网络 + AI，不止解决 5G 时代能耗、安全与应用三大难题

作者丨汤向根

编辑丨陈彩娴

5G和人工智能都是新一轮科技革命和产业变革的重要驱动力量。

随着5G网络的大规模商用，加速的服务创新对网络智能提出了更高的要求。运营商如何利用AI技术应对未来网络的挑战，更好地管理来自网络不同层的数据，支撑公司业务管理向智能化转型，成为了一个关键的课题。

目前，全球运营商、设备商和数字化应用服务提供商皆已开始了将AI技术应用到通信网络本身的探索，并取得了不错的进展。2019年，TM Forum提出了自智网络的概念。随后，包括GSMA、ETSI、3GPP，以及ITU，都把网络智能化放到了标准化的议程中。

对于网络智能化的实施路径，当我们翻看各标准组织的定义，以及运营企业发布的白皮书时就会发现，大家都有各自的想法或愿景。但追本溯源，在通信网络基础设施逐步从专用硬件平台向全面云化的通用硬件平台转型的当下，开放解耦、融合创新、产业协作是网络智能化的必经之路。

在英特尔首席工程师、人工智能首席架构师夏磊看来，网络智能化是个端到端的应用场景，需要依赖一整套端到端的数字基础架构作为支撑。在众多的技术实现路径中，英特尔产品组合是个“近水楼台”式的选择，特别是英特尔® 至强® 平台，它在曾经和现在都是网络产品技术和解决方案提供商们大量采用，也是全球范围内众多运营商们推进网络转型的主力平台，而在它演进至至强® 可扩展平台，开始在CPU上集成AI加速能力，并拥有oneAPI工具套件、BigDL等软件和一系列面向英特尔® 架构优化的AI框架的支持后，也升级成为了能帮助合作伙伴及用户提供高可用的、端到端的智能网络应用解决方案的坚实技术基座，也开始在推动智能网络应用的落地进程上发挥关键作用。

网络智能化，势在必行

一般来说，网络的持续演进升级是由业务驱动的，网络智能化也是如此。而网络自动化和智能化也一直是电信运营商部署网络长期追求的理想目标，并在这个方向努力了几十年。

以无线通信为例，无线网络智能化经历了2G/3G的萌芽阶段、3G/4G的小规模应用阶段。5G时代的开启，CT和IT的边界不再，融合共生已是业界共识。中国移动专家就曾指出，移动通信是复杂的巨系统，涉及百亿终端、千万基站、万套核心设备，需要体系化、全局化地进行系统架构设计，业务运营也将更为复杂，必须要引入网络智能化能力。

当然，网络智能化不是仅局限于移动通信领域。随着业务的不断丰富，园区、数据中心等场景的网络规模和复杂度也会进一步攀升，引入SDN、AI/大数据等技术，提升网络智能分析和业务编排能力，同时降低运维成本，也同样是运营商的诉求。

亚信科技网络智能化首席专家王希栋认为，网络和AI的融合共生是相互的，或者说双向的。将人工智能的技术与通信网络的硬件、软件、系统等深度融合，可以实现网络运营/运维和网络服务的智能化，助力通信网络提质增效。同时，运营商还可以以网络为载体去实现更广泛的智能化，利用通信网络自身AI能力，提供诸如实时算力等创新业务，赋能千行百业数智化转型。

与此同时，网络智能化既是现实需求，更是未来路径。总体看，基于AI的智能化增强可以在多个维度提升网络性能，已经成为网络演进的核心方向。未来十年，人工智能将从5G应用走向6G内生，实现内生智能，实现网络的自优化、自演进，提高网络的安全性和可靠性。

落地先锋

事实上，在规划、建设、优化、运维和运营五大阶段的通信网络全生命周期中，AI技术都有着广泛的应用场景。“从AI的角度来看，AI是一门实践性非常强的计算科学。”夏磊表示，“今天我们看到有三大类典型的网络AI应用正在快速地发展。”

第一类是针对5G的网络设备进行实时性的AI分析和预测，对性能进行优化，对能耗进行主动管理；第二类在网络安全领域，智能的流量分析应用也是方兴未艾；在网络的应用管理领域，AI也能够帮助实现更好的网络自动化和服务保障。

比如在网络性能管理方面，作为5G网络先行者，韩国SK电讯拥有超过40万个蜂窝塔，服务了2700万用户，其5G网络每秒钟会产生140万条数据。为了对网络质量进行实时监测和预测管理，SK电讯使用了BigDL、FlashBase等软件工具，构建了端到端的AI处理pipeline。AI任务的处理，则完全运行在基于英特尔® 至强® 可扩展处理器的服务器集群上。方案充分利用了这个平台内置的AI加速技术，即AVX-512和英特尔® Deep Learning Boost指令加速能力来加速数据分析加工的性能。则经过测试，这套基于CPU的方案，实现了相较于AI专用加速方案4倍到6倍的性能提升。

