華為 2024 版ICT服務與軟件2030

2024版`____'ICT服務與軟件`____'<><>構建萬物互聯(lián)的智能世界通訊行業(yè)從2G逐步走向5G，ICT服務和軟件行業(yè)也經(jīng)歷了標準化，工具化，數(shù)字化的代際升級；隨著GenAI，數(shù)字孿生等新技術的興起，從數(shù)字化到智能化已成為行業(yè)共識，2030年，人工智能將無所不在，基礎設施智能泛在感知成為剛需，大模型逐步走向AGI像人類一樣思考，服務模式將從圍繞“人”逐步走向“機器”，企業(yè)營銷和賦能的方式也將變得更加實時敏捷......未來十年，千行百業(yè)的智能化轉(zhuǎn)型類似20世紀的工業(yè)革命，GenAI是和蒸汽機，電燈一樣偉大的發(fā)明，第一次讓機器像人腦一樣學習和思考，這是跨時代的改變生產(chǎn)力的歷史進程，將開啟每個企業(yè)/家庭/個人工作和生活的新時代….宏觀趨勢與展望04ICT服務與軟件2030未來場景06 ICT服務與軟件2030愿景及核心技術20數(shù)字孿生......................模型驅(qū)動.......................數(shù)據(jù)工程......................以業(yè)務為中心.........................平臺智能化.............................ICT服務與軟件2030倡議28附錄（參考、縮略語）2904ICT服務與軟件2030宏觀趨勢與展望新技術、新業(yè)務、新范式等帶來無限新可能，引發(fā)無限新暢想，同時也引入諸多不確定性人類正加速邁入智能世界，數(shù)字化、智能化、低碳化的確定性發(fā)展趨勢已成共識。面向2C的裸眼3D，AI背包，自動駕駛以及面向2B的工業(yè)制造無燈工廠，基于“機械手，機械臂”的智慧礦山，智慧港口正在加速到來；以GenAI為代表的大模型、人工智能、5G-A、超大規(guī)模算力集群、液冷數(shù)據(jù)中心、數(shù)字孿生、智能體等新技術一日千里；新的知識和數(shù)據(jù)管理體系、NetworkforAI等新范式應運而生，三者協(xié)同共進為數(shù)智新業(yè)務的創(chuàng)新和涌現(xiàn)提供了支撐，引發(fā)無限新暢想，創(chuàng)造無限新可能。要將每一代新技術、新范式引入生產(chǎn)環(huán)境，釋放新的生產(chǎn)力，都需做到在現(xiàn)有業(yè)務生產(chǎn)環(huán)境和諧共生基礎上持續(xù)平滑演進，能對“復雜性和不確定性”有效管控，實現(xiàn)ICT基礎設施全生命周期有序演進，及時滿足新業(yè)務、新體驗對ICT基礎設施新能力的需求，激發(fā)新創(chuàng)新，實現(xiàn)新體驗的持續(xù)升級，最大化投資效益，從而驅(qū)動行業(yè)數(shù)智化轉(zhuǎn)型的加速。如AI教母李飛飛所言：AI是一門滲透式技術，會像水一樣影響每個人，每個行業(yè)。隨著新業(yè)務，新技術，新范式的持續(xù)演進，未來的ICT服務和軟件行業(yè)也將迎來更大的不確定性，我們需要思考如何讓如此多的新業(yè)務、新技術、新范式釋放出商業(yè)價值和技術紅利的同時，也要同步考慮如05ICT服務與軟件20302.服務AI+：如大模型，機器人，具身智能體已成為未來服務模式不可分割的一部分，如何通過這些是AI需要幫助服務做的事情。