Skip navigation
迈向零接触网络

网络自智化

迈向零接触网络
提供方式 English 简体中文

基础概念解析

自智网络标志着网络领域迈入新时代⸺它摒弃了传统的基于规则的自动化,转向具备思考、学习、适应能力,并以零人工干预实时做出业务关键型决策的自主运营体系。

 
自智网络以四大核心板块为基石:自主型闭环自动化、意图驱动交互与互操作性、智能数据管理,以及开放平台与API体系。其底层由多个自主域构成,每个域均具备完整的“自主”能力,可自主完成部署、配置、监测、维护和退网。

通过自智网络运营,碎片化的网络环节被全面贯通。动态意图管理与自主型人工智能(Agentic AI)闭环自动化将高层业务目标转化为可执行的网络策略:实时解析意图、动态适应环境变化、智能协调冲突,最终实现跨 OSS/BSS系统层级、多厂商及网络域的高级服务统一编排与交付保障。

这一变革为新商业模式奠定了重要基础,使网络能够实现运营简化、弹性扩展,并显著缩短高级网络服务(从差异化连接到API直至更多高级服务)的上市周期。

“ 意图驱动型网络是迈向完全自智网络的关键阶段。作为该领域的领导者,我们已准备好助力客户完成这一转型。”

爱立信首席技术官Erik Ekudden

自智网络的优势

自智网络将运维模式从“人控”的静态规则自动化,升级为“人意主导”的动态意图自动化。这一转变显著降低了管理复杂5G服务生态系统的成本与复杂度,提升了管理效率,同时实现前所未有的、与业务目标深度契合的持续优化。

网络自动化与人工智能——城市

提升客户体验

自智网络持续监测服务质量劣化征兆,在用户体验受到影响前采取纠正措施。此外,通过客户、业务团队与网络间的超自动化智能频繁交互,实现问题精准定位与快速解决,打造极致响应体验。

基于业务目标优化资源利用效率

自智网络基于业务优先事项动态调整资源分配,确保容量精准投放至价值最高的领域,促进更智能的资源与能源管理及调度,构建支撑核心业务目标的高效运营体系。

SLA规模化保障

自智网络通过意图管理与服务等级协议(SLA)保障的深度融合,确保在精准的场景、恰当的时机及大规模部署条件下实现预期性能。基于业务场景的专用意图机制持续监测网络状态并自动触发调控操作,从而保障服务等级协议持续达标。

实现机制: 从意图管理到闭环保障

将业务意图转化为网络行动,需要充分发挥网络的认知自主能力,使其能够思考、推理和适应。这一过程通过众多自智网络智能体的协同工作来实现:它们联合分析网络状态,精准定位异常及根因,搜索并测试不同解决方案,最终实时执行修正措施。在整个过程中,自主型人工智能(Agen- tic AI)持续从执行结果中学习,不断优化未来的响应能力。

定义

业务意图通过跨每个自主域的意图管理环路进行声明、申请与确认。新服务则基于意图匹配度,经由编排功能进行提案、评估与请求。随后,系统通过一个独立的闭环认知回路,启动意图保障流程。

观测

自智网络智能体启动意图解析与当前网络状态评估。这一过程借助保障智能体(assurance agent)完成,后者通过采集、解析与运用网络数据,持续监测并评估新激活服务的健康状况。一旦检测到业务意图未达成,将立即触发闭环活动。

决策

闭环活动触发后,系统采用效用评估模型确定最优行动方案,即使在面临需求冲突或突发情况时也不例外。这一机制确保了系统能够始终围绕业务目标进行动态优先级调整与自主决策。

行动

网络通过执行智能体( actuation agent)实施修正操作⸺通过编排功能生成所需的修改请求。系统依据当前的资源状态与拓扑结构,对相关服务进行重新设计,并计算出用于调整网络资源配置的精准执行方案。

探索关键技术赋能要素

向自智网络演进的一个重要步骤是引入基于意图的运维模式。当前,意图主要作为简化配置的手段,即通过声明业务需求而非提供具体操作指令,简化已运行系统的初始配置或重新配置。为实现完整的基于意图的服务保障,意图功能需进一步扩展至可观测性领域。

除基于意图的运维外,自智网络的发展还得益于网络可编程性、AI驱动的数据管理及AI赋能的闭环自动化等技术的进步。

意图驱动网络

意图驱动网络将运维模式从基于任务的指令转向以业务成果为导向的高层次目标。用户提出的意图将被解析为动态的、基于效用的目标,使AI智能体能够自主决定并执行纠正措施。意图管理功能按责任范围划分至多个自主域,各域通过协作确保达成整体目标。这种方法可保证网络行为始终与业务优先事项保持一致。

可编程网络

无线接入网(RAN)的可编程性使网络具备更强的适应性与运行效率,成为推动差异化连接高级服务发展的关键要素,同时也为部署意图驱动网络、AI驱动的数据管理及自主型闭环自动化等自智网络技术奠定了基础。通过智能应用(rApp)和服务管理与编排(SMO)框架,将智能、可编程能力直接集成到RAN层,为此演进奠定了基础。

