自治網(wǎng)絡(luò)案例報(bào)告》白皮書。白皮書匯集了人工智能在移動(dòng)通信網(wǎng)絡(luò)應(yīng)用中的七大標(biāo)桿案例，包括網(wǎng)絡(luò)站點(diǎn)部署自動(dòng)化、MassiveMIMO參數(shù)智能優(yōu)化、智能報(bào)警壓縮及原因分析、智能網(wǎng)絡(luò)切片管理、智能節(jié)能、垃圾短信智能分析與優(yōu)化、智能投訴處理。除此之外，GSMA還積極舉辦全球AI競賽，吸引更多研究者與運(yùn)營商、設(shè)備商投入到網(wǎng)絡(luò)AI的研究與實(shí)踐中。8.GTIGTI于2020年初發(fā)起成立了5G網(wǎng)絡(luò)智能化項(xiàng)目，下設(shè)INL（智-9-AIIA

電信行業(yè)人工智能應(yīng)用白皮書能化網(wǎng)絡(luò)分級(jí)）、INA（智能化網(wǎng)絡(luò)架構(gòu)）、INE（智能化網(wǎng)元）、INM（智能化網(wǎng)管）共4個(gè)任務(wù)組，并于11月發(fā)布了《5G智能化網(wǎng)絡(luò)白皮書v1.0》，內(nèi)容包括5G網(wǎng)絡(luò)智能化的標(biāo)準(zhǔn)現(xiàn)狀、典型應(yīng)用案例、分級(jí)評(píng)估、網(wǎng)絡(luò)架構(gòu)、網(wǎng)元和網(wǎng)管功能要求等。后續(xù)，GTI將繼續(xù)積極探索、研究，面向應(yīng)用功能落地和產(chǎn)業(yè)推進(jìn)開展相關(guān)工作。二、人工智能在電信行業(yè)中的發(fā)展應(yīng)用現(xiàn)狀（一）

人工智能在電信行業(yè)應(yīng)用概述圖1：電信行業(yè)人工智能應(yīng)用概述人工智能在電信行業(yè)有潛力賦能移動(dòng)網(wǎng)絡(luò)和固定網(wǎng)絡(luò)的規(guī)-建-維-優(yōu)的各個(gè)環(huán)節(jié)、在接入網(wǎng)、傳輸網(wǎng)和核心網(wǎng)等各個(gè)層級(jí)得到應(yīng)用。同時(shí)，在滿足用戶業(yè)務(wù)需求方面，人工智能技術(shù)促使電信行業(yè)不斷優(yōu)化當(dāng)前的服務(wù)效果和性能，并在垂直領(lǐng)域打造智能化解決方案。根據(jù)人工智能在電信網(wǎng)絡(luò)中應(yīng)用的能力維度，將其分為智能配置、-10-AIIA

電信行業(yè)人工智能應(yīng)用白皮書智能運(yùn)維、智能管控、智能優(yōu)化和業(yè)務(wù)應(yīng)用等，如圖1所示。-智能配置：隨著電信網(wǎng)絡(luò)越來越復(fù)雜，網(wǎng)絡(luò)的設(shè)計(jì)與配置過程需要大量的人工成本和專家經(jīng)驗(yàn)，利用人工智能技術(shù)結(jié)合網(wǎng)絡(luò)歷史數(shù)據(jù)、將專家經(jīng)驗(yàn)數(shù)字知識(shí)化，通過對(duì)網(wǎng)絡(luò)性能進(jìn)行預(yù)測(cè)和自動(dòng)化操作配置，有望實(shí)現(xiàn)移動(dòng)站點(diǎn)智能規(guī)劃、基站業(yè)務(wù)快速開通、智能路徑規(guī)劃和光傳送網(wǎng)自動(dòng)化部署等應(yīng)用。-智能運(yùn)維：作為目前人工智能應(yīng)用于電信行業(yè)后落地實(shí)踐最大的應(yīng)用類型之一，利用人工智能技術(shù)為網(wǎng)絡(luò)提供運(yùn)維故障根因定位、網(wǎng)絡(luò)健康度分析及預(yù)測(cè)、網(wǎng)絡(luò)自愈合等能力，實(shí)現(xiàn)物聯(lián)網(wǎng)端到端質(zhì)差識(shí)別與定位、無線網(wǎng)絡(luò)異常小區(qū)發(fā)現(xiàn)、IPRAN故障分析定位等應(yīng)用，可以有效減輕運(yùn)維人員負(fù)荷、提升運(yùn)維故障處理效率，不斷促使網(wǎng)絡(luò)運(yùn)營和運(yùn)維模式發(fā)生根本性變革。-智能管控：利用人工智能技術(shù)基于網(wǎng)絡(luò)歷史數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，動(dòng)態(tài)且自適應(yīng)地的對(duì)網(wǎng)絡(luò)進(jìn)行資源管理和參數(shù)調(diào)整，可以實(shí)現(xiàn)的典型應(yīng)用場(chǎng)景包括智能頻譜管理、智能切片管理、智能負(fù)載均衡、智能緩存管理、智能路由、自適應(yīng)傳輸功率控制與傳輸質(zhì)量管理等。-智能優(yōu)化：在現(xiàn)有電信網(wǎng)絡(luò)中，為了保障網(wǎng)絡(luò)的全覆蓋及網(wǎng)絡(luò)資源的合理分配，運(yùn)營商在網(wǎng)絡(luò)優(yōu)化工作中投入了大量的人力物力。在網(wǎng)絡(luò)日趨復(fù)雜和業(yè)務(wù)多樣化的趨勢(shì)下，基于人-11-AIIA

電信行業(yè)人工智能應(yīng)用白皮書工智能技術(shù)可以實(shí)現(xiàn)網(wǎng)絡(luò)的主動(dòng)優(yōu)化和全局優(yōu)化，主要應(yīng)用包括于移動(dòng)性管理增強(qiáng)、智能基站節(jié)能、無線網(wǎng)策略參數(shù)智能優(yōu)化、智能路徑優(yōu)化等。-業(yè)務(wù)應(yīng)用：依托于人工智能的語音識(shí)別、自然語言處理、人臉識(shí)別、知識(shí)工程等技術(shù)，在業(yè)務(wù)服務(wù)與內(nèi)容提供方面，可以在電信行業(yè)實(shí)現(xiàn)CDN智能調(diào)度、網(wǎng)絡(luò)滿足度智能提升、智能內(nèi)容推薦、智能客服與語音交互等應(yīng)用。（二）

人工智能在電信網(wǎng)絡(luò)與業(yè)務(wù)中的應(yīng)用現(xiàn)狀分析1.大“時(shí)間”、“數(shù)據(jù)”顆粒度應(yīng)用率先落地商用從電信網(wǎng)絡(luò)智能化應(yīng)用展開所需時(shí)間顆粒度和對(duì)應(yīng)數(shù)據(jù)顆粒度,可將應(yīng)用分為以下三大類。第一類主要面向小時(shí)/天/月為時(shí)間單位的管理面優(yōu)化，一般所需的數(shù)據(jù)為整網(wǎng)運(yùn)維和性能數(shù)據(jù)。此類應(yīng)用主要面向網(wǎng)絡(luò)的“規(guī)-建-維-優(yōu)”，具體包含如智能基站節(jié)能、無線網(wǎng)絡(luò)異常小區(qū)發(fā)現(xiàn)、網(wǎng)絡(luò)故障定位與根因分析、KPI異常檢測(cè)等。第二類相比于第一類所需的數(shù)據(jù)顆粒度和時(shí)間顆粒度更細(xì)，一般是秒級(jí)到分鐘級(jí)別的智能決策，主要是面向解決子網(wǎng)級(jí)別和用戶級(jí)別的控制面優(yōu)化問題，包含的典型應(yīng)用場(chǎng)景為智能負(fù)載均衡、移動(dòng)性管理增強(qiáng)、智能路由管理、QoS/QoE優(yōu)化等。第三類應(yīng)用與業(yè)務(wù)更加實(shí)時(shí)，一般為秒以下甚至毫秒級(jí)別，所需的數(shù)據(jù)為網(wǎng)元/用戶的實(shí)時(shí)數(shù)據(jù)，可以用來實(shí)現(xiàn)實(shí)時(shí)的鏈路自適應(yīng)、智能MIMO控制、頻譜感知與多用戶調(diào)度等。-12-AIIA

電信行業(yè)人工智能應(yīng)用白皮書在這3類應(yīng)用場(chǎng)景中，第一類目前由于數(shù)據(jù)主要基于現(xiàn)有網(wǎng)絡(luò)運(yùn)維(O域)、管理域(M域)及業(yè)務(wù)域(B域)數(shù)據(jù)，行業(yè)內(nèi)已出現(xiàn)較成熟的數(shù)據(jù)共享平臺(tái)，且最后智能決策運(yùn)行環(huán)境一般依托于集中的數(shù)據(jù)分析或網(wǎng)絡(luò)運(yùn)營維護(hù)平臺(tái)。此類應(yīng)用對(duì)傳統(tǒng)網(wǎng)絡(luò)通信設(shè)備的影響較少,目前的研究相對(duì)成熟，部分網(wǎng)絡(luò)智能化應(yīng)用已經(jīng)進(jìn)入商業(yè)應(yīng)用階段,且已經(jīng)在現(xiàn)網(wǎng)中提供服務(wù)；第二類應(yīng)用和第三類應(yīng)用由于受限于數(shù)據(jù)的時(shí)間顆粒度更細(xì)，數(shù)據(jù)獲取難度大且AI智能決策實(shí)體與網(wǎng)絡(luò)設(shè)備耦合度較高,無線控制對(duì)實(shí)時(shí)性、準(zhǔn)確度和魯棒性的要求也更高,目前第二類應(yīng)用主要處于測(cè)試驗(yàn)證階段，有部分應(yīng)用已經(jīng)在進(jìn)行實(shí)驗(yàn)室及現(xiàn)網(wǎng)的試點(diǎn)測(cè)試；第三類應(yīng)用則多處于理論研究階段,距離現(xiàn)網(wǎng)試點(diǎn)和商用還有一段距離。2.感知預(yù)測(cè)類應(yīng)用率先落地，決策控制類應(yīng)用尚待突破目前電信網(wǎng)絡(luò)智能化逐步落地的應(yīng)用集中在感知預(yù)測(cè)類，通過數(shù)據(jù)中心對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行收集和分析，輸出結(jié)果為運(yùn)維人員提供網(wǎng)絡(luò)運(yùn)維和管理參考。典型的落地應(yīng)用包括KPI異常檢測(cè)、故障預(yù)測(cè)、故障根因分析與定位、光網(wǎng)絡(luò)健康度分析及預(yù)測(cè)、家寬業(yè)務(wù)識(shí)別與內(nèi)容智能推薦等。AI算法輸出結(jié)果一般為人所用，不直接影響網(wǎng)絡(luò)執(zhí)行、網(wǎng)元功能和網(wǎng)絡(luò)控制面，而網(wǎng)絡(luò)內(nèi)生自治化能力較弱。決策控制類目前典型的落地應(yīng)用主要集中在網(wǎng)絡(luò)的B域與O域，包括DC智能巡檢、業(yè)務(wù)智能熱遷移與設(shè)備節(jié)能等，而直接影響網(wǎng)絡(luò)運(yùn)營的應(yīng)用尚處于試點(diǎn)或研究節(jié)點(diǎn)，例如智能基站節(jié)能、智能M-MIMO、智能負(fù)載均衡、大規(guī)模天線智能控制等。在這類應(yīng)用中，AI智能決策-13-AIIA

