10.0I 意圖驅(qū)動自智網(wǎng)絡(luò)白皮書-20240411

一、引言

面向全場景按需服務(wù)訴求，未來網(wǎng)絡(luò)有望實現(xiàn)服務(wù)隨心所想、網(wǎng)絡(luò)隨需而變、資源隨愿

共享。未來網(wǎng)絡(luò)全場景并存，全域網(wǎng)絡(luò)參數(shù)繁多，且存在多樣化資源沖突、網(wǎng)絡(luò)配置復(fù)雜度

高和交付失配，需實現(xiàn)網(wǎng)絡(luò)隨著服務(wù)意圖的智能管控。智能化網(wǎng)絡(luò)是網(wǎng)絡(luò)與人工智能等深度

融合的產(chǎn)物，相關(guān)新型網(wǎng)絡(luò)概念包括基于意圖的網(wǎng)絡(luò)（Intent-BasedNetwork，IBN）、意圖

驅(qū)動網(wǎng)絡(luò)（Intent-DrivenNetwork，IDN）、自動駕駛網(wǎng)絡(luò)（AutonomousDrivingNetwork，

ADN）和自智網(wǎng)絡(luò)（AutonomousNetwork，AN）等。本白皮書認為意圖驅(qū)動網(wǎng)絡(luò)是實現(xiàn)未來

網(wǎng)絡(luò)完全高階自智的關(guān)鍵技術(shù)，因此定義意圖驅(qū)動自智網(wǎng)絡(luò)；旨在探討概念、架構(gòu)、技術(shù)和

用例，并總結(jié)未來發(fā)展方向。

意圖驅(qū)動自智網(wǎng)絡(luò)的愿景已成為行業(yè)共識。通信業(yè)各標準組織、行業(yè)組織、開源社區(qū)等

積極推進自智網(wǎng)絡(luò)的產(chǎn)業(yè)應(yīng)用布局，覆蓋通信運營商、通信設(shè)備制造商等產(chǎn)業(yè)各領(lǐng)域，意圖

驅(qū)動自智網(wǎng)絡(luò)的技術(shù)研發(fā)和商用落地不斷加快，產(chǎn)業(yè)呈現(xiàn)蓬勃發(fā)展態(tài)勢。

意圖驅(qū)動自智網(wǎng)絡(luò)通過自頂而下的的正向意圖實現(xiàn)與自底而上的反向意圖保障，形成了

從用戶空間—數(shù)字空間—物理空間的分空間、多層次的意圖驅(qū)動網(wǎng)絡(luò)全生命周期閉環(huán)機制；

基于零信任原則，采取一步一反饋的方法，對整個循環(huán)進行持續(xù)監(jiān)控，從而實現(xiàn)動態(tài)優(yōu)化。

意圖驅(qū)動自智網(wǎng)絡(luò)通過構(gòu)建網(wǎng)絡(luò)全生命周期的自動化、智能化運維能力，為網(wǎng)絡(luò)服務(wù)的

客戶提供“零等待、零故障、零接觸”的極致業(yè)務(wù)體驗，為網(wǎng)絡(luò)生產(chǎn)一線打造“自配置、自

修復(fù)、自優(yōu)化”的高效運維手段。意圖驅(qū)動自智網(wǎng)絡(luò)將人工智能技術(shù)與通信網(wǎng)絡(luò)的硬件、軟

件、系統(tǒng)等深度融合，助力使能業(yè)務(wù)敏捷創(chuàng)新、網(wǎng)絡(luò)運營智能、構(gòu)建智慧內(nèi)生網(wǎng)絡(luò)。

打造意圖驅(qū)動自智網(wǎng)絡(luò)是一項復(fù)雜的系統(tǒng)工程，需要完整的頂層設(shè)計、統(tǒng)一的標準定義

和技術(shù)流程。本白皮書全面分析了意圖驅(qū)動自智網(wǎng)絡(luò)發(fā)展態(tài)勢，梳理了意圖驅(qū)動自智網(wǎng)絡(luò)關(guān)

鍵技術(shù)的演進趨勢，探討了運營商、設(shè)備商自智網(wǎng)絡(luò)產(chǎn)業(yè)應(yīng)用，分析了意圖驅(qū)動自智網(wǎng)絡(luò)應(yīng)

用技術(shù)挑戰(zhàn)和工程難題，為后續(xù)研究與應(yīng)用提供方向。

3/46

二、意圖驅(qū)動自智網(wǎng)絡(luò)必要性與發(fā)展歷程

在數(shù)字經(jīng)濟高速發(fā)展的推動下，全球電信業(yè)正加速網(wǎng)絡(luò)向自動化、智能化轉(zhuǎn)型升級。隨

著網(wǎng)絡(luò)規(guī)模部署和快速商用，快速發(fā)展的數(shù)字經(jīng)濟打開了數(shù)字時代的大門。自智網(wǎng)絡(luò)能夠?qū)?/p>

通信網(wǎng)絡(luò)與人工智能深度融合，面向消費者和垂直行業(yè)用戶提供數(shù)字化體驗的創(chuàng)新網(wǎng)絡(luò)服務(wù)

[1]。

運營商日益認識到部署意圖驅(qū)動的自智網(wǎng)絡(luò)至關(guān)重要。中國移動將自智網(wǎng)絡(luò)視為提升通

信網(wǎng)絡(luò)質(zhì)量和效率、助力行業(yè)數(shù)字化升級的關(guān)鍵趨勢，通過意圖驅(qū)動網(wǎng)絡(luò)等技術(shù)助力網(wǎng)絡(luò)實

現(xiàn)感知和控制策略的自動化部署，實現(xiàn)高階自智網(wǎng)絡(luò)演進。中國聯(lián)通強調(diào)為滿足用戶多元化

的業(yè)務(wù)需求，網(wǎng)絡(luò)需要具有負載應(yīng)對和全場景服務(wù)定制化的特性。引入意圖驅(qū)動的概念可以

簡化網(wǎng)絡(luò)操作、提升自動化程度，更有效地滿足業(yè)務(wù)需求。中國電信在2019年SDN/NFV/AI

大會上提出了“隨愿網(wǎng)絡(luò)”的概念，其目標是通過意圖驅(qū)動，實現(xiàn)網(wǎng)絡(luò)服務(wù)的個性化、網(wǎng)絡(luò)

資源的彈性分配和共享。該網(wǎng)絡(luò)旨在涵蓋全社會、全行業(yè)、全生態(tài)，并定義全場景、全域的

智能管控體系結(jié)構(gòu)。中國運營商正在不斷引領(lǐng)自智網(wǎng)絡(luò)的創(chuàng)新實踐，并推動全球產(chǎn)業(yè)形成共

識。自2021年中國移動首次提出在2025年達到L4級別的目標以來，中國聯(lián)通、中國電信

等多家公司均設(shè)立了相關(guān)目標，希望在高價值場景或全網(wǎng)范圍內(nèi)實現(xiàn)L4級別。

設(shè)備商正推出意圖驅(qū)動相應(yīng)產(chǎn)品和解決方案。華為在業(yè)界提出自動駕駛網(wǎng)絡(luò)的理念及分

級標準，從業(yè)務(wù)體驗，解放人力的程度和網(wǎng)絡(luò)環(huán)境復(fù)雜性等方面，定義了通信網(wǎng)絡(luò)的自動駕

駛分級標準，其中L5級完全自治網(wǎng)絡(luò)作為電信網(wǎng)絡(luò)的發(fā)展終極目標也是意圖驅(qū)動自智網(wǎng)絡(luò)

的發(fā)展目標。中興于提出“自主進化網(wǎng)絡(luò)”解決方案，以泛在人工智能推進未來網(wǎng)絡(luò)整網(wǎng)的

智能化，采用分層閉環(huán)的原則建設(shè)網(wǎng)元級、單域級、跨域級的智能網(wǎng)絡(luò)體系，目標是使網(wǎng)絡(luò)

系統(tǒng)逐步實現(xiàn)自主操作，通過數(shù)據(jù)驅(qū)動進行自學(xué)習(xí)、自演進，實現(xiàn)網(wǎng)絡(luò)系統(tǒng)的智能自治，使

得網(wǎng)絡(luò)投資效率、運營運維效率達到最優(yōu)。中興規(guī)劃了覆蓋“規(guī)/建/維/優(yōu)/營”全業(yè)務(wù)流程，

超過60個智能化應(yīng)用場景，涵蓋無線、承載、核心網(wǎng)等各專業(yè)域的單域智能化場景與端到

端跨專業(yè)拉通的數(shù)字化運營場景。

各高校正探索在自智網(wǎng)絡(luò)單技術(shù)點的突破。北京郵電大學(xué)在知識定義的意圖驅(qū)動網(wǎng)絡(luò)方

面進行了研究。西安電子科技大學(xué)正試圖從自上而下的意圖實現(xiàn)、和自底而上的意圖保障兩

條技術(shù)路線，實現(xiàn)意圖生命周期閉環(huán)。電子科技大學(xué)深入探索了意圖表征、分類與建模技術(shù)，

并將意圖驅(qū)動理念應(yīng)用到應(yīng)急通信中。

企業(yè)為了搶占先機，持續(xù)地進行調(diào)整和變革。運營商為了在未來網(wǎng)絡(luò)、云計算和邊緣計

算等關(guān)鍵技術(shù)所帶來的市場機會中獲得收益，也必須主動進行變革，并全面投身其中。未來

業(yè)務(wù)場景不僅需要具備低時延、高可靠和支撐海量設(shè)備連接的網(wǎng)絡(luò)，還期待運營商能夠提供

包括海量數(shù)據(jù)分析、圖像識別、精準定位等附加服務(wù)。高校對意圖驅(qū)動智能網(wǎng)絡(luò)的研究活動

也在如火如荼地進行中，這表明該領(lǐng)域的發(fā)展?jié)摿薮笄也豢勺钃酢?/p>

2.1研究背景與必要性

全球數(shù)字經(jīng)濟發(fā)展正邁向“深化應(yīng)用、規(guī)范發(fā)展、普惠共享”的新階段，千行百業(yè)數(shù)字

化轉(zhuǎn)型持續(xù)深入，由辦公、營銷服務(wù)場景擴展至核心生產(chǎn)、制造場景，由效率變革轉(zhuǎn)向價值

變革，由企業(yè)內(nèi)部數(shù)字化轉(zhuǎn)型延伸至產(chǎn)業(yè)鏈、價值鏈協(xié)同轉(zhuǎn)型。在此背景下，政府和企業(yè)對

4/46

5G應(yīng)用、上云用數(shù)賦智的需求更加普遍和迫切。

近十年來，我國數(shù)字經(jīng)濟取得了舉世矚目的發(fā)展成就，2022年，我國數(shù)字經(jīng)濟規(guī)模達

到50.2萬億元，同比名義增長10.3%，已連續(xù)11年顯著高于同期GDP名義增速，數(shù)字經(jīng)濟

占GDP比重相當(dāng)于第二產(chǎn)業(yè)占國民經(jīng)濟的比重，達到41.5%，整體規(guī)模位居全球第二，對經(jīng)

濟社會發(fā)展的引領(lǐng)支撐作用日益凸顯。2023年，通信運營商所提供的算網(wǎng)融合、車聯(lián)網(wǎng)、

HDICT等數(shù)字化新業(yè)務(wù)，以及網(wǎng)絡(luò)即服務(wù)、業(yè)務(wù)定制化、項目化交付等新的商業(yè)模式不斷涌

