2024 全球6G技術(shù)大會 -10.0I 意圖驅(qū)動自智網(wǎng)絡(luò)白皮書-20240411

一、引言 3二、意圖驅(qū)動自智網(wǎng)絡(luò)必要性與發(fā)展歷程 42.1研究背景與必要性 42.1.1用戶業(yè)務(wù)需求的多樣性和變化性挑戰(zhàn) 52.1.2未來智慧網(wǎng)絡(luò)的異構(gòu)性和復(fù)雜性挑戰(zhàn) 52.1.3全場景按需服務(wù)個性化和定制化挑戰(zhàn) 52.2意圖驅(qū)動自智網(wǎng)絡(luò)的發(fā)展歷程 6三、意圖驅(qū)動自智網(wǎng)絡(luò)概念內(nèi)涵與優(yōu)勢分析 73.1意圖驅(qū)動自智網(wǎng)絡(luò)的概念 73.2意圖驅(qū)動自智網(wǎng)絡(luò)的技術(shù)內(nèi)涵 83.3意圖驅(qū)動自智網(wǎng)絡(luò)的優(yōu)勢分析 9四、意圖驅(qū)動自智網(wǎng)絡(luò)的架構(gòu)與實(shí)驗(yàn)驗(yàn)證 104.1意圖驅(qū)動自智網(wǎng)絡(luò)運(yùn)營分層架構(gòu) 104.2意圖驅(qū)動自智網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)架構(gòu) 114.3意圖驅(qū)動自智網(wǎng)絡(luò)端到端處理流程 124.4意圖驅(qū)動光網(wǎng)絡(luò)架構(gòu)的實(shí)驗(yàn)驗(yàn)證 134.4.1部署方案的設(shè)計(jì)與優(yōu)化 134.4.2運(yùn)營和維護(hù)方法與策略 164.4.3現(xiàn)有網(wǎng)絡(luò)兼容集成方式 17五、意圖驅(qū)動自智網(wǎng)絡(luò)關(guān)鍵環(huán)路技術(shù) 195.1自頂而下的意圖實(shí)現(xiàn) 205.1.1意圖建模 205.1.2意圖理解 215.1.3策略驗(yàn)證 235.2意圖實(shí)現(xiàn)知識管理 24六、意圖驅(qū)動自智網(wǎng)絡(luò)應(yīng)用實(shí)例 266.1應(yīng)用實(shí)例-意圖驅(qū)動CLL云專線案例 266.2應(yīng)用實(shí)例-中國聯(lián)通 306.2.1意圖驅(qū)動智能編排案例 306.2.2意圖驅(qū)動智能節(jié)能案例 306.2.3自動路測智能評估方案 316.3應(yīng)用實(shí)例-中國移動 326.3.1意圖驅(qū)動業(yè)務(wù)分級保障案例 326.3.2意圖驅(qū)動感知確定性保障案例 346.3.3智能意圖運(yùn)維保障高品質(zhì)行業(yè)專線 356.3.4ONAP實(shí)現(xiàn)通用意圖解決方案 366.4應(yīng)用實(shí)例-應(yīng)急通信網(wǎng)絡(luò) 396.4.1會話初始協(xié)議通話案例分析 396.4.2空天地一體化應(yīng)急救援通信網(wǎng)絡(luò) 39七、意圖驅(qū)動自智網(wǎng)絡(luò)技術(shù)挑戰(zhàn)與應(yīng)用挑戰(zhàn) 407.1技術(shù)瓶頸分析與討論 407.1.1全局信息未知性 407.1.2動態(tài)意圖可變性 417.1.3全生命周期閉環(huán) 417.2未來探索領(lǐng)域與方向 417.2.1自底而上的意圖保障 417.2.2意圖驅(qū)動網(wǎng)絡(luò)大模型 427.2.3意圖驅(qū)動的跨域自智 43縮略語 44參考文獻(xiàn) 45參與單位及人員 46面向全場景按需服務(wù)訴求，未來網(wǎng)絡(luò)有望實(shí)現(xiàn)服務(wù)隨心所想、網(wǎng)絡(luò)隨需而變、資源隨愿共享。未來網(wǎng)絡(luò)全場景并存，全域網(wǎng)絡(luò)參數(shù)繁多，且存在多樣化資源沖突、網(wǎng)絡(luò)配置復(fù)雜度高和交付失配，需實(shí)現(xiàn)網(wǎng)絡(luò)隨著服務(wù)意圖的智能管控。智能化網(wǎng)絡(luò)是網(wǎng)絡(luò)與人工智能等深度融合的產(chǎn)物，相關(guān)新型網(wǎng)絡(luò)概念包括基于意圖的網(wǎng)絡(luò)（Intent-BasedNetwork，IBN）、意圖驅(qū)動網(wǎng)絡(luò)（Intent-DrivenNetwork，IDN）、自動駕駛網(wǎng)絡(luò)（AutonomousDrivingNetwork，ADN）和自智網(wǎng)絡(luò)（AutonomousNetwork，AN）等。本白皮書認(rèn)為意圖驅(qū)動網(wǎng)絡(luò)是實(shí)現(xiàn)未來網(wǎng)絡(luò)完全高階自智的關(guān)鍵技術(shù)，因此定義意圖驅(qū)動自智網(wǎng)絡(luò)；旨在探討概念、架構(gòu)、技術(shù)和用例，并總結(jié)未來發(fā)展方向。意圖驅(qū)動自智網(wǎng)絡(luò)的愿景已成為行業(yè)共識。通信業(yè)各標(biāo)準(zhǔn)組織、行業(yè)組織、開源社區(qū)等積極推進(jìn)自智網(wǎng)絡(luò)的產(chǎn)業(yè)應(yīng)用布局，覆蓋通信運(yùn)營商、通信設(shè)備制造商等產(chǎn)業(yè)各領(lǐng)域，意圖驅(qū)動自智網(wǎng)絡(luò)的技術(shù)研發(fā)和商用落地不斷加快，產(chǎn)業(yè)呈現(xiàn)蓬勃發(fā)展態(tài)勢。意圖驅(qū)動自智網(wǎng)絡(luò)通過自頂而下的的正向意圖實(shí)現(xiàn)與自底而上的反向意圖保障，形成了從用戶空間—數(shù)字空間—物理空間的分空間、多層次的意圖驅(qū)動網(wǎng)絡(luò)全生命周期閉環(huán)機(jī)制；基于零信任原則，采取一步一反饋的方法，對整個循環(huán)進(jìn)行持續(xù)監(jiān)控，從而實(shí)現(xiàn)動態(tài)優(yōu)化。意圖驅(qū)動自智網(wǎng)絡(luò)通過構(gòu)建網(wǎng)絡(luò)全生命周期的自動化、智能化運(yùn)維能力，為網(wǎng)絡(luò)服務(wù)的客戶提供“零等待、零故障、零接觸”的極致業(yè)務(wù)體驗(yàn)，為網(wǎng)絡(luò)生產(chǎn)一線打造“自配置、自修復(fù)、自優(yōu)化”的高效運(yùn)維手段。意圖驅(qū)動自智網(wǎng)絡(luò)將人工智能技術(shù)與通信網(wǎng)絡(luò)的硬件、軟件、系統(tǒng)等深度融合，助力使能業(yè)務(wù)敏捷創(chuàng)新、網(wǎng)絡(luò)運(yùn)營智能、構(gòu)建智慧內(nèi)生網(wǎng)絡(luò)。打造意圖驅(qū)動自智網(wǎng)絡(luò)是一項(xiàng)復(fù)雜的系統(tǒng)工程，需要完整的頂層設(shè)計(jì)、統(tǒng)一的標(biāo)準(zhǔn)定義和技術(shù)流程。本白皮書全面分析了意圖驅(qū)動自智網(wǎng)絡(luò)發(fā)展態(tài)勢，梳理了意圖驅(qū)動自智網(wǎng)絡(luò)關(guān)鍵技術(shù)的演進(jìn)趨勢，探討了運(yùn)營商、設(shè)備商自智網(wǎng)絡(luò)產(chǎn)業(yè)應(yīng)用，分析了意圖驅(qū)動自智網(wǎng)絡(luò)應(yīng)用技術(shù)挑戰(zhàn)和工程難題，為后續(xù)研究與應(yīng)用提供方向。二、意圖驅(qū)動自智網(wǎng)絡(luò)必要性與發(fā)展歷程在數(shù)字經(jīng)濟(jì)高速發(fā)展的推動下，全球電信業(yè)正加速網(wǎng)絡(luò)向自動化、智能化轉(zhuǎn)型升級。隨著網(wǎng)絡(luò)規(guī)模部署和快速商用，快速發(fā)展的數(shù)字經(jīng)濟(jì)打開了數(shù)字時代的大門。自智網(wǎng)絡(luò)能夠?qū)⑼ㄐ啪W(wǎng)絡(luò)與人工智能深度融合，面向消費(fèi)者和垂直行業(yè)用戶提供數(shù)字化體驗(yàn)的創(chuàng)新網(wǎng)絡(luò)服務(wù)[1]。運(yùn)營商日益認(rèn)識到部署意圖驅(qū)動的自智網(wǎng)絡(luò)至關(guān)重要。中國移動將自智網(wǎng)絡(luò)視為提升通信網(wǎng)絡(luò)質(zhì)量和效率、助力行業(yè)數(shù)字化升級的關(guān)鍵趨勢，通過意圖驅(qū)動網(wǎng)絡(luò)等技術(shù)助力網(wǎng)絡(luò)實(shí)現(xiàn)感知和控制策略的自動化部署，實(shí)現(xiàn)高階自智網(wǎng)絡(luò)演進(jìn)。中國聯(lián)通強(qiáng)調(diào)為滿足用戶多元化的業(yè)務(wù)需求，網(wǎng)絡(luò)需要具有負(fù)載應(yīng)對和全場景服務(wù)定制化的特性。引入意圖驅(qū)動的概念可以簡化網(wǎng)絡(luò)操作、提升自動化程度，更有效地滿足業(yè)務(wù)需求。中國電信在2019年SDN/NFV/AI大會上提出了“隨愿網(wǎng)絡(luò)”的概念，其目標(biāo)是通過意圖驅(qū)動，實(shí)現(xiàn)網(wǎng)絡(luò)服務(wù)的個性化、網(wǎng)絡(luò)資源的彈性分配和共享。該網(wǎng)絡(luò)旨在涵蓋全社會、全行業(yè)、全生態(tài)，并定義全場景、全域的智能管控體系結(jié)構(gòu)。中國運(yùn)營商正在不斷引領(lǐng)自智網(wǎng)絡(luò)的創(chuàng)新實(shí)踐，并推動全球產(chǎn)業(yè)形成共識。自2021年中國移動首次提出在2025年達(dá)到L4級別的目標(biāo)以來，中國聯(lián)通、中國電信等多家公司均設(shè)立了相關(guān)目標(biāo)，希望在高價值場景或全網(wǎng)范圍內(nèi)實(shí)現(xiàn)L4級別。設(shè)備商正推出意圖驅(qū)動相應(yīng)產(chǎn)品和解決方案。華為在業(yè)界提出自動駕駛網(wǎng)絡(luò)的理念及分級標(biāo)準(zhǔn)，從業(yè)務(wù)體驗(yàn)，解放人力的程度和網(wǎng)絡(luò)環(huán)境復(fù)雜性等方面，定義了通信網(wǎng)絡(luò)的自動駕駛分級標(biāo)準(zhǔn)，其中L5級完全自治網(wǎng)絡(luò)作為電信網(wǎng)絡(luò)的發(fā)展終極目標(biāo)也是意圖驅(qū)動自智網(wǎng)絡(luò)的發(fā)展目標(biāo)。中興于提出“自主進(jìn)化網(wǎng)絡(luò)”解決方案，以泛在人工智能推進(jìn)未來網(wǎng)絡(luò)整網(wǎng)的智能化，采用分層閉環(huán)的原則建設(shè)網(wǎng)元級、單域級、跨域級的智能網(wǎng)絡(luò)體系，目標(biāo)是使網(wǎng)絡(luò)系統(tǒng)逐步實(shí)現(xiàn)自主操作，通過數(shù)據(jù)驅(qū)動進(jìn)行自學(xué)習(xí)、自演進(jìn)，實(shí)現(xiàn)網(wǎng)絡(luò)系統(tǒng)的智能自治，使得網(wǎng)絡(luò)投資效率、運(yùn)營運(yùn)維效率達(dá)到最優(yōu)。中興規(guī)劃了覆蓋“規(guī)/建/維/優(yōu)/營”全業(yè)務(wù)流程，超過60個智能化應(yīng)用場景，涵蓋無線、承載、核心網(wǎng)等各專業(yè)域的單域智能化場景與端到端跨專業(yè)拉通的數(shù)字化運(yùn)營場景。各高校正探索在自智網(wǎng)絡(luò)單技術(shù)點(diǎn)的突破。北京郵電大學(xué)在知識定義的意圖驅(qū)動網(wǎng)絡(luò)方面進(jìn)行了研究。西安電子科技大學(xué)正試圖從自上而下的意圖實(shí)現(xiàn)、和自底而上的意圖保障兩條技術(shù)路線，實(shí)現(xiàn)意圖生命周期閉環(huán)。電子科技大學(xué)深入探索了意圖表征、分類與建模技術(shù)，并將意圖驅(qū)動理念應(yīng)用到應(yīng)急通信中。企業(yè)為了搶占先機(jī)，持續(xù)地進(jìn)行調(diào)整和變革。運(yùn)營商為了在未來網(wǎng)絡(luò)、云計(jì)算和邊緣計(jì)算等關(guān)鍵技術(shù)所帶來的市場機(jī)會中獲得收益，也必須主動進(jìn)行變革，并全面投身其中。未來業(yè)務(wù)場景不僅需要具備低時延、高可靠和支撐海量設(shè)備連接的網(wǎng)絡(luò)，還期待運(yùn)營商能夠提供包括海量數(shù)據(jù)分析、圖像識別、精準(zhǔn)定位等附加服務(wù)。高校對意圖驅(qū)動智能網(wǎng)絡(luò)的研究活動也在如火如荼地進(jìn)行中，這表明該領(lǐng)域的發(fā)展?jié)摿薮笄也豢勺钃?。