邁向智能世界白皮書2024-自動(dòng)駕駛網(wǎng)絡(luò)

HUAWEI邁向智能世界白皮書2024構(gòu)建萬物互聯(lián)的智能世界目錄CONTENTS0101憧憬智能時(shí)代的運(yùn)營(yíng)商010202趨勢(shì)洞察07趨勢(shì)一新型AI應(yīng)用蓬勃發(fā)展，促進(jìn)網(wǎng)絡(luò)流量增長(zhǎng)，帶來用戶體驗(yàn)變現(xiàn)新商機(jī)08趨勢(shì)二大模型加速企業(yè)數(shù)智化轉(zhuǎn)型，重塑企業(yè)網(wǎng)絡(luò)體驗(yàn)和運(yùn)維趨勢(shì)三大模型激發(fā)智算中心擴(kuò)張，智能故障處理和全域運(yùn)營(yíng)效率提升成為智算中心新挑戰(zhàn)16趨勢(shì)四5G-A加速通感融合，使能運(yùn)營(yíng)商網(wǎng)絡(luò)延伸到感知領(lǐng)域，可能會(huì)給網(wǎng)絡(luò)運(yùn)維智能化20趨勢(shì)五價(jià)值場(chǎng)景需求驅(qū)動(dòng)自智等級(jí)提升，大模型加速開啟自智網(wǎng)絡(luò)L4新階段24趨勢(shì)六網(wǎng)絡(luò)智能化需要組合應(yīng)用大模型等多種AI能力，以解決不同場(chǎng)景的問題0303華為自動(dòng)駕駛網(wǎng)絡(luò)38華為自動(dòng)駕駛網(wǎng)絡(luò)，使能高階自智網(wǎng)絡(luò)，助力運(yùn)營(yíng)商邁向全面智能化390112AI技術(shù)的持續(xù)進(jìn)步正在推動(dòng)各行業(yè)走向全面智能化，每一個(gè)企業(yè)都希望今天盡快利用AI創(chuàng)造出價(jià)值，同時(shí)也希望在未來的智能化競(jìng)爭(zhēng)中實(shí)現(xiàn)領(lǐng)先。因此思考清楚智能化時(shí)代企業(yè)的未來方向，AdaptiveUserExperienceAuto-EvolvingProductsAll-ConnectedResources全量全要素全聯(lián)接AutonomousOperationsAugmentedWorkforce增強(qiáng)的員工IntelligentAugmentedWorkforce增強(qiáng)的員工IntelligentEnterprises智能化企業(yè)AI-NativeInfrastructure智能原生基礎(chǔ)設(shè)施》AdaptiveUserExperience自適應(yīng)體驗(yàn)是指感知并理解用戶的行為、需求、興趣、品味和環(huán)境變化，主動(dòng)調(diào)整提供最符合用戶需求的服務(wù)，能夠適時(shí)和同時(shí)滿》AutonomousOperation自治的運(yùn)營(yíng)是指從感知、規(guī)劃、決策到執(zhí)行自主閉》AugmentedWorkforce增強(qiáng)的員工是指讓每個(gè)員工都有“懂我”的智能助手，高效、高3而AllConnectedResources全量全要素全聯(lián)接、AINativeInfrastructure智能原生基礎(chǔ)設(shè)》AllConnectedResources全量全要素全聯(lián)接是指實(shí)現(xiàn)企業(yè)的資產(chǎn)、員工、客戶、伙伴、》AINativeInfrastructure智能原生基礎(chǔ)設(shè)施是指，一方面，ICT基礎(chǔ)設(shè)施要系統(tǒng)化構(gòu)建，要能適應(yīng)智能化應(yīng)用的需要，即ICTforIntelligence，另一方面，基礎(chǔ)設(shè)施本身的運(yùn)維管1.AdaptiveUserExperience自適應(yīng)體驗(yàn)，比如運(yùn)營(yíng)商給用戶帶來自適應(yīng)的MBB體驗(yàn)、自適應(yīng)的HBB體驗(yàn)、自適應(yīng)的企業(yè)專線體驗(yàn)、自適應(yīng)的視頻業(yè)務(wù)體驗(yàn)、自適應(yīng)的新通話體驗(yàn)、自適》自適應(yīng)的助手：它就像一位貼心的“數(shù)字管家”，感知家庭的情況，理解家庭不同成員的42.Auto-evolvingProducts自演進(jìn)產(chǎn)品，比如運(yùn)營(yíng)商給用戶提供自演進(jìn)的MBB、自演進(jìn)的FBB、自演進(jìn)的企業(yè)專線、自演進(jìn)的視頻業(yè)務(wù)、自演進(jìn)的新通話、自演進(jìn)的智慧家庭等。以運(yùn)營(yíng)商3.AutonomousOperations自治的運(yùn)營(yíng)，比如運(yùn)營(yíng)商通過打造無線網(wǎng)絡(luò)優(yōu)化Agent、故障以無線網(wǎng)優(yōu)AIAgent實(shí)踐為例，通過無線網(wǎng)優(yōu)AIAgent實(shí)現(xiàn)無線網(wǎng)絡(luò)優(yōu)化自治運(yùn)營(yíng)，低速率小區(qū)指標(biāo)減少了20%，網(wǎng)絡(luò)優(yōu)化周期從一天減少AS-ISTO-BEAS-ISTO-BE執(zhí)行AIAgent4.AugmentedWorkforce增強(qiáng)的員工，比如運(yùn)營(yíng)商通過打造家寬裝維助手、外線維護(hù)助手、客服助手、開發(fā)助手等讓運(yùn)營(yíng)商員工擁有專屬的智慧助手。以家寬裝維助手實(shí)踐為例，通過家寬裝維助手裝維工程師平均入戶解決故障時(shí)間從60~90分鐘減少到30分鐘，二次上門率從10~15%AS-ISTO-BE全屋WiFi投訴、報(bào)障定位故障修復(fù)業(yè)務(wù)驗(yàn)證投訴、報(bào)障定位故障修復(fù)業(yè)務(wù)驗(yàn)證按照CopilotAPP通過CopilotAPP55.All-ConnectedResources全量全要素全聯(lián)接，比如運(yùn)營(yíng)商通過構(gòu)建光網(wǎng)絡(luò)數(shù)字孿生、IP網(wǎng)絡(luò)數(shù)字孿生、無線網(wǎng)絡(luò)數(shù)字孿生、核心網(wǎng)數(shù)字孿生等，實(shí)現(xiàn)網(wǎng)絡(luò)全量全要素全聯(lián)接，以光網(wǎng)絡(luò)數(shù)6.AI-NativeInfrastructure智能原生基礎(chǔ)設(shè)施，比如運(yùn)營(yíng)商為適應(yīng)智能時(shí)代價(jià)值創(chuàng)造（自適》自動(dòng)駕駛網(wǎng)絡(luò)L4是起點(diǎn)，基于大模型和數(shù)字孿生，打造基于價(jià)值場(chǎng)景的AIAgent和基于UPF…50GPONUPF…50GPON核心網(wǎng)DCDCDCIDCDCDCDCIDC400/800GE400/800GE400/800G/λ400/800G/λ接入城域骨干6AI技術(shù)和應(yīng)用在持續(xù)快速發(fā)展，“6A”運(yùn)營(yíng)商是我們對(duì)智能時(shí)代運(yùn)營(yíng)商的美好憧憬，也是走自適應(yīng)的HBB體驗(yàn)……AutonomousOperationsAugmentedWorkforce“6A”運(yùn)營(yíng)商All-Connected·光網(wǎng)絡(luò)數(shù)字孿生·IP·光網(wǎng)絡(luò)數(shù)字孿生·IP網(wǎng)絡(luò)數(shù)字孿生·無線網(wǎng)絡(luò)數(shù)字孿生·核心網(wǎng)數(shù)字孿生·人工智能、網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)有機(jī)協(xié)同·寬帶是一切的基礎(chǔ)，萬兆！