《2019年中国联通网络技术大会嘉宾演讲PPT资料合集.rar》由会员分享，可在线阅读，更多相关《2019年中国联通网络技术大会嘉宾演讲PPT资料合集.rar（0页珍藏版）》请在三个皮匠报告上搜索。

1、2019年11月12日中国联通5G终端“四化”观点：手机5G化制式通用化价格民众化终端泛在化2020e2021e3.8亿1亿4亿3.5亿5G手机市场规模19Q219Q46K+3.5K+19Q33K+20H12K+20H21K+5G手机价格演进5G手机、泛智能终端及行业终端进展2019.1.102019.2.145G手机、CPE白皮书中国联通5G测试手机、CPE交付2018.12.75G频率发放2019.4.232019.6.62019.6.25中国联通5G友好用户体验发5G牌照发手机入网证2019.85G手机首销2019.10.315G商用5G套餐发布2019.4.23模组和行业终端白皮书5G

2、模组应用招募2019.82019.9.62019.10.175G行业终端孵化启动5G泛智能终端孵化启动观点：自主定制CPE、MiFi新品发布2019.11.075G双千兆网领先关键公式网络对终端带来的变化共建5G网络观点：NSA组网，5G基站覆盖范围内，4G和5G基站一起共享，分别接入各自4G核心网 SA组网，双方各自新建5G核心网，5G基站升级后继续共享 NSA/SA双模5G基站：双模5G基站同时接入4G核心网和5G核心网，继续共享 SA单模5G基站：单模SA基站仅连接5G核心网，继续共享1+1=全球现网速率最高的5G网络NR3.5NR2.1200M110M成熟产业成熟中3.5+2.1=好+

3、省NR3.52020：城区连续未来热点补充NR2.1密集城区普通城区郊区乡镇/农村最优竞争力成本竞争力上行增强/高速覆盖/2B拓展2021：农村逐步连续联通&电信合建5G网络规划合建原则 共 建 一 张 5 G 接 入 网 络 共 享 5 G 频 率 资 源 5 G 核 心 网 各 自 建 设 业 务 和 品 牌 保 持 独 立 经 营 用 户 归 各 公 司 所 属 制 定 合 理 的 结 算 办 法分区 电 信 独 自 承 建 1 7 个 省 联 通 承 建 8 个 省 共 同 承 建 省 直 辖 市 5 个网络对终端带来的变化提升终端能力观点：NR支持n1频段2020年4月起必选支持20

4、MHz系统带宽，根 据 产 业 链 进 展 情 况 支 持 40MHz 和50MHz系统带宽NSA：VoLTE和CSFBSA：EPS Fallback支持软件OTA实现VoNRn78+n78和n1+n78载波聚合2020年H2分价位段必选要求总功率最大26dBmNSA 双 连 接 状 态 LTE 最 大 发 射 功 率 为23dBm；SA n78最大发射功率为26dBm，3000元以上机型要求支持2T4R。ABCDn1载波聚合HPUE语音方案5G终端的三种产品形态观点：CPEMIFIDongle智能手机AR/VR车载后视镜高清摄像头PAD5G芯片终端5G模组终端5G数据终端&终端智能手表快速接

5、入，广泛方便，集成度低集成度高，技术难度大，迭代慢主流形态，综合性价比高屏幕越来越大（尤其是老年人）折叠屏、卷曲屏等（如华为、三星折叠屏手机）外挂屏幕拼接（如LG 5G手机）不同场景，扩展在不同的屏幕（TV、PC等）投射，HUD（Head Up Display）手机：5G手机演变的思考呈现方式观点：手机：5G手机演变的思考 卖点观点：隐性卖点芯片：从5G基带+AP到5G SOC显性卖点关键元器件：功放器、滤波器、天线阵列屏幕：柔性屏、高清屏电池：快充、石墨烯摄像头：多摄、大像素存储：硬件存储、云存储泛终端：积极布局5G+XR产业生态上述数据来自GSMA（全球移动通信系统协会）187602359

6、02940036260443805390064820772802002232025全球泛智能市场零售额趋势（亿元）中国,34.5%其他国家,65.5%中国,27.5%其他国家,72.5%VR市场AR市场2020中国区XR产品消费量全球占比应用：5G杀手级应用的思考观点：影像类XR类电游类云化类摄影直播内容终端云游直播存储计算行业终端及泛智能终端孵化行动研发商业化招募三步走两赋能专属网络技术支持渠道共享营销助力5G模组免费品牌背书微信扫码进入“5G专区”实践：5G多视角互动直播端到端解决方案智能云存储超高清转播车5G CPE超高清摄像机编码器5G CP

7、E超高清摄像机5G背包无人机基于5G的云化制播平台承载网编播传采存5G+4K+多视角子弹时间5G+VR5G+AR5G采集设备5G超高清回传云编辑AI图像增强（人脸识别等）场景各类视频网站、应用用户5G手机5G PCVR/AR体育赛事娱乐演出旅游、教学实践：全球首个5G直播孵化基地观点：中国联通5G“三大赋能”创新孵化5G新直播基地三大赋能六大计划五大能力网络赋能技术赋能商业赋能网络能力场馆能力设备能力培训能力制作能力合作联盟入驻直播达人入驻智慧生活营销网络直播造星商业创新孵化网络直播大赛定义新直播减缺乱多5G产品缺4G销量和备货减增抢5G新品多4G、5G切换乱5G竞争乱抢市场地位销量增长9月1

8、1月12月1月2月3月6月7月8月9月10月11月12月10月8月4月5月5G手机市场发展预判分析观点：中国联通5G终端产业链新生态17家模组终端类5G终端创新联合研发中心3家芯片类5G终端创新联合实验室6家应用内容类5G终端应用合作创新中心6家连锁渠道类战略合作伙伴新蓝海的试验场独角兽的孵化器5G智能电源系统极简建维5G机房需求分析汇聚综合业务点核心基站一级前传二级前传回传DUCUAAUUPCP无线接入网分布式单元处理物理层功能和实时性需求的二层功能。集中式单元非实时无线高层协议栈功能，支持部分核心网功能（UP）下沉用户平面控制平面核心网RRU+天线针对5G NR站点四种组网形态，AAU、C

9、U/DU的方式对传输要求最为苛刻，以下传输方案均以此前提分析：CU/DU主要集中至综合业务接入机房，考虑部分集中点分摊综合业务点压力；每站12架(1020个BBU)，每个BBU管理1个站(暂估)，机房另考虑1架传输综合柜。CN整体承载方案机房5G承载业务：CU/DU部署12个BBU柜（1020个BBU）加1个传输综合柜5G站点功耗倍增宏站配置持续升级宏站配置持续升级1,500移动联通电信移动联通电信2.6G3.5G3.5G9 9频频-112 2频频1,000DDFA1.8G1.8GFA1.8G1.8G5001.8G2.1G1.8G2.1G2017年2018年2020年9009008009009

10、00800即使考虑射频模块功放等技术提升即使考虑射频模块功放等技术提升，存量站点存量站点向向5G5G演进演进，站点功耗基本倍增站点功耗基本倍增3 3.5 5G G120W160W240W0AAUAAU功耗可功耗可达达1401400 0瓦瓦5G基站建设遇到的挑战难点1 1 站址/机房问题阻碍5G站点部署 5G基站难于选点，物业租金在基站运行成本占比较高；现有基站/机房条件受限，改造困难；难点2 2 5 5G G设备的高功耗严重影响基站的建维成本 5G单站典型功耗（3个AAU+1个BBU）约为3.54kW，远高于2G、3G、4G基站；现有基站外电容量不足，需要扩容或新引市电，

11、引电成本较高；原有基站电源系统输出分路不足，48V直流不适应于大功率远距离送电；难点3 3 基站现有运维手段制约建设维护工作 基站动环监控系统与电源系统不同步建设，建设成本高，建设周期长，系统故障难于定位；现有电源设备智能化程度不够，运维工作较繁重，运维成本高；现有动环系统没有大数据统计分析，无法根据现状进行建设运行方案的精细化管理。5G智能电源-易安装、免维护、易维修输入多样简化简化维护工作维护工作采用下部及维护采用下部及维护窗接线窗接线，支持热支持热揑揑拔拔，便于维护便于维护安装安装。模块化适应范围广节省节省安装空间安装空间I IP P6565防护等级防护等级，风雨无阻风雨无阻模块化设计，

12、可灵活选配电源模块/锂电池组，满足不同现场需求采用高度集成设计采用高度集成设计，可可以采用抱杆式以采用抱杆式、挂墙式挂墙式安装安装，节省安装空间节省安装空间。适应适应5050高温环高温环境境，满足户外供满足户外供电需求电需求集成度高集成站点包含电量（电源/电池）、环境量，主设备等运行状态，自适应安装。支持交流、高压直流输入电源输入，支持备电接入方案一（5G5G智能电源，备电可选方案）5G智能电源AAU市电接入方案特点：1.可支持交流、高压直流等多输入制式2.可根据需要增加电池备电3.实现智能监控功能，带电量计量，可实现电池自动维护和容量监测4.远期5G AAU功耗降下来后，可实现一拖三5G智能

13、电源-建设方案AAU可选锂电池方案二（交流直供，无备电方案）方案特点：1.需5G AAU设备直接支持交流输入，现阶段商用产品暂不支持2.后期增加备电的方案成本高3.没有智能监控功能，无电量计量，断电情况无法监测4.建议在小微站使用，成本比一拖三方案高5G智能电源-快速建设无线选点基站勘查改造/新建方案基础设施施工调测监控系统施工调测基站开通资源录入 现存问题1234物业谈判困难建设时间长监控系统需额外投资缺乏资源管理5维护成本高 突破思路1234设备标准化加电自动运行监控自动组网不需专业调测5全寿命期资源管理5G智能电源-试验基站深圳试验站电源安装图5G智能电源深圳试验站全景图该5G5G基站位

14、于深圳南山区科技园，两个扇区AAUAAU距BBUBBU超过200200米，传统方式无法供电该5G5G基站为试验站点，没有配置后备电池广州试验站电源安装图该5G5G基站为东莞联通大楼试点站，现场安装空间较小5G智能电源建维费用分析20003600040708090100110120基站能耗预估自有基站能耗5G智能电源分时段-5G智能电源基站年能耗 kWh电缆长度 m0000250003000030405060708090100110120基站建设成本分析传统模式建设成本5G智能电源建设成本建设成本 元电缆长度 m5G供电技术选择应

15、用建议基站类型供电距离 AAU距机房距离小于50米AAU距机房距离大于50米联通自有基站（机房设备可扩容）利用原基站48V供电系统就近引交流电，使用5G智能电源为5G AAU设备供电联通自有基站（机房设备不可扩容）引交流电，使用5G智能电源为5G AAU设备供电就近引交流电，使用5G智能电源为5G AAU设备供电铁塔基站利用原基站48V供电系统，可考虑增加电度计量就近引交流电，使用5G智能电源为5G AAU设备供电BBU集中模式（分散备电）-就近引交流电，使用5G智能电源为5G AAU设备供电BBU集中模式（集中备电）-在CU/IDC集中机房将48V DC转成240V/336V高压直流，引高压

16、直流至5G AAU设备侧，然后采用5G智能电源转为48V直流电供AAU设备使用；5G智能电源-智能化功能感知基站的负载情况、环境数据、供电质量、市电电能、电池备电时长，为机房建设和运营提供决策依据。智能化管理系统的构筑：1、物理层：以5G智能电源为基本监控单元，自带无线传输，独立的传输网络2、平台层：采用两层管理组网架构部署，分权分域，省市接入全国平台管理达到建设标准化、资源实时化、运维移动化、管理集中化，实现不同部门在同一平台上获取需要的数据。实现资源与运行数据的自动更新及全寿命期资源管理。5G基站动环监控管理系统-系统架构基站其它5G智能电源环境参数锂电池组移动发电基站系统性能管理资源管理

17、告警管理配置管理网络管理运维管理管理平台基础设施统一接口（B接口）分析平台基础设施基础设施数据API资产管理能效分析维保管理电子巡检容量规划运营分析移动发电业务接口开放5G基站动环监控管理系统-系统展示谢谢！MEC边缘云，助推5G ICT创新业务发展中国联通核心网首席架构师2019年11月12日 开放合作赋能，与联通共5，让未来生长内容/应用/计算向边缘迁移驱动MEC发展核心网集中式部署不能满足新业务需求，网络随业务流向边缘迁移是产业趋势应用本地化“低成本”内容分布化“大带宽”计算边缘化“超低时延”园区、企业、场馆等自己的应用在本地闭环运营商高带宽内容从中心到区域分布式部署新型超低时延业务在边

18、缘才能满足业务诉求中心DC200km300km100km150km30km50km区域DC边缘DCMetroAGGACC智慧场馆10ms1Gbps远程手术110ms300Mbps自动驾驶1ms50Mbps+机器人协作1ms110Mbps远程医疗诊断10ms50Mbps无人机投递10ms15Mbps移动视频监控20ms50MbpsAR/VR20ms1Gbps公共安全20ms10Mbps移动广播100ms10Mbps区域DC业务边缘DC业务智能工厂、智能办公、智慧城市AR/VR、移动视频监控自动驾驶、机器人协作、远程医疗诊断高清视频20ms10Mbps5G+MEC提供低延时、可靠、安全的能力满足2

19、B行业客户需求MEC提供本地分流能力，保证园区的数据不出园区，提供低延时的用户体验，MEC与园区的私有云与公有云互联，实现云边协同，为制造企业、校园场景等场景提供专网服务。高安全低延时边缘DCNFVIMEPUPFAPP高可靠企业私有云公有云业务场景景业务需求需求智能制造超清视觉检测、远程控制、云化AGV、室内外定位、AR/VR辅助、数字孪生+AIOT智慧港口监控及自动化控制、信息化一体化解决方案、大数据分析智感安防视频监控、视频存储与转发智慧交通CAN数据上传、视频上传、高清地图下载、车辆控制智慧医疗手机看片、远程会诊、远程教学、远程手术智慧教育AR/VR辅助，云存储、视频监控5GAPP5G+

20、MEC部署丰富的应用，更好的满足2C用户需求5G MEC是发展OTT行业应用不可缺的一环MEC部署OTT业务，提供视频、游戏、AR/VR等业务，提升用户体验，降低使用成本 OTT通过业务在MEC部署更加贴近用户，能够提供更多的服务本地DC5GNFVIUPFvCDNVR应用云VR/AR平台AR应用CG流视频压缩视频编码视频分块 内容丰富体验极致业务场景景业务需求需求视频点播智能视频加速、内容缓存与分发、4K/8K超清视频、VR内容的点播媒体直播超高清视频4K、8K，VR内容直播、云端的实时采集、编译、编码渲染网络直播4K/8K,VR类应用的网络型直播平台，需要提高视频流的调度分配能力，主播互动，

21、变装秀时均需进行实时渲染处理云桌面云存储、云计算云游戏云端渲染、头显无绳化MEC实现CT的网络能力与IT的业务能力的真正融合MEC（Multi-Access Edge Computing），3GPP定义了C/U分离的网络架构，UPF是边缘计算的数据锚点；ETSI定义了MEC的商业框架，包含软件架构、应用场景和API接口。UPF是ETSI与3GPP网络架构融合的关键点5G Rel15标准网络架构创新：核心网CU分离，U平面可灵活按需部署分流机制设计：核心网设计三种流量卸载机制，满足5G不同场景下分流需求业务连续性：多种业务连续性保障机制，满足不同业务的连续性需求动态交互机制：设计应用与网络动态交

22、互机制，支持UPF在本地按需增加和删除n5G Rel16将通过网络功能增强支持5G V2X，URLLC等低时延高可靠业务ETSI 标准阶段一：定义ETSI MEC基本架构，服务管理API，无线信息开放北向API阶段二：完成MEC架构与NFV架构融合，应用迁移机制研究，定义固网，wifi接入API，分析MEC与切片，及5G网络的关系阶段三：与垂直行业组织合作(例如5GAA，ITS等)，开展面向垂直行业的平台能力设计NSSFUDMNRFNEFAUSFAMFSMFPCFUERANUPF数据分流能力开放NnefN6MEC OrchestratorVirtualization Infrastructur

23、eMEC PlatformMECPlatformManagerVIMSystem LevelHost LevelServiceAppServiceAppServiceApp3GPP 5G 网络架构ETSI系统架构MEC边缘云助力运营商构筑5G时代核心竞争力MEC支持从4G向5G平滑演进联通MEC网关当前具备融合4G/SG NSA的能力，后期平滑向5G SA演进5G SA架构天然支持MEC，UPF支持多种模式，可灵活部署4G/5G NSA5G SAEPC静态LBO5GC动态LBOMEC平台和网关分布式部署静态LBO策略静态低时延GW-C分布式 网关区域接入MEC互联网本地分布式 网关动态本地业务

24、分流:ULCL动态使能和应用与网络协同无时延边缘业务移动性：本地UPF无时延切换（SSC模式3）新功能：LADN/多归属IPv6等区域接入本地5GC用户面UPF本地UPFV2X服务器本地UPFV2X服务器网关间切换互联网本地UPF MEC应用功能ULCL 应用与网络协同联通结合5G以MEC为锚点，促“云管边端业”协同发展联通MEC从18年开始试点到现在进入快速的发展期，随着5G的建设，MEC作为5G行业的触点，要加速商用化的进程。联通提出“云管边端业”协同发展的规划，依托边缘云业务平台+行业应用，实现行业应用的百花齐放云管边端业以通信云、公有云、行业云为中心，实现云边协同以结合切片、智能管道等

25、网络能力，发挥云网一体服务优势以打造中国联通开放、智能的边缘业务平台，赋能行业应用聚焦重点行业，合作创新，打造垂直行业拳头产品提供测试环境，与终端、模组厂家合作，开发新型终端五位一体协同发展乘势起航，8个重点行业取得突破产业引领，联通MEC边缘云取得诸多成果 产业链引领，主导10+项MEC国际标准，斩获10+项国内外大奖业界影响力最大 已在全国20余个省市打造60余个试商用工程商用落地最多生态伙伴最广2019 SDN/NFV大会领奖2018中国国际信息通信展领奖商飞、宝钢、三一重工等智能制造智能网联北汽、吉利、宝马、长安等智慧港口天津港、福州港、宁波港等智感安防广州公安局、新疆公安局等智慧水利

26、四川都江堰、福建河长等智慧物业碧桂园、SOHO等智慧医疗华山医院、大田三明医院等 159个合作伙伴，启动Edge视频监控、Edge智能分析、Edge工业互联网、Edge智能车联、Edge AGV、Edge智慧医疗、Edge新媒体、Edge业务平台等创新产品持续与合作伙伴共同推动MEC技术及生态发展江阴智慧码头 首个5G MEC智慧港口碧桂园物业监控首个智慧物业联通/华为+吉利 业界首个智能驾驶方案商飞大飞机 智能制造工厂智慧物业智慧法院、智慧教育智慧交通智慧新媒体弹性扩容和轻资产诉求低成本带宽需求AR、VR视频满足远程互动类需求异构资源（CPU/GPU），硬件加速减少时延提高用户体验无中断的本

27、地流媒体传输大数据量高带宽网络传输5G 核心网广州MEC平台IPRANvGW-C轻量级IaaSX86通用硬件UGW-UUPFAPPMEPVASAPPInternetMEC广州广播电视台、虎牙直播，云际智慧广州中级人民法院、中山大学碧桂园物业监控、工地文远自动驾驶智慧港口视频监控，低时延实现远程控制广州南沙港在广州面向行业应用共同打造MEC试运营基地共同发布行业实践白皮书三一集团智慧园区联通MEC架构：灵活定制化、快速上线、迭代部署、高效运营海量边缘节点及应用集中运维管理，节省Opex根据热点统计分析自动部署APP，规则自动生效一键式自动开站，节省Opex开放用户位置信息开放无线网络信息优化边缘

28、应用的用户体验新业务上线TTM缩短到12周低成本高性能硬件硬件加速GPU/FPGA/NP等极简I/P层平台节省CAPEX端到端最短转发路径防资源恶意占用防外部攻击防开放API滥用无线家庭企业ME-PaaS边缘轻量化IaaSX86通用硬件/专用硬件UGW-UUPFMEAO/MEPM中心DC IaaS中心DC HardwareO&MMEC联通MEC边缘云专注生态的构建，开放边缘IaaS、CaaS、aPaaS、边缘网络能力、增值服务能力和5G边缘沙箱能力，提供平台API、SDK和开发者工具集合，在边缘节点实现应用的快速入驻，实现孵化、使能、承载、分发全方位对接中国联通MEC平台能力中心管理大区管理O

29、SS运维管理平台生态合作伙伴产品营销中心全局响应中心MEC生态合作伙伴开放平台全局监控中心全局软件制品仓库MEAO 边缘编排器NFVO 网元编排器VNFM 网元管理器NFVI 5G核心网元基础架构PCFSMFNEFUDMNRF NSSF 全局应用编排应用策略管理全局ME-IaaS包管理全局ME-CaaS包管理全局MEPM管理OSS运维数据上报计量计费模块商机管理源码托管应用构建合作伙伴制品仓库持续交付模拟沙箱开发者社区MEPM 边缘管理器区域监控中心云边协同管理应用生命周期管理应用包管理边缘数据中心管理边缘CaaS生命周期管理边缘VAS生命周期管理边缘IaaS生命周期管理边缘基础架构区域制品仓

30、库边缘MEP管理IT/CT防火墙云边协同防火墙边缘轻量IaaS边缘CaaS持久存储VPC网络虚拟机容器微服务管理微服务注册微服务发现微服务治理5G边缘UPFIP分流DNS分流设备ID分流GPU加速DPDK加速边缘赋能服务VAS边缘网络能力FNSMEP DP DNSNAT API网关 AI语言识别AR/VR渲染视频解码IoTAI视觉识别视频使能位置服务边缘网络能力开放缓存服务边缘应用全局中心区域中心边缘机房用户基站中国联通MEC平台对接BSS/OSS，已具备运营级能力订单中心产品中心客户管理计费客户服务支撑营销支撑业务支撑业务开通响应支撑运维支撑投诉处理客户故障监控产品运营产品维护方案维护政企客

31、户经理业务运营中心集团客户边缘计算业务平台BSS客服投诉支撑电子运维故障处理集中故障监控运维人员OSS知识中心系统运维lMEC平台前端连接BSS域，实现产品的统一投放，业务统一受理，计费统一清算l后端连接OSS域，实现与大网资源精细关联，业务监控，故障处理，投诉响应等协同运维，具备MEC业务端到端运营一体化能力统一资源管理MEC平台应用全生命周期对接1.应用开用开发2.镜像制作像制作4.应用分用分发3.应用用测试5.应用用访问和治理和治理APP源码API源码开发可选MEC开放API集成版本管理自动构建持续集成到Docker容器或者VM环境候选虚拟机镜像候选Docker镜像定义应用分类、版本定义

32、扩缩容策略增加应用策略(TOSCA)增加应用策略(YAML)定义边缘分流策略定义VAS调用定义FNS调用定义监控Endpoint测试实例边缘功能测试边缘性能测试VAS/FNS联调生产应用用户访问和使用边缘应用应用升级服务治理弹性伸缩监控告警正式镜像选择边缘位置注入客户信息启动计量指令MEC边缘平台开发者招募一点创新，全国复制：依托联通5G现网环境及MEC业务平台进行应用部署，未来在全国上万个边缘节点实现一键式自动开通；可获得联通31省销售渠道资源的赋能，全国60000+营销队伍联合进行MEC业务产品的推广，成单后可进行收益分成；对于提供优质边缘应用的企业，联通将引入“5G应用百亿创投资金”进行

33、扶持，在资本助推下，加速产品孵化；对于成功认证上线的应用，将入围中国联通MEC供应商名单，在联通电子商城“公开市场”进行上架中国联通&英特尔MEC边缘云业务开发者训练营2019年10月29日 北京站携手各省份公司及合作伙伴共拓MEC商用发展！发布日期：2019 年 11 月中国联通网络技术研究院China Unicom Network Technology Research Department版权申明中国联通网络技术研究院，2019版权所有。未经许可，不得复制、转载、摘编、转译或引用或以其他方式使用本白皮书的任何内容中国联通 5G 网络能力开放白皮书（2019 版）V1.0中国联通 5G 网

34、络能力开放白皮书（2019 版）I目录目录1.前言.22.5G 网络能力开放愿景与架构.22.1.5G 网络能力开放愿景.22.2.5G 网络能力开放架构.35G 网络能力开放架构.33.5G 网络能力开放.33.1.概述.33.2.5G 网络能力目录.43.3.5G 网络能力及典型应用场景.53.3.1.策略开放类能力.53.3.2.配置开放类能力.83.3.3.终端开放类能力.93.3.4.数据开放类能力.133.3.5.切片开放类能力.134.5G+N 能力开放演进与展望.14中国联通 5G 网络能力开放白皮书（2019 版）21.1.前言前言本白皮书立足中国联通“聚焦”战略，依托“匠心

35、”网络，描述中国联通5G 网络能力开放发展愿景，介绍 5G 网络能力开放整体架构并规划面向 5G 开放的特色能力，致力于联合产业合作伙伴共同构建基于能力开放的研究、开发、应用的聚合中心，构建合作、互利、共赢的 5G 能力开放合作新生态。本白皮书主要基于 3GPP R16 版本针对 5G 网络能力开放的标准定义，聚焦于中国联通 5G 网络的基础网络核心能力，重点对中国联通的 5G 网络能力开放愿景、总体架构、网络能力与主要场景等进行阐述。2.2.5G 网络能力开放愿景与架构网络能力开放愿景与架构2.1.5G 网络能力开放愿景依托中国联通“匠心”网络，落实“聚焦”战略，服务垂直行业、政企、互联网企

36、业等领域，致力于深度开放 5G 网络能力，构建能力开放平台及产业联盟，整合上下游产业要素，推动从研发到应用的产业链深层次互动和协作，拓展信息服务范围，提升信息服务层次和水平。聚焦 5G 网络能力，标准化开放接口，聚合产业合作伙伴实现持续创新，打造能力开放共享生态体系，为客户创造新的价值，致力于成为客户信赖的智慧生活创造者。中国联通 5G 网络能力开放致力于：1)按需规划并开放具有运营商特色的 5G 网络能力服务和资源。2)基于 5G 网络提供“运营商能力+合作能力+第三方能力”丰富能力集合。3)构建合作、互利、共赢的 5G 能力开放合作新生态。中国联通 5G 网络能力开放白皮书（2019 版）

37、32.2.5G 网络能力开放架构5G 网络能力开放架构中国联通 5G 网络能力开放面向垂直行业、政府及企业、个人/家庭、业务，聚焦 5G 网络侧核心能力包括策略开放类能力、终端开放类能力、配置开放类能力、数据开放类能力及切片开放类能力，致力于与合作伙伴深度合作，共同打造信息通信服务开放平台，提升综合信息通信服务水平。3.3.5G 网络能力开放网络能力开放3.1.概述面向 5G 网络丰富的能力及业务需求，中国联通始终坚持“三个一切”理念，全力为客户提供优质的产品体验。对 5G 能力进行基于策略、网络、终端、数据、切片等维度规划，打造丰富、智能、便捷的 5G 网络侧能力体系。中国联通 5G 网络能

38、力开放白皮书（2019 版）43.2.5G 网络能力目录5G5G 网络能力分级目录网络能力分级目录序号序号一级能力一级能力二级能力二级能力应用场景应用场景1策略开放能力路由分流策略向第三方提供数据业务的流量路径自主选择能力，缩短通信时延。差异化保障策略为应用或者应用中的会话更改 QoS 策略，提供差异化服务，保障业务带宽、优先级、时延等。背景流量策略可定制或更改背景流量策略，例如可在特定区域内为其移动用户提供推送背景流量业务、可在多个时间窗内发起背景流量传送。计费策略第三方可根据需求调用计费策略能力，提供基于5G 网络的计费策略模式更改服务，计费策略模式包括：用户为数据流量付费、第三方业务提供

39、商为数据流量进行付费或用户和第三方业务提供商共同为数据流量进行付费。2配置开放能力网络参数配置提供 5G 网络用户参数配置、定制及修改能力，如PSM，终端监听周期 DRX，缓存性能等。通信模式配置提供 5G 系统用户通信模式配置、定制及修改能力，如周期性数传等，用于 5G 合理利用网络资源。3终端开放能力移动状态信息将网络中的开关机信息、在线信息、机卡分离连接丢失信息等开放给客户，可用于业务情况分析、用户使用行为分析、故障预警和定位等。通信状态信息将网络中的通信故障事件通知给第三方，携带相关错误码。漫游状态信息该能力用于为某个特定应用申请终端移动性状态信息中的漫游状 态事件订阅，实现对终端设备

40、管理、及时高效的状态管理和生命期跟踪时调用。位置状态信息将网络中的终端位置信息等以WEB或API方式开放给物联网客户，可用于实时监控、精准定位、智能跟踪、用户使用行为分析、故障预警和定位等。4数据开放能力网络数据内外部共享将网络侧获得/统计的数据，包括终端、网络、应用等信息，通过能力开放平台等进行内外部开放。5切片开放能力多切片管理多切片管理及编排相关的切片创建/修改/删除能力开放。单切片配置单切片配置相关的切片路由、切片 SLA 参数、切片调用能力开放。中国联通 5G 网络能力开放白皮书（2019 版）53.3.5G 网络能力及典型应用场景3.3.1.策略开放类能力3.3.1.1.概述策略开

41、放类能力基于 5G 策略控制系统，将 5G 网络核心策略能力向客户开放，实现网络策略灵活配置、自主选择及动态修改。策略开放类能力主要包括路由分流策略、差异化保障策略、计费策略及背景流量策略。3.3.1.2.路由分流策略能力3.3.1.2.1.能力简介企业可根据需求调用流量路由策略能力，该能力与 MEC/边缘网络协同，提供数据业务的流量路径自主选择能力，面向行业、企业特定应用或中小型企业客户，适用于 VR/AR 游戏交互、车联网、数字化场馆等场景，提供优质低时延业务体验。3.3.1.2.2.潜在应用场景中国联通 5G 网络能力开放白皮书（2019 版）63.3.1.3.差异化保障策略能力3.3.

