이번 월드컵은 '똑똑한 심판'이 가장 큰 볼거리 중 하나다. SAOT는 경기장 데이터, 게임 규칙 및 AI를 통합하여 오프사이드 상황에 대해 자동으로 빠르고 정확한 판단을 내립니다.
수천 명의 팬들이 3D 애니메이션 재생을 응원하거나 한탄하는 동안 내 생각은 TV 뒤의 네트워크 케이블과 광섬유를 따라 통신 네트워크까지 이어졌습니다.
팬들에게 보다 부드럽고 선명한 시청 경험을 보장하기 위해 통신 네트워크에서도 SAOT와 유사한 지능형 혁명이 진행되고 있습니다.
2025년에는 L4가 실현된다
오프사이드 규칙은 복잡하고, 복잡하고 변화무쌍한 필드 상황을 고려해 주심이 순간적으로 정확한 판단을 내리는 것은 매우 어렵다. 따라서 논란의 여지가 있는 오프사이드 결정은 축구 경기에서 자주 나타납니다.
마찬가지로, 통신 네트워크는 매우 복잡한 시스템이며, 지난 수십 년 동안 네트워크를 분석, 판단, 수리 및 최적화하기 위해 인간의 방법에 의존하는 것은 자원 집약적이며 인적 오류가 발생하기 쉽습니다.
더욱 어려운 점은 디지털 경제 시대에 통신 네트워크가 수천 개의 라인과 기업의 디지털 전환을 위한 기반이 되면서 비즈니스 요구가 더욱 다양하고 역동적으로 변했으며, 네트워크는 더 높아야 하며 전통적인 인간 노동 및 유지 관리 운영 방식을 유지하기가 더 어렵습니다.
오프사이드 오판은 게임 전체의 결과에 영향을 미칠 수 있지만, 통신 네트워크의 경우 '오판'으로 인해 운영자는 급변하는 시장 기회를 놓치고 기업의 생산이 중단될 수 있으며 심지어 사회 전체 프로세스에 영향을 미칠 수 있습니다. 그리고 경제 발전.
선택의 여지가 없습니다. 네트워크는 자동화되고 지능적이어야 합니다. 이러한 맥락에서 세계 최고의 통신 사업자들은 자가 지능 네트워크의 경적을 울려 왔습니다. 삼자 보고서에 따르면 글로벌 사업자의 91%가 전략 계획에 자동 지능 네트워크를 포함시켰으며, 10개 이상의 주요 사업자가 2025년까지 L4 달성 목표를 발표했습니다.
그 중 차이나모바일이 이러한 변화의 선두에 있다. 2021년 차이나모바일은 자율지능 네트워크 백서를 발표해 업계 최초로 2025년 L4 자율지능 네트워크 도달이라는 정량적 목표를 제시하고 '자체 구성' 네트워크 운영 및 유지관리 역량 구축을 제안했다. , 자가 수리 및 자가 최적화'를 내부적으로, 외부적으로는 '대기 제로, 실패 제로, 접촉 제로'의 고객 경험을 창출합니다.
'스마트 심판'과 유사한 인터넷 자기지능
SAOT는 카메라, 인볼 센서, AI 시스템으로 구성됩니다. 공 내부의 카메라와 센서가 실시간으로 데이터를 완벽하게 수집하고, AI 시스템이 실시간으로 데이터를 분석해 정확한 위치를 계산한다. 또한 AI 시스템은 게임 규칙을 주입하여 규칙에 따라 자동으로 오프사이드 판정을 내립니다.
네트워크 자동 지능화와 SAOT 구현 간에는 몇 가지 유사점이 있습니다.
첫째, 네트워크와 인식이 긴밀하게 통합되어 네트워크 리소스, 구성, 서비스 상태, 장애, 로그 및 기타 정보를 종합적이고 실시간으로 수집하여 AI 훈련 및 추론을 위한 풍부한 데이터를 제공해야 합니다. 이는 공 내부의 카메라와 센서에서 데이터를 수집하는 SAOT와 일치합니다.
둘째, 자동 분석, 의사 결정 및 실행을 완료하려면 장애물 제거 및 최적화, 운영 및 유지 관리 매뉴얼, 사양 및 기타 정보에 대한 대량의 수동 경험을 AI 시스템에 통일된 방식으로 입력해야 합니다. 이는 SAOT가 오프사이드 규칙을 AI 시스템에 입력하는 것과 같습니다.
또한, 통신 네트워크는 여러 도메인으로 구성되어 있기 때문에 모든 모바일 서비스의 개방, 차단 및 최적화는 무선 액세스 네트워크, 전송 네트워크 및 코어와 같은 여러 하위 도메인의 엔드 투 엔드 협업을 통해서만 완료될 수 있습니다. 네트워크 및 네트워크 자체 지능에도 "다중 도메인 협업"이 필요합니다. 이는 SAOT가 보다 정확한 결정을 내리기 위해 다차원에서 비디오 및 센서 데이터를 수집해야 한다는 사실과 유사합니다.