·自動(dòng)駕駛網(wǎng)絡(luò)L4是起點(diǎn)02789AI技術(shù)推動(dòng)直播行業(yè)轉(zhuǎn)型和技術(shù)升級(jí)，數(shù)字人直播業(yè)務(wù)增長(zhǎng)迅速，已在電商、旅、房地產(chǎn)等多個(gè)領(lǐng)域得到了廣泛運(yùn)營(yíng)，成為熱門風(fēng)口和未來趨勢(shì)。全球新經(jīng)濟(jì)產(chǎn)業(yè)第三方數(shù)據(jù)挖掘和分析機(jī)構(gòu)iMediaResearch（艾媒咨詢）于2024年4月19日發(fā)布的《2024年中國(guó)虛擬數(shù)字人產(chǎn)業(yè)發(fā)展白皮書》顯示，2023年中國(guó)虛擬人帶動(dòng)的產(chǎn)業(yè)市場(chǎng)規(guī)模為3334.7億元，核心市場(chǎng)規(guī)模為205.2億元，預(yù)計(jì)2025年分別達(dá)6402.7億元和480.6億元，呈現(xiàn)強(qiáng)勁的增長(zhǎng)態(tài)勢(shì)。2023年2025年隨著娛樂需求的增加，AI等技術(shù)不斷迭代，中虛擬人產(chǎn)業(yè)升級(jí)，其中虛擬主播的受眾最為廣泛，占比達(dá)81.40%.京東公布的2024年“618”大促數(shù)據(jù)顯示，京東云言犀數(shù)字人在超過5000個(gè)品牌直播間亮相，數(shù)字人直播的累計(jì)時(shí)長(zhǎng)超過405000+40萬小時(shí)500萬次互動(dòng)2024年“618”@京東與此同時(shí)，通信網(wǎng)絡(luò)也越來越多地服務(wù)于人、車、物和企業(yè)的智能化聯(lián)接，帶來新的網(wǎng)絡(luò)流量的同時(shí)，用戶對(duì)網(wǎng)絡(luò)穩(wěn)定接入、交互體驗(yàn)、網(wǎng)絡(luò)帶寬和時(shí)延的要求也同步提高，例如：AI助手實(shí)時(shí)多模態(tài)交互要達(dá)到“近人級(jí)”、”真人級(jí)”體驗(yàn)，要求端到端網(wǎng)絡(luò)時(shí)延控制在70ms左右，絡(luò)上行速率大于20Mbps;通過APP或者網(wǎng)頁展示物品的AI生成3D模型，如果需要達(dá)到即點(diǎn)即開的效果，則需要80~400Mbps的網(wǎng)絡(luò)下行帶寬；Robotaxi安全監(jiān)控、遠(yuǎn)程接管場(chǎng)景，需通過5G網(wǎng)絡(luò)上傳6路攝像頭視頻(12~24Mbps)，網(wǎng)絡(luò)端到端時(shí)延如果大來較大影響；AIGC應(yīng)用蓬勃發(fā)展，生成更多高質(zhì)量視頻，通過AI推薦促進(jìn)視頻的分發(fā)和觀看，提升視頻清晰度和觀看時(shí)長(zhǎng)，且每個(gè)用戶視頻流量極具個(gè)性化，使得網(wǎng)絡(luò)帶寬難以收斂，也會(huì)導(dǎo)致截至2024年6月，我國(guó)網(wǎng)絡(luò)直播用戶規(guī)模達(dá)7.77億人，占網(wǎng)民整體的70.6%，移動(dòng)互聯(lián)網(wǎng)接入流量達(dá)1604億GB，同比增長(zhǎng)12.6%.Omdia預(yù)測(cè)在AI驅(qū)動(dòng)的應(yīng)用影響下，包括AI-upgraded應(yīng)用和NetnewAI應(yīng)用，未來全球網(wǎng)絡(luò)流量年復(fù)合增長(zhǎng)率將達(dá)25%.1.直播類應(yīng)用體驗(yàn)差，用戶出現(xiàn)“網(wǎng)速焦慮”5G時(shí)代的到來，為全民直播熱潮提供了新動(dòng)力。隨著數(shù)字人直播全面普及，互聯(lián)網(wǎng)真正迎來全民直播時(shí)代，但消費(fèi)者卻出現(xiàn)了“網(wǎng)速焦慮”。據(jù)iMediaResearch(艾媒咨詢)數(shù)據(jù)，有45.6%的消費(fèi)者認(rèn)為流量套餐的網(wǎng)速較差，這成為他們使用套餐的一大“痛點(diǎn)”。由于直播具有即時(shí)互動(dòng)性、溝通性強(qiáng)、主觀感知性強(qiáng)等特點(diǎn)，畫面不清晰甚至?xí)r不時(shí)卡頓，都會(huì)給直播用戶帶來很大的困擾甚至是損失，所以無論是真人直播，還是數(shù)字人直播過程，對(duì)網(wǎng)絡(luò)穩(wěn)定接入、實(shí)時(shí)畫面?zhèn)鬏數(shù)那逦群土鲿承?，以及網(wǎng)絡(luò)帶寬和時(shí)延等都提出了全新的要求。面向網(wǎng)絡(luò)價(jià)值客戶，提供差2.生成式AI應(yīng)用新商機(jī)，對(duì)網(wǎng)絡(luò)感知和體驗(yàn)提出新要求AI數(shù)字人在電商前端扮演主播的角色，與真人主播形成互補(bǔ)，拉長(zhǎng)直播時(shí)長(zhǎng)，牌曝光率，抓住更多用戶觸達(dá)時(shí)間。數(shù)字人直播生產(chǎn)實(shí)時(shí)視頻，AIGC情感陪伴/角色扮演生產(chǎn)實(shí)時(shí)文字和圖像，AI助手帶來“近人級(jí)”、”真人級(jí)”體驗(yàn)要求網(wǎng)絡(luò)端到端時(shí)延70ms，Robotaxi安全監(jiān)控和遠(yuǎn)程接管要求端到端100ms時(shí)延和沉浸式視頻體驗(yàn)等，都對(duì)網(wǎng)絡(luò)實(shí)時(shí)感知和交互體驗(yàn)提出全新的要求。同時(shí)，隨著技術(shù)不斷進(jìn)步，這些AI技術(shù)未來將逐漸升級(jí)為智能機(jī)器人，具備更加強(qiáng)大的智能交互能力，在各個(gè)領(lǐng)域中為我們帶來更多沉浸感、陪伴感和歸屬感，網(wǎng)絡(luò)應(yīng)用被拓寬和豐富的同時(shí)，也會(huì)對(duì)網(wǎng)絡(luò)產(chǎn)生更多的差異化實(shí)時(shí)感知和交互體驗(yàn)訴求，是運(yùn)營(yíng)商未來的新商機(jī)和3.新型AI應(yīng)用改變流量消費(fèi)習(xí)慣，促進(jìn)運(yùn)營(yíng)商商業(yè)模式創(chuàng)新數(shù)字人直播打破了消費(fèi)交易時(shí)間和空間的限制，帶熱電商“零點(diǎn)后”消費(fèi)領(lǐng)域新增長(zhǎng)點(diǎn)，也帶來了網(wǎng)絡(luò)流量的顯著增長(zhǎng)，突顯網(wǎng)絡(luò)閑時(shí)流量?jī)r(jià)值。當(dāng)賣流量模式見頂之時(shí)，運(yùn)營(yíng)商急需采用新的商用模式和商業(yè)創(chuàng)新方案，針對(duì)高價(jià)值應(yīng)用和流量挖掘網(wǎng)絡(luò)價(jià)值來提升收入。例如，中國(guó)某運(yùn)營(yíng)商同時(shí)，在浙江嘗試通過5G-A差異化保障方案，通過分層分級(jí)為用戶提供重點(diǎn)業(yè)務(wù)保障，真正做到1.面向價(jià)值客戶和新型AI應(yīng)用，提供差異化的網(wǎng)絡(luò)質(zhì)量自動(dòng)化感知、分針對(duì)新型AI應(yīng)用，提供差異化的網(wǎng)絡(luò)質(zhì)量KQI和用戶體驗(yàn)CEI自動(dòng)化感知和分析運(yùn)維能力，同時(shí)面向未來，傳感器、語音、圖像、視頻、氣味等即時(shí)互動(dòng)和實(shí)時(shí)感知技術(shù)將注入到這些業(yè)2.