現(xiàn)，對網(wǎng)絡(luò)基礎(chǔ)設(shè)施和自動化、智能化運營水平提出了更高要求。

在數(shù)字經(jīng)濟高速發(fā)展的推動下，全球電信業(yè)正加速網(wǎng)絡(luò)向自動化、智能化轉(zhuǎn)型升級，自

智網(wǎng)絡(luò)因此誕生。為滿足垂直行業(yè)數(shù)字化和消費者生活數(shù)字化的多樣需求，行業(yè)提出了自智

網(wǎng)絡(luò)框架和關(guān)鍵特性。然而，網(wǎng)絡(luò)技術(shù)演進和運維管理提升帶來了諸多挑戰(zhàn)。

2.1.1用戶業(yè)務(wù)需求的多樣性和變化性挑戰(zhàn)

隨著科技的不斷發(fā)展，各行業(yè)對技術(shù)創(chuàng)新的需求日益迫切。例如，新能源、人工智能、

大數(shù)據(jù)等領(lǐng)域的發(fā)展為傳統(tǒng)行業(yè)帶來了轉(zhuǎn)型升級的機會。用戶對網(wǎng)絡(luò)服務(wù)的需求變化也越來

越快。用戶對產(chǎn)品和服務(wù)的需求更加多樣化，追求個性化、定制化的消費體驗。運營商網(wǎng)絡(luò)

服務(wù)需要敏銳地捕捉用戶意圖，基于用戶意圖智能靈活調(diào)整資源配置及運營策略，提升產(chǎn)品

和服務(wù)質(zhì)量，以滿足不斷變化的用戶需求，提升用戶體驗。隨著個人用戶市場的飽和，垂直

行業(yè)數(shù)字化和消費者生活數(shù)字化成為被寄予厚望的潛在增長點，對網(wǎng)絡(luò)服務(wù)從連通性、帶寬、

延遲、可靠性等各方面均提出了更為嚴格的多樣性需求。

2.1.2未來智慧網(wǎng)絡(luò)的異構(gòu)性和復(fù)雜性挑戰(zhàn)

網(wǎng)絡(luò)連接的設(shè)備數(shù)量將急劇增加，導(dǎo)致網(wǎng)絡(luò)規(guī)模的不斷擴大。這將給網(wǎng)絡(luò)管理帶來巨大

的挑戰(zhàn)，如何確保網(wǎng)絡(luò)資源的合理分配、提高網(wǎng)絡(luò)性能等。同時，未來的智慧異構(gòu)網(wǎng)絡(luò)將涵

蓋多種接入技術(shù)、多種應(yīng)用場景，以及跨行業(yè)、跨領(lǐng)域的深度融合。這將使得網(wǎng)絡(luò)架構(gòu)變得

更加復(fù)雜，對網(wǎng)絡(luò)管理提出了更高的要求。如何簡化網(wǎng)絡(luò)管理、提高運維效率將成為一大挑

戰(zhàn)。

2.1.3全場景按需服務(wù)個性化和定制化挑戰(zhàn)

全場景按需服務(wù)旨在為用戶提供個性化、定制化的網(wǎng)絡(luò)服務(wù)，滿足不同場景下的需求。

基于意圖驅(qū)動的智能策略可以通過人工智能技術(shù)更好感知用戶需求，實現(xiàn)網(wǎng)絡(luò)資源的智能調(diào)

度和優(yōu)化，提高網(wǎng)絡(luò)性能和用戶體驗。全場景按需服務(wù)與智能策略相結(jié)合，可以更好地滿足

用戶在不同場景下的網(wǎng)絡(luò)需求，提高網(wǎng)絡(luò)資源的利用率。自智網(wǎng)絡(luò)具備自主學(xué)習(xí)、自適應(yīng)調(diào)

整和自我優(yōu)化的網(wǎng)絡(luò)系統(tǒng)。它能夠根據(jù)用戶行為和網(wǎng)絡(luò)狀況，自動調(diào)整網(wǎng)絡(luò)參數(shù)，實現(xiàn)網(wǎng)絡(luò)

資源的合理分配和優(yōu)化。意圖驅(qū)動網(wǎng)絡(luò)是以用戶需求和意圖為核心，驅(qū)動網(wǎng)絡(luò)行為的調(diào)整和

優(yōu)化。自智網(wǎng)絡(luò)和意圖驅(qū)動網(wǎng)絡(luò)的融合具備提高網(wǎng)絡(luò)性能、提升用戶體驗、提高網(wǎng)絡(luò)安全防

護、降低管理成本、適應(yīng)未來網(wǎng)絡(luò)發(fā)展需求等優(yōu)勢。

綜上所述，為滿足用戶業(yè)務(wù)多樣化需求，未來網(wǎng)絡(luò)負載型特征和全場景服務(wù)定制化發(fā)展，

引入意圖成為解決問題的關(guān)鍵，以簡化網(wǎng)絡(luò)操作、提高自動化水平，更好地滿足業(yè)務(wù)需求。

5/46

2.2意圖驅(qū)動自智網(wǎng)絡(luò)的發(fā)展歷程

TMForum、3GPP、ITU-T、ETSI、CCSA等國內(nèi)外標準組織紛紛開展了自智網(wǎng)絡(luò)相關(guān)工作，

產(chǎn)業(yè)界積極推進自智網(wǎng)絡(luò)的標準化布局，爭奪自智網(wǎng)絡(luò)的產(chǎn)業(yè)話語權(quán)[5-7]。

2015年，開放網(wǎng)絡(luò)基金組織的北向接口工作組發(fā)布了《基于意圖的網(wǎng)絡(luò)》白皮書。

Gartner、思科、華為先后提出IDN（IntentDrivenNetwork，意圖驅(qū)動網(wǎng)絡(luò)）的定義，明

確IDN中意圖轉(zhuǎn)譯、意圖驗證、自動實施、全息感知等基本組成要素[7][10]。IDN是一種

全新的網(wǎng)絡(luò)模型，通過分析用戶意圖，將意圖轉(zhuǎn)譯為相應(yīng)的網(wǎng)絡(luò)策略，最終實現(xiàn)網(wǎng)絡(luò)感知和

控制策略的自動化部署，將網(wǎng)絡(luò)從一個靜態(tài)資源系統(tǒng)演變成為一個能持續(xù)滿足商業(yè)目標的動

態(tài)系統(tǒng)。

2015年，ONF發(fā)布了一篇名為《Intent：Don’tTellMeWhattoDo!TellMeWhatYou

Want》的標準提案：在基于意圖的網(wǎng)絡(luò)中，智能軟件將決定如何把意圖轉(zhuǎn)化為針對特定基礎(chǔ)

設(shè)施的配置，從而使網(wǎng)絡(luò)以滿足期望的方式運行。

2017年，思科在《向基于意圖的網(wǎng)絡(luò)邁進》白皮書提出：網(wǎng)絡(luò)團隊可以用簡明的語言

描述想要完成的工作，然后網(wǎng)絡(luò)能夠?qū)⒋艘鈭D轉(zhuǎn)化為眾多策略，這些策略將利用自動化功能

在復(fù)雜的異構(gòu)環(huán)境中建立適當(dāng)?shù)呐渲煤驮O(shè)置變更。

2017年，國際互聯(lián)網(wǎng)研究任務(wù)組IRTF的網(wǎng)絡(luò)管理研究小組（NMRG）啟動意圖研究，重

點就概念定義、主要原則、意圖分類、生命周期管理進行分析，發(fā)布了RFC9315、RFC9316，

定義意圖為：用于操作網(wǎng)絡(luò)的抽象高級策略[5]。

2018年，3GPPSA5發(fā)起的IDMS_MN項目針對移動通信網(wǎng)絡(luò)管理層次，描述意圖驅(qū)動的

管理概念、意圖驅(qū)動的管理場景，以及在規(guī)范階段實現(xiàn)意圖標準化表達的建議。3GPP在R18

階段發(fā)布TS28.312標準。2024年，R19啟動FS_IDMS_MN_Ph3項目，對移動網(wǎng)絡(luò)增強型意

圖驅(qū)動管理服務(wù)進行進一步研究。

2019年，ETSI全面啟動意圖的標準研究工作，率先發(fā)布的ETSIGSENI005中給出了

ENI系統(tǒng)策略管理模型定義，支持聲明式策略、命令式策略及意圖策略。在2022年發(fā)布的

ETSIGRENI013中聚焦意圖信息模型標準化針對產(chǎn)業(yè)現(xiàn)狀展開差距分析，同期啟動的ETSI

IFA050主要研究意圖驅(qū)動的接口與模型標準。2023年啟動ETSISOL021的研究主要關(guān)于

意圖管理服務(wù)接口要求的RESTful協(xié)議和數(shù)據(jù)模型規(guī)范。

自智網(wǎng)絡(luò)2019年由TMForum聯(lián)合產(chǎn)業(yè)伙伴共同提出，旨在引領(lǐng)網(wǎng)絡(luò)基礎(chǔ)設(shè)施和運營體

系的自動化、智能化轉(zhuǎn)型。經(jīng)過4年多的發(fā)展，自智網(wǎng)絡(luò)已形成體系化的理念、標準、實現(xiàn)

方法和應(yīng)用案例，在產(chǎn)業(yè)共識、標準制定、實踐部署等方面取得顯著成果[7]。

（1）產(chǎn)業(yè)共識：Zero-X/Self-X愿景、L0-L5分級、三層四閉環(huán)架構(gòu)、單域自治-跨域

協(xié)同、意圖驅(qū)動-全棧AI等諸多理念成為廣泛的產(chǎn)業(yè)共識；

（2）標準制定：TMForum、3GPP、CCSA、ETSI等9大標準組織聚焦5大標準方向，累

計立項/發(fā)布80多個標準/研究課題，并依托多標準組織M-SDO，確保架構(gòu)同源、標準統(tǒng)一；

（3）實踐部署：中國移動、中國電信、中國聯(lián)通、德國電信、沃達豐等14家領(lǐng)先運營

商將自智網(wǎng)絡(luò)納入集團戰(zhàn)略，以商業(yè)價值和運營成效為牽引，朝著2025-2027年L4級自智

的目標，迭代開展分級評估和自智能力規(guī)劃建設(shè)。

2021年，TMF正式啟動跨層跨域通用意圖相關(guān)標準工作，同年交付IG1253及一系列意

6/46

圖相關(guān)規(guī)范，針對意圖建模、意圖信息模型、意圖生命周期管理和接口及意圖用例開展深入

研究[4]。2022年啟動TR290意圖通用模型、TR291意圖擴展模型、TR292意圖管理本體的

研究工作。同時分別于2021年和2022年發(fā)布《自智網(wǎng)絡(luò)：賦能數(shù)字化轉(zhuǎn)型——從戰(zhàn)略到實

施》、《自智網(wǎng)絡(luò)中的意圖》兩份關(guān)于自智網(wǎng)絡(luò)中的意圖發(fā)展研究報告[8]。

CCSA的NFV特設(shè)項目組SP1于2021年啟動網(wǎng)絡(luò)功能虛擬化管理編排技術(shù)要求系列標準，

規(guī)定網(wǎng)絡(luò)功能虛擬化管理編排技術(shù)要求中的意圖管理總體架構(gòu)及功能需求、意圖管理信息模

型與意圖管理接口。CCSA的網(wǎng)管技術(shù)委員會TC7于2022年6月啟動自智網(wǎng)絡(luò)意圖管理技術(shù)