AI驱动的数据管理

持续更新的知识库使自智网络具备推理决策、方案评估及意图达成验证的能力。该知识库由丰富的数据点构成,包括可用于透明地验证实施方案的图神经网络与数字孪生技术,同时整合网络性能管理KPI与预测性分析等实时数据。通过统一数据管道、AI优化的数据操作及智能知识建模,该系统能够最大化全局效用,动态适应环境变化,从而支撑战略决策。

自主型闭环自动化

基于“观测-推理-行动”这一持续运行的认知循环,AI驱动的闭环自动化使网络能够持续保持操作与高层业务意图相契合。认知层作为该流程的核心枢纽,通过实时数据与推理引擎及专业型智能体(specialized agent)的持续交互,实现自主监测、分析、决策与执行。这种动态的意图驱动闭环可确保服务保障水平、有效解决冲突并持续优化性能,从容应对业务需求与网络状况的动态变化。

自智网络的AI板块

自智系统需要依托AI驱动框架,在运行时以无中断方式支持服务运营、集成、创建与保障流程。“与网络对话”(Talk to your network)作为统合性概念,汇聚了构建此类自智网络所需的关键AI技术与使能要素。

“与网络对话”(Talk  to your network)框架通过知识库与智能体驱动方法的深度融合,将自然语言转化为可执行的智能指令。借助自智网络的三大AI技术板块⸺生成式人工智能(generative AI)、自主型人工智能(Agentic AI)与基于意图的人工智能
(intent-based AI),它彻底改变了与 OSS/BSS及网络域的交互方式,推动各类任务与流程的智能化执行。这三个板块共同构建起具备对话交互、资源编排、意图分解与自主执行能力的综合性系统。

了解更多 与网络对话 

对话式人工智能

基于生成式人工智能(g enerative AI)与大语言模型的对话式人工智能
(Conversational AI),实现了人-机以及机器间具备情境感知能力的自然交流。该系统能够解析语言、理解意图并生成可解释的响应,帮助用户更直观地与复杂系统进行交互。该技术还支持智能体间协作与任务规划,在电信网络管理等领域搭建起人类指令与智能自动化之间的桥梁。

自主型人工智能

自主型人工智能(Agentic AI)赋予自主智能体独立感知、思考与行动的能力,形成具备动态适应能力的协同系统。这些智能体通过强化学习与大语言模型等工具进行实时协作与自适应,实现高效通信、问题解决与任务协调,最终构建出能够以最小人力干预实现复杂目标的柔性智能体系。

基于意图的人工智能

作为协调层,基于意图的人工智能(Intent-based AI)将高层目标转化为自主系统可执行的清晰步骤。通过将用户或业务意图分解为细粒度任务,并将其精准分配至相应智能体或系统功能,确保所有组件均服务于共同目标。结合对话式人工智能
(conversational AI)与自主型人工智能(Agentic AI),该技术将宏观目标转化为结构化可执行方案,完成从战略意图到落地实践的全流程贯通。

自主架构: 深度探讨基于意图的多层实现方案

依据TM Forum(TMF)提出的通用架构框架,自智网络被划分为多个自治域。这些自治域分布于网络运维软件协议栈的各个层级,即业务层、服务层或资源层。各层级内可并行部署多个自主域或进一步划分次级层,每个域均需达成并持续优化其终端目标。为实现这些目标,各域还需要其他域协同配合并满足特定需求。

在本分层意图管理架构中,意图承担着跨层级需求传递与管理的重要职能。当意图管理器(intent manager)定义需其他域遵循的要求时,其担任意图所有者(intent owner)角色;当接收需本域执行的要求时,则承担意图执行者(intent handler)职责。

自主架构: 深度探讨基于意图的多层实现方案

在业务层,基于意图的管理模式使企业即使在不确定环境下,仍能精准匹配网络投资与盈利能力及客户体验目标。在服务层,业务意图被转化为可执行的服务需求,并通过与编排器协同运作及履行状态监测来确保其有效落实。最终,资源层在各自主域内全面执行这些需求。通过在全部层级统一部署AI与意图接口,网络能够做出预测性实时决策,从而确保端到端的服务保障与自适应能力。

爱立信提供基于标准的开放式解决方案,确保在单厂商及多厂商混合环境中均可实现完整的自主能力。服务编排与保障机制在域内及跨域场景下协同运作,确保无缝协调。通过采用关注点分离的模块化构建方案,各功能域在保持独立演进能力的同时,可持续提升网络整体敏捷性与效率。

各层级意图功能定位

业务层

在业务层,意图机制负责捕获客户期望与业务目标,以动态化目标驱动需求替代传统服务等级目标(SLO)。这些意图在服务订购阶段通过API交互进行协商定义,并传递至服务层执行。该层级专注于实现基于意图的服务保障,通过持续监测服务性能、预测SLA违约风险并依据商业价值采取修正措施来确保目标达成。