針對(duì)高價(jià)值客戶和場(chǎng)景，設(shè)計(jì)新的商業(yè)模式，提升運(yùn)營(yíng)商收播VIP套餐等商業(yè)創(chuàng)新方法，滿足向網(wǎng)絡(luò)直播高價(jià)值客戶和場(chǎng)景提供流量和交互差異化訴隨著大語言模型準(zhǔn)確率的提升以及大模型使用成本的降低，IDC今年發(fā)布的《2024AIGC應(yīng)用層十大趨勢(shì)》報(bào)告中指出，截止目前已有53%以上的企化時(shí)代的到來。然而，隨著企業(yè)業(yè)務(wù)復(fù)雜度和需求同樣，辦公場(chǎng)所也逐漸從單一的總部擴(kuò)展到多個(gè)分支機(jī)構(gòu)，甚至全球范圍；生產(chǎn)方式也從傳統(tǒng)模式向智能制造轉(zhuǎn)型；數(shù)據(jù)中心作為企業(yè)的信息心臟，不僅規(guī)模日益龐大，而且開始向云端遷移，形成混合云、多云架構(gòu)，這一系列變化直接導(dǎo)致了企業(yè)網(wǎng)絡(luò)規(guī)模的急劇膨脹。與此同時(shí)，設(shè)備種類如云攝像頭、智能傳感器、自動(dòng)化設(shè)備等，這種多樣性增加了運(yùn)維的難度。因此，日常維護(hù)的范圍變得更為廣泛，復(fù)雜度也隨之提升。不僅需要確保所有設(shè)備的穩(wěn)定運(yùn)行，還要能夠快速響應(yīng)各種突發(fā)事件，同時(shí)持續(xù)優(yōu)化網(wǎng)絡(luò)性能，以支持業(yè)務(wù)的連續(xù)性和增長(zhǎng)。此外，隨著企業(yè)業(yè)務(wù)的不斷擴(kuò)展和數(shù)字化轉(zhuǎn)型的深入，業(yè)務(wù)部署不再局限于單一的網(wǎng)絡(luò)環(huán)境或地理位置，而是需要跨越多個(gè)網(wǎng)絡(luò)域，網(wǎng)絡(luò)安全也同樣是一個(gè)熱門話題，隨著近年來技術(shù)的進(jìn)步，惡意軟件的變異速度顯著加快，傳統(tǒng)基于特征碼的檢測(cè)方法已難以有效應(yīng)對(duì)。病毒和惡意軟件通過不斷變異，能夠輕松繞過傳統(tǒng)的安全防御措施，進(jìn)而滲透到企業(yè)的內(nèi)部網(wǎng)絡(luò)中，造成數(shù)據(jù)泄露、系統(tǒng)癱瘓等嚴(yán)重后果。與此同時(shí)，攻擊者的智能化水平也在不斷提高。他們利用先進(jìn)的工具和技術(shù)，如惡意大預(yù)言模型、自動(dòng)化攻擊工具等，對(duì)目標(biāo)企業(yè)進(jìn)行深入的情報(bào)收集和分析，從而制定出更為精準(zhǔn)和隱蔽的攻擊策略。這些智能化攻擊往往能夠繞過傳統(tǒng)的安全監(jiān)控和防御機(jī)制，實(shí)現(xiàn)長(zhǎng)期潛伏和持續(xù)滲透，對(duì)企業(yè)的信息安全構(gòu)1.運(yùn)維能力的不足可能制約企業(yè)的數(shù)字化轉(zhuǎn)型和創(chuàng)新步伐客戶滿意度下降，甚至造成經(jīng)濟(jì)損失。例如，生產(chǎn)線的停工、數(shù)據(jù)中心的宕機(jī)或關(guān)鍵業(yè)務(wù)系統(tǒng)的不物力和財(cái)力，包括招聘專業(yè)運(yùn)維人員、采購先進(jìn)的運(yùn)維工具和技術(shù)服務(wù)等，導(dǎo)致運(yùn)營(yíng)成本的增加。在快速變化的市場(chǎng)環(huán)境中，企業(yè)需要靈活調(diào)整業(yè)務(wù)模式和運(yùn)營(yíng)策略，而強(qiáng)大的運(yùn)維能力是支撐這一2.如何縮短業(yè)務(wù)部署周期，提高跨域部署的效率和質(zhì)量，成為企業(yè)運(yùn)維亟從業(yè)務(wù)敏捷性的角度來看，漫長(zhǎng)的部署周期限制了企業(yè)快速響應(yīng)市場(chǎng)變化的能力。在競(jìng)爭(zhēng)激烈的市場(chǎng)環(huán)境中，企業(yè)往往需要迅速推出新產(chǎn)品或服務(wù)以搶占先機(jī)，而漫長(zhǎng)的部署周期無疑會(huì)削弱企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力。從成本效益的角度來看，長(zhǎng)時(shí)間的部署過程增加了企業(yè)的運(yùn)營(yíng)成本。除了直接的驗(yàn)的角度來看，長(zhǎng)時(shí)間的部署周期可能導(dǎo)致服務(wù)3.通過提升技術(shù)水平和優(yōu)化安全運(yùn)營(yíng)策略，確保企業(yè)的信息安全和業(yè)務(wù)連從業(yè)務(wù)安全性的角度來看，這些挑戰(zhàn)直接威脅到企業(yè)的信息安全和業(yè)務(wù)連續(xù)性。一旦企業(yè)的信息系統(tǒng)被惡意軟件感染或遭受智能化攻擊，可能會(huì)導(dǎo)致敏感數(shù)據(jù)泄露、業(yè)務(wù)中斷等嚴(yán)重后果，進(jìn)而企業(yè)需要投入更多的資源和資金來加強(qiáng)安全防護(hù)措施。包括采購先進(jìn)的安全設(shè)備、軟件和服務(wù)，以及提升安全團(tuán)隊(duì)的技術(shù)水平和應(yīng)急響應(yīng)能力，這些都極大增加了OPEX的投入。其次，安全挑戰(zhàn)還可能影響企業(yè)的服務(wù)質(zhì)量和用戶滿意度。例如，過于嚴(yán)格的安全控制措施可能會(huì)導(dǎo)致用戶操作不便或體驗(yàn)下降，而安全漏洞的曝光則可能引發(fā)用戶的恐慌和不滿。這些因素都可能對(duì)企業(yè)的品牌形企業(yè)網(wǎng)絡(luò)需要以全棧管理系統(tǒng)互聯(lián)為主，對(duì)全域基礎(chǔ)設(shè)施資源進(jìn)行統(tǒng)一數(shù)字孿生建模，實(shí)現(xiàn)視可感可仿真。基于大模型等AI先進(jìn)技術(shù)，面向企業(yè)網(wǎng)絡(luò)運(yùn)維的眾多典型場(chǎng)景，打造場(chǎng)景化智能體Agent，實(shí)現(xiàn)流程和業(yè)務(wù)的自閉環(huán)；面向在流程中的各環(huán)節(jié)人員和用戶，打造智能化數(shù)字助理全球大模型發(fā)展迅速，截止2024年Q1，全球大模型數(shù)量已達(dá)到1328個(gè)，其中中國(guó)和北美全球AI大模型分布20%20%44%36%其他數(shù)據(jù)來源:中國(guó)信通院以中國(guó)為例，2023年1月11日，中國(guó)國(guó)家信息中心發(fā)布《智能計(jì)算中心創(chuàng)新發(fā)展指南》，對(duì)投資智算中心的經(jīng)濟(jì)效益進(jìn)行了測(cè)算。中國(guó)“十四五”期間，在智算中心實(shí)現(xiàn)80%應(yīng)用水平的情況下，城市對(duì)智算中心的投資可帶動(dòng)人工智能核心產(chǎn)業(yè)增長(zhǎng)2.9倍至3.4倍，帶動(dòng)相關(guān)產(chǎn)業(yè)增長(zhǎng)36倍至42倍。近兩年，AI大模型發(fā)展對(duì)算力、算法平臺(tái)、數(shù)據(jù)提出全新要求，傳統(tǒng)以CPU為中心的云計(jì)算基礎(chǔ)設(shè)施已無法滿足大語言模型的ScalingLaw（規(guī)模定律）指數(shù)級(jí)算力需求，“百模大戰(zhàn)”變?yōu)锳I產(chǎn)業(yè)專業(yè)化分工，以GPU/NPU為核心的智算逐步成為算力的主要發(fā)展方向。