研究，重點對意圖管理架構(gòu)和相關(guān)參考點、意圖表達模型、意圖生命周期管理等進行研究和

討論。并于2023年6月正式啟動自智網(wǎng)絡(luò)意圖管理技術(shù)要求標準的制定工作[9]。

在上述標準化研究的過程中，各個標準組織和廠商積極投入到了意圖驅(qū)動網(wǎng)絡(luò)的研究中，

提出了各自的解決方案。意圖驅(qū)動網(wǎng)絡(luò)正在逐步從理論走向?qū)嵺`，并且在實踐中不斷得到完

善和優(yōu)化，展現(xiàn)出在網(wǎng)絡(luò)管理、自動化部署、優(yōu)化網(wǎng)絡(luò)資源配置等方面的巨大潛力。然而，

目前針對意圖驅(qū)動網(wǎng)絡(luò)的研究和實踐，仍存在一些挑戰(zhàn)和問題。例如，如何準確理解和轉(zhuǎn)譯

用戶的意圖？如何保證意圖的驗證和實施的準確性？如何實現(xiàn)網(wǎng)絡(luò)的全面感知和動態(tài)調(diào)

整？這些問題都需要我們在未來的研究和實踐中不斷探索和解決。此外，自智網(wǎng)絡(luò)作為意圖

驅(qū)動網(wǎng)絡(luò)的一個重要應(yīng)用場景，正在受到越來越多的關(guān)注。自智網(wǎng)絡(luò)通過引入意圖的概念，

可以實現(xiàn)網(wǎng)絡(luò)的自動化、智能化和動態(tài)化，從而更好地滿足用戶的需求和業(yè)務(wù)的發(fā)展。因此，

如何在自智網(wǎng)絡(luò)中實現(xiàn)意圖的有效管理和應(yīng)用，也將是未來需要重點研究的問題。

三、意圖驅(qū)動自智網(wǎng)絡(luò)概念內(nèi)涵與優(yōu)勢分析

基于上述已有的標準化研究成果，亟需對自智網(wǎng)絡(luò)中的意圖、意圖驅(qū)動網(wǎng)絡(luò)的定義、架

構(gòu)和關(guān)鍵技術(shù)形成共識，通過不斷完善和優(yōu)化意圖驅(qū)動網(wǎng)絡(luò)的理論和技術(shù)體系，以更好地推

動網(wǎng)絡(luò)的發(fā)展和進步。本章介紹意圖驅(qū)動自智網(wǎng)絡(luò)的基本概念，包括總體框架、核心理念和

關(guān)鍵能力。

3.1意圖驅(qū)動自智網(wǎng)絡(luò)的概念

根據(jù)TMFIG1253[4]的定義，意圖是所有期望的正式規(guī)范，包括對技術(shù)系統(tǒng)的要求、目

標和約束。意圖所有者是意圖的創(chuàng)建者，負責(zé)管理意圖的生命周期。意圖處理者是意圖的接

收者，負責(zé)意圖的實現(xiàn)與滿足，并管理意圖實例的生命周期。

意圖驅(qū)動自智網(wǎng)絡(luò)，是意圖驅(qū)動網(wǎng)絡(luò)的進階版，強調(diào)網(wǎng)絡(luò)不再是被動地接收業(yè)務(wù)指令，

而是試圖主動地理解人類管理員的意圖，盡可能做到料人先機、隨意而動，兼顧意圖準確性

和網(wǎng)絡(luò)優(yōu)化目標。根據(jù)網(wǎng)絡(luò)環(huán)境和用戶需求，動態(tài)調(diào)整網(wǎng)絡(luò)參數(shù)，提高網(wǎng)絡(luò)性能。按照自智

網(wǎng)絡(luò)分級標準，在L4（高級自智網(wǎng)絡(luò)）階段，通過引入意圖實現(xiàn)意圖驅(qū)動自智網(wǎng)絡(luò)，其內(nèi)

涵包括以下幾個方面：

用戶意圖為核心：網(wǎng)絡(luò)系統(tǒng)的設(shè)計和運行以用戶意圖為主要考慮因素，通過分析和理解

用戶需求，自動調(diào)整網(wǎng)絡(luò)資源。提供最優(yōu)化的服務(wù)同樣需要時間，所有意圖并非是同等優(yōu)先

的，因此為每一個意圖配置優(yōu)先級，為高優(yōu)先級的意圖預(yù)留。

自動化和智能化：利用先進的自動化和智能化技術(shù)，如人工智能、機器學(xué)習(xí)等，實現(xiàn)網(wǎng)

7/46

絡(luò)資源最佳配置。意圖優(yōu)先級的自動配置、優(yōu)化和故障恢復(fù)。這些技術(shù)能夠自主地學(xué)習(xí)、感

知和決策，提高網(wǎng)絡(luò)的自適應(yīng)性。

零等待、零接觸、零故障：通過精準的資源掌控和自動化運維能力，實現(xiàn)業(yè)務(wù)的實時開

通、即購即用，提供零等待的體驗；通過網(wǎng)絡(luò)端到端的監(jiān)控和智能化的配置故障恢復(fù)機制，

提供零故障的體驗；通過網(wǎng)絡(luò)數(shù)據(jù)與能力的開放和自助服務(wù)，提供零接觸的體驗。

全場景網(wǎng)絡(luò)自治：基于網(wǎng)元、資源、服務(wù)與業(yè)務(wù)四個管理層次，構(gòu)建體系化能力，實現(xiàn)

全場景網(wǎng)絡(luò)自治。通過分層次構(gòu)建體系化能力，實現(xiàn)不同管理層次之間的協(xié)同和閉環(huán)控制，

促進外部商業(yè)增長與內(nèi)部效率提升。

3.2意圖驅(qū)動自智網(wǎng)絡(luò)的技術(shù)內(nèi)涵

自智網(wǎng)絡(luò)是集智能化和自動化于一體的網(wǎng)絡(luò)基礎(chǔ)設(shè)施、運營管理系統(tǒng)和業(yè)務(wù)系統(tǒng)[2]。

目前，自智網(wǎng)絡(luò)的自動化運維能力在很大程度上依賴于預(yù)設(shè)的、由專家精心設(shè)計的經(jīng)驗規(guī)則。

然而，這些基于規(guī)則的自動化策略在現(xiàn)實應(yīng)用中遭遇諸多挑戰(zhàn)。首先，規(guī)則設(shè)計難以涵蓋所

有場景，導(dǎo)致在特定或復(fù)雜環(huán)境下效果欠佳。其次，參數(shù)配置通常是靜態(tài)的，無法適應(yīng)網(wǎng)絡(luò)

環(huán)境的即時變化，降低了系統(tǒng)適應(yīng)性和反應(yīng)速度。此外，參數(shù)配置往往是固定分檔的，無法

根據(jù)實際需求精細調(diào)整，影響資源利用效率。最后，規(guī)則間的潛在沖突需要專家介入以識別

和解決，增加了運維復(fù)雜性和成本。因此，為了應(yīng)對這些問題，自智網(wǎng)絡(luò)需要發(fā)展更加智能

和靈活的技術(shù)，以適應(yīng)不斷變化的網(wǎng)絡(luò)環(huán)境和需求。這是實現(xiàn)意圖驅(qū)動自智網(wǎng)絡(luò)的關(guān)鍵技術(shù)

研究方向。

（1）外部輸入意圖和內(nèi)生意圖

意圖驅(qū)動自智網(wǎng)絡(luò)中的意圖按照產(chǎn)生方式可分為人為產(chǎn)生的意圖和自動產(chǎn)生的意圖。可

將人為產(chǎn)生的意圖稱為外部輸入意圖，將自動演化出的意圖稱為內(nèi)生意圖。人為產(chǎn)生的意圖

主要涉及的關(guān)鍵技術(shù)是意圖理解，自動產(chǎn)生的意圖通常是為了更好地完成人為意圖而繁衍出

的內(nèi)生意圖，涉及的關(guān)鍵技術(shù)稱為意圖預(yù)測?！白灾恰斌w現(xiàn)在意圖理解和預(yù)測過程中。在意

圖理解中，系統(tǒng)需要具備對用戶輸入進行分析和理解的能力，這可能涉及到自然語言處理、

圖像識別、語音識別等技術(shù)。而在意圖預(yù)測中，系統(tǒng)需要通過數(shù)據(jù)分析、模型訓(xùn)練等方式，

預(yù)測用戶可能的下一個意圖或者根據(jù)用戶當(dāng)前意圖演化出次級意圖配合完成當(dāng)前業(yè)務(wù)。這些

操作使系統(tǒng)具備了對用戶意圖的智能感知和預(yù)測能力，使網(wǎng)絡(luò)更智能更好地為用戶服務(wù)。

（2）基于意圖的預(yù)測技術(shù)

意圖預(yù)測技術(shù)尤其在應(yīng)急場景下發(fā)揮獨特作用，在自然災(zāi)害、人為事故或基礎(chǔ)設(shè)施故障

等突發(fā)應(yīng)急場景下，意圖驅(qū)動自智網(wǎng)絡(luò)能夠自動快速調(diào)度網(wǎng)絡(luò)資源以處理事故。以突發(fā)森林

火災(zāi)的預(yù)防和響應(yīng)為例，緊急災(zāi)情通常需要毫秒級快速響應(yīng)，但空、天、地融合的復(fù)雜網(wǎng)絡(luò)

狀況需要大量網(wǎng)絡(luò)配置操作，這對人類操作員造成巨大的負擔(dān)。通過意圖驅(qū)動自智網(wǎng)絡(luò)，大

量傳感器、衛(wèi)星圖像可以借助意圖驅(qū)動代理異構(gòu)接入，自動收集來自物理網(wǎng)絡(luò)的警告信息，

通過高效的意圖轉(zhuǎn)譯和快速決策，自動準確地下發(fā)意圖以指導(dǎo)相關(guān)人員采取緊急措施，自動

調(diào)度全網(wǎng)相關(guān)資源提供即時的通信和協(xié)調(diào)支持。此外，在大數(shù)據(jù)分析和機器學(xué)習(xí)技術(shù)支持下，

自智網(wǎng)絡(luò)可以預(yù)測火災(zāi)蔓延方向，提前預(yù)測火災(zāi)可能的發(fā)展趨勢，為人類管理員生成各種預(yù)

案，有助于采取更及時有效的緊急措施。

8/46

（3）意圖驅(qū)動的管理服務(wù)

意圖驅(qū)動管理服務(wù)是實現(xiàn)意圖驅(qū)動自智功能的關(guān)鍵部件，在基于SDN的實現(xiàn)中，可以實

現(xiàn)在SDN網(wǎng)關(guān)上，向上與意圖轉(zhuǎn)譯功能通過南向接口交互，將自然語言描述的意圖轉(zhuǎn)換為意

圖模型描述的意圖。意圖驅(qū)動控制器負責(zé)解析意圖和將意圖下發(fā)，控制器將意圖下發(fā)到意圖

驅(qū)動的管理服務(wù)，由代理負責(zé)具體的網(wǎng)絡(luò)配置。意圖驅(qū)動代理向下通過物理網(wǎng)絡(luò)接口為衛(wèi)星