全球?shù)字經(jīng)濟(jì)發(fā)展正邁向“深化應(yīng)用、規(guī)范發(fā)展、普惠共享”的新階段，千行百業(yè)數(shù)字化轉(zhuǎn)型持續(xù)深入，由辦公、營銷服務(wù)場景擴(kuò)展至核心生產(chǎn)、制造場景，由效率變革轉(zhuǎn)向價值變革，由企業(yè)內(nèi)部數(shù)字化轉(zhuǎn)型延伸至產(chǎn)業(yè)鏈、價值鏈協(xié)同轉(zhuǎn)型。在此背景下，政府和企業(yè)對5G應(yīng)用、上云用數(shù)賦智的需求更加普遍和迫切。近十年來，我國數(shù)字經(jīng)濟(jì)取得了舉世矚目的發(fā)展成就，2022年，我國數(shù)字經(jīng)濟(jì)規(guī)模達(dá)到50.2萬億元，同比名義增長10.3%，已連續(xù)11年顯著高于同期GDP名義增速，數(shù)字經(jīng)濟(jì)占GDP比重相當(dāng)于第二產(chǎn)業(yè)占國民經(jīng)濟(jì)的比重，達(dá)到41.5%，整體規(guī)模位居全球第二，對經(jīng)濟(jì)社會發(fā)展的引領(lǐng)支撐作用日益凸顯。2023年，通信運(yùn)營商所提供的算網(wǎng)融合、車聯(lián)網(wǎng)、HDICT等數(shù)字化新業(yè)務(wù)，以及網(wǎng)絡(luò)即服務(wù)、業(yè)務(wù)定制化、項(xiàng)目化交付等新的商業(yè)模式不斷涌現(xiàn)，對網(wǎng)絡(luò)基礎(chǔ)設(shè)施和自動化、智能化運(yùn)營水平提出了更高要求。在數(shù)字經(jīng)濟(jì)高速發(fā)展的推動下，全球電信業(yè)正加速網(wǎng)絡(luò)向自動化、智能化轉(zhuǎn)型升級，自智網(wǎng)絡(luò)因此誕生。為滿足垂直行業(yè)數(shù)字化和消費(fèi)者生活數(shù)字化的多樣需求，行業(yè)提出了自智網(wǎng)絡(luò)框架和關(guān)鍵特性。然而，網(wǎng)絡(luò)技術(shù)演進(jìn)和運(yùn)維管理提升帶來了諸多挑戰(zhàn)。2.1.1用戶業(yè)務(wù)需求的多樣性和變化性挑戰(zhàn)隨著科技的不斷發(fā)展，各行業(yè)對技術(shù)創(chuàng)新的需求日益迫切。例如，新能源、人工智能、大數(shù)據(jù)等領(lǐng)域的發(fā)展為傳統(tǒng)行業(yè)帶來了轉(zhuǎn)型升級的機(jī)會。用戶對網(wǎng)絡(luò)服務(wù)的需求變化也越來越快。用戶對產(chǎn)品和服務(wù)的需求更加多樣化，追求個性化、定制化的消費(fèi)體驗(yàn)。運(yùn)營商網(wǎng)絡(luò)服務(wù)需要敏銳地捕捉用戶意圖，基于用戶意圖智能靈活調(diào)整資源配置及運(yùn)營策略，提升產(chǎn)品和服務(wù)質(zhì)量，以滿足不斷變化的用戶需求，提升用戶體驗(yàn)。隨著個人用戶市場的飽和，垂直行業(yè)數(shù)字化和消費(fèi)者生活數(shù)字化成為被寄予厚望的潛在增長點(diǎn)，對網(wǎng)絡(luò)服務(wù)從連通性、帶寬、延遲、可靠性等各方面均提出了更為嚴(yán)格的多樣性需求。2.1.2未來智慧網(wǎng)絡(luò)的異構(gòu)性和復(fù)雜性挑戰(zhàn)網(wǎng)絡(luò)連接的設(shè)備數(shù)量將急劇增加，導(dǎo)致網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大。這將給網(wǎng)絡(luò)管理帶來巨大的挑戰(zhàn)，如何確保網(wǎng)絡(luò)資源的合理分配、提高網(wǎng)絡(luò)性能等。同時，未來的智慧異構(gòu)網(wǎng)絡(luò)將涵蓋多種接入技術(shù)、多種應(yīng)用場景，以及跨行業(yè)、跨領(lǐng)域的深度融合。這將使得網(wǎng)絡(luò)架構(gòu)變得更加復(fù)雜，對網(wǎng)絡(luò)管理提出了更高的要求。如何簡化網(wǎng)絡(luò)管理、提高運(yùn)維效率將成為一大挑戰(zhàn)。2.1.3全場景按需服務(wù)個性化和定制化挑戰(zhàn)全場景按需服務(wù)旨在為用戶提供個性化、定制化的網(wǎng)絡(luò)服務(wù)，滿足不同場景下的需求?；谝鈭D驅(qū)動的智能策略可以通過人工智能技術(shù)更好感知用戶需求，實(shí)現(xiàn)網(wǎng)絡(luò)資源的智能調(diào)度和優(yōu)化，提高網(wǎng)絡(luò)性能和用戶體驗(yàn)。全場景按需服務(wù)與智能策略相結(jié)合，可以更好地滿足用戶在不同場景下的網(wǎng)絡(luò)需求，提高網(wǎng)絡(luò)資源的利用率。自智網(wǎng)絡(luò)具備自主學(xué)習(xí)、自適應(yīng)調(diào)整和自我優(yōu)化的網(wǎng)絡(luò)系統(tǒng)。它能夠根據(jù)用戶行為和網(wǎng)絡(luò)狀況，自動調(diào)整網(wǎng)絡(luò)參數(shù)，實(shí)現(xiàn)網(wǎng)絡(luò)資源的合理分配和優(yōu)化。意圖驅(qū)動網(wǎng)絡(luò)是以用戶需求和意圖為核心，驅(qū)動網(wǎng)絡(luò)行為的調(diào)整和優(yōu)化。自智網(wǎng)絡(luò)和意圖驅(qū)動網(wǎng)絡(luò)的融合具備提高網(wǎng)絡(luò)性能、提升用戶體驗(yàn)、提高網(wǎng)絡(luò)安全防護(hù)、降低管理成本、適應(yīng)未來網(wǎng)絡(luò)發(fā)展需求等優(yōu)勢。綜上所述，為滿足用戶業(yè)務(wù)多樣化需求，未來網(wǎng)絡(luò)負(fù)載型特征和全場景服務(wù)定制化發(fā)展，引入意圖成為解決問題的關(guān)鍵，以簡化網(wǎng)絡(luò)操作、提高自動化水平，更好地滿足業(yè)務(wù)需求。2.2意圖驅(qū)動自智網(wǎng)絡(luò)的發(fā)展歷程TMForum、3GPP、ITU-T、ETSI、CCSA等國內(nèi)外標(biāo)準(zhǔn)組織紛紛開展了自智網(wǎng)絡(luò)相關(guān)工作，產(chǎn)業(yè)界積極推進(jìn)自智網(wǎng)絡(luò)的標(biāo)準(zhǔn)化布局，爭奪自智網(wǎng)絡(luò)的產(chǎn)業(yè)話語權(quán)[5-7]。2015年，開放網(wǎng)絡(luò)基金組織的北向接口工作組發(fā)布了《基于意圖的網(wǎng)絡(luò)》白皮書。Gartner、思科、華為先后提出IDN（IntentDrivenNetwork，意圖驅(qū)動網(wǎng)絡(luò)）的定義，明確IDN中意圖轉(zhuǎn)譯、意圖驗(yàn)證、自動實(shí)施、全息感知等基本組成要素[7][10]。IDN是一種全新的網(wǎng)絡(luò)模型，通過分析用戶意圖，將意圖轉(zhuǎn)譯為相應(yīng)的網(wǎng)絡(luò)策略，最終實(shí)現(xiàn)網(wǎng)絡(luò)感知和控制策略的自動化部署，將網(wǎng)絡(luò)從一個靜態(tài)資源系統(tǒng)演變成為一個能持續(xù)滿足商業(yè)目標(biāo)的動態(tài)系統(tǒng)。2015年，ONF發(fā)布了一篇名為《Intent：Don’tTellMeWhattoDo!TellMeWhatYouWant》的標(biāo)準(zhǔn)提案：在基于意圖的網(wǎng)絡(luò)中，智能軟件將決定如何把意圖轉(zhuǎn)化為針對特定基礎(chǔ)設(shè)施的配置，從而使網(wǎng)絡(luò)以滿足期望的方式運(yùn)行。2017年，思科在《向基于意圖的網(wǎng)絡(luò)邁進(jìn)》白皮書提出：網(wǎng)絡(luò)團(tuán)隊(duì)可以用簡明的語言描述想要完成的工作，然后網(wǎng)絡(luò)能夠?qū)⒋艘鈭D轉(zhuǎn)化為眾多策略，這些策略將利用自動化功能在復(fù)雜的異構(gòu)環(huán)境中建立適當(dāng)?shù)呐渲煤驮O(shè)置變更。2017年，國際互聯(lián)網(wǎng)研究任務(wù)組IRTF的網(wǎng)絡(luò)管理研究小組（NMRG）啟動意圖研究，重點(diǎn)就概念定義、主要原則、意圖分類、生命周期管理進(jìn)行分析，發(fā)布了RFC9315、RFC9316，定義意圖為：用于操作網(wǎng)絡(luò)的抽象高級策略[5]。2018年，3GPPSA5發(fā)起的IDMS_MN項(xiàng)目針對移動通信網(wǎng)絡(luò)管理層次，描述意圖驅(qū)動的管理概念、意圖驅(qū)動的管理場景，以及在規(guī)范階段實(shí)現(xiàn)意圖標(biāo)準(zhǔn)化表達(dá)的建議。3GPP在R18階段發(fā)布TS28.312標(biāo)準(zhǔn)。2024年，R19啟動FS_IDMS_MN_Ph3項(xiàng)目，對移動網(wǎng)絡(luò)增強(qiáng)型意圖驅(qū)動管理服務(wù)進(jìn)行進(jìn)一步研究。2019年，ETSI全面啟動意圖的標(biāo)準(zhǔn)研究工作，率先發(fā)布的ETSIGSENI005中給出了ENI系統(tǒng)策略管理模型定義，支持聲明式策略、命令式策略及意圖策略。在2022年發(fā)布的ETSIGRENI013中聚焦意圖信息模型標(biāo)準(zhǔn)化針對產(chǎn)業(yè)現(xiàn)狀展開差距分析，同期啟動的ETSIIFA050主要研究意圖驅(qū)動的接口與模型標(biāo)準(zhǔn)。2023年啟動ETSISOL021的研究主要關(guān)于意圖管理服務(wù)接口要求的RESTful協(xié)議和數(shù)據(jù)模型規(guī)范。自智網(wǎng)絡(luò)2019年由TMForum聯(lián)合產(chǎn)業(yè)伙伴共同提出，旨在引領(lǐng)網(wǎng)絡(luò)基礎(chǔ)設(shè)施和運(yùn)營體系的自動化、智能化轉(zhuǎn)型。經(jīng)過4年多的發(fā)展，自智網(wǎng)絡(luò)已形成體系化的理念、標(biāo)準(zhǔn)、實(shí)現(xiàn)方法和應(yīng)用案例，在產(chǎn)業(yè)共識、標(biāo)準(zhǔn)制定、實(shí)踐部署等方面取得顯著成果[7]。（1）產(chǎn)業(yè)共識：Zero-X/Self-X愿景、L0-L5分級、三層四閉環(huán)架構(gòu)、單域自治-跨域協(xié)同、意圖驅(qū)動-全棧AI等諸多理念成為廣泛的產(chǎn)業(yè)共識；（2）標(biāo)準(zhǔn)制定：TMForum、3GPP、CCSA、ETSI等9大標(biāo)準(zhǔn)組織聚焦5大標(biāo)準(zhǔn)方向，累計(jì)立項(xiàng)/發(fā)布80多個標(biāo)準(zhǔn)/研究課題，并依托多標(biāo)準(zhǔn)組織M-SDO，確保架構(gòu)同源、標(biāo)準(zhǔn)統(tǒng)一；（3）實(shí)踐部署：中國移動、中國電信、中國聯(lián)通、德國電信、沃達(dá)豐等14家領(lǐng)先運(yùn)營商將自智網(wǎng)絡(luò)納入集團(tuán)戰(zhàn)略，以商業(yè)價值和運(yùn)營成效為牽引，朝著2025-2027年L4級自智的目標(biāo)，迭代開展分級評估和自智能力規(guī)劃建設(shè)。2021年，TMF正式啟動跨層跨域通用意圖相關(guān)標(biāo)準(zhǔn)工作，同年交付IG1253及一系列意圖相關(guān)規(guī)范，針對意圖建模、意圖信息模型、意圖生命周期管理和接口及意圖用例開展深入研究[4]。2022年啟動TR290意圖通用模型、TR291意圖擴(kuò)展模型、TR292意圖管理本體的研究工作。同時分別于2021年和2022年發(fā)布《自智網(wǎng)絡(luò)：賦能數(shù)字化轉(zhuǎn)型——從戰(zhàn)略到實(shí)施》、《自智網(wǎng)絡(luò)中的意圖》兩份關(guān)于自智網(wǎng)絡(luò)中的意圖發(fā)展研究報(bào)告[8]。CCSA的NFV特設(shè)項(xiàng)目組SP1于2021年啟動網(wǎng)絡(luò)功能虛擬化管理編排技術(shù)要求系列標(biāo)準(zhǔn)，規(guī)定網(wǎng)絡(luò)功能虛擬化管理編排技術(shù)要求中的意圖管理總體架構(gòu)及功能需求、意圖管理信息模型與意圖管理接口。CCSA的網(wǎng)管技術(shù)委員會TC7于2022年6月啟動自智網(wǎng)絡(luò)意圖管理技術(shù)研究，重點(diǎn)對意圖管理架構(gòu)和相關(guān)參考點(diǎn)、意圖表達(dá)模型、意圖生命周期管理等進(jìn)行研究和討論。并于2023年6月正式啟動自智網(wǎng)絡(luò)意圖管理技術(shù)要求標(biāo)準(zhǔn)的制定工作[9]。在上述標(biāo)準(zhǔn)化研究的過程中，各個標(biāo)準(zhǔn)組織和廠商積極投入到了意圖驅(qū)動網(wǎng)絡(luò)的研究中，提出了各自的解決方案。意圖驅(qū)動網(wǎng)絡(luò)正在逐步從理論走向?qū)嵺`，并且在實(shí)踐中不斷得到完善和優(yōu)化，展現(xiàn)出在網(wǎng)絡(luò)管理、自動化部署、優(yōu)化網(wǎng)絡(luò)資源配置等方面的巨大潛力。