为什么说5G时代移动网络也需自动驾驶

5G已经照进现实。但5G时代，不断增长的移动网络复杂性，让运营商面临着前所未有的挑战。具体挑战是：

第一，2G/3G/4G/5G四世同堂，网络管理复杂度非人力所能及。

第二，以Massive MIMO为代表的新技术应用给网络性能提升带来不小挑战。

第三，多业务并行，做好多业务的管理挑战大。

就这些挑战，很多运营商呼吁借助当前越来越成熟的人工智能（AI）解决。其解决的过程，就会要求运营商必须打造一个运维管理效率极优、性能极好、业务敏捷的移动网络，让网络走向“自动驾驶”。

在AI时代，自动驾驶足以彻底改变我们的交通出行方式，足以和此前汽车、飞机的普及相提并论。而5G+AI，也将实现网络的自动驾驶，创造划时代的意义：运营商成功解决上述挑战，降低运营成本OPEX，快速发展新业务，让更多企业与消费者受益。

但是，自动驾驶的汽车落地不容易，被分为多个阶段逐步实现，自动驾驶的移动网络也是，需要分成5个级别。那么，运营商到底应该如何逐步实现移动网络的自动驾驶？尤其是现在5G商用前夜，运营商应该做哪些准备？

运营商呼唤自动驾驶的移动网络

据第三方咨询公司调查显示，全球超过80%的运营商认为，网络的自动化是减少运营成本OPEX的关键。因此，他们希望到2025年，网络的自动化驾驶水平超过60%。AI技术被认为是实现网络自动驾驶的关键。

对运营商工程师而言，运营运维一张网络还可以，运营几张网络就压力很大，但倘若2G/3G/4G/5G网络四世同堂，那压力就不只是“大”可以形容。网络管理复杂非人力所能及。这种挑战不止体现在费用方面，更是体现在人才的培养上。

从技术角度，我们看到现在全球运营商都在大量部署Massive MIMO、异构组网等新技术与架构，但这些技术架构给网络潜能的挖掘带来巨大挑战。比如Massive MIMO技术，虽然能够很好的应对毫米波的信号衰减导致的接收天线接收到的信号功率减少问题。但是由于多天线阵列的大部分发射能量聚集在一个非常窄的区域，系统必须用非常复杂的算法来找到用户的准确位置，否则就不能精准地将波束对准这个用户。这也是非人力手工就能解决的问题。

从业务角度看，5G的到来扩展了移动网络业务，除了语音、话音和流量业务，运营商还将要支撑面向教育、工业、交通等不同领域的业务，多业务并行发生，网络模式估计要“切来切去”（基于切片技术）。可以预见，多业务网络的用户体验管理也变得更为复杂。

这些挑战将带给运营商巨大运营和成本压力。因此，全球运营商有识之士，都纷纷提出引入AI技术实现自动驾驶的移动网络。

移动网络应用AI有优势，也有挑战

过去，运营商要实现自动驾驶移动网络很难，因为AI还不成熟。今天，AI技术进入成熟增长期，将开启第四次工业革命。因为这几年，诸多企业在发力AI。其中，华为在今年10月份发布了AI战略及全栈全场景解决方案。

其实，作为深耕电信市场的华为，很早就感受到运营商面临的上述移动网络挑战和压力。因此，华为积极布局，投入资金和人力，试图将AI引入到移动网络中。

华为常务董事汪涛在最近的全球移动宽带论坛上就提出华为的目标：力求打造一个运维管理效率极优、性能极好、业务敏捷的移动网络，让网络走向“自动驾驶”。

在汪涛看来，移动网络在应用AI方面有其自身优势。

首先，AI离不开有效的数据获取，移动网络结构化数据占比高；

其次，AI离不开算力，而基站本身的算力强，以一个1万站规模的网络为例，全网的基站算力可与8000台高性能计算服务器相媲美；

最后，AI发展要有人才。移动网络30年的专家经验，也为网络应用智能化提供有力保障与支撑。

当然，在移动网络应用AI，运营商也要充分考虑移动网络独特的特点：

首先数据具有强时效性，

其次站点分布式结构，

另外还要考虑移动性带来的场景多样性。

值得一提的是，移动网络的自动驾驶，也是要分阶段的。自动驾驶分别为五个阶段，对比看，“自动驾驶”网络也可以分为五个阶段。

根据汪涛的介绍，自动驾驶网络从“解放双手”到“解放双眼”，再到“无人驾驶”，这一过程可以分为L1-L5 。5个等级分别是L1辅助运维，L2部分自治网络，L3有条件自治网络，L4高度自治网络，L5完全自治网络，其中L5是电信网络发展的终极目标。

“自动驾驶”移动网络如何建？

明确场景是实施网络自动驾驶的关键。运营商在细分场景后，借助AI技术来逐步分级别实现自动驾驶。在从L1到L5的进程中，AI的作用不断加大。比如L2级别，自适应的自动化取代了基于规则的自动化，多个工作流可以被有效串接；再比如L3级别，利用AI准确的识别各种场景，进行根因分析，为自动决策提供依据。