鏈路、自組織網(wǎng)絡(luò)、集群網(wǎng)絡(luò)等末端鏈路提供接入和互聯(lián)支持。

（4）意圖優(yōu)先級

網(wǎng)絡(luò)資源總是有限的，網(wǎng)絡(luò)資源的調(diào)度通常需要時間，各種通信業(yè)務(wù)并非是同等優(yōu)先的，

因此可以為重要的意圖配置更高的優(yōu)先級，從而通過預(yù)留網(wǎng)絡(luò)資源等手段優(yōu)先保障關(guān)鍵的通

信業(yè)務(wù)。意圖優(yōu)先級的配置在緊急通信中消解意圖沖突具有重要作用。用戶意圖的明確性、

上下文、緊急性、系統(tǒng)策略、用戶期望和任務(wù)復(fù)雜性等都會影響意圖的優(yōu)先級。即便是相同

意圖，如果在不同時間、由不同用戶發(fā)布，其優(yōu)先級也不一定相同。

（5）意圖金字塔模型

是以SNMP為代表的配置細節(jié)管理階段，其注重對底層網(wǎng)絡(luò)設(shè)備的基本監(jiān)控和配置。其

次是以PBNM為代表的系統(tǒng)策略管理階段，該階段引入了較為復(fù)雜的策略，使網(wǎng)絡(luò)管理更具

目的性和靈活性。最后是以IDNM為代表的服務(wù)意圖管理階段，該階段強調(diào)針對用戶的服務(wù)

意圖實現(xiàn)更高層次的自適應(yīng)網(wǎng)絡(luò)管理。該三個階段的演進過程中，對底層設(shè)施的抽象級別逐

漸提升，從而不斷屏蔽繁雜的技術(shù)細節(jié)，最終實現(xiàn)以最高級別抽象的服務(wù)意圖對網(wǎng)絡(luò)進行管

理，形成從“意圖”到“策略”再到最終的“配置”的映射，為網(wǎng)絡(luò)管理提供了更加靈活和

智能的手段?！耙鈭D-策略-配置”的金字塔模型，如圖1所示。

圖1“意圖-策略-配置”金字塔模型示意圖

3.3意圖驅(qū)動自智網(wǎng)絡(luò)的優(yōu)勢分析

意圖驅(qū)動自智網(wǎng)絡(luò)展現(xiàn)出四大顯著的價值亮點。首先，它賦予業(yè)務(wù)模式更大的靈活性、

智能性和高效性，為用戶提供更為創(chuàng)新和有價值的產(chǎn)品與服務(wù)，為企業(yè)帶來嶄新的商機和增

9/46

長空間。其次，通過實時捕捉全網(wǎng)數(shù)據(jù)，借助海量數(shù)據(jù)進行分析、深度洞察、預(yù)測和知識提

取，釋放數(shù)據(jù)流動的潛力，助力基于數(shù)據(jù)的產(chǎn)品創(chuàng)新。再者，它升級了資源調(diào)度、自動化和

智能化水平，有效降低人力成本、提升終端、基站和計算中心的利用效率，實現(xiàn)企業(yè)運營成

本的降低。最后，意圖驅(qū)動自智網(wǎng)絡(luò)具備卓越的風(fēng)險識別、預(yù)判和應(yīng)急響應(yīng)能力，可顯著減

少潛在風(fēng)險并降低損失。通過采用自動化和智能化手段，動態(tài)平衡全網(wǎng)的使用需求，實現(xiàn)了

顯著的節(jié)能減排效果[3]。

意圖驅(qū)動自智網(wǎng)絡(luò)以其獨特的優(yōu)勢，正在重塑傳統(tǒng)的網(wǎng)絡(luò)運營模式[11]。意圖驅(qū)動自智

網(wǎng)絡(luò)在提高網(wǎng)絡(luò)性能、優(yōu)化資源利用、提供個性化服務(wù)等方面具有顯著優(yōu)勢，有助于推動網(wǎng)

絡(luò)技術(shù)的創(chuàng)新與發(fā)展，主要包括：

（1）提高網(wǎng)絡(luò)資源利用率：通過實時監(jiān)測網(wǎng)絡(luò)狀態(tài)和用戶需求，意圖驅(qū)動自智網(wǎng)絡(luò)能

夠智能地調(diào)整網(wǎng)絡(luò)資源分配，實現(xiàn)資源的高效利用，降低浪費。

（2）優(yōu)化網(wǎng)絡(luò)性能：意圖驅(qū)動自智網(wǎng)絡(luò)基于先進算法和模型，對網(wǎng)絡(luò)性能進行持續(xù)優(yōu)

化。這有助于提高網(wǎng)絡(luò)穩(wěn)定性、降低延遲和丟包率，提升用戶體驗。

（3）自動化與智能化：意圖驅(qū)動自智網(wǎng)絡(luò)具備自主學(xué)習(xí)能力，能夠從海量數(shù)據(jù)中提取

有價值的信息，自動調(diào)整網(wǎng)絡(luò)參數(shù)和策略。這使得網(wǎng)絡(luò)管理更加便捷，降低了人工干預(yù)的成

本。

（4）個性化服務(wù)：意圖驅(qū)動自智網(wǎng)絡(luò)可以根據(jù)用戶行為和偏好，為用戶提供個性化、

定制化的網(wǎng)絡(luò)服務(wù)。這有助于提高用戶滿意度和忠誠度，促進業(yè)務(wù)發(fā)展的重要方向。

（5）開放與可擴展：意圖驅(qū)動自智網(wǎng)絡(luò)具有良好的開放性和可擴展性，可以與其他網(wǎng)

絡(luò)技術(shù)和應(yīng)用無縫集成，適應(yīng)不斷變化的網(wǎng)絡(luò)需求。這為網(wǎng)絡(luò)創(chuàng)新和發(fā)展提供了有力支持。

（6）應(yīng)對復(fù)雜場景：意圖驅(qū)動自智網(wǎng)絡(luò)能夠應(yīng)對多樣化的網(wǎng)絡(luò)環(huán)境和復(fù)雜場景，實現(xiàn)

對各類應(yīng)用的優(yōu)化支持。這有助于提升網(wǎng)絡(luò)的適應(yīng)性和靈活性

四、意圖驅(qū)動自智網(wǎng)絡(luò)的架構(gòu)與實驗驗證

4.1意圖驅(qū)動自智網(wǎng)絡(luò)運營分層架構(gòu)

多邊接入網(wǎng)關(guān)與自智網(wǎng)絡(luò)的部署實踐圍繞“單域自治，跨域協(xié)同”的核心思想，分層次

構(gòu)建體系化能力，實現(xiàn)全場景網(wǎng)絡(luò)自智，其目標架構(gòu)自下而上包含網(wǎng)元管理（對設(shè)備組件和

運行狀態(tài)動態(tài)感知和自動優(yōu)化，并開放自動化操作能力）、網(wǎng)絡(luò)管理（基于網(wǎng)絡(luò)管理、控制

和分析能力，自動將上層業(yè)務(wù)和應(yīng)用意圖驅(qū)動控制器轉(zhuǎn)化為網(wǎng)絡(luò)行為，通過南向感知/分析/

決策/執(zhí)行的域內(nèi)控制閉環(huán)能力，結(jié)合本地智能，持續(xù)保證網(wǎng)絡(luò)連接或功能的SLA承諾，實

現(xiàn)單域網(wǎng)絡(luò)的自治閉環(huán)管理）、服務(wù)管理（基于規(guī)劃、建設(shè)、維護、優(yōu)化的端到端流程，結(jié)

合業(yè)務(wù)協(xié)同、保障、分析三大能力，實現(xiàn)跨廠商、跨領(lǐng)域的服務(wù)層自治和閉環(huán)管理）和業(yè)務(wù)

管理（主要面向自智網(wǎng)絡(luò)業(yè)務(wù)提供客戶、生態(tài)和合作伙伴業(yè)務(wù)使能和運營能力）4個層次，

以及資源閉環(huán)（單專業(yè)資源管理，實現(xiàn)單域自治）、業(yè)務(wù)閉環(huán)（面向業(yè)務(wù)的、跨專業(yè)的端到

端管理，實現(xiàn)跨域協(xié)同）與用戶閉環(huán)（用戶與商務(wù)管理，包括用戶信息、營業(yè)、計費、客服

等）3個閉環(huán)[2]。分層架構(gòu)模式降低了整體系統(tǒng)的復(fù)雜性，每層可獨立演進與自治運行，

并向接口其消費者層隱藏域?qū)崿F(xiàn)技術(shù)、域內(nèi)操作和域內(nèi)功能細節(jié)，如圖2所示。其中A類參

10/46

考點，位于分層解耦的管理架構(gòu)層次之間，可作為自治域北向，對上層提供意圖處理能力的

調(diào)用與管理入口。K類參考點，位于集中自智節(jié)點與分層解耦的管理層次之間，對后者提供

實現(xiàn)意圖管理所需的集中式智能支撐能力的調(diào)用與管理入口。

圖2意圖驅(qū)動自智網(wǎng)絡(luò)架構(gòu)

自智網(wǎng)絡(luò)各個層次均可以引入意圖疊加層，并對層間交互，為衛(wèi)星鏈路、自組織網(wǎng)絡(luò)、

集群網(wǎng)絡(luò)等末端鏈路提供接入和互聯(lián)支持。多邊接入網(wǎng)關(guān)為異構(gòu)網(wǎng)絡(luò)接口提供接入接口，意

圖驅(qū)動控制器簡化與抽象，在自智網(wǎng)絡(luò)演進的智能化階段，系統(tǒng)基于用戶指定意圖目標，結(jié)

合AI技術(shù)，層內(nèi)提供自動閉環(huán)，層間通過網(wǎng)關(guān)控制異構(gòu)網(wǎng)絡(luò)意圖接口交互，使上層服務(wù)調(diào)

用獨立于下層實現(xiàn)，從而意圖下發(fā)和意圖實現(xiàn)自智網(wǎng)絡(luò)跨層跨域的意圖覆蓋，進一步減少人

為操作、提升管理效率、加速技術(shù)迭代。

4.2意圖驅(qū)動自智網(wǎng)絡(luò)技術(shù)實現(xiàn)架構(gòu)

意圖驅(qū)動自智網(wǎng)絡(luò)的技術(shù)實現(xiàn)參考架構(gòu)如圖3所示，其設(shè)計采用分層策略，按照各層的

功能抽象程度和業(yè)務(wù)邏輯，自底向上分為基礎(chǔ)設(shè)施層、服務(wù)管理管理層和業(yè)務(wù)管理層。同時，

分布式人工智能模塊橫跨各層，為各個流程環(huán)節(jié)提供強大的支持。

基礎(chǔ)設(shè)施層可視為意圖驅(qū)動自智網(wǎng)絡(luò)的基石，由各類硬件設(shè)施、軟件系統(tǒng)和數(shù)據(jù)等構(gòu)成。

