이 월드컵 인“스마트 심판”은 가장 큰 하이라이트 중 하나입니다. SAOT는 경기장 데이터, 게임 규칙 및 AI를 통합하여 오프사이드 상황에 대해 자동으로 빠르고 정확한 판단을 내립니다.
수천 명의 팬들이 3D 애니메이션 리플레이를 응원하거나 애도하는 동안 내 생각은 TV 뒤의 네트워크 케이블과 광학 섬유를 통신 네트워크로 따라 갔다.
팬들에게 더 부드럽고 명확한 시청 경험을 보장하기 위해 SAOT와 유사한 지능형 혁명이 커뮤니케이션 네트워크에서 진행되고 있습니다.
2025 년에는 L4가 실현 될 것입니다
오프사이드 규칙은 복잡하며, 심판이 현장의 복잡하고 변하기 쉬운 조건을 고려하여 순간에 정확한 결정을 내리는 것은 매우 어렵습니다. 따라서 논란의 여지가있는 오프사이드 결정은 종종 축구 경기에서 나타납니다.
마찬가지로, 통신 네트워크는 매우 복잡한 시스템이며, 지난 수십 년 동안 네트워크를 분석, 판사, 수리 및 최적화하기위한 인간의 방법에 의존하는 것은 자원 집약적이고 인적 오류가 발생하기 쉬운 것입니다.
더 어려운 것은 디지털 경제 시대에 커뮤니케이션 네트워크가 수천 개의 라인과 비즈니스의 디지털 혁신의 기반이 되었기 때문에 비즈니스 요구가 더욱 다양하고 역동적이되었으며 네트워크의 안정성, 신뢰성 및 민첩성이 더 높아져야하며, 인간 노동 및 유지 보수의 전통적인 운영 모드가 더 어렵다는 것입니다.
오프사이드 오해는 전체 게임의 결과에 영향을 줄 수 있지만, 커뮤니케이션 네트워크의 경우, "잘못 판단"은 운영자가 빠르게 변화하는 시장 기회를 잃고, 기업 생산이 중단되며, 사회 및 경제 발전의 전체 과정에 영향을 미칠 수 있습니다.
선택의 여지가 없습니다. 네트워크는 자동화되고 지능적이어야합니다. 이러한 맥락에서, 세계 최고의 운영자는 자기 지능 네트워크의 뿔을 들었습니다. Tripartite Report에 따르면, 전 세계 운영자의 91%가 전략 계획에 AutointElligent 네트워크를 포함 시켰으며, 10 명 이상의 헤드 운영자가 2025 년까지 L4를 달성하려는 목표를 발표했습니다.
그중에서도 China Mobile 은이 변화의 선봉에 있습니다. 2021 년에 China Mobile은 자체 지능 네트워크에 대한 백서를 발표하여 2025 년 L4 자체 지능 네트워크에 도달하는 정량적 목표를 업계에서 처음 제안하여 네트워크 운영 및 유지 보수 능력을 구축하고“제로 대기, 제로 연락 및 제로 연락”의 고객 경험을 창출 할 것을 제안했습니다.
"스마트 심판"과 유사한 인터넷 자기 지능
SAOT는 카메라, 볼 내 센서 및 AI 시스템으로 구성됩니다. 볼 내부 카메라와 센서는 데이터를 실시간으로 수집하는 반면 AI 시스템은 데이터를 실시간으로 분석하고 위치를 정확하게 계산합니다. AI 시스템은 또한 게임 규칙을 주입하여 규칙에 따라 오프사이드 호출을 자동으로 수행합니다.
Network AutointEctualization과 SAOT 구현에는 몇 가지 유사점이 있습니다.
첫째, 네트워크 및 인식은 AI 교육 및 추론에 대한 풍부한 데이터를 제공하기 위해 네트워크 리소스, 구성, 서비스 상태, 결함, 로그 및 기타 정보를 포괄적이고 실시간으로 수집하기 위해 깊이 통합되어야합니다. 이것은 볼 내부의 카메라 및 센서의 데이터 수집 데이터와 일치합니다.
둘째, 장애물 제거 및 최적화, 운영 및 유지 보수 매뉴얼, 사양 및 기타 정보에 대한 많은 양의 수동 경험을 통일 된 방식으로 AI 시스템에 입력해야합니다. 자동 분석, 의사 결정 및 실행을 완료합니다. SAOT가 오프사이드 규칙을 AI 시스템에 공급하는 것과 같습니다.
또한 통신 네트워크는 여러 도메인으로 구성되기 때문에 모든 모바일 서비스의 개방, 차단 및 최적화는 무선 액세스 네트워크, 전송 네트워크 및 핵심 네트워크 및 네트워크 자체 지능과 같은 여러 하위 도메인의 엔드 투 엔드 공동 작업을 통해서만 완료 될 수 있습니다. 이는 SAOT가보다 정확한 결정을 내리기 위해 여러 차원에서 비디오 및 센서 데이터를 수집해야한다는 사실과 유사합니다.