ICT服務與軟件2030場景不確定性SLA確定性SLA超大上行，低延遲，6個9信息體系知識體系服務56000+客戶從基于人的“信息系統(tǒng)”轉(zhuǎn)向基于模型的“知識體系”服務AI+ICT服務與軟件2030場景不確定性SLA確定性SLA超大上行，低延遲，6個9信息體系知識體系服務56000+客戶從基于人的“信息系統(tǒng)”轉(zhuǎn)向基于模型的“知識體系”服務AI+服務AI+數(shù)字業(yè)務數(shù)智業(yè)務面向業(yè)務面向網(wǎng)絡加速釋放技術紅利數(shù)字交付數(shù)字交付系統(tǒng)工程交付基于MFU，線性度的規(guī)劃設計攜手6200+伙伴攜手6200+伙伴人找知識人找知識知識找人知識體系融合伙伴人員生產(chǎn)流，實時推送規(guī)建維培營服務服務AI+服務服務AI+服務人服務人服務智能體以智能體為中心的感知，分析及工具成本中心成本中心利潤中心基于數(shù)據(jù)的運營促進用戶發(fā)展和維挽優(yōu)加速智能化轉(zhuǎn)型加速智能化轉(zhuǎn)型面向“業(yè)務”的運維運維面向“業(yè)務”的運維運維面向2030年，未來已來，如何用確定性的服務能力來解決眾多不確定的+AI和AI+的需求，是每一個ICT人需要思考的關鍵問題…06ICT服務與軟件2030ICT服務與軟件2030未來場景規(guī)建+AI：SLA從不確定性到確定性在數(shù)字化時代，連接的對象更多是人和傳統(tǒng)iOT年預測，AR/VR/MR等終端將占據(jù)30%的終端基于“機械臂，機械手”的黑燈工廠，無人礦山隨著行業(yè)智能化成為企業(yè)剛需；同時智能體、機器人也將逐步取代當前人類大部分重復性工作，華為預計2030年無線AIAgent活躍用戶數(shù)將還包括物理世界的具身智能，比如工業(yè)機器人，駛汽車等，這些新的服務對象會對未來的網(wǎng)絡規(guī)劃產(chǎn)生極大的不確定性。業(yè)務可用（單用戶、單業(yè)務）帶寬需求/單用戶（Mbps）B1B3T1T2T3T4T5S1M1M2M31~1010~2020~5050~100>10050~10020~5010~205~10<5邏輯隔離物理隔離全息遠程手術5視頻巡檢- 信息采集操作控制參考信通院《5G端到端切片行業(yè)SLA需求研究報告》07ICT服務與軟件2030基于新傳播模型的網(wǎng)絡規(guī)劃：傳統(tǒng)網(wǎng)絡基于“人”的網(wǎng)絡的SLA主要要求的是通話接通率，掉話率，MOS（平均意見值），呼叫建立時延，追求的是在人的主觀體驗承受范圍內(nèi)的體驗需求，偶爾一次掉話，延遲是可以接受的，而面向“萬物智聯(lián)”的網(wǎng)絡傳播模型需要提供面向“機器”場景和2B生產(chǎn)流，更需要確定性的SLA來保障生活中的極致體驗和生產(chǎn)不中斷，如自動駕低空經(jīng)濟，智慧港口等場景一旦發(fā)生問題很容易導致全行業(yè)跨城市，跨國際的重大災難，所以網(wǎng)絡規(guī)劃必須兼容傳統(tǒng)“人”和面向未來“機器”的傳播模型，實現(xiàn)SLA的高可靠性。從商業(yè)角度來看，“萬物智聯(lián)”的網(wǎng)絡相比面圍繞“人”感知的體驗傳播模型，接通率1.1%接通率1.1%掉話率掉話率0.4%呼叫建立時延0.5s呼叫建立時延0.5sMOS>=3.0占比9%向“人”的網(wǎng)絡難以直接用傳統(tǒng)的套餐/DOU/滲透率來計算投資回報。每類場景均面臨不同的商業(yè)模式及建網(wǎng)需求，需要結合各區(qū)域、城市的“智能化程度”來進行精細化的建網(wǎng)規(guī)劃和上市節(jié)奏，所以“滴灌式投資”對系統(tǒng)集成的TTM的要求會更高。