通信人工智能的下一个十年（下）

导读：从早期的各自独立演进，到5G与人工智能开始深度融合发展，“5G与人工智能”已被业界视为一组最新的通用目的技术组合，对垂直行业的发展起到提振生产力与赋能的作用。

通信人工智能的下一个十年

欧阳晔1, 王立磊1, 杨爱东1, 马利克·萨哈2, 大卫·贝兰格3,4, 高同庆5, 韦乐平6, 张亚勤7

1 亚信科技（中国）有限公司，北京 100193

2 美国威瑞森电信公司，美国 纽约 10036

3 美国电话电报公司，美国 得克萨斯 达拉斯75202

4 美国斯蒂文斯理工学院，美国 新泽西 霍博肯 07030

5 中国移动通信集团公司，北京 100032

6 中国电信集团公司，北京 100033

7 清华大学，北京100084

【摘　要】移动通信技术走过了37年的发展历程，人工智能技术也已走过了64年的发展历程。从早期的各自独立演进，到5G与人工智能开始深度融合发展，“5G与人工智能”已被业界视为一组最新的通用目的技术组合，对垂直行业的发展起到提振生产力与赋能的作用。首先介绍了早期移动通信和人工智能各自的发展路线，并重点回顾了人工智能与通信技术在3G到5G阶段开始融合发展。针对通信人工智能，详细阐述了当前人工智能技术在移动通信生态系统中各领域的发展情况，包括通信网络基础设施、网络管理与运营、电信业务管理、跨领域融合智能化、垂直行业与专网等，并总结了通信国际标准组织对人工智能技术在移动通信系统中的分级定义与演进路线。面向下一个十年，展望了通信人工智能未来的发展路线与演进趋势，并结合 3GPP与ITU-R的5G/6G时间表，前瞻性探索了基于3GPP和O-RAN路线的网络智能化、基于体验感知与意图的网络管理与运营系统的发展、网络AI信令体系、面向智慧中台演进的电信业务与支撑体系、跨领域融合的智能化体验管理与策略管理、从SLA向ELA的演进以及面向垂直行业的智能专网等。最后建议行业达成共识，在下一个十年中全面加速推进人工智能在通信生态领域的发展。

【关键词】人工智能 ; 移动通信 ; 5G ; 通用目的技术 ; 网络智能化 ; 随愿网络/意图网络 ; 网络AI信令体系

【Abstract】It has been an exciting journey since the mobile communications and AI were conceived 37 years and 64 years ago.While both fields evolved independently and profoundly changed communications and computing industries, the rapid convergence of 5G and AI is beginning to significantly transform the core communication infrastructure, network management and vertical applications.The individual roadmaps of mobile communications and artificial intelligence in the early stage were firstly outlined, with a concentration to review the era from 3G to 5G when AI and mobile communications started to converge.With regard to telecommunications artificial intelligence, the progress of AI in the ecosystem of mobile communications was further introduced in detail, including network infrastructure, network operation and management, business operation and management, intelligent applications towards BSS ＆amp; OSS convergence, verticals and private networks etc.Then the classifications of AI in telecom ecosystems were summarized along with its evolution paths specified by various international telecommunications standardization bodies.Towards the next decade, the prospective roadmap of telecommunications artificial intelligence was forecasted.In line with 3GPP and ITU-R’s timeline of 5G ＆amp; 6G, the network intelligence following 3GPP and O-RAN routes, experience and intention driven network management and operation, network AI signaling system, intelligent middle-office based BSS, intelligent customer experience management and policy control driven by BSS＆amp; OSS convergence, evolution from SLA to ELA, and intelligent private network for verticals were further explored.It concludes that with the vision AI will reshape the future B5G/6G landscape, and we need fully take the unprecedented opportunities.

【key words】AI ; mobile communication ; 5G ; GPT ; network intelligence ; intent based network ; network AI signaling system

4 通信人工智能的下一个十年展望

移动通信的下一个十年，将全面向B5G和6G的标准演进, 也将是通信与人工智能深度融合的关键十年。结合当前3GPP、ITU-R、ETSI等通信技术标准的发展进程，可以预见通信生态系统中各领域通过与人工智能的深度融合，将分阶段在未来逐步实现B5G与6G“完全自治”的愿景。

4.1 国际通信标准B5G到6G发展路线展望

2018年以来，欧盟、日韩、美国和我国均开始了6G预研工作, 例如欧盟在Nokia（诺基亚）的带领下启动了Hexa-X项目，美国工业界例如Qualcomm（高通）、Microsoft（微软）、Facebook （脸书）等联合成立了NextG Alliance进行6G技术研究。我国工业和信息化部已将原有的IMT-2020 推进组扩展到 IMT-2030 推进组。ITU也启动6G工作组Network 2030。2020年2月19日，在瑞士日内瓦召开的第34次国际电信联盟无线电通信部门5D工作组（ITU-R WP5D）会议上，针对制定6G研究时间表和未来技术趋势研究报告、未来技术愿景建议书的撰写等工作进行了讨论。