電信行業(yè)人工智能應(yīng)用白皮書實(shí)體需要與網(wǎng)絡(luò)設(shè)備進(jìn)行耦合，AI決策與控制結(jié)果對(duì)實(shí)時(shí)性、準(zhǔn)確度、魯棒性要求較高，網(wǎng)絡(luò)內(nèi)生自治化能力提升，但網(wǎng)絡(luò)架構(gòu)也需要一定的演進(jìn)與變革。3.網(wǎng)絡(luò)運(yùn)維嵌入AI技術(shù)，展現(xiàn)良好運(yùn)維效果當(dāng)前的電信網(wǎng)絡(luò)2G、3G、4G、5G共存形成“四世同堂”的疊加網(wǎng)，其差異化的業(yè)務(wù)保障需求，對(duì)運(yùn)維工具、運(yùn)維流程、運(yùn)維能力提出新要求，對(duì)傳統(tǒng)運(yùn)維模式提出挑戰(zhàn)。于此同時(shí)，電信業(yè)OPEX隨著網(wǎng)絡(luò)規(guī)模增加而逐年增加的產(chǎn)業(yè)結(jié)構(gòu)化矛盾亟待解決。網(wǎng)絡(luò)AI特性開發(fā)業(yè)務(wù)活動(dòng)中，對(duì)很多運(yùn)維場(chǎng)景有共性需求，比如異常檢測(cè)、故障定位、故障預(yù)防預(yù)測(cè)等。以KPI異常檢測(cè)為例，運(yùn)營商網(wǎng)絡(luò)中存在海量KPI，例如路由器有70000+KPI，其中丟包和統(tǒng)計(jì)類有4000+KPI，運(yùn)營商和企業(yè)客戶對(duì)于KPI實(shí)時(shí)監(jiān)控，快速定位故障有共性需求。利用AI技術(shù)，有望打通網(wǎng)絡(luò)運(yùn)維過程中從故障預(yù)警、告警聚合與根因分析、故障定位與自愈等全棧流程，從而減輕運(yùn)維人力成本，提高網(wǎng)絡(luò)運(yùn)維效率。目前國內(nèi)各大運(yùn)營商的網(wǎng)絡(luò)運(yùn)維中臺(tái)已經(jīng)嵌入AI技術(shù)，通過提供運(yùn)維故障根因定位、精準(zhǔn)診斷、自動(dòng)愈合等能力，減輕運(yùn)維人員負(fù)荷、提升運(yùn)維故障處理效率，不斷促使網(wǎng)絡(luò)運(yùn)營和運(yùn)維模式發(fā)生根本性變革。目前，智能運(yùn)維方面已經(jīng)出現(xiàn)的應(yīng)用落地示范包括：-智能排障：故障自動(dòng)識(shí)別、快速根因分析、故障自動(dòng)修復(fù)；-智能預(yù)警：網(wǎng)絡(luò)故障預(yù)測(cè)、物聯(lián)網(wǎng)端到端質(zhì)差識(shí)別與定位定段、智能異常預(yù)警；-14-AIIA

電信行業(yè)人工智能應(yīng)用白皮書-智能巡檢：網(wǎng)絡(luò)巡檢智能、機(jī)房巡檢智能化、值班巡檢智能化；-智能監(jiān)測(cè)：運(yùn)維知識(shí)圖譜、智能小區(qū)監(jiān)測(cè)、運(yùn)維數(shù)據(jù)可視化。（三）

當(dāng)前網(wǎng)絡(luò)智能化能力等級(jí)已達(dá)2-3級(jí)ITU、3GPP、ETSI、GSMA、TMForum、GTI與CCSA等聯(lián)盟與標(biāo)準(zhǔn)化組織此前均已展開對(duì)電信網(wǎng)絡(luò)智能化能力分級(jí)相關(guān)的研究工作。結(jié)合電信網(wǎng)絡(luò)智能化需求及特點(diǎn),可以從網(wǎng)絡(luò)智能化的通用實(shí)現(xiàn)過程中抽象出具備廣泛適用性的智能化能力分級(jí)的6個(gè)等級(jí)來進(jìn)行評(píng)估，如表1所示。表1：電信網(wǎng)絡(luò)智能化能力分級(jí)評(píng)估方法分級(jí)評(píng)估維度等級(jí)/名稱

關(guān)鍵特征

執(zhí)行

感知

分析

決策

需求映射

智能化場(chǎng)景L0L1L2L3L4

人工運(yùn)營網(wǎng)絡(luò)輔助運(yùn)營網(wǎng)絡(luò)初級(jí)智能化網(wǎng)絡(luò)中級(jí)智能化網(wǎng)絡(luò)高級(jí)智能化網(wǎng)絡(luò)

全人工操作工具輔助數(shù)據(jù)采集人工分析決策部分場(chǎng)景基于靜態(tài)策略自動(dòng)分析人工決策特定場(chǎng)景實(shí)現(xiàn)動(dòng)態(tài)策略自動(dòng)分析預(yù)先設(shè)計(jì)場(chǎng)景系統(tǒng)輔助人工決策系統(tǒng)實(shí)現(xiàn)動(dòng)態(tài)策略完整閉環(huán)預(yù)先設(shè)計(jì)場(chǎng)景系統(tǒng)自動(dòng)完成需求

人工系統(tǒng)為主系統(tǒng)系統(tǒng)系統(tǒng)

人工人工和系統(tǒng)系統(tǒng)為主系統(tǒng)系統(tǒng)

人工人工人工和系統(tǒng)系統(tǒng)為主系統(tǒng)

人工人工人工人工和系統(tǒng)系統(tǒng)為主

人工人工人工人工人工和系統(tǒng)

無部分場(chǎng)景部分場(chǎng)景部分場(chǎng)景部分場(chǎng)景-15-AIIA

電信行業(yè)人工智能應(yīng)用白皮書分級(jí)評(píng)估維度等級(jí)/名稱

關(guān)鍵特征

執(zhí)行

感知

分析

決策

需求映射

智能化場(chǎng)景映射全部場(chǎng)景系統(tǒng)完L5

完全智能化網(wǎng)絡(luò)

成全部閉環(huán)系統(tǒng)自動(dòng)完成需

系統(tǒng)

系統(tǒng)

系統(tǒng)

系統(tǒng)

系統(tǒng)

全場(chǎng)景求映射備注說明

所有等級(jí)的決策執(zhí)行都支持人工介入執(zhí)行過程，人工審核結(jié)論及執(zhí)行指令具有最高權(quán)限；‐L0級(jí)別：從需求映射、數(shù)據(jù)感知、分析、決策到執(zhí)行的網(wǎng)絡(luò)運(yùn)營全流程均通過人工操作方式完成，沒有任何場(chǎng)景實(shí)現(xiàn)智能化。‐L1級(jí)別：執(zhí)行過程基本由系統(tǒng)自動(dòng)完成，少數(shù)場(chǎng)景需要人工參與；在預(yù)先設(shè)計(jì)的部分場(chǎng)景下依據(jù)人工定義的規(guī)則由工具輔助自動(dòng)完成數(shù)據(jù)收集和監(jiān)測(cè)過程；分析、決策和需求映射全部由人工完成；整體來看僅在少數(shù)場(chǎng)景通過工具實(shí)現(xiàn)輔助數(shù)據(jù)感知和執(zhí)行流程的智能化，不支持完整流程的智能化閉環(huán)。‐L2級(jí)別：執(zhí)行過程全部由系統(tǒng)自動(dòng)完成；大部分場(chǎng)景下系統(tǒng)依據(jù)人工定義的規(guī)則自動(dòng)收集和監(jiān)測(cè)數(shù)據(jù)；在預(yù)先設(shè)計(jì)的部分場(chǎng)景下系統(tǒng)根據(jù)靜態(tài)策略/模型完成自動(dòng)分析過程；人工完成其他過程。整體來看部分場(chǎng)景下可實(shí)現(xiàn)從數(shù)據(jù)感知、分析和執(zhí)行的智能化，決策和需求映射任依賴人工，不支持完整流程的智能化閉環(huán)。-16-AIIA