服务层

在服务层,业务意图被转化为可执行的服务与资源需求。服务编排器(ser- vice   orchestrator)基于意图动态选择并配置服务,系统持续监测合规状态并只在未满足需求时进行干预。该层级通过将服务逻辑与具体资源解耦,实现更加灵活的AI驱动编排能力,支持实时自主修复、资源优化与服务适配,确保服务能随环境和需求变化持续演进。

The resource layer

在资源层的网络域中,意图管理涵盖管理层与网络功能层两个维度。以无线接入网(RAN)域为例,其意图管理器通过数据分析、资源编排与AI智能体确保符合服务层要求,必要时可对现有服务实例进行重构以调用新的或更高效的资源。具备意图感知能力的RAN功能实时监测性能,并通过动态调整配置参数或控制回路来满足持续演进的需求。此类机制以及针对其他网络域的类似实施方式使网络能够基于总体业务目标实现自我优化与持续演进。

携手爱立信加速 自智网络建设进程

启动多年期自智网络构建旅程需要实施全面转型:通过完善数据管理体系确保输出可信度,依托AI技术驱动智能自动化进程,基于云和IT技术提供可扩展的基础设施,利用服务编排实现敏捷交付,并通过价值变现策略将技术进步转化为实际收益。

然而,每一段转型之路都不尽相同。鉴于各企业在技术环境、业务重点与部署挑战方面存在差异,每个转型项目都需要根据各自独特的背景进行针对性设计和规划。战略框架通过系统化识别、评估和优先排序关键转型领域,为进展评估与差距弥补提供基准依据,有效加速实现全面自主。

Accelerate your journey to autonomous networks with Ericsson

在基础自动化阶段,借助脚本任务辅助人工操作,其数据集成度有限,且单体式OSS/BSS系统需通过人工方式部署于传统硬件平台。服务编排流程缓慢且错误率较高,主要依赖人工操作及传统接口实现。服务方案按基础等级划分,主要通过带宽配置与价格策略形成差异化。

工作流程自动化阶段依托静态规则在特定域实现自主化,并由集中式数据存储库提供支持。虚拟化基础设施及预测性人工智能/机器学习模型为部分基础自动化奠定了基础,但关键决策仍须人工参与。此阶段服务呈现动态化特征,初步具备策略驱动的连接能力、基于事件的计费机制,并与 OSS系统实现初步集成以获取业务用量数据。

人工智能/机器学习模型开始支撑独立任务的决策过程,实现策略驱动的自动化,同时降低人工干预需求。实时数据管道及云原生容器化微服务使系统能够动态检测并响应事件。跨域编排平台的引入提升了系统可视化水平,助力实现用于响应式自我管理与自动修复的闭环自动化。服务创建、部署与管理基于人工智能洞察,并与OSS系统实现近实时集成,以同步用量数据。

基于声明式目标(意图)实现特定流程的全面任务自动化,人工智能/机器学习技术辅助人类监督并推动跨域决策、预测分析与实时调适。云与IT环境具备自我优化能力,运用强化学习及预测性扩展技术。闭环自动化实现持续性能调优,而差异化连接服务可动态适应网络与应用需求变化。OSS反馈机制支撑实时业务保障及商业变现编排。

全部运营流程实现完全自动化,无需或仅需极少量人工干预。统一数据平台支持端到端治理体系、自助分析功能及人工智能驱动的自动化操作。认知系统通过因果推断、异常检测等先进技术持续学习,自主应对未预见挑战并优化长期运行效果。云原生IT环境实现全自主管理与自我修复能力。认知编排系统自主将业务目标转化为行动,而自学习商业变现引擎则依据对客户行为特征与网络状况的实时分析,动态调整产品方案、定价策略及服务组合。

规划自智网络发展路径

解构新服务

将业务成果转化为精准的功能需求,是实现从“尽力而为”(best effort)服务向高级服务等级协议(SLA)保障转型的关键环节,其中包括:

  • 明确业务目标:
    准确定义公司的成功标准,系统规划自智网络支撑方案。
  • 需求映射分析:
    将业务目标分解为网络支撑高级 SLA所必需满足的具体技术与运维要求。
  • 持续迭代优化:
    伴随业务发展与技术演进不断优化需求体系。

选择正确的路径

确定最佳自智网络实施路线需要与业务目标保持战略一致。考虑要素包括:

  • 业务战略对齐:
    确保网络能力建设与提升客户体验、降低运营成本等战略重点相匹配。
  • 可扩展性与灵活性:
    选择具备技术演进可扩展性与适应能力的实施方案。
  • 风险管控机制:
    系统评估并缓解向更高网络自主化水平过渡过程中的潜在风险。

价值导向投资

制定5G自智网络投资战略需要建立以长期目标为导向的指导框架。关键要素包括:

  • 战略优先级规划:
    基于潜在投资回报率(ROI)和业务目标契合度确定投资优先级。
  • 技术趋势评估:
    持续评估新兴技术发展并对其网络战略影响进行研判。
  • 价值实现路径:
    通过提升网络性能和推出新服务实现切实的效益。