2023年10月8日，中國(guó)工業(yè)和信息化部等六部門印發(fā)的《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》提出,到2025年算力規(guī)模超過300EFLOPS、智能算力占比達(dá)到35%，2025年中國(guó)要建設(shè)50通過中國(guó)市場(chǎng)，我們看到，獨(dú)占式、大規(guī)模、長(zhǎng)時(shí)間大模型訓(xùn)練對(duì)智算中心AI服務(wù)器集群穩(wěn)網(wǎng)絡(luò)連接等問題都會(huì)導(dǎo)致AI服務(wù)器不可用，同時(shí)，大模型訓(xùn)練過程比傳統(tǒng)的分布式AI訓(xùn)練復(fù)雜，訓(xùn)練周期長(zhǎng)達(dá)數(shù)周，甚至數(shù)月。當(dāng)智算中心AI集群服務(wù)器規(guī)模增大到千卡或者萬卡容量時(shí)，AI訓(xùn)練過程中AI服務(wù)器集群故障就經(jīng)常發(fā)生。根據(jù)經(jīng)驗(yàn)數(shù)據(jù)，在執(zhí)行千卡訓(xùn)練時(shí)，故障發(fā)生概率基本模型和優(yōu)化器狀態(tài)是存在設(shè)備內(nèi)存中的，如果有單個(gè)AI服務(wù)器故障，集群中所有AI服務(wù)器進(jìn)程都會(huì)被阻塞，模型和優(yōu)化器狀態(tài)也會(huì)丟失，迫使整個(gè)訓(xùn)練中斷，且故障原因和位置難以迅速界定。進(jìn)點(diǎn)續(xù)訓(xùn)、故障節(jié)點(diǎn)自動(dòng)隔離等能力，以及在故障發(fā)生時(shí)能否快同時(shí)，隨著AI應(yīng)用的爆發(fā)式增長(zhǎng)，可能帶動(dòng)AI推理算力需求激增至訓(xùn)練算力的百倍。據(jù)IDC此前預(yù)測(cè)數(shù)據(jù)，云端推理占算力的比重將逐步提升，預(yù)計(jì)到2026年推理占62.2%，訓(xùn)練占37.8%。未來，推理將成為AI產(chǎn)業(yè)的主戰(zhàn)場(chǎng)。從大模型的應(yīng)用來說，推理面臨的核心挑戰(zhàn)是成本高的問題，因此，在一些垂直領(lǐng)域，應(yīng)用效果較好的中等規(guī)模AI大模型，將會(huì)被規(guī)模鋪開使用，因此，面向智算中心的集群運(yùn)維效率提升，包括算力、網(wǎng)絡(luò)、存儲(chǔ)融合全棧運(yùn)維，以及面向故1.面向AI集群服務(wù)器的智能化故障檢測(cè)、斷點(diǎn)續(xù)訓(xùn)和故障節(jié)點(diǎn)自動(dòng)隔離首先，需要具備面向AI集群服務(wù)器的故障節(jié)點(diǎn)實(shí)時(shí)自動(dòng)檢測(cè)和根因識(shí)別能力。通過實(shí)時(shí)采集AI集群服務(wù)器的狀態(tài)和故障日志，識(shí)別AI集群服務(wù)器和網(wǎng)絡(luò)是否處于正常狀態(tài)，并能快速識(shí)別出錯(cuò)的進(jìn)程，快速定位錯(cuò)誤原因，并排除和修復(fù)故障。比如，面向集群服務(wù)器的光鏈路等故障定位過程復(fù)雜，跨越算力、網(wǎng)絡(luò)和存儲(chǔ)，需要人工攜帶專業(yè)工具，進(jìn)入機(jī)房近端檢測(cè)，單個(gè)光鏈路故障耗人天。其次，需要具備分鐘級(jí)AI斷點(diǎn)續(xù)訓(xùn)能力，這是解決AI訓(xùn)練故障中斷造成的算力可用性差的關(guān)鍵。常規(guī)的斷點(diǎn)續(xù)訓(xùn)，是訓(xùn)練前備份，訓(xùn)練中設(shè)checkpoint檢查點(diǎn)并更新備份，故障發(fā)生后，通過診斷、隔離或解決故障，恢復(fù)時(shí)間通常需要達(dá)到數(shù)小時(shí)，這會(huì)造成算力浪費(fèi)嚴(yán)重。需要通過周期性地持久化AI模型和優(yōu)化器的checkpoint檢查點(diǎn)，減少每次che中斷導(dǎo)致的額外AI訓(xùn)練耗時(shí)降至最低。再次，需要具備主動(dòng)式的智能化故障節(jié)點(diǎn)預(yù)測(cè)和快速自動(dòng)2.面向AI集群服務(wù)器的算力、網(wǎng)絡(luò)和存儲(chǔ)全域精準(zhǔn)運(yùn)營(yíng)，是提升智算中從產(chǎn)業(yè)角度，面向AI集群運(yùn)維剛剛起步，大集群隱患排查方法業(yè)界無參考，如針對(duì)NPU芯片健康檢測(cè)、HCCL帶寬測(cè)試、網(wǎng)絡(luò)閃斷檢查、光器件故障預(yù)測(cè)、高頻故障器件預(yù)測(cè)等。同時(shí)，智算集群涉及算力、網(wǎng)絡(luò)和存儲(chǔ)全域全棧軟硬件組合，傳統(tǒng)隱患排查方式效率低，萬卡集群，算網(wǎng)存同時(shí)，慢節(jié)點(diǎn)慢網(wǎng)絡(luò)會(huì)導(dǎo)致算力損失超過50%，同時(shí)，由于大模型訓(xùn)練存在強(qiáng)同步特征，單點(diǎn)故障可導(dǎo)致整個(gè)作業(yè)嚴(yán)重劣化，故障擴(kuò)散軌跡難串聯(lián)，這會(huì)導(dǎo)致排查點(diǎn)位多到萬級(jí)，憑借人工方1.構(gòu)建智能故障處理能力，提升運(yùn)維效率2.構(gòu)建預(yù)測(cè)預(yù)防能力，提升全域全棧運(yùn)營(yíng)效率在執(zhí)行AI訓(xùn)練前，提供面向智算中心的全棧隱患排查能力和器件級(jí)的故障精準(zhǔn)預(yù)測(cè)，確保和AI集群服務(wù)器AI訓(xùn)練正常，降低作業(yè)失敗概率，避免算力損失，且這樣的隱患排查和預(yù)測(cè)耗時(shí)，需要從目前的天級(jí)，降低到分鐘級(jí)。同時(shí)，在AI訓(xùn)練和AI推理執(zhí)行過程中，針對(duì)慢節(jié)點(diǎn)慢網(wǎng)絡(luò)快轉(zhuǎn)向分鐘級(jí)主動(dòng)智能模式。定界定位效率，也需要從5G-A加速通感融合，使能運(yùn)營(yíng)商網(wǎng)絡(luò)延伸到首先是以低空經(jīng)濟(jì)為代表的無線領(lǐng)域空口感知。政策方面，2023年12月，中國(guó)民航局發(fā)布《國(guó)家空域基礎(chǔ)分類方法》，將G類和W類空域劃為非管制空域類型，為eVTOL、輕小型無人機(jī)和通用航空提供了合法的低空飛行空間。2024年2月27日，深圳市開通全球首條eVTOL跨?？绯强罩泻骄€，從深圳蛇口郵輪母港到珠海九洲港碼頭，將原來地面2.5~3小時(shí)的時(shí)間，縮短為深圳北站為中心聯(lián)通灣區(qū)的低空交通網(wǎng)絡(luò)，可實(shí)現(xiàn)1小時(shí)內(nèi)到達(dá)粵港澳大灣區(qū)90％以上地區(qū)。在物流領(lǐng)域，截至2023年11月，美團(tuán)無人機(jī)已在深圳、上海等城市8個(gè)商圈開通22條航線，服務(wù)覆蓋社區(qū)寫字樓、景區(qū)、醫(yī)院等多種場(chǎng)景，累計(jì)完成用戶訂單超21萬單；配送時(shí)長(zhǎng)方面，無人機(jī)2022年期間平均配送時(shí)長(zhǎng)約為12分鐘，較傳統(tǒng)配送模式提效近150%，為用戶節(jié)約近3萬小時(shí)等待時(shí)間。低空經(jīng)濟(jì)的發(fā)展，可以為運(yùn)營(yíng)商帶來廣闊的商業(yè)空間。第一是增加了海量新聯(lián)接，對(duì)于無人機(jī)運(yùn)營(yíng)方，由于無人機(jī)飛行范圍超視距，需要通過視頻流的回傳來遠(yuǎn)程控制無人機(jī)的運(yùn)行情況，需要超大上行的視頻聯(lián)接，給運(yùn)營(yíng)商帶來新的業(yè)務(wù)空間。