对于 B5G/6G 详细的发展路线，各个通信标准组织还在规划中。据白皮书以及对3GPP和ITU 6G 标准工作路标的预测，2020—2023 年，即3GPP R17-R18标准化阶段，是6G技术趋势和愿景的研究阶段；2023—2027 年，即 3GPP R19-R20标准化阶段，是6G频谱、性能的研究阶段；2027—2029年，即3GPP R21标准化阶段，是各国向ITU提交6G评估结果的阶段。

3GPP预计最早在2025年开始6G标准制定,并最快在2026—2027年即R20标准化窗口完成6G空口标准技术规范制定工作，并于2029—2030年，即3GPP R22标准化阶段向ITU提交3GPP 6G标准。可预计 B5G/6G 将继续在移动宽带、固定无线接入、工业物联网、车联网、扩展现实（extended reality，XR）、大规模机器通信、无人机与卫星接入等用例进行空口协议演进与增强，并研究和制定更高频段例如NR（new radio）52.6～71 GHz、太赫兹的相关标准。另外，6G通信标准的服务范围将从陆地扩展到卫星、海底、地下，真正实现海、地、天三位一体通信。对工业物联网等垂直行业，蜂窝窄带物联网络、面向可穿戴与视频监控等中档终端、接入与回传集成演进、5G 直传空口及其演进功能、5G非许可频段空口、定位增强、智能自组织网络、通信传感集成及其演进功能、网络拓扑增强功能等标准研究工作也将继续进行并且成熟。其中一些研究工作已经在 3GPP SA1/SA2等工作组开展。

4.2 通信人工智能在移动网络基础设施的未来展望

人工智能在通信网络基础设施的未来10年展望，从无线接入网、核心网、传输网、终端 4 方面进行阐述。

（1）无线接入网

在无线接入网中，SON 的应用场景被 3GPP定义得非常清晰，并且先前利用的机器学习算法在产业界已取得一定成效，笔者认为SON在B5G的无线接入网领域的发展会持续加速。神经网络、增强学习等人工智能算法也将逐渐取代传统机器学习的遗传算法、进化算法、多目标优化算法等，在SON中自优化、自治愈的两个领域会有很大发展的空间。3GPP SA5和RAN3也设立了2个研究课题“Study on SON for 5G”和“RAN-Centric Data Collection and Utilization for Long Term Evolution and NR”。除了继承了上一代SON的绝大多数场景用例，建议3GPP对SON的下一个关键行动是尽快定义好 SON 对 NR、5GC、OAM 和4G系统的接口与信令协议，使得SON尽快融入5G网络基础设施中。同时，目前3GPP RAN3正在研究SON独立成为一个RAN逻辑实体或功能的可行性。如果SON以一个逻辑实体的形式实现，那么将有助于SON对无线侧进行统一数据采集与分析，并实现无线侧的参数自配置、性能自优化、故障自治愈的SON的三大核心功能。

除了 3GPP 在 5G 核心网侧定义的 NWDAF,欧盟5G-MoNArch项目组也建议在无线侧可考虑设置一个独立的人工智能分析网络功能RAN-DAF对5G NR的CU面进行数据分析和决策。因为无线侧的实时性，例如无线资源调度管理等，无线侧的智能分析需要实时或准实时决策，因此基于实时数据的AI分析需要尽在本地进行，以保证能够实现即时和动态的性能优化。RAN-DAF 将作为无线接入网的人工智能与数据分析网元，具备收集和监控无线侧UE和RAN的数据，包括信道质量指标（channel quality indicator, CQI）、功率水平（power level）、路径损失（path loss）、无线链路质量（radio link quality）、无线资源使用率（radio resource usage）、调制与编码方案（modulation and coding scheme, MCS）、无线链路控制（radio link control, RLC）和缓冲状态信息等。MoNArch 建议 RAN-DAF 将这些信息送往 RCA （ran controller agent）-MoNArch定义的RAN侧控制器，相当于O-RAN定义的RIC，RAN-DAF与RCA共同决策对无线侧质量进行优化，例如弹性无线资源控制、切片可感知的RAT（radio access technology）选择、跨切片的无线资源管理等。由于RCA在3GPP里没有相对应的功能，因此一个比较现实的选择是在RAN侧仅设置RAN-DAF，以SBA的形式，通过跨领域消息总线与核心网侧互联。RAN-DAF与NWDAF和MDAF的接口描述如图15所示。目前，5G-MoNArch RAN-DAF尚未形成 3GPP 标准网元定义, 未来是否承担RAN 的控制或管理功能，或承担部分 SON 的功能，都还没有确定。建议RAN-DAF或SON的独立逻辑虚拟功能，取其一即可。