這一層面對全網(wǎng)的算力資源、網(wǎng)絡(luò)資源和存儲資源進行統(tǒng)一感知管理，并能夠根據(jù)業(yè)務(wù)需求

對計算和存儲資源進行高質(zhì)量的管理和調(diào)度。通過分布式人工智能，基礎(chǔ)設(shè)施層拓展了對自

身信息的感知深度與維度，包括資源感知、性能感知和故障感知，為網(wǎng)絡(luò)管理層提供可靠全

面的決策輸入。同時，通過在數(shù)據(jù)源頭進行分析決策，實現(xiàn)實時不間斷的業(yè)務(wù)響應(yīng)、設(shè)備能

耗的智能調(diào)節(jié)和算網(wǎng)故障感知和修復(fù)等功能，提升系統(tǒng)的自響應(yīng)、自修復(fù)和自優(yōu)化能力。

網(wǎng)絡(luò)管理層被視為意圖驅(qū)動自智網(wǎng)絡(luò)的大腦，負責(zé)具體實現(xiàn)系統(tǒng)功能。該層通過南北向

接口分別接收基礎(chǔ)設(shè)施層的狀態(tài)信息和業(yè)務(wù)意圖，進行分析決策和網(wǎng)絡(luò)控制，包括狀態(tài)感知、

資源調(diào)度、算力管理、服務(wù)編排、故障分析和自修復(fù)等。網(wǎng)絡(luò)管理層采用單域自治與跨域協(xié)

同的分層漸進策略，強調(diào)對系統(tǒng)子功能模塊的自動化和智能化執(zhí)行，同時支持根據(jù)資源狀態(tài)

11/46

和用戶意圖等進行自適演進?？缬騾f(xié)同將各自治域拉通互聯(lián)，通過多域協(xié)同解決復(fù)雜問題，

實現(xiàn)功能流程的自動化和業(yè)務(wù)高層智能化閉環(huán)處理。網(wǎng)絡(luò)管理層將AI技術(shù)深度嵌入算網(wǎng)的

各個層面，提升各功能模塊的智能化學(xué)習(xí)及場景適應(yīng)能力，確保算網(wǎng)對當(dāng)前和未來新業(yè)務(wù)的

服務(wù)質(zhì)量。

圖3意圖驅(qū)動自智網(wǎng)絡(luò)設(shè)計框架

業(yè)務(wù)應(yīng)用層用于實現(xiàn)面向用戶的服務(wù)能力開放，承載抽象的業(yè)務(wù)功能。從用戶角度看，

業(yè)務(wù)應(yīng)用層能夠根據(jù)用戶意圖將服務(wù)應(yīng)用調(diào)度到合適的節(jié)點，實現(xiàn)資源利用率最優(yōu)并保證卓

越的用戶體驗。

分布式人工智能模塊通過數(shù)據(jù)管理、學(xué)習(xí)訓(xùn)練、智能分發(fā)和持續(xù)學(xué)習(xí)等形成完整的智能

閉環(huán)，為基礎(chǔ)設(shè)施層、網(wǎng)絡(luò)管理層和業(yè)務(wù)應(yīng)用層提供全方位的智能服務(wù)。作為智能能力管理

與知識統(tǒng)一中心，分布式人工智能模塊深度融合在各層級，將AI的設(shè)計訓(xùn)練、推理驗證、

部署應(yīng)用和迭代優(yōu)化等全生命周期都設(shè)在意圖驅(qū)動自智網(wǎng)絡(luò)內(nèi)部，實現(xiàn)了AI的內(nèi)部誕生和

服務(wù)。通過對算網(wǎng)運行過程中產(chǎn)生的數(shù)據(jù)進行深度挖掘，分布式人工智能模塊協(xié)同整合不同

網(wǎng)絡(luò)層之間的數(shù)據(jù)、資源和功能方面的差異，產(chǎn)生有效解決方案，并綜合考慮意圖驅(qū)動自智

網(wǎng)絡(luò)的運行效率、自動化水平和服務(wù)質(zhì)量等。同時，該模塊支持AI的持續(xù)學(xué)習(xí)，能夠自適

應(yīng)地進行知識演進，并進行知識融合與推理，從而創(chuàng)造新的知識。

4.3意圖驅(qū)動自智網(wǎng)絡(luò)端到端處理流程

一個完整的意圖處理流程包括如下幾個階段，開始階段、評估階段、下發(fā)階段、實施階

段，如圖4所示。

在開始階段，意圖所有者通過檢測需求滿足情況確定是否需要定義新的或更改現(xiàn)有意圖，

孵化出新的意圖對象。若不需要創(chuàng)建新的意圖對象，則處理流程結(jié)束。

在評估階段，意圖所有者和潛在的意圖處理者通過調(diào)查協(xié)商確定意圖對象的可行實現(xiàn)方

12/46

案，包括意圖處理者的選擇以及意圖對象的參數(shù)協(xié)商，同時對相應(yīng)方案產(chǎn)生的影響進行驗證

和評估。如果評估不可行，則處理流程結(jié)束。如果評估可行，則意圖所有者確定實現(xiàn)意圖對

象所需的意圖處理者及對應(yīng)的參數(shù)信息。

在下發(fā)階段，意圖所有者將評估后的意圖對象下發(fā)給意圖處理者請求新建意圖實例。如

果意圖處理者接受該意圖對象，則新建意圖實例成功，意圖生命周期進入實施階段；如果意

圖處理者不接受該意圖對象，則新建實例失敗，處理流程結(jié)束。

在實施階段，意圖處理者根據(jù)接受的意圖操作其責(zé)任域，實現(xiàn)意圖的期望目標。在意圖

實例被刪除之前持續(xù)保障意圖對應(yīng)的期望得到滿足。按需向意圖所有者報告意圖處理完成情

況、執(zhí)行狀態(tài)和未滿足原因等。當(dāng)意圖處理者接收到意圖實例更新請求，通過調(diào)查協(xié)商確定

更新操作的可行方案，并對相應(yīng)方案產(chǎn)生的影響進行驗證和評估，如果更新不可行，則處理

流程結(jié)束；如果更新可行，則進行相應(yīng)意圖實例的更新。當(dāng)意圖處理者接收到意圖實例刪除

請求，則處理流程結(jié)束。

圖4端到端意圖處理流程示意圖

在意圖驅(qū)動網(wǎng)絡(luò)中，針對業(yè)務(wù)管理、服務(wù)管理、資源管理、網(wǎng)元管理不同層次，上層意

圖管理功能可以作為意圖所有者，下層意圖管理功能可以作為意圖處理者，層間通過調(diào)用意

圖接口，實現(xiàn)自頂向下的意圖調(diào)用流程，從而使用戶端到端的意圖得以滿足。

4.4意圖驅(qū)動光網(wǎng)絡(luò)架構(gòu)的實驗驗證

基于意圖驅(qū)動自智網(wǎng)絡(luò)框架開發(fā)了意圖驅(qū)動光網(wǎng)絡(luò)平臺(IDONP)，包括從意圖到策略的

部署方案優(yōu)化設(shè)計，高精度意圖保障的故障定位機制，和面向意圖保障的快速切片重構(gòu)方法。

4.4.1部署方案的設(shè)計與優(yōu)化

本小節(jié)展示意圖驅(qū)動自智網(wǎng)絡(luò)的需求分析，以及兩種從意圖到策略的實現(xiàn)方法，包括基

于強意圖約束的智能策略生成(PG-RL)、基于意圖約束的智能切片策略生成，實現(xiàn)了意圖與

策略的最優(yōu)適配。

隨著接入用戶基數(shù)和業(yè)務(wù)種類的增長，光網(wǎng)絡(luò)的流量呈階段性、區(qū)域性變化，而建拆路

的代價很大，難以保證實時性。故需要網(wǎng)絡(luò)可以在現(xiàn)有網(wǎng)絡(luò)基礎(chǔ)設(shè)施上適當(dāng)自動變更，通過

網(wǎng)絡(luò)自動化或網(wǎng)絡(luò)編排完成，需要：1）在強意圖約束條件下自動化生成配置策略，滿足光

網(wǎng)絡(luò)業(yè)務(wù)服務(wù)需求；2）建立高魯棒性意圖保障機制；3）實現(xiàn)智能策略與光網(wǎng)絡(luò)環(huán)境的實時

適配。

13/46

技術(shù)原理：意圖到切片策略實現(xiàn)的映射通常需配置連接拓撲（連接到服務(wù)節(jié)點），交換

數(shù)據(jù)以更新內(nèi)容，并分配足夠的計算，存儲和傳輸資源來保持一定的QoS級別。光網(wǎng)絡(luò)切片

可以適應(yīng)多樣性業(yè)務(wù)的靈活需求，提供定制的服務(wù)保證，網(wǎng)絡(luò)切片使基礎(chǔ)設(shè)施提供商

(InfrastructureProvider，InP)能夠在公共平臺上支持異構(gòu)服務(wù)(即為每個服務(wù)創(chuàng)建一個

定制的切片)。并且可以動態(tài)地放大/縮小片，以匹配其服務(wù)需求的變化。根據(jù)意圖的解析結(jié)

果要求(如延遲、容量、可靠性等)來創(chuàng)建切片，在切片中匯總的流量存在時間和/或空間變

化的情況下，InP可以通過動態(tài)地向上/向下擴展所供應(yīng)的片，以匹配服務(wù)需求的變化，從

而提高其資源使用效率。并且受益于網(wǎng)絡(luò)功能虛擬化（NFV）和軟件定義網(wǎng)絡(luò)（SDN）技術(shù)的

發(fā)展，網(wǎng)絡(luò)切片已被提出作為意圖驅(qū)動光與無線融合網(wǎng)絡(luò)的關(guān)鍵體系結(jié)構(gòu)技術(shù)。DRL通過與

網(wǎng)絡(luò)交互從經(jīng)驗中學(xué)習(xí)不斷尋找、調(diào)整合適的策略，動態(tài)調(diào)整分配給各個片的資源，從而在

保證意圖約束的同時最大程度地利用資源。

部署方案：意圖驅(qū)動光與無線融合網(wǎng)絡(luò)架構(gòu)主要包括意圖表達，轉(zhuǎn)換，驗證和部署；在

意圖形式轉(zhuǎn)換方面，形成了“自然語言，意圖原語，可執(zhí)行策略，可靠配置”的意圖流。在

層次關(guān)系方面，結(jié)合OpenDaylight(ODL)和OpenNetworkOperatingSystem（ONOS）的最

新實踐，意圖驅(qū)動光與無線融合網(wǎng)絡(luò)主要包括服務(wù)應(yīng)用層，意圖北向接口，意圖策略層，意

圖保障層和基礎(chǔ)設(shè)施層，如圖5所示。

圖5意圖驅(qū)動光與無線融合網(wǎng)絡(luò)架構(gòu)

業(yè)務(wù)應(yīng)用層生成業(yè)務(wù)意圖，包括在不同場景中的不同服務(wù)。業(yè)務(wù)意圖可以直接或間接產(chǎn)

生。業(yè)務(wù)應(yīng)用層通過意圖策略層提供的編程接口對底層設(shè)備進行編程，從而抽象化網(wǎng)絡(luò)元素

的功能。此外，該層提供管理接口以實現(xiàn)多樣化的業(yè)務(wù)創(chuàng)新。

意圖北向接口NorthboundInterface(NBI)是用于轉(zhuǎn)譯意圖的模塊，它連接業(yè)務(wù)應(yīng)用

層和意圖策略層。此外，南向接口SouthboundInterface(SBI)基于虛擬化技術(shù)，并連接

到各種網(wǎng)絡(luò)元素設(shè)備，各種計算資源和通信資源被虛擬化。它主要用作基礎(chǔ)結(jié)構(gòu)層和意圖策

14/46

略層之間的交互。

意圖策略層是架構(gòu)的核心，具有管理控制和決策能力。該層解析并檢查通過意圖北向接

口轉(zhuǎn)換的業(yè)務(wù)意圖。用戶意圖被處理為可以由當(dāng)前網(wǎng)絡(luò)執(zhí)行的規(guī)則化意圖請求，網(wǎng)絡(luò)中的特