電信行業(yè)人工智能應(yīng)用白皮書‐L3級(jí)別：執(zhí)行和數(shù)據(jù)感知過程全部由系統(tǒng)自動(dòng)完成，其中部分場(chǎng)景下系統(tǒng)自定義數(shù)據(jù)收集規(guī)則；大部分場(chǎng)景下系統(tǒng)自動(dòng)完成分析過程，其中特定場(chǎng)景下分析策略/模型由系統(tǒng)自動(dòng)迭代更新，形成動(dòng)態(tài)策略；在預(yù)先設(shè)計(jì)的場(chǎng)景下系統(tǒng)可輔助人工自動(dòng)完成決策過程；人工完成其他過程。整體來看部分場(chǎng)景下除了需求映射任依賴人工外，其他流程可實(shí)現(xiàn)智能化，系統(tǒng)在人工輔助下接近形成完整流程的智能化閉環(huán)。‐L4級(jí)別：執(zhí)行、數(shù)據(jù)感知和分析過程全部由系統(tǒng)自動(dòng)完成，其中收集規(guī)則由系統(tǒng)自定義，分析策略/模型由系統(tǒng)自動(dòng)迭代更新，形成動(dòng)態(tài)策略；大部分場(chǎng)景下系統(tǒng)自動(dòng)完成決策過程；在預(yù)先設(shè)計(jì)的部分場(chǎng)景下系統(tǒng)可自動(dòng)完成需求映射。整體來看部分場(chǎng)景下，系統(tǒng)已形成完整流程的智能化閉環(huán)，部分場(chǎng)景僅需要人工參與需求映射并輔助決策。‐L5級(jí)別：在全部場(chǎng)景下，由系統(tǒng)完成需求映射、數(shù)據(jù)感知、分析、決策和執(zhí)行的完整流程的智能化閉環(huán)，實(shí)現(xiàn)全場(chǎng)景完全智能化?；诰W(wǎng)絡(luò)智能化能力分級(jí)的原則，根據(jù)前幾節(jié)對(duì)于人工智能在電信網(wǎng)絡(luò)中的發(fā)展態(tài)勢(shì)的分析，目前電信網(wǎng)絡(luò)智能化應(yīng)用能夠達(dá)到能力等級(jí)的2-3級(jí)。以智能網(wǎng)絡(luò)運(yùn)維應(yīng)用為例，目前電信網(wǎng)絡(luò)系統(tǒng)已經(jīng)能夠基于專家經(jīng)驗(yàn)總結(jié)生成的分析規(guī)則來輔助人工進(jìn)行告警根因分析，生成關(guān)聯(lián)規(guī)則并基于專家經(jīng)驗(yàn)給出故障處理方案建議；基于系統(tǒng)生成的關(guān)聯(lián)規(guī)則和故障處理方案建議，人工決策判斷告警根因-17-AIIA

電信行業(yè)人工智能應(yīng)用白皮書和故障處理方案，下發(fā)網(wǎng)絡(luò)配置操作指令或派發(fā)故障處理工單（2級(jí)），而對(duì)于特定的告警和故障類型，智能運(yùn)維系統(tǒng)可以自動(dòng)決策判斷告警根因和故障處理方案，并根據(jù)網(wǎng)絡(luò)拓?fù)浜推渌h(huán)境變化來自動(dòng)更新對(duì)應(yīng)規(guī)則（3級(jí)）。經(jīng)過以上分析總結(jié)，當(dāng)前電信網(wǎng)絡(luò)智能化應(yīng)用已達(dá)到2-3級(jí)智能能力等級(jí)，網(wǎng)絡(luò)的閉環(huán)執(zhí)行與內(nèi)生智能將成為未來的發(fā)展與演進(jìn)重點(diǎn)。三、人工智能在電信行業(yè)中的應(yīng)用實(shí)踐（一）

移動(dòng)網(wǎng)應(yīng)用實(shí)踐案例案例一：物聯(lián)網(wǎng)端到端質(zhì)差識(shí)別與定位定段隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，目前物聯(lián)網(wǎng)的業(yè)務(wù)類型與業(yè)務(wù)量與日俱增，物聯(lián)網(wǎng)業(yè)務(wù)呈現(xiàn)流程繁、規(guī)模大、環(huán)節(jié)多的特點(diǎn)，故障發(fā)現(xiàn)與定位困難的問題日益顯著，亟需在對(duì)物聯(lián)網(wǎng)客戶端到端的業(yè)務(wù)質(zhì)量進(jìn)行更有效的質(zhì)量監(jiān)控及故障定界定段。然而不同廠商的質(zhì)差評(píng)價(jià)標(biāo)準(zhǔn)存在相似性但也存在差異性，現(xiàn)階段需要對(duì)不同廠商不同型號(hào)終端建立質(zhì)差識(shí)別模塊，費(fèi)時(shí)費(fèi)力。物聯(lián)網(wǎng)業(yè)務(wù)涉及設(shè)備終端、物聯(lián)網(wǎng)平臺(tái)、無線小區(qū)網(wǎng)、地市本地網(wǎng)、省核心網(wǎng)等多個(gè)環(huán)節(jié)，采用人工智能技術(shù)、利用和關(guān)聯(lián)各環(huán)節(jié)業(yè)務(wù)數(shù)據(jù)，可以提供業(yè)務(wù)故障的快速診斷、定界定段能力，整體提升物聯(lián)網(wǎng)業(yè)務(wù)質(zhì)量。同時(shí)，通過搭建基于大數(shù)據(jù)的質(zhì)差量化感知指標(biāo)體系，基于現(xiàn)有的物聯(lián)網(wǎng)質(zhì)差評(píng)價(jià)方法，結(jié)合離線大數(shù)據(jù)分析手-18-AIIA

電信行業(yè)人工智能應(yīng)用白皮書段建立量化的質(zhì)差感知指標(biāo)體系，可以實(shí)現(xiàn)日常業(yè)務(wù)故障排查、潛在隱患預(yù)警。而不同企業(yè)的質(zhì)差評(píng)價(jià)標(biāo)準(zhǔn)存在差異性但也存在相似性或者相關(guān)性，因此可以基于關(guān)鍵指標(biāo)分布與遷移學(xué)習(xí)，建立企業(yè)特征庫，支撐終端升級(jí)、變更等業(yè)務(wù)場(chǎng)景。在中國電信的物聯(lián)網(wǎng)業(yè)務(wù)保障項(xiàng)目中，基于大數(shù)據(jù)聚合分析手段，通過建立分廠家的企業(yè)特征指紋庫，結(jié)合終端歷史行為構(gòu)造單用戶行為畫像，利用“標(biāo)準(zhǔn)值+偏移量”的方法搭建動(dòng)態(tài)的質(zhì)差感知體系，適配多種復(fù)雜情況，目前已經(jīng)完成多場(chǎng)景多廠家的終端質(zhì)差識(shí)別，上線推廣應(yīng)用可得到較高的準(zhǔn)確率。案例二：智能基站節(jié)能傳統(tǒng)網(wǎng)絡(luò)能耗居高不下、能耗不均衡造成浪費(fèi)，隨著5G的到來，5G基站耗能更大，如何制定基站節(jié)能策略、定制自動(dòng)化節(jié)能方案、提高能源效率已經(jīng)成為構(gòu)建全網(wǎng)覆蓋的基站智慧節(jié)能核心能力。結(jié)合B（業(yè)務(wù)）-O（運(yùn)營）域關(guān)聯(lián)、測(cè)量報(bào)告覆蓋分析來，利用時(shí)序預(yù)測(cè)等AI技術(shù)，能夠更精準(zhǔn)的預(yù)測(cè)基站業(yè)務(wù)量，結(jié)合客戶感知分析，制定節(jié)能策略。在5G基站方面，對(duì)5G基站和數(shù)據(jù)中心服務(wù)器進(jìn)行適時(shí)的休眠和喚醒操作，實(shí)現(xiàn)動(dòng)態(tài)節(jié)能。通過構(gòu)建基站節(jié)能分析引擎、節(jié)能智慧決策引擎及相關(guān)模型算法完成從4G節(jié)能分析建議手動(dòng)執(zhí)行到4G節(jié)能分級(jí)策略半自動(dòng)實(shí)施再到4/5G協(xié)同的自動(dòng)節(jié)能。利用時(shí)序預(yù)測(cè)等AI技術(shù)，結(jié)合客戶感知分析，能夠更精準(zhǔn)的預(yù)-19-AIIA

電信行業(yè)人工智能應(yīng)用白皮書測(cè)基站業(yè)務(wù)量，制定節(jié)能策略。在5G基站方面，對(duì)5G基站和數(shù)據(jù)中心服務(wù)器進(jìn)行適時(shí)的休眠和喚醒操作，實(shí)現(xiàn)動(dòng)態(tài)節(jié)能。通過構(gòu)建基站節(jié)能分析引擎、節(jié)能智慧決策引擎及相關(guān)模型算法完成從4G節(jié)能分析建議手動(dòng)執(zhí)行到4G節(jié)能分級(jí)策略半自動(dòng)實(shí)施再到4G/5G協(xié)同的自動(dòng)節(jié)能?，F(xiàn)網(wǎng)當(dāng)前已經(jīng)出現(xiàn)利用機(jī)器學(xué)習(xí)、時(shí)間序列預(yù)測(cè)等人工智能模型構(gòu)建基站節(jié)能分析引擎，實(shí)現(xiàn)多種節(jié)能場(chǎng)景分析、節(jié)能時(shí)段尋底、多維場(chǎng)景識(shí)別、多層覆蓋分析、時(shí)空智能預(yù)測(cè)、B（業(yè)務(wù)）-O（運(yùn)營）關(guān)聯(lián)分析；利用深度學(xué)習(xí)、自動(dòng)機(jī)器學(xué)習(xí)等人工智能模型構(gòu)建的節(jié)能智能決策引擎，來實(shí)現(xiàn)智能分級(jí)決策、參數(shù)自動(dòng)尋優(yōu)、業(yè)務(wù)感知分析、智能剎車/喚醒。通過構(gòu)建基站節(jié)能分析引擎和節(jié)能智慧決策引擎，中國電信已經(jīng)構(gòu)建4G基站智慧節(jié)能系統(tǒng)，并完成節(jié)能系統(tǒng)迭代優(yōu)化，操作維護(hù)中心（OMC）節(jié)能打通，省級(jí)自動(dòng)節(jié)能策略試點(diǎn)優(yōu)化，支持二階段的半自動(dòng)節(jié)能；初步建立集團(tuán)-省基站節(jié)能體系和閉環(huán)流程，對(duì)3個(gè)以上省提供節(jié)能分析推薦建議，實(shí)現(xiàn)4G自動(dòng)節(jié)能策略試點(diǎn)，場(chǎng)景節(jié)能策略日綜合節(jié)能效率提升顯著。案例三：無線網(wǎng)絡(luò)異常小區(qū)發(fā)現(xiàn)對(duì)于無線網(wǎng)絡(luò)異常小區(qū)發(fā)現(xiàn)，傳統(tǒng)技術(shù)方法是通過省地市業(yè)務(wù)專家人工排查核對(duì)，發(fā)現(xiàn)小區(qū)是否存在異常、存在什么樣異常以及如何解決異常。然而隨著5G網(wǎng)絡(luò)小區(qū)數(shù)目的增大、KPI參數(shù)量的大量增加，采用人工經(jīng)驗(yàn)的方法難以精準(zhǔn)對(duì)比與判斷不同時(shí)間維度、空間維度下小區(qū)的異常情況。同時(shí)，利用人工經(jīng)驗(yàn)和傳統(tǒng)方法難以根-20-AIIA