然而，目前針對意圖驅(qū)動網(wǎng)絡(luò)的研究和實(shí)踐，仍存在一些挑戰(zhàn)和問題。例如，如何準(zhǔn)確理解和轉(zhuǎn)譯用戶的意圖？如何保證意圖的驗(yàn)證和實(shí)施的準(zhǔn)確性？如何實(shí)現(xiàn)網(wǎng)絡(luò)的全面感知和動態(tài)調(diào)整？這些問題都需要我們在未來的研究和實(shí)踐中不斷探索和解決。此外，自智網(wǎng)絡(luò)作為意圖驅(qū)動網(wǎng)絡(luò)的一個重要應(yīng)用場景，正在受到越來越多的關(guān)注。自智網(wǎng)絡(luò)通過引入意圖的概念，可以實(shí)現(xiàn)網(wǎng)絡(luò)的自動化、智能化和動態(tài)化，從而更好地滿足用戶的需求和業(yè)務(wù)的發(fā)展。因此，如何在自智網(wǎng)絡(luò)中實(shí)現(xiàn)意圖的有效管理和應(yīng)用，也將是未來需要重點(diǎn)研究的問題。三、意圖驅(qū)動自智網(wǎng)絡(luò)概念內(nèi)涵與優(yōu)勢分析基于上述已有的標(biāo)準(zhǔn)化研究成果，亟需對自智網(wǎng)絡(luò)中的意圖、意圖驅(qū)動網(wǎng)絡(luò)的定義、架構(gòu)和關(guān)鍵技術(shù)形成共識，通過不斷完善和優(yōu)化意圖驅(qū)動網(wǎng)絡(luò)的理論和技術(shù)體系，以更好地推動網(wǎng)絡(luò)的發(fā)展和進(jìn)步。本章介紹意圖驅(qū)動自智網(wǎng)絡(luò)的基本概念，包括總體框架、核心理念和關(guān)鍵能力。根據(jù)TMFIG1253[4]的定義，意圖是所有期望的正式規(guī)范，包括對技術(shù)系統(tǒng)的要求、目標(biāo)和約束。意圖所有者是意圖的創(chuàng)建者，負(fù)責(zé)管理意圖的生命周期。意圖處理者是意圖的接收者，負(fù)責(zé)意圖的實(shí)現(xiàn)與滿足，并管理意圖實(shí)例的生命周期。意圖驅(qū)動自智網(wǎng)絡(luò)，是意圖驅(qū)動網(wǎng)絡(luò)的進(jìn)階版，強(qiáng)調(diào)網(wǎng)絡(luò)不再是被動地接收業(yè)務(wù)指令，而是試圖主動地理解人類管理員的意圖，盡可能做到料人先機(jī)、隨意而動，兼顧意圖準(zhǔn)確性和網(wǎng)絡(luò)優(yōu)化目標(biāo)。根據(jù)網(wǎng)絡(luò)環(huán)境和用戶需求，動態(tài)調(diào)整網(wǎng)絡(luò)參數(shù)，提高網(wǎng)絡(luò)性能。按照自智網(wǎng)絡(luò)分級標(biāo)準(zhǔn)，在L4（高級自智網(wǎng)絡(luò)）階段，通過引入意圖實(shí)現(xiàn)意圖驅(qū)動自智網(wǎng)絡(luò)，其內(nèi)涵包括以下幾個方面：用戶意圖為核心：網(wǎng)絡(luò)系統(tǒng)的設(shè)計(jì)和運(yùn)行以用戶意圖為主要考慮因素，通過分析和理解用戶需求，自動調(diào)整網(wǎng)絡(luò)資源。提供最優(yōu)化的服務(wù)同樣需要時間，所有意圖并非是同等優(yōu)先的，因此為每一個意圖配置優(yōu)先級，為高優(yōu)先級的意圖預(yù)留。自動化和智能化：利用先進(jìn)的自動化和智能化技術(shù)，如人工智能、機(jī)器學(xué)習(xí)等，實(shí)現(xiàn)網(wǎng)絡(luò)資源最佳配置。意圖優(yōu)先級的自動配置、優(yōu)化和故障恢復(fù)。這些技術(shù)能夠自主地學(xué)習(xí)、感知和決策，提高網(wǎng)絡(luò)的自適應(yīng)性。零等待、零接觸、零故障：通過精準(zhǔn)的資源掌控和自動化運(yùn)維能力，實(shí)現(xiàn)業(yè)務(wù)的實(shí)時開通、即購即用，提供零等待的體驗(yàn)；通過網(wǎng)絡(luò)端到端的監(jiān)控和智能化的配置故障恢復(fù)機(jī)制，提供零故障的體驗(yàn)；通過網(wǎng)絡(luò)數(shù)據(jù)與能力的開放和自助服務(wù)，提供零接觸的體驗(yàn)。全場景網(wǎng)絡(luò)自治：基于網(wǎng)元、資源、服務(wù)與業(yè)務(wù)四個管理層次，構(gòu)建體系化能力，實(shí)現(xiàn)全場景網(wǎng)絡(luò)自治。通過分層次構(gòu)建體系化能力，實(shí)現(xiàn)不同管理層次之間的協(xié)同和閉環(huán)控制，促進(jìn)外部商業(yè)增長與內(nèi)部效率提升。3.2意圖驅(qū)動自智網(wǎng)絡(luò)的技術(shù)內(nèi)涵自智網(wǎng)絡(luò)是集智能化和自動化于一體的網(wǎng)絡(luò)基礎(chǔ)設(shè)施、運(yùn)營管理系統(tǒng)和業(yè)務(wù)系統(tǒng)[2]。目前，自智網(wǎng)絡(luò)的自動化運(yùn)維能力在很大程度上依賴于預(yù)設(shè)的、由專家精心設(shè)計(jì)的經(jīng)驗(yàn)規(guī)則。然而，這些基于規(guī)則的自動化策略在現(xiàn)實(shí)應(yīng)用中遭遇諸多挑戰(zhàn)。首先，規(guī)則設(shè)計(jì)難以涵蓋所有場景，導(dǎo)致在特定或復(fù)雜環(huán)境下效果欠佳。其次，參數(shù)配置通常是靜態(tài)的，無法適應(yīng)網(wǎng)絡(luò)環(huán)境的即時變化，降低了系統(tǒng)適應(yīng)性和反應(yīng)速度。此外，參數(shù)配置往往是固定分檔的，無法根據(jù)實(shí)際需求精細(xì)調(diào)整，影響資源利用效率。最后，規(guī)則間的潛在沖突需要專家介入以識別和解決，增加了運(yùn)維復(fù)雜性和成本。因此，為了應(yīng)對這些問題，自智網(wǎng)絡(luò)需要發(fā)展更加智能和靈活的技術(shù)，以適應(yīng)不斷變化的網(wǎng)絡(luò)環(huán)境和需求。這是實(shí)現(xiàn)意圖驅(qū)動自智網(wǎng)絡(luò)的關(guān)鍵技術(shù)研究方向。（1）外部輸入意圖和內(nèi)生意圖意圖驅(qū)動自智網(wǎng)絡(luò)中的意圖按照產(chǎn)生方式可分為人為產(chǎn)生的意圖和自動產(chǎn)生的意圖?？蓪⑷藶楫a(chǎn)生的意圖稱為外部輸入意圖，將自動演化出的意圖稱為內(nèi)生意圖。人為產(chǎn)生的意圖主要涉及的關(guān)鍵技術(shù)是意圖理解，自動產(chǎn)生的意圖通常是為了更好地完成人為意圖而繁衍出的內(nèi)生意圖，涉及的關(guān)鍵技術(shù)稱為意圖預(yù)測?！白灾恰斌w現(xiàn)在意圖理解和預(yù)測過程中。在意圖理解中，系統(tǒng)需要具備對用戶輸入進(jìn)行分析和理解的能力，這可能涉及到自然語言處理、圖像識別、語音識別等技術(shù)。而在意圖預(yù)測中，系統(tǒng)需要通過數(shù)據(jù)分析、模型訓(xùn)練等方式，預(yù)測用戶可能的下一個意圖或者根據(jù)用戶當(dāng)前意圖演化出次級意圖配合完成當(dāng)前業(yè)務(wù)。這些操作使系統(tǒng)具備了對用戶意圖的智能感知和預(yù)測能力，使網(wǎng)絡(luò)更智能更好地為用戶服務(wù)。（2）基于意圖的預(yù)測技術(shù)意圖預(yù)測技術(shù)尤其在應(yīng)急場景下發(fā)揮獨(dú)特作用，在自然災(zāi)害、人為事故或基礎(chǔ)設(shè)施故障等突發(fā)應(yīng)急場景下，意圖驅(qū)動自智網(wǎng)絡(luò)能夠自動快速調(diào)度網(wǎng)絡(luò)資源以處理事故。以突發(fā)森林火災(zāi)的預(yù)防和響應(yīng)為例，緊急災(zāi)情通常需要毫秒級快速響應(yīng)，但空、天、地融合的復(fù)雜網(wǎng)絡(luò)狀況需要大量網(wǎng)絡(luò)配置操作，這對人類操作員造成巨大的負(fù)擔(dān)。通過意圖驅(qū)動自智網(wǎng)絡(luò)，大量傳感器、衛(wèi)星圖像可以借助意圖驅(qū)動代理異構(gòu)接入，自動收集來自物理網(wǎng)絡(luò)的警告信息，通過高效的意圖轉(zhuǎn)譯和快速決策，自動準(zhǔn)確地下發(fā)意圖以指導(dǎo)相關(guān)人員采取緊急措施，自動調(diào)度全網(wǎng)相關(guān)資源提供即時的通信和協(xié)調(diào)支持。此外，在大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)支持下，自智網(wǎng)絡(luò)可以預(yù)測火災(zāi)蔓延方向，提前預(yù)測火災(zāi)可能的發(fā)展趨勢，為人類管理員生成各種預(yù)案，有助于采取更及時有效的緊急措施。（3）意圖驅(qū)動的管理服務(wù)意圖驅(qū)動管理服務(wù)是實(shí)現(xiàn)意圖驅(qū)動自智功能的關(guān)鍵部件，在基于SDN的實(shí)現(xiàn)中，可以實(shí)現(xiàn)在SDN網(wǎng)關(guān)上，向上與意圖轉(zhuǎn)譯功能通過南向接口交互，將自然語言描述的意圖轉(zhuǎn)換為意圖模型描述的意圖。意圖驅(qū)動控制器負(fù)責(zé)解析意圖和將意圖下發(fā)，控制器將意圖下發(fā)到意圖驅(qū)動的管理服務(wù)，由代理負(fù)責(zé)具體的網(wǎng)絡(luò)配置。意圖驅(qū)動代理向下通過物理網(wǎng)絡(luò)接口為衛(wèi)星鏈路、自組織網(wǎng)絡(luò)、集群網(wǎng)絡(luò)等末端鏈路提供接入和互聯(lián)支持。（4）意圖優(yōu)先級網(wǎng)絡(luò)資源總是有限的，網(wǎng)絡(luò)資源的調(diào)度通常需要時間，各種通信業(yè)務(wù)并非是同等優(yōu)先的，因此可以為重要的意圖配置更高的優(yōu)先級，從而通過預(yù)留網(wǎng)絡(luò)資源等手段優(yōu)先保障關(guān)鍵的通信業(yè)務(wù)。意圖優(yōu)先級的配置在緊急通信中消解意圖沖突具有重要作用。用戶意圖的明確性、上下文、緊急性、系統(tǒng)策略、用戶期望和任務(wù)復(fù)雜性等都會影響意圖的優(yōu)先級。即便是相同意圖，如果在不同時間、由不同用戶發(fā)布，其優(yōu)先級也不一定相同。（5）意圖金字塔模型是以SNMP為代表的配置細(xì)節(jié)管理階段，其注重對底層網(wǎng)絡(luò)設(shè)備的基本監(jiān)控和配置。其次是以PBNM為代表的系統(tǒng)策略管理階段，該階段引入了較為復(fù)雜的策略，使網(wǎng)絡(luò)管理更具目的性和靈活性。最后是以IDNM為代表的服務(wù)意圖管理階段，該階段強(qiáng)調(diào)針對用戶的服務(wù)意圖實(shí)現(xiàn)更高層次的自適應(yīng)網(wǎng)絡(luò)管理。該三個階段的演進(jìn)過程中，對底層設(shè)施的抽象級別逐漸提升，從而不斷屏蔽繁雜的技術(shù)細(xì)節(jié)，最終實(shí)現(xiàn)以最高級別抽象的服務(wù)意圖對網(wǎng)絡(luò)進(jìn)行管理，形成從“意圖”到“策略”再到最終的“配置”的映射，為網(wǎng)絡(luò)管理提供了更加靈活和智能的手段。“意圖-策略-配置”的金字塔模型，如圖1所示。圖1“意圖-策略-配置”金字塔模型示意圖3.3意圖驅(qū)動自智網(wǎng)絡(luò)的優(yōu)勢分析意圖驅(qū)動自智網(wǎng)絡(luò)展現(xiàn)出四大顯著的價值亮點(diǎn)。首先，它賦予業(yè)務(wù)模式更大的靈活性、智能性和高效性，為用戶提供更為創(chuàng)新和有價值的產(chǎn)品與服務(wù)，為企業(yè)帶來嶄新的商機(jī)和增長空間。其次，通過實(shí)時捕捉全網(wǎng)數(shù)據(jù)，借助海量數(shù)據(jù)進(jìn)行分析、深度洞察、預(yù)測和知識提取，釋放數(shù)據(jù)流動的潛力，助力基于數(shù)據(jù)的產(chǎn)品創(chuàng)新。再者，它升級了資源調(diào)度、自動化和智能化水平，有效降低人力成本、提升終端、基站和計(jì)算中心的利用效率，實(shí)現(xiàn)企業(yè)運(yùn)營成本的降低。最后，意圖驅(qū)動自智網(wǎng)絡(luò)具備卓越的風(fēng)險(xiǎn)識別、預(yù)判和應(yīng)急響應(yīng)能力，可顯著減少潛在風(fēng)險(xiǎn)并降低損失。通過采用自動化和智能化手段，動態(tài)平衡全網(wǎng)的使用需求，實(shí)現(xiàn)了顯著的節(jié)能減排效果[3]。意圖驅(qū)動自智網(wǎng)絡(luò)以其獨(dú)特的優(yōu)勢，正在重塑傳統(tǒng)的網(wǎng)絡(luò)運(yùn)營模式[11]。