過去十年，電信網絡經歷了All IP、ALL Cloud變革，用戶體驗提升同時也帶來更多問題。OPEX是CAPEX的3倍以上，網絡復雜度使網絡管理難度超過人的能力，70%重大故障都是人為因素。運營商網絡面臨結構性問題，依靠壓縮費用或提升人員技能已不能解決，需要“用構架性創新解決結構性問題”。

華為SoftCOM AI在全云化網絡構架上，引入以機器學習為核心的AI技術。整個構架有兩個核心，一是AI訓練平臺，訓練數據，輸出模型或算法;另一個是推理平臺，收集數據，根據模型或算法推理網絡動作指令并執行。網絡將從自動化業務部署和動作執行，走向智能化的故障自愈，自我優化，自我管理。最終實現“自動，自優，自愈，自治”永不故障的自動駕駛網絡。

自動：網絡自動發放運行業務，包括業務自動部署、彈性伸縮、流量調整等。自優：網絡系統自動優化，如話務模型變化、流量不均衡的時自動調優。自愈：故障自動隔離，自動修復，實現網絡永不故障。自治：系統實現自動、自優、自愈后，就達到了自治水平,是網絡的最終狀態。

提升用戶體驗，實現三個倍增

SoftCOM AI解決方案對運營商價值為“三個倍增”，即運維效率、能源效率、資源效率倍增。

運維效率倍增

人工智能用于設備和網絡全生命周期，可消除無效故障，縮短故障處理時間，提升運維效率。例如某移動運營商將運維承包給第三方，通過工單數量與合作方結算費用。無線領域一個月工單6.3萬張，設備硬件類故障不到10%，超過70%故障源自無源設備，如光纖彎曲老化、接口松動。“設備收編站點，有源管理無源”實現線纜、連接器、動力環境問題大幅下降，“智能故障預測，網絡負荷分擔”變搶修為基于狀態計劃性維護，“人工開環轉為設備閉環”實現非物理故障恢復自動化，工單數量降到原來的10%。

能源效率倍增

運營商能耗分布：站點能耗占65%，數據中心占20%。網絡流量分布在時間和空間不均衡，10%的站點產生50%的流量，50%的站點產生5%的流量。機房/站點，AI訓練生成散熱與環境及業務負荷模型，使日照、溫度與油機、太陽能和電池等達到最佳能效;設備層，根據業務負載進行動態能量投放，無流量時隙關斷、RF深度休眠、載頻關斷等減少耗電量;網絡系統，構建準確的業務負荷預測模型，使整網流量最優達到能效最佳。實現“比特決定瓦特”，即網絡流量大小決定能耗多少。

資源效率倍增

網絡資源包括骨干網、核心網、有線無線網絡資源等。現在資源管理是網絡建設好，流量隨之流動，資源利用可能不合理。引入AI，基于流量走向調度網絡，實現管線、機房等設施最佳利用;根據用戶、終端、業務分布，實現空口頻譜最大程度利用;對彈性流量削峰填谷，提升骨干網利用率。如骨干網，熱點DC間的IP骨干網絡利用率接近70%，非熱點DC間的網絡利用率不到30%。傳統基于專家規則確定調優策略，不能獲得持續負載均衡。通過AI，如流量趨勢預測、路徑性能預測，不犧牲 QoS 或 SLA，流量路徑幾乎實時變動, 達到最優。測試證明，AI優化的骨干網線路忙時利用率從平均30%提升50%以上。

華為先針對運營商效率提升明顯的應用入手，不斷擴充應用、改進算法、探索部署模式，逐步將AI應用到運營商全網,實現自動化網絡向自治網絡邁進。