图15   5G-MoNArch定义的数据分析框架

O-RAN的RIC将会持续演进与加强，尤其在面向不同App类型时的智能策略控制，用于帮助运营商在业务编排层实现基于App特征的业务编排。RIC将感知App类型，南向根据App特征，利用第三方的xApps进行相应App的无线资源管理，北向根据 App 类型通过网络开放 API （application program interface）与边缘应用服务器进行交互，如图16（a）所示。RIC的能力开放与增强的无线资源管理功能会包括，例如多个O- RAN设备之间的数据共享、无线切片的SLA保障、车联网/无人机的无线资源优化、动态频谱共享、与MEC 结合满足垂直行业的业务需求，如图16（b）所示。对于O-RAN定义的SMO（service management and orchestration），在功能架构和接口逐渐成熟后，可支持更强大的无线云运维管理以及非实时RIC功能。

（2）核心网

NWDAF作为核心网的AI网元，在未来将具备增强的网络性能优化与用户体验优化能力，在域内实现自治和智能化服务。随着与核心网周边网元接口全面互通（例如其他NF（network function）、AF（application function）和OAM等）以及数据软采集能力实现，NWDAF 将可以全面、实时地参与核心网控制面的决策控制。例如NWDAF 与 NSSF 和 PCF 合作，PCF 可根据NWDAF 的切片级分析结果做出策略执行决策， NSSF可根据NWDAF的负载分析做出切片选择。

图16   基于O-RAN RIC的业务编排和O-RAN RIC的能力开放

NWDAF 一个新用例是“UE 驱动的分析共享”。在这个用例中，UE 端的信息（例如用户定位信息、用户画像信息等）帮助NWDAF做网络切片的智能决策。其关键功能是NWDAF如何收集 UE 级别的信息，以及 NWDAF 如何使用 UE信息做分析后再将分析结果提供给其他 NF。与NWDAF相关的研究项目还包括基于NWDAF协助的QoS保障、话务处理、个性化移动性管理、策略决定、QoS调整、5G边缘计算、NF的负载均衡、切片SLA保障、可预测的网络性能等。这些功能如果在NWDAF未来实现，将大大提升5G核心网智能化的程度。NWDAF 的跨领域互动也是一个值得推进的方向。

3GPP SA5也在研究NWDAF如何将分析功能赋能给OAM或RAN。另外，NWDAF将参与与MEC的融合，通过MEC支持垂直行业的应用，为更多的垂直行业应用赋能。作为网络领域关注的安全问题，可以期待NWDAF也将继续增强相关功能，例如NWDAF会监控终端或者网络的异常行为，发现异常会及时向相关NF或者OAM进行汇报，采取相应的保护策略或措施。NWDAF在一些关键信息传输上，例如AI算法模型，也可结合区块链等技术进行溯源和安全保障。NWDAF与MDAF/RAN DAF的融合架构如图17所示。

图17   NWDAF与MD/RAN DAF的融合架构

（3）传输网

未来 10 年，SDON/CON 与人工智能结合更加紧密，将会逐渐实现“零接触”的认知光网络，实现光网络的完全自动化管理和控制。基于光网络的运维知识图谱将逐渐成熟，可以通过它快速定位传输问题，预测传输性能，进行传输参数的优化。对于传输的具体指标，例如调制阶数、误差修正、波长容量等，可以利用人工智能技术进行最优配置，保障传输的性能。

基于IPv6的应用将逐渐走向成熟，人工智能在网络路由、承载网的SLA保障、确定性网络方面发挥关键作用，实现IPv6乃至IPv6+的智能IP网络，满足B5G/6G业务场景的个性化需求。

在云网融合方面，云网边端的算力资源将实现完全分布式的架构，按照业务需要提供无缝、高质量的算力资源，为终端、边缘的高阶人工智能应用提供资源保障。弹性算力网络/动态的云网融合成熟后，也会出现新的提供云计算服务的商业模式，可以利用区块链的智能合约等进行安全保障，解决用户的隐私问题，实现网络和计算资源的可变现能力。

另外，网络切片是跨无线网、传输网和核心网等多领域的技术，需要各个领域高效合作。其中，传输网络是连接各个领域的物理基础，传输资源的合理编排与支持在切片的SLA保障中至关重要，可以预计未来人工智能在端对端切片 SLA保障领域将逐渐成熟。

