愛立信如何構建意圖驅動型自主網絡

意圖驅動型服務編排與AI相互協(xié)同，正在徹底改變網絡和服務的管理方式。這種協(xié)同究竟會如何革新OSS服務管理方式？又將如何發(fā)掘自動化和可編程網絡的全部潛能？

作者：Alexander Valchuk, Senior OSS/BSS technical sales leader, Ericcson 原標題：How AI empowers intent-driven service orchestration and assurance

以AI和自動化改變服務編排方式

意圖驅動型服務編排與保障開啟了服務管理和編排的新時代。有了它，我們不僅可以自動部署和激活服務，還能進行持續(xù)監(jiān)控和調整，以實現(xiàn)動態(tài)的業(yè)務、服務和運營目標。人工智能（AI）可以自動完成決策、預測分析和閉環(huán)操作，確保服務實例與定義的意圖保持一致，因此在賦能服務管理和編排方面發(fā)揮著變革性作用。

圖1：AI在服務管理與編排中的角色

運營商（CSP）在實施服務自動化方面面臨的主要挑戰(zhàn)之一，是端到端服務藍圖設計、分解以及面向客戶和資源的端到端服務實例保障的復雜性。我們的經驗表明，要充分發(fā)揮服務管理和編排的優(yōu)勢，系統(tǒng)中必須配置一系列軟件構件，包括服務藍圖設計、分解與集成邏輯、主工作流程和原子工作流程等。要成功實施編排項目，需要在設計和測試這些構件方面投入大量精力。

運營商正在設法更有效地實施服務編排和保障操作。從管理OSS系統(tǒng)配置和集成轉向管理自動化流程，是實現(xiàn)更高效、更精簡的服務運營的關鍵。將服務管理模式向AI賦能的意圖驅動型自主服務運營模式演進，是Tele Management Forum（TM Forum）定義的自主網絡愿景的基礎；最新發(fā)布的自主網絡技術架構文章中詳細闡述了這一愿景。

AI+意圖驅動型自主服務運營模式如何實現(xiàn)？

TM Forum的可編程網絡愿景以意圖驅動型服務編排為核心，允許運營商定義高級別的業(yè)務和服務意圖，然后自動轉換為具體的網絡配置和操作。在這一過程中，服務保障同樣重要，可確保網絡服務實例在整個過程中持續(xù)滿足指定的意圖。

要在從服務設計、配置一直到服務觀測和保障的整個生命周期內實現(xiàn)全自動服務管理，必須實施AI賦能的意圖驅動型自主服務運營，而這可以通過AI賦能的編排系統(tǒng)來實現(xiàn)。

圖2: AI實現(xiàn)意圖驅動型運營｜來源：愛立信

令人振奮的是，AI能夠通過意圖驅動型服務編排實現(xiàn)服務實例的全生命周期管理——從服務藍圖設計，一直到端到端服務實例的運營與保障，從而實現(xiàn)自主服務運營。

利用AI加快服務藍圖設計周期，高效交付創(chuàng)新服務

在意圖驅動型服務編排和保障方面，AI和ML技術可以大幅簡化服務編排架構師和網絡設計師的工作。例如，AI可以使用定制訓練的大語言模型（LLM），生成并驗證初始服務編排藍圖。這一過程利用歷史數(shù)據、先前的藍圖迭代、網絡配置和特定服務需求，并結合模式識別和預測建模等ML技術，創(chuàng)建創(chuàng)新且功能完善的服務藍圖。

服務藍圖生成后，AI工具可以通過數(shù)字孿生（真實世界服務實現(xiàn)的虛擬副本）模擬其部署。這種模擬有助于預測服務實例的性能，并在實際部署到現(xiàn)網中之前及時發(fā)現(xiàn)潛在問題。此外，AI系統(tǒng)還可以通過無監(jiān)督學習技術確保藍圖符合現(xiàn)有網絡標準、操作協(xié)議和最佳實踐，并檢測與現(xiàn)有模型的偏差。

圖3: AI賦能的服務藍圖設計｜來源：愛立信

自動化服務藍圖設計流程可以顯著縮短設計、驗證和啟用新服務藍圖所需的時間，從而加快服務上市時間，提高運營效率。愛立信已經在利用AI能力設計和驗證服務藍圖；而且，AI的使用不僅可以顯著加快服務藍圖的設計和測試時間，還有助于引入新的高級服務編排和保障用例。

從意圖驅動型端到端服務編排向全自主網絡演進

意圖驅動型端到端服務編排是向自主網絡管理過渡的基礎，其重點是服務需要實現(xiàn)哪些目標，而非其自身的實現(xiàn)方式。AI在實現(xiàn)這一范式方面發(fā)揮著關鍵作用，因為AI算法可以解釋定義的意圖，自動管理底層網絡資源以實現(xiàn)這些目標，使網絡能夠實時適應新的需求，利用數(shù)據進行學習以持續(xù)優(yōu)化性能，并在出現(xiàn)網絡異?；蚬收蠒r進行自我糾正。讓我們更深入地探討一下AI在徹底變革服務編排和配置方面的潛力。

