SoftCOM AI-專注通信領域一站

SoftCOM AI-專注通信領域一站

主講人：SoftCOM AI云服務專家

黃海軍

一、什么是SoftCOM AI?

談到華為，就不能不提通信，通信是華為的立命之本。那說到AI，同樣也離不開通信這個行業。那通信領域主要是要做些什么事情呢？通信領域的AI到底要包含一些什么東西呢？最終我們又希望通過AI技術來把我們的通信網絡技術引向何方呢？而本篇文章來就是來回答大家的這些問題的，從而讓大家知道通信和AI的關系，以及通信領域的AI主要需要做什么事情。同時也希望能有更多的人對此感興趣，從而加入到這個行業之中來。通信行業的技術門檻和業務門檻相對來說比較高，為了保證未來我們也能達到通信網絡的要求，保證我們的通信技術不落后，我們需要投入更多的開發人員，需要更多的開發人員一起去完成“把數字世界帶入每個人，每個家庭，每個組織，構建萬物互聯的智能世界”的偉大遠景。

SoftCOM AI是專注通信領域的一站式AI平臺。和ModelArts的一樣，SoftCOM AI也是一個云服務，也是做一站式AI開發。和ModelArts的不同點在于：1、SoftCOM AI是面向第一領域的，SoftCOM AI是基于領域來提供服務的，從而讓AI開發人員能更快更好地把AI領域多年以來所積累的技術發揮出來。2、SoftCOM AI是面向一站式的部署的，我們為其建立了端到端的應用體系，能讓AI的智慧直接變成商業的價值。3、雖然SoftCOM AI底層的訓練能力也是利用了ModelArts的能力，但是，SoftCOM AI的體驗和ModelArts的體驗相比還是有一些差異。

二、電信行業需要引入自動駕駛的網絡

2.1、什么是自動駕駛的網絡？

自動駕駛的網絡不等于自動駕駛的汽車，我們只是將其和汽車的自動駕駛的體系相匹配，來做一個類比。我們可以嘗試著去思考或者是暢想一下，和汽車的自動駕駛相比，電信網絡的自動駕駛要達到什么樣的一個目標，要去解決什么樣的問題呢？

2.2、當前的電信網絡所存在的問題

當前電信網絡存在的最大的一個問題就是：設備的OPEX(Operating Expense)成本是設備的CAPEX(Capital Expenditure)成本的三到四倍。

這是什么概念呢？如果買一臺電信的設備假設只用了一元錢，但是卻需要花三到四元錢把這個設備用起來并將其運營好。是什么導致了這樣的問題呢？

一是資源利用率的問題。舉個例子，當很多人齊聚一堂并且都拿出手機使用WIFI來上網的時候，我們會發現網絡可能會非常卡頓。而一些舉辦足球賽的場地，可能有三到四萬人聚集在一起，如果我們身處在一個沒有自動調節能力的網絡中，這時候要是我們拿出手機來上網，我們會發現上網的網速是非常非常慢的。但是有很多區域的網絡資源是非常空閑的，并不是說所有區域的網絡都這么擁擠，如果能把這些空閑的網絡資源都用起來，那么當在場的用戶一起上網的時候就不會那么卡頓了。所以在這種情況下，其實我們是很需要去充分地利用這些空閑的資源以及流量來提升用戶的體驗的。

二是能源消耗的問題。電信網絡的數據中心是非常龐大的，同樣的，它也有空閑和繁忙的時候。那怎么去降低在沒有流量的情況下的能耗呢？舉個例子：在公司的時候，我們所使用的WIFI可能都會放在會議室或者是辦公室的樓頂上，我們在開會或者是上班的時候需要用到WIFI，但是當我們下班的時候，我們其實就用不到這些WIFI了。那怎么能去智能的對設備進行關斷來降低能耗呢？這也是我們需要考慮的一個問題。

三是運維效率的問題。運維對于從事計算機行業的人而言都不陌生，不管是互聯網的數據中心還是其他服務的運維都是非常消耗成本的。相比于互聯網而言，電信網絡更復雜的，它不僅是一個DC內部的維護，它還涉及到每一個數據中心和千家萬戶之間的維護，比如寬帶之間的維護，基站之間的維護等。這樣的維護成本當然更加的高，而現在的電信網絡的維護大部分都還是依賴人工，這樣也造成了其成本異常的高昂。