（4）终端

终端和网络基础设施的连接通过空中接口（air interface）与无线网络进行交互。基于终端，面向未来网络基础设施的人工智能主要应用在终端和芯片的无线感知功能中，即通过基于终端和芯片的人工智能技术对无线环境和内容的感知来优化无线接入的开销和时延等性能。通过基于终端的人工智能实现无线感知表现在以下3个方面：频谱与接入感知，即某一终端可以检测其他终端的行为，可使5G系统性能拥有更好的接入和调度效率；内容感知，即从RF信号、传感器或话务行为数据中推测与分析得到用户的内容，例如位置、速率、移动性等用于优化终端的性能与使用体验；无线环境感知，通过监控信号传播与反射模式等来检测姿势、行动和某一物体等来催生新的场景案例。

基于终端的人工智能对未来 5G 网络系统的赋能体现在以下3个方面：第一，增强终端体验，智能化的波束成形和功耗管理可优化速率、稳健性和电池寿命；智能化的波束成形可利用深度增强学习来实现，通过对位置、速率和其他环境与应用参数的感知来提升网络的稳健性与速率；能耗节省方面，利用终端基于人工智能的内容感知来权衡性能与功耗。第二，改善5G系统性能，主要表现在智能化的链路自适应，通过基于位置的无线干扰预测可使系统速率和频谱效率得到改善；智能化的网络负载优化，通过基于终端的人工智能推理可以使原始数据需要在全网传输的负荷降低；智能化的无缝移动性，以终端为中心的移动性管理通过终端人工智能和传感器可以更好地预测网络切换行为与时机。第三，改善无线安全性，利用终端的人工智能技术可以即时地在本地检测和防御恶意的基站欺诈、恶意干扰等安全危害行为。

4.3 通信人工智能在网络管理领域的未来展望

通信人工智能在网络管理方面的发展将从多个方面进行，例如国际标准化组织定义的MDAF、ENI、随愿网络或者运营商的运维体系。另外，在网络 AI信令体系、网络数字孪生、编排系统方面也会得到大力发展。

（1）MDAF

可以预计3GPP从标准角度在SA5工作组继续MDAF的持续演进，对与运维相关的管理面智能化功能进行增强。在SON的注智方面，MDAF在覆盖增强、资源优化、故障检测、移动性管理、能量节省、寻呼性能管理、SON协作等多个场景方面的应用逐渐成熟。例如MDAF提供更精准的覆盖分析能力，并且指出覆盖问题产生的原因，从而指导基站调整参数，保证用户的业务体验不会降低。MDAF也会更精准地分析RAN用户面的拥塞情况，指出导致拥塞的原因，并且提供相关的策略建议。MDAF会提供更精准的资源利用方面的分析报告，并且提供解决资源利用问题的策略建议。在SLA的关键参数上，例如时延、可靠性等， MDAF 也会进行精准的分析和提供改善实验性能的建议。在故障管理方面，MDAF 会进行更精准的故障定位，提供相关的行动建议。MDAF 也会在用户的移动性管理上提供精准的策略建议，提高用户的切换成功率和网络效率。对于切片的管理提供更强大、更智能化的服务，可以精细地管理切片的各项性能指标，保障SLA的参数。另外， MDAF和网络设备（例如NWDAF）交互方面也将得到完善。

（2）ETSI ENI

目前ENI系统定义了功能架构，但是对接口的具体定义尚未开始。可以预测ENI工作组将定义相关的接口，让ENI在部署和应用方面更有参考意义。另外，数据的处理机制如何与ENI架构相结合、在运营商系统中如何部署ENI以及ENI和其他智能化网络单元如何协同、意图策略如何表达和管理、流信息遥测等方面，可以预计相关的工作也会逐渐展开，相关的场景/功能定义将变得逐渐完善。下一个版本的ENI 将在智能化应用场景和落地方面进行相应的增强。

（3）随愿网络

目前，中国电信开展了随愿网络的研究。3GPP 和 ETSI 等开始定义 IBN（intent based networking），均旨在定义更智能的网络自动化管理机制。3GPP TR28.812 中描述意图管理（intent driven management，IDM）消费者发送意图请求给IDM的提供者（生产者），IDM提供者提供相关的网络配置，如图18所示。同时，IDM的提供者会监控网络状态，监控消费者的意图是否得到满足。如果不满足，将重新进行意图评估和参数调整。

图18   意图管理

可以预计意图驱动的管理服务将在今后10年持续演进和成熟，为运营商进一步减少管理复杂度和对底层设备的知识需求，同时在跨多厂商的场景增加网络管理效率。3GPP SA5、ETSI ENI等标准化组织将持续这方面的工作，例如定义合理精准的意图表达、自动化机制、意图的生命周期管理等。关于应用场景，预计在网络服务开通、切片资源利用优化、切片性能保障、网络优化、网络容量管理、网络功能部署等方面会逐渐增强和完善。