42、1.3.1.能力简介企业可根据需求调用移动 5G QoS 保障能力，面向行业、企业特定应用或客户提供基于 5G 网络的流量加速服务，适用于云游戏、视频会议、手机直播等场景，保证优质的业务体验。3.3.1.3.2.潜在应用场景3.3.1.4.计费策略能力3.3.1.4.1.能力简介企业可根据需求调用计费策略能力，面向行业、企业特定应用或客户提供基于 5G 网络的计费策略模式更改服务，计费策略模式包括：用户为数据流量付费、第三方业务提供商为数据流量进行付费或用户和第三方业务提供商共同为数据流量进行付费。中国联通 5G 网络能力开放白皮书（2019 版）73.3.1.4.2.潜在应用场景3.3.1.

43、5.背景流量策略能力3.3.1.5.1.能力简介在特定区域内为其移动用户提供推送背景流量业务，如智能手机的软件升级服务或者是音乐/视频的推送，可在多个时间窗（对应最大聚合比特率、费率）内发起背景流量传送。3.3.1.5.2.潜在应用场景中国联通 5G 网络能力开放白皮书（2019 版）83.3.2.配置开放类能力3.3.2.1.概述配置开放类能力将 5G 网络参数配置能力开放，实现网络部分参数自主定制及修改，包括网络参数配置、通信模式配置等。3.3.2.2.网络参数配置3.3.2.2.1.能力简介将网络中的网络参数配置能力等以 WEB 或 API 方式开放给物联网客户，该能力支持将终端的相关网

44、络参数，例如 PSM 定时器、位置区域更新定时器和最大连接时间定时器等开放给第三方，尤其适用于物联网终端节能省电场景。3.3.2.2.2.潜在应用场景3.3.2.3.通信模式配置3.3.2.3.1.能力简介将网络中的通信特征参数等以 WEB 或 API 方式开放给客户，以提高网络资中国联通 5G 网络能力开放白皮书（2019 版）9源利用率、优化通信模式。3.3.2.3.2.潜在应用场景3.3.3.终端开放类能力3.3.3.1.概述终端开放类能力将 5G 网络中获得的终端状态相关信息面向垂直行业、政企、中小型企业、物联网等开放，包括终端用户的通信状态、漫游状态、位置信息等。3.3.3.2.移动

45、状态信息3.3.3.2.1.能力简介将网络中的开关机信息、在线信息、机卡分离连接丢失信息等以 WEB 或API 方式开放给客户，可用于业务情况分析、用户使用行为分析、故障预警和定位等。3.3.3.2.2.典型应用场景一 故障定位：当终端出现无数据上报时，通过对指定终端的开关机状态、在线离状状态、在线离线时间等的分析，帮助客户远程对终端故障进行定位，从中国联通 5G 网络能力开放白皮书（2019 版）10而实现故障快速解决。二 区域内终端上报：通过对一个企业客户的所有终端或在一定范围内的终端的开关机状态、在线离线状态进行统计分析，客户可以实现对自己业务整体运行情况的判断，及时发现异常并处理。3.

46、3.3.3.通信状态信息3.3.3.3.1.能力简介将网络中的通信故障事件通知给第三方，携带相关错误码，可用于故障预警、定位和分析等。3.3.3.3.2.典型应用场景通信故障事件允许第三方获取通讯故障事件通知，并携带 RAN/NAS 错误码中国联通 5G 网络能力开放白皮书（2019 版）11分析，帮助客户远程对终端故障进行定位，从而实现故障快速解决。3.3.3.4.位置状态信息3.3.3.4.1.能力简介将网络中的终端位置信息等以 WEB 或 API 方式开放给物联网客户，可用于实时监控、精准定位、智能跟踪、用户使用行为分析、故障预警和定位等。3.3.3.4.2.潜在应用场景1、智能可穿戴设

47、备定位：通过运营商提供的可穿戴终端实时位置信息，可对可穿戴终端的位置进行实时精确定位，并结合通话、报警等功能，从而降低可穿戴设备佩戴人或物如老人、儿童、宠物等的安全隐患。2、智能物流跟踪：通过运营商提供的物流实时位置信息，能够对物流进行中国联通 5G 网络能力开放白皮书（2019 版）12实时监控及定位，并将信息记录及上传，从而实现对物流行驶轨迹进行实时跟踪、查询。3.3.3.5.漫游状态信息3.3.3.5.1.能力简介该能力用于为某个特定应用申请终端移动性状态信息中的漫游状态事件订阅，实现对终端设备管理、及时高效的状态管理和生命期跟踪时调用。3.3.3.5.2.潜在应用场景中国联通 5G 网

48、络能力开放白皮书（2019 版）133.3.4.数据开放类能力3.3.4.1.能力简介数据开放类将网络侧获得/统计的数据，包括终端、网络、应用等信息，通过能力开放平台等形式进行内外部开放。3.3.4.2.潜在应用场景3.3.5.切片开放类能力3.3.5.1.概述网络切片是 5G 网络实现差异化服务的核心技术之一。切片开放类能力基于端到端 5G 切片管理/编排系统，将 5G 网络核心切片能力向客户开放，实现网络切片灵活配置、自主选择及动态修改。切片开放类能力主要包括多切片管理及单切片参数配置等能力。3.3.5.2.多切片管理3.3.5.2.1.能力简介通过 web 或者 API 等形式开放，按照

49、垂直行业、政企客户、大中小型企业中国联通 5G 网络能力开放白皮书（2019 版）14客户需求进行多切片管理相关的切片创建/修改/删除能力开放，实现网络切片产品的灵活创建、应用及删除。目前相关国际标准协议还在持续研讨中，将根据最新标准进展制定产品方案及策略。3.3.5.2.2.潜在应用场景3.3.5.3.单切片配置3.3.5.3.1.能力简介通过 web 或者 API 等形式开放，按照垂直行业、政企客户、大中小型企业客户需求进行单切片配置相关的切片路由、切片 SLA 参数、切片调用能力开放，实现网络切片产品的灵活应用。目前相关国际标准协议还在持续研讨中，将根据最新标准进展制定产品方案及策略。中

50、国联通 5G 网络能力开放白皮书（2019 版）153.3.5.3.2.潜在应用场景4.4.5G+N 能力开放演进与展望能力开放演进与展望能力开放是 5G 网络的一种重要运营模式。目前，中国联通对 5G 网络能力进行基于策略、网络、终端、数据、切片等多维度规划，筹划考虑按量计费、阶梯价和资源置换等多种模式，为客户提供多种选择，打造丰富、智能、便捷的 5G 网络能力开放运营支撑体系。未来，中国联通将基于 5G 网络侧开放、开源、软件化的服务架构，逐步结合人工智能、边缘计算、大数据等能力，实现网络管理、网络 AI 和网络数据能力的开放化，以合作共赢为主旋律，构建开放生态圈，与合作伙伴共同建设共赢生

51、态，共同探讨 5G+N 能力开放的无限可能。加速变革 完善体系 提升能力打 造 政 企 业 务 发 展 新 动 能中国联通IDC高效节能建设实践31目录CONTENTSIDC发展概况2中国联通IDC建设实践4 中国IDC市场高速发展，增速超过全球IDC市场平均水平，2020年有望突破2000亿规模。1、IDC发展概况-市场规模全球IDC增长迅速，从2014年开始市场规模进一步增加。2017年全球IDC市场规模达到534.7亿美元，同比增长18.3%2017年国内IDC市场规模为946.1亿元，近7年来增长率在30%以上，2020年有望突破两千亿国内IDC市场增速从2014年41.8%开始逐步下

52、降，预计经过2017/2018两年调整后，随5G、物联网、AR/VR等新兴技术应用再次回到30%以上增长图表：全球图表：全球IDCIDC市场保持平稳增长市场保持平稳增长资料来源：科智咨询图表：中国图表：中国IDCIDC市场规模及增速预测市场规模及增速预测资料来源：DTDATA51、IDC发展概况-热点情况我国2017年度机架数量共166 万个。其中大型规模数据中心（超过3000机柜）和超大型规模数据中心（超过10000个机柜）为增长主力，新增33.5万架，增长增长68.0%68.0%；中小型规模数据中心（规模小于3000个标准机架)，新增8.1万架，增长增长10.8%10.8%；2018年国内

53、IDC机柜数已达到210万个，同比增长26%，增长快速大规模数据中心的分布与地区信息化发展水平有着较明显的相关性。信息化发展水平较高的地区有足够的信息需求度和资源储备度，能够满足建设大规模数据中心的基本条件；我国数据中心多位于经济发达发达一线城市，但是由于一线城市土地、电力资源紧缺，政府严格限制新建机房，而中西部地区在电力、土地方面具备优势，并通过招商引资、政策激励、人才引进等措施，中西部大规模数据中心的发展速度已得到明显提升图表：全国数据中心机架增长趋势及预测（单位：万个）图表：全国数据中心机架增长趋势及预测（单位：万个）资料来源：数据中心白皮书预测2019年新建数据中心主要分布北京及周边，

54、和上海及周边图表：图表：2016-2018 我国数据中心机柜数量我国数据中心机柜数量资料来源：中国信息通信研究院，工信部 国内一线城市及周边数据中心机柜数量及规模显著提升6全市禁止新建和扩建互联网数据服务、信息处理和存储支持服务中的数据中心，PUE值在1.4以下的云计算数据中心除外；中心城区全面禁止新建和扩建数据中心。1、IDC发展概况-政策影响北京严禁本市中环以内区域新建IDC，单项目规模应控制在3000至5000个机架，平均机架设计功率不低于6kW。PUE值严格控制不超过1.3。上海根据PUE的高低，新增能源消费量给予不同程度的支持。1.4以上的数据中心不享有支持，低于1.25的数据中心可

55、享受40%以上的支持。深圳南京三部委关于加强绿色数据中心建设的指导意见到2022年，数据中心平均能耗基本达到国际先进水平，新建大型、超大型数据中心的电能使用效率值达到1.4以下，高能耗老旧设备基本淘汰。影响：1、高效节能技术的应用是数据中心建设的首选。2、向更高效的节能技术演进是数据中心建设的发展方向。联通的策略与目标：1、充分利用自然资源优势，积极推广技术成熟的空调、电源等节能新技术应用。2、到2022年，新建大型数据中心的PUE值控制到1.4以下。3、改造现有大型、超大型数据中心PUE值控制到1.8以下。7目录CONTENTS1IDC发展概况2中国联通IDC建设实践82、中国联通IDC建设

56、实践-PUE规划目标规划目标气候优越地区寒冷及严寒地区夏热冬冷地区夏热冬暖地区2019年年2020年年2021年年PUE1.35PUE1.4PUE1.5PUE1.5PUE1.4PUE1.45PUE1.4 中国联通数据中心建设标准按气候分区制定PUE节能指标。中国联通2019-2021年全国IDC建设规划明确：因地制宜选择高效节能方案，研究液冷、自然冷、高效电源等节能技术；结合三部委的要求，至2022年新建数据中心PUE降至1.4以下；气候条件优越区域降至1.3以下。92、中国联通IDC建设实践1-优化集中水冷空调冷却塔+离心机冷冻水空调系统冷却塔制冷主机空调末端冷却/冷冻水泵管路系统适用地区：

57、比较广泛技术优化措施：1、调整供回水温度：冷冻水供回水温度从7 /12 提升到不低于12/18。2、优化机房气流组织：精细化规定封闭冷通道时送风温度不低于18；封闭热通道时送风温度不低于22。3、设备：水泵采用变频泵、室内机风机采用EC风机。4、设备：机房内加湿采用集中湿膜加湿方式。102、中国联通IDC建设实践2-新风新风冷却冷却建筑：单层工业建筑，低成本快速部署，土建施工缩短至4-6个月空调：新风+蒸发冷却+风墙+热通道封闭，全年压缩机制冷仅为8天，年节电费约300万元/栋电源：全部采用室外油机，加快建设进度；采用高倍率电池后备系统消防：水喷淋消防，降低建设维护成本，避免气体消防分区限制，

58、后期可按需改造为气体消防宁夏中卫数据中心：首家运营商采用新风自由冷却技术，PUE低至1.28。112、中国联通IDC建设实践2-新风新风冷却冷却适用地区：全年室外气温低、空气品质优良的地区技术简介：室外新风冷却分成直接式和间接式，直接式效果优于间接式，但受室外空气质量影响较大；间接新风不受室外空气质量影响；采用新风冷却技术时，对机房平面、层高等有特定要求。注意事项：（1）机房内气流组织宜采用侧墙弥漫式下送风、机房上部回风、封闭热通道方式；机房内送风温度不低于25。（2）需要评估高温期长短，考虑机械冷源补充。122、中国联通IDC建设实践2-新风新风冷却冷却新风冷却机房布局 空调新风机房：由过滤

59、、制冷、风机墙等新风系统组成；数据机房：风机墙直接送风，封闭热通道，排出热空气通过吊顶回收；效果虽然初期投资较大，但新风系统运行维护成本远低于传统空调形式，在运行3年后，每年可节省一半的空调用电量。132、中国联通IDC建设实践3-蒸发冷却获得2018年ICT基础设施节能创新“最佳节能项目奖”系统创新：系统创新：集中式蒸发冷却，首次实现直接/间接蒸发冷却和乙二醇自然冷却耦合系统的自动控制气流组织创新：气流组织创新：混合末端地板下送风+热通道封闭的外循环气流组织运行模式创新：运行模式创新：水侧蒸发冷却、水侧和风侧复合蒸发冷却、乙二醇自然冷却 新疆乌鲁木齐核心机房：国内首例全蒸发冷却空调系统，全年

60、实现自然冷却，设计PUE低至1.17。142、中国联通IDC建设实践3-蒸发冷却适用地区：全年室外空气干燥、温度低的地区技术简介：1、蒸发冷却技术就是利用干空气能来获得空调所需制冷量。在不同类型的蒸发制冷装置中，利用干冷空气和水进行热湿交换获得低温的冷水或冷风。2、按照水和空气是否直接接触，蒸发冷却技术分为直接蒸发冷却和间接蒸发冷却两种方式。3、按照空调载冷介质的不同，蒸发冷却空调设备可分为蒸发冷却空调机组和蒸发冷却冷水机组两大类型。152、中国联通IDC建设实践3-蒸发冷却技术特点：1、节省投资：蒸发冷却最大输入功率只有电制冷空调的30%，可节省一大笔变压器电力容量，相应减少高低压供电系统的

61、投资，在同等电力容量下,可最大化提高IT机柜的安装数量。2、节能效果：蒸发冷却空调不使用压缩机，机组能效比（COP）高达10，机房PUE值可低至1.2，相比传统电制冷空调（COP为3）可节能70左右。3、安全：系统简单，设备在常温常压下运行，易于维护管理，由于绿色清洁无污染的干空气能制冷，是最贴近自然的空调方式，对人体无任何安全隐患。4、环保：不使用氟利昂（CFCs）和溴化锂等化学制冷剂，不排放任何产生温室效应的气体。162、中国联通IDC建设实践4-天然气三联供浙江德清基地：国内第一个运营商分布式能源项目，年节约2万吨标煤，解决“能源双控”。技术特点：1、绿色能源：天然气驱动内燃机发电，余热

62、驱动烟气-热水溴化锂制冷，能源梯级利用。2、高效节能：“二次泵“不间断供冷，”氟泵+集中冷凝”空调，下送风+列间混合送风，空间利用率提升20%，支撑 8-30.5KW高密机柜。3、供电创新：“一路市电+一路240V高压直流”模式，引入巴拿马电源（能效97.5%），高倍率电池。4、快速部署：4个月内实现机电配套交付，客户配套工程节约投资3500万元（20%以上）。172、中国联通IDC建设实践4-天然气三联供适用条件：天然气资源充足，市电不能满足需求注意：T3等级以上的采用天然气三联供的天然气应具备两路气源。冷源外的其他系统设计同集中水冷式空调系统。182、中国联通IDC建设实践5-整合现网资源

63、山东康巴斯：自研的联通云舱，实现ICT融合，将传统机房PUE从2.0以上降至1.5，单机柜年节约电费9000元左右。联通云舱，以ICT融合、智能化、精准冷却、分布式供电等模块化形态呈现的具备高效、智能特点的物理基础设施。山东联通AI云舱项目获得DCD国际大奖云舱1.0获2018年科技进步二等奖192、中国联通IDC建设实践-与合作伙伴共同致力的方向一、寻求更有效提升温热地区数据中心电能利用效率的方式二、优化完善上海、深圳等地PUE严控地区的高效节能数据中心的建设方案三、研究开发边缘DC产品，实现边缘DC的快速部署加速变革 完善体系 提升能力打 造 政 企 业 务 发 展 新 动 能谢谢！中国联

64、通弹性空口技术方案与推进计划（CUBE-FLEX AIR）0102需求与挑战需求与挑战主要技术方案主要技术方案未来推进计划未来推进计划03需求与挑战025G时代的到来，带来业务需求的多样化，传统eMBB业务以下行容量需求为主，但2B类业务，如远程医疗、安防监控、临时集会等大带宽上行需求凸显，固定化的帧结构及上下行资源配置难以满足差异化的业务需求，需要更灵活的资源配置。0401035G网络引入了Massive MIMO和波束赋形技术，在带来系统能力和效率提升的同时也带来了网络规划、优化和能耗方面的挑战，传统的人工配置方式难以满足差异化的场景需求，需要智能化的网规和网优技术。业务多样化带来网络管理

65、复杂化，人工配置的网络难以满足要求业务分布不均衡，单一的网络难以满足所有业务需求业务需求的多样化，固化的网络资源配置难以满足5G带来丰富的业务，不同业务在速率、时延、可靠性方面的需求存在较大的差异，单一的网络覆盖只能满足2C用户的基本需求，对于差异化的业务需求需要更加融合和协同的网络。高通随着系统演进更新的加速，2G/3G/4G/5G多种制式存在长期共存和动态的业务迁移，各个系统刚性的资源配置无法匹配业务动态的变化，造成不同频段和制式下资源利用效率的严重不均，难以发挥频率效率的最大化，需要更弹性的资源配置。多系统长期共存，刚性的系统分配频谱效率低下0102需求与挑战需求与挑战主要技术方案主要技

66、术方案未来推进计划未来推进计划03弹性空口的内涵“弹性空口”是指能够根据用户和业务需求的变化，通过动态调整网络资源、智能网络管理、灵活的跨域协同等技术手段进行最优化的资源配置，在匹配用户业务需求、做到“网随业变，网随人动”的同时最大化系统的效率，打造“弹性”、“智能”、“协同”的网络，实现业务体验与系统效率的双提升。弹性智能协同智能的波束管理：基于人工智能技术开展FDD/TDD Massive智能波束赋形，快速适应用户分布，提升网络覆盖，降低网络干扰，减少人工参与，提升系统的效率。宏微协同：通过室外宏站、室外微站、室内微站之间的资源协作、干扰控制、双连接等协同技术，实现区域间的资源协同，满足用

67、户分布不均衡下的业务需求。动态的资源配置智能的网络管理灵活的空口协同智能的能耗管理：基于人工智能技实现多制式智能协同，实现网络区域级、基站级、扇区级不同颗粒度的智能节能，实现系统性能和能耗的平衡。高低频协同：通过低频、中频、高频资源之间的载波聚合、双连接等协同技术，实现跨频段之间的无线资源协同调度，满足用户弹性的业务需求。弹性空口（CUBE-FLEX AIR）灵活的系统带宽：实现系统制式内带宽配置的多样性，可以依据业务需求进行系统频率资源的弹性配置。动态频谱共享：实现相同频段范围内不同系统制式的频率动态共享，实现系统间资源的弹性配置，最优化资源利用率。灵活的帧结构：实现系统帧结构配置的多样化，

68、可依据用户上下行业务需求进行灵活配置，实现业务的弹性。LTE用户业务带宽需求分布NR用户业务带宽需求分布LTE占用 RBNR占用 RB空闲RB时间时间带宽带宽时间时间带宽带宽伴随着4G和5G网络的长期共存，静态的频谱配置无法匹配动态系统业务分布，造成不同系统忙时资源不足和闲时资源利用率低下，灵活动态的频谱使用策略和能力为用户提供最大化的空口频率资源。利用用户业务在时间上分布的差异，提高频率利用效率，实现1+12的网络效能，解决日益增长的用户需求与有限紧张的频率资源之间的矛盾，NL动态频谱共享：LTE与NR都是采用OFDM技术，具有相同子载波间隔的LTE和NR具备天生的动态频谱共享条件，只需规避

69、信道/信号冲突即可实现RB级动态频谱共享。中国联通将推动在2.1GHz和1.8GHz频段支持端到端NR/LTE动态频谱共享能力。动态资源分配动态频率共享LTE缺口 RBNR缺口 RBLTE静态资源分配方案NR静态资源分配方案NR/LTE动态资源共享方案p灵活带宽需求灵活带宽需求l随着业务分布差异化，不同区域用户对于系统带宽的需求呈现明显的差异化，带来灵活化配置需求；随着业务分布差异化，不同区域用户对于系统带宽的需求呈现明显的差异化，带来灵活化配置需求；l随着业务类型的多样化，不同类型用户对于系统带宽的需求和能耗呈现明显的差异化，需要灵活的随着业务类型的多样化，不同类型用户对于系统带宽的需求和能

70、耗呈现明显的差异化，需要灵活的BWPBWP支持能力；支持能力；l随着网络共享的开展与推进，运营商频率资源呈现聚合化趋势，带宽呈现更加宽带化演进需求；随着网络共享的开展与推进，运营商频率资源呈现聚合化趋势，带宽呈现更加宽带化演进需求；动态资源分配灵活带宽p技术演进方案技术演进方案l中频谱带宽宽带化、多样化演进，当中频谱带宽宽带化、多样化演进，当在当前只支持最大在当前只支持最大20MHz20MHz的基础上的基础上推推进进1.8GHz1.8GHz和和2.1GHz 25M/30M 2.1GHz 25M/30M/35M/35M/40M/50MHz/55MHz/40M/50MHz/55MHz系统带宽标准系

71、统带宽标准化化；l推动推动3.5GHz3.5GHz向更高带宽演进，在当前向更高带宽演进，在当前最大带宽最大带宽100MHz100MHz的基础上根据技术与的基础上根据技术与产业成熟度适时产业成熟度适时推进推进200MHz200MHz系统带宽系统带宽的标准化的标准化。l在在NRNR原有原有BWPBWP的基础上的基础上推进扩展的推进扩展的BWPBWP，支持更加灵活的带宽配置；，支持更加灵活的带宽配置；5G不同业务的上下行需求差异较大，比如远程医疗、安防监控等大带宽上行需求凸显，需要灵活的帧结构；视频监控视频监控移动警务机器人移动警务机器人远程指挥调度远程指挥调度远程手术远程手术病房监控病房监控DDD

72、SUDL/UL0412slot30.625msOption 1:常规帧结构DSUUUDL/UL0412slot30.625msOption 2:0.625ms上行增强帧结构DDSUUDL/UL0412slot30.625msOption 3:0.625ms上行增强帧结构灵活性帧结构方案需采用灵活性帧结构覆盖业务多样化需求；在系统中采用多option帧结构，并根据业务需求进行灵活调配。右图为毫米波帧结构方案。吞吐量（Gbps）Option1Option2Option32.40.61.240.72.291.49DL 256QAMUL 256QAM灵活帧结构方案优势可根据覆盖区域的长时间业务情况进行

73、预测调整；可根据5G行业应用的突发性情况进行上下行帧结构快速调整；满足5G行业应用需求，也可以有效面对演唱会、体育场馆等对上行带宽突发需求明显的公网场景。毫米波不同帧结构峰值速率对比灵活调整帧结构123Option 1Option 2Option 3动态资源分配灵活帧结构中国联通首次提出基于上行增强的毫米波帧结构配比方案，用以满足未来更加丰富的上行业务需求。智能网络管理FDD/TDD统一智能波束赋形挑战突破LTE FDD TM9终端渗透率低FDD单频段带宽窄模块性价比低UE高速移动性能差FDD频段阵子大工程规格大 角度、时延的信道互易性提升赋形精准度劈裂选择性覆盖兼容原有终端类型多层垂直波束+

74、MU-MIMO提升覆盖与容量终端支持度提高带宽增大，与电信共享 2.1G 55M、1.8G 50M设备集成度提高基于AI的信道预测，提升精准性随着频谱重耕和网络共享的展开，FDD频谱的Massive MIMO成为未来中频谱的主要演进方案，需要在TDD Massive MIMO的基础上同步推进FDD Massive MIMO的技术演进，FDD与TDD协同发展开发智能波束管理，实现波束赋形智能化，快速适应变化，提升接入体验基于AI的用户分布趋势预测根据用户分布设定波形参数快速调整波束形状适应变化波速指向精度高，提升覆盖最小化同频干扰，提升性能快速灵活调整波束分布减少网络管理时间和人力成本基于网管、

75、MR数据，利用AI算法进行场景识别和用户预测建立波形参数组合与 KPI、用户分布信息、小区场景等关联的信息库同类场景可以快速匹配获取优化波束参数值智能网络管理FDD/TDD统一智能波束赋形 大规模天线天线振子数：128-256高楼多样化场景密集城区智能网络管理智能能耗管理无线网络能耗将成倍增长，5G网络智能节能势在必行OPEX中电费占比电费占比其他运营费用符号关断通道关断小区关断功放调压基于AI的智能节能实时、跨网络、灵活智传统软件节能技术的局限性逐步显现，开发基于AI的智能节能平台，实现能耗管理智能化 数据采集层 PM、MR、CM原始xml文件解析汇聚层解析引擎关联汇聚指标体系AI节能应用层

76、数据汇聚用户感知评估业务预测指令生成服务节能策略网络质量评估多网协同指令执行模块执行监控服务能效评估GIS服务参数调优基站配置工参MRO域B域能耗数据HDFSYARNHiveImpala+Presto+ESPython基于AI的智能节能平台架构业务预测基于历史业务数据+AI算法，构建基站业务模型节能策略设定节能目标，自动完成节能策略生成、配置和执行参数调优预测并选择最佳关断时段，通过AI算法支持参数智能调优，优化关断门限能效评估评估节能方案执行后基站能耗节能效果网络质量评估评估节能策略执行后，网络KPI主要指标变化情况用户感知评估评估节能策略执行后，用户感知质量变化情况5G基站设备功耗大幅增加

77、，基站设备能耗在单站能耗比例预计超过50%。人工智能技术可应用于通信网络智能能耗管理，实现多制式网络智能协同，支持网络区域级、单基站、单扇区不同颗粒度的智能节能管理。灵活的空口协同宏微协同宏基站室外微站室外微站室外微站宏基站 室内微站室外微站室外微站业务驱动宏微协同宏微协同技术要求p宏基站覆盖可以满足大部分2C业务，但存在业务覆盖空洞以及2B业务需求，通过部署微站可实现精准业务覆盖；p移动业务需求失衡，业务分布不均，通过部署微站实现宏微协同，满足差异化2B和2C的业务需求；p宏微间的互通宏微之间资源协调信息互通和数据互通性p宏微间的干扰协调ICIC/eICICp宏微间的融合多点协作双连接载波聚

78、合p宏微之间的移动性管理以5G数字化室分创新发展联盟为平台开发新型微站产品，打造宏微协同的5G精品网络高频(3.5GHz,共建共享200MHz)中频(2.1GHz，共建共享40MHz)低频(900MHz，11MHz)中频(1.8GHz，30MHz)高频(3.5GHz,100MHz)覆盖频谱中频(2.1GHz，25MHz)根据用户业务覆盖与速率的需求，协同高、中、低频率，形成高效协同的分层网络，统筹推进上下行载波聚合（N1+N78/N78+N78/N1+N78+N78）、多连接等技术成熟，满足用户业务需求。动态资源分配高低频协同更高频(毫米波，800MHz)以低中频打造全覆盖网络，保证高质量的语

79、音，大连接，低速率的物联网，以及良好体验的基础数据业务。CAEN-DC积极发展高频和更高频网络，以满足未来大容量、大数据量的新型业务和差异化的2B业务。中高频网络采用载波聚合实现对不同数据业务速率需求的快速响应。0102需求与挑战需求与挑战主要技术方案主要技术方案未来推进计划未来推进计划03下一步研究计划2020推进2.1GHz的动态频率共享技术与设备成熟推动N1 25/30/40/50 MHz灵活带宽国际标准化推动毫米波上行为主帧结构基站设备开发智能波束管理平台的研究与开发智能能耗管理平台的开发与试运行室外微站产品开发及宏微协同验证推动N1+N78和N78+N78载波聚合技术与设备成熟202

80、1推进N1频段的55/60MHz的带宽依据技术成熟度适时推动N78 200MHz带宽推动毫米波上行为主帧结构基站设备试点验证智能波束管理平台试验及试运行改进智能节能平台运算效率和处理处理，实现5G智能节能平台现网运行推动室内外宏微间互通与干扰协调研究与验证推动N1+N78和N78+N78载波聚合试点及应用2022推进1.8GHz频段支持动态频谱共享技术与设备成熟推动毫米波上行为主帧结构基站设备冬奥场景应用推进宏微之间的融合组网及智能化组网方案谢谢！算 力 网 络算网深度融合，服务智能社会算力是构建未来智能社会的基础命令交互治疗为主静态/单维/单点少量工程师制定规则高效算力：基于相同算法，相同成

81、本，相同时间内，可以处理更多的用户数据图形交互预防为主动态/多层/端到端少量科学家研究算法大量设备提供算力处理用户数据训练推理智能(AI)=算 法+算 力+数 据大量工程师进行网络的维护与交付人工智能算力是一种通用的可量化服务注：参考某互联网公司推理服务模型AI推理不同应用对算力的需求AI训练不同算法对算力的需求算法的演进对算力需求增长了30万倍算力已经成为可单独销售的归一化服务AI推理应用场景算力分类32位浮点运算16位浮点运算内存语音语义或者单流视频中等1T FLOPS8T FLOPS1 GB多流视频大型2T FLOPS16T FLOPS2 GB推荐引擎或者风险预测超大型4T FLOPS3