그러나 커뮤니케이션 네트워크는 축구장 환경보다 훨씬 더 복잡하며 비즈니스 시나리오는 단일 "오프사이드 페널티"가 아니라 매우 다양하고 역동적입니다. 위의 세 가지 유사점 외에도 네트워크가 고차자가 지점으로 이동할 때 다음 요소를 고려해야합니다.
먼저 클라우드, 네트워크 및 NE 장치를 AI와 통합해야합니다. 클라우드는 전체 도메인에서 대규모 데이터를 수집하고 AI 교육 및 모델 생성을 지속적으로 수행하며 AI 모델을 네트워크 계층 및 NE 장치에 전달합니다. 네트워크 계층에는 중간 교육 및 추론 능력이있어 단일 도메인에서 폐 루프 자동화를 실현할 수 있습니다. NES는 데이터 소스에 가까운 결정을 분석하고 결정하여 실시간 문제 해결 및 서비스 최적화를 보장 할 수 있습니다.
둘째, 통합 표준 및 산업 조정. 자체 지수 네트워크는 많은 장비, 네트워크 관리 및 소프트웨어 및 많은 공급 업체를 포함하는 복잡한 시스템 엔지니어링이며 도킹, 크로스 도메인 커뮤니케이션 및 기타 문제를 인터페이스하기가 어렵습니다. 한편, TM Forum, 3GPP, ITU 및 CCSA와 같은 많은 조직은 자체 지수 네트워크 표준을 촉진하고 있으며 표준 공식에 특정 조각화 문제가 있습니다. 또한 산업이 함께 협력하여 아키텍처, 인터페이스 및 평가 시스템과 같은 통합 및 개방 표준을 설정하는 것이 중요합니다.
셋째, 인재 변화. 자체 지수 네트워크는 기술적 변화뿐만 아니라 인재, 문화 및 조직 구조의 변화 일뿐 아니라 운영 및 유지 보수 작업을 "네트워크 중심"에서 "비즈니스 중심", 운영 및 유지 보수 요원으로, 하드웨어 문화에서 소프트웨어 문화로, 반복적 인 노동으로 전환해야합니다.
L3이오고 있습니다
오늘날 Autointelligence 네트워크는 어디에 있습니까? 우리는 L4에 얼마나 가깝습니까? 이에 대한 답은 중국 모바일 글로벌 파트너 컨퍼런스 2022에서 연설에서 화웨이 공공 개발 회장 루 홍주 (Lu Hongju)가 소개 한 3 가지 착륙 사건에서 찾을 수있다.
네트워크 유지 보수 엔지니어는 모두 홈 웨이브 네트워크가 운영자 운영 및 유지 보수 운영 작업의 가장 큰 고통이라는 것을 알고 있습니다. 홈 네트워크, ODN 네트워크, 베어러 네트워크 및 기타 도메인으로 구성됩니다. 네트워크는 복잡하며 수동 멍청한 장치가 많이 있습니다. 무감각 서비스 인식, 느린 응답 및 어려운 문제 해결과 같은 문제가 항상 있습니다.
이러한 고통스러운 점을 고려하여 China Mobile은 Henan, Guangdong, Zhejiang 및 기타 지방의 Huawei와 협력했습니다. 지능형 하드웨어 및 품질 센터의 협업을 기반으로 광대역 서비스 개선 측면에서, 사용자 경험에 대한 정확한 인식과 품질 문제가 열악한 정확한 위치에 대한 정확한 포지셔닝을 실현했습니다. 품질이 낮은 사용자의 개선률은 83%로 증가했으며 FTTR, 기가비트 및 기타 비즈니스의 마케팅 성공률은 3%에서 10%로 증가했습니다. 광 네트워크 장애물 제거 측면에서, 동일한 경로를 따라 숨겨진 위험의 지능형 식별은 97%의 정확도로 광섬유 산란 특성 정보와 AI 모델을 추출하여 실현됩니다.
녹색과 효율적인 개발의 맥락에서 네트워크 에너지 절약은 현재 운영자의 주요 방향입니다. 그러나 복잡한 무선 네트워크 구조로 인해 다중 주파수 대역 및 다중 표준의 중첩 및 교차 커버로 인해 다양한 시나리오의 셀 비즈니스가 시간이 지남에 따라 크게 변동합니다. 따라서 정확한 에너지 절약 종료를 위해 인공 방법에 의존하는 것은 불가능합니다.
도전에 직면하여, 양측은 네트워크 관리 계층 및 네트워크 요소 계층의 Anhui, Yunnan, Henan 및 기타 지방에서 함께 협력하여 네트워크 성능 및 사용자 경험에 영향을 미치지 않으면 서 단일 스테이션의 평균 에너지 소비를 10% 줄였습니다. 네트워크 관리 계층은 전체 네트워크의 다차원 데이터를 기반으로 에너지 절약 전략을 수립하고 제공합니다. NE 계층은 셀의 비즈니스 변화를 실시간으로 감지하고 예측하며 운송 업체 및 기호 종료와 같은 에너지 절약 전략을 정확하게 구현합니다.