（4）网络AI信令体系

5G OSS 网络中台体系的网络人工智能平台可认为是一个面向网络管理与运维功能的 AI 平台与引擎。网络AI平台需要和南向各数据采集网元或模块及和北向5G OSS的各个业务系统（例如网络编排、网络性能、网络资源、网络故障）通过一种标准的命令体系进行互联互通，定义为网络AI信令体系。

和4G/5G网络信令体系专注各网元的互联互通与交互管理不同，网络 AI 信令体系是网络 AI中台或平台与其南北向各接口及其相连接的各网元、OAM模块、OSS各系统的一整套标准的互联互通及AI交互管理命令体系，包括网络人工智能管理命令的定义、网络人工智能命令流在各接口之间的上传、下发机制，网络人工智能分析结果的执行机制，网络人工智能鉴权、授权等机制，网络人工智能算法的训练、推理、发布、部署机制，网络人工智能算法计算、存储资源管理，网络人工智能命令的监控、安全等。

典型的网络AI信令接口如图19所示，包括网络 AI 中台与 3GPP SON 系统、3GPP NWDAF、O-RAN RIC、ETSI ENI等系统的AI数据采集与AI命令执行接口，也包括网络AI中台面向5G OSS各个系统（例如网络编排、网络性能、网络资源、网络故障等）AI 数据采集与 AI 命令执行接口。一个典型的小区话务量异常检测的网络 AI 信令流程示意图以及相应的网络AI信令包结构如图20所示。

图19   网络AI信令接口

图20   典型的网络AI信令包结构和小区话务量异常检测网络AI信令流程示意图

（5）网络编排

网络的软件定义与云化趋势下，网络功能（NF）管理将由软件定义的管理程序接管，并从面向专有硬件，向共享的计算与通信资源池的虚拟化管理转型。因此，传统上相对固态的OSS/BSS，除了管理功能，网络的编排能力在未来网络技术演进中也将发挥至关重要的作用。ETSI早在2014年初步发布了NFV（network functions virtualization）的管理与编排标准规范，初步定义了在NFV环境下管理与编排 MANO 的功能架构。随着通信人工智能面向网络编排的嵌入（built-in），业界有必要将网络编排在5G后续的演进路线出落清晰，同时明确人工智能功能与网络编排功能的逻辑与物理连接关系。如第3.2节所示，网络编排是运营商网络管理体系中非常重要的功能。网络的连接与构建、网络资源调度编排、网络工作流程以及业务需求转译这些主要功能，分别对应网络（拓扑）编排、网络资源编排、网络业务编排3部分。在5G OSS 中，网络业务编排甚至可独立成一个子系统，主要负责5G各个虚拟网络功能（virtuali network function，VNF）构成的网络切片业务的编排与管理。基于SLA的切片智能管理将是通信人工智能在网络业务编排中的主要应用场景。而针对网络业务，例如切片质量的保障与优化，又牵涉底层网络资源对上层业务的即时性与智能化编排支持，此时网络资源编排功能对于上层网络业务编排功能起到保障与支撑作用。在这里，网络资源的编排未来需要做到 3 个弹性（elasticity）：计算弹性，即在设计与规模化VNF做到计算弹性；通过灵活设置VNF实现基于编排驱动的弹性；通过跨切片资源供应机制实现切片可感知弹性。基础的网络资源编排功能在 ETSI MANO 里已有定义，但未来如何基于SLA 或ELA（experience level agreement，体验质量协议），实现网络资源与网络业务的联合编排，并明确AI与网络编排功能的逻辑与物理连接，ETSI ENI目前提供了一个参考架构，可供业界继续推动演进，如图21所示。

图21   ETSI ENI架构及其与ETSI NFV MANO框架的交互

与此同时，灵活性差、自动化能力弱的存量传统网络在被完全替换之前，与支持网络拓扑、资源、业务智能化编排的新型网络如何共存与协同工作，是业界需思考的一个问题并需尽快形成一致行动目标。例如，传统网络业务（例如专线）如何与实现自动化和相对标准化的编排规则流程，并与新型5G网络编排系统统合。

目前，全球运营商的网络自动化与智能化编排能力还处于初级阶段，在技术和标准层面都需进一步完善。可以预计随着通信人工智能和网络编排系统深度融合，网络（拓扑）编排、网络资源编排、网络业务编排三大能力将得到持续改进。尤其，以 SLA 或 ELA 最优化作为收敛条件，人工智能在网络业务需求和网络拓扑构建与资源保障之间的翻译、转译和主动与弹性匹配上将扮演重要角色。标准层面，可预计 3GPP、ETSI 等标准化组织也将逐渐完善相关的场景、接口、流程定义。

4.4 通信人工智能在电信业务领域的未来展望

对于BSS智能化/管理财务领域，可以预计今后10年AI将在客户管理、套餐推荐、财务智能管理领域全面赋能，并且实现从初级到高级的过渡。从面向客户建立以人为本的全面客户体验，到面向电信运营企业建立更加运转高效的业务运营过程，直至新业务、新模式、新技术的快速创新兑付，都将起到关键作用。下面将从客户运营、业务运营、业务模式和运营模式3个角度进行说明。