電信行業(yè)人工智能應(yīng)用白皮書據(jù)KPI指標(biāo)來自動(dòng)發(fā)現(xiàn)小區(qū)異常波動(dòng)并識(shí)別哪些KPI指標(biāo)是引起小區(qū)異常的關(guān)鍵。人工智能與大數(shù)據(jù)分析方法，例如通過統(tǒng)計(jì)學(xué)的Z-score建立動(dòng)態(tài)閾值法自動(dòng)監(jiān)測(cè)異常波動(dòng)時(shí)間點(diǎn)，對(duì)關(guān)鍵KPI指標(biāo)的巨大波動(dòng)進(jìn)行快速響應(yīng)。同時(shí)基于NLP和知識(shí)圖譜可以建立無線網(wǎng)領(lǐng)域的小區(qū)異常專家知識(shí)庫，對(duì)異常小區(qū)的清單派發(fā)業(yè)務(wù)進(jìn)行智能推薦，以節(jié)約地市專家人工判斷小區(qū)異常類別、異常原因和處理辦法的時(shí)間成本。由中國電信主導(dǎo)的海牛——基于運(yùn)維大數(shù)據(jù)的智能精準(zhǔn)預(yù)孵化器項(xiàng)目中，從2018年開始利用人工智能算法嘗試替代專家人工識(shí)別，實(shí)現(xiàn)關(guān)鍵KPI指標(biāo)無監(jiān)督算法異常診斷、單指標(biāo)有監(jiān)督算法異常診斷，到目前已經(jīng)實(shí)現(xiàn)基于多指標(biāo)無監(jiān)督算法的小區(qū)異常診斷并利用專家規(guī)則進(jìn)行研發(fā)迭代。通過對(duì)比數(shù)十種經(jīng)典的統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)模型，最終選用的OneclassSVM算法應(yīng)用上線后有較高的準(zhǔn)確率。案例四：MassiveMIMO天線權(quán)值自適應(yīng)MassiveMIMO是5G的關(guān)鍵技術(shù)之一，通過利用大規(guī)模陣列天線和三維波束賦形，有效提升復(fù)雜場(chǎng)景下立體縱深覆蓋和系統(tǒng)容量。相比傳統(tǒng)天線，MassiveMIMO大規(guī)模陣列天線具有更多參數(shù)調(diào)整維度，包括水平波瓣寬度、垂直波瓣寬度、方位角、下傾角和波束數(shù)量，每個(gè)維度都可以設(shè)置合理步長進(jìn)行精細(xì)化調(diào)整，一個(gè)小區(qū)理論上可能的天線參數(shù)權(quán)值就達(dá)上萬種，在實(shí)際網(wǎng)絡(luò)中靠人工根據(jù)場(chǎng)景/-21-AIIA

電信行業(yè)人工智能應(yīng)用白皮書業(yè)務(wù)變化進(jìn)行多小區(qū)協(xié)同優(yōu)化調(diào)整，幾乎是不可能完成的任務(wù)。通過引入AI的多維分析、預(yù)測(cè)判斷等手段，智能MassiveMIMO方案可以實(shí)現(xiàn)智能化的MassiveMIMO權(quán)值自適應(yīng)。5G基站從UE采集位置信息并發(fā)送至網(wǎng)管系統(tǒng)后，通過AI計(jì)算UE的分布情況，根據(jù)設(shè)定的RSRP/SINR分布目標(biāo)，多輪迭代后找到天線權(quán)值設(shè)置的最優(yōu)解，大幅降低優(yōu)化解搜索時(shí)間，在實(shí)現(xiàn)最優(yōu)覆蓋的同時(shí)，兼顧話務(wù)量和頻譜效率，以最大化利用系統(tǒng)容量和保障用戶體驗(yàn)。例如針對(duì)體育館場(chǎng)景，中興的智能MassiveMIMO方案引入AI后，系統(tǒng)根據(jù)體育館內(nèi)用戶分布情況進(jìn)行場(chǎng)景識(shí)別，如比賽場(chǎng)景用戶分布在四周看臺(tái)，演唱會(huì)場(chǎng)景用戶分布在在全場(chǎng)，并根據(jù)每場(chǎng)用戶上座率及位置分布情況，給出最佳的MassiveMIMO覆蓋對(duì)應(yīng)的權(quán)值配置。以某城市4小區(qū)RSRP覆蓋優(yōu)化為例，中興的智能MassiveMIMO采用AI算法的天線權(quán)值尋優(yōu)比傳統(tǒng)搜索方案效率提升12倍，優(yōu)化后的5G單波束RSRP提升5.12dB，多波束RSRP提升4.73dB。案例五：VoLTE語音質(zhì)量智能評(píng)估傳統(tǒng)的運(yùn)營方案與技術(shù)使得運(yùn)營商缺乏獲取用戶業(yè)務(wù)體驗(yàn)的有效手段。語音業(yè)務(wù)作為移動(dòng)網(wǎng)絡(luò)承載的重點(diǎn)業(yè)務(wù)之一，需要投入大量人力進(jìn)行業(yè)務(wù)保障、投訴處理、問題復(fù)現(xiàn)及定位解決工作，解決方案實(shí)時(shí)性較差，經(jīng)常發(fā)生問題難以復(fù)現(xiàn)、解決效率低，人力成本高的情況。業(yè)界常用MOS分評(píng)估語音業(yè)務(wù)質(zhì)量，而標(biāo)準(zhǔn)的POLQAMOS計(jì)算方式需要對(duì)比收發(fā)語音得出。如何及時(shí)準(zhǔn)確的評(píng)估業(yè)務(wù)質(zhì)量、-22-AIIA

電信行業(yè)人工智能應(yīng)用白皮書發(fā)現(xiàn)并定位質(zhì)差是運(yùn)營商重點(diǎn)需求之一。在不侵犯用戶隱私的前提下，從網(wǎng)絡(luò)側(cè)統(tǒng)計(jì)數(shù)據(jù)入手，通過收集不同覆蓋場(chǎng)景、不同業(yè)務(wù)行為的數(shù)據(jù)，利用人工智能算法訓(xùn)練出適用不同場(chǎng)景的高精度評(píng)估模型，可以幫助運(yùn)營商掌握業(yè)務(wù)質(zhì)量信息，及時(shí)定位并解決質(zhì)差問題。在具體實(shí)現(xiàn)方案中，首先選取不同覆蓋場(chǎng)景且容易產(chǎn)生業(yè)務(wù)質(zhì)差情況的區(qū)域作為數(shù)據(jù)采集點(diǎn)，通過模擬現(xiàn)網(wǎng)用戶不同類型的語音業(yè)務(wù)行為，使用路測(cè)工具產(chǎn)生含MOS評(píng)分的標(biāo)簽數(shù)據(jù)，同步收集網(wǎng)絡(luò)側(cè)深度包解析（DPI）系統(tǒng)采集的業(yè)務(wù)明細(xì)記錄（XDR）數(shù)據(jù)、終端測(cè)試數(shù)據(jù)（MR）等運(yùn)營商易于獲取的數(shù)據(jù)作為特征數(shù)據(jù)，兩者關(guān)聯(lián)形成訓(xùn)練數(shù)據(jù)集?；谝延袛?shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法，決策樹、支撐向量機(jī)等機(jī)器學(xué)習(xí)算法，訓(xùn)練得到具備較高評(píng)估精度的模型作為基準(zhǔn)模型，然后一方面持續(xù)收集路測(cè)數(shù)據(jù)，優(yōu)化基準(zhǔn)模型精度；一方面廣泛獲取不同地區(qū)的現(xiàn)網(wǎng)未標(biāo)注業(yè)務(wù)數(shù)據(jù)及少量路測(cè)數(shù)據(jù),基于遷移學(xué)習(xí)、半監(jiān)督學(xué)習(xí)等方法，提升基準(zhǔn)模型在不同場(chǎng)景不同地區(qū)的應(yīng)用效果，最后通過模型集成的方法形成精度更高、更具泛化能力、可規(guī)模應(yīng)用的評(píng)估系統(tǒng)。中國移動(dòng)推出智能語音評(píng)估AIMOS系統(tǒng)，可達(dá)到85%以上的評(píng)估精度，針對(duì)業(yè)務(wù)質(zhì)差召回率超過90%，目前已經(jīng)在浙江、北京全省落地應(yīng)用，服務(wù)VoLTE用戶6000萬，幫助業(yè)務(wù)保障及投訴處理人員完成大量質(zhì)差情況發(fā)現(xiàn)及定位工作，大幅提升工作效率。-23-AIIA（二）

