上海诺基亚贝尔张寒峥：AI赋能光网络的智能化与自动化

5月10日消息 近年来随着SDN、AI等新型技术的引入，智能光网络被赋予全新的定义。尤其到了5G时代，网络架构更加复杂，功能、性能不断增加，与此同时海量的数据流量和全新的业务模式出现，对光网络承载能力的要求越来越高。我们需要通过人工智能的手段，实现光网络的智能管理、极致体验、灵活开放，以达到提升用户体验，降低运营成本的目标。

在日前召开的“中国光通信高质量发展论坛中”的“当AI遇到光：智能光网络研讨会”上，上海诺基亚贝尔光网络业务副总裁张寒峥表示，AI在赋能光网络在智能化和自动化方面表现尤为突出。诺基亚推出的WaveSuite软件，以机器学习为核心，专注于为光网络提供高价值的应用而生，目前已经成功应用于健康&分析、光网络优化和数字孪生等应用中。

AI赋能光网络，

在智能化和自动化两方面表现更为突出

世界经济论坛关于数字化转型研究指出，如同过去工业革命和电器时代带来的巨大革命一样，在信息革命时代，数字化转型极大改变了整个行业和整个社会。

“过去几十年里，依靠科学技术的进步，整个世界得到了蓬勃发展。这一切的背后有摩尔定律、移动互联网、云计算、物联网和大数据等一系列技术发挥作用，尤其是这些技术叠加的组合效应加快了变革的步伐，在技术能力方面产生了惊人的飞跃，生产力也得到了极大的发展。”张寒峥指出，为了满足未来社会发展的进一步需求增长，这些技术很难再提供足够的动力，未来需要把人类的软技能和科技技能融合在一起，通过互补新成新的技能，加快数字化转型步伐。

张寒峥表示，对于今天的光网络来说，人工智能已经逐步开始，在智能化和自动化方面表现的尤为突出。

在数据驱动的环境下，从对网络、用户、IoT、交易和第三方的数据采集；到对流程、授权、资产和客户建模；再到基于业务的模型优化需要变得更加精准和主动洞察；最后根据洞察结果强化当前过程，或使之自动化的行动。

“把上述这些项全部串起来才算完成了一项智能化工作。”张寒峥表示，在发展过程中，这些组件也受到RPA、深度学习\机器学习、大数据和数字化、云计算、数据科学\AI预测模型等技术的影响，这些技术不同的排列组合使得数据驱动的智能化成为可能，并最终实现低成本和高精准的网络洞察。

在网络自动化架构中，大规模智能与实时可见性和网络资源的控制结合起来才能称之为洞察驱动的网络自动化。这并不是一个完全自治的网络，而是一系列机器辅助的操作，把日常的操作变成自动的工作流，除了特殊情况发生不需要人工干预。

“洞察驱动的网络自动化可以分为四个步骤来实现意图与结果之间的闭环。”张寒峥指出，一开始操作员需要定义意图；通过可编程的运营商SDN控制器把意图转化成动作和行动，由下层可编程的网络来执行，实现了自动化的业务配置；网络自身会产生持续有价值的反馈信息，通过Flow-driven telemetry等遥测技术把关键信息推测出来，用于故障监测、性能监测等一类的业务保障和服务；最后分析功能把信息进行深入分析和观察，验证结果是否符合预期目标，如果需要可以驱动进入下一步纠正工作。

在张寒峥看来，这个闭环的关键在于洞察行为是可实施的，而行动也是可编程的，整个过程也是受用于控制的，用户可以始终监控发生的事情，能够在结果偏离意图的时候收回控制权。

以机器学习为核心，

WaveSuit为光网络提供高价值应用而生

“机器学习是网络智能化的一个核心，它很大程度上依赖于获取到的高质量的数据，在最贴近物理层的光网络上更是如此。”张寒峥指出，光网络领域中成功的机器学习高度依赖于从不同光网络获取大量的高质量训练数据。

为获取这些数据，诺基亚创建了一个用户友好的安全的机器学习的环境——数据湖，运营商可以安全的存储处理网络数据，训练和验证机器学习，而且对多种来源的数据进行全面采集，更有助于创建更精确的机器学习能力。这些网络数据包含了streaming telemetry、网络拓扑、模拟/数字KPI’s、WaveSuit应用数据、环境telemetry等，采集后用于创建供机器学习使用的综合数据湖。

同时，贝尔实验室还提供了专业的知识，把算法和数据匹配起来，最大程度的提高机器学习的预测、分类和检测精度，诺基亚提供的数据湖环境通过持续学习来优化网络环境和运营，让机器学习可以安全适应不断变化的物理和商业环境，机器学习的结果被用来分析和理解网络里发生的事情和根本原因，预测即将发生的事情，分析结果可以用可视化方式输出，并给出下一步动作建议甚至自动响应，最后达到意图所预期的结果。

此外，诺基亚WaveSuite软件就是专注于为光网络提供高价值的应用而生的，它是以机器学习为核心，提供了自动化的动作触发框架，可以链接到其他软件的执行动作，也可以通过开放的接口触发第三方管理软件的动作。

张寒峥认为，在人工智能时代，价值慢慢从硬件向软件转移。“传统的规划软件和网络是相分离，与业务之间也有一定鸿沟，需要定制开放和接口进行交互。而目前底层的基础网络都是开放、敏捷的多厂商网络环境，具备开放的管理控制接口，在此之上是一个轻量级具有交钥匙功能的应用程序，实现网络的自动化和优化，而这正是WaveSuit的强项。”

据张寒峥介绍，WaveSuit目前已经成功应用于健康&分析、光网络优化和数字孪生等应用中。“在健康&分析引用中，WaveSuit可以主动的分析网络健康、实施优化、规划容量；在光网络优化方面，WaveSuit优化器可以提供链路优化、波道优化、波长梳理、多层分析（恢复优化）和场景分析五种服务，在学习和优化适配损耗和实现精调网络获取最佳性能；在数字孪生应用中，WaveSuit可以提供更加安全的创新和测试环境。

最后，张寒峥总结道，AI智能化和自动化拥有巨大潜力，不仅让网络反应更快，完成复杂的任务还能降低运营成本。但AI的实施与其说是技术上的挑战，不如说是对人的挑战，需要转变思维和技能，可视性和控制性是让人觉得更舒服的关键，也是让机器做出正确决定的关键。