如何在復雜的業(yè)務場景中快速搶得市場先機，需要結合確定性的業(yè)務場景SLA需求進行快速網(wǎng)絡升級和ROI。規(guī)劃更需要通過數(shù)字孿生構建網(wǎng)絡實時仿真能力，基于未來網(wǎng)絡建設業(yè)務場景化需求變化快速規(guī)劃網(wǎng)絡目標網(wǎng)，通過規(guī)劃設計快速在虛擬世界孿生物理世界的業(yè)務及網(wǎng)絡變化，構建面向人和“機器”的傳播模型及網(wǎng)絡性能仿真預測，同時要求規(guī)劃成為小周期迭代。精準度實現(xiàn)圍繞“機器+物”的感知傳播模型，提供機器的最優(yōu)感知感知覆蓋率↑10%感知精度30m↑15%感知覆蓋率↑10%感知精度30m↑15%虛警率↓5%掉話率，抖動↓10%虛警率↓5%掉話率，抖動↓10%08ICT服務與軟件2030規(guī)建AI+：從數(shù)字化集成到“系統(tǒng)工程”集成AI代表模型ChatGPTGPT-4Gemini5.4萬TPUGrok2AGI百萬卡（星際之門計劃）集群隨Scalinglaw規(guī)模越來越大，Grok2和字節(jié)在2024年2月發(fā)布12288個GPU訓練175B的MegaScale系統(tǒng)，比肩谷歌，達到業(yè)界目前萬卡集群最高水平。字節(jié)用了多達9種優(yōu)化方法，也只把MFU做到55%，距離MFU（最高95%)仍有巨大的差距，MFU每提升1PCT，將會帶來上千萬成本的成本節(jié)省，數(shù)倍的性能提升以及訓練TTM的縮短，同時根據(jù)Mason預測，當前智算OPEX相比傳統(tǒng)通算OPEX上漲35%，2050年將上漲50%以上，和高MFU規(guī)劃將成為智算中心剛需。概率l1.00.2 01000卡2000卡4000卡8000卡99.90%99.95%99.99%不同的AI業(yè)務對智算網(wǎng)絡的需求和競爭力構建方向也完全不同，如不同的LLM，小模型訓練推理場景：算力、網(wǎng)絡帶寬、網(wǎng)絡延遲、內(nèi)存系統(tǒng)架構要具備足夠的靈活性。網(wǎng)絡作為聯(lián)接底座，將‘算’‘存’靈活配置組合，以適配不同場景，沒有一種業(yè)務同時需要5種能力，以網(wǎng)補算、以算補存、以存代算，“網(wǎng)存算協(xié)同設計”是未來智算集群系統(tǒng)級主要規(guī)劃方向。根據(jù)普華永道預測，2030年前通過相同算力需所以面對未來高復雜的MFU和線性度要求，基于“系統(tǒng)工程”的集成服務將成為行業(yè)剛需。AI業(yè)務LLM訓練★★☆★★☆★☆LLM推理(Prefill)☆☆☆LLM推理(decode)☆☆★★★★★★☆☆★☆★☆☆★09ICT服務與軟件2030工具平臺、工程師、物理集中--->交付Agents、工程師+Copilot、邏輯集中交付平臺(交付平臺(IT)工具：單機/功能-->Copilot，思維鏈，場景化Agents決策：經(jīng)驗/責任-->算法尋優(yōu)，數(shù)據(jù)透視，輔助決策WSD/WDT…CoreMaster…MOSS/FOCopilot…垂直領域調(diào)用->組合->創(chuàng)造數(shù)據(jù)/知識作業(yè)及記錄，記錄即數(shù)據(jù)-->過程數(shù)據(jù)已不夠用，知識數(shù)據(jù)亟需積累交付數(shù)據(jù)（持續(xù)積累）：靜態(tài)知識->思維鏈+DSL語言手機/卷尺-->智能作戰(zhàn)裝備XR+AI本地離線->端云協(xié)同，智慧具身Silo工具-->原子化/PBCCDE…從交付模式上來看，未來集成服務主要變化是從二維到三維。