智东西内参| 白皮书 model|增资|英寸晶圆厂|海集团

文章插图
随着互联网+、云、 5G、 4K、 VR 等新业务和新技术蓬勃发展，数字经济下新的价值体系正在重建，用户体验要求越来越高，网络规模越来越大。 Ovum 分析报告显示，过去 10 年电信行业收入增长低于 OPEX增长， OPEX 在电信网络 TCO（总体拥有成本）的占比从 62%上升到 75%，平均每 1 万台设备运营维护需要300 名工程师。
对数据和信息的掌控能力是运营商数字化转型的重要基础， AI 技术的蓬勃发展为运营商数字化转型带来了新的可能。利用 AI 强大的数据分析和信息提取能力，通过对海量网络数据采集、分析、预测、决策，为运营商诊断网络质量，优化业务性能，减轻运营负担，改善用户体验带来无限可能。运营商网络引入 AI是数字化转型的必然方向。
本期的智能内参，我们推荐中国移动的报告《光网络人工智能(AI)应用白皮书》，阐述AI在光网络领域的总体架构和关键技术。
来源中国移动
《光网络人工智能(AI)应用白皮书》
作者：未注明
一、光网络 AI 应用场景1、 AI 分析类场景同缆风险智能识别场景。光缆哑资源长期缺乏有效监控、运维手段，主备业务或关联业务实际部署到同一条光缆上并不鲜见，单条光缆中断后主备业务或关联业务同时失效，不仅导致业务中断，而且部分网络成为孤岛缺乏远程应对手段。以人工巡线、人工录入方式维护同缆信息，随着网络不断变更和演进，综合资源管理系统同缆信息数据不够准确，不足以支撑精准识别同缆，效率和识别准确度较低，亟需引入 AI 技术，智能识别主备业务、关联业务是否存在同缆风险,保障网络高可靠运行。
光缆拓扑智能规划场景。网络规划与业务发展脱节，造成网络负载不均、资源利用效率低下、资源需求冷热不均，根因是网络拓扑已经无法匹配业务流量流向变化，基于业务精准预测反向优化网络拓扑，通过适量加纤加缆，实现网络承载能力倍增，适应业务变化和发展需要。
业务故障智能定位定界场景。秒级、毫秒级甚至微秒级业务闪断发生频次高，但持续时间短，无告警上报，且故障很难复现，基本靠用户投诉，人工定位和回溯困难，严重影响客户感知和运营商口碑。同时，用户卡、慢、断体验差与应用、带宽、连接多个维度紧密相关，根因定位定界涉及大量网络数据，人工分析效率很低，大多数用户业务体验问题难以根治。迫切需要引入 AI 技术，提升光网络瞬态变化感知精度，实现性能瞬变监测和闪断智能定界定位，实现用户体验差根因的高效定位定界。
2、 AI 预测类场景光网资源预测场景。随着专线业务的快速发展，业务发放效率成为运营商的核心竞争力，而传统的三滚资源规划很难适应专线的随机性和突发性，当前运营商对网络投资收紧加大了资源精准预留、业务快速发放的难度。引入 AI智能资源预测，结合历史业务增长趋势，实现资源高效利用，业务发放“零” 等待。
光网健康预测场景。光网络的性能劣化、隐患变故障是渐进式发展的，基于阈值的人工判断方式难以识别，故障一旦发生，经常导致大量业务中断、修复周期过长等挑战。随着光网络承载的业务流量增长，维护压力与日俱增，迫切需要引入 AI 智能识别网络健康、提前预测风险。
光波长通道余量预测场景。随着数字化经济的发展，光网络上波长增加明显提速，同时为了增加网络可靠性引入 ASON 智能路由调整，使得网络中频繁加掉波，从而对现有波长性能产生影响，而当前人工方式工作量大，效率低，精度差。引入 AI 智能余量预测，自动对波长余量进行动态仿真，精准模拟加掉波对现有波长的性能余量变化和劣化根因分析，为精准调测提供保障。