根據(jù)中國(guó)《國(guó)家立體交通網(wǎng)絡(luò)規(guī)劃綱要》，到無人機(jī)駕駛員也將增長(zhǎng)到63萬名，可以為運(yùn)營(yíng)商帶來千萬級(jí)到億級(jí)的新聯(lián)接。第二是對(duì)于低空監(jiān)管方的感知需求，由于需要確保低空航路的安全飛行，需要對(duì)黑飛等異常入侵進(jìn)行實(shí)時(shí)感知，但是由于傳統(tǒng)的雷達(dá)方案在低空部署面臨重新選站、遮擋等因素，在成本和可實(shí)施性上存在巨大挑戰(zhàn)，第三，通感一體可以在提供通信聯(lián)接的同時(shí)，為運(yùn)營(yíng)商打開并拓展安防領(lǐng)域業(yè)務(wù)空間。在以WiFi為代表的室內(nèi)場(chǎng)景，可以利用廣泛覆蓋的家庭寬帶網(wǎng)絡(luò)，基于WiFi的感知能力，替代當(dāng)前有可以基于無線感知，實(shí)現(xiàn)近海/河流航道入侵等創(chuàng)新服務(wù)，隨著更高頻段頻譜的應(yīng)用，未來可以進(jìn)一步拓展基于毫米波技術(shù)實(shí)現(xiàn)橋梁/道路微變形檢測(cè)等創(chuàng)新服務(wù)。在以光纖傳感為代表的行業(yè)感知領(lǐng)域，IMT-2020(5G)推進(jìn)組在2024年9月發(fā)布《面向多場(chǎng)景應(yīng)用的光網(wǎng)絡(luò)通感一體化架構(gòu)和1.低空經(jīng)濟(jì)新業(yè)務(wù)需要構(gòu)建通感一體網(wǎng)絡(luò)低空經(jīng)濟(jì)對(duì)于網(wǎng)絡(luò)的需求帶來一個(gè)大的變化，面向地面通信覆蓋，到面向地面+低空的體覆蓋與感知。首先需要對(duì)基礎(chǔ)網(wǎng)絡(luò)(如基站)進(jìn)行升級(jí)，使基礎(chǔ)網(wǎng)絡(luò)具備通信+感知融合的服務(wù)快速的處理，實(shí)現(xiàn)完整的感知服務(wù)，需要構(gòu)建面向感知的網(wǎng)絡(luò)管理系統(tǒng)，從感知數(shù)據(jù)的獲取、感知2.通感一體網(wǎng)絡(luò)需要新的運(yùn)營(yíng)模式和運(yùn)維能力更關(guān)注的是信道容量、頻譜效率、信噪比等能力，而在感知方面更多關(guān)注的是感知精度、速度、檢測(cè)率和誤檢測(cè)率等指標(biāo)。隨著業(yè)務(wù)的發(fā)展，不同的指標(biāo)體系，帶來更高等能力。例如，圍繞連接服務(wù)，從網(wǎng)絡(luò)規(guī)劃、建設(shè)、維護(hù)和優(yōu)化全生命周期構(gòu)建運(yùn)營(yíng)KPI以及相關(guān)在具體的運(yùn)維能力方面，一個(gè)最明顯的變化是，無線網(wǎng)絡(luò)由傳統(tǒng)的地面網(wǎng)絡(luò)覆蓋，逐漸走向地磁環(huán)境以及障礙物遮擋等多方面因素，帶來無線環(huán)境的復(fù)雜性。這兩大變化對(duì)于網(wǎng)絡(luò)的規(guī)劃、維護(hù)3.在網(wǎng)絡(luò)的規(guī)劃、仿真和優(yōu)化等領(lǐng)域，開展面向通感價(jià)值場(chǎng)景需求驅(qū)動(dòng)自智等級(jí)提升，大模型加速開啟自智網(wǎng)絡(luò)L4新階段自智網(wǎng)絡(luò)旨在通過完全自動(dòng)化的網(wǎng)絡(luò)和ICT的智能化基礎(chǔ)設(shè)施、敏捷運(yùn)營(yíng)和全場(chǎng)景服務(wù)，幫助運(yùn)營(yíng)商抓住新商機(jī)、改善客戶體驗(yàn)、降低成本和提升收入等。近年來，自智網(wǎng)絡(luò)的蓬勃發(fā)展和快速演進(jìn)，為AIGC業(yè)務(wù)、大模型應(yīng)用、低空經(jīng)濟(jì)等新型業(yè)務(wù)，提供了運(yùn)營(yíng)運(yùn)維自動(dòng)化和智能化的發(fā)展中國(guó)聯(lián)通、MTN、泰國(guó)AIS、德電、沃達(dá)豐等。L4）推進(jìn)的戰(zhàn)略。中國(guó)移動(dòng)在2024年6月全球數(shù)字化轉(zhuǎn)型峰會(huì)(DTW)上明確表示，其自智網(wǎng)絡(luò)等級(jí)（ANL）在2023年已達(dá)到L3.2，2024年達(dá)到L3.5，2025年將達(dá)成L4目標(biāo)，并將持續(xù)圍繞高價(jià)值場(chǎng)景，以端到端全自動(dòng)化為基礎(chǔ)、以AI+為核心特營(yíng)能力，從而實(shí)現(xiàn)低成本高效運(yùn)營(yíng)。，當(dāng)前，核心價(jià)值場(chǎng)景的自動(dòng)化率達(dá)到95%，并完成了3000項(xiàng)AI基線能力打造，實(shí)現(xiàn)網(wǎng)絡(luò)配置、故障整改、網(wǎng)絡(luò)優(yōu)化等分鐘級(jí)處理，全年預(yù)計(jì)節(jié)省5000人網(wǎng)絡(luò)自智能力的提升，離不開人工智能技術(shù)（AI）的快速發(fā)展和與融合應(yīng)用。特別是隨著生成式人工智能技術(shù)（GenAI）的突破性發(fā)展，其強(qiáng)大的文本、圖片、聲音、視頻和代碼等多模態(tài)內(nèi)容生成能力，可以很好地應(yīng)用在網(wǎng)絡(luò)運(yùn)營(yíng)運(yùn)維上，比如配置、代碼自動(dòng)生成，思維鏈的復(fù)雜問題分析推理等；在2024年巴塞羅那和上海的全球移動(dòng)通信展上，以生成式AI為核心的通信大模型成為Omdia提出，GenAI核心能力在通信行業(yè)最明顯的應(yīng)用是為聊天機(jī)器人生成更準(zhǔn)確的響應(yīng)，為客服代理生成更有用的腳本，為網(wǎng)絡(luò)維護(hù)提供更有效的推理，從而幫助運(yùn)營(yíng)商在多種服務(wù)上減少人工干預(yù)，甚至部分無人干預(yù)，實(shí)現(xiàn)運(yùn)營(yíng)運(yùn)維效率的大幅提升。因而在最近一年的DTW、巴展等全球性重磅產(chǎn)業(yè)活動(dòng)中，業(yè)界普遍提出：以GenAI為核心的通信大模型是網(wǎng)絡(luò)邁向高階自治的關(guān)鍵使能技術(shù)；這項(xiàng)技術(shù)的革命性突破使得將高階自智網(wǎng)絡(luò)（ANL4）變?yōu)楝F(xiàn)實(shí)成為了可能。TMForum在2023年12月成立了GenAIAN標(biāo)準(zhǔn)工作組，CCSA也發(fā)起了大模型先鋒計(jì)劃，以推TMForum攜手中國(guó)移動(dòng)、Vodafone、Telefonica、華為、愛立信、亞信，以及2007年圖靈獎(jiǎng)得主JosephSifakis教授等產(chǎn)業(yè)伙伴，共同發(fā)布了《自智網(wǎng)絡(luò)L4產(chǎn)業(yè)藍(lán)圖與高價(jià)值場(chǎng)景報(bào)告》。該報(bào)告首次向業(yè)界描繪了L4產(chǎn)業(yè)藍(lán)圖，包含愿景目標(biāo)、價(jià)值場(chǎng)景、架構(gòu)和演進(jìn)路徑等重點(diǎn)內(nèi)容，1.價(jià)值驅(qū)動(dòng)場(chǎng)景選擇，分階段實(shí)現(xiàn)ANL4面對(duì)通信業(yè)務(wù)和網(wǎng)絡(luò)眾多細(xì)分場(chǎng)景，運(yùn)營(yíng)商會(huì)優(yōu)先考慮將資源和精力投入到商業(yè)價(jià)值較大的領(lǐng)域和場(chǎng)景，以實(shí)現(xiàn)投資和收益比最大化。