82、2T FLOPS4 GB学术研究（能效低，成本高）CPU/GPUCPU/GPUASIC ASIC 专用场景（单任务，不灵活）可编程AIAI芯片算力服务化（可动态编程适配多任务）AIAI的发展趋势：从研究走向应用、从专用走向通用智能时代，网络结合算力体现新价值运营商构建计算与网络深度融合的基础设施，未来为客户提供算力+确定时延产品，将成为提升网络管道价值的关键！网络为连接服务，价值在于连接人和物；产品：话音、短信、专线连接网络云/端崛起AI崛起From 2020网络为计算服务，价值在于释放算力；产品：算力+确定时延算力网络网络为入云服务，价值在于连接云；产品：带宽（流量）云化网络2010-202

83、0Before 2010网络将从云网融合走向算网融合4G/5GFTTH云网融合：云服务和网络服务的联合提供；算网融合：算力服务借助网络通达客户；5G/6GAI、大数据可编程芯片提供极高算力以5G为代表的接入网络覆盖和体验优势长期运营积累的边缘局房数量和质量优势网络云化后的计算资源富余优势算网融合时代，运营商有三个优势算力网络的关键技术特征算网元素算力路由：计算优先网络（CFN）算力交易：电信可信区块链（TBC）可信随需高效智能网络人工智能，新一代编排系统，SR路由控制算力生成算力生成云网元素联网元素无损确定性Metro Fabric 架构时延敏感网络TSN算力网络网络层次接入边缘核心关键特征使

84、能技术技术元素低延时高可靠（URLLC）确定性网络（DetNet）C/U分离U面C面企业边缘：现场级计算（ECC）电信边缘：多接入边缘计算（MEC）中心云：云计算（TC）云化网元功能虚拟化边缘云+计算网为行业提供算力服务MEC设施生成算力CFN路由协同算力区块链平台交易算力BBUBBUBBUBBUIaaS算力/存储算力/存储IaaS网络网络网络网络网络网络IaaSUPFAI推理CPFAI训练边缘云城域计算网无线接入网行业用户BBU边缘MECRRURRURRURRU行业用户UPFAI推理边缘MEC边缘云IaaSCPFAI训练RRURRURRU行业用户可信区块链CFN路由算力网络智能社会借助算力网

85、络白皮书抛砖引玉，在算力网络的架构、技术、标准和生态等方面与各伙伴单位携手合作，服务智能社会。算力网络研究需要加强产业合作产：国内国际标准组织、产业联盟共同发力学：计算理论与网络理论联合创新用：5G+AI应用，构建边缘计算平台的通用化能力研：可编程AI芯片、新型转发协议研发千行百业算力运营+构 建 算 力 网 络使 能 业 务 创 新实 现 产 业 共 赢营 运 车 辆 自 动 驾 驶 车 路 协 同 安 全 技 术 应 用 发 展 论 坛产业协同，实现5G智慧交通规模化发展0101经济环境技术环境政策环境社会环境城镇居民可支配收入增长城市汽车数量快速增长SBD&GSMA：25%年复合增长率交

86、通事故频发加快智能交通发展城市交通严重拥堵城市空气质量污染日益严重用户对智能汽车需求2015中国制造20252017国家车联网产业标准体系建设指南（智能网联汽车）10%17%11%61%通信硬件服务提供商服务5G催生智慧交通行业应用车载AR/VR服务3倍1ms100万/km2100 x(ITU)峰值速率DL:10Gbps用户体验速率DL:100Mbps频谱效率移动性500km/h空口时延连接数容量密度10Mbps/m2能源效率4G5G NR5G作为车辆网联化关键技术，能够增强感知范围、降低车辆成本、提升交通效率车辆远程控制车辆自动驾驶交叉路口避让车辆优先通行紧急刹车预警0202V2X与5G/4

87、G技术相结合，无缝网络覆盖保障“车-路-人-云”多路径实时通信V2X部署边缘云5G网络切片网络安全交通设施信息化人工智能+大数据智能传输网络高精度定位车联网业务平台4G核心网4G基站5G核心网车联网云平台5G基站RSU4G5GV2XV2IV2VV2VMEC行业极度高危人力成本劳动力断缺国家政策矿山需求基于5G打造内蒙古智慧矿山，实现矿区安全生产远程驾驶控制平台5G网络部署远程驾驶控制器远程驾驶矿山宽体车超视距防碰撞实时车路协同智能车速策略V2VV2IV2NV2P5G核心网5G基站互联网RSU安全精准停靠智慧远程驾驶0303产业协同，共创智慧交通美好未来9（部门）+1（5G创新中心）+4研究创新

88、中心产品孵化应用推广创新示范合作拓展总体目标主要职责垂直行业创新智慧医疗智慧教育云转播云监控行业终端泛在低空物流交通政务金融智能制造智慧能源重点战略合作冬奥互联网设备商5G创新中心文旅新媒体中国联通5G创新中心，在北京、上海、广州、深圳、南京、杭州、厦门、成都8个城市设立办事机构；携手高校、政府、企业及联通省分公司在垂直行业领域创新发展。13市场规模：联通目前车企客户63余家，市场占有率超过70%，拥有900万车联网连接用户/150万TSP用户。标准研究：3个3GPP、ITU、5GAA国际标准立项，牵头10余个CCSA、IMT2020等国内标准项目业务示范：打造多个“业界首次”业务示范案例国家

89、项目：参与国家5项，“科技冬奥”专项申报成功车联网开放实验室：聚集50余家合作伙伴，25家车企联合研发车联网试点：上海、重庆、常州等8个5G&C-V2X试点，完成100+细化场景验证北京百度沈阳华晨宝马雄安百度天津北京邮电大学常州交通部公路院上海安亭汽车城广州广汽研究院、东风日产重庆汽车工程研究院、长安汽车8个重点试点验证城市多种细化分类场景智慧大交通车联网物流航空感谢聆听光伏在通信局（站）光伏在通信局（站）的应用研究的应用研究电源与节能研究部2019年11月1目录一一背景背景二二场景及供电方案研究场景及供电方案研究三三应用应用落地及设备研制落地及设备研制四四系统的经济分析系统的经济分析2背景

90、企业能耗及管理占收比占收比-百元主营业务收入百元主营业务收入能源形势严峻现网：能耗总成本持续增长。2018年能耗达157亿，占收比全球水平1%8%5G的高歌猛进，将倍数推高能源OPEX节能措施-专项投资总投资：收缩节能措施：技术种类多，应用趋向空调类投资分布：基站-通信机房，预计2020年投资占比46%67.3%12.0%13.0%7.7%移动业务宽固业务政企客户公共基础能耗分布能耗分布-网络侧网络侧2017年2018年能耗总成本（万元）1499353.9961570082主营业务收入（万元）24529占收比6.20%6.08%99693 32026 39979 1079

91、0 10188 9944 0200004000060000800000专项投资分布及趋势专项投资分布及趋势电源类空调类其他类总投资3背景光伏行业2009年，财政部、科技部、国家能源局联合发布了关于实施金太阳示范工程的通知，决定综合采取财政补助、科技支持和市场拉动方式，加快国内光伏发电的产业化和规模化发展。行业经历了黄金发展期十三五规划：光伏装机达到1.1亿千峰瓦平均组件成本1.5元/Wp，度电成本0.25元/Wp通信行业已有光伏系统和设备的标准出台7.87.25.815.234.62000212022系统成

92、本趋势系统成本趋势41 控制器中嵌入MPPT2 输出电压跟踪功能优化3 酒泉、商丘、嘉兴试点站建设2019.131 网络用电负载分析2 国家光伏政策调研3 DC-DC型方案论证户外智能多能源机柜存量站存量站2019.4101 支持多能源输入及协同2 具备温控、智能门禁等功能3 具有统一的管理单元，智能化程度更高5G站站2019.12020.6方案定制控制器功能优化+试点站建设DC-DC型光电混合供电方案的应用技术路线聚焦网络节能，兼顾网络运行安全，同时面向现有和5G网络，以安全、高效的方式逐步引入清洁能源运营目标：接入绿色能源，进一步优化企业的用能结构，减少排放，合理降低企业的能耗支出场景及方

93、案5场景及方案依据光伏发电站设计规范(GB-50797)：光伏发电站按是否接入公共电网可分为并网光伏发电系统和独立光伏发电系统。传统基站：自有基站约9万个，分布在全国各个地区，部分有独立的建筑，拥有较大的屋顶面积。5G站：单设备功耗大，主流AAU为直流型设备，总能耗将以倍数增长。6聚焦网络节能，兼顾网络运行安全，同时面向现有和5G网络，以安全、高效的方式逐步引入清洁能源运营目标：接入绿色能源，进一步优化企业的用能结构，减少排放，合理降低企业的能耗支出场景及方案不储能，轻资产配置，无额外维护负担省去繁琐的并网手续系统效率高一次性投资少，且投资回报可预测12%离网型离网型DC-DC7应用落地-存量

94、站试点试点站名：嘉兴焦山门基站当地光照小时：1332装机容量：3300Wp投运时间：9月1日试点总投资：31620元（含设备开发和定制费用）备注：全国最佳倾角光照小时数：15648应用落地-存量站试点02468101214逐日发电量（逐日发电量（KW h）发电时段：早6晚5实时电流实时电流11月月5日日电量监控系统投运间：10月15日.单日平均供电量：8.5kW9智能多能源机柜智能多能源机柜：同时具有市电输入接口、光伏输入接口、油机输入接口，并集成光伏变换模块、市电整流模块、蓄电池单元（可扩展电池柜）、智能管理单元、交直流配电部分、无线传输单元、防雷等，具有市电、光伏、油机、蓄电池能源的协同管

95、理功能，并且保证光伏优先利用，最大程度节约市电消耗量。自清洁新风系统48V锂电池直流配电整流模块光伏模块市电/油机输入，机械互锁，交流防雷SU智能门禁用户设备空间MPPT光伏模块整流模块交流配电智能管理单元后备电池直流负载市电油机太阳能方阵太阳能方阵10智能多能源机柜004040505绿色节能清洁能源接入及能源协同策略，优选自清洁新风方案高可靠性具有温控措施，较强的环境适应性，易维护高适应性模块化配置，满足5G网络的复杂户外部署场景智能化管理智能资管，支持差异化的下电管理智能监控支持物联网和RJ45接口，无缝接入第三方平台11智能多能源机柜12经济分析-试点站年份（t）现

96、金流出（元）节能效果（元）净现金现值流量（元）累计净现金现值流量（元）0-313500-31350-31350 13303303 3633-27717 2333 3280 3613-24103 3337 3257 3594-20510 4340 3234 3574-16935 5343 3212 3555-13380 6347 3189 3536-9844 7350 3167 3517-6327 8354 3145 3498-2829 9357 3123 3480 651 10361 3101 3462 4113 15379 2994 3373 21154 20399 2890 3289 37

97、766 试点站的经济评估：基站电费单价：0.8元系统维护成本：0.1元/Wp,并以10%逐年增长光伏组件容量衰减率：0.7%系统消纳率：100%光伏系统效率：80%影响系统经济表现的因素：光照条件局（站）电价设计优化光伏接入系统造价的降价空间光伏接入系统造价的降价空间设备效率提升空间设备效率提升空间13规模建设,单Wp造价不高于7元时（装机3kWp）峰值日照小时数2000分布省份甘肃、新疆、贵州、青海、宁夏用电电价(元/kWh)0.50.60.70.80.91投资回收期(年)86.75.85.14.64全生命周期收益（元）4269342693537375373764787

98、582686870868709791497914度电成本(元/kWh)0.19峰值日照小时数1800分布省份内蒙、黑龙江、吉林、海南、青海、宁夏用电电价(元/kWh)0.50.60.70.80.91投资回收期(年)8.77.46.45.754.6全生命周期收益（元）37586870度电成本(元/kWh)0.21峰值日照小时数1400分布省份广东、广西、江苏、浙江用电电价(元/kWh)0.50.60.70.80.91投资回收期(年)-9876.45.8全生命周期收益（元）33858405164751度电成本(元/kWh)0.27经

99、济分析-降耗14经济分析-商业二次开发规模建设,碳配额批量交易的收益分析：碳配额交易收益碳配额单价：25元（浮动值）排放因子=（0.78+0.83+0.93）/3=0.85光伏电站装机容量：3000*30000=90兆瓦全年发电总量：90MW*1400=126000兆瓦时获得碳配额：126000*0.85=107100吨碳配额配额交易收益：107100*25=267万全生命周期收益：5340万元请 指 示！广东合一新材料研究院有限公司|创新|智造|突破|Guangdong Hi-1 New Materials Research Institute Co.,Ltd.Copyright 2019

100、All Rights Reserved喷淋液冷技术在数据中心及通信领域的应用Copyright 2019 All Rights Reserved为什么需要液冷？17nm已经接近晶体管工艺的极限，芯片性能提升速度变缓。5G将引爆智慧城市、人工智能、车联网、高清视频直播等行业快速发展，业务需求量即将爆发。热工学研究与实践表明：CPU芯片的TDP（热设计功耗）200W，需要采用液冷技术TDP50W：自然散热（笔记本电脑）TDP50W-100W：风冷散热（台式机，i5，i7等）TDP100W-200W：精密/精准空调风冷散热，液冷综合效能高于风冷（GPU，HPC）Copyright 2019 All

101、Rights Reserved为什么需要液冷？1数据中心规模急速扩张，能源消耗占比越来越高，数据中心的节能问题正引发包括政府在内的广泛关注，工信部、机关事务管理局、能源管理局联合发文要求降低数据中心PUE值，明确鼓励采用液冷技术2018年9月 北京 1.42019年6月 上海 1.32019年4月 深圳 1.25运营商规划建设和日常运维中遇到的问题2一、规划方面：5G基站边缘服务器传输设备二、建设方面：空间外电投诉三、运维方面：租金电费维护液冷技术简介3冷板技术：服务器主要芯片采用冷板散热，其它器件仍然采用风冷散热方式，系统热管理比较复杂，PUE值1.31.6。浸没液冷：将服务器的各部分器件全

102、部浸入冷却液中进行冷却，但机柜的整体形态类似于“冰柜”，完全改变了服务器和机房的传统形态，PUE值1.051.2。喷淋液冷：将冷却液喷淋在服务器的器件表面上进行冷却，服务器结构基本保持了传统形态，易于部署和维护，PUE值1.051.2。三种液冷技术对比3冷板式浸没式喷淋式备注散热效率中等优秀优秀喷淋液冷和浸没式液冷属于直接接触式液冷，散热效率优于冷板式。可维护性优秀差优秀喷淋液冷和冷板式基于标准机架式结构设计，各服务器均可独立下架维护。成本高高中冷板加工工艺复杂，成本高昂；浸没式冷却液用量是喷淋式6倍以上；相比较喷淋式成本更低。结构优秀差优秀喷淋式、冷板式均适用于目前机房建设标准，浸没式改变了

103、承重、布局等规范，在现有机房可实施性较差；空间利用率高中高浸没式降低了机柜高度，降低了机房的空间利用率。节能效果（PUE值）中等（1.31.6）优秀（1.051.2）优秀（1.051.2）喷淋式与浸没式均为全面直接液冷，冷却效率高，节能性能突出。1节能 54%服务器省电37%：风扇30%（600W-180W）CPU芯片25%（80W-20W）支撑设备省电PUE 1.1（风冷1.8）:液体热转换效率高于空气700-1800芯片工作温度与冷却液紧耦合自然室内环境，无需空调2设备密度高功率密度10倍：单机架达56KW（风冷5 6KW），单机架可以容纳10个传统风冷机架设备空间密度4倍：单个机架可以容

104、纳4个传统风冷机架的设备无风扇，服务器高度降低一半机架可满配置安装3全年自然冷源CPU芯片工作温度654环境适应宽泛5维护便利冷却液覆盖在电路表面天然防尘/防潮/防静电无震动标准19英寸立式机架遵循传统机房的维护规程保持机房人员维护习惯空气温度25（无法实现）冷却液温度45（可以实现）Copyright 2019 All Rights Reserved喷淋液冷技术的价值3绝缘导热的冷却液在服务器内部自上而下的精准喷淋在电路板发热器件或者其散热器上,吸收并带走热量，冷却液全程无相变，单相循环。Copyright 2019 All Rights Reserved喷淋液冷技术原理3液冷服务器标准机架

105、式服务器结构，无风扇设计液冷机柜液冷冷却系统主要构成：泵组、热交换器、过滤器、阀门阀组、各类传感器。液冷冷却系统运行状态可实时在线监控。液冷构件结构：基于标准机构规范设计规格：600*1200*2000mm600*1200*2000mm进液管：提供服务器冷却液供给出液管：冷却液喷淋后回流冷却系统通道热交换器过滤器泵组阀门阀组各类传感器上盖底座整体密封流量可控 按需供给针对发热芯片精准喷淋Copyright 2019 All Rights Reserved喷淋液冷系统构成3普通型南极服务器型号形态处理器内存存储H1CPC42U机架服务器最高支持四路Intel Xeon E7-8800/4800

106、v4/v3 系列(最高支持165W)32个DDR4 内存插槽，最高2666MT/s8*2.5/3.5 SAS/SATA硬盘H1CPC22U机架服务器最高支持两路Intel Xeon E5-2600 v4/v3 系列(最高支持145W)24个DDR4 内存插槽，最高2666MT/s8*2.5/3.5 SAS/SATA硬盘H1LPC22U机架服务器最高支持两路Intel XeonScalable 系列(最高支持205W)24个DDR4 内存插槽，最高2666MT/s8*2.5/3.5 SAS/SATA硬盘H1CPJM162U机架服务器Intel Xeon processor D-1587,Sing

107、le socket FCBGA 1667;16-Core,32 Threads,65W4个DDR4 内存插槽，最高2666MT/s16*2.5/3.5 SAS/SATA硬盘 采用不锈钢钣金工艺 所有外部接口采用全封闭双向防水结构 实现箱体整体密闭 冷却液收集口下架时自动密闭Copyright 2019 All Rights Reserved喷淋液冷服务器3普通型南极服务器 结构&规格：基于标准机柜规范设计；规格：600*1200*2000；600*1200*2200 液冷构件：进液管：服务器低温冷却液供给；出液管：高温冷却液回流冷却系统通道；出液管进液管喷淋液冷机柜3 主要构成：泵组、热交换器

108、、过滤器、阀件阀组；泵组：提供冷却液系统内循环的动力；热交换器：高温冷却液与低温气体（冷水）发生热交换变为低温冷却液；过滤器：过滤冷却液中的杂质；阀门阀组：管道的开关闭合控制；各类传感器：测量冷却液温度、管道压力等。喷淋液冷冷却系统-CDU3国际权威检测机构瑞士SGS针对合一冷却液检测报告Tips：合一喷淋液冷方案也可采用3M等厂家的电子氟化液等，用户可自行选择。合一喷淋液冷方案采用的冷却液是一种绝缘的植物油，该植物油经过特殊的抗氧化处理，使用寿命可以达到10年以上。特性：绝缘导热安全可靠对人和环境无害Copyright 2019 All Rights Reserved广东合一喷淋液冷冷却液检

109、测报告3喷淋液冷服务器3C认证证书液冷服务器可靠性检测报告液冷PUE测试报告PUE PUE 实测实测1.071.07-1.091.09可长时间与常规服务器保持可长时间与常规服务器保持相容，且处于高性能运行不相容，且处于高性能运行不会出现加速老化会出现加速老化。【中国质量认证中心】【中讯邮电咨询设计院】【中国信息通信研究院】123Copyright 2019 All Rights Reserved喷淋液冷系统相关检测报告3Copyright 2019 All Rights Reserved喷淋液冷技术数据中心场景应用及实际案例4主要工程内容：服务器改造更换机箱机柜改造增设进出液管道液冷冷却系统按

110、需定制IDC新建/改造适用场景：AI、大数据、物联网等行业内具有广泛的适用性。合一液冷EDC适用场景：无场地及需要灵活移动的应用场景。集装箱式数据中心适用场景：IDC、通信机房、各行业数据中心(政府、金融、教育、医疗、交通)、企业数据中心。喷淋液冷微模块1234列间系统服务器群合一液冷控制系统冷水塔Copyright 2019 All Rights Reserved喷淋液冷大型数据中心解决方案4MREC：Multi_rack Edge Computing产品机架机柜数量4机柜尺寸600*1200*2000 mm机柜总功率140kw喷淋液冷服务器服务器样式2/4U机架式服务器类型2/4路面向计算

111、型&16盘位面向存储型群机架服务器容量80/40个网络互联方式单个机架以太网交换机TOR安装，4机架端头设置三层交换机/路由器系统工作环境温度-1050散热能力140kwPUE值1.051.1冗余保护泵、过滤器、散热模块等关键器件1+1冗余保护Copyright 2019 All Rights Reserved喷淋液冷技术群机架边缘计算数据中心边缘DC产品4Copyright 2019 All Rights Reserved本项目规划建设长约10米，宽约6.5米的面积约65平方米的小型喷淋液冷数据中心。数据中心包含4 个IT 服务器液冷机柜、1个风冷空调柜机，1 个供配电单元柜、1 台空调外机

112、、1 套布线桥架，1个液冷CDU，共享室外冷塔，1个消防柜和机房的辅助系统。项目介绍合作单位：中国联合通信网络通信有限公司网络技术研究院本数据机房4个机柜满配置64台服务器，采用喷淋式液冷技术，单机架额定功率达到10KW，总额定功率达到40KW。喷淋液冷技术应用联通5G喷淋液冷EDC喷淋液冷技术应用案例4大数据、AI等技术已深入影响人类社会，5G时代开启，边缘计算即将爆发。针对边缘计算节点高可靠、高性能的要求，Niagara-20F单柜式喷淋液冷微模块应运而生。Niagara-20F将喷淋式液冷服务器和各类物理基础架构设施收纳至一个IT 机柜内，配合一个室外机（CDU冷却系统），单柜可集成IT

113、设备功率高达20kw。Niagara-20F是前所未有的高可靠、高性能边缘计算平台。Copyright 2019 All Rights Reserved数据中心单机柜产品4Copyright 2019 All Rights Reserved喷淋液冷微模块数据中心方案4喷淋液冷微模块（含喷淋液冷机柜&喷淋液冷服务器）冷却液管道、液体缓存箱安装于静电地板下方，建议静电地板高度800mm液冷冷却系统（含泵、过滤器、换热单元、传感器监控单元等）室外冷却系统（冷水塔等）Copyright 2019 All Rights Reserved本项目共由16个微模块液冷数据中心组成，分三期完成。每个微模块由一套

114、控制系统，一套WCU单元，2个列头柜，24个液冷机柜（液冷机柜单柜功率10KW)组成。项目介绍合作单位：肇庆优世联合智慧科技有限公司一期数据机房单个微模块，24个机柜满配置384台服务器，采用喷淋式液冷技术，单机架额定功率设计值10KW，总额定功率设计值240KW。喷淋液冷技术应用京东云计算数据中心喷淋液冷技术应用案例4项目具体参数集装箱尺寸供给冷却柜：20英尺标准IT设备柜：40英尺重量供给冷却柜：13.5T IT设备动力柜：24T 机架数16柜机架规格42U 整个集装箱可用U数504U 机柜标准电力380V IT设备功率432kw电力供给380V/500kw液冷系统集中式供给喷淋式液冷系统

115、安全监控环境、设备监控防火系统HFC-227七氟丙烷集中监控系统全面监控CDC：ContainerData CenterCopyright 2019 All Rights Reserved数据中心集装箱产品4独立集装箱结构，分为I T室和液冷热交换冷却室。I T室容纳12个机架，每机架10台拟态安全服务器，每台服务器额定功率3.2KW，单机架额定功率32KW，总功率384KW。直接接触式喷淋液冷系统数据中心2018年7月交付稳定工作1年Copyright 2019 All Rights Reserved喷淋液冷技术应用复旦大学国家大数据试验场喷淋液冷技术应用案例4复旦大学国家大数据试验场Cop

116、yright 2019 All Rights Reserved喷淋液冷技术通信领域场景应用-喷淋液冷BBU&IPRAN55G时代，基站数量和设备功率大幅提高，传统通信机房散热条件较差，散热已成为影响通信设备性能和稳定性的一大关键因素。液冷散热效率高、节能性强，支持设备高密度部署。BBU&IP-RAN液冷：采用循环低温的绝缘液体直接喷淋BBU板卡进行散热，可提升单柜BBU&IP-RAN可安装数量到10-15台，另同等BBU&IP-RAN数量和配置情况下，采用液冷散热可显著降低机房整体能耗。合作单位：移动通信国家重点实验室合作开发“5G集群BBU边缘计算站”和“5G云计算数据中心”Copyrigh

117、t 2019 All Rights Reserved喷淋液冷技术应用5G云计算BBU数据中心喷淋液冷技术应用案例5合作单位喷淋液冷技术应用案例6 宏碁股份有限公司 广州博鳌纵横网络科技有限公司 国家数字交换系统工程技术研究中心 北京华夏聚龙自动化股份公司 广东优世联合控股集团股份有限公司 中讯邮电咨询设计有限公司郑州分公司电源设计部 广东省电信规划设计院合作协议 长江勘测规划设计研究院（长江水利）京东尚科 深圳科信通信 联通网研院 宝云科技 泰阳能源 中能世源 潮州中天科技 中科院美丽中国生态文明建设科技工程项目 京信通信技术(广州)有限公司 维谛技术有限公司 深圳显启科技Copyright

118、2019 All Rights ReservedCopyright 2019 All Rights Reserved深圳分公司深圳分公司广州总部广州总部北京分公司北京分公司上海子公司上海子公司河北雄安示范基地河北雄安示范基地广州研发基地广州研发基地北京分公司雄安示范基地上海子公司深圳分公司广州总部肇庆（生产基地）广东合一新材料研究院有限公司简介7Copyright 2019 All Rights Reserved广东合一新材料研究院有限公司简介7 国家高新技术企业 广东省新型研发机构 ISO9001质量管理体系认证企业 ISO14001环境管理体系认证企业 知识产权贯标认证企业 职业健康安全管

119、理体系认证证书 广东省知识产权示范企业获2019国家数博会“黑科技”奖获第13届中国IDC产业年度大会唯一“技术创新奖”获2018年 ODCC唯一“优秀产品奖”Copyright 2019 All Rights Reserved2018年ODCC液冷项目“冰河项目贡献奖”喷淋液冷数据中心获高新技术产品全热回收空调获高新技术产品大功率LED工矿灯获广东省重大科技成果广东合一喷淋液冷获得奖项7Copyright 2019 All Rights Reserved太赫兹通信应用愿景 中国联通网络技术研究院 6G研究已启动，太赫兹通信是6G愿景实现的关键技术 峰值速率达到太比特 与AI技术的深度融合 从

120、宏观尺度到微观多尺度通信 空天地海多维度一体化通信 6G愿景 太赫兹通信 新型多址和编码技术 太赫兹通信技术特点 mmWave f 800MHz THz f 2GHz 28,0.64 183,16.95 325,21.94 556,26.60 751,29.21 1000,31.70 0.005.0010.0015.0020.0025.0030.0035.00005006007008009001000路损差路损差(dB)载波频点载波频点(GHz)不同频点不同频点VS.26GHz 频点的路损差频点的路损差 超大带宽资源，支持超高通信速率 空气传播与穿透损耗大 UE 超大规模

121、天线，支持超窄波束 1012 103 106 109 1015 1018 1021 1024 kilo mega giga tera peta exa zetta yotta 电子学 微波 MF,HF,VHF,UHF,SHF,EHF 光学 可见光 x射线 射线 THz 无线通信 Radar 光通信 医学成像 天文 频率/HZ 太赫兹通信应用场景探讨：无线接入、光纤替代 未来太赫兹峰值速率可能达到Tbps以上，适合超高速无线通信，适用于光纤不易接入或成本过高的地区。热点地区超高速网络覆盖 数据中心超高速通信 固定无线接入，独栋无线家宽/多层公寓无线家宽 无线回传 全息通信 光纤替代 无线接入、光

122、纤替代场景场景 太赫兹通信应用场景探讨：星间通信，微小尺度通信 THz 波在外层空间中可做到无损传输，通过极低的功率就可实现超远距离传输。避免地球辐射噪声的影响，地面无法监听信号。由于太赫兹波长较短，天线系统可以实现小型化、平面化。可以穿透通信黑障。搭载卫星、无人机、飞艇等平台，做为无线中继设备，实现空天地一体化通信。星间通信、空天地一体化通信 微小尺度通信、万物互联 低轨道卫星星间超高速通信 空间站与伴飞设备之间通信 基于THz波长极短的特点实现毫微尺寸THz收发信机与天线，可以进行片上通信、可穿戴或植入THz设备、微型电子设备间通讯，在极短距离范围内实现超高速数据链应用。可用于从宏观到微观

123、尺度的万物互联。可穿戴或植入太赫兹设备 微型电子设备间通信 太赫兹通信关键技术及待探讨问题 太赫兹关键器件/芯片/组件 倍频器/混频器/调制器/功率放大器/滤波器/低噪放/集成收发芯片/天线 超宽带数模转换/高速基带处理 太赫兹信道传播模型建模 基于ITU-R的大气信道模型 基于射线追踪的统计模型 基于电磁散射的数值模型 d2D hUT hBS 带宽和频谱 波束接入和管理 高低频、多维度、多尺度 太赫兹通信空口技术 10ms无线帧 5ms D D D S U D D S U U 0.5ms 0.5ms 0.5ms？太赫兹通信技术如何针对多维度多尺度的应用场景进行信道建模？未来太赫兹通信系统的空

124、口技术需要具备哪些能力 太赫兹通信关键器件的产业发展面临哪些技术瓶颈和挑战？多维度通信应用场景建模 微小尺度传播模型建模 材料工艺 芯片集成/封装，小型化 通信距离/实时/空分复用/功耗 动态的资源配置 智能的网络管理 灵活的空口协同 太赫兹通信发展愿景 太赫兹通信各项关键技术的不断突破和进展 太赫兹通信应用场景的部署方案逐步成型 太赫兹通信技术应用成熟落地 太赫兹通信技术标准化和产业链日趋成熟 太赫兹通信设备形态和技术要求逐步明确 构建 太赫兹合作平台 凝聚 太赫兹产业力量 打造 太赫兹生态体系 推动 太赫兹产业链成熟 未来6G通信中，太赫兹通信技术将与其他低频段网络融合组网，广泛应用于地面