意圖驅(qū)動自智網(wǎng)絡(luò)在提高網(wǎng)絡(luò)性能、優(yōu)化資源利用、提供個性化服務(wù)等方面具有顯著優(yōu)勢，有助于推動網(wǎng)絡(luò)技術(shù)的創(chuàng)新與發(fā)展，主要包括：（1）提高網(wǎng)絡(luò)資源利用率：通過實(shí)時監(jiān)測網(wǎng)絡(luò)狀態(tài)和用戶需求，意圖驅(qū)動自智網(wǎng)絡(luò)能夠智能地調(diào)整網(wǎng)絡(luò)資源分配，實(shí)現(xiàn)資源的高效利用，降低浪費(fèi)。（2）優(yōu)化網(wǎng)絡(luò)性能：意圖驅(qū)動自智網(wǎng)絡(luò)基于先進(jìn)算法和模型，對網(wǎng)絡(luò)性能進(jìn)行持續(xù)優(yōu)化。這有助于提高網(wǎng)絡(luò)穩(wěn)定性、降低延遲和丟包率，提升用戶體驗(yàn)。（3）自動化與智能化：意圖驅(qū)動自智網(wǎng)絡(luò)具備自主學(xué)習(xí)能力，能夠從海量數(shù)據(jù)中提取有價值的信息，自動調(diào)整網(wǎng)絡(luò)參數(shù)和策略。這使得網(wǎng)絡(luò)管理更加便捷，降低了人工干預(yù)的成本。（4）個性化服務(wù)：意圖驅(qū)動自智網(wǎng)絡(luò)可以根據(jù)用戶行為和偏好，為用戶提供個性化、定制化的網(wǎng)絡(luò)服務(wù)。這有助于提高用戶滿意度和忠誠度，促進(jìn)業(yè)務(wù)發(fā)展的重要方向。（5）開放與可擴(kuò)展：意圖驅(qū)動自智網(wǎng)絡(luò)具有良好的開放性和可擴(kuò)展性，可以與其他網(wǎng)絡(luò)技術(shù)和應(yīng)用無縫集成，適應(yīng)不斷變化的網(wǎng)絡(luò)需求。這為網(wǎng)絡(luò)創(chuàng)新和發(fā)展提供了有力支持。（6）應(yīng)對復(fù)雜場景：意圖驅(qū)動自智網(wǎng)絡(luò)能夠應(yīng)對多樣化的網(wǎng)絡(luò)環(huán)境和復(fù)雜場景，實(shí)現(xiàn)對各類應(yīng)用的優(yōu)化支持。這有助于提升網(wǎng)絡(luò)的適應(yīng)性和靈活性4.1意圖驅(qū)動自智網(wǎng)絡(luò)運(yùn)營分層架構(gòu)多邊接入網(wǎng)關(guān)與自智網(wǎng)絡(luò)的部署實(shí)踐圍繞“單域自治，跨域協(xié)同”的核心思想，分層次構(gòu)建體系化能力，實(shí)現(xiàn)全場景網(wǎng)絡(luò)自智，其目標(biāo)架構(gòu)自下而上包含網(wǎng)元管理（對設(shè)備組件和運(yùn)行狀態(tài)動態(tài)感知和自動優(yōu)化，并開放自動化操作能力）、網(wǎng)絡(luò)管理（基于網(wǎng)絡(luò)管理、控制和分析能力，自動將上層業(yè)務(wù)和應(yīng)用意圖驅(qū)動控制器轉(zhuǎn)化為網(wǎng)絡(luò)行為，通過南向感知/分析/決策/執(zhí)行的域內(nèi)控制閉環(huán)能力，結(jié)合本地智能，持續(xù)保證網(wǎng)絡(luò)連接或功能的SLA承諾，實(shí)現(xiàn)單域網(wǎng)絡(luò)的自治閉環(huán)管理）、服務(wù)管理（基于規(guī)劃、建設(shè)、維護(hù)、優(yōu)化的端到端流程，結(jié)合業(yè)務(wù)協(xié)同、保障、分析三大能力，實(shí)現(xiàn)跨廠商、跨領(lǐng)域的服務(wù)層自治和閉環(huán)管理）和業(yè)務(wù)管理（主要面向自智網(wǎng)絡(luò)業(yè)務(wù)提供客戶、生態(tài)和合作伙伴業(yè)務(wù)使能和運(yùn)營能力）4個層次，以及資源閉環(huán)（單專業(yè)資源管理，實(shí)現(xiàn)單域自治）、業(yè)務(wù)閉環(huán)（面向業(yè)務(wù)的、跨專業(yè)的端到端管理，實(shí)現(xiàn)跨域協(xié)同）與用戶閉環(huán)（用戶與商務(wù)管理，包括用戶信息、營業(yè)、計(jì)費(fèi)、客服等）3個閉環(huán)[2]。分層架構(gòu)模式降低了整體系統(tǒng)的復(fù)雜性，每層可獨(dú)立演進(jìn)與自治運(yùn)行，并向接口其消費(fèi)者層隱藏域?qū)崿F(xiàn)技術(shù)、域內(nèi)操作和域內(nèi)功能細(xì)節(jié)，如圖2所示。其中A類參考點(diǎn)，位于分層解耦的管理架構(gòu)層次之間，可作為自治域北向，對上層提供意圖處理能力的調(diào)用與管理入口。K類參考點(diǎn)，位于集中自智節(jié)點(diǎn)與分層解耦的管理層次之間，對后者提供實(shí)現(xiàn)意圖管理所需的集中式智能支撐能力的調(diào)用與管理入口。圖2意圖驅(qū)動自智網(wǎng)絡(luò)架構(gòu)自智網(wǎng)絡(luò)各個層次均可以引入意圖疊加層，并對層間交互，為衛(wèi)星鏈路、自組織網(wǎng)絡(luò)、集群網(wǎng)絡(luò)等末端鏈路提供接入和互聯(lián)支持。多邊接入網(wǎng)關(guān)為異構(gòu)網(wǎng)絡(luò)接口提供接入接口，意圖驅(qū)動控制器簡化與抽象，在自智網(wǎng)絡(luò)演進(jìn)的智能化階段，系統(tǒng)基于用戶指定意圖目標(biāo)，結(jié)合AI技術(shù)，層內(nèi)提供自動閉環(huán)，層間通過網(wǎng)關(guān)控制異構(gòu)網(wǎng)絡(luò)意圖接口交互，使上層服務(wù)調(diào)用獨(dú)立于下層實(shí)現(xiàn)，從而意圖下發(fā)和意圖實(shí)現(xiàn)自智網(wǎng)絡(luò)跨層跨域的意圖覆蓋，進(jìn)一步減少人為操作、提升管理效率、加速技術(shù)迭代。4.2意圖驅(qū)動自智網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)架構(gòu)意圖驅(qū)動自智網(wǎng)絡(luò)的技術(shù)實(shí)現(xiàn)參考架構(gòu)如圖3所示，其設(shè)計(jì)采用分層策略，按照各層的功能抽象程度和業(yè)務(wù)邏輯，自底向上分為基礎(chǔ)設(shè)施層、服務(wù)管理管理層和業(yè)務(wù)管理層。同時，分布式人工智能模塊橫跨各層，為各個流程環(huán)節(jié)提供強(qiáng)大的支持?；A(chǔ)設(shè)施層可視為意圖驅(qū)動自智網(wǎng)絡(luò)的基石，由各類硬件設(shè)施、軟件系統(tǒng)和數(shù)據(jù)等構(gòu)成。這一層面對全網(wǎng)的算力資源、網(wǎng)絡(luò)資源和存儲資源進(jìn)行統(tǒng)一感知管理，并能夠根據(jù)業(yè)務(wù)需求對計(jì)算和存儲資源進(jìn)行高質(zhì)量的管理和調(diào)度。通過分布式人工智能，基礎(chǔ)設(shè)施層拓展了對自身信息的感知深度與維度，包括資源感知、性能感知和故障感知，為網(wǎng)絡(luò)管理層提供可靠全面的決策輸入。同時，通過在數(shù)據(jù)源頭進(jìn)行分析決策，實(shí)現(xiàn)實(shí)時不間斷的業(yè)務(wù)響應(yīng)、設(shè)備能耗的智能調(diào)節(jié)和算網(wǎng)故障感知和修復(fù)等功能，提升系統(tǒng)的自響應(yīng)、自修復(fù)和自優(yōu)化能力。網(wǎng)絡(luò)管理層被視為意圖驅(qū)動自智網(wǎng)絡(luò)的大腦，負(fù)責(zé)具體實(shí)現(xiàn)系統(tǒng)功能。該層通過南北向接口分別接收基礎(chǔ)設(shè)施層的狀態(tài)信息和業(yè)務(wù)意圖，進(jìn)行分析決策和網(wǎng)絡(luò)控制，包括狀態(tài)感知、資源調(diào)度、算力管理、服務(wù)編排、故障分析和自修復(fù)等。網(wǎng)絡(luò)管理層采用單域自治與跨域協(xié)同的分層漸進(jìn)策略，強(qiáng)調(diào)對系統(tǒng)子功能模塊的自動化和智能化執(zhí)行，同時支持根據(jù)資源狀態(tài)和用戶意圖等進(jìn)行自適演進(jìn)?？缬騾f(xié)同將各自治域拉通互聯(lián)，通過多域協(xié)同解決復(fù)雜問題，實(shí)現(xiàn)功能流程的自動化和業(yè)務(wù)高層智能化閉環(huán)處理。網(wǎng)絡(luò)管理層將AI技術(shù)深度嵌入算網(wǎng)的各個層面，提升各功能模塊的智能化學(xué)習(xí)及場景適應(yīng)能力，確保算網(wǎng)對當(dāng)前和未來新業(yè)務(wù)的服務(wù)質(zhì)量。圖3意圖驅(qū)動自智網(wǎng)絡(luò)設(shè)計(jì)框架業(yè)務(wù)應(yīng)用層用于實(shí)現(xiàn)面向用戶的服務(wù)能力開放，承載抽象的業(yè)務(wù)功能。從用戶角度看，業(yè)務(wù)應(yīng)用層能夠根據(jù)用戶意圖將服務(wù)應(yīng)用調(diào)度到合適的節(jié)點(diǎn)，實(shí)現(xiàn)資源利用率最優(yōu)并保證卓越的用戶體驗(yàn)。分布式人工智能模塊通過數(shù)據(jù)管理、學(xué)習(xí)訓(xùn)練、智能分發(fā)和持續(xù)學(xué)習(xí)等形成完整的智能閉環(huán)，為基礎(chǔ)設(shè)施層、網(wǎng)絡(luò)管理層和業(yè)務(wù)應(yīng)用層提供全方位的智能服務(wù)。作為智能能力管理與知識統(tǒng)一中心，分布式人工智能模塊深度融合在各層級，將AI的設(shè)計(jì)訓(xùn)練、推理驗(yàn)證、部署應(yīng)用和迭代優(yōu)化等全生命周期都設(shè)在意圖驅(qū)動自智網(wǎng)絡(luò)內(nèi)部，實(shí)現(xiàn)了AI的內(nèi)部誕生和服務(wù)。通過對算網(wǎng)運(yùn)行過程中產(chǎn)生的數(shù)據(jù)進(jìn)行深度挖掘，分布式人工智能模塊協(xié)同整合不同網(wǎng)絡(luò)層之間的數(shù)據(jù)、資源和功能方面的差異，產(chǎn)生有效解決方案，并綜合考慮意圖驅(qū)動自智網(wǎng)絡(luò)的運(yùn)行效率、自動化水平和服務(wù)質(zhì)量等。同時，該模塊支持AI的持續(xù)學(xué)習(xí)，能夠自適應(yīng)地進(jìn)行知識演進(jìn)，并進(jìn)行知識融合與推理，從而創(chuàng)造新的知識。4.3意圖驅(qū)動自智網(wǎng)絡(luò)端到端處理流程一個完整的意圖處理流程包括如下幾個階段，開始階段、評估階段、下發(fā)階段、實(shí)施階段，如圖4所示。在開始階段，意圖所有者通過檢測需求滿足情況確定是否需要定義新的或更改現(xiàn)有意圖，孵化出新的意圖對象。若不需要創(chuàng)建新的意圖對象，則處理流程結(jié)束。在評估階段，意圖所有者和潛在的意圖處理者通過調(diào)查協(xié)商確定意圖對象的可行實(shí)現(xiàn)方案，包括意圖處理者的選擇以及意圖對象的參數(shù)協(xié)商，同時對相應(yīng)方案產(chǎn)生的影響進(jìn)行驗(yàn)證和評估。如果評估不可行，則處理流程結(jié)束。如果評估可行，則意圖所有者確定實(shí)現(xiàn)意圖對象所需的意圖處理者及對應(yīng)的參數(shù)信息。在下發(fā)階段，意圖所有者將評估后的意圖對象下發(fā)給意圖處理者請求新建意圖實(shí)例。如果意圖處理者接受該意圖對象，則新建意圖實(shí)例成功，意圖生命周期進(jìn)入實(shí)施階段；如果意圖處理者不接受該意圖對象，則新建實(shí)例失敗，處理流程結(jié)束。在實(shí)施階段，意圖處理者根據(jù)接受的意圖操作其責(zé)任域，實(shí)現(xiàn)意圖的期望目標(biāo)。在意圖實(shí)例被刪除之前持續(xù)保障意圖對應(yīng)的期望得到滿足。按需向意圖所有者報(bào)告意圖處理完成情況、執(zhí)行狀態(tài)和未滿足原因等。當(dāng)意圖處理者接收到意圖實(shí)例更新請求，通過調(diào)查協(xié)商確定更新操作的可行方案，并對相應(yīng)方案產(chǎn)生的影響進(jìn)行驗(yàn)證和評估，如果更新不可行，則處理流程結(jié)束；如果更新可行，則進(jìn)行相應(yīng)意圖實(shí)例的更新。當(dāng)意圖處理者接收到意圖實(shí)例刪除請求，則處理流程結(jié)束。圖4端到端意圖處理流程示意圖在意圖驅(qū)動網(wǎng)絡(luò)中，針對業(yè)務(wù)管理、服務(wù)管理、資源管理、網(wǎng)元管理不同層次，上層意圖管理功能可以作為意圖所有者，下層意圖管理功能可以作為意圖處理者，層間通過調(diào)用意圖接口，實(shí)現(xiàn)自頂向下的意圖調(diào)用流程，從而使用戶端到端的意圖得以滿足。4.4意圖驅(qū)動光網(wǎng)絡(luò)架構(gòu)的實(shí)驗(yàn)驗(yàn)證基于意圖驅(qū)動自智網(wǎng)絡(luò)框架開發(fā)了意圖驅(qū)動光網(wǎng)絡(luò)平臺(IDONP)，包括從意圖到策略的部署方案優(yōu)化設(shè)計(jì)，高精度意圖保障的故障定位機(jī)制，和面向意圖保障的快速切片重構(gòu)方法。