固定網(wǎng)應(yīng)用實(shí)踐案例

電信行業(yè)人工智能應(yīng)用白皮書案例一：面向IPTV業(yè)務(wù)的接入網(wǎng)設(shè)備告警定位與故障預(yù)測(cè)IPTV業(yè)務(wù)接入網(wǎng)設(shè)備各層級(jí)關(guān)聯(lián)關(guān)系復(fù)雜，且故障頻發(fā)，一個(gè)故障往往會(huì)產(chǎn)生多層級(jí)的告警，排障需要結(jié)合下掛設(shè)備、同級(jí)設(shè)備、上聯(lián)設(shè)備的告警情況，梳理關(guān)系來定位根本原因，傳統(tǒng)方案需要人工專家經(jīng)驗(yàn)的規(guī)則梳理，工作量大且效率較低。人工智能算法強(qiáng)大的分析與預(yù)測(cè)能力為IPTV業(yè)務(wù)接入網(wǎng)進(jìn)行潛在故障及可能因素的分類預(yù)測(cè)提供了有效途徑，可以提高故障排查與故障設(shè)備精準(zhǔn)根因定位的準(zhǔn)確度與效率。中國電信采用基尼系數(shù)算法，通過構(gòu)建各層級(jí)設(shè)備（OLT、交換機(jī)、BRAS）質(zhì)量優(yōu)良率的基尼表特征庫，來直觀反映各層級(jí)設(shè)備下掛的質(zhì)差分布均衡程度。同時(shí)依據(jù)上下級(jí)設(shè)備的基尼分布情況，實(shí)現(xiàn)上下級(jí)設(shè)備的快速聯(lián)動(dòng)分析，進(jìn)行接入段設(shè)備告警的精確定段。通過相關(guān)性指標(biāo)與質(zhì)差設(shè)備的卡頓指標(biāo)的聯(lián)合分布分析，將省內(nèi)網(wǎng)絡(luò)設(shè)備性能數(shù)據(jù)與機(jī)頂盒探針側(cè)上報(bào)數(shù)據(jù)打通，實(shí)現(xiàn)OLT設(shè)備性能與設(shè)備優(yōu)良率的關(guān)聯(lián)分析，統(tǒng)計(jì)分析發(fā)現(xiàn)OLT設(shè)備性能指標(biāo)與OLT設(shè)備質(zhì)差指標(biāo)有較強(qiáng)的相關(guān)性，找到造成OLT設(shè)備質(zhì)差的性能閾值，從而實(shí)現(xiàn)OLT設(shè)備告警的根因定位。通過神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)算法對(duì)單設(shè)備不同時(shí)間的丟包卡頓率變化建立時(shí)間序列模型，對(duì)設(shè)備未來一周內(nèi)接入網(wǎng)設(shè)備的質(zhì)差率指標(biāo)進(jìn)行預(yù)測(cè)，同時(shí)通過深度學(xué)習(xí)LSTM算法針對(duì)不同設(shè)備（PON、OLT等）分別建立分類模型，最終實(shí)-24-AIIA

電信行業(yè)人工智能應(yīng)用白皮書現(xiàn)對(duì)故障設(shè)備的精準(zhǔn)根因定位，將未來一段時(shí)間內(nèi)接入網(wǎng)設(shè)備（如PON、OLT、SW、BRAS等）潛在故障及可能的影響因素，并將信息以告警的形式推送給維護(hù)人員進(jìn)行提前整治。目前中國電信的IPTV端到端監(jiān)測(cè)系統(tǒng)已納入生產(chǎn)流程，在全國多個(gè)省份實(shí)現(xiàn)故障告警單（含精確定界定段信息、設(shè)備維度含定位信息）實(shí)時(shí)派發(fā)、巡檢單按日、按周派發(fā)到省內(nèi)，輸出指導(dǎo)建議并提前干預(yù)處理，減少用戶申告，徹底由被動(dòng)故障處理轉(zhuǎn)變?yōu)橹鲃?dòng)運(yùn)維，實(shí)現(xiàn)對(duì)IPTV業(yè)務(wù)服務(wù)保障的智能支撐。案例二：IPRAN故障分析定位現(xiàn)網(wǎng)運(yùn)維中網(wǎng)絡(luò)故障的根因分析傳統(tǒng)方式主要依賴人工總結(jié)經(jīng)驗(yàn)，排障效率低、故障定位難、運(yùn)維難度大。在綜合網(wǎng)管每天都接收到的大量告警數(shù)據(jù)中，其實(shí)際根源的告警信息往往會(huì)被掩蓋，導(dǎo)致現(xiàn)有的維修派單難以充分利用數(shù)據(jù)來覆蓋與分析所有的故障。在IPRAN網(wǎng)絡(luò)故障維護(hù)中，通過人工智能技術(shù)對(duì)關(guān)聯(lián)告警關(guān)系進(jìn)行挖掘，從而代替人工總結(jié)經(jīng)驗(yàn)?zāi)軌蛱岣吒婢P(guān)聯(lián)分析的準(zhǔn)確度和對(duì)最根本告警信息的發(fā)現(xiàn)，提高運(yùn)維效率。具體實(shí)施方案可以根據(jù)系統(tǒng)中網(wǎng)絡(luò)及業(yè)務(wù)上下游關(guān)系，利用關(guān)聯(lián)規(guī)則挖掘算法對(duì)告警、工單、資源以及其他多維度數(shù)據(jù)進(jìn)行綜合處理，分析告警中存在的根源告警和衍生告警的規(guī)則信息。通過頻發(fā)告警過濾、用戶側(cè)告警過濾、基于關(guān)聯(lián)規(guī)則的衍生根源告警過濾，來篩選出告警數(shù)據(jù)中冗余數(shù)據(jù)，而保留關(guān)鍵和核心告警信息，從而更精準(zhǔn)有效為運(yùn)維人員提-25-AIIA

電信行業(yè)人工智能應(yīng)用白皮書供網(wǎng)絡(luò)設(shè)備、網(wǎng)絡(luò)線路故障的維修派單信息，減少不必要的運(yùn)維開銷。目前，中國聯(lián)通已開發(fā)IPRAN告警智能分析系統(tǒng)，在部分省份進(jìn)行了試點(diǎn)驗(yàn)證。通過采集現(xiàn)網(wǎng)承載網(wǎng)絡(luò)運(yùn)行數(shù)據(jù)如流量、告警、拓?fù)?、網(wǎng)元、業(yè)務(wù)、工單數(shù)據(jù)等，運(yùn)用人工智能和大數(shù)據(jù)技術(shù)進(jìn)行流量分析和趨勢(shì)預(yù)測(cè)、告警根因關(guān)聯(lián)和故障智能診斷，促進(jìn)網(wǎng)絡(luò)的自我維護(hù)、智能運(yùn)營能力和運(yùn)維效率提升，多維度探索網(wǎng)絡(luò)運(yùn)維能力的自動(dòng)化和智能化。案例三：光傳送網(wǎng)故障根因分析隨著光傳送網(wǎng)絡(luò)（OTN）規(guī)模不斷的擴(kuò)大，OTN設(shè)備和光鏈路的數(shù)量不斷的擴(kuò)增，網(wǎng)絡(luò)一旦出現(xiàn)問題，通常會(huì)在短時(shí)間內(nèi)觸發(fā)一系列設(shè)備產(chǎn)生不同類型的、大量的告警。在目前的運(yùn)維工作中主要依賴人工的方式完成網(wǎng)絡(luò)監(jiān)控處理，傳統(tǒng)的人工方式難以在短時(shí)間內(nèi)從龐雜的告警中找到有價(jià)值的信息，正確地判斷出故障的位置并及時(shí)修復(fù)故障，如何提高告警分析、故障定位的效率成為亟需解決的問題。由于大量的告警之間存在關(guān)聯(lián)性，因此可利用大數(shù)據(jù)和人工智能技術(shù)分析告警特征，挖掘告警之間的關(guān)聯(lián)規(guī)則，利用關(guān)聯(lián)規(guī)則進(jìn)行根因分析，找到根因告警；建立告警屬性與故障定位、工單操作的映射關(guān)系，實(shí)現(xiàn)工單的自動(dòng)派發(fā)。利用關(guān)聯(lián)規(guī)則算法處理多維歷史數(shù)據(jù)，如歷史告警（以太客戶層告警、SDH客戶層告警、ODU層告警-26-AIIA

電信行業(yè)人工智能應(yīng)用白皮書以及OTU層告警等）、網(wǎng)絡(luò)拓?fù)涞龋@取告警之間的關(guān)聯(lián)規(guī)則。基于關(guān)聯(lián)規(guī)則對(duì)網(wǎng)絡(luò)中產(chǎn)生的告警進(jìn)行分析，從而確定當(dāng)前告警中的根因告警；通過人工神經(jīng)網(wǎng)絡(luò)技術(shù)設(shè)計(jì)故障派單模型設(shè)計(jì)和故障定位模型。目前中國聯(lián)通已經(jīng)開展基于開放光網(wǎng)絡(luò)的智能運(yùn)維系統(tǒng)研發(fā)工作，相關(guān)功能模塊包括智能告警維護(hù)模塊，具備告警相關(guān)性分析、故障溯源以及告警查詢等功能。案例四：光傳送網(wǎng)智能傳輸質(zhì)量管理隨著光傳送網(wǎng)絡(luò)的高速發(fā)展，網(wǎng)絡(luò)中需要監(jiān)控的信息越來越復(fù)雜，運(yùn)維人員難以對(duì)網(wǎng)絡(luò)運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)有效地監(jiān)控，光傳送網(wǎng)的維護(hù)和管理問題日漸凸顯。同時(shí)，OTN設(shè)備在運(yùn)行期間，會(huì)發(fā)生變形、腐蝕或者老化，從而造成網(wǎng)絡(luò)的性能降低。當(dāng)性能劣化到一定程度會(huì)對(duì)傳送網(wǎng)的正常運(yùn)行造成嚴(yán)重的影響。如果能夠準(zhǔn)確的預(yù)測(cè)網(wǎng)絡(luò)性能的劣化趨勢(shì)，在性能劣化到影響網(wǎng)絡(luò)正常工作之前進(jìn)行優(yōu)化工作，可以有效地避免設(shè)備失修和設(shè)備過修造成的事故和損失。利用人工智能技術(shù)分析網(wǎng)絡(luò)歷史性能指標(biāo)數(shù)據(jù)，從而對(duì)網(wǎng)絡(luò)性能指標(biāo)進(jìn)行預(yù)測(cè)，分析性能指標(biāo)劣化的趨勢(shì)，根據(jù)性能劣化的程度采取相應(yīng)的措施。首先從網(wǎng)元管理系統(tǒng)上采集網(wǎng)元拓?fù)涞染W(wǎng)絡(luò)數(shù)據(jù)或者設(shè)備定期上報(bào)的性能指標(biāo)數(shù)據(jù)，OTN性能數(shù)據(jù)主要包括以太網(wǎng)客戶層性能、光通路數(shù)據(jù)單元（ODUk）子層性能、光信道(OCh）子層性能以及光復(fù)用段（OMS）層性能等，對(duì)數(shù)據(jù)進(jìn)行清洗、篩選等-27-AIIA