2.3、自動駕駛的電信網絡能帶來什么改變？

首先從我們的部署上來看，自動駕駛的電信網絡的敏捷程度更高，部署時間更短，原來周級別的部署可以通過自動駕駛調整到分鐘級別。然后，傳統電信網絡中一些需要人工檢查的部分在自動駕駛的網絡中做到了自動化。原來的人工檢查通常是查看設備的一些報警、一些日志以及設備的狀態。這些部分我們都可以用AI來實現自動化。還有就是對于能源的消耗以及資源的利用，自動駕駛的電信網絡能根據場景下的流量、人員的分布以及接入的壓力來做一些智能化的路由和調控。最后，對于自動駕駛的電信網絡而言，網絡的監控和業務的解決這部分是分離的，我們可以基于業務的智能分析，遇到問題時，先進行恢復然后再進行解決。運維強調的就是快速恢復，所以自動駕駛的電信網絡的工作重點是電信領域的預測類、重復類、場景化類的復雜性的問題。通過自動駕駛的電信網絡，能更好地降低我們運營的成本并提高效率。

三、華為SoftCOM AI使能自動駕駛網絡

3.1、華為實現自動駕駛網絡的創新架構

前面部分講述了什么是自動駕駛的網絡，自動駕駛的網絡和傳統網絡相比所存在的優點，那我們是如何通過SoftCOM AI去實現電信網絡的自動駕駛呢？

首先，我們有三層智能，云地聯動，開放極簡的創新架構。

從云端來看，我們有SoftCOM AI的云在進行模型的訓練，然后云端將訓練好的模型下放到控制單元進行推理決策。而我們也把這些能力都開放出來，用來支撐各種復雜的業務場景。我們開放了很多API，提供了網絡規劃、網絡優化、自動配置和故障恢復等能力。

3.2、實現自動化駕駛網絡的規劃

我們參考了汽車自動駕駛的分級，按照實現自動化的難易程度把網絡的自動駕駛分為了五個層面。從下圖中的這五個層面去理解，可以很直觀的感受到我們的人工智能逐步地代替人工的過程。

而目前，我們網絡的自動駕駛才達到L2的級別，可以看出我們的前景是非常廣闊的，我們要做的事情還有很多，而這之中也蘊含著非常巨大的商業價值。后面，當我們的5G上來以后，我們5G的設備的密度會比4G的設備密度更高，在這樣的一個體系下面，電信網絡的“自動化駕駛”將會是一個非常有前景的事業。

自動駕駛網絡分級

我們期待用十年的時間邁入電信網絡L5自動駕駛階段，到那個時候，電信網絡就能完全的自動，自愈，自優，自發以及完全自動的解決問題。只有到了L5級別，我們才能說真正達到了電信網絡的自動駕駛。我們的商業目標是從2019年到2021年來實現局部的自動駕駛， 2022年到2025年實現高度的自動駕駛，2026年到2030年實現全面的自動駕駛。下面就是我們每一個過程的商業目標。在實現電信網絡自動駕駛的過程中，電信網絡的成本會不斷減少，效率也會有一個較大的提升。

實現電信網絡自動駕駛的目標規劃

3.3、SoftCOM AI如何使能自動駕駛網絡？

首先，需要明白的一點是：SoftCOM AI不等于網絡的自動駕駛。如果要達到L5的這種級別，除了SoftCOM AI，我們還需要很多相關的投入，比如設備的升級改造，比如豐富平臺上面的CASE。但同時，更多的問題也會暴露出來，因此我們還需要其它的方案去解決這些問題。SoftCOM AI的目標是使能這個網絡的自動駕駛，我們希望通過這樣的一個平臺，來讓更多的人去發現問題，解決問題，然后才能一步一步邁向我們最終的目標。

四、華為帶來的智能、自治的網絡的服務

4.1、智能的，自治的網絡應該具有的結構

我們要達到的智能的，自治的網絡應該具有什么樣的邏輯功能呢？從下圖中可以看到這樣一個邏輯。

首先，我們把網絡從原來的ALL IP演變成我們的SoftCOM，SoftCOM是什么意思呢？就是指網絡+云，也就是ALL IP+ALL Cloud。我們把網絡按照我們云的架構來進行部署，云的特點就是服務化，能去動態地調節，按需使用，就像是使用自來水一樣去使用我們的網絡資源。