4.4.1部署方案的設(shè)計(jì)與優(yōu)化本小節(jié)展示意圖驅(qū)動自智網(wǎng)絡(luò)的需求分析，以及兩種從意圖到策略的實(shí)現(xiàn)方法，包括基于強(qiáng)意圖約束的智能策略生成(PG-RL)、基于意圖約束的智能切片策略生成，實(shí)現(xiàn)了意圖與策略的最優(yōu)適配。隨著接入用戶基數(shù)和業(yè)務(wù)種類的增長，光網(wǎng)絡(luò)的流量呈階段性、區(qū)域性變化，而建拆路的代價很大，難以保證實(shí)時性。故需要網(wǎng)絡(luò)可以在現(xiàn)有網(wǎng)絡(luò)基礎(chǔ)設(shè)施上適當(dāng)自動變更，通過網(wǎng)絡(luò)自動化或網(wǎng)絡(luò)編排完成，需要：1）在強(qiáng)意圖約束條件下自動化生成配置策略，滿足光網(wǎng)絡(luò)業(yè)務(wù)服務(wù)需求；2）建立高魯棒性意圖保障機(jī)制；3）實(shí)現(xiàn)智能策略與光網(wǎng)絡(luò)環(huán)境的實(shí)時適配。技術(shù)原理：意圖到切片策略實(shí)現(xiàn)的映射通常需配置連接拓?fù)洌ㄟB接到服務(wù)節(jié)點(diǎn)交換數(shù)據(jù)以更新內(nèi)容，并分配足夠的計(jì)算，存儲和傳輸資源來保持一定的QoS級別。光網(wǎng)絡(luò)切片可以適應(yīng)多樣性業(yè)務(wù)的靈活需求，提供定制的服務(wù)保證，網(wǎng)絡(luò)切片使基礎(chǔ)設(shè)施提供商(InfrastructureProvider，InP)能夠在公共平臺上支持異構(gòu)服務(wù)(即為每個服務(wù)創(chuàng)建一個定制的切片)。并且可以動態(tài)地放大/縮小片，以匹配其服務(wù)需求的變化。根據(jù)意圖的解析結(jié)果要求(如延遲、容量、可靠性等)來創(chuàng)建切片，在切片中匯總的流量存在時間和/或空間變化的情況下，InP可以通過動態(tài)地向上/向下擴(kuò)展所供應(yīng)的片，以匹配服務(wù)需求的變化，從而提高其資源使用效率。并且受益于網(wǎng)絡(luò)功能虛擬化（NFV）和軟件定義網(wǎng)絡(luò)（SDN）技術(shù)的發(fā)展，網(wǎng)絡(luò)切片已被提出作為意圖驅(qū)動光與無線融合網(wǎng)絡(luò)的關(guān)鍵體系結(jié)構(gòu)技術(shù)。DRL通過與網(wǎng)絡(luò)交互從經(jīng)驗(yàn)中學(xué)習(xí)不斷尋找、調(diào)整合適的策略，動態(tài)調(diào)整分配給各個片的資源，從而在保證意圖約束的同時最大程度地利用資源。部署方案：意圖驅(qū)動光與無線融合網(wǎng)絡(luò)架構(gòu)主要包括意圖表達(dá)，轉(zhuǎn)換，驗(yàn)證和部署；在意圖形式轉(zhuǎn)換方面，形成了“自然語言，意圖原語，可執(zhí)行策略，可靠配置”的意圖流。在層次關(guān)系方面，結(jié)合OpenDaylight(ODL)和OpenNetworkOperatingSystem（ONOS）的最新實(shí)踐，意圖驅(qū)動光與無線融合網(wǎng)絡(luò)主要包括服務(wù)應(yīng)用層，意圖北向接口，意圖策略層，意圖保障層和基礎(chǔ)設(shè)施層，如圖5所示。圖5意圖驅(qū)動光與無線融合網(wǎng)絡(luò)架構(gòu)業(yè)務(wù)應(yīng)用層生成業(yè)務(wù)意圖，包括在不同場景中的不同服務(wù)。業(yè)務(wù)意圖可以直接或間接產(chǎn)生。業(yè)務(wù)應(yīng)用層通過意圖策略層提供的編程接口對底層設(shè)備進(jìn)行編程，從而抽象化網(wǎng)絡(luò)元素的功能。此外，該層提供管理接口以實(shí)現(xiàn)多樣化的業(yè)務(wù)創(chuàng)新。意圖北向接口NorthboundInterface(NBI)是用于轉(zhuǎn)譯意圖的模塊，它連接業(yè)務(wù)應(yīng)用層和意圖策略層。此外，南向接口SouthboundInterface(SBI)基于虛擬化技術(shù)，并連接到各種網(wǎng)絡(luò)元素設(shè)備，各種計(jì)算資源和通信資源被虛擬化。它主要用作基礎(chǔ)結(jié)構(gòu)層和意圖策略層之間的交互。意圖策略層是架構(gòu)的核心，具有管理控制和決策能力。該層解析并檢查通過意圖北向接口轉(zhuǎn)換的業(yè)務(wù)意圖。用戶意圖被處理為可以由當(dāng)前網(wǎng)絡(luò)執(zhí)行的規(guī)則化意圖請求，網(wǎng)絡(luò)中的特定資源需求是通過意圖和資源的映射算法獲得的。該層采用基于意圖的管理和編排系統(tǒng)來實(shí)現(xiàn)資源的統(tǒng)一調(diào)度進(jìn)行切片配置。并且將閉環(huán)配置引入到網(wǎng)元的生命周期管理中。借助智能引擎，完成網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)收集，數(shù)據(jù)存儲，數(shù)據(jù)處理，模型訓(xùn)練和參數(shù)調(diào)整之類的功能?；A(chǔ)設(shè)施層包括各種物理設(shè)備實(shí)體。它還部署了大量網(wǎng)絡(luò)數(shù)據(jù)收集工具，以提供反饋信息和策略配置所需的參數(shù)。優(yōu)化設(shè)計(jì)：(1)基于強(qiáng)意圖約束的智能策略生成(PG-RL)通過研究意圖關(guān)鍵詞提取，并設(shè)計(jì)意圖請求報(bào)文對意圖關(guān)鍵詞進(jìn)行封裝，實(shí)現(xiàn)了對意圖的精準(zhǔn)表述；在意圖請求報(bào)文約束下，研究基于強(qiáng)化學(xué)習(xí)(RL)的策略生成，通過組合細(xì)粒度策略生成對光網(wǎng)絡(luò)新的配置手段，實(shí)現(xiàn)了意圖與策略的最優(yōu)適配。圖6用于意圖轉(zhuǎn)譯的知識圖譜匹配體系結(jié)構(gòu)（2）基于意圖約束的智能切片策略生成(SPG-RL)通過研究意圖與網(wǎng)絡(luò)資源需求的映射，捕獲業(yè)務(wù)意圖并將其轉(zhuǎn)換為網(wǎng)絡(luò)策略，實(shí)現(xiàn)了對意圖到網(wǎng)絡(luò)狀態(tài)需求的精準(zhǔn)轉(zhuǎn)換；并在意圖的約束下，研究基于強(qiáng)化學(xué)習(xí)(DRL)的切片策略生成，通過有效地將用戶的性能要求轉(zhuǎn)換為光與無線融合網(wǎng)絡(luò)的切片配置策略，實(shí)現(xiàn)多維感測要求，實(shí)現(xiàn)了意圖與策略的最優(yōu)適配，克服了傳統(tǒng)光網(wǎng)絡(luò)資源分配策略靜態(tài)固化的缺點(diǎn)。圖7意圖驅(qū)動融合網(wǎng)絡(luò)智能切片工作流程圖8執(zhí)行意圖解析和切片策略結(jié)果4.4.2運(yùn)營和維護(hù)方法與策略基于意圖驅(qū)動光網(wǎng)絡(luò)平臺(IDONP)架構(gòu)進(jìn)行網(wǎng)絡(luò)部署、算法的設(shè)置和算力節(jié)點(diǎn)的設(shè)置。維護(hù)部分以保障意圖為出發(fā)點(diǎn)研究了高精度故障定位算法以及面向意圖保障的快速切片重構(gòu)算法：（1）研究基于高精度故障定位方法的意圖保障機(jī)制，通過引入深度神經(jīng)進(jìn)化網(wǎng)絡(luò)，提出一種面向大規(guī)模告警集的高精度故障定位方法，有效實(shí)現(xiàn)對光網(wǎng)絡(luò)故障節(jié)點(diǎn)的精準(zhǔn)定位，輔助策略層及時隔離故障，最大化保障意圖實(shí)現(xiàn)。仿真結(jié)果表明，在一萬量級告警規(guī)模下，由于嵌入式部署了聯(lián)邦深度神經(jīng)進(jìn)化網(wǎng)（FL-DNEN定位精確度提升至92%，定位時長縮短0.5秒。圖9改進(jìn)的故障傳播模型算法（2）面向意圖保障的快速切片重構(gòu)算法(SR-DDQN)，研究基于快速切片重構(gòu)方法的意圖保障機(jī)制，通過引入DuelingDQN網(wǎng)絡(luò)，提出一種面向高度動態(tài)網(wǎng)絡(luò)環(huán)境的快速切片重構(gòu)方法，有效實(shí)現(xiàn)調(diào)整不同域的計(jì)算和存儲資源的分配策略以及VNF的部署以匹配切片請求中的動態(tài)變化，最大化保障意圖實(shí)現(xiàn)。所提出的模型能夠根據(jù)實(shí)時網(wǎng)絡(luò)狀態(tài)，連續(xù)檢測執(zhí)行策略與原始意圖的一致性，并在未達(dá)到意圖要求時采取快速切片重構(gòu)，重構(gòu)時間縮短39.2%，資源利用率提升17.6%，降低意圖約束違背率的同時提升網(wǎng)絡(luò)資源利用率。結(jié)合以上兩種算法以及現(xiàn)網(wǎng)的結(jié)構(gòu)可以實(shí)現(xiàn)網(wǎng)絡(luò)的自動化運(yùn)維，且兩種算法均有持續(xù)學(xué)習(xí)的能力，隨著網(wǎng)絡(luò)的部署及運(yùn)營，通過其自主學(xué)習(xí)外加人為有監(jiān)督的調(diào)控可以實(shí)現(xiàn)網(wǎng)絡(luò)進(jìn)一步的優(yōu)化。4.4.3現(xiàn)有網(wǎng)絡(luò)兼容集成方式本小節(jié)就現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了簡要介紹，后續(xù)對于如何基于現(xiàn)網(wǎng)進(jìn)行意圖驅(qū)動網(wǎng)絡(luò)的集成進(jìn)行了意圖驅(qū)動光網(wǎng)絡(luò)平臺(IDONP)的開發(fā)，介紹了意圖驅(qū)動光網(wǎng)絡(luò)平臺的結(jié)構(gòu)以及各層的開發(fā)過程，如圖10，明確了IDONP的工作流程。為后續(xù)的意圖驅(qū)動網(wǎng)絡(luò)提供了集成思路。(1)現(xiàn)有網(wǎng)絡(luò)介紹：軟件定義光網(wǎng)絡(luò)（Software-definedopticalnetworks,SDON）是一種新的網(wǎng)絡(luò)范例，可實(shí)現(xiàn)靈活，高效的網(wǎng)絡(luò)管理。SDON技術(shù)允許將底層基礎(chǔ)設(shè)施抽象出來，并作為一個虛擬實(shí)體被應(yīng)用程序和網(wǎng)絡(luò)服務(wù)使用。這允許網(wǎng)絡(luò)操作員定義和操作網(wǎng)絡(luò)的邏輯映射，創(chuàng)建獨(dú)立于底層傳輸技術(shù)和網(wǎng)絡(luò)協(xié)議的多個共存的網(wǎng)絡(luò)片(虛擬網(wǎng)絡(luò))SDON提供統(tǒng)一的控制平面平臺，實(shí)現(xiàn)接入網(wǎng)、光網(wǎng)、城域網(wǎng)、核心網(wǎng)段的融合，以及數(shù)據(jù)中心內(nèi)部和數(shù)據(jù)中心間的融合?？梢允褂萌志W(wǎng)絡(luò)視圖制定最佳的網(wǎng)絡(luò)控制決策。SDON為網(wǎng)絡(luò)管理域帶來了四個主要功能，例如可編程性，敏捷性，靈活性和獨(dú)立性。網(wǎng)絡(luò)功能虛擬化(NFV)思想是用在共享設(shè)施上虛擬化網(wǎng)絡(luò)資源，成為虛擬化網(wǎng)絡(luò)功能（VNF）。NFV通過虛擬機(jī)管理程序通過通用的共享基礎(chǔ)架構(gòu)分配虛擬機(jī)(VM)或容器的能力，并直接控制硬件資源。SDON/NFV聯(lián)合框架成為實(shí)現(xiàn)基于意圖驅(qū)動光與無線融合網(wǎng)絡(luò)智能控制編排的最佳方式。基于SDN的開放網(wǎng)絡(luò)操作系統(tǒng)（ONOS）包括IntentFramework組件，該組件旨在提供整體運(yùn)行時環(huán)境和框架。作為ONOS的子系統(tǒng)，意圖框架是意圖連接的組成部分。IntentFramework將業(yè)務(wù)意圖視為基于策略的指令，允許應(yīng)用程序根據(jù)策略和管理從外部廣播其網(wǎng)絡(luò)需求。(2)結(jié)合現(xiàn)網(wǎng)集成方法：基于意圖和需求，設(shè)計(jì)網(wǎng)絡(luò)架構(gòu)，包括網(wǎng)絡(luò)拓?fù)?、設(shè)備布局、連接性等方面。采用分層結(jié)構(gòu)和模塊化設(shè)計(jì)，以便后續(xù)擴(kuò)展和優(yōu)化。通過開發(fā)意圖驅(qū)動光網(wǎng)絡(luò)平臺(IDONP)具有如下的現(xiàn)實(shí)意義：為用戶提供交互工具，對應(yīng)IDONP中的交互層。用戶可通過渲染后的Web界面、api或命令行工具下發(fā)意圖、管理網(wǎng)絡(luò)中的策略，實(shí)時獲取網(wǎng)絡(luò)的運(yùn)行狀態(tài)。提供一種數(shù)據(jù)模型，對應(yīng)IDONP中的意圖北向接口(IntentNBI)。