125、的各种超宽带无线接入和光纤替代场景，搭载卫星、无人机、飞艇等平台，做为无线中继设备，应用于空天地海多维度一体化通信，应用于从宏观到微观的多尺度通信，成为未来社会信息融合联接的重要支撑技术。太赫兹通信关键技术预研、跟进和推动 与国内产学研机构和组织建立多种形式的合作关系，成立太赫兹通信开放实验室，建立开放创新平台，跟进、参与和推动太赫兹通信关键技术发展。逐步成型中国联通的太赫兹通信愿景、应用场景和技术需求。由应用需求牵引，深度开展平台工作，引导太赫兹通信技术产业应用发展方向，推动太赫兹通信系统研发进展。逐步成型太赫兹通信行业标准，长期持续推动太赫兹通信产业应用发展。2019 2020 2021

126、2022 2023 2024 2025 太赫兹通信产业引导 太赫兹通信产业持续推进 中国联通太赫兹通信推进计划 1个共同愿景 4大目标引领 汇聚产学研用力量，共同推动太赫兹通信产业化快速发展与应用。联合 20+成员单位 制定 10+太赫兹通信标准 打造 3+太赫兹示范项目(冬奥会)建立 1+太赫兹通信开放实验室 中国联通网研院将成立毫米波太赫兹联合创新中心，共同探索太赫通信愿景和场景需求，推动太赫兹通信技术研发和产业化进展，孵化基于太赫兹通信的行业应用。中国联通太赫兹通信推进计划 感谢聆听！AI in Network智能自治网络案例报告October 15161

127、7203 CONTENTS目录 CONTENTS目录智能自治网络是5G时代的重要组成部分5G时代的新挑战和新机遇人工智能技术进入蓬勃发展的时期运营商对智能自治网络的诉求逐渐凸显智能自治网络相关标准进展智能自治网络总体规划智能自治网络的分层架构智能自治网络的阶段划分智能自治网络的案例总览智能自治网络典型应用案例人工智能在网络规划建设中的应用智能规划机器人承载网智能流量预测站点自动部署宽带装机质量监控人工智能在网络维护监控中的应用无线网络智慧运营分析平台-CONTENTS目录目录IPRAN网络告警压缩接入网弱光检测无线告警根因分析跨域智能告警根因分析基于动态阈值的网络运维异常

128、检测基于基因图谱的智能告警人工智能在网络优化配置中的应用5G智能广播参数调整基于射频指纹的负荷均衡人工智能在业务质量保障提升中的应用智能承载网切片管理智能业务识别智能业务体验评估智能MOS评估人工智能在网络节能增效中的应用无线网络节能人工智能在网络安全防护中的应用高级威胁防御垃圾短信智能分析与优化敏感数据保护系统僵尸网络域名检测人工智能在网络运营服务中的应用智能客服智能投诉处理批量投诉用户预警总结03596575799510001智能自治网络是5G时代的重要组成部分0102智能自治网络是5G时代的重要组成部分随着移动通信逐步迈入5G时代，新技术和新特性层出不穷，新业务和新应用不断涌现。传统的电

129、信网络运行管理模式已经不足以支撑不断增长的网络演进、业务发展、用户体验和运营分析要求，也难以有效提升网络运营效率和控制运营成本。业界已经认识到5G时代需要一个高度智能的自动化网络，并逐步向智能自治网络演进。智能自治是移动通信创新商业模式的重要使能者，也将成为后5G时代移动通信网络的核心要素。将人工智能技术引入移动网络将是5G和后5G时代网络设计、部署、运营、保障、优化的必然要求。为了最终真正实现智能自治网络，需要整个行业形成对智能自治网络的统一认识和理解，不断明晰智能自治网络的概念，明确智能自治网络的各个发展阶段及其目标，共同孵化智能自治网络案例。人工智能技术与通信网络的融合发展，将给通信网络

130、注入新的技术活力，开启前所未有的可能性，从而促进GSMA“Intelligent Connectivity（智联万物）”愿景的真正实现，连接所有人、所有物到一个更美好的未来。5G时代的新挑战和新机遇当前，5G网络的部署正在全球各地火热开展。与4G网络相比，5G网络在传输速率、传输时延、连接规模等关键性能指标上有了质的飞跃，从而可以支撑更加丰富的业务场景和应用，但同时也给移动运营商带来了CAPEX和OPEX不断攀升的挑战。越来越复杂的网络需要运维模式的革新在很长一段时间内，5G网络将长期与存量的2G/3G/4G网络并存，这将为5G 网络的运营和维护带来前所未有的挑战。为了支撑eMBB、mMTC、

131、URLLC 三种典型业务场景并保证良好的网络性能，诸如Massive MIMO、灵活空口等复杂性较高的新技术在5G中被引入，以满足峰值速率、频谱效率、低时延、高可靠性、连接密度等更苛刻的技术指标。基于虚拟化和云化理念重新构筑的5G核心网在带来资源调度灵活性的同时也增加了网元和接口的多样化，提出了网络统一调度管理的要求，传统网络运维模式存在的问题更加凸显。业务创新不断加速，对网络智能化程度要求越来越高虽然4G时代移动流量使用呈指数级增长，但每比特流量单价却不断降低。进入到5G时代，仅依靠传统数据业务将很难带来收入上的新增长，主要业务创新将与其他行业的数字化转型息息相关，这将需要移动运营商在商业模

132、式上变革，并大幅增强网络灵活性以满足用户和业务运营需求。在5G时代，人与人通信的单一模式将逐渐演化为人与人、人与物、物与物的全场景通信模式，03智能自治网络是5G时代的重要组成部分业务场景将会更加复杂。许多新的业务场景提出了对SLA的差异化需求，带来了与其配套的网络运营的复杂性。依托5G网络能力和丰富的业务发展，业务体验也将随之呈现出多元化、个性化发展态势，比如沉浸式体验、实时交互、情感和意图精准感知、所想及所得等，网络对于体验的支撑保障，将颠覆传统模式，迎来全新挑战。引入人工智能技术能够有效应对相关挑战，带来新的机遇5G网络有大量可利用的数据，包括传输层数据（信道、频谱、用户链路）和网络层数

133、据(各种信令、管理数据），此外，还有各种类型的应用层数据。运营商可以基于这些数据，引入人工智能技术来应对5G网络挑战。引入人工智能技术，实现大数据分析及自适应策略决策，能够进一步优化自动化方案，帮助不断理解和预测用户和网络的需求，实现更好的资源编排和调度，从而逐渐实现完全的智能自治网络。智能自治网络有助于降低网络建设和运营成本，响应用户和业务的需求，创新商业模式，为运营商带来巨大的新机遇。5G的网络规划设计上需要能够快速简洁地体现运营商意图；业务开通上需要减少人为配置错误，快速上线业务；网络运营运维上，需要突破依靠专家经验为主的传统运营运维模式的局限。自动化网络运营能力，将成为5G时代除eMB

134、B、mMTC、URLLC之外不可缺少的第四维，成为5G业务创新和发展最重要的推动力量之一。图 1 网络自动化成为5G网络的第四维eMBB5GmMTCuRLLCAutomationeMBB5GmMTCuRLLC04智能自治网络是5G时代的重要组成部分人工智能技术进入蓬勃发展的时期人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。自1956年诞生以来，人工智能理论和技术日益成熟，应用领域也不断扩大。人工智能的研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习

135、（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。人工智能的发展历程就像人类对未知的探索一样，经历了曲曲折折和起起伏伏，到目前为止大致可以划分为以下6个阶段：一、起步发展期：1956年20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起了人工智能发展的第一个高潮。二、反思发展期：20世纪60年代70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空，使人工智能的发展走入低谷。三、应用发展期：20世纪70年代初80年代

136、中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。四、低迷发展期：20世纪80年代中90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。五、稳步发展期：20世纪90年代中2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际

137、商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。六、蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动了以深度神经网络为代表的人工智能技术的飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用、超过人类”的技术突破，迎来爆发式增长的新高潮。当AlphaGo Zero通过自主学习，从一张白纸起步，在几天的时间内，学习成长为一个能够以10

138、0比0完胜那个击败李世石、柯洁等顶尖人类棋手的AlphaGo时，自我进化自我完善的通用人工智能似乎也不再是遥不可及的梦想了。凡是能够提供大量训练数据的领域，应用人工智能技术基本上都出现了丰硕的成果。移动网络每天产生的海量数据，是将人工智能技术应用到移动网络中的基础，人工智能在解决高计算量数据分析、跨领域特性挖掘、动态策略生成等方面，具备天然优势，人工智能技术将逐步把听、看、说、思考、学习和行动的能力带入到移动网络中，分层分级实现智能自治网络。运营商对智能自治网络的诉求逐渐凸显目前全球领先运营商都将人工智能列为重点战略之一。国内运营商方面，中国移动发布统一AI研发云平台，致力于网络、市场、服务、

139、安全、管理5大领域的规模化AI应用；中国电信发布中国电信人工智能发展白皮书1.0，明确从“随选网络”向“随愿网络”的智能化转型；中国联通打造智能、敏捷、集约、开放的网络，构建统一网络AI能力平台，研发网络规划、设计、建设、维护和优化模型，支撑网络运营业务。AT&T、Vodafone等国际运营商也积极布局智能自治网络的工作。中国移动人工智能规划中国移动已发布自主研发的九天人工智能平台，是中国移动5G+AICDE计划的重要组成部分。该平台汇集了中国移动内外部的优秀AI能力，支撑各领域AI研发，同时平台对接集中化大数据平台，该平台面向全公司提供丰富、高质量、有标注的人工智能共享训练数据库，支撑多域海

140、量数据的集中化管理，实现全集团算力、数据和能力共享。未来中国移动将积极构建AI生态体系，对内服务网络、市场、服务、安全、管理等领域，对外赋能各大垂直行业，带动AI产业发展，致力于成为AI应用先行者和AI产业赋能者。05智能自治网络是5G时代的重要组成部分06智能自治网络是5G时代的重要组成部分聚焦网络、安全、管理、服务和市场五大领域，做大应用规模五大领域AI应用网络管理服务安全市场网络自服务机器人客户投诉处理效率提升20倍研究院、江苏公司智能覆盖优化系统ACOSTopN小区覆盖率提升6%设计院智能稽核每年可节省上亿成本 IT公司、广东公司、研究院智能审计合同、票据等24个审计点 IT公司、苏研

141、、杭研 智能VoLTE语音质量评估语音分析成本降低83%网络部、研究院、浙江公司智慧营销ARPU环比增加7.5%市场部、研究院 智能家宽装维质检所需人工降低95%网络部、杭研智能客服“移娃”月峰交互量2.1+亿次 在线公司、研究院反欺诈系统诈骗电话月拦截量1400万+信安中心视频智能剪辑剪辑效率提升130倍 咪咕公司图 2 中国移动人工智能应用领域规划中国电信网络人工智能发展战略及布局为了顺应智能化时代发展的世界大趋势，中国电信于 2016 年正式发布转型升级战略（即转型 3.0）和 CTNet2025 网络架构重构计划，通过网络智能化、业务生态化、运营智慧化，拓展综合智能信息服务，助力网络强

142、国，服务社会民生。网络重构与5G网络的试点工作稳步推进过程中，传统的人工运维方式无法满足未来网络运营的需求，中国电信于2017年初，携手华为等合作伙伴，在ETSI推动成立了网络人工智能行业规范工作组ENI，共同推进AI在运营商网络中的应用场景、需求、系统架构等方面的研究和标准制定。随着网络人工智能相关研究及实践工作的开展，中国电信于2019上海MWC期间，发布了中国电信人工智能发展白皮书1.0，明确将以战略转型 3.0 为方向，以 CTNet2025为基础，深度嵌入 AI 技术能力，对内对外提供 AI 通用能力平台、应用和解决方案。初期以云网融合为切入，为公众及政企用户提供快速开通、定制化、自

143、动化、多层面的智能业务，未来逐步向智慧化、端到端的 DICT 解决方案和服务扩展。中国电信人工智能发展总体布局如下图所示。从中国电信的网络实践看，“随愿网络”可以看作是“随选网络”的进阶，即从目前按需、自助、弹性的网络服务向自动化闭环、意愿驱动的网络组织演变，是CTNet2025从1.0迈向2.0的基本特征之一。07智能自治网络是5G时代的重要组成部分图 3 中国电信人工智能发展总体布局图AI赋能平台（AI能力开放）大数据湖智慧行业/公众应用（聚焦细分市场应用）智慧运营（聚焦电信内部应用，意愿驱动）AI终端随愿网络智能基础设施随愿网络编排管控08智能自治网络是5G时代的重要组成部分中国电信随愿

144、网络的构建遵循中国电信人工智能发展的总体布局，主要由随愿网络智慧大脑、随愿网络编排管控层、随愿网络智能基础设施以及 AI 终端四部分组成。其中随愿网络智慧大脑包括总体布局中的大数据湖、AI 赋能平台及在其基础上形成的各类 AI 能力，随愿网络编排管控层是在随愿网络基础设施的基础上实现智慧运营的关键通道枢纽，整体架构如下图所示：中国电信将自身定位于“AI 网络建设者、AI 产业驱动者、AI 技术应用者、AI 服务提供者”，通过全面引入和发展人工智能技术，加快智能化网络升级，形成智能化产业生态，提升智慧化运营水平，从电信网络和业务的切实需求与具体场景等切入点，打造全面融智的“随愿网络”，提供以客户

145、需求为导向的“随心业务”。图 4 中国电信随愿网络目标架构随愿网络编排管控层EMS/NMSSDN控制器NFV编排器业务编排器传统 BSS/OSS随愿网络智慧大脑随愿网络AI引擎AI赋能平台意愿引擎策略引擎策略生成策略验证AI能力开放意愿获取意愿翻译感知引擎AI框架工具模型算法训练数据数字孪生数据获取分析引擎前向预测后向回溯随愿网络大数据引擎大数据湖共性应用大数据平台数据采集预处理ODS系统数据采集预处理全域数据中心大数据基础能力个性应用数据专区能力开放智能基础设施随愿网络4G5G家庭企业接入局所边缘DC地市DC省DCCU/DUUPF/ME CUPF V2XAR/VR ME CvBRASUPFU

146、PF/PGW-U5GC-CPvIMS vEPC-CP接入网城域网骨干网vCPEAI终端09智能自治网络是5G时代的重要组成部分中国联通网络智能化发展策略和计划2018年，中国联通发布CUBE-Net2.0升级版CUBE-Net2.0+，提出在网络软件化与云化的基础上，引入AI，打造中国联通智能、敏捷、集约、开放的新一代智能网络CUBE-NET2.0+。中国联通网络AI将按照“应用牵引，平台赋能，生态共赢”的发展策略，聚焦5G+AI、行业创新等网络AI应用创新，打造网络AI发展引擎的智立方CubeAI平台，构建网络AI共赢生态和开放合作体系。2019年6月上海MWC会上，中国联通正式发布了智立方

147、CubeAI平台。智立方CubeAI是中国联通网络AI的技术服务、产业合作和交流共享的平台。技术服务是指要支撑网络生产运营和业务创新，提供网络AI的算法、模型、服务和应用；产业合作旨在构建网络产业合作生态，发挥产业链各方优势，共同推进网络AI创新和应用；交流共享就是要面向内外部开展技术交流、开源合作、标准制定、试验验证、应用示范和经验分享。图 5 中国联通CUBE-Net2.0+网络架构应用层NaaS 网络即服务东西向集成泛在接入应用组件应用组件应用组件AI模型注入大数据分析AI训练平台API区域+AI区域+AI城域汇聚边缘+AI移动回传面向用户中心的网络（UoN）面向数据中心的网络（DoN）

148、API北向开放东西向集成云化网络服务泛在宽带接入超宽带弹性管道云接入与互联服务业务协同和编排AI推理分析平台虚拟网络功能资源管理网络控制云化业务.固网宽带无线宽带移动宽带南向控制面向信息交换的网络（IoN）IP+光网承载平面基础网元云互联云数据中心+AI云数据中心+AI云数据中心+AI云数据中心+AI10智能自治网络是5G时代的重要组成部分 作为智立方CubeAI的重要组成，中国联通还发布了AI模型共享与能力开放实验床。该实验床是参考Linux基金会AI开源项目Acumos的设计理念，由中国联通完全自主开发，支持模型管理、模型共享、模型微服务化部署的全栈开源网络AI平台，源代码已经发布到Git

149、Hub开源社区。后续中国联通将邀请合作伙伴参与平台的共建共享，共同推进典型网络AI的应用示范，积极开展与相关开源社区的技术合作。中国联通发起了CubeAI合作伙伴计划并得到业内广泛支持，参与联合发起的主要单位有华为、中兴、百度等近30家业内公司，涵盖主设备厂商、AI技术提供商商、芯片厂商等各方合作伙伴。国际运营商在智能自治网络方面的实践北美运营商AT&T认为，将AI和人类的专业知识结合在一起，并演进为人类赋能的AI，我们会比以往任何时候都能更加快速地创造一个更好的世界。AT&T认为未来的5G技术核心包括了移动技术、固定宽带技术和边缘计算，并且成千上万的小基站会大量部署；因此，运营商必须实时收集

150、和分析海量的终端数据，与AI技术的结合可以保证5G网络持续高效及安全的高效工作。除了帮助部署网络以外，AT&T认为AI技术还可以帮助优化网络并且使网络更加安全。例如AI技术可以优化流量和网络速率，让每个用户在任何地点和时间得到最优的带宽，并且在用户相互交换数据时，保证数据的安全性。欧洲运营商沃达丰认为AI处于数字社会战略的核心地位，为沃达丰提供了解决实际问题的全新视角。AI已经开始帮助提升沃达丰的产品及服务水平，同时也让使其获得了更加高效的商务运营。沃图 6 中国联通CubeAI实验床项目模型打包模型训练容器实例化AI能力网关AI能力示范模型开发AI建模AI商城（模型共享）AI能力开放模型导入

151、容器化封装模型下架模型编辑模型审核模型发布模型超市模型编排模型部署模型评价kubernetesdockers能力监控和编排(生命周期管理)11智能自治网络是5G时代的重要组成部分达丰在短短4年期间，就建立了庞大的大数据团队，他们利用AI算法处理大量匿名化的数据集，用以提供新的商业视角，为不同的客户提供不同的服务。沃达丰目前已经在欧洲及亚洲市场部署了大量无线接入设备，他们应用AI算法帮助判定客户需要更大的容量的地点，从而帮助改善网络覆盖。此外，沃达丰还将AI技术应用于优化设备在不同小区之间的切换。这些成功的应用可以帮助沃达丰在这些地区节省约15%的网络能源消耗。智能自治网络的驱动力在2018年A

152、nalysis Mason所做的调查中，76家受访运营商列出了采用人工智能辅助网络自动化的主要驱动因素。如图所示，采用人工智能辅助自动化的主要原因是降低运营成本-几乎80的运营商将其置于前三位的驱动因素中，其他因素依次是：改善客户的体验 支持网络的密集化部署 支持端到端自动化战略图 7 运营商采用人工智能辅助网络自动化的驱动力Figure 3.Key commercial drivers to deploy AI-assisted network automation(%of MNOs placing each driver in their top three)(Source:Analysy

153、s Mason)%ofMNOs placing in top 3Reduce opexImprove customer QoEDensify the network efficientlySupport increased E2E automationTarget capacity where it is neededAlign network spend to revenueEnable multivendor networksDefer RAN capexLay foundations for agile SON networkReduce power consumption9080706

154、05040302010012智能自治网络是5G时代的重要组成部分智能自治网络趋势预测随着移动运营商开始评估其商用5G战略，一些运营商已经在他们的网络流程中引入自动化能力，最常见的是在运维、规划和优化等方面。根据Analysis Mason的调查和预测，虽然当时全球56的移动运营商在其网络中几乎没有自动化，但到2025年，近80的运营商希望网络运营商实现40%以上自动化，三分之一的运营商预期自动化率超过80。智能自治网络相关标准进展作为业界热点，人工智能技术在电信领域的标准和行业方面也有很大的进展，国际标准或行业组织3GPP、ITU-T、ETSI和CCSA等都启动了人工智能在电信领域应用相关课题

155、的研究。具体相关标准化组织或行业组织的研究项目情况如下：3GPP 3GPP SA WG5在2018年8月份启动“WID Intent driven management service for mobile network”研究课题，目标是研究提升运维效率的移动网络通信意图驱动管理场景，并定义意图驱动管理服务化接口来实现自动化闭环的控制。意图实现复杂网络或者业务的极简控制，由系统实现图 8 运营商网络自动化趋势预测Figure 1.Forecast levels of network automation by MNOs worldwide 2018-2025(Based on survey

156、of 76 Tier 1 and 2 MNOs worldwide.Q3 2018).(Source:Analysys Mason)%of MNOs605040302020222025Little or no automation Up to 20%of processes20%-40%60%-80%80%-90%Fully automated40%-60%13智能自治网络是5G时代的重要组成部分复杂网络或者业务的智能化管理。同时，3GPP SA WG5在2018年8月份还启动“New SID on Self-Organizing Networks(SON)for 5G

157、networks”研究课题，目标是研究利用管理数据分析功能提供的场景感知和数据分析，来支持5G 网络的SON，包括自配置（例如基站自建立），自优化（例如覆盖和容量优化），自治愈等。3GPP RAN WG3 在2018年6月启动“RAN-centric Data Collection and Utilization SI”研究课题。目标是研究面向网络自动化与智能化的无线大数据采集与应用，包括研究不同用例所需的过程和信息交互，如：SON（e.g.ANR）、RRM增强、边缘计算，以及URLLC、LTE-V2X等。目前该项目的研究阶段已经结束，进入“SON/MDT support for NR”标准项

158、目阶段。3GPP SA WG2 在2018年1月份启动“Study of enablers for Network Automation for 5G SI”（FS_eNA）的研究课题，在2019年1月进入标准化工作。该项目目标是要利用5G核心网侧的网络数据分析功能NWDAF（Network Data Analytics Function）来提供大数据分析。该项目定义网络数据分析所需的输入和产生的输出，实现了基于大数据分析进行网络智能优化的功能。具体优化包括UE级的定制化移动性管理，例如寻呼增强和移动性模板、基于UE业务行为的连接管理等；5G QoS增强，例如基于用户QoE的非标准化QoS画像

159、；网络负载控制，例如UPF选择、网络性能预测等。ITU-TITU-T SG13在2017年11月成立了“Focus Group on Machine Learning for Future Networks including 5G(FG-ML5G)面向5G未来网络的机器学习焦点组”。其目标是找出相关的标准化差距，以提高面向5G的机器学习的互操作性、可靠性和可模块化能力，制定用于未来网络的机器学习研究报告和标准，包括接口、架构、协议、算法和数据格式，分析机器学习应用于5G和未来网络(例如：网络自主闭环控制和管理）)的适用性及影响-。2019年7月，SG13批准了焦点组在2019年3月提交的“面

160、向5G和未来网络的机器学习的统一架构”成为技术规范，其内容包括：机器学习功能公共术语和命名方法、面向 5G和未来网络的机器学习逻辑架构，并研究了统一架构如何应用到特定的技术，如3GPP、MEC、边缘网络或者传输网络。焦点组目前进入第二阶段的工作（至2020年7月），将进一步研究拓展5G和未来网络中的机器学习的用例和需求、面向5G和未来的网络中机器学习应用的数据处理框架、移动网络智能分级的评估方法等内容。ETSI ETSI ZSM（Zero touch Network&Service Management）在2018年1月份成立，目标是让网络或者业务运维工作流自动化(包括部署、配置、维护和优化等

161、)，实现端到端工作流Zero-touch的愿景。在2019年6月启动关键问题、基础能力、解决方案三个研究课题，目标在于研究和探索网14智能自治网络是5G时代的重要组成部分络自动化面临的问题和挑战，研究分析自动化闭环操作的相关技术；定义通过自动化相关的策略和意图接口，实现端到端管理域和管理域的自闭环以及各域之间的交互和协调；定义基于典型用例的端到端自动化流程。ETSI ENI（Experiential Networked Intelligence）在2017年2月成立，其目标是定义一个感知-适应-决策-执行控制模型的体验式感知网络管理架构，通过人工智能技术提升运营商在网络部署和操作方面的体验。其

162、核心理念是网络感知分析，数据驱动决策，基于AI的闭环控制。相关用例、需求、架构等WI于2019年8月完成release1，并计划启动release2阶段，release2主要会关注实时网络的闭环控制。CCSACCSA TC1 WG1在2017年7月启动“人工智能在电信网络演进中的应用研究”研究课题。研究内容包括：人工智能技术在电信网络维护方面的应用（e.g.故障分析和定位、故障分析与预测），网络优化方面的应用（e.g.网络性能数据智能采集、分析和预测）和SDN/NFV网络自管控、自适应、决策控制方面的应用（e.g.网络智能优化）。CCSA在2019年7月召开技术管理委员会2019年第一次会议上

163、，同意将TC1 WG1名称调整为“互联网应用总体及人工智能工作组”，并明确鼓励各TC在本TC研究范围内开展人工智能相关的标准化工作。CCSA TC3 WG1在2019年1月启动”基于人工智能的网络业务量预测及应用场景研究”课题，其目标是研究网络业务量预测在未来网络中的各种潜在应用场景，分析人工智能算法在网络业务量预测问题上的应用。CCSA TC5 WG6在2017年7月开始启动“人工智能和大数据在无线通信网络中的应用研究”的研究课题。截止2019年8月WG6#52次会议，其研究输出已经包括以下内容：基于人工智能和大数据的无线信道建模方法；人工智能和大数据在无线信号检测和估计中的应用，资源管理中

164、的应用，无线网络架构智能化演进中的应用，无线网络规划优化和运维等方面的应用，在数据业务推送的应用。5G15智能自治网络总体规划02跨域协同层：运营商借助专家经验和全局数据，完成AI模型训练，使能跨域、整网的闭环控制，目标是将专家经验转换成模型，为客户提供更智能的服务。云化智能可结合结合网络的实际场景，对数据、场景进行标注和分类，从而训练出精确的AI模型，并可以提供AIaaS（AI as a service）的新型智能服务。单域自治层：网络单域可以由能够共同完成相同工作的一组网元构成，根据场景的不同可以是核心网络、无线网络或者包含核心网和无线网的企业专网。在单域自治层，需要打造管控融合的智能引擎

165、，实现每个网络单域内的自治和闭环，例如，面向无线接入网络、传输网络、核心16智能自治网络总体规划5G智能自治网络需要基于云基础架构，构建AI和大数据引擎，考虑不同网络层次的特点解耦设计、微模块化实现、分层部署，同时聚焦高价值场景、按需引入AI能力、逐步推进，最终实现网络的泛在智能化。智能自治网络的分层架构为了逐步达成完全智能自治网络的目标，并保证不进一步增加网络的复杂性，需要在架构上保证分层实现。从部署位置来看，越上层、越集中化，数据量就越大，跨领域分析能力需求就越强，更适合对全局性的策略集中进行训练及推理。比如跨域调度、端到端编排等，通常对计算能力要求很高，需要跨领域的海量数据支撑，对实时性

166、要求较低。部署位置越下层、越接近端侧，专项分析能力就有可能越强，实时性往往更好。下图展示了一个三层架构，包含跨域协同层、单域自治层和网元层。在不同层次闭环之间，例如跨域闭环和各单域闭环之间，需要通过开放接口（开放API、SDK等）相互协调和交换信息。跨域协同层网元 1-1网元 1-2单域自治层 2网元 2-1网元 2-2单域自治层 1图 9 智能自治网络的三层架构网，都需要通过此层能力实现单域内的自动化。网络智能要进行本域内的数据分析和推理，识别各种网络场景，对未发生的情况进行预测预防，对已经发生的情况进行根因分析，最终给出决策，从而实现对网络的智能控制。网元层：在网元设备内部，基于嵌入式系统

167、，构建机器学习、深度学习的框架和算法平台，提供场景化的AI模型库与结构化的数据。本地智能主要提供两个重点能力，数据提炼和模型推理。将站点产生的海量数据提炼为有用的样本数据，以及通过嵌入式的AI框架支持在CPU、DSP或AI芯片上进行实时的AI模型推理，最终在本地实现场景的自适应匹配和处理实时参数及资源的自动调优。为确保最佳性能，为了最大程度地降低层之间的集成复杂性，分层框架需要不同层之间的简化开放接口。通过开放接口交换的信息将逐渐由繁重的数据和参数，简化为意图交换。反过来说，开放接口的简化依赖于每个域和层中的网络自治能力。因此架构上需要实现分层自治、垂直协同。智能自治网络的阶段划分 实现完全的

168、智能自治网络是一个长期目标，需要分步实现，从提供重复执行操作的替代方案，到执行网络环境和网络设备状态的感知和监控，根据多种因素和策略做出决策，以及有效感知最终用户体验，直到最后网络能够感知运营商和用户的意图，自我优化和演进。通信网络的复杂性决定了智能自治网络是无法一蹴而就的，应该循序渐进，分步骤推进，例如按照人工运营网络（L0）、辅助运营网络（L1）、初级智能自治网络（L2）、中级智能自治网络（L3）、高级智能自治网络（L4）、完全智能自治网络（L5）这六个阶段逐步推进。GSMA支持产业各方在阶段划分方面形成统一观点。17智能自治网络总体规划18智能自治网络总体规划Level 0人工运营网络：

169、系统只提供辅助监控功能，所有动态任务都必须手动执行。Level 1辅助运营网络：系统根据现有规则执行某个子任务，以提高执行效率。比如，网络优化领域特定场景实现网络性能数据自动感知，即系统根据预先定义的规则自动采集网络覆盖性能数据（e.g.,网络覆盖和容量KPI等）。Level 2初级智能自治网络：系统在某些外部环境下为某些单元启用闭环运营，降低对人员经验和技能的要求。比如，网络优化领域实现基于经验模型辅助分析网络问题（如覆盖、接入、切换等）；或者网络维护领域实现故障自关联和压缩，即系统在特定环境下根据设定的策略自动关联故障数据，或者网络部署领域实现基站硬件的自检测和自配置，即系统自动检测硬件设