然后，在基于SoftCOM的基礎之上，我們又加上了AI，進一步變成了SoftCOM+AI。我們希望把網絡往Intelligent這個方向去發展，去遷移。那我們怎么去實現呢？

第一步：我們需要讓云端的AI模型訓練平臺能持續地接入到網絡層，將獲取到的數據進行實時地訓練并將訓練得到的模型實時更新。然后將更新后的模型部署到我們完整的網絡中，該網絡包含了無線網、圓周網、核心網以及數據中心等。我們所需要解決的問題就是網絡的規劃、建設、維護和優化。

第二步：使能我們的網絡從質量的自動優化、故障的自我修護向自治的網絡這個方向進行演變。我們的目標就是要使資源運用效率要倍增，運維效率要倍增，業務體驗要提升。

4.2、云服務和SoftCOM AI平臺相結合

基于AI的平臺的SoftCOM能提供很多能力。通過這些能力，我們能去遷移我們的目標。在云服務的上層，我們能通過云服務去解決識別出來的一些問題，同時，我們能通過云服務的方式提供基站式的智能關斷、智能柵格、多載波優化和Massive MIMO的廣播約束優化等。而在云服務的下層，我們還提供了云服務的數據流服務、模型服務以及平臺服務。

AI的關鍵是要獲得數據，有了數據以后又要考慮怎么去管理數據、治理數據以及清洗數據。而我們的數據湖服務就提供了這樣的能力。AI開發者都可以參與到我們平臺上面，去基于我們數據湖的服務進行相應的AI模型的開發和訓練。

模型服務主要提供的是兩類服務：一類是模型的生成訓練服務，它的主要目的是訓練模型。另一類則是通信服務。這些服務都可以被快速地調用，當使用我們的服務去支撐應用開發的時候，能為開發者節省大量的時間以及成本。

平臺的服務就不在此贅述了。

而在最下層，則是我們SoftCOM AI的平臺，這里面主要包含了幾塊內容。從上往下看，首先是AI的模型市場，一些好的模型可以在模型市場進行發布。然后是數據湖，數據湖提供了一些數據處理的工具，包括數據采集的工具。后面是我們的一些訓練平臺，提供了一些開發的工具、API、SDK以及相應的電信領域的一些知識，方便開發者進行獲取并使用。再后面則是推理框架。當我們把模型做成應用包以后，可以很方便地在我們的推理框架上進行部署和應用，從而解決大家在部署以及應用方面所遇到的難題。不是誰都可以在電信網絡里進行部署的，這一塊主要是由華為提供相應的框架去支持，但一些基于標準的輸入仍然是可以在我們的推理框架上進行部署的。

4.3、數據湖服務

數據湖能提供電信領域專業、安全的數據服務，包含了我們的數據資產、數據集。特別要強調的是：我們在數據的安全管控這一塊是非常嚴格的，我們有嚴格的授權和分享的機制，對于數據的使用過程也有嚴格的管控，包括整個生命周期的獲取、傳輸、存儲、使用還有銷毀。我們能讓電信領域的數據被高效地治理，能使數據處理的效率提升五倍以上。我們的數據也非常豐富，并且訓練集獲取的耗時降低了百分之九十。最后，我們是多租戶隔離的，我們要實現的是端到端的數據安全。

4.4、訓練平臺

訓練平臺主要提供的是訓練、開發的作用。我們的底層是基于華為的AI技術站去構建的。我們會在這上面提供電信領域的一些數據，主要提供的是一些結構化的數據、時序類的數據。很多開發者都有分析時序類數據的經驗，那么就可以比較輕松的加入我們的AI開發者體系。當然了，如果對這些還不是很熟悉的話，我們也提供了一些SDK來方便開發者的工作。

我們的SoftCOM是一個全球分布式的數據平臺，從數據的導入建模、特征的處理、訓練的調測、模型驗證和模型管理等方面都可以給大家提供很多的幫助。同時，我們還可以集成相關的一些能力，我們的優勢主要是利用電信的經驗的嵌入來幫助開發者快速地進行開發。同時我們支持聯邦學習，以此滿足我們的數據安全的需要。好多企業不愿意，也不方便把數據放到一個統一的環境去管理，則可以通過聯邦學習的方式進行本地訓練，然后在服務器端去集成。我們還支持遷移學習，還有面向向導的開發，通過這些能大大提升效率。