該模型描述了自然語言背后詳細(xì)的語義，可以實(shí)現(xiàn)對語義的標(biāo)準(zhǔn)化表達(dá)。同時這種數(shù)據(jù)模型具有層次性，高級意圖可以分解為若干低級意圖。提供一種策略引擎，對應(yīng)于IDONP中的JBossDrools策略引擎庫。策略引擎將細(xì)粒度的網(wǎng)絡(luò)策略從應(yīng)用程序中分離，同時可以對這些策略進(jìn)行管理，包括新增、刪除、修改與持久化。方便基于強(qiáng)化學(xué)習(xí)的策略生成模型(PG-RL)提取細(xì)粒度策略，組合生成新的網(wǎng)絡(luò)策略。IDONP能夠成功將用戶意圖轉(zhuǎn)換為可部署的光網(wǎng)絡(luò)策略，實(shí)現(xiàn)與用戶意圖相適配的定制化服務(wù)，同時集成了基于故障定位方法的意圖保障機(jī)制，形成。意圖全生命周期的閉環(huán)控制，主要包含交互層、意圖層、策略層和故障定位層。交互層主要基于HTML5Canvas進(jìn)行渲染，支持矢量圖形的無極縮放，可以清晰、流暢展示光網(wǎng)絡(luò)拓?fù)溥\(yùn)行情況，實(shí)現(xiàn)返回的后端網(wǎng)絡(luò)數(shù)據(jù)在線可視化。交互層和意圖層之間基于HTTP協(xié)議，可通過Post請求向意圖層下發(fā)用戶意圖，也可通過Get請求獲取意圖的解析結(jié)果、策略生成情況以及網(wǎng)絡(luò)實(shí)時運(yùn)行狀態(tài)。此外，交互層也可以通過API對策略層JBossDrools引擎庫中的策略進(jìn)行管理。意圖層接收交互層下發(fā)的意圖請求，通過IA-LDA模塊解析意圖語義，獲取意圖關(guān)鍵詞信。例如，“世界杯期間需要保障體育賽事客戶端可以流暢觀看”這樣的一條意圖，從中可以提取出“QoE、提升業(yè)務(wù)優(yōu)先級，增大帶寬分配”等關(guān)鍵詞信息。IntentNBI隨后將關(guān)鍵詞封裝為包含業(yè)務(wù)信息的json數(shù)據(jù)結(jié)構(gòu)，下發(fā)給策略層。策略層包含JBossDrools策略引擎庫與基于強(qiáng)化學(xué)習(xí)的策略生成模型。其中策略引擎庫中存儲若干細(xì)粒度規(guī)則，在IDONP中主要包含業(yè)務(wù)排序規(guī)則、路由規(guī)則、光網(wǎng)絡(luò)資源分配規(guī)則等。PG-RL在IntentNBI下發(fā)的數(shù)據(jù)模型約束下，將策略引擎庫中細(xì)粒度策略組合生成與意圖相適配的新策略。在故障定位層中，F(xiàn)L-DNEN包含故障傳播模型和DNEN模型，通過對網(wǎng)絡(luò)的監(jiān)控，接收控制器上報(bào)的告警信息，實(shí)現(xiàn)對光網(wǎng)絡(luò)故障的精準(zhǔn)定位，并將故障及時上報(bào)策略層，幫助策略層及時調(diào)整業(yè)務(wù)路由，規(guī)避故障鏈路或節(jié)點(diǎn)，形成對意圖的有效保障。通過以上三個方面的綜合考慮，可以更好地設(shè)計(jì)、部署和運(yùn)營意圖驅(qū)動自智網(wǎng)絡(luò)，實(shí)現(xiàn)更高效、智能和靈活的網(wǎng)絡(luò)服務(wù)。意圖驅(qū)動自智網(wǎng)絡(luò)的核心目標(biāo)是將用戶表達(dá)的結(jié)構(gòu)化的意圖轉(zhuǎn)化為網(wǎng)絡(luò)可執(zhí)行的細(xì)粒度策略集合。區(qū)別于傳統(tǒng)框架僅將自然語言視作意圖的源，本技術(shù)白皮書擴(kuò)展了意圖的定義范疇，納入了動作、語音等多種表達(dá)形式，以更全面捕捉用戶意圖的維度。圖11意圖轉(zhuǎn)譯流程圖命名實(shí)體識別、語音識別以及序列標(biāo)注等技術(shù)被用于準(zhǔn)確地識別和提取意圖表達(dá)中的關(guān)鍵實(shí)體。隨后，通過文本分類、語義表征以及文本生成等技術(shù)，將這些實(shí)體映射到預(yù)先定義的意圖模板中，從而豐富和完善知識庫中的意圖表達(dá)。此后，利用知識庫內(nèi)嵌的策略庫，將充實(shí)后的意圖模板轉(zhuǎn)化為一組具體的子策略，形成執(zhí)行所需的策略集。最終，控制層將依序執(zhí)行這一策略集中的各項(xiàng)子策略，精確實(shí)施用戶的意圖。整個意圖轉(zhuǎn)譯技術(shù)的流程和結(jié)構(gòu)，可參照圖11所示的技術(shù)流程圖進(jìn)行理解和實(shí)施，以確保用戶意圖的高效和精準(zhǔn)轉(zhuǎn)化。綜上所述，本篇將針對意圖驅(qū)動網(wǎng)絡(luò)上述空間以及環(huán)路中涉及的關(guān)鍵技術(shù)進(jìn)行詳細(xì)介紹。為實(shí)現(xiàn)從用戶輸入到底層網(wǎng)絡(luò)配置的準(zhǔn)確映射，需要對意圖進(jìn)行分類。人類的意圖并非是從某一個角度進(jìn)行分類而是多維度的，不同維度相互交叉的。我們可以把從多維度分類描述一個意圖想象成給某條意圖“打標(biāo)簽”，當(dāng)標(biāo)簽足夠多時，維度足夠全面就可以清楚的描述清楚此意圖。信息建模層面來看，意圖可以由一組期望組成，這些期望可以是基于公共模型的期望[3]。而在具體定義期望達(dá)到的狀態(tài)列表時，可以基于領(lǐng)域信息模型來進(jìn)行描述。對于每一個意圖來說，其可能存在多個維度的意圖期望和對應(yīng)上下文，而對于每一個期望來說，可以由若干個期望目標(biāo)和一組對應(yīng)的期望上下文組成。數(shù)據(jù)建模層面來看，跨系統(tǒng)的意圖表述需要采用機(jī)器可以識別且無歧義的語言來表達(dá)與交換。其中，統(tǒng)一建模語言UML（UnifiedModelingLanguage）是一種用于軟件開發(fā)的標(biāo)準(zhǔn)建模語言，它允許開發(fā)者描述、構(gòu)建、可視化和文檔化軟件系統(tǒng)的組織結(jié)構(gòu)、行為和交互。資源描述框架RDF（ResourceDescriptionFramework）本質(zhì)是一個數(shù)據(jù)模型，形式上表示為SPO三元組，有時也被稱為語句。YANG是一種數(shù)據(jù)建模語言,呈樹形結(jié)構(gòu)，是由無數(shù)葉子、列表、葉列表、容器組成。圖12意圖分類模型根據(jù)用戶目標(biāo)及意圖應(yīng)用場景，意圖可以被分為客戶服務(wù)意圖、網(wǎng)絡(luò)服務(wù)意圖、網(wǎng)絡(luò)意圖、操作任務(wù)意圖、戰(zhàn)略意圖等。根據(jù)是否明確指定目標(biāo)對象的名稱，意圖可以被分為顯式意圖和隱式意圖。其中，明確目標(biāo)組件的為顯式意圖，反之為隱式。根據(jù)是否具備生命周期管理功能，意圖可以被分為瞬態(tài)（操作）意圖和持久（業(yè)務(wù)）意圖。瞬態(tài)意圖是對網(wǎng)絡(luò)管理操作的簡單抽象，一旦指定的操作成功執(zhí)行，意圖則完成，并不再影響目標(biāo)對象，因此無需生命周期管理。與之相對應(yīng)的，持久意圖需要進(jìn)行生命周期管理，一旦意圖被成功激活和部署，系統(tǒng)將保持所有相關(guān)意圖處于活動狀態(tài)，直到它們被停用或移除。此外，IRTFRFC9316[5]首次針對意圖的分類提出了一種標(biāo)準(zhǔn)模型，面向承載網(wǎng)、云數(shù)據(jù)中心網(wǎng)絡(luò)、企業(yè)專網(wǎng)等業(yè)務(wù)場景，以及網(wǎng)絡(luò)管理員、終端客戶等多種用戶類型對意圖分類施策，并可隨著技術(shù)及業(yè)務(wù)演進(jìn)不斷迭代擴(kuò)展分類模型的規(guī)模。一方面提高系統(tǒng)識別意圖效率，另一方面根據(jù)用戶需求、期望和優(yōu)先級提供差異化的解決方案。為了更清楚的描述一個意圖，還可以從時間、空間、是否周期等角度分類。如圖12所示，一條意圖的多維度描述模型。從意圖的級別角度出發(fā)，可分為基本意圖和高級意圖。從時間角度，可以將意圖分為過去的意圖、當(dāng)前的意圖和未來可能的意圖（意圖預(yù)測從空間的角度，將復(fù)雜的大范圍意圖細(xì)化為小范圍的意圖，從全局網(wǎng)絡(luò)配置細(xì)化到局部網(wǎng)絡(luò)上的配置。也可以將意圖劃分為周期性的意圖和非周期的。從用戶業(yè)務(wù)角度，意圖可分為信息查詢類、點(diǎn)間通信類、網(wǎng)絡(luò)配置類和設(shè)備控制類。從緊急性和重要性角度，可分為緊急重要、緊急不重要、重要不緊急、不緊急不重要等。在意圖驅(qū)動網(wǎng)絡(luò)（Intent-DrivenNetwork,IDN）中，意圖理解是一個關(guān)鍵組件，用于將實(shí)現(xiàn)人類自然語言的主意圖到基于結(jié)構(gòu)化的意圖，意圖理解的基本流程主要包括以下幾個步驟：1、用戶意圖輸入：用戶通過自然語言（文本或語音）或圖形化界面輸入他們的業(yè)務(wù)意圖。意圖可以是簡單的命令，也可以是復(fù)雜的業(yè)務(wù)策略表述。2、意圖解析：處理自然語言輸入，提取出關(guān)鍵字和短語，理解用戶意圖的具體要求。通過語法分析和語義理解來解碼輸入的結(jié)構(gòu)和含義。3、語義理解與映射：將解析出的用戶語言意圖映射到一組預(yù)定義的網(wǎng)絡(luò)操作和策略上。使用領(lǐng)域知識庫來聯(lián)系用戶意圖和網(wǎng)絡(luò)系統(tǒng)能夠執(zhí)行的具體操作。4、意圖驗(yàn)證與修正：檢查解析出的意圖是否符合網(wǎng)絡(luò)策略和業(yè)務(wù)邏輯。如有必要，系統(tǒng)會要求用戶澄清或修正他們的意圖輸入。意圖理解在IDN中是一個很關(guān)鍵的部分，因?yàn)樗苯雨P(guān)系到網(wǎng)絡(luò)是否能夠按照用戶的業(yè)務(wù)目標(biāo)和要求正確配置和管理。因此，為了提高意圖理解的準(zhǔn)確性和網(wǎng)絡(luò)的自適應(yīng)能力，通常需要將高級的NLP技術(shù)、人工智能以及網(wǎng)絡(luò)領(lǐng)域的專業(yè)知識相結(jié)合。（1）抽取模型：globlepointer模型構(gòu)建GlobalPointer是一種基于span分類的解碼方法，它將首尾視為一個整體去進(jìn)行判別，所以它更有“全局觀”（更Global）。而且也保證了訓(xùn)練、預(yù)測、上線評估都是以實(shí)體級進(jìn)行評測，如圖13。圖13意圖實(shí)體抽取模型（2）數(shù)據(jù)集構(gòu)建：生成1000+組數(shù)據(jù)集（3）實(shí)體類別：可以按照轉(zhuǎn)換為各個標(biāo)準(zhǔn)組織已經(jīng)定義的意圖模型進(jìn)行轉(zhuǎn)換，最終將意圖映射到一組預(yù)定義的網(wǎng)絡(luò)操作和策略上，映射后的信息可以描述為如下實(shí)體。對象（鏈路作用對象的約束節(jié)點(diǎn)、位置、區(qū)域行為（鏈路配置方式的約束連接、構(gòu)建網(wǎng)絡(luò)、防火墻、過濾、均衡效果（鏈路配置效果的約束帶寬、時延、吞吐量、丟包率、Qos、業(yè)務(wù)、網(wǎng)絡(luò)特性、協(xié)議類型時間（鏈路作用時間的約束作用時間額外信息（鏈路配置的額外信息端口、優(yōu)先級、應(yīng)用場景編號網(wǎng)絡(luò)操作實(shí)體大類實(shí)體子類示例A1對象節(jié)點(diǎn)Host1、A1、主機(jī)、節(jié)點(diǎn)、用戶BA2對象位置A3對象子網(wǎng)1、自組網(wǎng)、無人機(jī)網(wǎng)、衛(wèi)星網(wǎng)絡(luò)B1行為連接建立連接、開啟連接、相互聯(lián)通、通信B2行為構(gòu)建網(wǎng)絡(luò)構(gòu)建子網(wǎng)、形成局域網(wǎng)B3行為防火墻防火墻開啟、防火墻關(guān)閉B4行為過濾過濾黑名單B5行為均衡開啟負(fù)載均衡、開啟控制器均衡C1效果帶寬帶寬達(dá)到500Mbps、帶寬不小于500MbpsC2效果時延不超過5msC3效果吞吐量網(wǎng)絡(luò)吞吐量最大化C4效果丟包率丟包率小于5%C5效果QosQos最高保證、Qos開啟C6效果業(yè)務(wù)高清視頻會議、語音連接C7效果網(wǎng)絡(luò)特性自組織、自恢復(fù)、高抗毀C8效果協(xié)議類型IP模式、http、smtpD1作用時間每天早8點(diǎn)-晚上8點(diǎn)、持續(xù)一星期E1額外信息端口439端口E2額外信息優(yōu)先級最高優(yōu)先級E3額外信息應(yīng)用場景智慧城市、無線圖傳、臨時會議、環(huán)境監(jiān)測、搶險(xiǎn)救災(zāi)意圖實(shí)現(xiàn)策略驗(yàn)證負(fù)責(zé)確保策略轉(zhuǎn)譯生成的準(zhǔn)確性與適用性，避免其直接實(shí)施可能導(dǎo)致的網(wǎng)絡(luò)故障或業(yè)務(wù)品質(zhì)下降等風(fēng)險(xiǎn)。