L4產(chǎn)業(yè)藍(lán)圖中，將實(shí)現(xiàn)場(chǎng)景分成兩個(gè)階段：階段一（2025~2027）以單領(lǐng)域維護(hù)/優(yōu)化類場(chǎng)景為主；階段二（2028~2030）以多領(lǐng)域E2E復(fù)雜場(chǎng)景為主。而基于運(yùn)營(yíng)價(jià)值和技術(shù)成熟度，TMForum將運(yùn)營(yíng)商場(chǎng)景分為高中低三個(gè)價(jià)值區(qū)間，并識(shí)別自智網(wǎng)絡(luò)L4高價(jià)值場(chǎng)景2025-2027 IPTV...IPTV...5G2B...數(shù)通網(wǎng)...2.網(wǎng)絡(luò)各層引入AI/GenAI，構(gòu)建“應(yīng)用級(jí)”Copilot/Agent能力過去幾年，自智網(wǎng)絡(luò)的實(shí)踐以“點(diǎn)級(jí)方案”UseCase為主，圍繞數(shù)十個(gè)運(yùn)維任務(wù)，識(shí)別出幾百個(gè)能力點(diǎn)，實(shí)施過程和價(jià)值成效相對(duì)分散。而以GenAI為核心的大模型的技術(shù)突破，通過內(nèi)容生成、思維鏈分析、多模態(tài)仿真等核心能力解決碎片化問題，使能獨(dú)立可部署的大顆粒新流程和新能力，為自智網(wǎng)絡(luò)的實(shí)踐帶來了“應(yīng)用級(jí)”方案。L4產(chǎn)業(yè)藍(lán)圖，在自智網(wǎng)絡(luò)的業(yè)務(wù)、服務(wù)和資源和基于場(chǎng)景的智能體（Agent）兩大類“應(yīng)用級(jí)”能力，實(shí)現(xiàn)單域高價(jià)值場(chǎng)景自治，并為跨域協(xié)同ANL4的開啟，標(biāo)志著自智網(wǎng)絡(luò)發(fā)展到了全新的在網(wǎng)絡(luò)維護(hù)場(chǎng)景中，需要維護(hù)人員在多個(gè)系統(tǒng)中找到相應(yīng)的操作界面，知精度從分鐘級(jí)到毫秒級(jí)；分析從基于預(yù)定義規(guī)則到基于思維鏈的智能推的復(fù)雜問題；決策從傳統(tǒng)的機(jī)理仿真到AI仿真，突破仿真效率、精度以及泛化難題；執(zhí)行》重塑業(yè)務(wù)流程：L4的目標(biāo)態(tài)即是基于ANMAP高價(jià)值場(chǎng)景，打開每條流程，圍繞價(jià)值、務(wù)斷點(diǎn)，簡(jiǎn)化運(yùn)維節(jié)點(diǎn)，減少人工干預(yù)，從而構(gòu)建起業(yè)務(wù)和運(yùn)維1.以L4為起點(diǎn)，圍繞高價(jià)值場(chǎng)景開展商用實(shí)踐：2.啟動(dòng)人才轉(zhuǎn)型和儲(chǔ)備，保障大模型能力被3.參與產(chǎn)業(yè)協(xié)作，共同完善L4產(chǎn)業(yè)藍(lán)圖的執(zhí)行標(biāo)準(zhǔn)：301.靈活應(yīng)用多種AI能力，以滿足通信網(wǎng)絡(luò)對(duì)準(zhǔn)確性、時(shí)效性、安全性的來源:Gartner(2024年3月)31流量預(yù)測(cè)、速率預(yù)測(cè)、網(wǎng)絡(luò)狀態(tài)時(shí)序預(yù)測(cè)等任務(wù)中，雖然GenAI生成功能在預(yù)測(cè)任務(wù)中也有嘗試在網(wǎng)絡(luò)優(yōu)化方面，網(wǎng)絡(luò)優(yōu)化是當(dāng)前GenAI模型中缺失的一項(xiàng)關(guān)鍵能力，這限制了GenAI在節(jié)能優(yōu)化、路徑優(yōu)化、多目標(biāo)組合優(yōu)化和配置策略優(yōu)化等高價(jià)值網(wǎng)絡(luò)場(chǎng)景中的應(yīng)用，這些網(wǎng)絡(luò)用例往往需要通過將優(yōu)化策略下發(fā)到現(xiàn)網(wǎng)環(huán)境或者網(wǎng)絡(luò)仿真環(huán)境中，通過反饋迭代尋優(yōu)來逼近最優(yōu)解。所以，在網(wǎng)絡(luò)優(yōu)化工程中，基于強(qiáng)化學(xué)習(xí)和自動(dòng)控制技術(shù)的思路專門設(shè)計(jì)網(wǎng)絡(luò)優(yōu)化算法仍然是合理適模型嵌入到網(wǎng)絡(luò)優(yōu)化任務(wù)流程中，擴(kuò)展網(wǎng)優(yōu)在決策方面，網(wǎng)絡(luò)決策是一項(xiàng)復(fù)雜的系統(tǒng)工程，需要針對(duì)具體問題制定方案、選擇行動(dòng)，實(shí)現(xiàn)預(yù)期目標(biāo)。當(dāng)前GenAI模型的輸出仍然存在幻覺問題、缺乏可解釋性。運(yùn)營(yíng)商僅依賴GenAI模型2.分析具體場(chǎng)景訴求，選取合適規(guī)模的模型。模型大小的選擇應(yīng)基于業(yè)務(wù)場(chǎng)景具體需求評(píng)估。一個(gè)經(jīng)過大量文本數(shù)據(jù)訓(xùn)練的大模型可能非常有效。例如，OpenAI的GPT-4在處理各種自然語言生成基準(zhǔn)評(píng)測(cè)任務(wù)時(shí)表現(xiàn)出色，但并不意味著它適合所有類型的網(wǎng)絡(luò)業(yè)務(wù)需求。更大的模型通常意味著更高的訓(xùn)練和運(yùn)行成本。據(jù)估算，訓(xùn)練一個(gè)千億參數(shù)大語言模型的可能花費(fèi)需要上億級(jí)的成本投入。大模型的表現(xiàn)很大程度上取決于訓(xùn)練對(duì)于資源受限的環(huán)境，采用過大的模型可能因過高的計(jì)算和存儲(chǔ)需求而讓方案不切實(shí)際。一個(gè)輕量級(jí)模型可能更加合適,以滿足性能與資源平衡：例如，對(duì)于需要實(shí)時(shí)反饋的客服系統(tǒng)，選擇一個(gè)響應(yīng)速度快、資源消耗適中的大模型可能比一個(gè)準(zhǔn)確率略高但響應(yīng)慢的大模型更合適。GenAI大模型需要綜合考慮業(yè)務(wù)需求、成本效益、數(shù)據(jù)質(zhì)量、部署環(huán)境和安全合規(guī)等多個(gè)因素。企業(yè)應(yīng)該1.GenAI技術(shù)解決了網(wǎng)絡(luò)意圖分解難題，統(tǒng)一了人機(jī)意圖交互和機(jī)機(jī)意大語言模型在理解用戶意圖，準(zhǔn)確生成和分發(fā)下游任務(wù)等任務(wù)中具備顯著優(yōu)勢(shì)，語言交互界面已經(jīng)成為智能化時(shí)代人機(jī)交互的一種事實(shí)標(biāo)準(zhǔn)。以工具學(xué)習(xí)、API免訓(xùn)注冊(cè)、準(zhǔn)確調(diào)用為基礎(chǔ)，大模型已成為智能化系統(tǒng)集成新模式的一種基礎(chǔ)范式，按意圖零活調(diào)用API、按目標(biāo)零活編排API，大模型為網(wǎng)絡(luò)領(lǐng)域意圖理解、目標(biāo)分解、任務(wù)編排、執(zhí)行、反思總結(jié)提供了基礎(chǔ)保障，人與系統(tǒng)的2.GenAI與其它AI技術(shù)組合可以在維護(hù)、優(yōu)化等網(wǎng)絡(luò)場(chǎng)景中提升完成任在故障診斷和隱患排查等維護(hù)類場(chǎng)景中，可以通過組合運(yùn)用GenAI模型和網(wǎng)絡(luò)專業(yè)AI算法模型，自動(dòng)分析告警、統(tǒng)計(jì)指標(biāo)、運(yùn)行日志等信息，檢測(cè)網(wǎng)絡(luò)故障事件，自動(dòng)診斷故障根因，生成故障分析報(bào)告，快速匹配同類歷史案例，精準(zhǔn)推薦故障修復(fù)方案，實(shí)現(xiàn)網(wǎng)絡(luò)故障和隱患自診斷，網(wǎng)絡(luò)替代人不間斷值守，完成劣化自動(dòng)檢測(cè)，優(yōu)化策略自動(dòng)生成，網(wǎng)絡(luò)配置自動(dòng)生成自動(dòng)核查，優(yōu)化策略下發(fā)后自動(dòng)模擬仿真、自動(dòng)校驗(yàn)，從而最終實(shí)現(xiàn)網(wǎng)絡(luò)在線自優(yōu)化。