4.5、部署方式

我們的部署形態主要是支持公有云部署，當然也支持混合云和合營云的方式，我們也能支持各種用戶的不同的訴求。

我們的部署方式有設備的嵌入、網管的集成、私有云部署以及公有云部署這四種形態，部署方式與我們實際去使用這個模型的場景是密切相關的。

4.6、開放的AI平臺

我們的AI平臺是非常開放的，并能使得開發效率提升80%。如果開發者覺得他的模型的效果非常好，還可以很快的地我們的平臺上進行快速變現的。

五、智能網絡的實例

5.1、大型DC冷凍水智能降低PUE

為了讓機房里的設備運行穩定，我們往往都會在機房安裝一套設備來控制機房的溫度。PUE的意思就是：非計算產生的能耗，比如降低機房的溫度所產生的能耗與總能耗的比值。我們的目的就是為了讓這個比值盡量的小。我們可以通過冷凍方式，通過風冷水冷這樣的冷卻系統來降低非計算產生的能耗。如果每年我們的機房能降低百分之八到百分之十的能耗，這樣，機房能節約的成本就是百萬級的。如果我們能做一個相對通用的模型在各個數據中心去部署的話，那我們帶來的價值是非常巨大的。

5.2、Massive MIMO廣播波束優化

當我們在建模我們的基站的時候，我們需要去調整天線的方向角。我們通常是根據人的經驗來去調整，利用人工來完成這樣的工作。調整天線的方向角有這么重要嗎？如果角度調整得比較好的話，天線能有更大的覆蓋面積，能服務更多的人，能讓更多的人擁有更好的體驗。如果調整得不好，雖然在使用者的附近有一些基站，手機的信號可能依然不是很好。而天線的方向角的調整，是有一些方法的。3G的調節的方法有13種，4G的調節方式則有283種，而5G則有數千種，如果我們依靠人工去一次次地調整，想把天線調整到一個合適的角度，那肯定是很難的。而且人工的成本是相當的高昂的。所以我們希望通過機器學習去自動尋找到這種最優的調節的組合。而我們現在可以通過這樣智能的調節，使得該網絡下的流量增加百分之十八，能使得該網絡服務的用戶的數量增加百分之十八。這樣，就能幫助運營商減少了很多成本。

六、SoftCOM的業務范圍和體驗

6.1、SoftCOM的官網

SoftCOM的官網入口：https://www.hwtelcloud.com/

6.2、SoftCOM AI的典型應用

SoftCOM AI的典型應用有：基站能耗節省，降低數據中心PUE，PON的故障檢測，核心網的KPI的異常檢測，故障工單，VoLTE的故障分析，Massive MIMO波束優化，惡意流量攻擊檢測等業務場景。

6.3、SoftCOM AI帶給開發者的開發體驗：

1、通信經驗固化為算法模板與服務，用戶輸入數據即可快速生成模型

2、提供通信領域知識庫，算法推薦，開發向導，提升算法開發效率

3、采用多地數據進行聯合訓練，輕松應對通信行業小數據量，數據缺失的場景

4、向導式開發工具&開放協同支持多框架助力開發者

5、數據中心PUE優化模型訓練流程圖

七、SoftCOM AI的操作實例

點擊視頻鏈接，觀看硬盤故障預測工程示例：

https://console.huaweicloud.com/softcomaiportal/docportal/index.html

八、總結

電信行業所面臨著一個巨大問題：設備的OPEX(Operating Expense)成本是設備的CAPEX(Capital Expenditure)成本的三到四倍。為了解決這樣的問題，華為欲打造電信網絡的“自動駕駛”，打造一個高度自治，高度智能的電信網絡。而這之中一個重點介紹的部分就是SoftCOM AI，華為通過SoftCOM AI來使能電信網絡的自動駕駛，計劃用十年的時間邁入電信網絡L5自動駕駛階段，到那個時候，電信網絡就能完全的自動，自愈，自優，自發以及完全自動的解決問題。然后，本文重點介紹了兩個例子：大型DC冷凍水智能降低PUE和Massive MIMO廣播波束優化。在最后，還附上了SoftCOM AI的實際操作的視頻鏈接。同時，我們也希望更多的開發者能加入到這個行業之中來，與華為一起實現“把數字世界帶入每個人，每個家庭，每個組織，構建萬物互聯的智能世界”的偉大遠景。

視頻鏈接：https://mp.weixin.qq.com/s/OGqycTRro--aY552b_Z-Aw

AI

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。