中国移动网络智能化发展思路：向下引领产业，向上构建生态

7月1日消息（九九）在昨日举行的“GSMA Thrive·万物生晖---智能自治网络论坛”上，中国移动研究院人工智能与智慧运营中心副总经理余立表示，中国移动从网元智能、运营智能、服务智能三个领域，为网络全生命周期注智，推进网络智能化演进，创造“5G+”新价值。

依托“九天”打造自主网络智能化基础平台

余立介绍，中国移动依托“九天”，打造自主网络智能化基础平台，为上层应用提供丰富的算力和数据支持。以高价值的应用为导向，从智能业务保障、智能网络运维、智能规划优化、智能能效管理四大类运用出发，积累、提炼、沉淀出中国移动网络智能化特有的核心能力，然后将这些能力进行封装，对外提供。不仅促进了网络智能化应用的开发效率，还极大的提升了平台价值。

从运营智能向下，中国移动引领产业完成网元智能协同和管理，依托传统CT和IT设备厂商，充分发挥产业优势，为通信网络引入原生智能力、实现高度智能化网络做出更多的贡献；从运营智能向上，中国移动构建生态环境，使能垂直行业的智能业务服务，基于特定的行业、特定的场景需求，孵化“5G+”行业应用，共建AI服务新生态。

基于以上思路，中国移动围绕标准化、基础平台、核心能力、规模应用四个方面开展相关工作，并逐步实现在网络智能化方面的创新和实践。标准化方面，先后在8个标准化和行业组织积极推动网络智能化水平分级框架和评估方法标准化工作；平台方面，以“九天”为创新引擎，搭建网络智能化通用基础设施平台，全线孵化系列AI能力和应用服务能力；核心能力方面，沉淀针对网络智能化的五大类共性能力，攻坚算法难点，加速应用孵化和能力复用；应用方面，面向高价值的生产环节，打造全流程的智能化网络应用体系，提供多领域的规模化服务。

网络智能化创新取得积极进展

余立介绍，中国移动在网络智能化方面已经具备比较典型的案例，并取得了积极效果。

首先是网络投诉自服机器人。网络自服机器人综合网络、客服、业务、用户等多维数据，利用特征聚类、语音识别等AI技术对投诉的意图进行智能分析，融合深度学习、智能推理等技术，实现从用户意图感知、网络数据自动关联、网络故障定位到故障解决方案的端到端一体化自主服务。目前网络自服机器人已经在江苏全省完成上线，成功缩短了投诉处理时长，投诉量下降61%，投诉处理效率提升54%，定位定界效率提升90%，极大地提升了用户满意度。

第二个案例是网络故障端到端智能运维。当网络出现故障，传统流程是通过人工查看告警、性能等数据完成，耗费时间过长；人工智能技术通过联合告警、性能、资源等多维度数据，采用异常检测算法自动发现隐患，发现时长缩短90%。传统故障定位主要依赖于运维人员的手动分析，但是运维人员的水平参差不齐，缺乏知识共享机制，造成故障定位困难等问题；利用人工智能技术进行故障定位，联合告警、工单、资源等信息，通过文本挖掘和分类算法，查找故障原因，单设备准确率最高达92%。除此之外，中国移动还同步构建故障处理措施的推荐机制，支撑全网31个省的故障运维，自动输出故障管理措施和建议，极大地提升了现网运维效率。

第三个案例是业务质量智能感知。通过引人人工智能技术，对语音通话质量进行智能感知、评估和异常检测。该系统基于海量的数据提供丰富多样的语音包时续特征，训练AI智能评估模型，同时模拟人耳真实感知，基于统一BPI系统实现5秒的切片异常感知和精准评估，及时发现质差用户和质差小区定位网络异常。该创新方案准确率相比传统模型有显著提升，综合准确率达到85%，MOS评估误差低至0.3%。目前已经在浙江、北京全网部署，实现全网用户的精准感知和评估，大量节省了人力、物力和时间成本。

建立无线网络参数的智能决策优化机制

为了进一步提升5G网络能力，降低能耗成本，需要建立无线网络参数的智能决策优化机制和运营模式。以业务预测为起点，基于效果预测评估、参数优化决策、环境状态学习，闭环优化结果生成最优策略，最终实现端到端的无线网络智能化优化路径。

以Massive MIMO智能优化技术为例，通过用户分布长短时的预测，以及基于大数据的无线环境学习和覆盖评估，对于全空间波数权值进行自适应优化，形成网随业动，多分布动态的优化模型，实现提升评估效率和系统容量的效果。目前该技术已经在4G单波束和5G合成波束的部分地区优化部署。

在基站节能方面，通过动态的预测，识别网络大数据多层覆盖小区，实现4G/5G网络协同节电，形成“一站一策”最优节电的门限优化策略，最终达到降低能耗的目的。目前该功能正在研发过程中。

余立表示，后续中国移动将继续与运营智能为重点，业务价值为导向，布局规模化的智能应用，深度融入生产全流程，实现统筹规划，局部切入，全面覆盖。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。