通過網(wǎng)絡(luò)數(shù)字孿生仿真和網(wǎng)絡(luò)狀態(tài)變化預(yù)測(cè)，對(duì)比優(yōu)化策略變更前后網(wǎng)絡(luò)的負(fù)載和流量變化，保障網(wǎng)絡(luò)多目標(biāo)優(yōu)化效果達(dá)成，保部分網(wǎng)絡(luò)管理控制類AI應(yīng)用的業(yè)務(wù)實(shí)時(shí)性要求很高，往往需要秒級(jí)甚至毫秒級(jí)響應(yīng)，這就需要網(wǎng)元側(cè)具備AI算力，能實(shí)時(shí)獲取高精網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)，管控單元側(cè)具備AI算力，能實(shí)時(shí)分析海量1.整理本行業(yè)本領(lǐng)域語料，為GenAI大模型應(yīng)用落地提供高質(zhì)量的數(shù)據(jù)標(biāo)注領(lǐng)域數(shù)據(jù)：進(jìn)行適當(dāng)數(shù)量的數(shù)據(jù)標(biāo)注，利用行業(yè)專家的經(jīng)驗(yàn)知識(shí)對(duì)數(shù)據(jù)進(jìn)行分類和標(biāo)注，RAG增強(qiáng)。數(shù)據(jù)安全合規(guī)：確保所有收集和使用的數(shù)據(jù)符合當(dāng)?shù)氐?.根據(jù)具體場(chǎng)景，選擇合理的AI技術(shù)形成系統(tǒng)性解決方案。3.貼近業(yè)務(wù)運(yùn)行側(cè)部署專用AI算力，匹配適當(dāng)規(guī)模模型的性能需求。34隨著網(wǎng)絡(luò)日益復(fù)雜化，多智能體作為實(shí)現(xiàn)網(wǎng)絡(luò)分層自治和跨域端到端閉環(huán)的關(guān)鍵技術(shù)，成為學(xué)業(yè)界智能體研究持續(xù)火熱，在2024年AI頂會(huì)中(包括AAAI,ICML,ICRL,IJCAI等)，智能體/多智能體是熱門話題之一，關(guān)于多智能體協(xié)同方向的論文數(shù)量呈現(xiàn)增長(zhǎng)趨勢(shì)。研究范圍涵蓋了多智能體強(qiáng)化學(xué)習(xí)、協(xié)作機(jī)制、通信交互、競(jìng)爭(zhēng)對(duì)礦、跨領(lǐng)域應(yīng)用等多個(gè)子方向。基于LLM的多智能體研究興起，綜合多個(gè)Agent的優(yōu)勢(shì)，通過協(xié)作解決復(fù)雜場(chǎng)景問題。2024年《LargeLanguageModelbasedMulti-Agents:AsurveyofProgressandChallenges》論文，對(duì)81篇多Agent領(lǐng)域的論文進(jìn)行了綜述性分析，提出了基于LLM的多Agent系統(tǒng)定義。另外，關(guān)于多智能體的開源框架開始涌現(xiàn)，包括AutoGen(微軟開源的多智能體框架)，MetaGPT(多智能體元編程框架，被ICLR2024收錄為Oral論文)，Agents，Camel，ChatDev等，推進(jìn)了多智能多智能體協(xié)同技術(shù)為跨域故障定界定位提供了新的探索方向，綜合運(yùn)營(yíng)商跨域故障智能體和廠商單域故障智能體的各自優(yōu)勢(shì)，探索跨域智能體與單域智能體的南北向協(xié)同(目標(biāo)分解、協(xié)商、交互接口等)，實(shí)現(xiàn)跨域故障端到端閉環(huán)。以無線基站退服跨域故障定界為例，當(dāng)前面臨停電或者末端傳輸問題難以準(zhǔn)確定界、無線傳輸跨專業(yè)資源關(guān)聯(lián)不準(zhǔn)等關(guān)鍵難題。根因派單成功率不高，無線依賴無線、移動(dòng)承載兩個(gè)運(yùn)維團(tuán)隊(duì)多次交互，人工傳遞故障基站清單。運(yùn)營(yíng)商對(duì)于提升跨專業(yè)故障2024年6月TMF發(fā)布的《自智網(wǎng)絡(luò)L4產(chǎn)業(yè)藍(lán)圖與高價(jià)值場(chǎng)景報(bào)告能體協(xié)同實(shí)現(xiàn)復(fù)雜場(chǎng)景的端到端閉環(huán)自治，典型價(jià)值場(chǎng)景包括：端到端客訴處理，跨域故障定界，端到端業(yè)務(wù)保障，無線網(wǎng)絡(luò)協(xié)同優(yōu)化等。中國(guó)聯(lián)通研究院、中國(guó)移動(dòng)信息技術(shù)中心、中國(guó)信通院、中國(guó)電信研究院等聯(lián)合打造了“生成式AI賦能算力網(wǎng)絡(luò)（GenAIempowerscomputingforcenetwork）”Catalyst項(xiàng)目，面向客戶個(gè)性化的算網(wǎng)業(yè)務(wù)需求，高效調(diào)度云邊端算網(wǎng)資源，提供一站式智能業(yè)務(wù)支持。E2E算網(wǎng)業(yè)務(wù)開通中涉及多個(gè)Agent協(xié)作，探索基于MasterAgent與其它Agent間的目標(biāo)分解與協(xié)商，利用多個(gè)Agent的各自優(yōu)勢(shì)進(jìn)行算網(wǎng)業(yè)務(wù)E2E編排。361.多智能體協(xié)同使能運(yùn)營(yíng)商網(wǎng)絡(luò)復(fù)雜場(chǎng)景E2E閉環(huán)：多智能體協(xié)同，可以突破單智能體的局限，綜合多個(gè)智能體的優(yōu)勢(shì)，通過協(xié)作完成復(fù)雜任務(wù)，并具備良好的靈活性與擴(kuò)展性。為電信領(lǐng)域網(wǎng)絡(luò)復(fù)雜場(chǎng)景端到端閉環(huán)提供了關(guān)鍵使能技術(shù)。從單智能體向多智能體協(xié)同演進(jìn)是發(fā)展趨勢(shì)，通過多智能體協(xié)作與通信，貫穿運(yùn)營(yíng)商多個(gè)流程，覆蓋價(jià)值場(chǎng)景。多智能體協(xié)同還將重塑系統(tǒng)集成模式，傳統(tǒng)系統(tǒng)集成以原子API為顆粒度，一個(gè)新的功能上將結(jié)構(gòu)化API升級(jí)為自然語言LPI，OSS智能體與單域智能體通過自然語言接口進(jìn)行意圖協(xié)商，2.多智能體可能成為新的網(wǎng)絡(luò)通信對(duì)象，能服務(wù)機(jī)器人等)、虛擬智能助理、數(shù)字人等，智能體將成為未來網(wǎng)絡(luò)的新通信對(duì)象和服務(wù)場(chǎng)景。未來網(wǎng)絡(luò)需要為多種不同形態(tài)、不同能力的智能體提供數(shù)字身份認(rèn)證接入、互聯(lián)互通、任務(wù)協(xié)作的1）當(dāng)前通信產(chǎn)業(yè)關(guān)于多智能體協(xié)同存在兩條主流技術(shù)路線，包括基于強(qiáng)化學(xué)習(xí)的多智能體協(xié)同，以及基于大語言模型的多智能體協(xié)同。兩條路線的未來演進(jìn)以及技術(shù)互補(bǔ)的可能性，業(yè)界還處協(xié)調(diào)與沖突問題，智能體之間的多級(jí)協(xié)作與消息傳遞，可能會(huì)逐級(jí)放大幻覺；多智能體通信挑戰(zhàn)，存在多種通信機(jī)制(去中心化通信、集中化通信、混合通信等)，各有優(yōu)缺點(diǎn)，需要根據(jù)智能體應(yīng)用場(chǎng)景特點(diǎn)，靈活選擇?