（1）客户运营

从客户运营来看，电信运营企业已经完成从以客户为中心发展到以客户体验为中心的全面客户体验阶段。电信运营企业不仅关注面向客户提供营销、销售、服务过程中的精细化运营和服务满意度提升，更将客户在网络、业务使用过程中的体验作为重要指标加入全面客户体验体系进行统一评估。通过收集、汇聚、关联、挖掘客户在渠道接触、网络服务、业务使用过程中的体验，建立以客户为中心的全面旅程体验。在此基础上，结合人工智能算法辅助，将进一步满足客户在更多细分场景的需求，同时进一步提升智能化、自动化互动能力，形成以客户为中心的全面客户体验。

（2）业务运营

从面向电信运营企业业务运营来看，目前电信运营企业已经基本完成流程的端到端数字化升级，正在通过利用大数据、人工智能等植入现有流程中，完成业务处理过程的智能化，进一步提升业务运营效率。随着机器流程自动化（RPA）、智能业务流程管理套件（intelligent business process management suite，IBPMS）等技术的引入，预计未来人工干预的业务过程将进一步减少，流程运转效率进一步提高，同时成本进一步降低。随着AI被引入运营商风控体系，收入保障能力进一步提升，欠费风险将进一步降低，运营商可以结合自身风控预期，开展更多的创新型业务。这将进一步推动电信运营企业更加健康向上的现金流。

（3）业务模式和运营模式

从目前电信运营企业业务模式和运营模式来看，针对大众市场以重资产模式投入，采用按量计价的方式已经很难满足高速发展的需要。而传统的采用人工方式针对大众市场采用大颗粒度细分客户群的进行产品制定、计价模式制定的方式也很难满足未来用户场景化、个性化的要求。因此运营商需要充分利用 AI 能力，以虚拟专家/个人助手的方式进行针对更细力度的市场细分和业务运营，配合智能化工作流和智能化风控体系，面向客户推动“一客一策”“千人千面”的业务产品和服务，进一步通过创新业务产品和运营模式提升创新。

4.5 通信人工智能在跨领域融合智能化的未来展望

对于跨网络与业务领域的融合智能化, 预计未来10年CEM和PCF+的架构与功能会持续发展，客户体验感知体系会从SLA往ELA体系演进。

（1）用户体验感知的增强与SLA往ELA的演进

20世纪90年代以来，ITU、ISO等国际标准组织定义的服务质量（QoS）体系被绝大多数通信运营商采纳用于与其用户签订的服务质量协议（SLA）中。传统的 QoS 是以技术为驱动的，尤其以网络与业务性能指标来定义服务质量，即网络中的指标被纳入SLA中。由于传统QoS无法真实体现用户在使用网络业务的体验与感受，近些年服务质量体系逐渐向以用户为中心的体验质量（QoE）体系发展与演进。ITU把QoE定义为被末端用户可主观感知到的某个应用或业务的总体可接受程度。

当前的SLA体系下，通信运营商给用户提供的服务级别是尽力而为（best effort）。例如带宽100 Mbit/s 通常指“在理想情况下速率最高达到100 Mbit/s”。这种尽力而为的服务以及技术视角的KPI 很难与用户的体验质量直接关联起来。同时，当用户为服务付费时，对服务的稳定性与质量总是由主观认定的应大于或等于其支付成本的一个预期。随着CEM的QoE的算法体系在未来逐渐成熟与完善，通信运营商将可以利用QoE算法体系来预测性评估和主动性管理用户的体验预期。因此，传统面向用户的SLA体系向基于QoE的ELA体系演进也势在必行。将ELA 定义为“一种特殊的 SLA，即在客户清晰了解某种服务前提下，用户对使用某服务的体验形成的一种基于质量等级的共识”。

图22 描述了通信运营商、内容提供商、toB用户和 toC 用户的服务质量保障对应关系。ELA主要面向toC用户与运营商和内容提供商。在当前的业务模式下，ELA主要是网络服务加上基于内容质量的混合 ELA 模式。即一整套 ELA体系中包含了网络服务质量与应用层的体验质量。当前，用户很难界定清楚体验的下降是在网络侧还是在应用侧。而未来的ELA体系应该基于图22（b），即构建toC用户面向网络侧与应用侧独立的 ELA 体系。对于用户来说，在 QoE 感知区域，打破一切归结于“网络不给力”的体验质量黑盒，可以更加明晰不同服务提供方提供的体验质量各自的优劣。同时，内容提供商为保障更好的QoE给toC客户，也可更加清晰地定义与通信运营商ISP的SLA中各项QoS要求。

