许多运营商认识到网络自动化是扩大经营规模的必要条件,并着眼于利用人工智能 (AI) 和机器学习 (ML) 来提高效率和减少人为失误。AI/ML在电信领域有许多显而易见的应用场景,包括网络性能方面(故障预测、规划、优化等)以及客户体验方面(聊天机器人/虚拟助手、针对性推荐等)的用例。
尽管许多运营商对部署AI/ML模型持乐观态度,但关于“如何部署?”、“何时部署?”以及“部署上有哪些障碍?”的问题也随之而来。本报告将探究运营商的业务规模将如何影响它们对AI/ML的看法、相关工作重点以及部署动力。
在2021年6月,Omdia调查了62家运营商在软件定义网络 (SDN) 和AI/ML方面的关注点、进展以及顾虑。
主要的关注点包括明确定义端到端网络架构以及开发和部署这些自动化网络。在整个2022年和2023年,运营商将开始在AI/ML研究、测试和规划方面取得良好进展。意料之中的是,大型运营商正在引领发展,主要原因可能是它们拥有更庞大的研发预算、开发团队以及更合适的技能。对于所有运营商而言,它们面临的主要障碍包括缺乏成熟的AI/ML标准以及API不足。许多运营商也在艰难地应对高成本或商业案例不明确的问题。此外,大型运营商对于缺乏开发者生态的问题感到担忧。
给厂商的建议
厂商能够强有力地支持运营商的自动化历程。它们应分享自己在自动化软件以及AI/ML部署方面的知识,并帮助运营商越过AI/ML的部署障碍。
厂商应根据运营商的企业规模、用例和自动化关注点提供独有的产品。在当前的电信转型阶段,许多小型运营商可能还不需要解决方案,但可能需要厂商的专业知识。
给运营商的建议
运营商必须学习早期采用者的经验。相对于小运营商,大运营商将以更快的速度为实现网络自动化来调查、测试和部署AI/ML。小运营商需要学习大运营商的经验和教训,从而指导自己的网络自动化历程。它们还需要寻找独特的机会和用例,并开始为网络自动化组建团队和规划资源。
运营商应加入标准组织、贡献代码并支持开发者生态。对于运营商而言,一些最常见的部署障碍包括缺乏标准、API或开发者社区。它们应尽早开始解决这一问题,以防在其进一步部署AI/ML来实现网络自动化时受到阻碍。
各运营商群体的自动化战略基本一致
总体来看,运营商在一些关键策略上是一致的,包括:
物理和虚拟网络实现虚拟元素端到端自动化
部署对多载波、端到端、多层网络与IT资源的自动化网络服务管理
定义端到端网络和服务管理架构
事实上,运营商了解实现自动化的各种策略,并且这种了解基本上与公司规模无关。也就是说大大小小的运营商可能抱持着相似的思维模式,这可能会使未来与厂商以及自动化/AI/ML初创企业的合作变得更加容易。
小型运营商在早期探索AI/ML部署的时间安排方面处于落后位置
对于“为实现网络自动化,贵组织的AI和ML部署工作何时将处于实验室探索(概念验证开发)/ 初步调查/实验室测试阶段?”这一问题,大型运营商与小型运营商的回答存在很大差异。
Figure 1: Operator responses to “when will your organization be at the following stages of deploying AI and ML to automate your organization’s networks?” for lab exploration by size (n=61)
Source: Omdia
Figure 2: Operator responses to “when will your organization be at the following stages of deploying AI and ML to automate your organization’s networks?” for initial investigation by size (n=61)
Source: Omdia
Figure 3: Operator responses to “when will your organization be at the following stages of deploying AI and ML to automate your organization’s networks?” for lab testing by size (n=61)
Source: Omdia
总体而言,运营商似乎在未来几年会积极地研究和部署AI/ML模型。这是一个良好的迹象,因为只有新用例(例如元宇宙)出现,网络流量才会继续增加。理想情况下,AI/ML将有助于确保运营商能够快速、高效和自动地应对任何瓶颈。
到2021年底,在实验室探索、初步调查和实验室测试这三个方面,大型运营商的部署将领先于小型运营商,并且2022年的部署计划也处于领先地位。大运营商与小运营商之间的区别可能是研发预算、团队规模或可用性方面的差异造成的。不管怎样,大多数运营商(无论何种规模)都计划在2022年底之前开始部署AI/ML,这意味着明年可能将取得一些重大进展。
在2022年和2023年,许多运营商将在AI/ML模型的调查、测试甚至部署方面取得重大进展。我们希望看到整个AI/ML开发社区中的协作、讨论和知识共享,这将有助于提高效率并推动“事实”标准的发展,从而进一步促进运营商的研究工作。
厂商可以进一步支持这一进程,与运营商合作伙伴分享自己在AI/ML电信用例方面的知识和专长。
部署AI/ML网络用例的主要障碍
对于“部署AI/ML网络用例最大的障碍是什么?”这个问题,不同规模运营商的回答有相同点也有不同点。
所有运营商都注意到,缺乏标准是部署AI/ML的一大障碍。由于AI刚刚开始用于电信网络,因此当前缺乏完整的定义和适用的标准。
每个运营商群体还有一些自己要面临的独特障碍;小型运营商注意到内部组织和缺乏专业知识方面的问题,而大中型运营商的障碍则是难以获取高质量数据。虽然数据问题不太可能仅适用于大中型运营商,但这些规模较大的运营商可能会在电信转型历程中走得更远,更倾向于使用数据分析来优化网络运营。对于仍处于早期阶段的小型运营商而言,随着时间的推移,这一障碍可能会变得更加明显。规模庞大的运营商更关心开发者生态,这表明它们的AI项目更加成熟,因此会关注更高层级的挑战。
虽然运营商可以在内部自己解决许多障碍(例如提高工人的技能来应对缺乏相关知识的问题),但其它障碍(例如开发者生态和可用的标准)可能需要一些时间。无论运营商与竞争对手相比领先多少,如果运营商不够积极主动,就可能会遇到其它阻碍。开发通常是一个双轨过程,需要使用标准和持续测试。监控和分析将提供数据,进而用于改进算法。
总的来说,以上列出的障碍是每家运营商都需要克服的,因此最好尽早为应对所有这些障碍做好准备。
结论
简而言之,运营商在积极地探索AI/ML技术,并意识到实现网络自动化的益处。例如,开放式RAN社区正努力构建一个开发者生态来为RAN智能控制器 (RIC) 创建应用。许多运营商正在积极尝试推动这些发展。虽然自动化不会很快实现,但针对标准和API开发进行协作、沟通并做出贡献将推动相关研究加速发展,从而使AI/ML支持的服务加速上市。各种规模的运营商都有一些障碍需要克服。从长远来看,需要考虑的一些关键因素包括数据访问、内部拥有所需的技能(或其它获取人才的方式,例如通过战略合作伙伴)以及支持开发者生态。
责任编辑:侯亚丽
24小时热文
流 • 视界
专栏文章更多
- [常话短说] 【解局】全国广电干部密集换帅! 2026-11-16
- [常话短说] 【突发】机顶盒被植入后门?! 2026-11-13
- [常话短说] 【重磅】多省IPTV用户数下滑吗?! 2026-11-12
- [勾正科技] 从“买广告位”到"经营内容“:2026,内生广告正在重构品牌价值 2026-11-11
- [常话短说] 【突发】某广电一干部被查! 2026-11-11