；谧匀徽Z言的通信消息模型尚不成熟。3）多智能體標(biāo)準(zhǔn)研究處于前期從單智能體向多智能體協(xié)同演進(jìn)，使能運(yùn)營(yíng)商網(wǎng)絡(luò)復(fù)雜場(chǎng)景端到端閉環(huán)，加速邁向高階自治，033839華為自動(dòng)駕駛網(wǎng)絡(luò)，使能高階自智網(wǎng)絡(luò)，助力運(yùn)營(yíng)商邁CopilotAgent第三方平臺(tái)AUTINSmartCareADO洞察CopilotAgent MAENCE智能體應(yīng)用無線接入CopilotAgent第三方平臺(tái)AUTINSmartCareADO洞察CopilotAgent MAENCE智能體應(yīng)用無線接入傳送IP核心...商業(yè)價(jià)值商業(yè)價(jià)值TTMMTTRNOCMateNOCFMEMateHCEMateHDEMateLinkHomeMateMate系列 Copilot 5類10個(gè)AssurSpiritCompSpirit Spirit系列Agent 5類11個(gè)40》變現(xiàn)能力+：通過提升網(wǎng)絡(luò)服務(wù)化能力助力客戶提升商待業(yè)務(wù)開通，提升產(chǎn)品TTM，助力千行百業(yè)敏捷上線。例如在企業(yè)園區(qū)業(yè)務(wù)使能場(chǎng)景，實(shí)現(xiàn)免入園快速開通，開通時(shí)長(zhǎng)縮短75%以上，助》客戶體驗(yàn)+：通過提升業(yè)務(wù)質(zhì)量達(dá)標(biāo)率、投訴處理的及時(shí)率等關(guān)鍵指標(biāo)，提升客戶體驗(yàn)和用戶投訴降低60%，差異化寬帶提升ARPU。降低單位作業(yè)時(shí)長(zhǎng)，實(shí)現(xiàn)人員效率提升。例如IP網(wǎng)絡(luò)故障管理場(chǎng)景，快速診斷故障根因，例如無線網(wǎng)絡(luò)優(yōu)化場(chǎng)景，實(shí)現(xiàn)網(wǎng)絡(luò)節(jié)能增益提升35%，邊緣速率提升20%。面向高階自智網(wǎng)絡(luò)的演進(jìn)趨勢(shì)，基于通信大模型、融合感知、數(shù)字孿生等多項(xiàng)關(guān)鍵技術(shù)，華為圍繞高價(jià)值場(chǎng)景全面打造ADNL4解決方案，提供基于角色的Copilots和基于場(chǎng)景的Agents核心應(yīng)用能力，幫助運(yùn)營(yíng)商和企業(yè)賦能員工及提升用戶體驗(yàn)，使能網(wǎng)絡(luò)數(shù)智生產(chǎn)力的價(jià)值躍升。華為CompSpirit重塑投訴處理流程，使能運(yùn)營(yíng)商高效運(yùn)維隨著云原生和全融合的持續(xù)演進(jìn)，核心網(wǎng)變得愈加復(fù)雜，管理對(duì)象和網(wǎng)絡(luò)風(fēng)險(xiǎn)成倍增加，問題處理的SLA要求逐年提升，傳統(tǒng)的核心網(wǎng)運(yùn)維模式已經(jīng)不能滿足業(yè)務(wù)發(fā)展的要求。以投訴處理場(chǎng)景為例，投訴分析可能會(huì)涉及到多個(gè)網(wǎng)元、接口、協(xié)議類型和信令消息的組合，其中信令分析的技術(shù)難度最大，單條信令里面就有100多條機(jī)器語言消息交互，一直以來主要依賴在核心網(wǎng)領(lǐng)域具針對(duì)這種復(fù)雜的投訴問題處理，華為基于核心網(wǎng)運(yùn)維多模態(tài)大模型推出投訴處理智能體CompSpirit，實(shí)現(xiàn)對(duì)投訴意圖的快速理解，復(fù)雜流程的快速定界，簡(jiǎn)化作業(yè)流程，加速投訴處置全流程閉環(huán)。實(shí)現(xiàn)投訴工單前移比例平均增至20%以上，投訴工單E2E處理時(shí)長(zhǎng)14.6H->5H，41 SEQSEQ 核心網(wǎng)工作臺(tái)SEQ并通過BERT模型進(jìn)行投訴分類，基于7大類高頻投訴場(chǎng)景，實(shí)現(xiàn)更精準(zhǔn)的投訴分類，投訴問題分類準(zhǔn)確率從40%提升到90%以上，打通投訴分類與投訴定界的流程斷點(diǎn)，自動(dòng)調(diào)用投訴定界API，自動(dòng)完成工單回填，實(shí)現(xiàn)投訴分析工作從核心網(wǎng)室前移到并結(jié)合信令和語義融合編碼，實(shí)現(xiàn)基于自然語言的問答式信令分析功能，門檻。能夠讓系統(tǒng)像人類專家一樣，針對(duì)信令問題進(jìn)行逐層分析，使普通話式問答5分鐘內(nèi)輕松完成信令分析，并直接給出推薦根因和相關(guān)案例，相當(dāng)于打造了具目前方案已進(jìn)入浙江移動(dòng)生產(chǎn)流程，相當(dāng)于新增了30+經(jīng)驗(yàn)豐富的“數(shù)字員工”，重塑已有光接入質(zhì)差體驗(yàn)場(chǎng)景：CompSpirit智能識(shí)別，HCEMate精準(zhǔn)上門維護(hù)，大幅提升用戶體驗(yàn)在數(shù)字經(jīng)濟(jì)高速發(fā)展的當(dāng)下，優(yōu)質(zhì)業(yè)務(wù)體驗(yàn)已成為家庭寬帶用戶的核心訴求，越來越多的用戶愿意為更好的寬帶體驗(yàn)去額外付費(fèi)，運(yùn)營(yíng)商也希望通過品質(zhì)體驗(yàn)運(yùn)營(yíng)來增強(qiáng)用戶粘性和提升收入，42華為全光接入ADN解決方案，通過打造裝維工程師HCEMate、家寬用戶LinkHomeMate和體驗(yàn)保障CompSpirit智能體應(yīng)用，實(shí)現(xiàn)對(duì)全光接入網(wǎng)絡(luò)體驗(yàn)問題的自動(dòng)識(shí)別、智能診斷及高效故障投訴3@3@LinkHomeMate2@HCEMate2@HCEMate支撐OSS支撐OSSNCE-FAN1CompSpirit基于故障樹的自動(dòng)化排障（無法上網(wǎng)、上網(wǎng)慢）（CEI/故障）HBB-Master（大模型）》體驗(yàn)保障CompSpirit:基于故障樹的自動(dòng)定界定位。當(dāng)家寬體驗(yàn)質(zhì)差時(shí)，CompSpirit通過時(shí)空關(guān)聯(lián)分析，自動(dòng)提取故障時(shí)刻的網(wǎng)絡(luò)KPI和KQI信息，基于故障樹的診斷算法，30s內(nèi)識(shí)別故障根因，生成解決方案。其中約30%的故障可以通過遠(yuǎn)程方式自閉環(huán)，其余問題由運(yùn)營(yíng)商N(yùn)OC部門派單上門處理。該方案實(shí)現(xiàn)先于客戶投訴的問題處理閉環(huán)，上門率減少30%，故障診斷時(shí)間減少80%，端到端排障效率提升50%。》裝維HCEMate協(xié)同CompSpirit實(shí)現(xiàn)自動(dòng)排障：基于大模型的智能問答及輔助排障當(dāng)裝維工程師進(jìn)行上門服務(wù)時(shí)，一方面通過與HCEMateAPP自動(dòng)獲取裝維相關(guān)知識(shí)、經(jīng)驗(yàn)指導(dǎo)；另一方面，在故障定位場(chǎng)景下，可以自動(dòng)調(diào)用CompSpirit能力，實(shí)現(xiàn)基于故障樹的快速故障定位和解決方案生成。通過智能體的高效協(xié)同，大幅提升裝維工程師的作業(yè)效率，減少80%的》數(shù)字客服LinkHomeMa