随着互联网+、云、5G、4K、VR等新业务和新技术蓬勃发展，数字经济下新的价值体系正在重建，用户体验要求越来越高，网络规模越来越大。Ovum分析报告显示，过去0年电信行业收入增长低于OPEX增长，OPEX在电信网络TCO（总体拥有成本）的占比从6%上升到75%，平均每万台设备运营维护需要名工程师。
对数据和信息的掌控能力是运营商数字化转型的重要基础，AI技术的蓬勃发展为运营商数字化转型带来了新的可能。利用AI强大的数据分析和信息提取能力，通过对海量网络数据采集、分析、预测、决策，为运营商诊断网络质量，优化业务性能，减轻运营负担，改善用户体验带来无限可能。运营商网络引入AI是数字化转型的必然方向。
本期的智能内参，我们推荐中国移动的报告《光网络人工智能(AI)应用白皮书》，阐述AI在光网络领域的总体架构和关键技术。
来源中国移动
原标题：
《光网络人工智能(AI)应用白皮书》
作者：未注明
一、光网络AI应用场景
、AI分析类场景
同缆风险智能识别场景。光缆哑资源长期缺乏有效监控、运维手段，主备业务或关联业务实际部署到同一条光缆上并不鲜见，单条光缆中断后主备业务或关联业务同时失效，不仅导致业务中断，而且部分网络成为孤岛缺乏远程应对手段。以人工巡线、人工录入方式维护同缆信息，随着网络不断变更和演进，综合资源管理系统同缆信息数据不够准确，不足以支撑精准识别同缆，效率和识别准确度较低，亟需引入AI技术，智能识别主备业务、关联业务是否存在同缆风险,保障网络高可靠运行。
光缆拓扑智能规划场景。网络规划与业务发展脱节，造成网络负载不均、资源利用效率低下、资源需求冷热不均，根因是网络拓扑已经无法匹配业务流量流向变化，基于业务精准预测反向优化网络拓扑，通过适量加纤加缆，实现网络承载能力倍增，适应业务变化和发展需要。
业务故障智能定位定界场景。秒级、毫秒级甚至微秒级业务闪断发生频次高，但持续时间短，无告警上报，且故障很难复现，基本靠用户投诉，人工定位和回溯困难，严重影响客户感知和运营商口碑。同时，用户卡、慢、断体验差与应用、带宽、连接多个维度紧密相关，根因定位定界涉及大量网络数据，人工分析效率很低，大多数用户业务体验问题难以根治。迫切需要引入AI技术，提升光网络瞬态变化感知精度，实现性能瞬变监测和闪断智能定界定位，实现用户体验差根因的高效定位定界。
、AI预测类场景
光网资源预测场景。随着专线业务的快速发展，业务发放效率成为运营商的核心竞争力，而传统的三滚资源规划很难适应专线的随机性和突发性，当前运营商对网络投资收紧加大了资源精准预留、业务快速发放的难度。引入AI智能资源预测，结合历史业务增长趋势，实现资源高效利用，业务发放“零”等待。
光网健康预测场景。光网络的性能劣化、隐患变故障是渐进式发展的，基于阈值的人工判断方式难以识别，故障一旦发生，经常导致大量业务中断、修复周期过长等挑战。随着光网络承载的业务流量增长，维护压力与日俱增，迫切需要引入AI智能识别网络健康、提前预测风险。
光波长通道余量预测场景。随着数字化经济的发展，光网络上波长增加明显提速，同时为了增加网络可靠性引入ASON智能路由调整，使得网络中频繁加掉波，从而对现有波长性能产生影响，而当前人工方式工作量大，效率低，精度差。引入AI智能余量预测，自动对波长余量进行动态仿真，精准模拟加掉波对现有波长的性能余量变化和劣化根因分析，为精准调测提供保障。
3、AI优化类场景
光性能智能调测调优场景。一二干融合、省本一体化、区域干线驱动网络组网规模扩大，ASON智能路由调整加大网络变数，光模拟网络面临手工调测效率低、出错概率高、效果不可控。引入AI智能优化调测步骤，结合自动性能检测，实时监控关联路径的性能，保障网络处于稳定、较优状态。
光网络资源智能优化场景。为适应动态的业务变化、保障网络性能指标时刻处于最优并发掘网络利用潜能，需要对波长、链路和路由实施动态优化。以往各类传输优化工具或软件主要借助固化的方法和简单的规则，甚至依赖工程师的经验来完成优化，并未识别到本质特征、考虑维度简单、相关性分析不足、局部而非全局，所以优化的结果往往不是普遍有效。如今随着网络规模和业务规模的不断扩大，传统优化方式难堪重任，需要引入人工智能来完成整个传输网生命周期内的精细化、动态化、智能化的优化。
切片智能优化调度场景。8K视频业务，VR/云游戏等高清视频类业务强交互、高并发，与传统上网、语音等弱交互、统计复用业务相比，对网络带宽、时延、丢包率等要求迥异，需要为此类新兴业务预留独立的资源以保障业务体验，依赖人工根据业务变化动态调整资源分配基本不可行，引入AI智能的切片调度，保障不同业务的差异化体验需求。
二、光网络AI关键实现技术
面向光网络哑资源数智化管理、网络数智化分析需求，通过引入AI和数字化技术，提出光网络AI应用解决方案，推进网络运维数智化转型，实现运维提质增效，牵引网络技术变革。
光网络AI应用解决方案架构可以为运营商提供哑资源管理、智能规划、智能运营、智能维护和智能优化等AI应用，实现全生命周期自动化、智能化运维，支撑*企和家宽业务高品质发展。整体架构图如下图所示。
▲光网络AI应用解决方案架构图
、融合感知技术
光网络感知技术。面对高复杂度的多参量光网络系统，为了能够全面、精准、实时感知光网络状态，网元系统和管控系统需要从维度、精度、频度等多个角度进行光Sensor数据的分层采集和汇聚，并通过AI算法对原始光Sensor数据进行数据挖掘，支撑光网络的各类业务场景。
网元设备，分层采集：光Sensor技术是以光技术手段感知、检测多种物理量，并将模拟物理量数字化的一种技术。网元系统将光Sensor技术采集的数据进行4层划分，分层采集：光业务层、光部件层、光信道层、光链路层。
光业务层数据主要是客户