人工智能對通信業的影響人工智能應用素養01目錄CONTENTS通信業的智能化發展歷程02通信業人工智能發展態勢通信業的智能化發展歷程1Part從80年代誕生之初到如今，移動通信技術已經經歷了三十多年的技術變革，第五代移動通信技術5G目前已經在全球范圍實現了大規模，多領域的商業應用，給人類的生產與生活帶來了極大的便利。通信業的智能化發展歷程人工智能技術的發展進一步帶動了通信技術的創新，促進了通信技術的智能化發展。移動通信技術的發展大體可以分為五代，從1G到5G其技術演進如下圖所示。通信業的智能化發展歷程通信業人工智能發展態勢2Part通信業人工智能發展態勢

通信智能化迎來重要發展期將人工智能技術引入到新一代通信基礎設施建設，是構建通信智能化和實現萬物互聯的前提和保障，對于促進通信、信息技術與實體產業的融合和發展具有重要的意義。人工智能技術可以為通信基礎設施提供基于數據的預測、感知和管控能力，優化通信網絡結構，解決了很多傳統通信技術無法處理的難題。在實際的應用中發現，很多復雜的通信場景需要借助人工智能技術進行決策，因為人工智能往往比人類能做出更準確的判斷和更良好的效率。通信業人工智能發展態勢

通信各行業加大人工智能的研究與部署目前，全球主流的網絡通信運營商都在積極探索和引入人工智能和大數據技術，為5G時代的網絡運維提供輔助技術支持。國內三大運營商也在積極布局人工智能領域，圍繞智慧客服、智慧城市、智慧醫療、智能交通、智能網絡運維、智能5G網絡等做了很多的工作。與此同時，國外的通信運營商們也紛紛開展人工智能技術的賦能研究，積極推動人工智能技術在通信領域的應用。通信業人工智能發展態勢

通信各行業加大人工智能的研究與部署中國移動積極推動了網絡智能化水平分級框架和評估方法標準化工作，并且落地了多個結合人工智能技術的通信應用案例和場景。移動還發布了自主的人工智能基礎平臺“九天”，用來全線孵化系列AI能力和應用服務能力。該平臺的功能架構如圖所示。通信業人工智能發展態勢

通信網絡智能化標準的制定從2017年以來，國內外多個標準組織和產業聯盟陸續成立了一系列網絡通信與人工智能技術相融合的工作組和標準項目。ETSI(EuropeanTelecommunicationsStandardsInstitute歐洲電信標準協會)是歐共體委員會1988年批準建立的一個非贏利性的電信標準化組織。ETSI全球移動通信系統協會，簡稱GSMA，成立于1987年，是全球移動通信領域的行業組織。GSMA中國通信標準化協會(ChinaCommunicationsStandardsAssociation，縮寫為：CCSA)下設的多個技術委員會和標準推進組都陸續開展了人工智能技術在通信技術領域應用的行業標準和研究項目。CCSA感謝您的觀看！以上是

本節全部內容人工智能在通信業應用現狀人工智能應用素養01目錄CONTENTS人工智能在通信業應用概述02人工智能在通信業應用分析人工智能在通信業應用概述1Part人工智能在通信業應用概述人工智能給通信行業賦能人工智能技術可以從各個環節為通信行業進行賦能，其中包括了接入網、傳輸網以及核心網的多個層級。無論是移動網絡還是固定網絡的場景應用，人工智能技術的應用都帶來了顯著的成效，充分保障了用戶的通信需求，為用戶帶來最優質的服務體驗。人工智能在通信業應用概述目前人工智能技術在通信網絡中不同層面都得到了廣泛應用，其在通信網絡中的應用廣義上來說被分為了智能配置、智能運維、智能管控、智能優化和業務應用五大維度，如下圖所示。人工智能在通信業應用概述智能配置智能運維智能管控

