隨著云化網絡的復雜性和解耦性增強，云化網絡重構將給網絡運營和運維帶來巨大挑戰，5G技術變革也將對云化網絡上的垂直業務帶來革命性的改變。

      實現云化網絡的智能化需要具備兩個核心能力，第一個核心能力是構建基礎平臺。這個平臺必須解決兩個事情，首先是云化網絡智能化所需要的計算能力；其次是智能化所需要的數據處理能力，主要體現在如何從海量數據中提取有價值的樣本數據。

       第二個核心能力是場景化。云化網絡場景化可以從三個層面理解：網絡基礎層、網絡功能層和網絡運維運營層。網絡基礎層關注網絡的可靠性和穩定性，故障智能化定位就顯得尤為關鍵。故障智能化定位涉及故障數據的海量采集、故障數據的關聯、故障預測和故障自動化排除。網絡功能層重點關注網絡功能全息數據監控和感知，實現網絡的自優化調整和網絡功能自愈，通過海量數據采集、數據分析、數據AI模型建立應用和數據決策、數據反饋形成閉環。網絡運維運營層面關注基于DevOps的智能化應用，包括網絡自動化部署、網絡彈性、故障定位等焦點問題。從運營角度來考慮，需要結合大數據進行數據挖掘分析，構建能給運營商帶來有價值增長的場景，如流量智能化經營、網絡用戶體驗評估、網絡質量評估、網絡跨界的端到端故障定位、業務開放快速構建新業務等。

        根據對智能化能力的不同要求，方案支持逐步引入大數據和AI能力。在云化網絡智能化的分層架構中，越上層、越集中化，跨領域分析能力越強，更適合對全局性的策略集中進行訓練及推理，比如跨域調度、端到端編排、全網內容分布等，通常對計算能力要求很高，需要跨領域的海量數據支撐，對實時性要求一般敏感度較低。越下層、越接近端側，專項分析能力越強，對實時性往往有較高要求，比如5G NR的移動性策略、MEC的實時控制等，但對計算能力依賴度不高，一般適合引入嵌入式推理能力，或結合MEC，部署具備一定實時處理能力的輕量級訓練引擎。

       AI+大數據使能的智能化網絡是5G網絡發展的重要趨勢，智能化將帶來網絡根本性的變革。首先依托網絡大數據與機器學習算法的支撐實現5G網絡的初級智能化；其次AI將可以學習跨領域的5G網絡大數據，部分子領域將出現融合智能，實現5G網絡的中級智能化；最后隨著人工智能技術高度發展，網絡各子領域大數據將實現全網聯動和高度自治，大幅提升網絡全生命周期效率，基于人類控制網絡的意圖實現網絡的高級智能化。可以預見，在不久的將來，AI技術和大數據的結合將推動電信網絡劃時代的發展和演進。

（本文轉載自電子發燒友網，如有侵權，請聯系刪除）