定資源需求是通過意圖和資源的映射算法獲得的。該層采用基于意圖的管理和編排系統(tǒng)來實

現(xiàn)資源的統(tǒng)一調(diào)度進行切片配置。并且將閉環(huán)配置引入到網(wǎng)元的生命周期管理中。借助智能

引擎，完成網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)收集，數(shù)據(jù)存儲，數(shù)據(jù)處理，模型訓(xùn)練和參數(shù)調(diào)整之類的功能?；?/p>

礎(chǔ)設(shè)施層包括各種物理設(shè)備實體。它還部署了大量網(wǎng)絡(luò)數(shù)據(jù)收集工具，以提供反饋信息和策

略配置所需的參數(shù)。

優(yōu)化設(shè)計：

(1)基于強意圖約束的智能策略生成(PG-RL)

通過研究意圖關(guān)鍵詞提取，并設(shè)計意圖請求報文對意圖關(guān)鍵詞進行封裝，實現(xiàn)了對意圖

的精準表述；在意圖請求報文約束下，研究基于強化學(xué)習(xí)(RL)的策略生成，通過組合細粒度

策略生成對光網(wǎng)絡(luò)新的配置手段，實現(xiàn)了意圖與策略的最優(yōu)適配。

圖6用于意圖轉(zhuǎn)譯的知識圖譜匹配體系結(jié)構(gòu)

（2）基于意圖約束的智能切片策略生成(SPG-RL)

通過研究意圖與網(wǎng)絡(luò)資源需求的映射，捕獲業(yè)務(wù)意圖并將其轉(zhuǎn)換為網(wǎng)絡(luò)策略，實現(xiàn)了對

意圖到網(wǎng)絡(luò)狀態(tài)需求的精準轉(zhuǎn)換；并在意圖的約束下，研究基于強化學(xué)習(xí)(DRL)的切片策略

生成，通過有效地將用戶的性能要求轉(zhuǎn)換為光與無線融合網(wǎng)絡(luò)的切片配置策略，實現(xiàn)多維感

測要求，實現(xiàn)了意圖與策略的最優(yōu)適配，克服了傳統(tǒng)光網(wǎng)絡(luò)資源分配策略靜態(tài)固化的缺點。

15/46

圖7意圖驅(qū)動融合網(wǎng)絡(luò)智能切片工作流程

圖8執(zhí)行意圖解析和切片策略結(jié)果

4.4.2運營和維護方法與策略

基于意圖驅(qū)動光網(wǎng)絡(luò)平臺(IDONP)架構(gòu)進行網(wǎng)絡(luò)部署、算法的設(shè)置和算力節(jié)點的設(shè)置。

維護部分以保障意圖為出發(fā)點研究了高精度故障定位算法以及面向意圖保障的快速切片重

構(gòu)算法：

（1）研究基于高精度故障定位方法的意圖保障機制，通過引入深度神經(jīng)進化網(wǎng)絡(luò)，提

出一種面向大規(guī)模告警集的高精度故障定位方法，有效實現(xiàn)對光網(wǎng)絡(luò)故障節(jié)點的精準定位，

輔助策略層及時隔離故障，最大化保障意圖實現(xiàn)。仿真結(jié)果表明，在一萬量級告警規(guī)模下，

由于嵌入式部署了聯(lián)邦深度神經(jīng)進化網(wǎng)（FL-DNEN），定位精確度提升至92%，定位時長縮短

0.5秒。

16/46

圖9改進的故障傳播模型算法

（2）面向意圖保障的快速切片重構(gòu)算法(SR-DDQN)，研究基于快速切片重構(gòu)方法的意圖

保障機制，通過引入DuelingDQN網(wǎng)絡(luò)，提出一種面向高度動態(tài)網(wǎng)絡(luò)環(huán)境的快速切片重構(gòu)方

法，有效實現(xiàn)調(diào)整不同域的計算和存儲資源的分配策略以及VNF的部署以匹配切片請求中的

動態(tài)變化，最大化保障意圖實現(xiàn)。所提出的模型能夠根據(jù)實時網(wǎng)絡(luò)狀態(tài)，連續(xù)檢測執(zhí)行策略

與原始意圖的一致性，并在未達到意圖要求時采取快速切片重構(gòu)，重構(gòu)時間縮短39.2%，資

源利用率提升17.6%，降低意圖約束違背率的同時提升網(wǎng)絡(luò)資源利用率。

結(jié)合以上兩種算法以及現(xiàn)網(wǎng)的結(jié)構(gòu)可以實現(xiàn)網(wǎng)絡(luò)的自動化運維，且兩種算法均有持續(xù)學(xué)

習(xí)的能力，隨著網(wǎng)絡(luò)的部署及運營，通過其自主學(xué)習(xí)外加人為有監(jiān)督的調(diào)控可以實現(xiàn)網(wǎng)絡(luò)進

一步的優(yōu)化。

4.4.3現(xiàn)有網(wǎng)絡(luò)兼容集成方式

本小節(jié)就現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)進行了簡要介紹，后續(xù)對于如何基于現(xiàn)網(wǎng)進行意圖驅(qū)動網(wǎng)絡(luò)的集

成進行了意圖驅(qū)動光網(wǎng)絡(luò)平臺(IDONP)的開發(fā)，介紹了意圖驅(qū)動光網(wǎng)絡(luò)平臺的結(jié)構(gòu)以及各層

的開發(fā)過程，如圖10，明確了IDONP的工作流程。為后續(xù)的意圖驅(qū)動網(wǎng)絡(luò)提供了集成思路。

(1)現(xiàn)有網(wǎng)絡(luò)介紹：軟件定義光網(wǎng)絡(luò)（Software-definedopticalnetworks,SDON）是

一種新的網(wǎng)絡(luò)范例，可實現(xiàn)靈活，高效的網(wǎng)絡(luò)管理。SDON技術(shù)允許將底層基礎(chǔ)設(shè)施抽象出

來，并作為一個虛擬實體被應(yīng)用程序和網(wǎng)絡(luò)服務(wù)使用。這允許網(wǎng)絡(luò)操作員定義和操作網(wǎng)絡(luò)的

邏輯映射，創(chuàng)建獨立于底層傳輸技術(shù)和網(wǎng)絡(luò)協(xié)議的多個共存的網(wǎng)絡(luò)片(虛擬網(wǎng)絡(luò))SDON提供

統(tǒng)一的控制平面平臺，實現(xiàn)接入網(wǎng)、光網(wǎng)、城域網(wǎng)、核心網(wǎng)段的融合，以及數(shù)據(jù)中心內(nèi)部和

數(shù)據(jù)中心間的融合?？梢允褂萌志W(wǎng)絡(luò)視圖制定最佳的網(wǎng)絡(luò)控制決策。SDON為網(wǎng)絡(luò)管理域

帶來了四個主要功能，例如可編程性，敏捷性，靈活性和獨立性。網(wǎng)絡(luò)功能虛擬化(NFV)思

想是用在共享設(shè)施上虛擬化網(wǎng)絡(luò)資源，成為虛擬化網(wǎng)絡(luò)功能（VNF）。NFV通過虛擬機管理程

序通過通用的共享基礎(chǔ)架構(gòu)分配虛擬機(VM)或容器的能力，并直接控制硬件資源。SDON/NFV

聯(lián)合框架成為實現(xiàn)基于意圖驅(qū)動光與無線融合網(wǎng)絡(luò)智能控制編排的最佳方式?；赟DN的開

放網(wǎng)絡(luò)操作系統(tǒng)（ONOS）包括IntentFramework組件，該組件旨在提供整體運行時環(huán)境和

框架。作為ONOS的子系統(tǒng)，意圖框架是意圖連接的組成部分。IntentFramework將業(yè)務(wù)意

圖視為基于策略的指令，允許應(yīng)用程序根據(jù)策略和管理從外部廣播其網(wǎng)絡(luò)需求。

(2)結(jié)合現(xiàn)網(wǎng)集成方法：基于意圖和需求，設(shè)計網(wǎng)絡(luò)架構(gòu)，包括網(wǎng)絡(luò)拓撲、設(shè)備布局、

17/46

連接性等方面。采用分層結(jié)構(gòu)和模塊化設(shè)計，以便后續(xù)擴展和優(yōu)化。通過開發(fā)意圖驅(qū)動光網(wǎng)

絡(luò)平臺(IDONP)具有如下的現(xiàn)實意義：

為用戶提供交互工具，對應(yīng)IDONP中的交互層。用戶可通過渲染后的Web界面、api或

命令行工具下發(fā)意圖、管理網(wǎng)絡(luò)中的策略，實時獲取網(wǎng)絡(luò)的運行狀態(tài)。

提供一種數(shù)據(jù)模型，對應(yīng)IDONP中的意圖北向接口(IntentNBI)。該模型描述了自然語

言背后詳細的語義，可以實現(xiàn)對語義的標準化表達。同時這種數(shù)據(jù)模型具有層次性，高級意

圖可以分解為若干低級意圖。

提供一種策略引擎，對應(yīng)于IDONP中的JBossDrools策略引擎庫。策略引擎將細粒度

的網(wǎng)絡(luò)策略從應(yīng)用程序中分離，同時可以對這些策略進行管理，包括新增、刪除、修改與持

久化。方便基于強化學(xué)習(xí)的策略生成模型(PG-RL)提取細粒度策略，組合生成新的網(wǎng)絡(luò)策略。

IDONP能夠成功將用戶意圖轉(zhuǎn)換為可部署的光網(wǎng)絡(luò)策略，實現(xiàn)與用戶意圖相適配的定制化服

務(wù)，同時集成了基于故障定位方法的意圖保障機制，形成。意圖全生命周期的閉環(huán)控制，主

要包含交互層、意圖層、策略層和故障定位層。

圖10IDONP結(jié)構(gòu)設(shè)計

交互層主要基于HTML5Canvas進行渲染，支持矢量圖形的無極縮放，可以清晰、流暢

展示光網(wǎng)絡(luò)拓撲運行情況，實現(xiàn)返回的后端網(wǎng)絡(luò)數(shù)據(jù)在線可視化。交互層和意圖層之間基于

HTTP協(xié)議，可通過Post請求向意圖層下發(fā)用戶意圖，也可通過Get請求獲取意圖的解析結(jié)