智能優化

業務應用人工智能技術在通信網絡中應用的五大維度人工智能在通信業應用分析2Part人工智能在通信業應用分析以時間數據“顆粒大小”維度分析從時間和數據顆粒大小維度，可將人工智能在通信領域的應用分為三大類。第一類主要面向小時/天/月為時間單位的管理面優化，一般所需的數據為整網運維和性能數據。第二類相比于第一類所需的時間和數據顆粒度更細，一般是秒級到分鐘級別的智能決策，主要是面向解決子網級別和用戶級別的控制面優化問題。第三類應用與業務要求更加實時，所需時間和數據顆粒度最小，一般為秒以下甚至毫秒級別，所需的數據為網元/用戶的實時數據。人工智能在通信業應用分析以時間數據“顆粒大小”維度分析時間數據顆粒維度場景劃分人工智能在通信業應用分析以時間數據“顆粒大小”維度分析三大類應用場景的現狀分析第一類此類應用對傳統網絡通信設備的影響較少，目前的研究相對成熟，部分網絡智能化應用已經進入商業應用階段，且已經在現網中提供服務。第二類應用主要處于測試驗證階段，有部分應用已經在進行實驗室及現網的試點測試。第三類應用則多處于理論研究階段，距離現網試點和商用還有一段距離。人工智能在通信業應用分析感知預測類應用發展優于決策控制類應用目前通信智能化應用主要集中在感知預測類，通過數據中心對數據進行收集和分析，輸出結果為運維人員提供網絡運維和管理參考。典型的落地應用包括KPI異常檢測、故障預測、故障根因分析與定位、光網絡健康度分析及預測、家寬業務識別與內容智能推薦等。決策控制類，目前典型的落地應用主要集中在網絡的B域與O域，包括DC智能巡檢、業務智能熱遷移與設備節能等，而直接影響網絡運營的應用尚處于試點或研究階段，例如智能基站節能、智能M-MIMO、智能負載均衡、大規模天線智能控制等。人工智能在通信業應用分析通信智能化能力現狀ITU、3GPP、ETSI、GSMA、TMForum、GTI與CCSA等聯盟與標準化組織此前均已展開對通信智能化能力分級相關的研究工作。結合通信智能化需求及特點，可以從智能化的通用實現過程中抽象出具備廣泛適用性的智能化能力分級的6個等級來進行評估。當前通信智能化應用已達到2-3級智能能力等級，網絡的閉環執行與內生智能將成為未來的發展與演進重點。人工智能在通信業應用分析通信智能化能力現狀網絡智能化能力分級評估方法感謝您的觀看！以上是