此過程要求策略驗(yàn)證不僅要高效率地進(jìn)行，確保策略在時效性內(nèi)得以評估和篩選，同時也要保持高準(zhǔn)確度，確保最終選定的策略能在實(shí)際應(yīng)用中達(dá)到預(yù)期效果。在進(jìn)行策略可執(zhí)行性的驗(yàn)證時，主要關(guān)注資源的可用性、潛在的策略沖突以及策略本身的正確性等關(guān)鍵因素。目前，主流策略驗(yàn)證技術(shù)一般包括構(gòu)建數(shù)字孿生體和進(jìn)行策略仿真驗(yàn)證兩步，這些方法共同構(gòu)成了確保策略可靠性與有效性的技術(shù)支撐體系。（1）數(shù)字孿生體的建立構(gòu)建數(shù)字孿生體涉及到精細(xì)化地模擬物理網(wǎng)絡(luò)，這一過程借助先進(jìn)的數(shù)字孿生技術(shù)進(jìn)行。該過程分為基礎(chǔ)模型構(gòu)建和功能模型構(gòu)建兩大部分，旨在實(shí)現(xiàn)對物理網(wǎng)絡(luò)的全方位和動態(tài)描述。基礎(chǔ)模型的構(gòu)建依托于網(wǎng)元的基本配置、環(huán)境信息、運(yùn)行狀況以及鏈路拓?fù)涞汝P(guān)鍵數(shù)據(jù)，創(chuàng)建與物理實(shí)體網(wǎng)絡(luò)相對應(yīng)的網(wǎng)元和拓?fù)淠Ｐ停源_保對物理網(wǎng)絡(luò)環(huán)境的實(shí)時且精確反映。這一過程進(jìn)一步細(xì)化為三個關(guān)鍵步驟：首先是孿生網(wǎng)絡(luò)的本體模型構(gòu)建，旨在建立一個統(tǒng)一且綜合的網(wǎng)絡(luò)孿生體數(shù)據(jù)庫，隨后是網(wǎng)元模型和拓?fù)淠Ｐ偷陌葱杞M合構(gòu)建，以便實(shí)現(xiàn)對物理網(wǎng)絡(luò)的精確映射。另一方面，功能模型的構(gòu)建關(guān)注于滿足實(shí)際網(wǎng)絡(luò)功能的需求，它通過在全生命周期內(nèi)引入多樣化的功能模塊來支持網(wǎng)絡(luò)的動態(tài)演進(jìn)和推理決策。這些功能模型能夠根據(jù)不同網(wǎng)絡(luò)應(yīng)用的具體需求，通過多維度的構(gòu)建和擴(kuò)展，實(shí)現(xiàn)對網(wǎng)絡(luò)功能的全面模擬和預(yù)測。此項(xiàng)技術(shù)的應(yīng)用不僅增強(qiáng)了網(wǎng)絡(luò)管理的靈活性和響應(yīng)能力，而且為網(wǎng)絡(luò)規(guī)劃和優(yōu)化提供了強(qiáng)大的支持。如圖14，為示例中C功能的數(shù)字孿生體的示意圖。圖14策略驗(yàn)證中數(shù)字孿生體示意圖（2）策略仿真驗(yàn)證為了提高策略驗(yàn)證的效率并確保策略的時效性，策略驗(yàn)證流程前置了一個關(guān)鍵步驟：對待驗(yàn)證策略的預(yù)分類和整理。這一過程涉及利用知識歸納方法，根據(jù)網(wǎng)絡(luò)策略共享的特征（例如網(wǎng)絡(luò)協(xié)議、初始端口號、優(yōu)先級等）進(jìn)行分組，旨在減少驗(yàn)證過程中的工作量，并加速整體的驗(yàn)證進(jìn)程。隨著數(shù)字孿生體的成功構(gòu)建，網(wǎng)絡(luò)待驗(yàn)證策略將被注入到該孿生體中，以便觀察和分析仿真結(jié)果。策略驗(yàn)證通常采用兩種主要方法：控制面驗(yàn)證和數(shù)據(jù)面驗(yàn)證。這兩種方法分別針對網(wǎng)絡(luò)控制層的路由協(xié)議和網(wǎng)絡(luò)的數(shù)據(jù)傳輸環(huán)境進(jìn)行仿真，以驗(yàn)證路由策略的可達(dá)性和數(shù)據(jù)包的傳輸效率。具體的驗(yàn)證方案可以進(jìn)一步細(xì)分為全局仿真和局部形式化仿真兩種類型。全局仿真涉及模擬廣域網(wǎng)(WAN)內(nèi)所有協(xié)議的操作，從而生成相應(yīng)的數(shù)據(jù)平面處理規(guī)則。而局部形式化仿真則在遇到不確定性因素時發(fā)揮作用，通過采用邏輯表達(dá)式編碼所有潛在的情況，并利用求解器來計(jì)算可能出現(xiàn)的各種情況，以此來精確地評估策略的有效性和潛在的影響。這種方法為網(wǎng)絡(luò)策略的驗(yàn)證提供了一種既全面又靈活的技術(shù)路徑，確保了網(wǎng)絡(luò)策略的實(shí)施既高效又可靠。意圖實(shí)現(xiàn)知識用于規(guī)范和關(guān)聯(lián)用戶意圖存儲和交互更新、意圖轉(zhuǎn)譯結(jié)果參數(shù)存儲、讀取和更新、網(wǎng)絡(luò)狀態(tài)反饋信息存儲等,基于以上知識可實(shí)現(xiàn)用戶意圖閉環(huán)管理和網(wǎng)絡(luò)狀態(tài)監(jiān)控，對用戶意圖的閉環(huán)感知進(jìn)行反饋。同時，意圖實(shí)現(xiàn)知識管理提供了用戶原始意圖交互信息、意圖轉(zhuǎn)譯結(jié)果信息、網(wǎng)絡(luò)狀態(tài)反饋信息等用戶信息脫敏數(shù)據(jù)的匯總導(dǎo)出功能，并建立標(biāo)準(zhǔn)數(shù)據(jù)規(guī)范，可為后續(xù)意圖網(wǎng)絡(luò)相關(guān)智能算法模型的訓(xùn)練和應(yīng)用提供數(shù)據(jù)基礎(chǔ)。針對意圖實(shí)現(xiàn)知識管理模型，需設(shè)計(jì)可用資源庫完成對意圖實(shí)現(xiàn)知識和相關(guān)信息配置等的存儲，承接來自用戶交互界面的意圖轉(zhuǎn)譯結(jié)果；需設(shè)計(jì)數(shù)據(jù)收集分析模塊，查詢可用資源庫中的用戶意圖處理，處理可能的意圖更新；需設(shè)計(jì)服務(wù)編排模塊實(shí)現(xiàn)意圖用例、場景、資源等的管理。意圖實(shí)現(xiàn)知識管理提供對意圖實(shí)例的增刪改查，在意圖實(shí)例創(chuàng)建過程中，用戶交互界面讀取用例服務(wù)ID，將用戶意圖綁定新創(chuàng)建的意圖實(shí)例ID和讀取的用戶服務(wù)ID存入可用資源庫，同時可用資源庫提供用戶意圖監(jiān)控接口供數(shù)據(jù)收集分析模塊監(jiān)聽可能的用戶意圖更新；在意圖修改更新過程中，用戶交互界面讀取新的用例服務(wù)ID，將新用戶意圖用例服務(wù)ID存入可用資源庫并同現(xiàn)有意圖實(shí)例進(jìn)行關(guān)聯(lián)；意圖實(shí)現(xiàn)知識管理同時提供意圖查詢和意圖刪除功能。采用意圖實(shí)現(xiàn)知識管理技術(shù)，通過完成意圖實(shí)例和數(shù)據(jù)表的映射（如以意圖實(shí)例ID作為KeyID能夠關(guān)聯(lián)意圖相關(guān)信息，如（1）考慮不同場景用例服務(wù)，可將不同場景用例服務(wù)ID同意圖實(shí)例ID關(guān)聯(lián)，滿足用戶多場景需求2）用戶不斷變換的意圖和意圖轉(zhuǎn)譯信息，與統(tǒng)一意圖實(shí)例進(jìn)行關(guān)聯(lián)3）網(wǎng)絡(luò)變化信息和意圖保障信息，與統(tǒng)一意圖實(shí)例進(jìn)行關(guān)聯(lián)，能夠評估和優(yōu)化網(wǎng)絡(luò)對用戶意圖的支持能力。意圖實(shí)現(xiàn)知識管理技術(shù)提供脫敏數(shù)據(jù)匯總導(dǎo)出功能，將網(wǎng)絡(luò)意圖相關(guān)信息導(dǎo)出為后續(xù)意圖網(wǎng)絡(luò)相關(guān)智能算法模型的訓(xùn)練和應(yīng)用提供數(shù)據(jù)基礎(chǔ)。意圖驅(qū)動智能網(wǎng)絡(luò)的已經(jīng)成為行業(yè)內(nèi)共識的愿景。通信運(yùn)營商、設(shè)備制造商以及高等教育機(jī)構(gòu)等各界都在積極推動智能網(wǎng)絡(luò)的實(shí)踐應(yīng)用，技術(shù)研發(fā)和商業(yè)應(yīng)用的進(jìn)程正加速推進(jìn)，整個產(chǎn)業(yè)呈現(xiàn)出繁榮發(fā)展的趨勢。中國電信采用ONAP服務(wù)化理念，面向6G全場景隨愿服務(wù)需求，聚焦6G網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)，提出并實(shí)現(xiàn)了意圖驅(qū)動閉環(huán)自智網(wǎng)絡(luò)架構(gòu)方案及測試平臺并進(jìn)行關(guān)鍵場景和技術(shù)驗(yàn)證。為了給用戶提供差異化與個性化的智能服務(wù)，保障靈活調(diào)度全局云網(wǎng)算力資源，全業(yè)務(wù)場景隨愿服務(wù)針對各種智能化用例，實(shí)現(xiàn)對6G接入網(wǎng)、承載網(wǎng)、核心網(wǎng)、空天網(wǎng)絡(luò)域、云算力資源域等的端到端一體化動態(tài)編排管理。在該示例中，來自服務(wù)管理層的用戶意圖映射為資源管理層的網(wǎng)絡(luò)執(zhí)行策略，實(shí)現(xiàn)意圖驅(qū)動的云專線交付和保障。圖15意圖驅(qū)動閉環(huán)自智網(wǎng)絡(luò)全業(yè)務(wù)場景隨愿服務(wù)在閉環(huán)自智角度，方案設(shè)計(jì)了雙閉環(huán)自智架構(gòu)，如圖15，其中外層閉環(huán)又包括兩類數(shù)據(jù)流，分別實(shí)現(xiàn)意圖的創(chuàng)建和下發(fā)功能，意圖的修改和滿足功能。內(nèi)層閉環(huán)結(jié)構(gòu)實(shí)現(xiàn)用戶的意圖保證，包括四個階段，分別為M2A（monitoring）、A2D（analysis）、D2E（decision）和E2M（execution）階段。每個階段的相應(yīng)任務(wù)由方案架構(gòu)中模塊定義并實(shí)現(xiàn)（如意圖實(shí)例模塊、策略模塊、服務(wù)編排模塊等并在ONAP平臺中具體部署實(shí)現(xiàn)。本方案采用輕量級解耦方式實(shí)現(xiàn)模塊解耦合，采用規(guī)范的網(wǎng)絡(luò)意圖驗(yàn)證流程和接口，具有較高實(shí)施可行性。意圖網(wǎng)絡(luò)中的意圖輸入和轉(zhuǎn)譯模塊基于UUI實(shí)現(xiàn)。這一模塊負(fù)責(zé)對用戶輸入的自然語言信息進(jìn)行解析，獲取對應(yīng)的網(wǎng)絡(luò)意圖需求信息。用戶輸入的自然語言信息包括輸入語音或網(wǎng)絡(luò)意圖需求文本信息等；網(wǎng)絡(luò)意圖需求信息包括網(wǎng)絡(luò)服務(wù)質(zhì)量需求和網(wǎng)絡(luò)基本配置信息等；網(wǎng)絡(luò)服務(wù)質(zhì)量需求，即網(wǎng)絡(luò)配置參數(shù)包括基于用戶意圖感知獲取的網(wǎng)絡(luò)服務(wù)質(zhì)量需求；網(wǎng)絡(luò)基本配置信息包括用戶位置區(qū)域信息等；網(wǎng)絡(luò)狀態(tài)信息包括實(shí)時流量、時延、抖動等。用戶輸入的語音或文本網(wǎng)絡(luò)意圖需求信息，可基于自然語言處理方法（例如BERT算法）進(jìn)行實(shí)體抽取、實(shí)體識別等。經(jīng)過自然語言處理流程，用戶使用自然語言表達(dá)的需求被轉(zhuǎn)譯成相應(yīng)的網(wǎng)絡(luò)參數(shù)。SDNC和SO負(fù)責(zé)進(jìn)行SDN的控制，進(jìn)而履行意圖再向DCAE反饋，通過意圖驗(yàn)證模塊對這些策略進(jìn)行驗(yàn)證，判斷網(wǎng)絡(luò)狀態(tài)是否符合SLA（servicelevelagreement最終DCAE再向UUI發(fā)送判定結(jié)果供用戶決策。意圖網(wǎng)絡(luò)中的意圖實(shí)例管理技術(shù)可實(shí)現(xiàn)用戶意圖閉環(huán)管理和網(wǎng)絡(luò)狀態(tài)監(jiān)控。當(dāng)DCAE發(fā)現(xiàn)網(wǎng)絡(luò)狀態(tài)發(fā)生改變即向UUI發(fā)送通知，請求用戶干預(yù)，用戶通過UUI修改存儲在AAI中的意圖實(shí)例參數(shù)，進(jìn)而AAI向DCAE發(fā)送修改通知，更新用戶意圖存儲、意圖轉(zhuǎn)譯結(jié)果參數(shù)存儲、讀取和更新網(wǎng)絡(luò)狀態(tài)反饋信息存儲。UUI中的自然語言處理(NLP)功能將用戶意圖分類到匹配的用例或服務(wù)中，從文本中提取參數(shù)，并將其填充到自動生成的服務(wù)請求表單中，然后顯示給用戶以進(jìn)行確認(rèn)或修改。服務(wù)表單是用戶意圖的標(biāo)準(zhǔn)格式化表達(dá)，它指定了服務(wù)類型、需求和SLA。UUI中的意圖編排管理組件讀取用戶意圖參數(shù)，并將其轉(zhuǎn)譯為相應(yīng)的IETF客戶服務(wù)模型并發(fā)送給SO?？蛻舴?wù)模型是描述網(wǎng)絡(luò)運(yùn)營商向客戶提供的服務(wù)的聲明性模型。SO將客戶服務(wù)模型轉(zhuǎn)譯為傳輸網(wǎng)絡(luò)中相應(yīng)的IETF服務(wù)交付模型。