果、策略生成情況以及網(wǎng)絡(luò)實時運行狀態(tài)。此外，交互層也可以通過API對策略層JBoss

Drools引擎庫中的策略進行管理。

意圖層接收交互層下發(fā)的意圖請求，通過IA-LDA模塊解析意圖語義，獲取意圖關(guān)鍵詞

信。例如，“世界杯期間需要保障體育賽事客戶端可以流暢觀看”這樣的一條意圖，從中可

以提取出“QoE、提升業(yè)務(wù)優(yōu)先級，增大帶寬分配”等關(guān)鍵詞信息。IntentNBI隨后將關(guān)鍵

18/46

詞封裝為包含業(yè)務(wù)信息的json數(shù)據(jù)結(jié)構(gòu)，下發(fā)給策略層。

策略層包含JBossDrools策略引擎庫與基于強化學(xué)習(xí)的策略生成模型。其中策略引擎

庫中存儲若干細粒度規(guī)則，在IDONP中主要包含業(yè)務(wù)排序規(guī)則、路由規(guī)則、光網(wǎng)絡(luò)資源分配

規(guī)則等。PG-RL在IntentNBI下發(fā)的數(shù)據(jù)模型約束下，將策略引擎庫中細粒度策略組合生

成與意圖相適配的新策略。

在故障定位層中，F(xiàn)L-DNEN包含故障傳播模型和DNEN模型，通過對網(wǎng)絡(luò)的監(jiān)控，接收

控制器上報的告警信息，實現(xiàn)對光網(wǎng)絡(luò)故障的精準定位，并將故障及時上報策略層，幫助策

略層及時調(diào)整業(yè)務(wù)路由，規(guī)避故障鏈路或節(jié)點，形成對意圖的有效保障。

通過以上三個方面的綜合考慮，可以更好地設(shè)計、部署和運營意圖驅(qū)動自智網(wǎng)絡(luò)，實現(xiàn)

更高效、智能和靈活的網(wǎng)絡(luò)服務(wù)。

五、意圖驅(qū)動自智網(wǎng)絡(luò)關(guān)鍵環(huán)路技術(shù)

意圖驅(qū)動自智網(wǎng)絡(luò)的核心目標是將用戶表達的結(jié)構(gòu)化的意圖轉(zhuǎn)化為網(wǎng)絡(luò)可執(zhí)行的細粒

度策略集合。區(qū)別于傳統(tǒng)框架僅將自然語言視作意圖的源，本技術(shù)白皮書擴展了意圖的定義

范疇，納入了動作、語音等多種表達形式，以更全面捕捉用戶意圖的維度。

圖11意圖轉(zhuǎn)譯流程圖

命名實體識別、語音識別以及序列標注等技術(shù)被用于準確地識別和提取意圖表達中的關(guān)

鍵實體。隨后，通過文本分類、語義表征以及文本生成等技術(shù)，將這些實體映射到預(yù)先定義

19/46

的意圖模板中，從而豐富和完善知識庫中的意圖表達。此后，利用知識庫內(nèi)嵌的策略庫，將

充實后的意圖模板轉(zhuǎn)化為一組具體的子策略，形成執(zhí)行所需的策略集。

最終，控制層將依序執(zhí)行這一策略集中的各項子策略，精確實施用戶的意圖。整個意圖

轉(zhuǎn)譯技術(shù)的流程和結(jié)構(gòu)，可參照圖11所示的技術(shù)流程圖進行理解和實施，以確保用戶意圖

的高效和精準轉(zhuǎn)化。綜上所述，本篇將針對意圖驅(qū)動網(wǎng)絡(luò)上述空間以及環(huán)路中涉及的關(guān)鍵技

術(shù)進行詳細介紹。

5.1自頂而下的意圖實現(xiàn)

5.1.1意圖建模

為實現(xiàn)從用戶輸入到底層網(wǎng)絡(luò)配置的準確映射，需要對意圖進行分類。人類的意圖并非

是從某一個角度進行分類而是多維度的，不同維度相互交叉的。我們可以把從多維度分類描

述一個意圖想象成給某條意圖“打標簽”，當(dāng)標簽足夠多時，維度足夠全面就可以清楚的描

述清楚此意圖。

信息建模層面來看，意圖可以由一組期望組成，這些期望可以是基于公共模型的期望[3]。

而在具體定義期望達到的狀態(tài)列表時，可以基于領(lǐng)域信息模型來進行描述。對于每一個意圖

來說，其可能存在多個維度的意圖期望和對應(yīng)上下文，而對于每一個期望來說，可以由若干

個期望目標和一組對應(yīng)的期望上下文組成。

數(shù)據(jù)建模層面來看，跨系統(tǒng)的意圖表述需要采用機器可以識別且無歧義的語言來表達與

交換。其中，統(tǒng)一建模語言UML（UnifiedModelingLanguage）是一種用于軟件開發(fā)的標

準建模語言，它允許開發(fā)者描述、構(gòu)建、可視化和文檔化軟件系統(tǒng)的組織結(jié)構(gòu)、行為和交互。

資源描述框架RDF（ResourceDescriptionFramework）本質(zhì)是一個數(shù)據(jù)模型，形式上表示

為SPO三元組，有時也被稱為語句。YANG是一種數(shù)據(jù)建模語言,呈樹形結(jié)構(gòu)，是由無數(shù)葉子、

列表、葉列表、容器組成。

圖12意圖分類模型

20/46

根據(jù)用戶目標及意圖應(yīng)用場景，意圖可以被分為客戶服務(wù)意圖、網(wǎng)絡(luò)服務(wù)意圖、網(wǎng)絡(luò)意

圖、操作任務(wù)意圖、戰(zhàn)略意圖等。根據(jù)是否明確指定目標對象的名稱，意圖可以被分為顯式

意圖和隱式意圖。其中，明確目標組件的為顯式意圖，反之為隱式。根據(jù)是否具備生命周期

管理功能，意圖可以被分為瞬態(tài)（操作）意圖和持久（業(yè)務(wù)）意圖。瞬態(tài)意圖是對網(wǎng)絡(luò)管理

操作的簡單抽象，一旦指定的操作成功執(zhí)行，意圖則完成，并不再影響目標對象，因此無需

生命周期管理。與之相對應(yīng)的，持久意圖需要進行生命周期管理，一旦意圖被成功激活和部

署，系統(tǒng)將保持所有相關(guān)意圖處于活動狀態(tài)，直到它們被停用或移除。

此外，IRTFRFC9316[5]首次針對意圖的分類提出了一種標準模型，面向承載網(wǎng)、云數(shù)

據(jù)中心網(wǎng)絡(luò)、企業(yè)專網(wǎng)等業(yè)務(wù)場景，以及網(wǎng)絡(luò)管理員、終端客戶等多種用戶類型對意圖分類

施策，并可隨著技術(shù)及業(yè)務(wù)演進不斷迭代擴展分類模型的規(guī)模。一方面提高系統(tǒng)識別意圖效

率，另一方面根據(jù)用戶需求、期望和優(yōu)先級提供差異化的解決方案。

為了更清楚的描述一個意圖，還可以從時間、空間、是否周期等角度分類。如圖12所

示，一條意圖的多維度描述模型。從意圖的級別角度出發(fā)，可分為基本意圖和高級意圖。從

時間角度，可以將意圖分為過去的意圖、當(dāng)前的意圖和未來可能的意圖（意圖預(yù)測），從空

間的角度，將復(fù)雜的大范圍意圖細化為小范圍的意圖，從全局網(wǎng)絡(luò)配置細化到局部網(wǎng)絡(luò)上的

配置。也可以將意圖劃分為周期性的意圖和非周期的。從用戶業(yè)務(wù)角度，意圖可分為信息查

詢類、點間通信類、網(wǎng)絡(luò)配置類和設(shè)備控制類。從緊急性和重要性角度，可分為緊急重要、

緊急不重要、重要不緊急、不緊急不重要等。

5.1.2意圖理解

在意圖驅(qū)動網(wǎng)絡(luò)（Intent-DrivenNetwork,IDN）中，意圖理解是一個關(guān)鍵組件，用于

將實現(xiàn)人類自然語言的主意圖到基于結(jié)構(gòu)化的意圖，意圖理解的基本流程主要包括以下幾個

步驟：

1、用戶意圖輸入：用戶通過自然語言（文本或語音）或圖形化界面輸入他們的業(yè)務(wù)意

圖。意圖可以是簡單的命令，也可以是復(fù)雜的業(yè)務(wù)策略表述。

2、意圖解析：處理自然語言輸入，提取出關(guān)鍵字和短語，理解用戶意圖的具體要求。

通過語法分析和語義理解來解碼輸入的結(jié)構(gòu)和含義。

3、語義理解與映射：將解析出的用戶語言意圖映射到一組預(yù)定義的網(wǎng)絡(luò)操作和策略上。

使用領(lǐng)域知識庫來聯(lián)系用戶意圖和網(wǎng)絡(luò)系統(tǒng)能夠執(zhí)行的具體操作。

4、意圖驗證與修正：檢查解析出的意圖是否符合網(wǎng)絡(luò)策略和業(yè)務(wù)邏輯。如有必要，系

統(tǒng)會要求用戶澄清或修正他們的意圖輸入。

意圖理解在IDN中是一個很關(guān)鍵的部分，因為它直接關(guān)系到網(wǎng)絡(luò)是否能夠按照用戶的業(yè)

務(wù)目標和要求正確配置和管理。因此，為了提高意圖理解的準確性和網(wǎng)絡(luò)的自適應(yīng)能力，通

常需要將高級的NLP技術(shù)、人工智能以及網(wǎng)絡(luò)領(lǐng)域的專業(yè)知識相結(jié)合。

（1）抽取模型：globlepointer模型構(gòu)建

GlobalPointer是一種基于span分類的解碼方法，它將首尾視為一個整體去進行判別，

所以它更有“全局觀”（更Global）。而且也保證了訓(xùn)練、預(yù)測、上線評估都是以實體級進

行評測，如圖13。

21/46

圖13意圖實體抽取模型

（2）數(shù)據(jù)集構(gòu)建：生成1000+組數(shù)據(jù)集

（3）實體類別：可以按照轉(zhuǎn)換為各個標準組織已經(jīng)定義的意圖模型進行轉(zhuǎn)換，最終將

意圖映射到一組預(yù)定義的網(wǎng)絡(luò)操作和策略上，映射后的信息可以描述為如下實體。

對象（鏈路作用對象的約束）：節(jié)點、位置、區(qū)域

行為（鏈路配置方式的約束）：連接、構(gòu)建網(wǎng)絡(luò)、防火墻、過濾、均衡

效果（鏈路配置效果的約束）：帶寬、時延、吞吐量、丟包率、Qos、業(yè)務(wù)、網(wǎng)絡(luò)特性、

協(xié)議類型

時間（鏈路作用時間的約束）：作用時間

額外信息（鏈路配置的額外信息）：端口、優(yōu)先級、應(yīng)用場景

網(wǎng)絡(luò)操作實體大網(wǎng)絡(luò)操作

編號示例

類實體子類

A1對象節(jié)點Host1、A1、主機、節(jié)點、用戶B

A2對象位置A點、B點

A3對象區(qū)域子網(wǎng)1、自組網(wǎng)、無人機網(wǎng)、衛(wèi)星網(wǎng)絡(luò)

B1行為連接建立連接、開啟連接、相互聯(lián)通、通信

B2行為構(gòu)建網(wǎng)絡(luò)構(gòu)建子網(wǎng)、形成局域網(wǎng)

B3行為防火墻防火墻開啟、防火墻關(guān)閉

B4行為過濾過濾黑名單

B5行為均衡開啟負載均衡、開啟控制器均衡

C1效果帶寬帶寬達到500Mbps、帶寬不小于500Mbps

C2效果時延時延不超過5ms

C3效果吞吐量網(wǎng)絡(luò)吞吐量最大化

C4效果丟包率丟包率小于5%

C5效果QosQos最高保證、Qos開啟

C6效果業(yè)務(wù)高清視頻會議、語音連接

C7效果網(wǎng)絡(luò)特性自組織、自恢復(fù)、高抗毀

C8效果協(xié)議類型IP模式、http、smtp

D1時間作用時間每天早8點-晚上8點、持續(xù)一星期

E1額外信息端口439端口

22/46

E2額外信息優(yōu)先級最高優(yōu)先級

智慧城市、無線圖傳、臨時會議、環(huán)境監(jiān)測、搶險救

E3額外信息應(yīng)用場景

災(zāi)