本節全部內容典型通信技術人工智能應用場景人工智能應用素養01目錄CONTENTS智能網絡規劃02智能網絡運維03智能網絡優化04智能基站節能05智能感知服務06智能5G應用智能網絡規劃1Part智能網絡規劃5G網絡規劃更為復雜5G網絡規劃的考慮因素相比4G有大幅增加，比如有SA（Standalone，獨立組網）和NSA（Non-Standalone，非獨立組網）兩種組網方式，需要考慮低、中、高頻及非授權頻譜多種頻段，存在4G/5G頻譜共享、多陣列天線等多樣站型。這一系列新變化給5G網絡規劃帶來的復雜性呈指數級增長。而基于4G現網下積累的容量、覆蓋等方面的歷史數據，再結合5G新特性，借助人工智能技術進行關聯分析、學習訓練、智能推理，將有效指導5G無線網絡規劃。智能網絡規劃5G網絡規劃應用1.智能化容量評估對于5G高帶寬業務場景，可以用4G現網的網管、MR等數據為基礎，結合工參、用戶業務模型、套餐、網絡性能負荷等信息，利用相關算法分析熱點場景的特性，建立用戶需求預測模型，為5G網絡的容量規劃及建設提供指導。2.自動站址規劃及覆蓋效果評估利用人工智能技術基于4G現網MR數據進行5G站址規劃和覆蓋評估；利用人工智能算法對無線覆蓋特性進行學習訓練和建立模型，然后結合5G頻段、環境等特性對5G網絡的覆蓋效果做出評估，并可根據實際覆蓋效果對所建立的模型做進一步的迭代優化。智能網絡運維2Part智能網絡運維智能網絡運維的概念智能網絡運維的主要作用是進行實時監控、實時報警、異常檢測、故障根源分析和趨勢預測等。通過同步運維數據，將平臺數據集中起來進行優化，分析和處理，達到動態監控的目的，從多維度、多數據源對現場操作和維護指標的特征進行記錄，實時預警，及時對關鍵的監測點制定動態檢查計劃。數據挖掘技術可以提早發現，并主動預防可能出現的問題，以達到提升運維效率的目的。智能網絡運維目前網絡運維的困境隨著通信產業ICT融合日益加速，加之人工智能、大數據、云計算等新興技術的引入，通信系統的規模和復雜度與日俱增，運營商在運維方面面臨越的壓力越來越大，主要包括如下兩個方面。5G網絡相對于4G而言，技術架構革命性變化，導致網絡復雜性加大新業務無歷史運維經驗智能網絡運維智能故障溯源智能故障溯源基于人工智能特征挖掘和大數據分析等技術，依據網絡及業務流程上下游關系，結合多個維度的歷史數據進行分析，挖掘出依靠傳統人工經驗很難發現的潛在特征和規則，輸出故障和特征匹配的規則庫。智能故障溯源方案圖實際網絡中，系統可以根據故障特征自動進行規則匹配和診斷，并給出處理建議。智能網絡運維智能健康度預測智能健康度預測基于人工智能的機器學習和深度學習技術，分析海量運維數據，對故障發生前某一段時間內的網絡特征等進行抽取，從而有效進行網絡監控、預測/預防網絡故障發生。智能故障預測方案示意圖預測系統通過線下歷史數據訓練，得到預測模型；線上部署系統后，定期采集數據，檢測健康度，并用訓練好的預測模型進行故障預測，如右圖所示。智能網絡運維智能工單管理工單管理是運維的核心，工單將運維人員和組織有效串聯起來，形成任務驅動的運維體系。而運維人力合理調度就成為工單調度的重點。智能工單管理系統基于電子化數據、準確的位置定位、豐富的交互以及接口能力，實現運維全過程的可視化、可管可控、可分析，從而做到主動運維。智能運維調度，主要包括兩個部分：（1）基于人工智能技術的故障工單預警（2）實時智能調度智能網絡運維智能DevOpsDevOps（開發式運維）結合人工智能技術后，可以實現業務開發端的價值最大化，業務運維端的自動化，業務使用端的體驗最優。業務在線設計階段，通過分析軟件倉庫的調用行為數據、網絡實例運行數據等，獲得應用的價值分布。業務上線運營階段，利用人工智能技術驅動的RCA技術可快速進行根因定位，再結合DevOps策略平臺及自動彈縮、自愈等技術，可實現基于策略的運維自動化閉環。通過對業務實例和資源動態數據的學習分析，可預測與業務需求最匹配的資源分配，再結合DevOps的自動編排功能，能夠做到最優選路、用戶面資源適時下沉等，從而實現用戶體驗最優。智能網絡優化3Part智能網絡優化解決無線覆蓋差的問題無線覆蓋質量一直是屢遭用戶投訴的原因之一，弱覆蓋、過覆蓋等問題直接影響用戶體驗。對于覆蓋問題，傳統上主要依賴路測、呼叫跟蹤、投訴處理、人工經驗等手段來解決，往往投入成本高、處理周期長、優化效果不理想。基于人工智能的無線覆蓋智能優化，利用人工智能及大數據技術，根據歷史上的覆蓋數據、關聯數據進行學習、訓練，生成優化控制模型，可以自動輸出參數規劃及調優建議，從而實現無線覆蓋智能優化。智能網絡優化無線覆蓋智能優化方案無線覆蓋智能優化方案示意圖網絡綜合數據采集數據處理人工智能模型訓練和輸出參數優化實施智能基站節能4Part智能基站節能網絡基站能耗大傳統網絡能耗居高不下、能耗不均衡造成浪費，隨著5G的到來，5G基站耗能更大，如何制定基站節能策略、定制自動化節能方案、提高能源效率已經成為構建全網覆蓋的基站智慧節能核心能力。智能基站節能解決基站能耗問題結合業務域-運營域關聯、測量報告覆蓋分析，利用時序預測等人工智能技術，能夠更精準的預測基站業務量，結合客戶感知分析，制定節能策略。在5G基站方面，對5G基站和數據中心服務器進行適時的休眠和喚醒操作，實現動態節能。通過構建基站節能分析引擎、節能智慧決策引擎及相關模型算法完成從4G節能分析建議手動執行到4G節能分級策略半自動實施再到4/5G協同的自動節能。智能感知服務5Part智能感知服務無線上下文環境感知MEC（多接入邊緣計算）從多個4G/5G站點獲取無線上下文信息RNIS，構建無線上下文環境，并統計用戶終端特性、業務特性等數據，利用人工智能技術分析挖掘數據、業務、無線環境之間的內在關聯，建立用戶特征模型庫。MEC根據實時采集到的測量數據與特征庫進行匹配，能夠更為準確地預測用戶環境與業務特性變化趨勢，更好地支撐準實時的用戶算法策略和參數配置優化，提供更好的業務體驗。智能感知服務頻譜感知當多種制式混合組網時，不同制式小區在同一時刻的閑忙程度可能存在差異。人工智能算法能夠實現在多制式（即異系統）間，分時共享頻譜資源。異系統頻譜資源共享示意圖BSC/RNC/eNB/gNB可以與部署在MEC中的iCS智能協調服務器建立連接，通過MEC內置的AI能力，結合歷史統計數據和當前頻譜資源使用情況進行分析決策，動態調整相關門限，實現異系統的頻譜資源共享。如右圖所示。智能感知服務業務感知MEC結合人工智能以及大數據能力，深度挖掘數據、業務、無線上下文環境之間的內在規則，為不同無線環境下的業務感知提供更為精確的業務特征識別，提供更為精準的差異化服務策略。另外，還可以在邊緣節點部署高算力的硬件加速器資源（如FPGA，GPU等），為業務提供高實時、高性能的解析能力，更好支撐5G業務感知。用戶感知MEC通過統計分析用戶終端的協議、性能、業務等特性，建立不同用戶的特征庫，然后根據獲取的實時用戶測量數據與用戶特征庫進行比對匹配，從而可以更精確地預測用戶業務變化趨勢、用戶行為對網絡負荷的影響，準實時優化用戶算法策略及參數配置。智能5G應用6Part智能5G應用5G網絡編排運營及編排層主要包括：業務和資源的設計、調度及管理以及運營支撐相關的組件，如外部門戶、工單系統、客戶服務系統等，同時也包括專用的數據集中管理平臺，如大數據系統，負責數據統一采集、統一存儲、數據智能挖掘分析等。如果運營商網絡先期已經部署了成熟商用的大數據平臺，可優先在大數據系統引入人工智能引擎，從而指導運維和運營；如果還未部署大數據系統，可以優先考慮部署融合的大數據和人工智能平臺產品，從而提升運營智能化。對于部分運營支撐系統，可按需引入人工智能相關技術來升運營效率。智能5G應用5G基站調優人們對高速移動數據的渴求是無止境的。可是在城市環境中可用RF頻譜已經飽和，為了滿足業務需求的急速增長，4G和5G時代增加天線的數目不可避免。MassiveMIMO(大規模天線技術)是5G時代的核心技術之一。為了充分發揮MassiveMIMO的優勢，我們需要對MassiveMIMO的基站的各項參數進行的靈活的適應性調整，以應對業務的變化。面對如此多的參數組合和快速的業務變化，人工調整參數將是噩夢，迫切需要更加智能的可以自我優化的機制。引入人工智能技術，實現MassiveMIMO的自優化配置，有效提升資源利用率和用戶體驗。感謝您的觀看！以上是