그러나 통신 네트워크는 축구장 환경보다 훨씬 복잡하며 비즈니스 시나리오는 단일한 "오프사이드 페널티"가 아니라 매우 다양하고 역동적입니다. 위의 세 가지 유사점 외에도 네트워크가 고차원 자동 지능으로 이동할 때 다음 요소를 고려해야 합니다.
첫째, 클라우드, 네트워크, NE 장치를 AI와 통합해야 합니다. 클라우드는 전체 도메인에 걸쳐 대규모 데이터를 수집하고 지속적으로 AI 교육 및 모델 생성을 수행하며 AI 모델을 네트워크 계층 및 NE 장치에 제공합니다. 네트워크 계층은 중간 수준의 훈련 및 추론 능력을 갖추고 있어 단일 도메인에서 폐쇄 루프 자동화를 실현할 수 있습니다. Nes는 데이터 소스에 가깝게 분석하고 의사결정을 내릴 수 있어 실시간 문제 해결 및 서비스 최적화를 보장합니다.
둘째, 통일된 표준과 산업의 조화입니다. 자체 지능형 네트워크는 많은 장비, 네트워크 관리 및 소프트웨어, 많은 공급업체가 포함된 복잡한 시스템 엔지니어링이며 도킹, 도메인 간 통신 및 기타 문제를 인터페이스하기가 어렵습니다. 한편, TM Forum, 3GPP, ITU 및 CCSA와 같은 많은 조직에서는 자체 지능형 네트워크 표준을 장려하고 있으며 표준 공식화에는 특정 단편화 문제가 있습니다. 또한 업계가 함께 협력하여 아키텍처, 인터페이스, 평가 시스템 등 통일되고 개방적인 표준을 확립하는 것도 중요합니다.
셋째, 인재변환이다. 자가지능형 네트워크는 기술적 변화일 뿐만 아니라 인재, 문화, 조직 구조의 변화이기도 하며, 이를 위해서는 운영 및 유지관리 업무가 '네트워크 중심'에서 '비즈니스 중심'으로 전환되고, 운영 및 유지관리 인력도 변화해야 합니다. 하드웨어 문화에서 소프트웨어 문화로, 반복적인 노동에서 창의적인 노동으로.
L3가 곧 시작됩니다
오늘날 Autointelligence 네트워크는 어디에 있습니까? 우리는 L4에 얼마나 가까이 있나요? 그 답은 Huawei Public Development의 Lu Hongju 사장이 China Mobile Global Partner Conference 2022 연설에서 소개한 세 가지 착륙 사례에서 찾을 수 있습니다.
네트워크 유지 관리 엔지니어는 모두 홈 와이드 네트워크가 운영자의 운영 및 유지 관리 작업의 가장 큰 문제점이라는 것을 알고 있습니다. 아마도 아무도 없을 것입니다. 홈 네트워크, ODN 네트워크, 베어러 네트워크 및 기타 도메인으로 구성됩니다. 네트워크는 복잡하고 수동형 멍청한 장치가 많이 있습니다. 둔감한 서비스 인식, 느린 응답, 어려운 문제 해결 등의 문제는 항상 존재합니다.
이러한 문제점을 고려하여 China Mobile은 허난(Henan), 광둥(Guangdong), 저장(Zhejiang) 및 기타 지역에서 Huawei와 협력해 왔습니다. 광대역 서비스 개선 측면에서 지능형 하드웨어와 품질 센터의 협력을 기반으로 사용자 경험에 대한 정확한 인식과 품질 불량 문제의 정확한 위치 파악을 실현했습니다. 품질이 낮은 사용자의 개선율은 83%로 향상되었으며, FTTR, Gigabit 및 기타 비즈니스의 마케팅 성공률은 3%에서 10%로 향상되었습니다. 광 네트워크 장애물 제거 측면에서, 광섬유 산란 특성 정보와 AI 모델을 추출하여 동일한 경로를 따라 숨겨진 위험에 대한 지능적인 식별이 97%의 정확도로 실현됩니다.
친환경적이고 효율적인 개발이라는 맥락에서 네트워크 에너지 절약은 현재 운영자의 주요 방향입니다. 그러나 복잡한 무선 네트워크 구조, 다중 주파수 대역 및 다중 표준의 중복 및 교차로 인해 다양한 시나리오의 셀 비즈니스는 시간이 지남에 따라 크게 변동됩니다. 따라서 정확한 에너지 절약 차단을 위해 인위적인 방법에 의존하는 것은 불가능합니다.
어려움에 직면하여 양측은 안후이, 윈난, 허난 및 기타 지역의 네트워크 관리 계층과 네트워크 요소 계층에서 협력하여 네트워크 성능과 사용자에 영향을 주지 않고 단일 스테이션의 평균 에너지 소비를 10% 줄였습니다. 경험. 네트워크 관리 계층은 전체 네트워크의 다차원 데이터를 기반으로 에너지 절약 전략을 수립하고 전달합니다. NE 레이어는 셀 내 비즈니스 변화를 실시간으로 감지하고 예측하며 캐리어, 심볼 셧다운 등 에너지 절감 전략을 정확하게 구현한다.