170、备，根据设定表 1 智能自治网络的阶段划分阶段关键特征全人工操作工具辅助数据采集，人工分析决策部分场景基于静态策略自动分析，人工决策特定场景实现动态策略自动分析，预先设计场景系统辅助人工决策系统实现动态策略完整闭环，预先设计场景系统自动完成意图感知和实现全部场景系统完成全部闭环，系统自动完成意图感知和实现人工运营网络辅助运营网络初级智能自治网络中级智能自治网络高级智能自治网络完全智能自治网络备注说明所有等级的决策和执行都支持人工介入，人工审核结论及执行指令具有最高权限。L1L2L3L4L5L0评估维度系统为主人工为主人工人工人工人工人工人工人工人工少量场景系统系统为主人工为主人工人工部分场景系

171、统系统系统为主人工为主人工多数场景系统系统系统系统为主人工为主绝大多数场景系统系统系统系统系统全场景无执行感知分析决策意图 场景 的硬件配置策略自动配置硬件。Level 3中级智能自治网络：系统可以感知实时环境变化，并在某些领域中，优化并调整自身以适应外部环境，以实现基于意图的闭环管理。比如，网络优化领域实现网络覆盖优化闭环自动化，即系统在特定的环境下自动检测网络覆盖问题，并根据检测到的网络覆盖问题自动优化调整相应网络；或者网络维护领域实现故障根因自分析，即系统在特定环境下根据设定的策略自动分析故障的根因。Level 4高级智能自治网络：系统可以在更复杂的跨域环境中实现对服务和客户体验驱动网络

172、的预测或主动闭环管理。这使运营商能够在客户投诉之前解决网络故障，减少服务中断和客户投诉，并最终提高客户满意度。比如，网络优化领域基于场景感知和预测实现覆盖参数动态调整，即系统基于场景感知和预测的结果，动态调整网络覆盖参数以使得覆盖最优；或者网络维护领域实现故障自预测；Level 5完全智能自治网络：这个级别是电信网络发展的最终目标。该系统拥有跨多个服务，多个域和整个生命周期的闭环自我设计、自我实施、自我优化、自我演进，实现智能自治网络，支持对运营商和用户意图的感知和实现。在进行智能自治网络的阶段评估时，应根据规划设计、开通部署、运维故障优化、业务运营等业务维度进行区分，并按照跨域协同层、单域自

173、治层、网元层进行切分，形成一个多维度的立体化智能自治网络阶段评估标准。初期可以应用较低阶段的技术方案，获得成本和敏捷性优势；后期则可以发展到更高阶段，获得额外收益并解决更广泛的场景。智能自治网络的案例总览智能自治网络的工作流程需要直接与运营商的业务价值相关，因此运营商需要参与定义相关的工作流程，根据数字化程度、企业组织架构、人员素质等限制因素，权衡包括CAPEX和OPEX在内的总体拥有成本，评估战略相关性和潜在价值，最终确定核心的智能自治网络场景。运营商、设备商和第三方厂商已经开始了对智能自治网络的探索，包括网络流量预测、基站自动部署、故障自动定位、按需体验优化等方面的案例层出不穷。下一章将从

174、网络的整个生命周期角度，阐述AI技术在网络的规划建设、维护监控、优化配置、业务质量保障、节能增效、安全防护和网络运营服务七个方面的典型案例。这些案例阐述了引入人工智能技术的场景描述、技术方案概述、应用效果，并尝试给出了下一步工作建议。19智能自治网络总体规划20智能自治网络典型应用案例0321智能自治网络典型应用案例人工智能在网络规划建设中的应用智能规划机器人“4G改变生活，5G改变社会”的万物互联互通理念正在逐步被社会各个领域所接受，进而为社会经济、生活带来革命性的影响。AI算法发展很快，学习对象从传统的静态数据收敛到，逐步过渡到基于动态数据的持续学习，将原先突发性、不可预期性、不可重复性的

175、无线网络众多数据变得有章可循。尽管人工智能在智能规划中有着非常良好的应用前景，但至今业内仍然缺乏标杆式的案例及规模性的应用，AI和通信网络的规划、建设、维护、优化等流程逐步有机组合起来，无线网络规划中AI的应用面临诸多挑战：一是无线网络场景复杂多样、数据维度多、时变性强、信道变化随机性强，导致网络参数变动很大，传统的AI算法可能无法收敛或者效果比较差，难以准确建模，需要不断调整AI算法。二是求解复杂度高，最优规划站点涉及MR弱覆盖、用户级别、异网竞对、聚类投诉等数据等多维度，求解非常复杂，而且在很多情况下难以求得最优解。三是无法准确分类，无线网络存在诸多差别，难以找寻共性来准确表述。例如，在智

176、能规划的互联网场景化问题中，通常表现出多样性和并发性，即使网优人员也难以辨别，运用人工智能的算法也许需要做大量的黑白名单标注工作。高效的网络运营是成败的关键，网络规划需要考虑诸多的因素：如何确定网络建设与资源投放的优先级？话务热点在哪里？高价值用户在何处？应该怎样确定网络高价值区域？这个场景该用室分，新型室分，还是小站穿透覆盖？如何保证VIP用户的最佳体验？如何发现“流量受压抑”的区域，并释放网络潜力？【场景描述】如何评估规划建设的效果/效能？楼宇中的用户真实体验如何？如下图所示，AI在智能规划机器人的应用场景主要可以应用在无线网规建维优一体化智能管理的全流程中。智能规划机器人需要采集的基础数

177、据包括OMS、VMOS、DT/CQT测试数据、互联网APP数据。该解决方案通过使用指令适配、场景识别和KQI-KPI模型的匹配算法，实现无线网规建维优的4大核心能力（快速评估、敏感监控、自动优化、迭代规划）。当前AI算法主要应用在多维智能分析和智能价值评估两个流程中。具体的算法包括基于神经网络的指纹库定位算法、基于神经网络的室内外用户区分和互联网化场景智能管理。基于神经网络的指纹库定位基于神经网络的指纹库定位，旨在通过引入AI这柄“利器”，依托人工智能的自学习、深度学习能力，在海量的网优数据（MR弱覆盖+用户、竞对、投诉等数据）中抽取隐含的关联特征和规则，通过共性特征的提取总结，对未来网络演进

178、进行预测。具体就是利用包括DPI用户面数据、MR数据、高精度楼宇地图、CAD建筑文件、KPI性能数据、投诉数据、口碑数据、套餐数据等数据，采用机器学习与神经网络、密度聚类、回归分析等算法，将细分场景、网络价值、流量压抑分析、高价值区域定位、流量潜力挖掘等按照指纹库形式呈现出来。22智能自治网络典型应用案例【技术方案概述】问题管理多维智能分析智能价值评估勘察和选址建设运营管理开站和交维后评估业务感知保障图 10 基于AI的智能规划机器人全流程基于神经网络的室内外用户区分随着MR定位技术的发展，定位精度的不断提升，同样促进了无线网规网优工作向更加精细化和智能化演进。往往大部分用户和发生的业务位于室

179、内，传统路测和不区分室内外的MR都无法反映室内网络质量；室内测试工作量巨大，测试范围和覆盖评估准确性都难以保证；室内外区分技术是解决LTE网络深度覆盖问题的关键技术，可快速、准确地对室外和室内楼宇的深度覆盖问题点分别进行评估，为网规网优提供更加精细化的数据依据。基于神经网络的室内外用户区分算法原理：对于服务小区为室分小区的场景，不考虑室分泄漏的情况，全部判断为室内用户。对于服务小区为室外小区的场景，主要利用以下无线信号传播原理：对于位置相同或相近的室内和室外用户，主要区别在于建筑物的穿透损耗，室外用户RSRP比室内用户RSRP高1020dB，中值为15dB左右。23MRO文件路测文件预处理解析

180、得到由服务小区和邻区场强组成的指纹库预处理是否否是是否具备指纹定位条件是否在指纹库里计算最大概率得到最近匹配值返回其他算法其他算法图 11 基于神经网络的指纹库算法选择流程 智能自治网络典型应用案例经过深度机器学习，对相同或者相近位置上的穿透损耗进行比对，获取大量的同小区同TA室内外用户路测RSRP的数据，同时在WiFi的协助下，提高室内外用户定位的准确性。加入时间和空间维度的考虑，提升定位的准确性互联网化场景智能管理互联网化场景智能管理就是利用互联网场景数据（商用地图POI（Point of Interest）信息）与覆盖小区数据进行自动关联分析，实现场景数据的管理，并进行场景化的网络质量的

181、自动化管理。互联网化场景按照覆盖容量、感知对比、社群分布、固移融合和收入指数的5个层次进行聚类。层次1：覆盖容量。覆盖容量按照栅格（50*50米方格）维度，结合无线网络覆盖强度、3/4G网络协同价值、网络容量价值进行综合判断和分类。层次2：感知对比。感知对比主要结合用户投诉、业务感知DPI数据、路测数据、VoLTE感知数据等对场景进行聚合分类。层次3：社群分布。社群分布则根据场景定义（如商务区、住宅区等）、人口密度、网络结构数据对场景进行聚合分类。层次4：固移融合。固移融合主要考虑场景点的MR覆盖率和宽带端口开通率。层次5：收入指数。收入指数则是对结合场景区域内容用户规模、宽带端口开通数、互联

182、网业务规模进行收入类分类。该智能规划机器人已经在中国联通江苏省分公司得到较好的应用实践。在传统网络规划汇总，为提高规划的准确性，需要花费大量的时间和人工成本。以江苏联通为例，近100万栋楼宇和20万公里的公路，一方面难以开展遍历性测试，另一方面测试过程中所需投入的人员、设备和车辆巨大。而且，基于OMC统计和基于传播的最佳小区定位方式，定位精度仅为300-500米。总体来看传统规划的劣势在于：网络数据维护手工化：基础数据以表格形式存储，维护周期长，数据无法自动更新，依靠人工定期更新。24【应用效果】智能自治网络典型应用案例25网络评估方法滞后：传统DT/CQT方式开展评估需要1920人天、每次上

183、百万，存在成本高、效率低；而且收人为因素、环境影响大，评估周期长，评估完整性差。MR数据手段缺乏：缺乏统一的MR数据管理平台，对厂家依赖性较大。评估指标不统一：厂家之间数据标准不一样；手工统计各级汇总的方式整体缺乏统统计和平台呈现。引入智能规划机器人之后，通过建立评估标准与建设标准统一和全流程（从需求发起到后评估的闭环自动管控）的有效管控。效率提升以江苏联通三个地市试点效果为例，与传统手段相比，规划精度输出从500*500米提升到50*50米。站点规划效率提升1倍，准确度达到80%以上，而且额外发现40%人工手段无法发现的问题。以某月生产为例，智能规划机器人共解决11121个问题，缩短分析时长

184、2224个小时，相比原有的优化工作模式效率提升74%。成本效益以江苏联通为例，使用传统手段，当地需要为各厂家的2/3/4G网络及所有第三方服务均分别配置一名管理人员，约需要超过10名管理人员。使用智能规划机器人后，全省划分为5个区域，每区域配置一人，只需管理员5名。管理成本节约50%。另外，每载频网优投入从约350元降低为250元，投入节约28.57%。表 2 智能规划机器人与传统手段效果对比智能规划机器人自动输出弱覆盖簇数人工核对确认弱覆盖簇数准确率已知弱覆盖数（传统手段）通过智能规划新发现的弱覆盖数问题新发现率A市B市C市7180%82%83%644428322138

185、33%32%57%智能自治网络典型应用案例标准化方面MR数据格式的标准对于开展智能分析和评估具有至关重要的基础作用。而往往不同厂家之间数据标准不一样，对厂家的依赖比较大。后续需要进一步加强无线MR数据格式的标准化工作。技术发展方面在实际工作中，我们发现定位技术，尤其是高低层区分的定位技术，是未来网络精准规划的关键。后续可以考虑通过解析第三方APP应用层中用户位置信息，与无线侧MR做关联形成OTT指纹，结合WiFi定位数据，将室内MR进一步区分出高低层来。5G的新挑战和新需求5G具有高频段的特性，空间损耗和穿透损耗明显增加，站点密度的增加给建设带来新的挑战，要求对站址选择更加精细化。后续需要进一

186、步结合3D场景重建、覆盖场景物体识别和规划知识图谱等信息开展5G网络的规划、站点和天线选址选型。承载网智能流量预测运营商普遍在经营的不限量套餐，对现有网络造成一定的冲击；为应对冲击，运营商需要流量预测来指导承载网络的调整和扩容。黄金周和春节的保障一直是运营商运维的重点工作，预测算法可以给出周末/平时,假日等不同时间段的预测，从而指导现有网络针对性的运维保障。承载网络目前服务于无线基站，运营商希望从主动建设和运维角度出发，可以给出各区域各类业务的忙闲时预测值，为新建网络的合理组网，合理分配网络资源提供模型和依据。承载网流量预测解决方案通过机器学习算法学习出流量在空间和时间上的内在规律，形成未来增

187、长趋势和日流量基线用于带宽预警、扩容预测和差异化服务保障。方案主要分为算法探索和流量预测应用两部分，通过算法探索形成可选算法列表，再将实际的算26【下一步工作建议】【技术方案概述】【场景描述】智能自治网络典型应用案例27法进行现网流量数据训练和预测，包括增长预测和忙闲时预测两类，并且每种算法形成评估结果，方便算法的对比和优化。具体步骤如下：1进行现网流量的采集；2对现网的历史流量数据进行特征处理，并进行多种模型的训练；3选用可选模型进行流量预测，对于每一种模型评估结果；4根据目标选择合适的算法模型；5新的流量数据采集完成并进行流量预测；6叠加节假日等因素得出最终的流量预测结果。涉及算法：流量增

188、长预测部分可采用时间序列算法线性回归/sarima/fbprophet等进行流量增长或者节假日流量预测；忙闲时流量预测可使用K-Means/DBSCAN等算法聚类后,使用SVM/贝叶斯网络等算法进行24小时忙闲分类预测。图 12 智能流量预测方案 现网应用流量采集历史数据特征处理按地域业务分组初步分析训练样本：地区1，LTE，1-8月历史流量验证样本：地区1，LTE，9-10月历史流量现网流量数据地区1，LTE，节假日期，流量峰值，流量平均值偏移曲线聚类/分类训练数据增长预测测试算法比较预测算法预测数据叠加节日等根据目标选择算法预测结果：地区1，LTE，日期，流量峰值，平均值日忙闲时曲线需要预

189、测：地区：1，LTE，11-12月流量地区1，LTE，线性回归，得分0.9地区1，LTE，sarimax，得分0.8地区2，OLT，线性回归，得分0.65地区2，OLT，fbprophet，得分0.85算法比较结果线性回归时间序列.156423智能自治网络典型应用案例工程应用建议：预测对数据的要求高，需要保证数据的质量和数量。标准化建议：预测应用效果的评估模型建议可以标准化。站点自动部署基站部署场景是指现场调查后部署基站的整个工作流，包括网络规划和设计，站点设计，配置数据准备，站点安装，现场调试和现场验收。下图展示了运营商完整的站点部署流程。Avg Bandwidth Usage(%)7060

190、50403020100Ring 402018-11-22Actual:49.37%Predict:52.18%-09-04-29-24-19201901-16DailyAvg Bandwidth Usage Trend Forecast图 13 PTN传输网络汇聚环流量带宽利用率的预测效果28【下一步工作建议】【场景描述】涉及接口：网管和网元之间的接口（如SNMP、Netconf、Telemetry等）涉及数据集：需要预测流量的资源（端口、链路、

191、环网、业务等）历史流量数据经测试，预测的准确度在90%以上。相比于人为的粗犷式预测，预测可以聚焦于具体的资源，以及精细化到具体时间日期。实际在PTN传输网络汇聚环流量带宽利用率预测的应用效果可以看出，能比较好的符合环网流量的增长趋势。【应用效果】智能自治网络典型应用案例29传统的无线网络基站部署，在几个方面存在着挑战。首先，存在大量参数配置（通常参数数量上千），比如：基础传输、设备和无线等配置。且在站点的设计规划阶段，需要对基站设计参数和变更的全部详细了解并掌握，才能完成正确配置。此外，站点规划和站点安装的不一致以及手动拨号测试则会导致站点访问时间过长以及频繁的站点访问问题。目前，站点部署方案

192、大都介于使用工具辅助管理和部分自治网络之间。一些领先的平台可以达到有条件的自动部署。可以预见，站点部署过程的端到端全面自动化，将有望在不久的将来实现。AI技术的发展和引入，对于实现全面的端到端部署自动化会带来革命性的变化。以在存量网络中部署新的基站为例，如果引入大数据分析和深度学习算法，未来可以实现真正的极简参数规划、大幅度减少部署策略开发，极大提升部署准确性，最终实现可以“智能跟随”的存量网络。存量网络中根据场景分类，很多参数实际是固定的。运营商目前的存量网络中存在大量数据，日常可以基于现网（无线、传输和硬件）特征数据，通过深度学习算法在线学习，针对不同场景（例如吸热、补盲等场景）生成部署策

193、略和模板。由此，针对相同场景的新增基站，不需要针对每个站再进行规划，而可以根据存量站点的参数进行匹配配置，自动生成新增站点的参数配置规划。从而实现真正的极简输入、极简参数规划。即使对于同一个运营商同一个项目，由于站点覆盖区域的不同特征，使用参数并不完全相同。过多的差异性，会增加运营运维的复杂度。同时，由于网络优化是持续进行的，无线网络配置参数一直在动态变化，无法长期根据固定信息做站点部署，否则会给后续优化工作带来更大的负担。基于上述的原因，在已经存在正常运维的无线网络基础上，新增站点部署，其初始配置部分参数可以基于现网的规律自动生成。图 14 运营商基站部署工作流站点规划数据准备基站安装软件激

194、活传输数据配置激活硬件数据许可激活无线数据基站上电基站验收基站拔测【技术方案概述】智能自治网络典型应用案例30部署前，根据规划数据、基站地理位置等信息生成此次部署特征，系统将会根据基站实际特征，自动匹配最佳的现网参数配置和部署策略。应用部署策略之后，还可根据站点周边基站的关键信息检测，进行实时学习，对现有策略进行进一步优化和完善，生成邻区、功率等补充信息。由于场景化部署策略由现网自动分析获得，这大幅减少了对相似场景的策略开发。部署之后的在线学习能力，则可以对部分提前规划的参数进行实时优化，降低由于工参等信息获取问题而导致的规划偏差，从而极大提升部署准确性。整体方案流程如下：整体流程说明：1.利

195、用专家经验生成配置经验库，使用关联算法并设置置信门限。2.根据存量无线网络数据和关联项集，使用数据挖掘和分析技术，针对特定场景生成可能的配置推荐。获取频繁关联参数。3.根据现网数据并基于用户输入的置信门限计算配置预测的置信度，对获取的配置推荐进行验证。4.如果置信度超过置信门限时则自动根据关联项生成对应的最佳配置规则。5.人工判断推荐规则有效，则进入统一的初始配置规则库。6.新增站点部署时，调用既有配置规则，就可以不需要外部输入数据直接生成新增站点配置数据。在线学习关联规则挖掘模型计算频繁K-项集置信度生成推荐配置规则基于FPGrowth挖掘频繁K-项集交互管理典型K-项集设置K-项集置信度初

196、始配置规则库新增站点部署配置规则执行引擎基站初始配置典型关联K-项集存量无线网络数据判断推荐规则合理性noyes图 15 无线网络智能部署解决方案流程智能自治网络典型应用案例针对射频模块逻辑主键类参数，基于典型频繁关联参数，目前在23个5G局点应用，经过验证生成有效推荐规则21个。整体有效性超过90%，无错误推荐生成。有效的规则，可以减少5%左右的初始规划参数。站点自动部署对于5G时代快速建站部署具有十分重要的意义，能够大幅度提升开通效率，简化参数配置。虽然目前人工智能在自动部署中的应用还在实验室测试阶段，但是打通运营商工作流的站点自动化已经在全球多个运营商5G站点开通部署中实际应用。比如，韩

197、国某运营商，使用站点自动部署后，将开站时间从2小时每站点降低至半小时左右；中国北京某运营商，5G新建站点效率提升2倍以上，3D MIMO新建站点效率提升3倍以上。下一步需要跟运营商工作流和系统更好的对接，并推动北向的意图化接口标准化工作，让端到端自动部署更好地嵌入运营商的工作流。宽带装机质量监控FTTH/FTTB接入是中国家庭宽带的主要接入方式，在实际施工过程中，如何保证宽带装机质量，目前面临几个突出问题。首先，光纤接入施工对装维人员技能要求较高，如何确保装维人员自觉按照装机工艺施工，目前还是采用事中拍照，事后抽检的方式进行，但人力投入要求非常巨大，无法全检，往往只能部分抽检，给施工质量埋下隐

198、患。其次，PON接入光纤属于“哑资源”，其无源特性使得这部分资源难以管理，由于光纤接入的快速发展，“重建设不重维护”的历史原因，分光器端口实际占用情况与资源系统记录情况经常不一致，装维人员追求施工速度，经常将错就错，随意插占端口，导致无法按单施工，端口资源占用越来越乱。再次，为修正端口资源占用，有效利用端口资源，运营商需要定期投入巨资安排人工核查，在资源核查时，人工核查效率低，质量无法保证，缺少快速识别资源和自动比对的工具。目前装机过程中，运营商一般都有要求将施工过程的几个关键环节拍照上传留档，目前装机图片质检主要通过人工抽检方式，如何通过AI图像技术识别提升装维规范性，管理“哑资源”，减少用

199、人成本，提升宽带装机质量，从如下方面解决以上痛点：人脸识别装机打卡31【应用效果】【下一步工作建议】【场景描述】智能自治网络典型应用案例32 装机工艺质检 分管器端口施工识别确保按单施工 资源快速识别图片质检前，通过初步预处理，过滤无效图片，和重复图片。经过初步处理，能发现装维人员上传的无效图片和虚假图片，并记录统计。装机打卡主要通过人脸识别技术、物体检测技术，质检装机人员着装是否符合规范，如佩戴安全帽，身穿工作服。支持每日刷脸打卡，智能考勤。定位装机施工位置，判断装机师傅本人是否到现场。基础装机工艺质检基于深度神经网络AI算法，检测图像中目标物体，装机工艺内容可以非常丰富，质检的项目如下：1

200、、绕线是否美观；2、是否有对分光器箱体拍照；3、分光器是否有二维码贴纸；4、光猫是否有贴服务卡。过滤昏暗图片过滤模糊图片过滤重复图片通过初步验证曾经提交图片图片重复使用图 16 图片预处理不合格不合格不合格合格图 17 装机打卡人脸识别技术，应用于考勤和现场打卡。人脸对比人脸对比不一致不通过一致通过合格合格佩戴安全帽，工作牌身穿工作服定位施工现场识别施工场景录入照片打卡照片录入照片打卡照片智能自治网络典型应用案例深度装机工艺质检选择一些复杂一些的装机工艺质检项目，质检的项目如下：1、防尘帽是否丢失；2、分光箱是否完整；3、分光器二维码是否正确；4、入户线是否固定；5、光猫绕线是否规范。33绕线

201、是否美观是否有拍摄分光箱分光器是否有贴纸光猫是否有贴服务卡图 18 基础装机工艺质检美观是分光箱检测到贴纸检测到服务卡绕线规范-杂乱不是分光箱未检测到贴纸未检测到服务卡不合格不合格不合格不合格合格合格合格合格图 19 深度装机工艺质检不合格合格不合格合格不合格合格不合格合格不合格合格检测分光器防尘是否丢失线缆穿墙入户是否固定光猫绕线是否规范识别分光器二维码，判断分光器编号是否正确是否有拍摄分光箱，箱体是否完整未插口防尘帽未丢失分光箱完整二维码与分光器资源编号对应线缆穿墙后有固定光纤完全固定饶进卡槽未插口防尘帽丢失！分光箱破损二维码编号不正确，与资源数据不一致！线缆无固定光纤部分饶进卡槽，施工工

202、艺有待改进！智能自治网络典型应用案例34人工抽检过程中，最重要的要的质检环节就是施工人员是否按照工单分配的端口（属于哑资源，目前主要是无源光网络设备，网管系统是无法管理的，只能依靠施工人员自觉和抽检来保证）。如何通过AI技术识别端口序号并与工单做比较，需要引入AI图像识别技术和OCR技术，确保按单施工。对于光交接箱、ODF配线架的施工，资源的快速识别和清查也是装维面临的一大挑战。装维人员需要识别光缆段挂牌信息、ODF端口占用情况，并将识别结果与资源管理系统比对，更正资源使用状态，对于这部分工作，运营商每年都要成立专项小组，投入不菲。如果能在装机过程中，通过拍照和图像识别技术，持续不断的管理资源

203、信息，将为运营商减少一大笔投入，资源信息管理更加准确，循序渐进的提升施工质量。光缆段挂牌信息OCR识别。识别内容:光缆段名称、光缆规格、光缆长度、普查时间、普查单位等5个数据信息。ODF端口占用情况识别是识别X盘X口的占用情况（一般用1表示占用，0表示未占用）。图 20 确保按单施工识别结果已插线端口未插线端口未被遮挡标签信息施工后拍一张照片标签识别端口序号识别端口占用识别匹配关系识别智能图片识别自动对比分析分光器端口已使用12345689图片中物理使用的所有端口分析对比得到结果，判断条件：条件一：和一致；条件二：和一致；不合格合格全部条件满足有一项不满足从标签上获取的端口宽带账号：209*8

204、133分光器端口号：6从综资系统中获取实占端口宽带账号：209*8133分光器端口号：6【技术方案概述】智能自治网络典型应用案例35该应用算法需求主要是图片中人脸识别比对、设备类型识别、各种贴纸/标签识别和端口占用识别两方面，而总体来看，算法实现所需要的技术基础又可以具体分为三方面：感兴趣区域提取(ROI)、文本识别(OCR)与目标检测。感兴趣区域提取：指检测和定位图片中的贴纸/标签区域，通过YOLOv3+CTPN算法实现；文本识别：指将文本区域识别成具体的文本字符，通过CRNN算法实现；目标检测：指检测出图片中所需要定位的多种目标，在本应用需求中指被占用和未占用的端口、线缆、设备等，通过YO

205、LOv3-spp实现。通过算法获取的输出数据，需要与客户信息、工单信息、资源信息做进一步比对，这些数据通过BOSS系统接口获取。将比对结果存储到关系型数据库中，供人工统计或进一步挖掘使用。对于图片质检的在宽带装机质量方面的应用，我们已经在一些省份实施使用，利用人工智能技术对装维人员工程施工结束后的拍照图片做智能识别，对设备和线缆做分类判断，审核端口占用情况，分析标签/贴纸信息。检查施工是否符合施工工艺要求，是否插对分光器下行端口，快速巡检ODF端口占用。以国内某运营商中型省份为例，通过半年的使用，对装维质量提升有显著帮助，取得了明显的效果：节省30人/月：AI图片质检应用上线半年来，平均每月质

206、检15万比工单，每月质检的图片数量达到130万以上，相比人工检查，节约人力30人/月。10%60%:由于AI的赋能，能针对施工图片全量检查，要求外线施工人员更严格施工和规范拍照，施工规范达标率从10%提升到60%。10%4%:AI图片质检应用上线半年来，有效提升了施工质量，降低了二次上门的比例，二次上门率从之前的10%降低到4%。目前，AI技术已经初步引用到宽带装维过程中，对装维质量提升效果明显，不仅仅是质检覆盖率的提升，也对资源管理优化有促进作用。下一步的工作主要从以下几个方面展开。【应用效果】【下一步工作建议】智能自治网络典型应用案例36算法改进与辅助工具：对于ODF等复杂设备，使用率比较

207、高时，线缆重叠交错严重，有时候人眼都难以分辨核查，对于这种场景，可以进行实体分割算法改进，如使用Mask R-CNN甚至MS R-CNN算法。还可以通过引入辅助工具，降低算法难度，如引入拍照挡板，黏贴辅助贴纸，使用拍照框等，让拍照影像更有利于机器识别。数据集规范化：本应用数据集来源于施工拍照图片，目前各个运营商甚至同一个运营商的不同分公司都会使用不同的装机规范，使用不同的贴纸样式，由此获得的照片没法获得规范化的数据集，对推广装维图片质检非常不利。下一步工作可以从规范使用一致的施工材料，总结通用的施工工艺，推广统一的拍照规范方面展开。人工智能在网络维护监控中的应用无线网络智慧运营分析平台互联网技

208、术的飞速发展为人们的衣食住行带来了巨大的便利。电信运营商在给个人、国家、社会提供上网服务的同时，每时每刻都在产生大量的数据。其中，有些数据是由服务器或各种其他网络设备产生的，反映了服务器或网络的某些特性，符合一定的变化规律，挖掘这些数据背后的含义对监测网络安全具有重要意义。目前无线网络中存在着如下问题和挑战：不同厂商、不同小区之间的网络数据质量层次不齐。部分小区网络性能数据存在漏报、错报的情况，人工难以一一核查，对后期的网络优化造成隐患。各小区人数、周边网络环境变化对网络数据的影响实时变化，工作人员难以去现场核查并做出反应措施，对未来的网络流量变化不能做到提前预警。室内、室外小区网络覆盖信号差

209、别较大。随着无线环境、网络的结构、用户的行为以及用户的分布的不断变化，需要对网络进行不断地优化和监视，能够很好的发现在网络当中存在的一些问题，从而找出对网络质量有影响的因素，然后再通过对算法参数的调控、相关的技术手段使得网络能够达到一个最佳的运行状态，而且对于网络的增长趋势也能够有一定的了解，从而来为以后的扩容提供一定的理论依据，最终使得网络的服务质量能够有所提高。通过对无线网络性能数据的研究，将无线性能指标历史数据分布对比、异常诊断、趋势预测、扩【场景描述】智能自治网络典型应用案例37容预测四个方向进行建模，且重点关注五高一地小区在这些领域的特征表现。紧密围绕智能自治网络运营战略，从实战层面

