随着云化网络的复杂性和解耦性增强，云化网络重构将给网络运营和运维带来巨大挑战，5G技术变革也将对云化网络上的垂直业务带来革命性的改变。

      实现云化网络的智能化需要具备两个核心能力，第一个核心能力是构建基础平台。这个平台必须解决两个事情，首先是云化网络智能化所需要的计算能力；其次是智能化所需要的数据处理能力，主要体现在如何从海量数据中提取有价值的样本数据。

       第二个核心能力是场景化。云化网络场景化可以从三个层面理解：网络基础层、网络功能层和网络运维运营层。网络基础层关注网络的可靠性和稳定性，故障智能化定位就显得尤为关键。故障智能化定位涉及故障数据的海量采集、故障数据的关联、故障预测和故障自动化排除。网络功能层重点关注网络功能全息数据监控和感知，实现网络的自优化调整和网络功能自愈，通过海量数据采集、数据分析、数据AI模型建立应用和数据决策、数据反馈形成闭环。网络运维运营层面关注基于DevOps的智能化应用，包括网络自动化部署、网络弹性、故障定位等焦点问题。从运营角度来考虑，需要结合大数据进行数据挖掘分析，构建能给运营商带来有价值增长的场景，如流量智能化经营、网络用户体验评估、网络质量评估、网络跨界的端到端故障定位、业务开放快速构建新业务等。

        根据对智能化能力的不同要求，方案支持逐步引入大数据和AI能力。在云化网络智能化的分层架构中，越上层、越集中化，跨领域分析能力越强，更适合对全局性的策略集中进行训练及推理，比如跨域调度、端到端编排、全网内容分布等，通常对计算能力要求很高，需要跨领域的海量数据支撑，对实时性要求一般敏感度较低。越下层、越接近端侧，专项分析能力越强，对实时性往往有较高要求，比如5G NR的移动性策略、MEC的实时控制等，但对计算能力依赖度不高，一般适合引入嵌入式推理能力，或结合MEC，部署具备一定实时处理能力的轻量级训练引擎。

       AI+大数据使能的智能化网络是5G网络发展的重要趋势，智能化将带来网络根本性的变革。首先依托网络大数据与机器学习算法的支撑实现5G网络的初级智能化；其次AI将可以学习跨领域的5G网络大数据，部分子领域将出现融合智能，实现5G网络的中级智能化；最后随着人工智能技术高度发展，网络各子领域大数据将实现全网联动和高度自治，大幅提升网络全生命周期效率，基于人类控制网络的意图实现网络的高级智能化。可以预见，在不久的将来，AI技术和大数据的结合将推动电信网络划时代的发展和演进。

（本文转载自电子发烧友网，如有侵权，请联系删除）