위의 사례에서 축구 경기의 '지능형 심판'처럼 통신 네트워크도 '지각 융합', 'AI 두뇌'를 통해 특정 장면과 단일 자치 지역에서 점차 자기 지능화를 실현하고 있음을 쉽게 알 수 있습니다. 그리고 "다차원 협업"을 통해 네트워크의 고급 자기 지능화로 가는 길이 점점 더 명확해지고 있습니다.
TM 포럼에 따르면 L3 자가 지능형 네트워크는 "실시간으로 환경 변화를 감지하고 특정 네트워크 전문 분야 내에서 자체 최적화 및 자체 조정을 수행할 수 있습니다." 반면 L4는 "비즈니스 및 고객 경험에 대한 예측적 또는 능동적 폐쇄 루프 관리를 가능하게 합니다." 여러 네트워크 도메인에 걸쳐 더욱 복잡한 환경에서 네트워크 기반 네트워크를 구축합니다.” 분명히 자동 지능 네트워크는 현재 레벨 L3에 접근하거나 달성하고 있습니다.
세 바퀴 모두 L4를 향하고 있다
그렇다면 자동 지능 네트워크를 L4로 가속화하려면 어떻게 해야 할까요? Lu Hongjiu는 화웨이가 단일 도메인 자율성, 도메인 간 협력, 산업 협력이라는 3자 접근 방식을 통해 China Mobile이 2025년까지 L4 목표를 달성하도록 돕고 있다고 말했습니다.
단일 도메인 자율성 측면에서 첫째, NE 장치는 인식 및 컴퓨팅과 통합됩니다. 한편으로는 수동적 및 밀리초 수준의 인식을 실현하기 위해 광학 조리개 및 실시간 감지 장치와 같은 혁신적인 기술이 도입됩니다. 한편, 저전력 컴퓨팅과 스트림 컴퓨팅 기술을 통합해 지능형 NE 디바이스를 구현한다.
둘째, AI 두뇌를 갖춘 네트워크 제어 계층은 지능형 네트워크 요소 장치와 결합하여 인식, 분석, 의사 결정 및 실행의 폐쇄 루프를 실현함으로써 자체 구성, 자체 복구 및 자율 폐쇄 루프를 실현할 수 있습니다. 단일 도메인에서 네트워크 운영, 오류 처리 및 네트워크 최적화를 지향하는 자체 최적화입니다.
또한 네트워크 관리 계층은 상위 계층 서비스 관리 계층에 개방형 노스바운드 인터페이스를 제공하여 도메인 간 협업 및 서비스 보안을 용이하게 합니다.
도메인 간 협업 측면에서 Huawei는 플랫폼 진화, 비즈니스 프로세스 최적화 및 인력 혁신의 포괄적인 실현을 강조합니다.
플랫폼은 굴뚝 지원 시스템에서 글로벌 데이터와 전문가 경험을 통합한 자체 지능 플랫폼으로 진화했습니다. 과거의 비즈니스 프로세스는 네트워크 중심, 작업 주문 중심 프로세스에서 경험 중심, 무접촉 프로세스 전환으로 전환됩니다. 인력 전환 측면에서는 로우코드 개발 시스템을 구축하고 운영 및 유지 관리 역량과 네트워크 역량을 원자적으로 캡슐화함으로써 CT 인력의 디지털 인텔리전스 전환 임계값을 낮추고 운영 및 유지 관리 팀이 DICT로 전환할 수 있도록 지원했습니다. 복합적인 재능.
또한 화웨이는 자체 지능형 네트워크 아키텍처, 인터페이스, 분류, 평가 및 기타 측면에 대한 통일된 표준을 달성하기 위해 여러 표준 조직의 협력을 촉진하고 있습니다. 실무 경험 공유, 삼자 평가 및 인증 촉진, 산업 플랫폼 구축을 통해 산업 생태계의 번영을 촉진합니다. 그리고 China Mobile 스마트 운영 및 유지 관리 하위 체인과 협력하여 루트 기술을 함께 분류하고 처리하여 루트 기술이 독립적이고 제어 가능하도록 보장합니다.
위에서 언급한 자가 지능 네트워크의 핵심 요소에 따르면, 저자는 화웨이의 '트로이카'가 구조, 기술, 협력, 표준, 재능, 포괄적인 적용 범위 및 정확한 힘을 갖추고 있어 기대할만한 가치가 있다고 생각합니다.
자가 지능 네트워크는 "통신 산업의 시와 거리"로 알려진 통신 산업의 가장 큰 소망입니다. 거대하고 복잡한 통신망과 사업으로 인해 '갈 길이 멀다', '도전이 가득하다'는 꼬리표도 붙었습니다. 그러나 이러한 상륙 사례와 이를 유지하는 트로이카의 능력으로 판단하면 시는 더 이상 자랑스럽지 않으며 그리 멀지도 않다는 것을 알 수 있습니다. 통신업계의 합심한 노력으로 불꽃놀이가 점점 더 풍성해지고 있다.
게시 시간: 2022년 12월 19일