业界针对自动驾驶汽车定义了3层，包括Sensor、分析+控制，以及云平台。与汽车逐步实现自动驾驶一样，“自动驾驶”移动网络的架构可分三层。

第一层，设备层面的智能芯片+Telemetry将面向网络和业务级应用以分为的真实数据实时上报是基础，本地智能分析找出网络风险并给出优化建议。

第二层，通过自动化系统来进行本地优化闭环来实现网络自治。

第三层，云端平台将数据汇聚后进一步训练提炼更精准的算法并推送到本地系统，达到更优的网络自治效果。

对于移动网络自动驾驶架构，汪涛认为，必须考虑移动网络自身的独特特点，从站点、网络和云端三个层面构筑移动网络的智能化能力。

首先，站点层面主要聚焦场景匹配、数据收集与提炼，以及低时延智能算法等能力的构筑，进行实时的数据分析与短时延的智能推断。

汪涛介绍到，站点AI主要为网络提供两个重要能力，一方面，数据提炼，站点产生的海量数据提炼为有用的样本数据。另一方面，嵌入式的AI框架支持在CPU、DSP或未来的AI芯片上进行实时的AI算法推断。

其次，网络层面通过采集移动网络全域的数据和状态，进行数据分析和推理，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，对网络进行智能的控制。

再次，汪涛强调到，想要实现无线网络的自动化，两个转变是关键，即从以网元为中心的运维转变为以场景为中心的运维，以及单纯的网络管理到管理控制融合，从而获得预测、智能识别等能力，实现移动网络自动化管理和控制。

最后，云端层面落实智能模型和训练能力，实现新一代智能服务。未来，华为全球化的网络自动化管理经验将为运营商提供AI模型开发与训练服务，持续开发新AI服务和升级AI模型服务，提供在线的AaaS（AIas a Service）。

产业链正在如何助运营商？

对构建“自动驾驶”的移动网络，华为面向整个电信网络提出了“自动驾驶”SoftCOM AI 总体架构，移动网络“自动驾驶”是总架构中一部分。

实现移动网络自动化，华为凭什么？在笔者看来，华为服务于全球400多家电信运营商，有150多张电信网络的运维经验，有30年的深厚积累，有一支深度理解电信网络的专家队伍。这支专家团队是华为实现移动网络“自动驾驶”的核心竞争力之一。

据介绍，未来华为围绕网络规划、网络部署、网络维护优化和业务发放四大工作场景，分步骤地构建“自动驾驶”的移动网络。“华为将以更高效率、更优性能、更敏捷业务为目标，坚持把复杂留给自己，把简单留给客户，在5G时代实现移动网络全场景自动化。”谈及华为的目标，汪涛如此表示。

当然，移动网络自动驾驶不是一蹴而就，要分场景、分级逐步释放自动化价值。由于自动驾驶网络不是单个产品的创新，而是系统架构和商业模式的创新，因此我们看到华为在呼吁：全产业要共同定义清晰的标准、牵引技术创新并指导落地。

一个好消息是，在近期全球移动宽带论坛期间，华为发布了《自动驾驶移动网络》白皮书，阐述将从基站部署、网络节能等7个子场景开始实施网络自动化。与此同时，该白皮书首次公布了面向网络自动化需要构建的5大关键能力（POBSI模型）：可编排（Programmable）、在线化(Online)、流程桥接(Bridging)、可感知(Sensibility)、智能(Intelligence)。

随着研究的推进，华为将持续刷新应用场景并对外公布研究成果。在笔者看来，借助该白皮书，运营商与产业伙伴可以参考与匹配，结合现实痛点分场景的推动网络自动化，逐步解决网络复杂性带来的OPEX问题。

CASE1：AI助力VoLTE部署

全球已有50%的网络开通了VoLTE，为用户提供高清语音，一些运营商也在积极行动中。

VoLTE相关的参数设计超过60个，且对于覆盖质量要求更高，对于弱覆盖非常敏感，VoLTE的E2E组网中节点数也多，对于问题定位带来很大的难度。AI技术可以大大提升VoLTE的设计部署、网络优化、故障定位的效率，使复杂的工作简单化、自动化。

在初始规划阶段，运营商利用聚类算法，可以对多频组网场景、多特性互操作场景进行识别和汇聚，自动匹配生成VoLTE初始参数策略配置。在运营阶段，系统实施监控和分析网络覆盖质量，发现弱覆盖区域，利用梯度下降决策树算法（GBDT）进行RF参数的自动寻优，找到最佳参数值组合，解决弱覆盖问题。在故障定位过程中，系统通过根因分析（RCA）找到影响语音质量的问题，利用Q-learning（强化学习的一种算法）给出问题修复建议。

可见，通过AI和数据分析技术，可以大幅提升VoLTE业务运行维护的效率和准确性，为高质量的语音业务提供保障。

CASE2：AI助力Massive MIMO建设

众所周知，Massive MIMO是5G网络中最重要的解决方案，为Massive MIMO带来智能是5G自治网络的基础。MM波束成形为网络带来了灵活性，但也是管理的复杂性。华为正在计划关键工作场景中的智能MM解决方案，尝试利用AI和MM波束成形特性来达到过去不可能实现的自治网络。

据悉，华为推出的Smart Massive MIMO解决方案将提供最强大的传感器功能，包括天线GPS信息，这种边缘智能将在第一时间实现全自动站点配置。设备测量信息将用于增强传统的驾驶测试，大数据将实现准确的传播模型，覆盖预测模型和网络流量模型训练，这将是自动网络规划，覆盖调整和节能的推动者。中性网络推理能力将建立在站点处理器中，这使得MM波束成形模式推断的时间小于0.1毫秒，这为自动性能优化奠定了基础。