축구 경기의“지능형 심판”과 마찬가지로, 커뮤니케이션 네트워크는“인식 융합”,“AI 뇌”및“다차원적인 협업”을 통해 특정 장면과 단일 자율 지역의 자기 지능화를 점차적으로 실현하고있어 네트워크의 자체 지분이 될 수있는 도로가 점점 더 분명해지는 것은 어렵지 않습니다.
TM Forum에 따르면 L3 Self-Intelligent Networks는“특정 네트워크 전문 분야에서 실시간 및 자체 최적화 및 자체 조정으로 환경의 변화를 감지 할 수 있지만 L4는“여러 네트워크 도메인에서보다 복잡한 환경에서 비즈니스 및 고객 경험 중심 네트워크의 예측 또는 능동적 인 폐쇄 루프 관리를 가능하게합니다. 분명히, AutointElligent 네트워크는 현재 Level L3에 접근하거나 달성하고 있습니다.
세 바퀴는 모두 L4로 향했습니다
그렇다면 우리는 어떻게 autointellectual 네트워크를 L4로 가속합니까? Lu Hongjiu는 Huawei는 단일 도메인 자율성, 도메인 간 협력 및 산업 협력의 3 방향 접근을 통해 중국 모바일이 2025 년까지 L4의 목표를 달성하도록 돕고 있다고 말했다.
단일 도메인 자율성의 측면에서, 첫째, NE 장치는 인식 및 컴퓨팅과 통합됩니다. 한편으로, 수동 및 밀리 초 수준의 인식을 실현하기 위해 광학 홍채 및 실시간 감지 장치와 같은 혁신적인 기술이 도입됩니다. 반면, 저전력 컴퓨팅 및 스트림 컴퓨팅 기술은 지능형 NE 장치를 실현하기 위해 통합되어 있습니다.
둘째, AI Brain을 갖는 네트워크 제어 계층은 지능형 네트워크 요소 장치와 결합하여 인식, 분석, 의사 결정 및 실행의 폐쇄 루프를 실현하여 자체 구성, 자체 수용 및 자체 최적화의 자율적 인 폐쇄 루프, 단일 도메인에서의 결함 처리 및 네트워크 최적화를 실현할 수 있습니다.
또한 네트워크 관리 계층은 상류층 서비스 관리 계층에 대한 열린 북쪽 인터페이스를 제공하여 크로스 도메인 협업 및 서비스 보안을 용이하게합니다.
Huawei는 크로스 도메인 협력 측면에서 플랫폼 진화, 비즈니스 프로세스 최적화 및 인력 혁신의 포괄적 인 실현을 강조합니다.
이 플랫폼은 스모크 스택 지원 시스템에서 글로벌 데이터 및 전문가 경험을 통합하는 자체 지능 플랫폼으로 발전했습니다. 과거에서 네트워크, 작업 순서 중심 프로세스, 경험 지향적 인 접촉 프로세스 변환에 대한 비즈니스 프로세스; 인력 변환 측면에서, 저 코드 개발 시스템과 운영 및 유지 보수 기능 및 네트워크 기능의 원자 캡슐화를 구축함으로써 CT 인력의 디지털 인텔리전스로의 전환의 임계 값이 낮아졌으며 운영 및 유지 보수 팀은 Dict Compleart Talent로 전환하는 데 도움이되었습니다.
또한 Huawei는 여러 표준 조직의 협업을 홍보하여 자체 지능 네트워크 아키텍처, 인터페이스, 분류, 평가 및 기타 측면에 대한 통합 표준을 달성하고 있습니다. 실제 경험을 공유하고, 3 중 평가 및 인증을 촉진하고, 산업 플랫폼을 구축함으로써 산업 생태의 번영을 촉진합니다. 그리고 중국 모바일 스마트 운영 및 유지 보수 서브 체인과 협력하여 루트 기술을 함께 분류하고 해결하여 루트 기술을 독립적이고 제어 할 수 있도록합니다.
위에서 언급 한 자체 지능 네트워크의 주요 요소에 따르면, 저자의 견해에 따르면, 화웨이의“트로이카”는 구조, 기술, 협력, 표준, 재능, 포괄적 인 적용 범위 및 정확한 힘을 가지고 있으며, 이는 기대할 가치가 있습니다.
자체 지수 네트워크는“통신 산업시와 거리”로 알려진 통신 업계 최고의 소원입니다. 또한 거대하고 복잡한 커뮤니케이션 네트워크 및 비즈니스로 인해 "긴 도로"및 "도전이 가득한"것으로 표시되었습니다. 그러나 이러한 착륙 사건과 트로이카가 그것을 유지하는 능력으로 판단하면 시가 더 이상 자랑스럽지 않고 멀지 않다는 것을 알 수 있습니다. 통신 산업의 공동 노력으로 점점 불꽃 놀이로 가득 차 있습니다.
시간 후 : 12 월 19 일 -2022 년