服務(wù)交付模型定義了如何在網(wǎng)絡(luò)中設(shè)計(jì)服務(wù)。SDNC將服務(wù)交付模型轉(zhuǎn)化為相應(yīng)的網(wǎng)絡(luò)配置模型，并應(yīng)用于物理網(wǎng)絡(luò)。這樣的模型驅(qū)動設(shè)計(jì)有其先進(jìn)性，首先，轉(zhuǎn)譯步驟中使用的模型可以通過SDO進(jìn)行標(biāo)準(zhǔn)化，這有助于IBN解決方案的標(biāo)準(zhǔn)化。其次，每個步驟中的模型實(shí)例都保存在AAI數(shù)據(jù)庫中，并且可以通過RESTful接口檢索。此外，模型驅(qū)動的設(shè)計(jì)將數(shù)據(jù)模型與訪問(讀/寫)數(shù)據(jù)的代碼邏輯解耦。這種解耦使我們能夠獨(dú)立于數(shù)據(jù)模型改進(jìn)和發(fā)展我們的代碼邏輯，從而將對其他組件的影響降到最低。意圖保障的內(nèi)閉環(huán)由4個階段組成:監(jiān)測、分析、決策和執(zhí)行。監(jiān)控階段在SDNC上實(shí)現(xiàn)。它從網(wǎng)絡(luò)控制器收集監(jiān)測和性能數(shù)據(jù)，并將它們轉(zhuǎn)發(fā)給DCAE。SDNC根據(jù)在意圖轉(zhuǎn)譯過程中從用戶意圖中獲得的SLA參數(shù)來確定收集哪些數(shù)據(jù)。分析階段是指DCAE對從SDNC接收的監(jiān)測數(shù)據(jù)進(jìn)行分析，并向Policy提供反饋。其意義在于檢測網(wǎng)絡(luò)異常，并通知Policy采取糾正措施。決策階段在Policy上實(shí)現(xiàn)。它根據(jù)從DCAE接收到的數(shù)據(jù)做出閉環(huán)決策，并向SO發(fā)出執(zhí)行服務(wù)更改的適當(dāng)建議。執(zhí)行階段是典型的SDN編排和控制工作流。SO和SDNC將新的網(wǎng)絡(luò)配置應(yīng)用到物理網(wǎng)絡(luò)所有的數(shù)據(jù)，包括監(jiān)測數(shù)據(jù)、業(yè)務(wù)模型、網(wǎng)絡(luò)資源和配置，都保存在AAI中，以便在各個階段檢索和共享。云專線(Cloudleasedline，CLL)服務(wù)將云服務(wù)用戶連接到邊緣云或云數(shù)據(jù)中心，并使用連接或面向連接的技術(shù)將邊緣節(jié)點(diǎn)彼此連接，以提供確定的連接性能。如圖16展示了使用EOO(Ethernet-over-OTN)技術(shù)的CLL服務(wù)架構(gòu)示例。用戶數(shù)據(jù)（例如IP數(shù)據(jù)包或以太網(wǎng)幀）通過承載以太網(wǎng)服務(wù)進(jìn)行傳輸，這些服務(wù)在以太網(wǎng)虛擬連接（EVC）上運(yùn)行。EVC提供服務(wù)的OAM（運(yùn)維、管理和維護(hù)而底層OTN（光傳輸網(wǎng)絡(luò)）服務(wù)提供服務(wù)隔離和流量保護(hù)。圖16基于EOO的CLL服務(wù)架構(gòu)意圖驅(qū)動網(wǎng)絡(luò)框架的實(shí)際部署，如圖17所示。物理網(wǎng)絡(luò)是一個雙域光網(wǎng)絡(luò)，每個網(wǎng)絡(luò)域由一個物理網(wǎng)絡(luò)控制器（PNC）控制。ONAP與PNC之間的標(biāo)準(zhǔn)接口服從IETF/ACTN標(biāo)準(zhǔn)（多域服務(wù)模型和協(xié)議接口）。圖17云專線部署圖圖19說明了基于模型驅(qū)動的意圖轉(zhuǎn)譯過程。首先，用戶以自然語言表達(dá)的意圖（如圖18(a)所示）通過NLP功能被翻譯成意圖模型（圖18(b)）。NLP將用戶表達(dá)的端點(diǎn)“campusA”和“cloud2”轉(zhuǎn)譯成網(wǎng)絡(luò)拓?fù)渲械南鄳?yīng)端點(diǎn)名稱（即transportEp_src_campus_A1和transportEp_dst_cloud2以便SO和SDNC能夠理解。接下來，UUI中的意圖編排器將意圖定義轉(zhuǎn)譯為客戶服務(wù)模型，該模型是用戶想要創(chuàng)建的CLL服務(wù)的規(guī)范（圖18(c)）?？蛻舴?wù)模型以技術(shù)無關(guān)的方式指定了CLL服務(wù)的連接性和服務(wù)級別協(xié)議（SLA）。最后，客戶服務(wù)模型被轉(zhuǎn)譯為網(wǎng)絡(luò)配置模型，如圖18(d)所示。這些模型是實(shí)現(xiàn)CLL服務(wù)所需的EVC和其底層OTN隧道的實(shí)際網(wǎng)絡(luò)配置。圖18模型驅(qū)動意圖轉(zhuǎn)譯在意圖被滿足之后，UUI向用戶顯示已配置的網(wǎng)絡(luò)服務(wù)，如圖19所示。這幫助用戶檢查和驗(yàn)證網(wǎng)絡(luò)是否符合其意圖。此外，意圖保障的具體內(nèi)容也能夠在UUI中展示。圖20展示了云專線用例中的閉環(huán)過程，可以看出，實(shí)際帶寬使用情況能夠被系統(tǒng)獲取，當(dāng)實(shí)際帶寬超過預(yù)設(shè)帶寬時，系統(tǒng)能夠主動調(diào)整最大帶寬以避免流量擁塞。圖19UUI中的云專線服務(wù)藍(lán)色曲線表示意圖驅(qū)動自智網(wǎng)絡(luò)方案監(jiān)測到的實(shí)際帶寬使用情況，綠色曲線表示預(yù)先配置的最大帶寬。當(dāng)帶寬預(yù)警時，系統(tǒng)能夠向UUI發(fā)送通知請求用戶介入。用戶可以選擇修改原始意圖以增加最大帶寬設(shè)置。6.2.1意圖驅(qū)動智能編排案例中國聯(lián)通聯(lián)合廠家及省分公司，“以用戶體驗(yàn)為中心”的理念，打造業(yè)界意圖驅(qū)動的5G內(nèi)生智能編排網(wǎng)絡(luò)應(yīng)用，創(chuàng)新實(shí)現(xiàn)基于網(wǎng)絡(luò)內(nèi)生智能的“以用戶體驗(yàn)為中心”的意圖驅(qū)動網(wǎng)絡(luò)的實(shí)踐應(yīng)用。此方案以用戶意圖為驅(qū)動力，依托面向5G-A的內(nèi)生智能，通過智能化的手段，實(shí)現(xiàn)網(wǎng)絡(luò)策略和資源配置“網(wǎng)隨業(yè)動”，滿足未來網(wǎng)絡(luò)多樣化業(yè)務(wù)的發(fā)展需求[12]。在該示例中，來自服務(wù)管理層的內(nèi)生意圖映射為資源管理層的網(wǎng)絡(luò)執(zhí)行策略，實(shí)現(xiàn)意圖驅(qū)動的智能編排網(wǎng)絡(luò)應(yīng)用。與傳統(tǒng)方案相比，該方案具有意圖驅(qū)動、體驗(yàn)驅(qū)動、內(nèi)生智能、精準(zhǔn)編排、敏捷切換特點(diǎn)。方案可顯著提升高清直播、視頻通話、視頻彩鈴、AR/VR等5G業(yè)務(wù)的體驗(yàn)。以往，在5G覆蓋差、干擾高的區(qū)域，這類業(yè)務(wù)容易頻繁出現(xiàn)花屏、卡頓，出現(xiàn)用戶感知“掉溝”。通過“基于意圖驅(qū)動的智能編排”，可以保障網(wǎng)絡(luò)資源始終滿足用戶業(yè)務(wù)需求，大幅改善用戶感知。圖21意圖驅(qū)動網(wǎng)絡(luò)智能編排意圖驅(qū)動網(wǎng)絡(luò)智能編方案依托5G基站的內(nèi)生意圖驅(qū)動知識庫，包含業(yè)務(wù)知識庫和邏輯柵格知識庫，如圖21。業(yè)務(wù)知識庫的作用是協(xié)助實(shí)現(xiàn)用戶業(yè)務(wù)需求精準(zhǔn)識別、源小區(qū)用戶體驗(yàn)精準(zhǔn)判決，邏輯柵格知識庫的作用是協(xié)助實(shí)現(xiàn)目標(biāo)小區(qū)體驗(yàn)預(yù)判和精準(zhǔn)選擇、一步到位敏捷切換。該方案通過用戶業(yè)務(wù)需求精準(zhǔn)識別、源小區(qū)用戶體驗(yàn)精準(zhǔn)判決、目標(biāo)小區(qū)體驗(yàn)預(yù)判和精準(zhǔn)選擇、一步到位敏捷切換四大功能，實(shí)現(xiàn)意圖驅(qū)動的柔性編排服務(wù)，從而保障差異化的用戶體驗(yàn)。6.2.2意圖驅(qū)動智能節(jié)能案例5G網(wǎng)絡(luò)作為數(shù)字經(jīng)濟(jì)發(fā)展的重要基座，已成為國家“雙碳”戰(zhàn)略的重要發(fā)力點(diǎn)。推動5G綠色發(fā)展，是保障資源環(huán)境可持續(xù)發(fā)展的基本要求，對經(jīng)濟(jì)社會全面綠色轉(zhuǎn)型發(fā)展具有重要意義。為了落實(shí)國家“雙碳”戰(zhàn)略，滿足5G綠色發(fā)展的需要，中國聯(lián)通打造了“綠色低碳”為核心的意圖驅(qū)動網(wǎng)絡(luò)的實(shí)踐案例。傳統(tǒng)節(jié)能方案中難以實(shí)現(xiàn)多系統(tǒng)協(xié)同的智能化節(jié)能、最大化全網(wǎng)能效，是構(gòu)建綠色5G的重要挑戰(zhàn)。與傳統(tǒng)方案相比，本方案以網(wǎng)絡(luò)智能節(jié)能意圖為驅(qū)動力，通過智能化手段，實(shí)現(xiàn)無線網(wǎng)絡(luò)多制式、多站點(diǎn)的智能節(jié)能，滿足網(wǎng)絡(luò)智能化、精細(xì)化、規(guī)?；墓?jié)能閉環(huán)管理需求。在該示例中，來自資源管理層的節(jié)能意圖映射為網(wǎng)元管理層的節(jié)能執(zhí)行策略，實(shí)現(xiàn)意圖驅(qū)動的智能節(jié)能。圖22意圖驅(qū)動網(wǎng)絡(luò)智能節(jié)能方案意圖驅(qū)動網(wǎng)絡(luò)智能節(jié)能方案以網(wǎng)絡(luò)節(jié)能的意圖為驅(qū)動力，依托不同網(wǎng)絡(luò)節(jié)能場景模型、話務(wù)預(yù)測模型、網(wǎng)絡(luò)組網(wǎng)方式等，并結(jié)合預(yù)置的運(yùn)營商策略意圖傾向，實(shí)現(xiàn)自動精準(zhǔn)節(jié)能策略的選擇及節(jié)能參數(shù)調(diào)優(yōu)。如圖22，方案形成了意圖感知、智能分析、靈活決策、自動執(zhí)行的閉環(huán)流程，在保障網(wǎng)絡(luò)性能的前提下，降低能源損耗。傳統(tǒng)路測主要依賴人工，費(fèi)時費(fèi)力，智能化程度低。中國聯(lián)通自動路測智能評估方案充分利用了意圖驅(qū)動自治網(wǎng)絡(luò)的能力，“測評算管”一體化實(shí)現(xiàn)對傳統(tǒng)路測工作模式的變革，降低勞動密集型的道路測試和分析工作量。在該示例中，來自服務(wù)管理層的自動路測智能評估意圖映射為資源管理層的執(zhí)行策略，實(shí)現(xiàn)意圖驅(qū)動的智能路測。圖23自動路測智能評估方案流程圖如圖23，方案基于意圖驅(qū)動網(wǎng)絡(luò)深度賦能，自動進(jìn)行問題識別、根因分析、智能決策、自動執(zhí)行，并對執(zhí)行效果進(jìn)行閉環(huán)評估，從而實(shí)現(xiàn)了道路問題的全程管控，使該場景達(dá)到L3級別自智水平：（1）問題感知：自動采集海量網(wǎng)絡(luò)MR/MDT數(shù)據(jù)，利用AI模型擬合出道路關(guān)鍵指標(biāo)，實(shí)現(xiàn)覆蓋、質(zhì)量、語音感知、數(shù)據(jù)感知等四大類指標(biāo)的自動采集、處理和地理化呈現(xiàn)，并在此基礎(chǔ)上，自動識別出問題路段。（2）根因分析：基于智能診斷AI模型，對識別出的道路問題路段進(jìn)行根因分析，快速呈現(xiàn)道路問題分析結(jié)果，將傳統(tǒng)方式需要2小時的分析時間縮短至15分鐘，大幅提升分析效率。（3）智能決策：針對問題路段的分析結(jié)果，通過決策AI模型，給出最佳解決方案建議，包括具體優(yōu)化措施，參數(shù)調(diào)整建議等。（4）自動執(zhí)行：系統(tǒng)可靈活對接工單系統(tǒng)，將根因分析結(jié)果、處理建議及關(guān)鍵指標(biāo)直接推送至一線，助力一線快速解決問題。系統(tǒng)自動對派單后的優(yōu)化結(jié)果進(jìn)行效果評估，判斷問題是否解決，解決效果如何，從而實(shí)現(xiàn)對問題路段的全程閉環(huán)管控。目前，該場景已在31省規(guī)模應(yīng)用，完成4/5G免測試?yán)锍汤塾?jì)521萬公里，折合測試成本1.09億元。經(jīng)多省現(xiàn)網(wǎng)實(shí)際驗(yàn)證，與傳統(tǒng)人工路測發(fā)現(xiàn)道路質(zhì)量問題點(diǎn)的匹配準(zhǔn)確度在90%以上。6.3.1意圖驅(qū)動業(yè)務(wù)分級保障案例當(dāng)前網(wǎng)絡(luò)業(yè)務(wù)保障存在多個問題：用戶體驗(yàn)不佳，因?yàn)閭鹘y(tǒng)運(yùn)維要求用戶具備高技能；響應(yīng)時間長，由于運(yùn)維參數(shù)繁多，流程復(fù)雜；反饋周期漫長，缺乏及時性；調(diào)度策略僵化，不能靈活應(yīng)對