再比如在网优方面，Massive MIMO是5G网络性能提升的关键，但MIMO天线优化却是个难点。亚信科技推出了基于强化学习的5G基站MIMO权值优化技术，在提升最终用户感知的同时也降低了基站的功耗。在无线网络运维中，基于AI的知识图谱也同样是个重要应用场景，亚信科技推出的无线网知识图谱，可对网络的异常现象进行推理和演绎，找出网络异常的原因，还可通过以往的案例关联，对网络异常现象生成推荐解决方案，大大提高了运维人员的工作效率，降低运维成本，节省运维时间。

不止是网络本身的绿色低碳和降本增效，在提升运营能力，释放网络潜在价值，找寻新的商业模式方面，网络智能化同样发挥着作用。以亚信科技推出的基于机器学习的用户集合定位应用为例，可以在合规的前提下，在保护用户隐私的同时，用AI算力实现用户集合定位，百米内的定位准确率达到了90%，可以为面向互联网的市场营销、用户互动需求提供数据基座。目前该模型已经在运营商进行试点。

不止是网络本身的绿色低碳和降本增效，在提升运营能力，释放网络潜在价值，找寻新的商业模式方面，网络智能化同样发挥着作用。以亚信科技推出的基于机器学习的用户集合定位应用为例，可以在合规的前提下，在保护用户隐私的同时，用AI算力实现用户集合定位，百米内的定位准确率达到了90%，可以为面向互联网的市场营销、用户互动需求提供数据基座。目前该模型已经在运营商进行试点。

亚信科技在网络智能化领域内的拓展，也得到了产业界的广泛认可，其与清华大学智能产业研究院（AIR）联合研发的“5G网络智能化系统研发与产业规模化应用”，荣获今年“吴文俊人工智能科技进步奖”。而在刚刚开幕的2022 WAIC世界人工智能大会上，亚信科技也专门举办了“智能算网与绿色计算论坛“，其中就重点介绍和展示了其网络智能化方案，而在英特尔与国际学术期刊《Science》近日推出的“架构师成长计划”核心课程“网络智能化技术与演进”中，王希栋也对这一方案的应用场景、技术架构做了详细的分享。

网络智能化的背后：Intel 做了什么？

虽然已有不少案例或用例，但整体来看，网络智能化还是处于初级阶段。Analysys Mason有调研显示：全球大部分运营商处于L2（高级智能辅助），部分先进运营商或部分专业/领域达到L3（网络部分自治），距离L5（网络完全自治）等级，还有很长的探索之路要走。

而且，网络智能化是个端到端的应用场景，涵盖了数据的获取、预处理、AI分析、后处理等多个环节。特别是在运营商大网应用中，面对海量数据的同时，对于实时性的要求也很高，只有对整个AI平台进行相应的优化设计，才能满足运营商的需求。

夏磊指出，英特尔正在致力通过强大并且开放的IA架构来促进AI的应用发展，在网络智能化领域，英特尔已经向市场提供了丰富的AI计算加速产品，不仅仅有前文提及的至强CPU，还有ASIC、VPU、FPGA以及GPU，能满足不同设备、网元和终端对于AI算力、功耗的需求。特别是英特尔® 至强® 可扩展平台具有很好的硬件加速能力，可以对AI任务进行全方位加速，“CPU是适合于所有工作负载最灵活的计算器件，能够胜任包括深度学习推理和偶尔的深度学习训练任务。”

在软件方面，英特尔提供了一系列开放和免费的AI工具，性能优化库和行业应用框架，可以帮助开发者缩短开发时间，并且充分利用硬件的加速能力获得更佳的AI任务性能。其中，作为统一的大数据分析和AI平台，BigDL能通过一个易于扩展的架构，将诸多常用AI框架和软件聚合在一起，打造一条从数据采集、清洗、训练直到推理应用的端到端管道。

英特尔推出的OpenVINO™ AI工具套件，则能够优化AI推理性能，并且加快部署速度。需要指出的是，英特尔的AI优化工具，都使用了oneAPI通用开发标准来实现异构硬件之上的性能加速，AI部署和开发能够解耦，在应用开发过程中无需锁定特定的硬件。

横跨计算与网络，英特尔这次算是再一次发力，是在此前以通用平台推进以5G技术为代表的网络转型，为其提供基础设施架构的铺垫之上，开始不断发展和完善网络智能化所需要的各种技术平台和方案。不论是从数据获取、算力供给、算法开发与优化，英特尔® 架构都有足够的开放性、易扩展性和易用性，这能让网络在更智能的同时也更加开放，进而赋能更多合作伙伴和用户，激发更多的技术与商业创新，打造更加繁荣、共赢的网络AI生态。

雷峰网版权文章，未经授权禁止转载。详情见转载须知。