5.1.3策略驗證

意圖實現(xiàn)策略驗證負責(zé)確保策略轉(zhuǎn)譯生成的準確性與適用性，避免其直接實施可能導(dǎo)致

的網(wǎng)絡(luò)故障或業(yè)務(wù)品質(zhì)下降等風(fēng)險。此過程要求策略驗證不僅要高效率地進行，確保策略在

時效性內(nèi)得以評估和篩選，同時也要保持高準確度，確保最終選定的策略能在實際應(yīng)用中達

到預(yù)期效果。在進行策略可執(zhí)行性的驗證時，主要關(guān)注資源的可用性、潛在的策略沖突以及

策略本身的正確性等關(guān)鍵因素。目前，主流策略驗證技術(shù)一般包括構(gòu)建數(shù)字孿生體和進行策

略仿真驗證兩步，這些方法共同構(gòu)成了確保策略可靠性與有效性的技術(shù)支撐體系。

（1）數(shù)字孿生體的建立

構(gòu)建數(shù)字孿生體涉及到精細化地模擬物理網(wǎng)絡(luò)，這一過程借助先進的數(shù)字孿生技術(shù)進行。

該過程分為基礎(chǔ)模型構(gòu)建和功能模型構(gòu)建兩大部分，旨在實現(xiàn)對物理網(wǎng)絡(luò)的全方位和動態(tài)描

述?；A(chǔ)模型的構(gòu)建依托于網(wǎng)元的基本配置、環(huán)境信息、運行狀況以及鏈路拓撲等關(guān)鍵數(shù)據(jù)，

創(chuàng)建與物理實體網(wǎng)絡(luò)相對應(yīng)的網(wǎng)元和拓撲模型，以確保對物理網(wǎng)絡(luò)環(huán)境的實時且精確反映。

這一過程進一步細化為三個關(guān)鍵步驟：首先是孿生網(wǎng)絡(luò)的本體模型構(gòu)建，旨在建立一個統(tǒng)一

且綜合的網(wǎng)絡(luò)孿生體數(shù)據(jù)庫，隨后是網(wǎng)元模型和拓撲模型的按需組合構(gòu)建，以便實現(xiàn)對物理

網(wǎng)絡(luò)的精確映射。

另一方面，功能模型的構(gòu)建關(guān)注于滿足實際網(wǎng)絡(luò)功能的需求，它通過在全生命周期內(nèi)引

入多樣化的功能模塊來支持網(wǎng)絡(luò)的動態(tài)演進和推理決策。這些功能模型能夠根據(jù)不同網(wǎng)絡(luò)應(yīng)

用的具體需求，通過多維度的構(gòu)建和擴展，實現(xiàn)對網(wǎng)絡(luò)功能的全面模擬和預(yù)測。此項技術(shù)的

應(yīng)用不僅增強了網(wǎng)絡(luò)管理的靈活性和響應(yīng)能力，而且為網(wǎng)絡(luò)規(guī)劃和優(yōu)化提供了強大的支持。

如圖14，為示例中C功能的數(shù)字孿生體的示意圖。

23/46

圖14策略驗證中數(shù)字孿生體示意圖

（2）策略仿真驗證

為了提高策略驗證的效率并確保策略的時效性，策略驗證流程前置了一個關(guān)鍵步驟：對

待驗證策略的預(yù)分類和整理。這一過程涉及利用知識歸納方法，根據(jù)網(wǎng)絡(luò)策略共享的特征（例

如網(wǎng)絡(luò)協(xié)議、初始端口號、優(yōu)先級等）進行分組，旨在減少驗證過程中的工作量，并加速整

體的驗證進程。

隨著數(shù)字孿生體的成功構(gòu)建，網(wǎng)絡(luò)待驗證策略將被注入到該孿生體中，以便觀察和分析

仿真結(jié)果。策略驗證通常采用兩種主要方法：控制面驗證和數(shù)據(jù)面驗證。這兩種方法分別針

對網(wǎng)絡(luò)控制層的路由協(xié)議和網(wǎng)絡(luò)的數(shù)據(jù)傳輸環(huán)境進行仿真，以驗證路由策略的可達性和數(shù)據(jù)

包的傳輸效率。

具體的驗證方案可以進一步細分為全局仿真和局部形式化仿真兩種類型。全局仿真涉及

模擬廣域網(wǎng)(WAN)內(nèi)所有協(xié)議的操作，從而生成相應(yīng)的數(shù)據(jù)平面處理規(guī)則。而局部形式化仿

真則在遇到不確定性因素時發(fā)揮作用，通過采用邏輯表達式編碼所有潛在的情況，并利用求

解器來計算可能出現(xiàn)的各種情況，以此來精確地評估策略的有效性和潛在的影響。這種方法

為網(wǎng)絡(luò)策略的驗證提供了一種既全面又靈活的技術(shù)路徑，確保了網(wǎng)絡(luò)策略的實施既高效又可

靠。

5.2意圖實現(xiàn)知識管理

意圖實現(xiàn)知識用于規(guī)范和關(guān)聯(lián)用戶意圖存儲和交互更新、意圖轉(zhuǎn)譯結(jié)果參數(shù)存儲、讀取

和更新、網(wǎng)絡(luò)狀態(tài)反饋信息存儲等,基于以上知識可實現(xiàn)用戶意圖閉環(huán)管理和網(wǎng)絡(luò)狀態(tài)監(jiān)控，

對用戶意圖的閉環(huán)感知進行反饋。同時，意圖實現(xiàn)知識管理提供了用戶原始意圖交互信息、

意圖轉(zhuǎn)譯結(jié)果信息、網(wǎng)絡(luò)狀態(tài)反饋信息等用戶信息脫敏數(shù)據(jù)的匯總導(dǎo)出功能，并建立標準數(shù)

據(jù)規(guī)范，可為后續(xù)意圖網(wǎng)絡(luò)相關(guān)智能算法模型的訓(xùn)練和應(yīng)用提供數(shù)據(jù)基礎(chǔ)。針對意圖實現(xiàn)知

識管理模型，需設(shè)計可用資源庫完成對意圖實現(xiàn)知識和相關(guān)信息配置等的存儲，承接來自用

24/46

戶交互界面的意圖轉(zhuǎn)譯結(jié)果；需設(shè)計數(shù)據(jù)收集分析模塊，查詢可用資源庫中的用戶意圖處理，

處理可能的意圖更新；需設(shè)計服務(wù)編排模塊實現(xiàn)意圖用例、場景、資源等的管理。

意圖實現(xiàn)知識管理提供對意圖實例的增刪改查，在意圖實例創(chuàng)建過程中，用戶交互界面

讀取用例服務(wù)ID，將用戶意圖綁定新創(chuàng)建的意圖實例ID和讀取的用戶服務(wù)ID存入可用資

源庫，同時可用資源庫提供用戶意圖監(jiān)控接口供數(shù)據(jù)收集分析模塊監(jiān)聽可能的用戶意圖更新；

在意圖修改更新過程中，用戶交互界面讀取新的用例服務(wù)ID，將新用戶意圖用例服務(wù)ID存

入可用資源庫并同現(xiàn)有意圖實例進行關(guān)聯(lián)；意圖實現(xiàn)知識管理同時提供意圖查詢和意圖刪除

功能。

采用意圖實現(xiàn)知識管理技術(shù)，通過完成意圖實例和數(shù)據(jù)表的映射（如以意圖實例ID作

為KeyID），能夠關(guān)聯(lián)意圖相關(guān)信息，如（1）考慮不同場景用例服務(wù)，可將不同場景用例

服務(wù)ID同意圖實例ID關(guān)聯(lián)，滿足用戶多場景需求；（2）用戶不斷變換的意圖和意圖轉(zhuǎn)譯信

息，與統(tǒng)一意圖實例進行關(guān)聯(lián)；（3）網(wǎng)絡(luò)變化信息和意圖保障信息，與統(tǒng)一意圖實例進行關(guān)

聯(lián)，能夠評估和優(yōu)化網(wǎng)絡(luò)對用戶意圖的支持能力。

意圖實現(xiàn)知識管理技術(shù)提供脫敏數(shù)據(jù)匯總導(dǎo)出功能，將網(wǎng)絡(luò)意圖相關(guān)信息導(dǎo)出為后續(xù)意

圖網(wǎng)絡(luò)相關(guān)智能算法模型的訓(xùn)練和應(yīng)用提供數(shù)據(jù)基礎(chǔ)。

25/46

六、意圖驅(qū)動自智網(wǎng)絡(luò)應(yīng)用實例

意圖驅(qū)動智能網(wǎng)絡(luò)的已經(jīng)成為行業(yè)內(nèi)共識的愿景。通信運營商、設(shè)備制造商以及高等教

育機構(gòu)等各界都在積極推動智能網(wǎng)絡(luò)的實踐應(yīng)用，技術(shù)研發(fā)和商業(yè)應(yīng)用的進程正加速推進，

整個產(chǎn)業(yè)呈現(xiàn)出繁榮發(fā)展的趨勢。

6.1應(yīng)用實例-意圖驅(qū)動CLL云專線案例

中國電信采用ONAP服務(wù)化理念，面向6G全場景隨愿服務(wù)需求，聚焦6G網(wǎng)絡(luò)架構(gòu)設(shè)計，提

出并實現(xiàn)了意圖驅(qū)動閉環(huán)自智網(wǎng)絡(luò)架構(gòu)方案及測試平臺并進行關(guān)鍵場景和技術(shù)驗證。為了給

用戶提供差異化與個性化的智能服務(wù)，保障靈活調(diào)度全局云網(wǎng)算力資源，全業(yè)務(wù)場景隨愿服

務(wù)針對各種智能化用例，實現(xiàn)對6G接入網(wǎng)、承載網(wǎng)、核心網(wǎng)、空天網(wǎng)絡(luò)域、云算力資源域

等的端到端一體化動態(tài)編排管理。在該示例中，來自服務(wù)管理層的用戶意圖映射為資源管理

層的網(wǎng)絡(luò)執(zhí)行策略，實現(xiàn)意圖驅(qū)動的云專線交付和保障。

圖15意圖驅(qū)動閉環(huán)自智網(wǎng)絡(luò)全業(yè)務(wù)場景隨愿服務(wù)

在閉環(huán)自智角度，方案設(shè)計了雙閉環(huán)自智架構(gòu)，如圖15，其中外層閉環(huán)又包括兩類數(shù)

據(jù)流，分別實現(xiàn)意圖的創(chuàng)建和下發(fā)功能，意圖的修改和滿足功能。內(nèi)層閉環(huán)結(jié)構(gòu)實現(xiàn)用戶的

意圖保證，包括四個階段，分別為M2A（monitoring）、A2D（analysis）、D2E（decision）

和E2M（execution）階段。每個階段的相應(yīng)任務(wù)由方案架構(gòu)中模塊定義并實現(xiàn)（如意