210、加大提升运营商无线网络运营智慧化水平。将人工智能运用到多方面的网络运营分析中，能够快速以及准确的找的网络异常点、提前判断网络趋势、给出准备的整改建议，大大提升了网络管理运营效率，提高了智能化网络管理水平，对运营商整体的无线网络优化的集中化、智能化、自动化提供了支撑。大数据的关键技术包括数据存储和数据挖掘，其中数据存储主要是依靠分布式数据库实现的，数据挖掘是以大数据平台的搭建实现的，分布式数据挖掘技术就成为实现无线网络优化的核心技术之一。这一平台主要特点是利用不同节点上的自动部署来完成数据处理，这样能够对新数据实时更新，确保数据的稳定性和延续性。从运营商无线网络运营的需求分析，针对现有无线网络系

211、统中的需求，为运营商无线网络提供了一套无线网智慧运营分析解决方案。该方案主要有以下四个方面：基于4G无线综合网管已有数据及功能，以大数据分析思路对网管数据在全网集中采集汇聚过程中的各层数据问题进行分析，其中数据源主要为：指标分布，对比同一设备网管，同一个指标在某个时间点前后的网管历史指标数据；对比不同设备网管，同一个指标相同时间段内网管历史数据。异常诊断，针对无线性能数据中的关键指标的取值，对全国小区过去一周、一月的网管数据。趋势预测，同样针对无线性能数据中的关键指标的取值，全国小区未来一周、一月的网管数据。扩容预测：根据无线性能、感知和小区配置等多维网管数据。建立数据完整性、合理性、稳定性等

212、的诊断模型。梳理和对比目前异常值诊断领域的四分位差法、聚类分析、LOF等多种领先算法，最终选择一种最实用无线网络数据的算法：改进的LOF算法，实现T+1时间反馈数据波动合理性诊断结果，夯实基础数据质量。在对无线性能历史数据诊断结果的基础上，对比人工智能领域实用性较高的ARIMA、小波分析、LSTM等可用于时间序列分析的预测模型，同样选用一种最佳的预测模型：LSTM+DNN/GRU，对无线性能关键指标数据进行变化预测，从而在一定程度提前获知不同小区在关键指标上的变化趋势。同时结合网管实际扩容情况、投诉等外部信息建立小区的关键标签，通过数据训练，建立小区负荷预警、隐患发现等模型，探讨机器学习在问题

213、分析中的应用模式，建立综合网管的智能预警机制。【技术方案概述】智能自治网络典型应用案例38基于AI和大数据的无线网络智慧运营平台于2018年在福建电信试点运营，各功能的应用效果如下：指标分布对比本方案能直观展示不同网关设备在同一时期、同一网关设备在不同时期的分布差异性，针对厂商或省公司数据的异动能够有直观的展示，并且对比不同时期、不同网关设备的分布趋势，能够合理分配网络资源，提高网络利用率。异常值诊断结合深度学习的算法和无线网络性能数据，展示省、市、小区、性能指标的异常情况，异常指标的变动情况，异常小区的分布情况等，结合地图网格，在地图上标注具有较高异常率的省、市、小区，针对异常地区集中做出整

214、改方案。针对质差小区，该方案能够分析引起质差的关键指标，找到引起质差的根本原因，对症下药，及时阻断问题源头，防止网络事故进一步的扩大，维护无线网络运行的质量。趋势预测依据历史性能指标数据趋势，结合时序的深度学习算法，对特定性能指标、特定小区未来一周或一个月的性能指标的变化趋势，准确率高于80%。对未来网络流量的分布能够做出一个准确的预判，针对关键的性能指标进行重点的监测，对未来网络中的可能发生的事故进行及时的诊断和预防措施，降低网络事故率，提升网络连接质量。扩容预测该方案结合无线网络性能数据、感知数据和配置数据等，结合有监督的深度学习算法，对未来半年内的小区扩容情况进行了预测，该算法的准确率高

215、达99%。该方案能够每天实时更新各省份、各城市的扩容小区的数量、扩容小区的分布、五高一地扩容的情况，使得管理人员能够根据预测结果，及时调整小区扩容方案，实施扩容措施，提高网络服务质量。当前数据业务在移动运营商所提供的服务中占比越来越大，移动网络向混合多层网络进行转变。而这对运营商的工作提出了巨大的挑战，因为这一转变意味着要提供更快、更灵活的管理和控制机【应用效果】【下一步工作建议】智能自治网络典型应用案例39制，提升运营效率，以创新的思维应对日益变化的市场需求。而高效地整合移动网络的各种数据资源，进而利用大数据技术进行深度关联分析成为应对这一挑战的关键。随着对移动互联网的依赖越来越强，人们对网

216、络服务质量的敏感程度不断增加，使得无线网络的服务质量更为运营商所关注，网络质量已经成为影响运营商发展的重要因素，对经营的好坏具有重要影响。相比于大数据和人工智能技术在移动互联网领域的广泛使用，大数据和人工智能在运营商的应用还处于初期阶段，但应用领域已经逐步拓展。通过对网络流量、终端、用户等多维度分析，不仅能够帮助提升网络优化的效率，降低投入，如果能够进一步挖掘，还能够为精细化营销，改进客户体验提供有力的数据支撑。在试点阶段，无线网络运营分析平台可以为现网提供良好的决策支撑，但由于现网调整的严谨性以及现有设备的自动化能力还有所欠缺，平台分析的结果并不能全自动下发策略并执行。因此，未来，一方面运营

217、分析平台还可以继续优化算法，提升预测和检测的准确率；另一方面设备改造升级过程中，逐渐为自动化运营提供硬件保障。从而进一步提升资源利用率、降低事故发生率、降低成本。在试点过程中，遇到各厂家对相同KPI的计算方式、数据格式等不统一的情况，建议对相关参数的计算方式和数据格式进行统一标准化。在中国，5G商用牌照已经下发给运营商，全球5G商用也在飞速发展中，5G网络的复杂性对运维的要求将更高，因此减少人工参与，网络对运维自动化的需求更加急迫。因此海量的数据采集、存储、应用的标准化，形成面向网络的AI核心能力，积累既懂网络又懂AI的人才，这些都是5G/未来网络面临的挑战。IPRAN网络告警压缩IPRAN主

218、要用于承载3G/4G移动业务，以及大客户专线业务，主要采用IP/MPLS动态协议技术。与传统网络相比，IPRAN网络使用的协议相对比较复杂，网络的逻辑连接也比较复杂；与传统网管系统相比，IPRAN网管系统接收到大量的设备告警消息，其中很多告警信息都是由根源告警信息引起的。针对海量的告警数据，目前一般依赖于专家经验进行处理，即将专家经验总结成规则，通过规则过滤掉非关键的告警信息。这种方法的缺点表现在为了避免过滤掉重要告警，过滤规则制定的较为宽松，也即是专家的经验规则的过滤能力有限。【场景描述】智能自治网络典型应用案例40而在IPRAN网络的实际维护中运营商就希望将人工智能技术应用于告警压缩，形成

219、更高效的告警处理方法。当前典型的业务场景包括以下几个：场景1：瞬断告警瞬断告警定义为告警的发生时间和清除时间很短，小于一定的阈值。这类告警因为生命周期比较短，对运维人员没有太大的价值，而且会导致告警量激增，从而掩盖真正需要关注的告警，增加运维人员识别难度。场景2：频发告警如果一定时间内发生的相同告警/事件达到一定的数据，可以认为这些告警/事件之间存在一定的相关性。通过设置告警/事件频次分析规则，当某一段事件内发生的设定告警/事件的数据超过了预先设置的阈值，则认为这些告警/事件之间存在相关性。如同一网元同一单板的单板温度过高或过低告警X分钟出现Y次，合并生成一条新告警，说明单板温度异常。场景3：

220、同网元内故障影响分析指同一网元内某物理对象（单板、拓扑）上产生告警会导致该网元上其他物理对象和逻辑对象产生关联告警。对于LTE设备，基站内单板之间以及单板和休（逻辑对象）存在关联特性，因此单板故障往往会导致小区也存在异常。比如基带板出现“光模块可用告警”时，会导致RRU产生“RRU断链告警”，而承载在该RRU上的小区也会上报“LTE小区退服告警”，即“光模块不可用告警”为根告警。场景4：同专业网上下层业务故障影响分析该场景体现为因为某一个故障导致大面积告警的现象，需要快速获取故障原因。服务层告警会导致客户层告警的发生，比如当光纤出现断点、光纤所在端口会报LOS告警，导致上层的隧道、伪线、业务都

221、上报告警，此时光纤所在端口的LOS告警就是根告警。场景5：跨专业网告警分析传输包括光传输和微波传输，光传输节点会下挂很多微波节点，当一个链路中断会影响连路上的1个或多个站点，光传输节点断开会导致所有下游的微波BTS站点退服，中间微波某一跳断也会导致下游所有BTS退服。智能自治网络典型应用案例41场景6：综合故障诊断故障的表现具有多样性，可能表现为告警、KPI异常或单纯业务不通，很多情况下告警并不能反映所有的故障点，所以也无法仅通过告警分析来定位故障。比如当网络升级后，LTE业务不通，根据经验查看监控数据，进行各种诊断动作和配置检查，从而定位故障点，告警知识分析的一部分。因此，针对IPRAN网络

222、告警相关场景所要解决的问题就是需要做到智能识别故障并作出有效分析。IPRAN网络告警压缩总体可分为4个步骤：数据预处理阶段。数据预处理包括数据导入和清洗、用户端侧告警匹配、频发告警识别。输入数据为现网提取的历史告警数据、网络拓扑数据和业务数据三种，经过清洗和整合转变为可处理的数据格式。用户端侧告警匹配指根据以往运维经验去除不关心/无价值的告警。频发告警的处理【技术方案概述】图 21 IPRAN网络告警压缩技术方案图Socket接口系统前端界面数据统计分析关联规则挖掘算法 MySQL Redis网络告警关联性分析及告警识别在线警告数据节点数据导入导入拓扑数据导入历史警告数据导入业务数据系统北向接

223、口纠错处理运维反馈派单结果挖掘结果频发告警识别用户侧告警识别在线根源衍生告警识别派单处理关联规则模板知识库关联规则知识库黑名单规则知识派单规则智能自治网络典型应用案例42方式为对同一端口上连续10s时间内的相同告警进行压缩，仅留下频发告警的第一条告警，其他均标识为可过滤告警。关联规则挖掘阶段。关联规则挖掘的核心算法为PrefixSpan时间序列模式挖掘算法。通过与Apriori、序列模式、时空模式等挖掘算法相比，该算法更适合本案例。但传统的PrefixSpan算法挖掘出来的规则不带有约束条件，导致专家也无法判断关联规则的正确性，例如规则A光模块不可用告警-RRU断链告警。为解决该问题，改进了P

224、refixSpan算法，使得其挖掘过程存在约束条件。此时规则A改进为光模块不可用告警-RRU断链告警，同网元，提升了算法规则挖掘的精确度。关联规则确认与入库，其中包括已确认关联规则库和黑名单。通过多位专家确认上一步中挖掘出来的告警关联规则，将正确的存入已确认关联规则库中，以支撑下一步的告警识别工作。错误和不合理的规则自动导入黑名单，防止下次挖掘出同类规则。根告警识别阶段，即给每个告警分别打上根告警、衍生告警、普通告警3种标签。根据8类不同约束条件对当前告警进行识别处理，所谓8类约束条件分别为：同一端口、同一网元、对应业务网元、同一业务ID关联、直连对端网元、直连对端端口、同环网元、对应业务ID

225、关联。目前已经在江苏联通多个地市开展IPRAN告警压缩试点。试验表明，离线告警平均压缩率达90%以上，在线告警平均压缩率达85%以上。表 3 试点城市的历史网络告警分析处理结果543343244.30%31%6.30%25.50%81.60%29934142.40%54.20%1.90%55.80%98.50%330458111.20%63.50%7.00%27.50%81.70%试点地市告警处理结果A市（1个月）B市（1个月）C市（1个月）D市（2个月）处理方式原始告警总量用户侧告警过滤占比频发告警过滤占比衍生告警过滤占比衍生告警占有效告警比例过滤总百分比AI算法厂家网管规则AI算法厂家网管

226、规则AI算法厂家网管规则AI算法厂家网管规则534370984.10%10.30%1.10%19.60%95.50%45.1%21.60%0.30%13.10%-【应用效果】智能自治网络典型应用案例解决方案系统优化建议采集方式优化：通过北向接口自动采集资源信息或者定期自动上传离线报表的方式，使得系统功能更加简捷化和自动化；系统后期维护：为了使系统具有工程意义上的应用价值，进一步在现网试点进行系统评估验证，根据一线运维人员反馈的问题，对系统进行改进和优化；告警多维度分析：基于运维中的多种数据源，包括并不限于告警，业务配置/状态、KPI指标，拓扑资源，操作日志以及故障解决历史记录，实现多维度的告警

227、分析，使得故障压缩更加有效和实用，结果也更加精确和具有可参考性。构建统一适用的关联规则数据库由于厂商和地域差异性，IPRAN的告警关联规则库需要按照逐个厂商在不同城市不断开展测试验证和梳理方能逐步完善。希望运营商之间能够互相分享一些相对成熟的规则库和规则梳理经验。跨专业告警多元化处理的扩展应用当跨专业网络故障发生时，不同专业都会产生告警，而这些告警间具有很强关联性。可以考虑引入其他的人工智能技术，采用多种诊断技术协同的新模式，实现跨专业告警间的定位定界。接入网弱光检测业界目前弱光检测通用方法与流程：单次采集进行弱光评估，单次采集受到设备关机、繁忙等因素影响，采集率低（60%-70%），无法有效

228、评估弱光情况；弱光数据未经过分析或采取简单分析直接派单给一线维护人员处理，导致反复上站，来回测量，处理效率低；针对弱光、分光比超限等问题，分析结果无法定界，引起部门间互相推诿。弱光整治的难点：43【下一步工作建议】【场景描述】智能自治网络典型应用案例44ODN弱光故障点定界困难。当前手段或依赖人工判断，准确率低；需要对质差链路进行逐段处理，效率低下。针对多级分光的不合理组网方式无法判定。数据定时策略采集导致数据量不全，进而检测效果不佳。综资数据不准确影响检测。弱光检测流程如下：分析过程采用人工智能算法实现分析结果输出，判定弱光根本原因，指导ODN优化。具体思路是：针对ODN多种的分光比及下行组

229、网，采用无监督学习算法将繁琐、难以直接使用的光功率数据转换为可以直观查看的呈现；用分类算法判定弱光点，有效提升检测成功率；算法：采用k-means+等聚类算法；采用SVM或贝叶斯网络等监督学习算法接口：通过FTP接口与网管及工单系统对接数据集：主要有ONU接收发送光功率，PON口接收发送光功率，ONU与OLT之间距离。采用此方法，国内某运营商验证弱光分析准确率85%，弱光节点整治采用传统方式耗费时间60分钟每PON口，且需要反复上站；采用AI分析优化后，每PON口总工时下降至20分钟。行业内完善光链路两端光模块发光功率&收光功率及光链路两端之间距离的数据库，以获得更好【技术方案概述】图 22

230、弱光检测流程 数据采集 ODN AI算法分析弱光处理方案实施弱光整治整治效果验证【应用效果】【下一步工作建议】智能自治网络典型应用案例的检测结果。另外该用例中使用的方法也可以应用于更多场景，如，5G网络中的WDM PON。无线告警根因分析随着OMC集中化以及5G建设，网络规模越来越大越来越动态，告警监控存在以下痛点：大量现象告警淹没了原因告警；网络庞大而复杂，告警压减和相关性分析规则制定困难；各个局点的网络不同，统一的静态规则无法让告警压减最大化。无线故障运维以小区退服和基站退服告警为高优先级，出现该类告警后运维人员需要快速处理此类问题。导致业务退服的原因多种多样。特别是动环、传输等外部原因引

231、发的单个或多个基站同时上报大量相同告警，此类告警由同一原因引起，但是人工进行故障位置和故障原因定位费时费力。随着5G逐渐部署，网络结构更加复杂，跨层故障定位难，对快速定位退服根因提出更加严峻的挑战。智能告警根因分析旨在根据现网存量告警进行自动学习分析，发现各种告警之间的关系，经过人工确认后，达到自动告警相关性分析和告警压缩归并的目的。基于AI的智能故障诊断基于大数据分析和人工智能，根据系统中的网络拓扑，综合所有监控数据（包括告警、事件等）和操作日志以及故障解决历史记录，输出故障特征与故障原因的系列规则。在实际网络运维中，根据故障特征自动匹配诊断规则进行诊断，自动得出故障点及相关处理建议。45【

232、场景描述】【技术方案概述】智能自治网络典型应用案例第一阶段：使用AI引擎进行规则识别任务调度：根据项目的需要进行任务调度，可以进行周期性任务调度，也可以手工触发调度。数据预处理：将数据从数据库抽取转换为算法需要的格式算法运行：算法运行基于输入数据，并输出运行结果结果分析转换：将分析结果转换为业务规则第二阶段：使用根故障分析引擎进行故障处理实时告警监听：监听生产系统的实时告警规则匹配：将实时告警和部署的业务规则进行匹配并识别故障根因。输出结果：输出根告警和其他告警的关联关系，并识别故障根因。适用算法：根因分析算法（频繁序列/项集、线性相关性算法）实现告警关联分析和根因分析；聚类算法实现基站网络拓

233、扑分组。接口：告警根因分析通过FTP/RESTful等接口定时采集告警数据。数据：告警数据；配置数据；资源数据；操作日志；运维知识库46图 23 告警根因分析处理流程AI引擎根故障分析引擎RCA规则库规则1规则2规则3。1、提取告警/业务等多种数据源的关键属性2、数据清洗3、数据聚合知识转换为规则算法相关的数据转换数据预处理1数据预处理2算法运行结果分析任务调度11实时告警监听输出根告警3规则匹配2智能自治网络典型应用案例经过在中国移动和中国电信4G/5G现网试用，退服告警压减率大于45%。中国移动某局点现场管理6000多个4G站点，3天共收集退服类告警1108条，具体数据对比如下：目前在多个

234、项目试用有明显效果，方案对于5G、物联网均能适用。跨域智能告警根因分析随着网络技术的不断发展，网络结构日趋复杂，网络运维排障的难度随之增大。发生故障后，传统的方式通常依靠人工根据经验及预设的检验规则对告警进行逐一排查和分析，费时费力，对于复杂情况，还需多部门协同处理，定位效率低、耗时长。在5G时代新型分层解耦网络架构下，这种处理方式的瓶颈就更加突出，既有规则或将不适应新型网络，监控告警的数量也将成倍增加，网络故障管理面临极大挑战。因此，亟需引入先进的技术方法，实现故障根因的快速定位和告警收敛，从而提升运维效率、保障运行质量、降低运营成本。本案例引入AI算法进行告警根因分析，基本思路是不依赖人工

235、介入，通过分析大量的历史告警信息，并结合资源数据、拓扑数据进行分析建模，实现告警RCA规则动态挖掘，从而支撑故障快速定位，逐步积累运维知识库。相关流程如下：47【应用效果】【下一步工作建议】【场景描述】【技术方案概述】表 4 退服告警压缩效果传统方法使用AI方法077%告警自动分析率045%告警压缩率智能自治网络典型应用案例数据接入告警根因分析模型训练过程中，以文件方式批量接入数据集，主要包括两类，一类是告警数据，一类是资源、拓扑信息。前者通常包括告警明细和相关信息维表，关联后参与训练的数据集至少包括告警主体及对应告警类型、告警发生时间等。后者类型较多，可包括网络拓扑、系统部署关系、服务调用关

236、系等，旨在通过解析和处理，构建告警主体之间的空间联系。告警根因实时诊断流程，则基于实时告警信息，以消息、API等方式发起根因诊断请求。数据特征工程对于智能告警根因分析方案来讲，特征工程除了数据解析、缺失值处理等常规动作外，需重点处理：1）过滤恢复告警和手工清除告警等不需参与训练的数据；2）各类拓扑信息解析后，基于主键进行串接，构建告警主体间拓扑关系图，并根据是否存在连接关系进行子图划分。告警数据聚类告警数据聚类是告警关联关系挖掘的基础。聚类算法方面，从聚类效果、调参难度、运行速度等维度综合比较，DBSCAN,HDBSCAN,OPTICS,Birch,Agglomerative,GMM等算法中优

237、选。聚类维度方面，将综合考虑时间维度和空间维度；其中，时间维度指根据告警数据的首次发生时间进行聚类；空间维度指根据告警主体在拓扑关系子图划分后的空间距离大小进行聚类。48图 24 智能告警根因分析流程训练数据批量接入检测数据实时接入数据特征工程告警数据聚类告警关系挖掘告警关系聚合迭代训练告警根因检测根因定位结果返回离线模型训练实时根因诊断根因定位结果标注智能自治网络典型应用案例告警关系挖掘基于聚类划分结果，进一步采用关联挖掘算法寻找告警之间的关联关系。本方案将每个聚类结果划为一个项目集，根据大量的项目集，进行二元告警数据之间的关联关系挖掘，并根据支持度和提升度等指标进行结果过滤，根据置信度进一

238、步判断告警数据对之间的主次关系。告警关系聚合在关联关系挖掘得到的二元主次告警依赖表基础上，需对告警数据关系进一步聚合，生成告警关系网，以支持实时告警根因检测等场景需求。告警根因检测告警根因检测时，基于告警关系网，在一定的时间窗口内，从实时告警信息中诊断定位根因告警并及时干预处置。结果标注及迭代训练为了保障模型的定位效果，生产中，需要周期性发起增量训练任务。同时，运维人员也可根据经验和实际情况对定位的根因告警进行异常标注并反馈，系统自动将标注数据纳入下一次迭代训练。针对上述跨域智能告警根因分析方案，结合某省运营商云管平台的告警数据进行了主次告警依赖分析测试，并进行了算法的验证和调优，挖掘网络设备

239、、主机、数据库、中间件、大数据组件、DCOS的告警潜在关系，情况如下：样本接入：3个月告警数据，DCN网段表以及各类主体拓扑关系表 算法选型：DBSCAN，Birch，Apriori，FP-growth等告警关系挖掘：在限制告警数据依赖关系置信度阈值的情况下，共计挖掘出200条关系，经专家组验证，准确率在60%以上。根据主次关系表，在实验室生成的告警关系网局部示意如下，其中圈起的四个点为可能的根因节点，可据此进行在线告警根因实时检测。49【应用效果】智能自治网络典型应用案例为了更准确进行空间维度聚类，避免不相关数据的相互干扰，建议进一步加强资源数据的标准化工作，即督促各系统进一步完善告警相关主

240、体的网络拓扑、部署信息和调用关系等资源数据，同时，规范告警主体拓扑关系的数据接口标准，以进一步提高方案落地时对不同场景的适配性，降低定制开发改造工作量。同时，上述方案尚未在5G场景下进行测试，后续需结合切片运维等实际数据优化和调整特征工程的处理逻辑和步骤，以期本方案能够切实支撑面向切片的跨层跨域告警分析和故障诊断等5G网络运维需求。基于动态阈值的网络运维异常检测 网络运维领域中，对时序型指标进行异常检测是发现问题的常用方法。传统的方式多以人工设定50【下一步工作建议】【场景描述】图 25 告警关系示意图mw_mq_6d015cb536386f5d477779d0ad391787mw_mq_db

241、064fa46e45a2bcddaa8767e85f0680mw_mq_24c94de5a9c6e38497a63466a22eac74mw_mq_eafdbe006ea462844bee94f0ecc51e34mw_mq_e010f04bfc482c68683589e28e04fb85mw_mq_fa6363306f0f71cf9c24741aac75f107mw_mq_8335e6d82eed007278ffd7e4992cc806mw_10003_302001mw_10004_307104mw_10003_307108mw_10005_302001mw_10004_808003mw_10

242、003_808001mw_10005_307103mw_10003_808003mw_10003_808104mw_10004_808001mw_mq_4d6e9b9b8f053d0c7e9bc933a08b1374mw_10004_307103mw_10004_302001智能自治网络典型应用案例固定阈值为主，为了尽可能提高异常检测的准确性，需要人工根据经验针对不同类型、不同实例的指标分别设置；其优点是简单、直接、操控性强，缺点是配置和维护工作量大，对人员经验依赖度高；同时，固定阈值的方式也对一个周期内某段时间出现的局部异常不敏感。随着监控对象和相关指标的指数级增长，人工设定固定阈值的弊端就

243、更加明显，相应的告警漏报、误报和告警风暴问题也愈发突出。这种情况下，需要通过引入AI算法等智能化手段提高告警精准度，降低人工配置成本，更及时、准确和自动的发现异常问题。本案例对于时序指标异常检测采用动态阈值方案，基本思路是建立通用检测模型框架，针对不同的时序指标，基于大量的历史数据，调用AI预测算法进行训练，并在预测值基础上叠加阈值区间，进而得到未来一段时间内动态阈值。实时检测时，根据相应指标值是否在阈值区间来进行异常检测。同时，为了持续提高动态阈值异常检测的准确性，可增加人工标注反馈环节，自动化地根据反馈信息进行强化学习、优化模型。应用动态阈值，时序指标异常检测流程如下：数据接入动态阈值异常

244、检测支持分钟、小时、天、月等时间粒度的时序数据，相关数据可来源于5G 网管、综合网管、专业网管等各类监控平台，需至少包括实例ID（可由多个属性组合）、训练指标数据（如一次接入多个指标则生成多个训练任务）、指标数据时间和数据频度等字段。51【技术方案概述】图 26 时序指标异常检测流程训练数据批量接入检测数据实时接入数据特征工程基线预测模型动态阈值计算模型迭代异常检测结果返回实时异常检测否离线模型训练实时异常检测异常检测结果标注智能自治网络典型应用案例52模型训练流程中，以文件方式批量接入时序指标数据，实时异常检测流程中以消息、API等方式发起实时异常检测请求。数据特征工程数据接入后需对数据进行

245、解析、清洗、转换和特征提取等，包括缺失值处理、异常样本剔除、数据时间对齐、正态转换、统计及对比特征分析等。基线预测模型预测模型训练主要用于预测指标参考基线，分为初始模型训练和迭代模型训练。初始模型训练在接收到第三方系统离线训练请求时即可发起，迭代训练任务则基于实时接入的非异常数据和用户标注数据，根据约定的训练周期定时发起训练任务，实现模型的持续优化。算法选型方面，为了使框架更具通用性，以适应不同场景和数据集的异常检测需求，本案例不指定某一种算法，而是针对ETS、ARIMA、LSTM、FB-PROPHET、TBATS等机器学习、深度学习的预测算法，在不同数据集情况下，通过自动超参选择和效果评估，

246、选择最优算法。动态阈值计算在通过预测模型得到的指标参考基线基础上，叠加一定的阈值范围，可得到不同时间点的动态阈值。对于阈值范围，可根据经验设定基线基础上的浮动百分比，也可通过拟合效果自动计算。本案例通过分析残差序列的统计特征，得到不同置信度的残差指标作为阈值范围，叠加预测基线后，即得到不同时间点、不同等级的阈值区间，从而更精准的度量过去、未来时序中的异常点。实时异常检测时序指标数据实时接入并进行预处理后，根据检测指标是否落在预测出的该时间点的动态阈值区间而进行智能异常判决，并将检测结果（包括异常判断结果、异常原因、拟合值、阈值上限、阈值下限等）进行返回，支持上层系统告警策略管理需要。异常检测结

247、果标注运维人员可根据经验和实际情况对动态阈值异常检测方案诊断出的结果进行标注并反馈，系统自动根据修正的数据重新发起训练。模型迭代智能自治网络典型应用案例为了保证基线预测的准确性，每次预测的数据点数量有一定限制，这就需要周期性发起增量训练任务，迭代过程中，可定期接入增量数据，也可针对实时异常检测后非异常的样本数据自动存储并纳入下一轮迭代样本；同时，结合人工标注的结果对相应数据是否纳入训练进行调整，从而实现强化训练。针对上述动态阈值异常检测方案，基于某省运营商某类设备负载均衡转发用时的时序数据（1分钟粒度）进行了试点测试，经验证，异常查全率超过90%。示例效果如下：如上图所示，针对某一特定实例，一

248、天时间内发现异常10个，相比原来将阈值固定设为500ms的方式，动态阈值异常检测的方法更自动和灵活，有效降低异常漏报和误报比例。由于在各类网络系统和网管平台的监控指标中，时序指标数量众多，为了更好的提高异常检测的效率，避免不必要的模型计算资源投入，建议进一步明确和规范包括5G网管在内的网络域系统运行监控KPI指标，针对其中的核心时序指标，再引入AI算法和框架开展异常检测，以达到事半功倍的效果。另外，本方案进行的异常检测主要是基于阈值进行判断，由于网络性能、流量等指标波动性较强，实际应用中建议网管系统侧在异常检测基础上配套相应的告警策略，综合考虑单指标超过阈值的程度和连续出现的异常数量、异常程度

249、，再决定是否需要派发告警，降低单点异常对于告警的影响，避免误告。53【应用效果】【下一步工作建议】图 27 动态阈值异常检测效果智能自治网络典型应用案例基于基因图谱的智能告警随着网络复杂化、业务多元化、客户规模化及终端差异化，对我们提供高质量的网络服务提出了更高的要求。由于传统的发现网络问题的三大手段（投诉、告警、性能指标）存在以下问题：投诉流程耗时长，网络发生问题时无法快速到达一线维护员手上 无法从海量设备告警中准确判断网络症结、评估业务影响 性能指标预警滞后，无法精准定位用户感知问题为创新突破场景监控，实现生产手段的“智能化”，探索研究下一代网络监控，全面提升集中监控的能力，我们探寻新的解