图22   利用SLA和QoE概念构建ELA生态

（2）CEM的架构演进

由于CEM的数据来源自多个领域：网络OSS域、业务BSS域以及应用层。“数据合规”和“数据孤岛”让CEM在多方面数据汇聚变得极具挑战性。为兼顾“隐私安全”和“数据融合”双需求，基于跨区域构建CEM模型的思想被提出。实现跨区建模最常用的方法有两种：迁移学习（transfer learning，TL）和联邦学习（federated learning，FL）。通过对海量数据进行大规模训练，获得一个普适性强的预训练模型（pre-trained model，PM），再将预训练模型搬移小规模数据的应用场景，利用小规模数据对预训练模型进行微调，从而实现模型性能的显著提升。这种思想可以用来构建CEM模型，如图23（a）所示，通过某通信运营商企业的数据训练得到 CEM 的基础PM，再利用场景业务数据微调PM，从而获得场景化的CEM，同时避免了数据的直接融合。

图23   基于迁移学习和基于联邦学习的CEM构建思想

2017年，一种专门针对碎片化数据的联合建模方法联邦学习被提出，联邦学习非常适合于CEM建模的场景。联邦学习采用了“数据不动，模型动”的建模思想，很好地规避了用户体验数据的隐私安全问题，同时它还是一种多方安全计算技术，很好解决了用户体验建模的数据割裂问题，如图23（b）所示。整个联合建模过程，各方的数据都不出库，保留在了本地，因此，基于联邦学习技术的用户体验感知方法是安全可控的和稳定的，大大提升联合模型的准确性和评估的全面性。

（3）PCF+的演进

对于PCF+的后续演进版本，可以预计PCF+通过与OSS域和BSS域的交互，向用户提供更精准、更实时、差异化的策略控制，如图13所示。PCF+可以统一B域策略，并且在提供策略控制的过程中保证服务的可靠性和实时性。对于网络侧的策略控制，PCF+可以实时、动态地控制用户QoS 参数和进行会话管理，保证服务质量。由于PCF+有了O/B域拉通的能力，对用户的策略控制变得更加个性化，可以进一步挖掘出有附加价值的场景，实现B5G/6G的业务愿景。

从PCF+的部署方式来讲，可以部署在O域，也可以部署在B域，针对不同的领域进行服务。不同域之间的PCF+相互交互，获取其他领域的数据信息。PCF+的部署也可以根据网络实际情况，按照层次化的PCF+架构进行部署。

4.6 通信人工智能在专网应用的未来展望

5G的核心价值之一在于面向企业toB的专有应用，可预计，今后10年，在垂直领域（例如车联网、智能制造、高清视频/VR/AR、远程医疗、智慧城市），通信人工智能将帮助企业实现高级智能乃至完全智能化的专网功能。

虽然，从目前来看，5G专网在工业互联网领域已经有了一些部署案例，有效推动了5G在垂直行业的应用和生态建设，不同部署形态的专网也可以适用多样化的网络需求，但距离垂直行业的需求还存在较大差距。可以预计未来10年，通信人工智能通过与MEC、业务的结合以及算法的成熟，可以完全满足垂直行业对于高质量通信和网络安全的要求，例如联邦学习、迁移学习等较前沿的人工智能技术将帮助专网解决数据安全隐私、数据量匮乏等问题，利用人工智能技术感知业务变化，优化无线网络参数从而保障业务传输质量，将专网真正地变成高性能、安全可靠的专网。

5 未来可期：下一个十年，通信智能化的全面推进

面向6G的演进过程中，3GPP遵循2～3年一个Release的节奏，在未来10年将有望从R17演进到R21版本。当前，ITU-R也开始了6G技术趋势与愿景的研究，有望在2027—2028年制订6G的正式标准规范。在3GPP与ITU-R技术标准演进的过程中，移动通信各个功能领域（核心网、无线、传输、网络管理、业务支撑、网络应用等），通过与人工智能各自不同程度的耦合发展，将在未来10年分阶段逐步到达通信生态系统中智能化的高阶阶段，如图24所示，将最终实现B5G/6G愿景中的通信自治与全智能化的目标。

图24   通信人工智能的未来10年展望

人工智能面向通信网络基础设施，在未来3～5年内，NWDAF将在5G核心网络中逐渐成熟商用；无线与核心网络优化也将借助SON实现以人工智能为驱动的智能网络优化目标。SON的商用部署方式将有可能以独立SON系统部署或融合进入5G OSS系统实现，RAN-DAF是否以独立网元形式定义还未有定论。未来5～10年，随着O-RAN的逐渐商用，RIC 作为开放无线网络的智能控制器也将实现商用部署。

