自动化和自治系统架构框架 - 第 2 阶段

核心观点

• 自主系统架构框架：该框架旨在为开发互操作性和市场促进规范提供指导，以持续推动自动化和自适应的5G生态系统的发展。它从系统层面的角度审视集成了网络自动化能力的端到端自主系统的功能和特性，强调认知和应用方面的AI/机器学习（AI/ML）模型是自主系统的关键组成部分。
• 复杂性管理：随着下一代网络的规模和复杂性继续上升，传统的僵化系统和服务管理架构已显不足。自主系统架构框架通过分布式自治系统构建，结合AI/ML模型，实现自我配置、愈合、优化和保护（CHOP）自动化，有效管理复杂性。
• 网络演进：下一代端到端系统将呈现融合多种接入技术、虚拟化、混合云和高度去中心化及分布式的特点。网络切片作为基础构建块，实现灵活、精细和优化的系统资源分配，支持各种部署场景和服务创新。自主系统架构框架支持网络切片的自动化管理，以适应服务需求并优化资源利用。
• 服务演进：自主系统架构框架支持服务演进，包括定制化和个性化服务、无接触优化、扩展现实（XR）等。通过AI/ML模型的持续训练、集成和交付，自主系统的行为能够不断更新以适应不同的部署安排和服务需求。
• 设备演进：设备功能、多样性、形式因素和能力的提升，由新兴的网络和系统支持。自主系统框架内的AI/ML模型协同分析设备数据，以识别性能下降、检测异常、预测即将发生的异常、优化设备配置，并提高设备管理的有效性。
• 自主系统管理与组织：自主系统通过分布式智能模型和闭环反馈结构，实现自我管理（Self-CHOP）特性，管理复杂性并动态自动地智能管理与编排所需的网络切片。
• 合作技术：生成式AI（GAI）和区分性AI（DAI）作为智能连接和服务的能力，推动自主系统在继续发展中的进步。GAI专注于根据系统推断生成文本，并依托LLMs（大型语言模型）来增强自主系统的功能，实现零接触自动化。
• 机器学习操作（MLOps）：MLOps为自主系统的实现提供有效的方法，通过系统化和自动化的应用生命周期管理来提高智能网络应用的研发效率。MLOps过程包括需求管理、数据工程、模型开发、模型交付和模型运营。
• SLA管理：SLA管理涉及人员、流程和系统，确保服务按照服务合同中规定的条件进行交付。AI/ML模型能够在关联服务触发事件与服务提供商和客户之间合同约定的服务级别协议（SLA）方面提供认知、适应性和自动化的辅助。
• AI/ML模型：AI/ML模型是自主系统的重要组成部分，通过持续集成、持续交付和持续训练的过程进行更新，以增强认知、知识和行动能力，并符合整体性能目标。
• 行业差距、合作和标准化：随着5G Advanced和更高级别生态系统持续演进，生成型（以大语言模型为导向）和区分型（算法导向）的人工智能/机器学习模式对于推动自主系统行为的相应进步以管理复杂性、规模和可持续性至关重要。行业和标准化方面的差距主要体现在需要具备新的必要能力，通过应用各种闭环反馈机制来实现自主系统行为，并融入适当的AI/ML模态。

关键数据

• NGMN联盟版本：2024年10月1日
• 文档类型：最终交付
• 保密类：公共项目
• 项目共同牵头人：邓玲丽（中国移动）、塞巴斯蒂安·泽奇林（德国电信）
• 方案办公室：克里斯·霍格
• 批准人 / 日期：NGMN联盟董事会，2024年9月24日

研究结论

• 自主系统架构框架和AI/ML模型的应用，能够有效管理日益增加的复杂性，推动服务创新，促进多种业务模式的支持，以及灵活部署。
• 网络切片的自动化管理，能够实现资源按需、优化和可扩展的分配，满足新兴服务多样化的需求。
• 自主系统通过利用AI/ML算法，能够实现系统级自动化，提升运营效率，增强用户体验，实现服务交付的智能化和自动化优化。
• 生成式AI（GAI）和区分性AI（DAI）的应用，能够有效弥合自主系统内满足不断服务演进新兴需求所需的 sophistication 水平与底层AI/ML模型之间的差距。
• MLOps流程的标准化和自动化，能够促进自主系统的实现，包括智能网络管理、智能运维和智能网络元素管理。
• SLA管理通过AI/ML模型的辅助，能够实现服务交付的智能化和自动化优化，并确保服务按照服务合同中规定的条件进行交付。