 电信设备商拥抱AI，
网络也要变智能 爱立信投入建设人工智能网络 在自动化基础设施、托管服务，甚至部署在客户和现场场景中的虚拟助理之间，爱立信正在将整个机器学习算法和数据驱动的AI嵌入到整个端到端通信管道中。 1.1 向自主网络提供数据 爱立信正在构建一个全球分布式管道，确保能够以更智能的方式获得数据，还可以根据需要在本地计算数据。确保提供高速度和高质量的服务，而不需要把所有东西都拖到一个中心点。这不仅为机器学习算法提供了更多的数据，还为高性能边缘计算奠定了基础。 创建这种端到端数据管道并不容易。通过5G变压器项目等，爱立信正与当地运营商合作，利用机器学习来创建更智能的网络。在过去的10个月里，该公司与一家欧洲运营商进行了成功的试验，称为“第一个用于网络负载平衡的先进机器学习算法”。 1.2 语音助手和数字化双胞胎 爱立信也在试验语音助手和自然语言处理(NLP)，帮助那些正在修复物理基础设施的技术人员。爱立信正为技术人员配备一款移动应用程序，名为“谷歌助手”或“Cortana”，减少在网站上的访问时间。第一个用例集中于故障诊断，通过使用开源机器学习和NLP框架，让语音助理吸收大量文档库和技术手册的完整产品知识库，然后用自然语言回答技术人员的问题。该应用程序还可以通过智能手机摄像头实现图像识别和计算机视觉。 AI还可以创建数字化双胞胎，无论是特定基站，还是整个网络的虚拟化视图。目前，这些辅助功能只能通过智能手机提供给现场技术人员，但爱立信正在测试其实验室的其他应用程序。下一步通过增强现实眼镜制作虚拟助手和数字双胞胎图表。像波音和通用电气等制造商已经在做了。 2 爱立信5G运营拥抱人工智能 2.1 5G网络切片也可以自动扩缩容 如云计算平台都是系统自动分配资源，5G时代的网络切片也应该通过系统自动分配、调整、优化、回收网络各个层面的资源。如果网络切片资源管理系统没有人工智能辅助，那么资源管理只能根据相对简单刚性的规则管理。刚性系统必须预留足够的冗余度以应对峰值压力，刚性的、粗放的、非智能的网络切片管理系统无法高效率利用5G标准下弹性的资源调配潜力。 2.2 爱立信携手中国移动开发并演示基于网络切片技术的新一代5G智能工厂原型 原型演示了模拟智能工厂环境下网络切片技术和5G网络灵活的扩展性结合让产线升级和产品换型变得很容易；更低的通信延迟和对边缘计算的支持确保对工厂产线实时和精确控制的通信支撑；配合5G网络更大的吞吐能力，可实现大量生产数据的即时处理，利用云端的人工智能技术，可快速应对不断变化的客户需求，对产线进行实时调整。 在这个5G智能工厂的原型中采用人工智能技术对配件完成视频信息采集并进行识别匹配。如果这个原型的后台网络运维系统也可以采用人工智能技术进行管理，那就真正演示了5G时代物联网产业希望达到的先进运营水平。 2.3 混合现实技术做现场维护 随着网络不断扩容，代际的更替，网络运管的复杂度越来越高，对现场工程师要求也越来越高，解决这种不匹配就是利用混合现实技术。前方现场工程师在维护时，场景可以通过实时5G技术传输到后方技术中心，后方资深有经验的工程师，可以通过虚拟现实身临其境，而现场工程师可以通过增强现实得到这个资深工程师的指导。大家可以想像，这样的话，整个团队的复合技术水平可以得到大大的提升。 3 中兴通讯：“网络自治、预见未来、随需而动、智慧运营”智能化网络 中兴通讯正式向业界发布《人工智能助力网络智能化-中兴通讯人工智能白皮书》，聚焦于通讯网络人工智能，结合中兴通讯在网络智能化方面最新的研究和实践，全面阐述以“网络自治、预见未来、随需而动、智慧运营”为愿景的未来智能化网络的架构、方案及场景。针对近期业界关注的热点，白皮书重点介绍了中兴通讯人工智能uSmartInsight平台方案以及智能化5G、智能运维、智能优化、智慧运营、智慧家庭等典型应用场景。 网络的三大层面，包括基础设施层、网络及业务控制层、运营及编排层，都将根据业务发展的需要，逐步引入AI。对不同层级而言，越上层、越集中化，跨领域分析能力越强，通常对计算能力要求也越高，需要的数据量也越丰富，更适合对全局性的策略集中进行训练及推理；越下层、越接近端侧的，专项分析能力越强，实时性更好，一般适合引入AI的推理能力，或具备准实时的轻量级AI训练能力。 三级智能闭环建议，智能自环，智能小环，智能大环。未来电信网络人工智能能力泛在化，除了各层级自身的人工智能使能外，还体现在跨层级的协同实现。根据成本规模，是否涵盖多系统多制式，是否端到端策略，数据量大小，实时性要求高低等，可选择不同级别的智能闭环策略，灵活实现多维度网络智能化。 