電信行業(yè)人工智能應(yīng)用白皮書處理工作；將采集后的數(shù)據(jù)分為訓(xùn)練集和測(cè)試集，采用機(jī)器學(xué)習(xí)算法構(gòu)建性能預(yù)測(cè)模型，根據(jù)性能預(yù)測(cè)的結(jié)果分析性能劣化的趨勢(shì)，當(dāng)性能指標(biāo)出現(xiàn)越限的趨勢(shì)時(shí)采取相應(yīng)的性能優(yōu)化措施。中國聯(lián)通已經(jīng)開展基于開放光網(wǎng)絡(luò)的智能運(yùn)維系統(tǒng)研發(fā)工作，相關(guān)功能模塊包括智能性能維護(hù)模塊，具備光網(wǎng)絡(luò)性能預(yù)測(cè)、光網(wǎng)絡(luò)性能數(shù)據(jù)異常檢測(cè)、光網(wǎng)絡(luò)性能數(shù)據(jù)存儲(chǔ)等功能。案例五：光網(wǎng)絡(luò)健康度分析及預(yù)測(cè)當(dāng)前的光網(wǎng)絡(luò)存在光層故障多且影響范圍大、故障處理周期長和成本高、故障難以提前預(yù)測(cè)、故障出現(xiàn)后，再進(jìn)行被動(dòng)處理將影響業(yè)務(wù)體驗(yàn)，導(dǎo)致客戶體驗(yàn)差、投訴多。基于秒級(jí)采集，對(duì)數(shù)據(jù)進(jìn)行清洗、標(biāo)定和特征提取，基于AI算法結(jié)合當(dāng)前狀態(tài)和未來趨勢(shì)對(duì)光纖和OCh子層進(jìn)行健康預(yù)測(cè)和劣化預(yù)警。通過實(shí)時(shí)監(jiān)控波分設(shè)備的性能指標(biāo)，預(yù)測(cè)關(guān)鍵性能指標(biāo)，提前發(fā)現(xiàn)性能劣化并上報(bào)預(yù)警，預(yù)警觸發(fā)故障自動(dòng)精準(zhǔn)定位，對(duì)接工單快速派單修復(fù)，能夠提升運(yùn)營效益和效率，增強(qiáng)網(wǎng)絡(luò)的健壯性。目前相關(guān)應(yīng)用案例已經(jīng)在現(xiàn)網(wǎng)中得以應(yīng)用，例如2020年10月，在江蘇聯(lián)通與華為合作進(jìn)行光網(wǎng)健康保障現(xiàn)網(wǎng)試點(diǎn)運(yùn)行期間，協(xié)助江蘇聯(lián)通政企專網(wǎng)提前預(yù)警亞健康10余次，發(fā)現(xiàn)中斷事件30余項(xiàng)，自動(dòng)定位故障10余次。2020年11月浙江移動(dòng)與華為合作進(jìn)行光網(wǎng)健康保障試運(yùn)行期間，通過監(jiān)控18個(gè)站點(diǎn)，38條單向OTS光纖，2條雙向OCh，識(shí)別亞健康10余次，自動(dòng)定位5次，光功率抖動(dòng)定界-28-AIIA

電信行業(yè)人工智能應(yīng)用白皮書16次，發(fā)現(xiàn)割接質(zhì)量不合格8次，有效地保障了網(wǎng)絡(luò)的健壯性。案例六：無源光網(wǎng)絡(luò)（PON）鏈路弱光問題根因分析影響光接入業(yè)務(wù)展開的一個(gè)重要方面是PON鏈路弱光問題，據(jù)統(tǒng)計(jì)與光路相關(guān)的光接入服務(wù)投訴占比高達(dá)20%以上。傳統(tǒng)的PON網(wǎng)絡(luò)弱光分析整治面臨一系列問題，包括依賴人工經(jīng)驗(yàn)判斷、弱光根因定位不準(zhǔn)、反復(fù)整治；弱光整治缺乏有效準(zhǔn)確的數(shù)據(jù)分析指導(dǎo)，影響整治效率；工程實(shí)施中需要人工上站進(jìn)行光功率逐段測(cè)量，處理時(shí)間長；而光路弱光導(dǎo)致的上網(wǎng)異常不能主動(dòng)發(fā)現(xiàn)等。利用AI算法對(duì)PON光路拓?fù)溥€原，實(shí)現(xiàn)PON鏈路弱光問題根因分析與定位，可以有效解決上述問題。目前中興通訊提出智能光接入方案，通過積累ONU弱光歷史數(shù)據(jù)，基于DTW和社區(qū)發(fā)現(xiàn)等算法，實(shí)現(xiàn)ODN拓?fù)溥€原，提供對(duì)資管信息的對(duì)接和校驗(yàn)；采用無監(jiān)督學(xué)習(xí)算法來基于同一分光器下光路特征趨勢(shì)一致原理，進(jìn)行關(guān)鍵特征提取；并基于特征工程建立樣本庫，利用AI算法實(shí)現(xiàn)弱光根因定界。最后，提取ONU收發(fā)光功率時(shí)間序列特征，通過時(shí)間序列數(shù)據(jù)的平穩(wěn)性檢驗(yàn)方法，建立各種故障光路指標(biāo)特征模型，實(shí)現(xiàn)弱光根因精準(zhǔn)定位，包括光模塊劣化，光纖彎曲、工程施工、ONU設(shè)備故障、分光比超限、光器件和線路超額光衰等。目前中興通訊基于AI的PON鏈路弱光根因分析方案，工程實(shí)踐驗(yàn)證準(zhǔn)確率達(dá)92%，大幅度提高了PON弱光檢測(cè)和根因定位準(zhǔn)確率，已經(jīng)成為PON鏈路弱光分析整治的高效支撐工具。-29-AIIA

電信行業(yè)人工智能應(yīng)用白皮書案例七：寬帶家庭業(yè)務(wù)識(shí)別調(diào)優(yōu)隨著家庭寬帶業(yè)務(wù)的高速發(fā)展，家庭用戶的訴求已經(jīng)從帶寬的需求轉(zhuǎn)向?qū)W(wǎng)絡(luò)質(zhì)量和體驗(yàn)的保障?，F(xiàn)如今游戲、視頻、教育辦公等行業(yè)發(fā)展迅速，但體驗(yàn)一直無法穩(wěn)定保障。各大運(yùn)營商在不斷推出差異化套餐，試圖破局ARPU持續(xù)下滑的困境。在網(wǎng)絡(luò)應(yīng)用中，流量駁雜，數(shù)據(jù)量大，識(shí)別并保障價(jià)值業(yè)務(wù)流量能有效的提高用戶體驗(yàn)。ONT作為家庭接入設(shè)備，是所有用戶業(yè)務(wù)上下行的出入口，也是家庭網(wǎng)絡(luò)的控制中心。通過大數(shù)據(jù)建模分析，利用AI算法，實(shí)現(xiàn)網(wǎng)絡(luò)流量的分類，識(shí)別出高價(jià)值業(yè)務(wù)進(jìn)行差異化體驗(yàn)保障。將網(wǎng)絡(luò)流量的基本信息作為特征數(shù)據(jù)，基于家寬業(yè)務(wù)，使用大數(shù)據(jù)離線訓(xùn)練、卷積神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)壓縮法，挖掘流量拓?fù)?、雙向平衡、包時(shí)序關(guān)系以及包速度熵變化特征等，在ONT側(cè)落地輕量級(jí)的嵌入式AI算法，實(shí)現(xiàn)對(duì)價(jià)值業(yè)務(wù)的識(shí)別，進(jìn)行差異化業(yè)務(wù)體驗(yàn)保障。目前國內(nèi)外已經(jīng)出現(xiàn)了基于人工智能的家庭業(yè)務(wù)識(shí)別調(diào)優(yōu)落地應(yīng)用。泰國的3BB于2019年9月首發(fā)“SmartMesh”智慧家庭業(yè)務(wù)，采用我國華為游戲EAI加速，通過智能識(shí)別游戲業(yè)務(wù)，為游戲業(yè)務(wù)提供獨(dú)有的Wi-Fi通道，來降低50%以上Wi-Fi時(shí)延，從而實(shí)現(xiàn)游戲操控與畫面的流暢無延遲。國內(nèi)中國聯(lián)通與華為于2020年4月推出了基于EAI的VIPKID智能加速解決方案，實(shí)現(xiàn)了25分鐘課堂的零卡頓，通過人工智能技術(shù)降低在線教育業(yè)務(wù)50%以上的時(shí)延。-30-AIIA

