智东西内参| 白皮书( 二 ) model|增资|英寸晶圆厂|海集团

3、 AI 优化类场景光性能智能调测调优场景。一二干融合、省本一体化、区域干线驱动网络组网规模扩大， ASON 智能路由调整加大网络变数，光模拟网络面临手工调测效率低、出错概率高、效果不可控。引入 AI 智能优化调测步骤，结合自动性能检测，实时监控关联路径的性能，保障网络处于稳定、较优状态。
光网络资源智能优化场景。为适应动态的业务变化、保障网络性能指标时刻处于最优并发掘网络利用潜能，需要对波长、链路和路由实施动态优化。以往各类传输优化工具或软件主要借助固化的方法和简单的规则，甚至依赖工程师的经验来完成优化，并未识别到本质特征、考虑维度简单、相关性分析不足、局部而非全局，所以优化的结果往往不是普遍有效。如今随着网络规模和业务规模的不断扩大，传统优化方式难堪重任，需要引入人工智能来完成整个传输网生命周期内的精细化、动态化、智能化的优化。
切片智能优化调度场景。 8K 视频业务， VR/云游戏等高清视频类业务强交互、高并发，与传统上网、语音等弱交互、统计复用业务相比，对网络带宽、时延、丢包率等要求迥异，需要为此类新兴业务预留独立的资源以保障业务体验，依赖人工根据业务变化动态调整资源分配基本不可行，引入 AI 智能的切片调度，保障不同业务的差异化体验需求。
二、光网络 AI 关键实现技术面向光网络哑资源数智化管理、网络数智化分析需求，通过引入AI和数字化技术，提出光网络AI应用解决方案，推进网络运维数智化转型，实现运维提质增效，牵引网络技术变革。
光网络AI应用解决方案架构可以为运营商提供哑资源管理、智能规划、智能运营、智能维护和智能优化等AI应用，实现全生命周期自动化、智能化运维，支撑政企和家宽业务高品质发展。整体架构图如下图所示。

文章插图
光网络 AI 应用解决方案架构图
1、融合感知技术光网络感知技术。面对高复杂度的多参量光网络系统，为了能够全面、精准、实时感知光网络状态，网元系统和管控系统需要从维度、精度、频度等多个角度进行光 Sensor 数据的分层采集和汇聚，并通过 AI 算法对原始光Sensor 数据进行数据挖掘，支撑光网络的各类业务场景。
网元设备，分层采集：光 Sensor 技术是以光技术手段感知、检测多种物理量，并将模拟物理量数字化的一种技术。网元系统将光 Sensor 技术采集的数据进行 4 层划分，分层采集：光业务层、光部件层、光信道层、光链路层。
光业务层数据主要是客户关注的业务属性指标，比如带宽、时延、误码、保护倒换时长等指标；光部件层数据主要是采集光部件的物理指标，包括功率、温度、电压、频偏等；光信道层数据关注点在于信道的属性特征，类似信道编号、光信噪比、单波功率等；光链路层数据集中在链路侧的特征，包含光纤损耗、光纤类型、光纤事件等。
管控系统：1）数据汇聚：考虑到数据存储结构和内容的差异性，管控系统需要将采集的数据进行分类汇聚，可分为资源数据底座和性能数据底座。资源数据底座汇聚的数据主要是静态的存量数据，比如业务存量数据、网络拓扑存量等。性能数据底座汇聚的数据主要的非静态的性能数据，比如性能、告警、日志等随着网络运行动态变化的数据。
2）数据挖掘：汇聚的资源和性能原始数据表达的信息量始终是有限的，因此分析系统需要基于 AI 算法技术对光 Sensor 数据进行数据挖掘获得额外的信息量，用于支撑感知、诊断、预测、控制等多类业务场景。