智能自环：基础设施自身的实时推理 ，比如基站，由个体内部自主自动完成。智能小环：数据训练主要由网络及业务控制层或运营及编排层完成。智能大环：数据训练主要由大数据或人工智能平台完成，实现基于全网数据的网络智能化。 中兴通讯正式对外发布了uSmartInsight 2.0平台，该平台是融合了大数据和人工智能的综合性平台，本次2.0平台搭载了中兴通讯自研的分布式训练引擎，支持更高的并行训练加速比；支持单卡编程多卡运行，同时满足模型训练和模型推理应用两类主要场景；支持可视化建模，简单高效，可以方便地开发部署端到端的AI应用。中兴通讯基于在电信领域的长期积累、对行业的深刻理解以及丰富的全球合作经验，在此平台基础上，针对各行业应用，可以提供专业的、定制化的解决方案和技术服务。 4 解读思科“全智慧的网络” 近期，思科 CEO 罗卓克描绘了“全智慧的网络”愿景，“新一代网络”应运而生。这个被看作将会引领网络的“下一个十年”、耗费思科大量心血和研发投入的解决方案，技术创新都有哪些闪光点？用户市场回传了哪些声音？ 在思科基于意图的网络中，网络能够捕捉你的意图(Intent)，即了解企业对其网络运行目的和发挥作用的期望，并且通过意图驱动网络。通过下一代机器学习引擎，思科基于意图的网络能够对网络之外的全景(Context)进行分析和学习，通过学习进一步反馈给网络管理，构建一个更安全的网络环境。 4.1 机器学习与网络融合 以前，企业IT运维部门是网络救火员，而思科全智慧的网络将改变这种现状，它包含了一系列极具突破性的创新：首先，Catalyst 9000系列提供全新平台;同时，基于意图的网络带来的DNA中心可在管理层帮助客户实时的网络监测，可编程化的网络管理，为客户对于网络的自动化管理赋能;最后，加密流量分析(ETA，Encrypted Traffic Anaytics) 思科全智慧的网络为客户带来的成果显而易见，客户告别了“网络救火员”的时代，节省了大量时间，大幅度提升效率，此外，还实现前所未有的安全性。据介绍，运用思科全智慧的网络，网络配置的时间能够节省67%，解决问题的时间缩短80%;另一方面，安全漏洞影响降低48%的同时，运营支出能够减少61%。 4.2 加密流量也不用怕 许多行业都遭受了恶意软件、木马软件在内的网络攻击，最大挑战是企业很难在加密状态下发现恶意攻击。如何解决这一难题？加密流量分析是思科全智慧的网络解决方案的一大技术突破，它将人工智能技术巧妙地应用到网络中。“最大的好处在于无需解密任何流量或者破坏数据隐私，不探讨加密流量的内容，也不对加密流量好坏做过多评判，在不需要对流量进行解密或是破坏数据隐私的情况下，思科最大程度保护流量数据和进行威胁检测。这就说明，思科新一代的网络在可靠保护隐私的同时，能够为企业带来更高的安全性。” 5 Juniper：打造自动驾驶网络 Self-Driving Network是一种可预测并适应环境的自主网络，它同时增加了规模经济和效率，同时降低了运营成本。因此，它可以为最终用户提供经济而优质的个性化体验。 当自动化框架融入遥测，大数据分析，机器学习和网络引导等功能时，自主分析，自我发现，自我配置和自我修正，自治网络就诞生了。Self-Driving Network可以与零接触网络等同，最终目标是消除手动工作。 实现Juniper Self-Driving Network需要以下三个自动化策略： · 通过简化和抽象网络来降低操作复杂性 · 使用户能够更快部署新的网络服务 通过深度遥测提高容量利用率和网络弹性 · 通过深度遥测提高容量利用率和网络弹性 迈向Self-Driving Network依赖于遥测，自动化，机器学习和声明式编程： · 遥测：需要基于推送语义的遥测和基于机器学习的异常检测。Juniper的OpenNTI是一个使用标准遥测，分析和分层设计来收集，标准化和可视化关键性能指标（KPI）的简单开源工具。 · 自动化：通过自动化拓扑发现、路径计算和路径安装。需要自动服务部署，基于配置服务的特定升级以及基于机器学习的归纳网络响应。 · 机器学习：机器学习采用创新的编程方法，将静态编码转变为从数据输入中学习的动态算法，进行预测并采取适当的行动。Juniper的AppFormix解决方案将机器学习和流媒体分析的功能与诸如基于Openstack和Kubernetes的混合云和NFV/Telco云等编排系统的应用感知结合在一起。 · 声明的意图：让网络明确你的意图，而不只是完成意图。Juniper的Northstar工具使服务提供商能够根据所提供的限制（如带宽，多样性和虚拟间网络策略）安装网络路径。 欢 迎 关 注 |
|
|
