中国电信陈运清：5G+云网融合，帮助5G触达用户

12月23日消息（水易）昨日，在“GNTC 2020全球网络技术大会”上，中国电信研究院副院长陈运清发表“基于5G+云网融合的网络新基建思考”的主旨演讲。他表示，5G作为新基建的先导和基石，将加速数字化进程，从而为客户带来价值。

当然，在这一过程中需要构建一个能够助力5G发展的数字化平台，从而带动新业务和技术创新。为了构建数字化平台，中国电信提出以云网融合为主力抓手，以“云改数转”为整体战略，一方面助力5G建设，一方面拓展业务的新蓝海。

5G+云网融合，帮助5G触达用户

为什么要将云网融合与5G关联？陈运清指出，云网融合能够将诸如物联网、区块链、人工智能、大数据等众多新的技术创新要素融入到5G新基建中。例如，区块链提供安全可信能力，人工智能助力运营商智慧运营，合理运用大数据扩展新型业务场景等，从而帮助5G触达用户。

今年，中国电信正式发布《云网融合2030技术白皮书》，分三阶段全面推进云网融合：协同阶段（2020-2022），云网基础设施层“对接”，业务自动化开通和加载，一站式云网订购；融合阶段（2023-2027），逻辑架构和通用组件趋同，资源和能力“物理反应”，云网统一发放和调度；一体阶段（2028-2030），打破云网技术边界，物理和逻辑层“化学反应”，云网资源和服务成为数字化平台标准件。

云网融合的背景下，在推进5G建设的同时，还应考虑充分利用5G的边缘计算、切片、隔离性、QOS保证等特性，为用户提供差异化、定制化的服务，并推出相应的解决方案，最终形成商业模式。

针对不同的行业需求和场景，中国电信推出5G定制网服务。将专网客户分为广域优先型行业客户、时延敏感型区域政企客户及安全敏感型区域政企客户三类，分别提供“致远”“比邻”“如翼”三类定制网服务模式。

致远模式是中国电信基于5G网络资源，通过QoS、DNN定制、切片等技术，面向广域优先型行业客户提供端到端差异化保障的网络连接、行业应用等服务；比邻模式，则是中国电信通过多频协同、载波聚合、超级上行、边缘节点、无线资源预留等技术，面向时延敏感型政企客户提供带宽增强、低时延、数据本地卸载的专有网络服务，配合MEC、天翼云，最大化发挥云边协同优势，为行业客户的数字化应用赋能；如翼模式是中国电信面向高安全、高隔离的安全敏感型政企客户，通过定制基站、频率、园区级UPF等专用网络设备及网络服务，全面匹配MEC、云、行业能力、行业应用等关键组件，为行业客户提供端到端的、定制化的专属解决方案。

与此同时，陈运清强调：“5G和云的时代单打独斗不可能推动事物的发展，必须要有一个强大的生态。”为此中国电信在2019年成立5G产业创新联盟，旨在聚合产业伙伴、探索5G创新应用、构建5G产业生态、推动5G成熟发展。同时配套5G开放实验室，一方面服务中国电信内部，一方面服务于合作伙伴。

开放融合，未来网络演进之路

对于未来网络的发展，陈运清指出要有开放融合的理念，而今后网络的革命性变革也将来自于技术的交叉融合，从而促进产业界的发展和新基建的发展。在他看来，未来网络将通过以下六方面演进升级。

一是泛在连接的网络。IPv6是核心技术底座，它是泛在连接的必需品。同时，端到端纯IPv6，也是中国电信实现云网融合2030的主要技术底座。目前，中国电信正全面推动网络从IPv4/ IPv6双栈向覆盖所有场景的IPv6单栈演进，形成全IPv6数据底座。

二是打造可信网络。互联网的发展是去中心化和逐步云化的过程，所以这个过程中需要重点考虑网络如何变的安全、可信。避免相关的安全隐患，是今后网络面临的主要问题。目前中国电信正在开展深入研究和实践，推进路由系统与区块链的有机结合。

三是扩展网络深度。随着网络的应用场景越来越丰富，尤其是低时延场景，工业互联网场景，传统的网络已经无法满足需求，需要构建一张精准性网络，其基本内涵是实现带宽可控、路径可控、抖动可控。

四是结合人工智能。有了人工智能，可以在网络上增加意图识别、自动规划、诊断、运营的能力，这是今后网络优化的主要方向，从而实现智慧化运营。目前，结合电信业的业务特点，人工智能已经在重点业务保障，例如故障排查；无线网优，例如基站的节能减排；工单智能化等方面取得了较好的成果。

五是算力网络。云网融合后，无法完全区分哪些是云资源，哪些是网资源，因而网络资源的调度需要综合整体算力。要符合不同维度，不同来源，不同架构，同时要整合碎片化，将类似于5G的连接技术、网络技术和计算技术、大数据、云计算、边缘计算进行融合，形成化学反应。

六是孪生网络。网络越来越复杂以后，需要构建一个能够仿真现实网络的孪生网络，辅助整个网络演进和规划运营。通过物理网络和虚拟网络的联动，构建一个虚实结合的网络，从而实现低成本和智能化。

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。