2018通信领域简报第7期 AI（人工智能）的网络应用2018年4月17日，“2018年中国SDN/NFV大会”在北京成功召开。工信部通信科技委常务副主任、中国电信科技委主任、SDN/NFV产业联盟理事长韦乐平出席会议，并作了报告《迈向网络架构重构的新阶段--人工智能使能的网络》。 对于SDN/NFV的当前进展和发展趋势，韦乐平先生指出，基于SDN/NFV的网络云化已成为产业界的共识，SDN已渡过炒作期，进入理性发展阶段；NFV化已开始落地，但是由于思维落后、硬件性能限制、标准化滞后及互操作的复杂性，其征程依然艰难。“Zero-Touch & Automation”成为SDN的新热点，结合SDN与AI的基于意图的网络（IBN，Intention Based Network）将可能成为网络自动化和智能化的发展目标。 但是，基于SDN/NFV/Cloud的网络架构重构带来大量新的多维度复杂性，需要借助人工智能技术才能够有效解决其所面临的三个挑战：网络架构动态变化带来的网络和业务的复杂性，网元分层解耦后的故障定位等运维问题带来的复杂性，网络资源实时调整带来的网络运行复杂性。 在网络重构的过程中，如何在基础设施层、网络和业务控制层以及运营和编排层引入AI技术，推动网络向智能化方向发展，韦乐平先生也给出自己的观点。5G微信公众平台（ID：angmobile）了解到，他指出，AI在基础设施层的应用主要是为有源硬件设施提供AI加速器，实现不同层级的训练和推理能力，诸如核心数据中心的基础设施可优先引入AI加速器，满足全局性的策略或算法模型的集中训练及推理需求；而接入侧可以逐步按需推进，例如在基站内嵌入AI加速器可以支撑设备级的AI策略及应用；AI在网络和业务控制层的应用可以优先集成AI的推理能力，对网络和业务实现智能网络优化、运维、管控和安全；实现网络各层级的KPI优化、路由优化、网络策略优化等,例如无线的覆盖优化、容量优化、负荷优化等； AI在运营和编排层的应用可优先在大数据平台上引入AI引擎，对OSS和BSS数据做更深度的智能化挖掘；随着虚拟化网络的部署，编排层上可以逐步叠加AI能力，从而提升产品编排、业务编排、端到端资源编排的自动化和智能化水平；进而对业务量的变化做前瞻性的智能预测，实现动态规划和管理配套的资源。 他认为，AI网络应用的一般原则是越高层，越集中，跨域分析能力越强，对计算能力的要求也越高，所需数据量也越大，更适合对全局性的策略集中进行训练和推理；越低层，越接近终端，专项分析能力越强，对实时性要求往往越高，对计算能力要求则满足业务需求即可，适合引入AI的推理能力或具备轻量级的训练能力即可。
他指出，AI的网络应用还面临四大挑战：
|