250、决办法：使用基因图谱来进行智能监控。基因图谱将控制语音或数据业务建立、监控、拆除的信令称为网络基因。该方案以网络基因为总抓手，减少中间流程，依靠大数据分析，主动发现网络隐患，在业务影响扩大之前提前启动优化措施，避免重大故障发生，提升网络运维效率及用户感知。由于网络基因数据呈现数据体量大、不固定性及波动性明显的特点，具有明显的量大、多样、高速、复杂大数据特征。在网络或业务发生异常时，基因结构往往在短时间内发生明显变化，尤其是标识业务失败的基因变化更加明显，称之为“基因突变”。为了实现基于网络基因的实时监控，我们对基因数据进行异常监控。54【场景描述】【技术方案概述】信令数据特点数据体量大不固定性

251、波动性明显以VoLTE网络为例，15分钟粒度网络信令流程出现包含30多种状态码超过20000多次。大部分类型信令数量随时间变化具有明显的波动性，且由于天粒度话务量具有周期性特点，信令往往呈现周期性。随着网络、业务及用户行为变化，信令数据类型、数量、比例不固定。图 28 网络基因数据特点智能自治网络典型应用案例方案依托省内性能大数据平台对全网主要基因接口采集，且根据对基因信息的特征标识（拆线码/原因值/状态码）的研究，绘制网络各个重要业务流程的基因图谱，并进行数据分析，探索发现网络问题新方法。下图为基于状态码的一个分布示意图：下面以基因图谱的重点部分IMS状态码为例详述具体流程如下。一、选取状态

252、码首先通过手工统计获得有周期性的状态码，再应用到时间序列算法中。统计至少1周数据，选取完整率在70%以上的状态码。二、状态码数据分解将状态码的对应数据进行应用时间序列差分，如下图所示：55Slice:0.00%500:0.09%100:0.14%403:0.16%486:0.26%400:0.93%401:98.43%图 29 接口状态码分布示意图图 30 状态码对应数据差分原始序列序列的长期趋势序列的季节性除去长期趋势和季节性序列的随机性，应该是来自于正态分布的随机数智能自治网络典型应用案例三、设置告警门限值我们选择差分之后的随机序列（R序列）进行下一步工作，对R序列进行正态性验证，经过检验

253、，R序列为平稳序列，且为正态分布，我们进行参数调试，发现4 作为告警条件问题命中率较高，问题命中率达到92%，更适合作为触发告警条件。下图为使用3 和4 的一个状态码告警参照图，分别用红线和蓝线表示边界。四、根据告警数据进行基因分析和图谱绘制在获取相关状态码的告警数据，发出告警信号之后，我们对这些告警的网络基因数据的指标分析，找出发生异常的指标。根据定义的失败原因分析结果绘制网络基因图谱如下：56图 31 告警门限设置和异常点示例图 32 失败详单查询示例智能自治网络典型应用案例通过长期经验和不断发现的问题，总结出各地现网的自有规则库，实现问题自动定界定位，自动识别受影响用户，实现投诉用户一键

254、式分析。一、IP承载网CE替换工程案例在进行IP承载网CE替换工程次日，收到用户投诉VoLTE呼叫概率性不通。核查VoLTE网络接通率指标下降0.04%，未达到性能指标下降预警；通过智能监测系统统计，接口状态码“480”增长15倍。经排查，问题原因为替换CE至HSTP设备单个端口异常，具体展示如下图所示。57图 33 网络基因图谱示例BERcseq is less thanprevious 0%conflictiveuser 64%warning_null100%warning_null1%cseq is less thanprevious 100%conflictiveexpiresquer

255、y dataerror 32%authenticationfailure 22%server internalerror 9%invaliduser 2%invalid subsequentregister request 11%server internalerror 68%warning_null 91%conflictiveuser 0%WARNINGconflictive expiresconflictive userauthentication failurecseq is less thanpreviousinvalid subsequentregister request inv

256、alid userquery data errorwarning_nullserver internalerror图 34 工具平台支持自动录入、修改规则，经审核后形成固化经验【应用效果】智能自治网络典型应用案例二、设备单板故障告警案例在某运营商现网，一台SAE GW发生单板故障告警，确认告警后手动进行单板切换，故障处理历时约10分钟，该故障业务及用户影响无法快速评估，标识VOLTE呼叫接续失败的状态码503突增，可快速分析得出SAE GW单板故障切换期间影响用户呼叫接续，如下图所示。三、PCRF升级工具bug案例在2017年12月，某厂商PCRF升级工具BUG导致主备板同时重启，影响当时正在

257、发起注册的用户，检测到异常状态码状态码503，实际值为1842，计算门限值为603，超出门限比例205%，如下图所示。58VoLTE网络接通率(%)Mw接口480状态码99.7599.71前后100500前后6004002000图 35 VoLTE故障前后接通率和状态码变化情况02-0812:00图 36 状态码走势条形图02-0809:0002-0809:3002-0810:0002-0810:3002-0811:0002-0811:3020000503状态码走势图图 37 接通流程503状态码时间序列分解R序列智能自治网络典型应用案例四、2017年1月某运营商故障案例

258、2017年1月某日，在下午16:25分，网络发生故障导致VoLTE呼叫未接通。在故障发生五分钟后，检测出接通流程487、504状态码异常，并于16:38分下发告警短信，在16：50 陆续收到用户投诉，直到在17:20分才收到性能指标VOLTE接通率下降告警短信，告警状态码如下图所示。提升告警实时性通过优化数据库性能及算法模型，提高告警功能实时性，将监控预警由15分钟粒度优化至5分钟。完善告警规则关联完善网络基因关联图谱，提高自动定界定位功能准确性，逐步构筑移动网络智能化的主动运维能力。人工智能在网络优化配置中的应用5G智能广播参数调整Massive-MIMO技术是5G关键物理层技术之一，相比传

259、统的天线，Massive-MIMO设备具备3D赋形能力，可以灵活调整各天线阵子的权值（功率和相位），显著提高系统的波束指向准确性，将信号强度集中于特定指向区域和特定用户群，在增强用户信号的同时可以显著降低小区内干扰和邻区干扰。59【下一步工作建议】【场景描述】图 38 长时间未接通用户主动挂机487状态码告警触发图 39 长时间未接通用户主动挂机504状态码告警触发智能自治网络典型应用案例方案包含4个主要模块：用户信息采集、场景识别、权值优化、输出最优权值模块。各模块的功能如下：用户信息采集模块：主要负责UE信息数据的收集，为之后的场景识别提供数据。场景识别模块：主要功能是利用MR信息，查询历

260、史指纹库，为当前场景推荐最优参数。此模块主要作用是对场景进行分类，之后的参数优化模块以此处提供的最优参数作为初始解进行全局优化。参数优化模块：主要功能是在推荐参数的基础上进行最优参数的求解，实现Massive MIMO参数的自调优。输出最优权值模块：对场景识别输出的推荐最优参数和参数优化模块的输出参数进行评估比较，选择其中最优的参数作为最终的参数输出。并且将此信息传回指纹库，对指纹库进行更新和完善。适用算法：考虑实现复杂度和开销问题,方案中场景识别模块采用KNN算法、决策树、逻辑回归Massive-MIMO设备要达到最佳覆盖情况，整网一套初始参数往往无法满足需求，需要对网络广播权值进行差异化调

261、整。手动调整权值费时费力，特别对于5G支持广播多波束扫描而言，波束参数组合达到上万种，更增加了调整的复杂度，此外多小区之间协同调整也是一个难点。因此采用智能算法进行广播波束参数调整非常有必要。智能广播波束参数调整应用于以下场景：对于多个Massive-MIMO小区共同覆盖的热点区域，比如体育场馆，学校，CBD区域；Massive-MIMO小区连续组网场景。智能参数调整方案如下图所示：60【技术方案概述】图 40 智能参数调整方案用户信息采集指纹库更新场景识别参数优化输出最优参数智能自治网络典型应用案例通过运营商系统将基站站高，经纬度，实际场景信息（高楼，高铁，地铁）等数据传递到无线网管，从而可

262、以为Massive MIMO参数优化提供输入。基于射频指纹的负荷均衡 基于射频指纹的负荷均衡适用于多频点组网下负荷较高或者不均衡的场景，比如下图所示的4载频组网场景，F1为接入载频。当网络中用户较多时，都从F1接入会导致小区1的负荷升高，F1会变等经典机器学习算法进行场景预测和分类。方案中权值优化模块可以采用如遗传算法、粒子群算法、蚁群算法等AI算法进行参数寻优。涉及数据集：UE周期性MR数据，UE位置信息等。在某运营商现网测试，参数优化后整体覆盖提升明显：RSRP提升5dB，SINR提升3dB。61【应用效果】【下一步工作建议】【场景描述】图 智能参数优化测试结果-SS RSRP100.00

263、%80.00%60.00%40.00%20.00%0.00%7.00%6.00%5.00%4.00%3.00%2.00%1.00%0.00%小于-120-188-116-114-112-110-108-106-104-102-100-98-96-94-92-90-88-86-80-78-76-74-72-70-68-66-64-62大于-60-82-84基于SS RSRP优化前后对比评估PDF-优化前PDF-优化后CDF-优化后CDF-优化前图 智能参数优化测试结果-SS SINR100.00%80.00%60.00%40.00%20.00%0.00%15.00%10.00%5.00%0.00

264、%小于-10-9-8-7-6-5-4-3-2-622398基于SS SINR优化前后对比评估PDF-优化前PDF-优化后CDF-优化后CDF-优化前智能自治网络典型应用案例多频点组网场景下，基于射频指纹快速并精准地进行多频率层小区间的负荷均衡，提高资源利用率和用户体验。基于射频指纹的均衡方案主要包含以下几点：网管首先通过获取UE的测量报告和切换信息等历史数据，构建射频指纹库，得到UE和周边小区无线覆盖之间的关系。然后对指纹库信息进行有效性判决，最后将有效的射频指纹库传递给基站。基站实时监测各小区的负荷情况，当发现满足小区间负荷不

265、均衡条件时主动触发执行负荷均衡。基站综合考虑小区负荷、小区特性、UE特性、UE和周边小区无线特性间的关系（射频指纹库信息）等因素，确定负荷均衡目标并执行均衡。其中，负荷均衡目标包含：执行负荷均衡的小区，均衡的目标小区，需要向每个均衡目标小区均衡的负荷量，以及具体执行均衡的UE及其目标小区间的关系。基站在基于射频指纹执行负荷均衡的同时，对射频指纹库进行可用性评估，当发现UE切换成功率偏低时向网管发起指纹库更新请求。62【技术方案概述】得拥塞甚至后续UE可能无法接入。此时需要将F1的用户适当地均衡到同覆盖的F2F4载频上去，平衡各小区间的负荷，最大化的利用系统资源，提升用户体验。图 42 负荷均衡

266、场景F1 小区1F2 小区2F3 小区3F4 小区4负荷分担负荷分担负荷分担智能自治网络典型应用案例算法：K-means等聚类算法接口：涉及网管和基站之间的接口，网管传递射频指纹库，基站发起指纹库更新请求涉及数据集：UE的测量报告（包含同频周期MR、同频事件MR、异频周期MR和异频事件MR），异频切换信息数据，小区负荷数据。由于本方案对各小区的负荷进行实时监测，主动触发均衡，对负荷均衡的调整更及时。对各小区的负荷有宏观的总体了解，并且对周边小区的覆盖有一定认知，进行均衡目标决策时，可以更合理地确定均衡的负荷比例，并精确地选择执行均衡的目标UE和目标小区，可减少不必要的均衡和测量，提高均衡效率，

267、最终提高资源利用率和用户体验。基于射频指纹的负荷均衡相比于传统的负荷均衡，一定程度上提高选择均衡目标UE和小区的准确度，以此来避免不必要的UE测量，且提高负荷均衡的效率，使小区间很快达到负荷平衡。针对负载均衡方案进行了实验室测试，同时存在同频和相邻异频邻区的场景下，传统的负荷均衡和基于射频指纹的负荷均衡的对比为例进行说明。Cell1、Cell2、Cell4 为 F 频段小区，Cell3和Cell5为 D 频段小区；且 Cell1 和 Cell2 为同站，和 Cell3，Cell4，Cell5为异站。高负荷Cell1覆盖范围包含目标邻区Cell3，高负荷Cell1和目标邻区Cell5相邻。63【

268、应用效果】图 43 负荷均衡方案流程 射频指纹库射频指纹库构建小区负荷算法决策指纹库评估均衡执行射频指纹库更新图 44 负荷均衡测试场景小区2小区1小区3小区5小区4智能自治网络典型应用案例测试结果如下：64图 45 负荷均衡测试结果-高负荷持续时长对比3530252067895高负荷持续时长对比负荷均衡发送次数高负荷持续时长（秒）负荷均衡高负荷持续时长-基于测量的负荷均衡负荷均衡高负荷持续时长-基于射频指纹测量拥塞小区MR上报次数图 46 负荷均衡测试结果-MR报告上报次数对比2520151050MR报告上报次数对比UE迁出时间重配下发次数基于射频

269、指纹测量的MR上报次数基于测量LB的MR上报次数30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)智能自治网络典型应用案例测试结论：使用射频指纹后，只需10个负荷均衡周期即达到均衡目标，节省了5个负荷均衡周期，负荷均衡次数减少，UE迁出速度更快，负荷均衡效率得到提升。而且MR上报次数总

270、体高于重配次数，说明所选UE执行有效测量的比例很高，测量效率也得到了提升。标准化建议：该功能是和网元的均衡策略密切关联，不同厂家的策略不同，因此很难做到异厂家之间互通。但该功能可拓展到5G，并且根据5G的特点可对射频指纹库的构建和应用进行进一步的优化，如考虑波束等因素。人工智能在业务质量保障提升中的应用智能承载网切片管理 当前电信业务已经呈现出多场景、差异化的特点，如果我们为每种业务服务建立一个专用网络，65图 47 负荷均衡测试结果-UE迁出速度对比驻留拥塞小区UE个数000125120UE迁出对比UE迁出时间基于测量LB的U

271、E迁出基于射频指纹测量的UE迁出30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)30 seconds(s)【下一步工作建议】【场景描述】智能自治网络典型应用案例则需要极高的成本，而网络切片可以使多个逻辑网络能够通过云和虚拟化技术共享一个共同的物理基础设施，有

272、效节约成本。同时，这样的共享为灵活的网络服务提供了新的商业模式，在垂直行业，具有弹性资源的网络架构将根据服务需求动态变化。与传统网络相比，这种方式更加灵活可用，但灵活动态的需求也给基于人机交互的当前网络运营带来了新的挑战。网络切片是 5G 网络的重要使能技术，是端到端的逻辑子网，涉及核心网络（控制平面和用户平面）、无线接入网和承载网，需要多领域的协同配合。不同的网络切片之间可共享资源也可以相互隔离。网络切片可以帮助用户实现想要的功能和特性、完成业务的快速部署、减少上线时间。考虑到网络资源的有限性和不同网络切片中的网络状态，运营商需要在保证服务等级协议SLA(Service level agre

273、ement)的同时，尽可能的复用物理网络资源。因此，为了高效运营，运营商需最优化网络切片的资源划分。在承载网中，为避免流量高峰期资源紧缺，切片的分配一般以满足用户峰值要求部署，但这也造成了大多数非高峰期时段网络带宽、服务质量等专属资源的冗余和浪费。因此，精准预测流量使用状况，按需动态配置切片资源，智能化管理承载网切片成为合理分配网络资源、保障业务服务质量的关键。以“服务用户”为出发点的切片智能化管理是当前切片自动化部署的迫切需求。下图说明了承载网络切片管理器（Transport Network Slice Manager,TNSM）的基本体系结构，它由三个子系统组成：切片管理器，支持切片计算以

274、及设备能力抽象和映射。它将每个设备的转发行为和资源管理的各种实现进行抽象，即将切片功能建模为数学约束，并将底层物理网络描述为抽象网络，以便TNSM可以在不区分设备类型和设备管理界面的情况下执行网络管理。它还负责切片拓扑管理，包括节点选择，物理接口选择和子接口带宽分配。切片控制器，支持底层网络物理设备配置的验证和下发。它确保切片创建和调整的配置符合用户意图和切片规则，然后将配置下发到相应的设备。切片分析器，监控实时端到端的信息，由流量生成设备完成，信息包括吞吐量、延迟、丢包率和子接口带宽利用率等。66【技术方案概述】智能自治网络典型应用案例下图概述了智能承载网络切片系统的功能架构。AI预测器首先

275、使用历史流量吞吐量数据进行训练。承载网切片实例的实时流量吞吐量数据由TNSM收集，并发送给AI预测器，预测器根据训练模型和实时数据预测下几个时间段的流量吞吐量数值，并传递给智能策略生成器。智能策略生成器根据预测结果决定承载网络切片实例扩缩容策略以及带宽调整策略，并在必要时将策略下发至TNSM。最后，TNSM通过重新配置两个承载网节点的端口带宽来执行相应的扩缩容策略。67图 48 智能承载网络切片管理器体系结构Transport Network Slice Manager管理器控制器分析器切片计算配置验证设备能力抽象和映射配置下发设备监控智能化模块决策AI预测基于SR的网络切片 SID与切片关联

276、 SID与专用的网络资源关联图 49 智能承载网络切片系统的功能架构AI预测器预测结果承载网切片实例承载网切片管理器（TNSM）训练数据流量吞吐量数据监控数据切片策略智能策略生成器承载网节点1承载网节点2 端配置命令历史流量吞吐量智能自治网络典型应用案例案例中使用WIDE项目（http：/mawi.wide.ad.jp/mawi/）骨干网的公开数据包作为数据源，抓取了每日WIDE到上游ISP传输链路的数据。由于流量数据在一周内呈现出明显的周期性变化，因此，案例中使用“周”作为训练和测试的单位。在进行数据处理时，如果数据不完整且连续缺失超过三个时间点，则从数据集中删除该周的所有数据。完成数据清洗

277、后，我们对数据进行归一化处理（即，均值=0，std=1），并将数据集按照8：1：1的比例分为训练集、测试集和验证集。经验表明，使用时间序列的过去值来预测未来值的自回归方法在各种领域的实时策略调整中有着明显的优势，于是在案例中，我们对相关算法和集成模型进行了研究。算法对比时，我们尝试了一些目前最常用的方法，包括ARIMA模型，LSTM（长短期记忆）模型，GRU（门控循环单元）模型和TCN（时间卷积网络）模型，以及这些模型的集成模型。通过对比研究发现集成多种单一算法的模型，通过协同作用获得了比单一算法更高的准确度。对给定的数据集，使用本案例中的硬件平台，LSTM，GRU和TCN模型在预测方面具有相

278、似的准确性，因此我们选用了基于GRU的集成模型。切片创建的主要任务是在物理接口中利用可用带宽分配网络中的所有需求，且仅当满足所有需求的带宽和时延条件时，才能成功创建切片。TNSM使用贪婪算法分配路径。在启动阶段，贪婪算法根据时延要求对需求进行排序，然后为每个链路设置可用带宽和时延。从具有最短时延要求的需求开始，算法过滤其可用带宽小于该需求带宽要求的链路，然后计算最短路径。如果最短路径满足该需求的时延要求，则算法将减去该链路占用的带宽资源并更新网络容量。在成功计算所有需求之后，通过放宽时延进行路径聚合，来最大化分配FlexE子接口的带宽利用率。最后，由选定节点和FlexE子接口组成的拓扑作为切片

279、创建的结果。在切片调整中，有两种类型的调整要求。一个是新需求，即在先前的切片计算中不存在的需求。另一个是旧需求，即在先前的切片创建或调整策略执行中已成功分配的需求，它们的带宽将在当前策略执行中扩展、减少或保持不变。因为大多数运营商在现有服务下对任何调整都非常谨慎，所以切片调整优先在有可用带宽的情况下，对现有路径进行旧需求的扩缩。故此，切片调整算法首先检查是否可以在现有路径上完成所有旧需求调整，如果可以，则只需要针对新需求调用切片创建算法即可；否则，调整算法先确定可满足旧需求的数量，然后将不能满足的旧需求与调用切片创建算法的新需求相结合，输出满足所有旧需求和新需求的切片拓扑作为结果。在测试阶段，

280、我们在实验室，使用Intel Xeon Gold 6148双插槽系统，配备192GB DDR4 2666内存，在批量大小为64的情况下，使用单个模型，预测延迟为0.08ms，精度为91.17%。之后我们对6个模型进行集成，6模型集成的预测延迟为0.58ms，对于多个模型的集成，精度略有提高，6个68【应用效果】智能自治网络典型应用案例69模型的集成，实现了以下预测精度：R平方值=0.9338;精度=91.75（精度定义为1-平均预测误差率，越高越好）。使用AI来增强和优化网络切片管理和控制操作是ENI的一个典型用例，2018年6月在ETSI ISG ENI推出了其第一个概念验证（PoC）项目。

281、通过使用基于流量预测的智能策略，当报警率在可接受范围内，测试集的资源利用率可提高30左右。在该智能网络切片系统的实施和部署过程中，可以通过额外增加一个资源单元，进一步降低报警率。通过引入AI技术，通过更好的数据处理、算法优化，可以对网络业务量和资源需求进行更准确预测，根据预测结果实现虚拟网络/网络切片的自动化扩缩容调整，在使用优化的资源分配策略后的网络运行状况可以再次迭代到预测模型中，完成闭环反馈，进而趋近资源利用率最优，从而提升资源利用率的同时降低虚拟网络和切片网络的运营难度。后续建议进一步在国际标准组织标准化意愿驱动的AI模块功能、承载网切片管理器功能，以及AI模块与承载网切片管理器之间的

282、接口，包括接口类型、接口API及信息模型等。此外，还建议GSMA AI in Network工作组与其他标准化组织建立并保持联络，以便针对全球运营商在网络AI方面的实际需求，进一步完成相关标准化工作，并将标准化成果推广到更多运营商网络中。切片是5G网络的重要技术之一，在未来网络中，使用现实网络中的大量5G数据，通过标准化规范，打通端到端切片的管理，可以大大提升网络资源的利用率，为运营商节约成本。智能业务识别 用户业务类型识别是指识别网络中具有相同五元组的TCP流或UDP流所属的相应的类别，这里的类别可以根据需求有不同的维度，例如该TCP流所承载的应用层协议，包括FTP,P2P等，也可以是对应的

283、APP，如微信，QQ等，甚至可以是APP内的精细化动作，如微信的发红包、发图片等。目前DPI系统的用户业务类型识别主要通过规则库匹配实现。业务识别规则库的维护耗费大量人力，更新周期长达3到6个月。智能业务识别方案采用深度学习技术，进行业务数据自动点击获取、模型训练发布、及在线业务识别，可节省规则库维护的大量人力成本，并支持加密协议识别。该应用可为公司提供精准高效、范围广、迭代快的用户业务识别能力，支撑上层各类生产系统的分析应用。随着人工智能技术的不断成熟，具有足够高可靠性的“网络大脑”将对网络路径进行主动规划，其对高动态网络的优化效率将有可能超过传统网络算法，使业务识别更全、更加精准，保障用户

284、使用体验。【下一步工作建议】【场景描述】智能自治网络典型应用案例智能业务识别整体框架如下图所示，分为离线部分和在线部分，离线部分需实现APK管理、数据管理、模型训练、模型评估；在线部分输入待识别用户原始码流，输出业务类别标签。其中，模型训练数据为手机使用APP时的抓包数据，常用的算法模型包括随机森林、神经网络等，模型训练具体包括算法设计，结合训练数据不断对模型进行参数调整，经多次迭代优化直至获得一个具有较高识别准确度的模型。目前智能业务识别最新模型已识别1000余款APP，实验室识别准确率达91.4%。2018年，智能业务识别已完成在某省现网环境试点，实测整体准确率达到81.3%，HTTPS准

285、确率75.7%。性能方面，预计一台GPU服务器可服务全省2Tb/s流量，准确性、效率、稳定性达到现网可用水平。此外，针对APP内的精细化动作识别，目前已完成在实验室环境下的部分APP验证，如微信APP的发红包、发图片和语言通话动作的识别，训练准确率为90%。在标准化方面，与业界一起推动制定业务识别架构、统一接口等，进而通过合作或技术授权等方式，推动大规模应用；在技术方面,需对方案进一步完善，在算法优化、模型迁移等方面进行创新，逐步进行方案验证；在适用性扩展方面，该场景可进一步扩展到IoT业务识别方面。智能业务体验评估 随着移动网络的演进和用户需求的变化，传统基于语音、数据业务定义的KPI网络质

286、量评价体系无法全面反映地真实客户体验，不能适应垂直业务快速发展的需要。运营商需要能够准确感知和评估70【技术方案概述】图 50 智能业务识别整体框架离线部分训练深度学习模型2获取训练数据1业务标签深度学习模型待识别用户原始码流在线部分3【应用效果】【下一步工作建议】【场景描述】智能自治网络典型应用案例71各类业务的服务质量，以便进行服务质量的保障。而由于不同业务的对网络质量的要求不同，业务质量评估的方法和手段也不相同。因此如果能获取业务方的真实业务体验SLA，并与网络内相关指标进行关联，基于大数据智能化手段实现用户体验SLA与网络指标的关联分析，建立不同业务场景下的客户体验感知模型。基于感知模

287、型，运营商可通过网络指标评估用户体验SLA值，从而准确感知客户的真实体验，进而对网络资源进行合理编排和差异化管控，实现对业务的服务质量保障。不同业务场景下用户体验指标，及其关联的网络指标不尽相同，第三方CP是业务的owner，他们最关心业务体验，也最能准确理解和反馈业务的体验。因此可以通过从第三方收集业务的SLA体验数据，同时分析与此业务关联的相关网络指标数据，建立SLA和网络指标数据的关联模型。其中收集用户SLA体验数据可以借助5G网络中定义的面向第三方AF的开放接口，将第三方业务的service MOS收集到网络中，还可通过在第三方业务客户端内置SDK的方式来采集service MOS数据

288、。以视频用户体验评估为例，通过提取用户体验中的初缓、卡顿等体验指标，与网络内的SINR、RSRP、DPI数据进行关联分析，通过神经网络、随机森林、Xgboost等回归或分类算法模型建立视频访问体验数据与网络指标数据的关联模型。关联模型建立后，可基于此模型，通过在线收集网络指标数据来评估对应业务的体验信息，方案分为离线训练与在线评估两部分，见下图。由于不同类型业务差异较大，例如视频、游戏、支付、车联网业务等，其关联模型也不尽相同，因此可以基于不同类型的业务进行分别建模和训练，相同类型的业务可进行迁移或泛化处理。该案例在某省份试点，以下是对视频APP的 13组数据进行现网验证的结果，视频质量评价准

289、确率70%，目前仍在不同场景下继续完善过程中。【技术方案概述】【应用效果】图 51 离线训练和在线评估的过程示意图IntelligentanalysisplatformServiceexperienceEvaluationModel KPI relatednetwork data3rd PartyAFSDKRAN DataCN DataServiceexperiencecollectingServiceexperienceEvaluationModelService ExperienceEvaluation Results KPI relatednetwork dataRAN DataCN D

290、ataIntelligentAnalysisplatformTraining ProcessEvaluation Process智能自治网络典型应用案例72在标准化方面，推动各典型应用类型下业务体验数据和网络数据的标准化采集接口定义，在技术方案方面，与业界共同推动该方案的进一步完善，特别是基于5G网络架构借助面向第三方应用AF的开放接口，与垂直行业用户共同配合，推动该方案的落地和应用。在推广方案，可以将此模式扩展到其他行业应用类型。智能MOS评估 VoLTE话务量快速增长，语音质量感知评分对发现VoLTE质量问题、提升用户体验有重要的参考意义。目前语音质量MOS分析主要采用路测手段通过POLQ

291、A算法评估，覆盖范围有限。基于DPI系统可实现全网用户感知监测和分析，但采用无参考Emodel模型评估的MOS分与真实用户感知偏差【下一步工作建议】【场景描述】表 5 视频体验模型评估准确率号码1 号码2 号码3 号码4 号码5 号码6 号码7 号码8 号码9 号码10 号码11 号码12 号码13 100分 71分 87分 0分 46分 79分 48分 50分 99分 100分 31分 92分 85分 顺畅无卡顿 卡顿1次，卡顿时长占比为36.0%卡顿16次，卡顿时长占比为21.80%卡顿304次，卡顿时长占比为100.00%卡顿1195次,卡顿时长占比为100.00%卡顿时长占比为100.