本節全部內容人工智能助力下通信領域面臨問題與展望人工智能應用素養01目錄CONTENTS人工智能助力下通信業領域面臨問題02人工智能助力下通信業領域的展望人工智能助力下通信業領域面臨問題1Part人工智能助力下通信業領域面臨問題目前通信網絡智能化應用與服務對人工智能計算的需求的問題還包括以下四個方面。網絡中的大部分數據涉及用戶隱私，需要遵守嚴格的數據隱私保護規定，數據樣本的獲取成本較高，尤其是帶標簽的數據，需要專業人士進行標注，很難獲得足夠的樣本;針對特定應用場景的人工智能模型需要算法專家結合場景需求，選擇合適的模型并進行調優，建模門檻高；人工智能模型在線部署后，網絡應用場景往往不是靜態的封閉環境，數據分布會隨著環境的變化發生漂移，導致人工智能模型性能劣化；同時由于大多數人工智能模型由數據驅動，模型的可解釋性較差。人工智能助力下通信業領域面臨問題為了解決以上問題，聯邦學習、遷移學習和學件等技術開始得到更多應用與關注。其中，聯邦學習可以在數據保留在本地的前提下，聯合多個參與方共同進行模型訓練，提高模型泛化能力并提高算力資源利用效率。探索新技術解決應用問題學件技術則利用一定的模型歸約對人工智能模型進行特征畫像，通過集成不同種類的特征庫，可以在不同網絡應用場景下根據數據特征自動進行模型的選擇適配，結合元學習與遷移學習實現模型的高效重用，滿足網絡特定場景與復雜場景的人工智能建模需求。人工智能助力下通信業領域的展望2Part人工智能助力下通信業領域的展望通信智能化能力持續增強人工智能在通信領域中的應用與業務開展需要數據、算力、基礎實施、商業模式與人才經驗等各個方面的支撐升級。隨著通信運營商和設備商在智能云平臺和數字化方向的發力，目前通信行業對智能化能力所需的數據、算法、算力、工具、人才等進行的聚集和積累已初具規模。與此同時，隨著開放數據集、智能算法庫的逐步開放與共享、國內外智能網絡標準化工作的推進、開源項目與平臺的建設等，都為筑牢網絡人工智能技術、人才底座，為通信智能化能力的持續增強、人工智能應用的落地打下了良好的基礎。人工智能助力下通信業領域的展望人工智能和經驗知識深入融合傳統通信行業，從設備的制造到系統的部署都需要專業人員具備大量通信理論與經驗知識。傳統的系統運維非常依賴于專家的經驗。將專家經驗數字化，并與人工智能技術相結合來進行工程化融合，是目前通信智能化發展的關注重點。通信領域專家經驗在特征工程、模型優化等方面發揮著重要作用，通過進一步深入研究經驗與人工智能技術相融合，能夠更好的適配通信智能化應用的需求，提高應用的性能和運營效率。人工智能助力下通信業領域的展望人工智能和經驗知識深入融合通信領域經驗知識與人工智能技術進行融合應用的路線可以分為以下幾個階段。1基于專家經驗的總結文檔2基于規