第一個重要方面是，AI如何通過解釋意圖（高層次的業(yè)務或服務目標）并將其轉化為可執(zhí)行的編排操作來增強服務編排。運營商可以將高級自然語言處理（NLP）技術整合到服務編排堆棧中，使系統(tǒng)能夠解釋以自然語言表達的服務需求，從用戶命令或服務請求中提取有意義的意圖信息，并將其轉化為可執(zhí)行的基于標準的API調用。通過語義分析，AI模型可以分析這些需求的上下文和語義，以確保能準確地解釋和實現(xiàn)意圖，同時考慮服務實例和網絡的現(xiàn)狀等因素。

圖4: 通過NLP翻譯實現(xiàn)零接觸服務編排｜來源：愛立信

利用API管理認知意圖生命周期

另一個重要方面是認知意圖的生命周期管理，即通過API定義、管理和監(jiān)控意圖。AI在這里的作用包括解釋觸發(fā)器和上下文信息，生成建議并指導閉環(huán)決策。AI/ AI/ML可以實時分析替代方案并建議最優(yōu)的目標服務圖和配置，從而幫助完成動態(tài)服務設計和部署。

圖5: 意圖驅動型自主網絡的認知閉環(huán)｜來源：愛立信

認知意圖生命周期管理可以自動做出許多原本需要人工干預的決策，從而將資源節(jié)約下來用于其他任務，并確保更高效的服務運營。更重要的是，這種方法可幫助實現(xiàn)持續(xù)改進，因為AI和ML系統(tǒng)能夠監(jiān)控過去的決策的成效，并從反饋中學習，以優(yōu)化意圖解釋并增強未來的服務設計決策。

基于AI的服務保障提高服務可靠性

正確配置并激活端到端服務實例后，需要進行實時監(jiān)控，以確保其狀態(tài)和性能符合預定義的服務意圖；這些意圖被設計為一組服務等級關鍵性能指標（KPI）。為了實現(xiàn)這一目標，服務保障系統(tǒng)會收集網絡遙測數(shù)據，并將其匯總為服務等級KPI，然后根據配置的閾值進行監(jiān)控，以便對任何偏離服務意圖的情況做出主動或被動響應。

提前發(fā)現(xiàn)并解決問題！

主動檢測服務意圖違反情況的一個例子是，服務保障系統(tǒng)可以利用AI/ML分析流量歷史。而且，通過將機器學習模型和流量模式應用于歷史數(shù)據和實時遙測數(shù)據，AI還可以預測潛在的服務降級、“隱性”故障或容量問題。這種方法使網絡運營商能夠采取預防措施，避免運行中斷或性能問題；換句話說，預測分析可以通過提前識別風險來幫助保持服務性能。AI能夠預測未來問題或潛在異常情況，是主動優(yōu)化網絡服務和資源的關鍵驅動因素。

圖6: AI賦能的服務保障｜來源：愛立信

此外，AI能夠實時解釋數(shù)據，因此可以在檢測到異常情況時簡化決策和修復。AI不依賴靜態(tài)的預定義策略；相反，它不僅可以精確定位故障位置，還可以提供修復或處理建議和/或決策，然后由服務編排系統(tǒng)執(zhí)行，以完成閉環(huán)處理。AI的建議可繁可簡，可能是簡單的服務和/或資源拓撲更改（如擴展核心網絡功能），也可能是會影響服務實例拓撲設計的更復雜更改。

AI是構建全面可編程網絡的關鍵步驟

將AI技術集成到意圖驅動型服務編排和保障系統(tǒng)中，是推進可編程網絡的關鍵。AI能夠生成、驗證藍圖并將其部署到網絡中，因此有望簡化服務藍圖設計過程的自動化。它利用模式識別和預測建模等ML技術來預測網絡和服務需求，并相應地優(yōu)化服務拓撲圖和配置。ML算法還可以從持續(xù)收集的網絡性能數(shù)據中學習，不斷適應和優(yōu)化服務與網絡運營；對于必須自主適應不斷變化的條件的可編程網絡，這一點至關重要。

此外，AI驅動的解決方案可以實現(xiàn)實時服務監(jiān)控和保障，確保服務運營不超出預定義意圖和KPI的設定參數(shù)范圍。這種持續(xù)的監(jiān)督和自動調整對于確?？删幊叹W絡的無縫運行至關重要。

借助這些能力，AI和ML不僅能降低服務管理的復雜性，還為構建適應能力更強、更高效且具備自我管理能力的網絡鋪平了道路。