292、00%卡顿161次,卡顿时长占比为100.00%卡顿3次,卡顿时长占比为9.6%顺畅无卡顿 顺畅无卡顿 卡顿2次,卡顿时长占比为100%卡顿28次,卡顿时长占比为9.7%卡顿3次,卡顿时长占比为3.9%视频体验模型评价结果 号码 视频实际质量指标（现在DPI提取数据获取）智能自治网络典型应用案例图 52 神经网络训练MOS模型提取MOS对应的RTP特征向量集合神经网络训练MOS模型模型应用模型训练海量路测语音数据统一DPI切片XDR的RTP特征向量机器学习MOSPOLQA MOS样本集合73较大，精度不高。本案例基于机器学习算法建立VoLTE业务用户感知和网络指标之间的关联关系，实现对语音业务

293、质量的精准评估和异常检测，并通过DPI数据支持用户级分析优势，实现对全网用户级的全覆盖评估。智能MOS评估通过构建智能化评估模型，以DPI系统的VoLTE媒体面XDR数据为输入，对语音质量MOS分进行准确评估，从而实现全网全用户VoLTE感知异常检测。方案分为离线训练与在线应用两部分。离线部分，收集现网大量拨测数据，设计提取多维RTP包头特征，并获取相应的POLQA MOS分作为训练标签。POLQA是目前业界认可的语音质量评估标准，也是路测常用的评估方法，基于有参考的声学评估可较好地反映用户感知。模型训练采用神经网络或Xgboost等机器学习算法进行回归分析，得到智能评估模型。在线部分，基于D

294、PI系统的VoLTE媒体流数据，生成切片XDR并构建与模型训练相同的RTP特征，如编码速率、丢包率、时延、抖动、连续丢包等，调用评估模型进行5秒切片级MOS评估。在模型训练时，还可考虑无线侧数据作为特征，例如RSRP、RSRQ、SINR、RSSI、CQI、不同协议层的下行吞吐率，切换情况等，构建网络环境指标与用户感知之间的映射模型。8000个样本集在不同RSRP和SINR分组场景下的数据模型仿真性能如下：【技术方案概述】【应用效果】智能自治网络典型应用案例74每组中的蓝色代表训练阶段POLQA MOS和机器计算得分的平均百分误差；绿色部分为测试阶段的误差。中间两组代表好点，现网分组样本较多，性

295、能较好，误差小于10%，两端代表质差场景，样本集较少，因此误差较大，但实际效果也在25%之内；随着采集样本集的增多，两端场景组误差有降低的可能，可以进一步完善。2018年，智能VoLTE MOS评估模型在某省试点，以相比POLQA MOS评估误差在0.25之内为准确评估标准，整体评估精度达80%，均方差为0.3，中差点精度达70%和78%，评估精度比ITU Emodel提升40%，大幅提升VoLTE质差问题的检测效率，计划推广至全省部署应用，支撑语音业务质量分析。与产业协同推动方案的完善，VoLTE媒体面的DPI接口需要制定数据标准，通过定义统一的接口标准，并将模型封装为能力API，方案可推广

296、到全网部署应用。模型还有进一步优化空间，重点增强模型泛化，满足模型在多种质差场景、多种编码方式下仍均具备较高精度。该应用方案还可拓展的4G/5G网络类似的VOIP、流媒体视频、VoLTE 视频、AR/VR的多种多媒体业务质量评估。【下一步工作建议】0.30.250.20.150.10.050Poor Coverage,Low InterferenceMedian Coverage,High InterferenceGood Coverage,Low InterferenceMedian Coverage,Low InterferencePoor Coverage,High Interferen

297、ceGood Coverage,High Interference图 53 数据仿真性能TestingTraining智能自治网络典型应用案例75人工智能在网络节能增效中的应用无线网络节能随着运营商网络能耗的持续增长，主设备是节能的主攻方向。其中，无线站点主设备的能耗又成为重中之重。一个典型的运营商，其无线站点能耗大约占据45%左右，而其主设备无线基站的能耗又占据了50%。在无线基站能耗中，RRU（射频单元）占用了较大的比例，而在RRU中功放又占了较大的能耗比例。在实际网络中话务量在很多情况下具有明显的潮汐效应，当业务量很少时，基站仍然处于运行状态，造成了极大的能源浪费。减少无效能耗是节能的主

298、要方向，但面临众多挑战。网络话务量忙闲时差异大，设备持续运行，能耗并未随话务高低动态调整，造成浪费，需要构建“Zero比特，Zero瓦特”的能力。但在一个典型的网络中，场景特性差异较大，如何自动识别各种不同场景，制定匹配的节能策略，成为节能的关键。商业区：用户体验要求高，但有明显的潮汐效应，夜间话务量很低 居民区：容量要求高，全天话务量大，话务波峰波谷不明显 郊区：容量要求较低，话务量低，站点稀疏，站点覆盖远传统的节能方式，因为需要人工分析海量数据，包括公参数据，网络存量，特性适配，站点共覆盖，多频多制式网络识别等，所以往往采用人工设置统一关断参数，但因为参数无差异化，无法自动匹配不同场景，无

299、法与个站话务强匹配。导致话务忙时，因参数设置不合理而业务受损，影响KPI，而在业务闲时，因参数设置不合理，节能效果无法最大体现。【场景描述】实际能耗期望能耗站点流量图 54 传统方式的挑战无效能耗无效能耗低流量时间段能耗依然高00:0000:0000:0012:0012:00智能自治网络典型应用案例移动网络节能解决方案，可实现利用AI技术的智能节能，实现不同场景，不同站点，不同时间，多网协同节能。并可在保证KPI稳定的基础上，最大化网络节能效果，实现能耗与KPI的最佳平衡。其整个方案分为评估设计，功能验证，节能实施及效果调优四个阶段。在评估设计阶段，系统通过大数据分析，自动梳理现网主流场景，并

300、根据业务模型和基站配置分析，进行节能场景分析，据此可以不同特性组合，网络环境及场景下的节能效果评估，自动预估节能效果并进行方案设计。在功能验证和方案实施阶段，利用网络管理系统，可以对全场景的能耗进行自动监控和分析，提供精确的能耗报告，并根据自动节能策略和参数设计，完成开通及效果验证。实现一站一策，快速高效启动全网节能。在效果调优阶段，根据全场景话务模型，节能效果和KPI趋势的大数据分析，系统会利用AI算法，自动依据不同的话务模型及网络变化优化门限参数，监控指标及能耗，进行自动参数调整，达到节能效果与KPI的最佳平衡。在整个过程中，有三项关键技术起到了重要作用，小区共覆盖学习，多模协同及AI参数

301、调优。小区共覆盖学习传统的共覆盖识别方法主要根据公参选择经纬度方向角完全相同的容量及覆盖小区对，对共覆盖小区辨别的准确度欠缺。智能节能系统具备共覆盖学习算法，针对容量小区用户，统计终端对异频的支持率，且主动发起异频测量，如果终端支持率和测量成功率均超过一定门限，则认为存在共覆盖关系，否则认为存在覆盖空洞。经过周期性刷新学习结果，系统自动建立站内和站间的频段共覆盖关系，可以将节能的生效场景提高20%左右。通过分析海量测量报告信息和业务信息，智能节能系统能发现网络中的节能小区及其补偿小区，并预测业务变化趋势。当节能小区处于低业务负荷状态时，系统将把节能小区的业务迁移至其补偿小区，并将节能小区休眠。

302、同时，通过实时监控功能，系统能够在业务尖峰到来时及时唤醒休眠的节能小区以保证网络质量。76【技术方案概述】智能自治网络典型应用案例自动化多模节能策略协同传统的节能方式采用单制式独立节能，频段内跨制式未整体关断，RRU无法整体休眠，节能收益小，节能参数手工配置，效率低，节能参数无差异化。智能节能系统采用自动化多模节能策略协同，可实现多制式多频段协同，频段内跨制式协同关断，频段间多载波关断，并可实现小区级自动化节能参数差异配置，无需人工参与。采用该技术后，可提升多模站点节能5%以上。AI载波关断门限寻优对于节能而言，进入关断门限越高，则节能效果越好。但传统的节能方案，由于全网场景的多样性，场景特性

303、差异较大，无法自动识别各种不同场景，制定匹配的节能策略，故节能关断进入门限保守，节能效果受限。采用AI载波关断门限寻优技术，可以寻找负载门限与性能拐点，最大化节能。系统会自动基于流量预测及强化学习，寻优关断门限，并在线迭代优化，在保证KPI无损的情况下，可实现关断时长增加10%以上。通过对网络中大量小区的历史数据：诸如时间、负荷信息、邻区关系，以及其他外部因素如天气、特定事件等多维度的数据作为输入，以小区/小区簇/区域级别进行AI建模，从而预测出未来一段时间的小区/小区簇/区域负荷情况，同时结合不同的节能功能（载波关断、通道关断、符号关断等），从而确定该范围内小区中针对不同节能功能的最佳节能时

304、间。在预测建模中，还需要监测网络关键指标的KPI，根据KPI的变化情况对当前使用的预测模型进行反馈，以进一步迭代预测模型，最终达到节能和系统性能的最优点。77图 55 共覆盖场景共站不共方向角不共站场景共站共方向角AEF存在覆盖空洞HIGD智能自治网络典型应用案例算法：基于时间序列类算法如ARIMA或者回归类算法如随机森林或者神经网络算法均可以实现对负荷的预测。涉及数据集：主要涉及历史负荷数据、历史性能KPI数据、邻区关系及其他外部信息如天气信息、事件信息（如特殊聚会活动）等。当AI可以精确地预测出未来一段时间的负荷变化情况时，当负荷较低时，网络侧预判该时间段可实施的节能功能，并且预估该时间段

305、启动节能的效果，从而有效的提高了节能时间段的节能效率。通过AI方法可以准确的预测节能应用的有效时间段，从而减少人工配置中由于不合理的节能时间段配置造成的对性能KPI的影响。同时对于重点保障场景，可以通过预先设定的白名单，在该场景下不实施节能功能，以避免节能对这些场景的影响。在典型网络配置下，能够降低基站能耗10%-15%，每千站一年节约两百万千克的二氧化碳排放。智能节能已在国内15个省市进行部署应用，累计应用规模超过50万小区，系统可实现每万小区年节电40万度。下一步节能门限控制可以进一步细化，不同节能功能通过AI策略确定细粒度的门限，以个性化节能门限配置，从而进一步提高节能的效率。以大规模天

306、线系统及小基站（发射功率250mw以下）为代表的硬件系统将给5G规模部署带来巨大的能耗挑战，因此需要在系统现有网络级节能算法中需引入5G新场景。78图 56 在线迭代调优+节能幅度-节能幅度KPI 下滑KPI 良好【应用效果】【下一步工作建议】智能自治网络典型应用案例79人工智能在网络安全防护中的应用高级威胁防御人类生活与活动已与网络深入融合，诸如APT、勒索软件等重大攻击事件越演越烈。传统安全防御检测的核心思想就是依靠攻击特征库的模式匹配完成对攻击行为的检测。而新型高级攻击，例如APT攻击，最善于使用0day漏洞和新型恶意软件。这使得依靠已知特征、已知行为模式进行检测的安防体系设备和产品在无

307、法预知攻击特性、攻击行为模式的情况下，就无法检测此类高级攻击。再者，传统检测手段也难以应对未知威胁数量的不断激增。研究表明全球新生的恶意软件和计算机病毒总量达到亿级，平均每天新增的恶意软件和计算机病毒达到百万级。面对如此庞大的未知威胁数量，传统检测设备将疲于应对，此外，随着移动设备、云存储和物联网的发展，威胁面更是呈指数级增长。威胁的未知性、待分析数据的海量特征与复杂度，使得仅凭安全专家的人工分析已完全无法应对。精准检测发现未知威胁并提供态势感知，提升安全响应有效性与效率，这是本案例应用的目标与效果。此外，5G的高带宽，大规模和超低延迟功能极大地促进了万物互联，包括智能家居安防监控系统、车辆、

308、无人机和医疗设备等各种物联网传感设备。但是，正如威胁情报报告的调查结果所强调的那样，许多当前物联网设备的安全保护滞后以及技术的复杂程度越来越高，这使得网络罪犯在成功启动物联网设备攻击方面拥有更广阔的空间。为了应对日益复杂的威胁，组织必须将所有安全元素集成到安全架构中，以便以更快的速度在更大范围内进行查找和响应；使用机器学习、AI构建未来防御策略，自动化分析和检测可能的高级威胁，缩小检测窗口并提供快速补救。将部署在分布式网络上的单点产品集成起来将有助于应对日益智能化和自动化的攻击。通过对流量、日志以及其它信息进行处理与分析，分离和识别寄生在网络中的异常流量行为与异常用户行为，基于AI设计流量行为

309、模式识别模型，并结合动态分析引擎检测恶意代码，捕捉潜在的风险（例如，未知恶意代码/文件、钓鱼、潜伏的木马、异常操作行为等）。行为模型的运用还可以发现用户角色的类别以及攻击行为间的关联关系，有助于攻击事件的还原。利用AI在样本集足够大时自动挖掘潜在特征，可以突破人为设计检测特征的限制，从而识别出其中隐藏的网络攻击。较之传统流量检测方案展现出如下特色之处：多维度语义建模结合AI技术，可挖掘更深层次的隐【场景描述】【技术方案概述】智能自治网络典型应用案例80藏特征；以不同粒度的数据来发现异常行为；对用户行为进行建模，侦测对业务资源的异常访问等等。恶意代码检测通过将样本引入安全虚拟环境，监控、分析样本

310、的动态处理过程，发现其中隐藏的恶意代码。动态分析引擎基于硬件模拟技术，可以避免恶意软件对运行环境的探测，具有防检测、防篡改、防穿透、防干扰的特点，能够充分激发恶意样本行为。由于其从模拟硬件层直接提取原始数据且在纯净不做任何修改的虚拟机环境中运行样本，所以更能避免恶意软件对运行环境的探测，从而更可能捕获恶意行为。在捕获恶意软件完整行为的情况下，通过AI算法对恶意行为判定模型进行持续优化，以提升检测能力并应对恶意代码逃逸。由于动态行为分析引擎的检测方法不依赖于特征码，可以支持检测出变种恶意软件，具备对未知威胁的检测能力，有效避免未知攻击的迅速扩散和企业核心信息资产损失。采用人工智能技术实现了恶意行

311、为判断的智能化，包括：采用传统的机器学习多分类算法比如SVM、随机森林等利用海量标签样本训练，并给出恶意类别的判定，以及将样本转换为静态图像从而采用卷积神经网络CNN识别分类。通过获取海量恶意软件样本文件行为和流量行为，可以进行训练并建立了恶意行为判断模型，可以解决人工分析成本高、时间长和判定规则僵化等问题。账户破坏本方案可以检测黑客是否访问了网络用户的合法凭据，而不管使用的攻击方法或恶意软件是什么，这包括检测攻击，如传递哈希、传递令牌和暴力攻击。为了成功地检测帐户破坏，该技术需要识别用户接触的任何资产（包括端点和网络）的危害指标。帐户破坏的潜在指标如下：不寻常的身份验证模式（例如，休眠帐户访

312、问）攻击后的横向移动 来自多个位置的并发登录 列入黑名单的帐户活动内部威胁 内部威胁包括恶意内部人员以及疏忽内部人员，他们经常导致数据破坏、数据威胁等。通过为用户建立基线行为，解决方案可以根据多种潜在指标检测并报告基于不符合基线的异常和高风险行为。内部威胁的潜在指标包括：智能自治网络典型应用案例81 行为偏离同伴群体 不寻常的系统访问（如登录时间）已禁用帐户登录 异常文件访问和修改 密码活动异常 过多的身份验证活动 多个帐户锁定以过多的身份验证活动为例，出现异常的身份验证活动背后是攻击者通过系统地组合并尝试所有的可能性以破解用户的用户名、密码等敏感信息。攻击者往往借助自动化脚本工具来发动暴力破

313、解攻击。根据暴力破解原理，当系统存在该安全隐患时，一般是在某次登录成功前发生了较平时明显增多的登录失败。目前安全检测方案一般采取人工设定阈值方法，无法针对不同对象进行动态建模。应用AI，可以基于安全日志（包括用户名、登录是否成功、访问源IP、登录失败原因等），从而检测用户是否存在登录侵入行为。若当前某源IP的登录失败数超过设定基线且存在登录成功的记录，则上报暴力破解事件；若当前登录失败数超过设定基线但不存在登录成功的记录，则上报可疑登录失败事件。从而可及时提醒安全审计人员系统存在的登录侵入行为，方便安全审计人员溯源跟踪、采取对应安全防护措施。适用算法：各类概率分布估计算法（例如核密度概率分布估

314、计、有参数概率密度估计）；周期检测算法以及周期时序建模算法涉及接口：内部接口（安全日志读取接口；安全事件输出接口等）涉及数据集：网管及网元相关安全日志图 57 登录入侵检测流程登录失败数基线建模登录侵入事件检测历史登录日志当前登录日志输出安全预警智能自治网络典型应用案例82特权帐户滥用 通过检测泄露的凭证和对包含此特权数据的系统的横向移动，来识别对可访问敏感信息的特权用户的特定攻击。除了特权帐户之外，还可对敏感的高价值资产的访问进行监控，生成高优先级警报。针对账户还可监控其他风险指标，如账户锁定、新帐户创建、帐户共享和已经休眠的账户活动。特权帐户滥用的潜在指标包括：可疑的临时账户活动 异常账户

315、管理 不寻常的特权升级数据泄露监控有关数据泄漏似乎正在发生的指标，以便在损坏发生之前调查并阻止泄漏。这是自动化响应在降低团队平均响应时间方面非常有价值的地方，最终保护组织免遭数据泄露。潜在指标包括：可疑数据传输 异常流量模式 黑名单通信从2016年至今，该系统已在政府机构（包括智慧城市）、运营商、金融、能源等行业进行应用。应用期间检测到数百起重大网络安全事件。例如：2016年全球勒索软件爆发年，第一时间发现全球最新勒索软件事件及其变种，预警应用单位保障了信息安全，避免了大规模攻击后果；发现针对企业高管的定向攻击事件；发现针对电信企业地域性定向攻击事件；进行内外部追溯与态势分析，协助WannaC

316、ry大范围攻击事件的应急响应，并持续发现WannaCry最新变种；发现2019勒索病毒GandCrab5.2最新变种，极大提升了对未知威胁与高级攻击事件的预警与响应能力。对于Malware的检测结果，使用不同的特征进行检测，结果最优的是最近改进的综合模型：-未使用AI，漏报率：8.32%，误报率：17.48%，F1：0.1912-使用AI，漏报率：2.8%,误报率：0.8%,F1：0.957【应用效果】智能自治网络典型应用案例83 对于登录入侵检测对4G现网网管安全日志进行登录行为分析，可准确检测绿盟等仿真软件尝试破解admin用户；可准确检测登录脚本程序bug造成的大量登录失败。检测率不低于

317、90%。标准化建议：需要在标准中，对安全态势感知的需求、应用场景、目标、功能等进行标准化的定义和阐述。威胁事件修复响应指示通过API与响应平台对接，包含：a.需要修复的威胁事件信息，b.与威胁事件相关的原始数据和元数据,c.修复威胁事件所必须采取的所有手动和自动操作指令。消息可以采用HTTPS等安全协议承载。应用建议：随着互联网应用的深化发展，全球网络安全态势日益严峻，为企业运营带来挑战。与此同时，云计算、5G、IoT等技术的兴起，让网络边界变得模糊，以安全边界为核心、部署传统安全设备为手段的被动防护思想越发局限，安全防护体系建设亟需突破。安全防护体系的构建思想已经从过去的被动防御，逐步迈向主

318、动防护和智能、自适应防护，从单纯防御走向积极对抗，从独立防护走向协同防护。也就是说，在建立了一定基本防御能力的基础上，需要增加非特征技术检测能力上的投入，并重点建设事件分析、响应能力。通过对事件的深度分析及信息情报共享，完善预测预警机制，并针对性改善安全系统。最终达到有效检测、防御新型攻击威胁之目的。在时间维度上，收集更多的训练数据（天、周、甚至更长周期）提高模型的学习能力，来发现和分析异常行为的能力在检测内容维度上，基于AI的异常检测需要覆盖网络流量、终端行为、内容载荷检测三个方面图 58 恶意软件检测效果比较恶意软件检测性能对比120.00%100.00%80.00%60.00%40.00

319、%20.00%0.00%漏报率误报率F1值8.32%2.80%17.48%0.80%0.190.957使用AI不使用AI【下一步工作建议】智能自治网络典型应用案例-基于流量的异常分析机制-针对流量内容的静态、动态分析机制-基于终端行为日志的异常分析机制此外，使用统计模型和机器学习来发现上述检测数据和行为元素之间更深层次的关系，通过关联分析来识别出隐藏的高级威胁。将高级威胁防御应用于5G与物联网，需要有对应的威胁情报数据，以保证效果。垃圾短信智能分析与优化由于短信具备价格低廉、可以群发、给陌生人发送等特性，所以短信一直是违规信息传播的重灾区。目前各省市公司和专业公司的业务系统中存在大量的违规和骚

320、扰信息,影响业务的运行和用户体验。而现有的短信过滤系统，有如下不足之处：自动过滤误报率高，缺乏策略进行自动提取与优化的手段；缺乏对疑似信息进行智能分析的能力。针对以上问题，本方案基于自研的垃圾短信判定算法，可以对中国移动现网的短信进行筛选、识别，为中国移动用户剔除违规短信，不但可以改善用户体验、提升运营商企业形象，也可以保障国家的信息安全。本方案整体系统架构如下图所示：84【场景描述】【技术方案概述】智能自治网络典型应用案例85整体方案包含如下四个步骤：垃圾短信省端监控平台对全量短信进行实时分析后，通过FTP方式将疑似短信传输至短信过滤系统；短信过滤系统对疑似短信进行精准过滤，并将判定的违规短

321、信以及部分抽样正常信息回注给垃圾短信省端监控平台；垃圾短信中央管理平台按原流程通过原有方式，定时获取省端监控平台疑似短信，并提交洛阳中心进行审核；人工审核后数据送交短信过滤系统训练模块进行训练。其中，短信过滤系统的技术模型如下图所示：图 59 垃圾短信智能分析与优化系统整体架构部分抽样汇聚网关号码处置自研短信过滤系统正常短信垃圾短信抽样全部/抽样判定洛阳中心人工审核疑似信息上报现网短信分析全量短信疑似/垃圾短信二次过滤后短信垃圾短信FTP文件传输短信直接拦截命中号码黑名单、黑名单策略 疑似短信（命中疑似策略）垃圾短信省端监控平台垃圾短信中央管理平台指纹判定技术预处理整体判定流程先验模型判定技术

322、文本分类器判定技术机器学习训练FTP文件传输智能自治网络典型应用案例该技术模型包括两层智能模型：训练流程：基于人工审核短信数据利用人工智能模型进行训练，生成黑/白指纹库、先验模型库等训练库，为在线过滤提供基础；在线过滤流程：依据指纹模型、先验模型、支持向量机模型等，对现网系统中待判定的疑似垃圾信息进行精准判定；判定结果分为：确认垃圾、确认正常和未判定短信，可依据生产系统需求进行过滤。该智能模型包含如下优势：短信文本的预处理技术通过对于大量人工审核类、用户投诉类短信的总结、学习，本提案不仅可提出特殊符号去除、替换、简繁体对照处理、字符乱序处理、特殊字符加扰、全角半角变形等字符处理方式，还特别针对

323、一些专门逃避监管的涉政、违法、诈骗类短信，对采用前中后缀干扰变化、排版变化、倒序、样本部分截断等多种逃避监管的手段，采用独创方法特殊处理，再加以识别。将以往机器无法识别的内容，变成普通可处理的常规短信。短信文本综合判定模型本方案提出了一种融合指纹判定（Simhash）技术、自研先验模型技术、大数据聚类分析技术、支持向量机算法以及策略标记的模型，并综合三种方法的优缺点，设计并训练出短信综合判定模型，用于垃圾短信判定。此模型对于正常短信、违规短信的判定能力，远远超出项目开题所预期的基础判定水准，判定准确率、查全率均出去业内领先水平，在10：1的数据模型下，实现了非常好的的判定效果（确认疑似比对于正

324、常短信95%，违规短信65%）。整体模型如下图所述：86图 60 短信过滤系统技术模型现网疑似短信数据指纹判定训练流程人工审核在线过滤流程机器学习与算法训练预处理综合判定先验模型判定文本分类器判定指纹训练新短信确认违规确认正常正常短信违规短信先验模型训练智能自治网络典型应用案例线上判定与线下训练相结合充分利用已有人工审核结果的短信、用户投诉短信，构造指纹库、文本特征库、聚类分析库、模板库、黑号码库等特征数据库，支撑综合判定模型；并将部分判定结果进行人工抽样检查，不断优化训练、判定模型，避免模型判定准确率蜕化。本方案于2015年8月部署在在中国移动政企公司云mas平台，平均每天短信检测量在500

325、万条，将误判率从原有的1降低到百万分之一以内。本方案于2017年7月在江苏公司上线运行，截至2017年底，日均监测疑似违规短信10万条，日均判定违规短信约2万条，日均发现违规物联网卡20个，有效的为省公司、地市公司的运维服务提供帮助。及时跟踪最新的违规短信样本，对算法进行优化：垃圾短信判定模型在一定时间的使用之后，随着更多违规用户掌握算法判定规律，算法判定准确率会逐步下降。因此必须不断对获取的最新违规短信样本进行训练，更新算法模型。扩展算法应用：随着短信在物联网设备的大量应用，以及可能在5G时代的应用，因此可以对算法模型更新，以适应新的发展。例如在物联网应用中，可针对不同设备的应用场景，发现不

326、同类型的违规信息。图 61 基于人工智能的垃圾短信综合判定模型人工智能深度分析模型文本预处理指纹判定指纹库策略库先验特征库聚类分析库文本分类特征库先验模型判定聚类分析文本分类器策略标记简繁体替换判定精度高;适合正常、违规。指纹判定先验模型判定大数据聚类分析文本分类器策略标记带判定结果短信数字、英文替换特殊字符替换其他变形库短信判定精度高;适合正常短信。判定精度高;判定范围与类库相关。判定精度一般;适合正常、违规短信判定。判定精度低;判定范围大。【应用效果】【下一步工作建议】87智能自治网络典型应用案例敏感数据保护系统基于网络与业务数据的精细化分析，不仅可以对运营商网络质量、业务质量进行优化，提

327、升用户体验，而且还能极大丰富移动互联网业务。但是，运营商网络数据与业务数据中包含大量的用户隐私信息，一旦泄露或遭到非法利用，将严重危害用户的隐私和个人信息安全，甚至严重影响国家网络关键基础设施安全。因此，在推进数据资源开放共享的同时，如何保障业务与用户敏感数据安全就成为了关键问题。目前业内对敏感数据识别主要依赖于正则表达式、字典匹配和人工梳理的方法，前两者能力受限于正则表达式和字典的数量、质量，尤其是当正则表达式、字典不完整或者字典建立有误时，会出现精度不高、覆盖率欠佳的情况；后者在大数据情况下，人工梳理周期较长，而且对处理人员的专业素质要求较高。立足于解决电信大数据安全需求，提供对敏感数据识

328、别与防护服务，设计了一款数据安全智能产品系统，它基于机器学习和神经网络等人工智能算法，实现了敏感数据的精准发现；结合用户权限分析，实现了算法自适应推荐，完成了高效脱敏。“动静结合”数据精细保护本系统为基于AI的敏感数据自动识别和脱敏的算法与工具，制定敏感数据分类分级原则、敏感数据自动发现抽取、脱敏算法自适应推荐三个步骤，实现数据资源在开放环境下(开发、测试、数据分析等)的精细化保护，系统的技术架构图如下图所示。【场景描述】【技术方案概述】图 62 基于AI的敏感数据自动识别和脱敏系统架构开发环境测试环境数据分析数据库数据文件数据扫描发现敏感数据识别数据分类分级数据脱敏基于AI的敏感数据自动识别

329、算法与工具88智能自治网络典型应用案例依据行业标准制定分类分级原则为方便对数据进行统一管理及推广应用，以集团规范为标准，根据数据的内部管理和对外开放场景的特点，数据分为四大类：用户身份相关数据、用户服务内容数据、用户服务衍生数据、企业运营管理数据。按照数据敏感程度，依据预设的泄漏损失特征进行风险计算获得数据分级，分为四个级：极敏感级、敏感级、较敏感级、低敏感级。后续，正则表达式、策略集、模型等规则会根据此原则设定分类、分级标签。动静结合抽取敏感数据在典型的生产环境中，B（业务）、O（操作）、M（管理）三个域中每天有几百T的数据等待处理，其中包含着数以百万计的敏感数据表和字段，为了快速、准确地进

330、行识别，需结合数据的已有标记，有区分地使用不同的敏感数据发现能力。本项目提出结构化（数据库字段、固定格式等）和非结构化数据（短信内容、业务内容等）分别对待的“动静结合”机制，静态方式保证准确率，动态方式提高系统发现能力，二者做到“一静一动”相辅相成。在扫描数据库元数据和抽样数据时，结构化数据首先针对静态元数据分析，采用正则、中文模糊匹配、关键词等方式识别敏感数据；非结构化数据和部分元数据不能识别的内容则采用抽样方式，此类非结构化数据中大部分为短文本数据（如短信），短文本由于字数较少、表达随意等自身特点，在自然语言分析过程中会带来“数据稀疏”、“语义鸿沟”等特殊问题，本项目利用基于子语义空间敏感

331、规则挖掘算法和卷积神经网络训练相对应的模型。如下图所示：脱敏算法自适应推荐 遵循脱敏有效性、可配置性、一致性和透明性四项原则，以业务场景、业务需求、适用方作为横向维度，自适应推荐脱敏算法，其中脱敏算法包括：加密、格式保留算法（FPE）、重排等可逆算法以及关系映射、偏移取整、散列、随机替换等不可逆算法，在不降低敏感数据安全等级的同时，保图 63 系统处理流程B域数据O域数据外部域数据M域数据大数据平台MPP内存数据库PS DBMSHadoop识别数据敏感规则库中文模糊匹配正则表达式自然语言处理输出敏感数据定位数据分类分级采集元数据抽样数据输出89智能自治网络典型应用案例留原始数据的数据格式和部分

332、属性，确保脱敏后的数据依然可进行数据分析、挖掘、测试等应用，实现敏感隐私数据的可靠保护。如下图所示：本项目使用敏感规则库+模型的方式识别敏感数据：其中结合正则表达式和语义敏感规则共同构建敏感规则库，积累了超过30000条规则；利用卷积神经网络构建了11个识别模型。敏感数据发现能力从原来的只依靠关键词+正则能力的70%提升到96%，而且可对每日的增量数据实时训练模型，扩展能力强。目前，系统已纳入中国移动数据安全产品，并在四省市大数据平台系统上线使用，提供了7*24小时不间断的敏感数据实时监控与脱敏服务，日均处理数据超过800T，已累计识别出10万余项涉敏数据信息，敏感数据发现周期从按月缩短到按天

333、（24小时以内）。有效避免了大量敏感信息泄露，从而有效保护了业务数据和用户个人隐私数据，推进了数据资源开放共享。图 64 自适应脱敏算法管理员136-0123-2345普通业务员136-xxxx-2345138-xxxx-6767136----2345-6767拦截SQL语句，根据用户角色对SQL语句进行改写加密掩码保留格式.散列数据脱敏算法 基于角色动态脱敏规则库大数据平台/数据库处理后：SELECT phonefrom order处理后：SELECT Mask(phone)from order云纱动态脱敏网管SELECT phone from crderSELECT phone from crder【应用效果】90智能自治网络典型应用案例其中电信数据分类分级原则已作为标准在集团和各省公司推广,未来系统需针对更多的数