人工智能面向网络管理与运营，在未来3～4 年中，MDAF 实现网管层面的部分数据分析功能。随着网络中台体系的建设，面向网络人工智能的网络AI中台将会在部分运营商的5G OSS中实现商用部署。网络AI信令体系作为人工智能与网络交互的语言，将 AI 能力注入网络生态系统中。未来5～10年，随愿网络和ETSI ENI网络体验与感知体系将逐渐成熟，会在5G中后期的网络基础设施架构中得到应用。数字孪生技术将与网络仿真和人工智能相结合，将网络全生命周期的规、建、优、维实现孪生化与智能化管理。

人工智能面向电信业务与支撑，部分通信运营商构建的技术中台体系将在未来3～5年内全面商用与成熟。其中，人工智能平台板块将作为AI面向BSS领域注智与赋能的载体，全面推动客户运营与业务运营的智能化。因为垂直行业中类似通用的应用经验，电信业务涉及的某些细分领域（例如智能客服、智能营销、智能推荐等）在未来的5～10年内会加速发展，可能提早实现到达L4或L5的高度智能化阶段。

人工智能面向跨BSS与OSS领域的融合智能化，CEM与PCF会沿着BSS与OSS域融合的演进路线发展。其中，CEM将结合网络与业务的数据，在客户全生命周期旅程中实现对客户的网络与业务体验感知的闭环管理。由于涉及跨领域数据使用，CEM未来架构可选择联邦学习来实现。客户体验与感知管理体系会从 SLA 往 ELA 体系演进。PCF通过与OSS域和BSS域的交互，可以面向网络、业务、客户提供精准、实时、个性化的策略与服务。

垂直行业专网在未来3～4年内属于商用建设初期，主要部署模式以虚拟专网的形式实现。因此人工智能面向虚拟专网的应用将聚焦在 5G 专网切片的SLA保障、切片资源智能调度与优化以及无线专网覆盖与性能优化等。在未来的5～10年，混合专网和独立专网会逐渐部署并成熟。人工智能对独立或混合专网的应用将会聚焦在 toB 业务精准QoS保障、toC业务感知体验实时评估优化、智能网络智能运维 AIOP 等。另外，人工智能技术通过与垂直行业的专网应用平台 MEP （multi-access edge platform）的交互，自适应调整应用层的参数设置，保障边缘应用的服务质量。人工智能在行业专网的初级智能化阶段主要面向性能、质量与运维保障的智能化，在中高级智能化阶段更加面向高可靠、低时延、多并发连接的智能化控制与管理。

在未来，通信人工智能系统的应用在安全性、鲁棒性、可解释性等方面将进一步加强。尤其是人工智能中的联邦学习、区块链、隐私计算的技术组合，预计在通信生态各系统中会得以发展，用于解决通信生态系统与垂直行业之间的数据孤岛和安全隐私问题：联邦学习模型涉及多方数据的共享训练，由联邦中心负责秘钥管理和模型梯度管理，需定期对联邦中心进行审计；区块链技术解决共识和可信问题；模型的训练、推理、角色对齐均上链，通过智能合约、共识计算等实现多方合作的可信网络，且能在多方联邦情况下以区块代替中心节点的作用。

面向6G，通信人工智能将促进空、天、地、海多维度的生态系统智能化融合。由于6G通信生态系统在空间维度的扩展，将催生更多场景。通信人工智能将解决多个生态子系统的跨层优化、联合优化等多项式复杂程度的非确定性 NP-hard（non-deterministic polynomial-time hard）问题。

当前，人工智能在通信生态系统中的架构融合与功能应用在3GPP、ITU-R、ETSI中均已标准化定义。通信人工智能在5G的商用进程正处于早期阶段，尤其是通信人工智能相关的网元（例如3GPP NWDAF或O-RAN RIC）都在处于测试阶段，极少在5G网络中商用。目前，通信人工智能面向网络管理、业务管理以及应用层的应用较多，也取得了阶段性的成效。笔者呼吁通信行业建设者们进一步开放网络标准化接口，给予人工智能对网络基础设施、网络管理运维系统、业务支撑系统等全面赋能、注智的机会，将5G与AI作为通用目的技术组合的潜力在通信生态系统内与垂直应用中全面释放。

[作者简介]

欧阳晔，博士，亚信科技（中国）有限公司首席技术官。

王立磊，博士，亚信科技（中国）有限公司技术总监。

杨爱东，博士，亚信科技（中国）有限公司首席数据科学家。

马利克·萨哈，美国威瑞森电信公司就职。

大卫·贝兰格，博士，美国电报电话公司就职，美国斯蒂文斯理工学院教授。

高同庆，中国移动通信集团公司副总经理。

韦乐平，中国电信集团公司总工程师，科学技术委员会主任，首席科学家。

张亚勤，博士，清华大学智能产业研究院院长，美国艺术与科学院院士，澳大利亚国家工程院院士。