電信行業(yè)人工智能應(yīng)用白皮書云南電信基于人工智能技術(shù)的直播和游戲?qū)拵撞鸵言谌瘥愑袷巧逃铆h(huán)境穩(wěn)定運(yùn)行4個(gè)月。案例八：家寬網(wǎng)絡(luò)質(zhì)量智能監(jiān)測(cè)家庭寬帶網(wǎng)絡(luò)具有業(yè)務(wù)流程長、端到端環(huán)節(jié)多、故障監(jiān)測(cè)定位難的特點(diǎn)。傳統(tǒng)的以人工為主、機(jī)器自動(dòng)操作為輔的運(yùn)維方式，難以高效高質(zhì)地支撐家寬網(wǎng)絡(luò)運(yùn)維。以寬帶4K電視業(yè)務(wù)為例，其易受牌照方內(nèi)容源、CDN系統(tǒng)、光接入網(wǎng)等各環(huán)節(jié)網(wǎng)元性能波動(dòng)而引發(fā)用戶體驗(yàn)劣化，但傳統(tǒng)網(wǎng)管系統(tǒng)可能仍未出現(xiàn)告警。如何檢測(cè)到此類異常并定位原因，是家庭寬帶運(yùn)維中的難題。目前，中國移動(dòng)已經(jīng)采用基于全網(wǎng)家庭寬帶終端設(shè)備（包括網(wǎng)關(guān)、機(jī)頂盒）的軟探針應(yīng)用系統(tǒng)，通過人工智能算法構(gòu)建典型網(wǎng)絡(luò)指標(biāo)異常檢測(cè)模型，實(shí)現(xiàn)對(duì)關(guān)鍵網(wǎng)絡(luò)指標(biāo)的實(shí)時(shí)監(jiān)測(cè)。針對(duì)不同區(qū)域的網(wǎng)絡(luò)條件，基于聚類算法訓(xùn)練異常檢測(cè)閾值，保證異常檢測(cè)的高準(zhǔn)確性和低漏警率；同時(shí)，通過關(guān)聯(lián)規(guī)則分析算法對(duì)多維指標(biāo)數(shù)據(jù)綜合分析，輸出故障根因網(wǎng)元，輔助運(yùn)維人員快速排障。目前，基于軟探針的家寬網(wǎng)絡(luò)群障監(jiān)測(cè)派單功能支持分鐘級(jí)粒度檢測(cè)網(wǎng)絡(luò)指標(biāo)異常,準(zhǔn)確率超過90%，提供先于用戶投訴和傳統(tǒng)網(wǎng)管系統(tǒng)發(fā)現(xiàn)現(xiàn)網(wǎng)問題的能力，顯著提升運(yùn)維排障效率。案例九：基于學(xué)件工具的金融數(shù)據(jù)中心網(wǎng)絡(luò)智能運(yùn)維基于人工智能的網(wǎng)絡(luò)運(yùn)維已經(jīng)成為當(dāng)前電信行業(yè)關(guān)注的重點(diǎn)應(yīng)-31-AIIA

電信行業(yè)人工智能應(yīng)用白皮書用，例如異常檢測(cè)、故障定位與預(yù)防預(yù)測(cè)等。針對(duì)特定領(lǐng)域的網(wǎng)絡(luò)場(chǎng)景，比如金融骨干網(wǎng)，AI模型的建模過程面臨獲取數(shù)據(jù)成本較高、AI建模周期較長、效率低并且精度較差等問題。以異常檢測(cè)為例，基于AUTOML和學(xué)件等技術(shù)，通過數(shù)據(jù)特征畫像識(shí)別數(shù)據(jù)類型，自動(dòng)推薦訓(xùn)練算法與特征，采用無監(jiān)督、有監(jiān)督和動(dòng)態(tài)基線等進(jìn)行聯(lián)合檢測(cè)，通過專家經(jīng)驗(yàn)對(duì)訓(xùn)練與檢測(cè)進(jìn)行調(diào)優(yōu)，得到最終檢測(cè)結(jié)果。模型訓(xùn)練完成后，可以將特征畫像的結(jié)果、特征和參數(shù)、模型和參數(shù)都保留下來。后面僅需要使用新的數(shù)據(jù)，重訓(xùn)練模型，不用再重新做特征分析和模型分析，從而更高效的生成多維場(chǎng)景所需的AI模型，提高故障識(shí)別定位的精度以及模型構(gòu)建的高效與重用能力。中國銀聯(lián)與華為金融網(wǎng)絡(luò)實(shí)驗(yàn)室在2020年8月正式啟動(dòng)金融數(shù)據(jù)中心網(wǎng)絡(luò)智能運(yùn)維學(xué)件聯(lián)創(chuàng)項(xiàng)目，不僅基于學(xué)件技術(shù)實(shí)現(xiàn)了一站式的AI建模能力，同時(shí)也開展了生產(chǎn)應(yīng)用的探索實(shí)踐并取得了較好的效果。在實(shí)踐過程中，通過選擇金融骨干互聯(lián)網(wǎng)TCP重傳率、客戶端請(qǐng)求平均傳輸時(shí)間、連接無應(yīng)答率、平均用戶響應(yīng)時(shí)間、上行TCP重傳率、上行比特率、下行比特率等關(guān)鍵KPI進(jìn)行異常檢測(cè)，指標(biāo)檢測(cè)準(zhǔn)確率均達(dá)到95%以上。（三）

業(yè)務(wù)服務(wù)實(shí)踐應(yīng)用案例案例一：網(wǎng)絡(luò)滿意度智能提升越來越多的電信運(yùn)營越來越關(guān)注終端用戶體驗(yàn)，并把凈推薦值-32-AIIA

電信行業(yè)人工智能應(yīng)用白皮書（NetPromoterScore,NPS）作為網(wǎng)絡(luò)滿意度考核的重要指標(biāo)，然而NPS的評(píng)估和提升存在7大挑戰(zhàn)：a）資費(fèi)、服務(wù)與網(wǎng)絡(luò)交叉影響，質(zhì)量好滿意度未必高；b）難定位：質(zhì)差關(guān)聯(lián)用戶，難定位用戶哪里質(zhì)差；c）流程長：很難立刻修復(fù)好，如需規(guī)劃建站、需要客戶關(guān)懷、管理IT支撐部門協(xié)同和閉環(huán)；d）波動(dòng)大：樣本少，不到全量用戶1%，過度友好，盲從差評(píng)使調(diào)研結(jié)果波動(dòng)大；e）難定界：可能是終端或內(nèi)容問題，找牽頭責(zé)任部門難；f）周期長：無短期特效藥，需長期努力提升網(wǎng)絡(luò)整體質(zhì)量。利用大數(shù)據(jù)和人工智能技術(shù)，采集O側(cè)網(wǎng)絡(luò)數(shù)據(jù)、B側(cè)業(yè)務(wù)數(shù)據(jù)和調(diào)研感知數(shù)據(jù)，提取用戶體驗(yàn)特征、軌跡特征、行為特征、交互特征，并以用戶行為相似度和用戶交互親密度進(jìn)行用戶分群，對(duì)用戶網(wǎng)絡(luò)體驗(yàn)進(jìn)行建模，能夠?qū)崿F(xiàn)對(duì)網(wǎng)絡(luò)潛在貶損者的識(shí)別、用戶/業(yè)務(wù)畫像，與規(guī)建維優(yōu)生產(chǎn)流對(duì)接。通過封裝專家經(jīng)驗(yàn)規(guī)則、對(duì)貶損用戶的語音數(shù)據(jù)5類業(yè)務(wù)的大數(shù)據(jù)采集預(yù)處理、利用人工智能手段可以實(shí)現(xiàn)評(píng)估定界定位作業(yè)自動(dòng)化。目前國內(nèi)外已經(jīng)出現(xiàn)了智能NPS管理相關(guān)的落地應(yīng)用。其中，中國移動(dòng)貴州公司網(wǎng)絡(luò)NPS滿意度從19年第1期開始出現(xiàn)大幅下滑，短板主要在手機(jī)上網(wǎng)方面。通過試點(diǎn)華為智能NPS提升方案，對(duì)覆蓋、容量、基礎(chǔ)維護(hù)、客戶關(guān)懷等提升手段的不斷落實(shí)后，網(wǎng)絡(luò)NPS逐步回升。泰國DTAC公司2018年數(shù)據(jù)業(yè)務(wù)NPS為負(fù)，分值為-30.6，通過與華為合作，利用智能NPS提升方案，數(shù)據(jù)業(yè)務(wù)NPS提升為-7.4。-33-AIIA

電信行業(yè)人工智能應(yīng)用白皮書案例二：家寬視頻內(nèi)容智能推薦目前在家寬數(shù)字內(nèi)容運(yùn)營中采用人工編輯統(tǒng)一發(fā)屏的方式。首先，每個(gè)用戶看到的推薦內(nèi)容是一樣的，主要是熱門新片，無法滿足用戶個(gè)性化的觀看需求；其次，統(tǒng)一發(fā)屏的時(shí)間較為固定，內(nèi)容更新頻率較低，無法給用戶提供豐富多變的選擇，無法實(shí)時(shí)捕獲用戶的觀看興趣。將人工智能技術(shù)引入家庭、大屏業(yè)務(wù)，實(shí)現(xiàn)一人一面的家寬視頻內(nèi)容實(shí)時(shí)個(gè)性化推薦服務(wù)，將更多用戶偏好的長尾內(nèi)容展示給用戶，并根據(jù)用戶實(shí)時(shí)反饋行為更新推薦內(nèi)容，給用戶提供豐富多變的選擇，重點(diǎn)解決大屏智能化、精細(xì)化運(yùn)營問題，能夠?qū)崿F(xiàn)規(guī)?；瘧?yīng)用，提升業(yè)務(wù)收入和用戶滿意度。目前已經(jīng)出現(xiàn)的解決方案中，利用實(shí)體識(shí)別、對(duì)齊等技術(shù)，對(duì)接多家牌照及CP方內(nèi)容，形成最大規(guī)模的內(nèi)容資源庫，增加推薦內(nèi)容豐富度和用戶新鮮感。結(jié)合牌照方、省公司、互聯(lián)網(wǎng)網(wǎng)站的多源數(shù)據(jù)，多角度、多層次構(gòu)建用戶特征和視頻特征，實(shí)現(xiàn)全面刻畫用戶畫像和人物畫像。采用三階段推薦框架（召回+重排+策略），融合機(jī)器學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)、知識(shí)圖譜等業(yè)界先進(jìn)算法，綜合解決推薦結(jié)果的豐富性和精準(zhǔn)性，滿足家庭多用戶、多興趣的觀影需求。截止到2020年4月，中國移動(dòng)已在江蘇全省13個(gè)地市1000萬用戶規(guī)模化落地應(yīng)用，其中活躍用戶650萬，日訪問量1500萬次，實(shí)現(xiàn)點(diǎn)擊率提升37%，新增收入提升11.7%。目前，中國移動(dòng)開始在江西、浙江、山東、四川等省份進(jìn)行拓展應(yīng)用來提升業(yè)務(wù)收入和用-34-AIIA

電信行業(yè)人工智能應(yīng)用白皮書戶滿意度。案例三：智能語音交互傳統(tǒng)網(wǎng)絡(luò)中，用戶對(duì)于陌生來電通常會(huì)陷入接與不接的兩難境地，選擇不接電話，可能會(huì)錯(cuò)過重要信息；選擇接聽來電，可能會(huì)遇到騷擾電話。在日常生活中，也存在未及時(shí)接聽電話或者不方便接電話的情況。因此，實(shí)現(xiàn)一種代替用戶自動(dòng)接聽電話并進(jìn)行智能交互的應(yīng)用十分重要。人工智能與智能交互技術(shù)能夠?qū)崿F(xiàn)AI智能小秘書話術(shù)自動(dòng)回復(fù)，從而給用戶帶來全新的通話使用體驗(yàn)，幫助用戶從多種漏接、拒接的通話場(chǎng)景切換到智能代接。通過智能代接識(shí)別來電的信息意圖，可以讓機(jī)主放心拒接，安心掛機(jī)。同時(shí)提供有效的信息記錄，幫助用戶對(duì)自身的未接來電意圖做出有效判斷。利用客服領(lǐng)域的數(shù)據(jù)集，基于語音識(shí)別、語音合成、自動(dòng)問答、多輪對(duì)話等技術(shù)，提供智能交互解決方案。使用語音識(shí)別模型對(duì)主叫方語音進(jìn)行實(shí)時(shí)識(shí)別與文本轉(zhuǎn)寫，使用自然語言處理技術(shù)分析語句意圖，利用多輪對(duì)話技術(shù)和語音合成技術(shù)生成智能交互應(yīng)答內(nèi)容。在智能交互應(yīng)答過程中，根據(jù)對(duì)話文本，識(shí)別來電總體意圖，對(duì)每次交互過程的對(duì)話進(jìn)行標(biāo)簽標(biāo)注，便于用戶分類處理。中國移動(dòng)推出“和留言·智能小秘書”，能夠幫助用戶在無法接聽電話，或不愿接聽來電時(shí)幫助用戶對(duì)來電進(jìn)行智能應(yīng)答的移動(dòng)端應(yīng)用，基于大網(wǎng)的呼轉(zhuǎn)能力和目前最先進(jìn)的人工智能算法，為個(gè)人用戶提供來電接聽服務(wù)。和留言智能小秘書目前提供3種音色交互，-35-AIIA

電信行業(yè)人工智能應(yīng)用白皮書支持自定義開場(chǎng)白、場(chǎng)景話術(shù)、白名單、可設(shè)置號(hào)碼攔截等。智能交互應(yīng)答的語音和文字?jǐn)?shù)據(jù)將以對(duì)話式聊天記錄的形式，通過微信公眾號(hào)、郵件、短信多種渠道反饋給用戶。上線后用戶數(shù)達(dá)到131萬，留言率提升1.6倍，留言時(shí)長提升3.78倍，產(chǎn)品用戶滿意度達(dá)到94%。目前，小秘書已在廣東、河南、湖北、湖南、安徽、陜西等重點(diǎn)省份重點(diǎn)推廣試用。案例四：內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）智能調(diào)度目前網(wǎng)絡(luò)視頻業(yè)務(wù)的規(guī)模增長帶來CDN系統(tǒng)運(yùn)維復(fù)雜度的提升，傳統(tǒng)的以人工為主、輔以統(tǒng)計(jì)報(bào)表和檢測(cè)告警的運(yùn)維模式在監(jiān)測(cè)時(shí)效、指標(biāo)靈活性、快速故障定位等方面已不能適應(yīng)CDN業(yè)務(wù)發(fā)展的需要。運(yùn)營商需要一種更加智能化的方式來提升CDN系統(tǒng)的運(yùn)維效率，保障CDN系統(tǒng)運(yùn)行的穩(wěn)定性、可靠性和服務(wù)質(zhì)量。在CDN智能運(yùn)維中引入AI技術(shù)，將極大提升運(yùn)維智能化程度和運(yùn)維有效性。其中，基于AI的CDN智能調(diào)度是關(guān)鍵，借助AI預(yù)判實(shí)現(xiàn)智能調(diào)度，通過提前預(yù)測(cè)網(wǎng)絡(luò)的擁塞點(diǎn)和節(jié)點(diǎn)負(fù)荷情況，將用戶精準(zhǔn)調(diào)度到最優(yōu)的服務(wù)節(jié)點(diǎn)，均衡各節(jié)點(diǎn)負(fù)荷，實(shí)現(xiàn)整網(wǎng)的調(diào)度智能化，從而節(jié)省傳輸、提高能效。目前中興通訊推出智能CDN調(diào)度方案，開發(fā)了基于CDN指標(biāo)體系的告警、監(jiān)測(cè)、報(bào)表、智能調(diào)度、訪問日志記錄等功能，以滿足CDN智能運(yùn)維的要求。CDN智能調(diào)度由調(diào)度決策支撐系統(tǒng)、服務(wù)系統(tǒng)兩個(gè)功能模塊組成，可支持IPTV、CDN、OTT、CDN、B2B、CDN等多種業(yè)-36-AIIA

電信行業(yè)人工智能應(yīng)用白皮書務(wù)場(chǎng)景，滿足5G時(shí)代運(yùn)營商視頻業(yè)務(wù)融合與開放的價(jià)值訴求。中興通訊在國內(nèi)落地應(yīng)用的某項(xiàng)目中使用CDN智能調(diào)度方案，實(shí)現(xiàn)CDN整體資源利用率提升50%，系統(tǒng)可用性提升20%，運(yùn)維效率提升100%。案例五：數(shù)據(jù)中心智能節(jié)能移動(dòng)互聯(lián)網(wǎng)，云計(jì)算以及物聯(lián)網(wǎng)業(yè)務(wù)快速增長，帶動(dòng)了用戶對(duì)數(shù)據(jù)需求量急劇的增加，數(shù)據(jù)中心正變得越來越重要。隨著云網(wǎng)融合以及數(shù)字化轉(zhuǎn)型的發(fā)展，用戶對(duì)數(shù)據(jù)的潛在需求的持續(xù)增加，使得中國電信IDC規(guī)模不斷增大，其能源成本與機(jī)房節(jié)能目標(biāo)相矛盾。但是傳統(tǒng)節(jié)能手段已經(jīng)很難再降低服務(wù)器能耗、空調(diào)能耗、供電能耗以及照明能耗。因此如何通過新的技術(shù)降低IDC機(jī)房的PUE已經(jīng)成為需要突破的重點(diǎn)問題?；贏I和大數(shù)據(jù)技術(shù)，疊加邊緣計(jì)算、大數(shù)據(jù)處理、節(jié)能分析決策、節(jié)能控制，構(gòu)建分層協(xié)作的IDC智慧節(jié)能平臺(tái)，有望實(shí)現(xiàn)精細(xì)化、定制化、動(dòng)態(tài)的節(jié)能管理，提高能源效率。中國電信提出的IDC智慧節(jié)能通過大數(shù)據(jù)處理模塊，AI模型分析模塊，設(shè)備智能控制模塊和數(shù)據(jù)綜合展現(xiàn)模塊，對(duì)數(shù)據(jù)中心靜態(tài)、動(dòng)態(tài)數(shù)據(jù)進(jìn)行采集，分析包括機(jī)房面積、機(jī)柜數(shù)量、機(jī)柜溫濕度、IT負(fù)載、地板出風(fēng)量、空調(diào)出/回風(fēng)溫度、冷凍水出/回水溫度等多維度數(shù)據(jù)，利用AI模型分析實(shí)現(xiàn)精準(zhǔn)化建模，構(gòu)建機(jī)房“畫像”，定制策略、輸出個(gè)性化節(jié)能建議，實(shí)現(xiàn)“千房千面、一站一策”?？梢暬宫F(xiàn)機(jī)房基礎(chǔ)信-37-AIIA

電信行業(yè)人工智能應(yīng)用白皮書息、能耗信息、熱點(diǎn)告警信息以及其他統(tǒng)計(jì)分析信息，刻畫機(jī)房畫像，展示節(jié)能前后能耗對(duì)比，為節(jié)能策略持續(xù)優(yōu)化提供依據(jù)。目前中國電信已經(jīng)實(shí)現(xiàn)了數(shù)據(jù)中心節(jié)能的落地應(yīng)用，基于自主研發(fā)的翼節(jié)能平臺(tái)，采集數(shù)據(jù)中心的靜態(tài)、動(dòng)態(tài)數(shù)據(jù)，建模分析實(shí)現(xiàn)數(shù)據(jù)中心能耗的綜合管理和監(jiān)控，在全國多省份進(jìn)行試點(diǎn)落地，實(shí)現(xiàn)了近千萬度的年化節(jié)電量。中國電信提出的節(jié)能架構(gòu)已經(jīng)輸出到ETSIENI國際標(biāo)準(zhǔn)，并主導(dǎo)了首個(gè)運(yùn)營商智慧節(jié)能概念驗(yàn)證項(xiàng)目。四、電信網(wǎng)人工智能應(yīng)用未來發(fā)展與展望（一）

網(wǎng)絡(luò)智能化基礎(chǔ)能力持續(xù)增強(qiáng)人工智能在電信網(wǎng)絡(luò)中的應(yīng)用與業(yè)務(wù)開展需要電信數(shù)據(jù)、算力、基礎(chǔ)實(shí)施、商業(yè)模式與人才經(jīng)驗(yàn)等方面的支撐升級(jí)。隨著運(yùn)營商和設(shè)備商等在智能云平臺(tái)和數(shù)字化方向的發(fā)力，目前電信行業(yè)對(duì)網(wǎng)絡(luò)智能化所需的數(shù)據(jù)、算法、算力、工具、人才等進(jìn)行的聚集和積累已初具規(guī)模。與此同時(shí)，隨著電信網(wǎng)絡(luò)開放數(shù)據(jù)集、智能算法庫的逐步開放與共享、國內(nèi)國際網(wǎng)絡(luò)智能化競賽的