傳統(tǒng)集成服務一直是在時間維度（階段及階段的成效）、任務維度（具體做什么輸出什么）描述服務，系統(tǒng)工程服務需要再增加一個維度：系統(tǒng)空間計算，用數(shù)字孿生的方式具象化出每個時間階段、任務作用在系未來交付模式降從傳統(tǒng)的人+工具物理集中到Agent+Copilot邏輯集中。傳統(tǒng)的交付是按照站點數(shù)量配人，如3000站點需100人交付90天，且資源需要隨交付地點進行安排交付隊伍。未來的交付將更集中化。在集團，省構建集中化交付中心，通過Agent，Copilot進行站點勘測。MOP設計、原廠配置等等；現(xiàn)場工作將更加聚焦和流程化。同時，以前的交付項目經(jīng)理和技術項目經(jīng)理非常重要。他們掌握著各類項目的項目管理，關鍵技術，工具平臺能力；未來，模型和應用，是主要的集成服務構建者和交付者。人機協(xié)同，數(shù)據(jù)驅(qū)動將進一步驅(qū)動交付組織扁平化，交付效率提升以人為中心的服務以人ICT服務與軟件2030運維+AI：從“面向網(wǎng)絡”到“面向業(yè)務”2030年，隨著網(wǎng)絡架構逐漸復雜，運維的對象更加復雜：云、網(wǎng)、存、邊、端，網(wǎng)絡操作更難去判斷，對網(wǎng)絡變更工程師的要求也越來越高。近年來網(wǎng)絡事故頻發(fā)，相比5年前，45%。關鍵問題就是隨著網(wǎng)絡越來越復雜，傳統(tǒng)基于“網(wǎng)絡”的運維無法感知終端業(yè)務，從網(wǎng)元→性能→體驗→商業(yè)，難以全棧進行數(shù)據(jù)和算法關聯(lián)打通。隨著智能化GenAI,大模型，數(shù)字孿生等技術的快速發(fā)展，從面向“網(wǎng)絡”到面向“業(yè)務的運維”將成為未來新趨勢。2個數(shù)字孿生“價值穿透”成本與質(zhì)量最佳平衡價值躍升成本A“人”萬級FO/BO/FMELLM大模型NPS下降15%200個用戶“物”十萬級備件/車輛/油機…速率下降50%“事”百萬級FM/PM/CM…N個Agent成本與質(zhì)量最佳平衡價值躍升成本A“人”萬級FO/BO/FMELLM大模型NPS下降15%200個用戶“物”十萬級備件/車輛/油機…速率下降50%“事”百萬級FM/PM/CM…N個Agent 時空數(shù)字孿生網(wǎng)絡數(shù)字孿生1011ICT服務與軟件2030算力運維模式：定界效率隨集群規(guī)模指數(shù)級上升，傳統(tǒng)模式不恢復預計周級（中斷一次損失億元）十萬卡預測：響應1-2h，恢復預計天級（中斷一次損失千萬）恢復小時級（中斷一次6000元+）恢復小時級（中斷一次6000元+）千卡萬卡同時，算力網(wǎng)絡隨著scalinglaw的逐步演進，十萬卡，百萬卡已經(jīng)成為大模型廠商的標配。傳統(tǒng)基于網(wǎng)絡的運維已經(jīng)不可實現(xiàn)。某互聯(lián)網(wǎng)廠商數(shù)十萬卡訓練集群報告表明，54天訓練，如果還延續(xù)當前的運維模式，2030年預計百萬卡中斷一次損失超過億元。面向傳統(tǒng)網(wǎng)絡的運維，我們主要以事前、事中、事后來應對重大和緊急的復雜網(wǎng)絡變更。事前通過維護工程師提前做好緊急預案，做好相應的緊急預案來防止未來可能的業(yè)務影響；事中提前做好網(wǎng)絡變更操作腳本，規(guī)范工程師操作原則；事后回溯總結，迭代事前和事中不足，作為后續(xù)案例支撐。隨著網(wǎng)絡越來越復雜，這種傳統(tǒng)的運維方式很難去完全規(guī)避人為誤操作帶來的重大事故。X局點僅僅因為工程師在流量閥值配置上多輸入了一個“0”引發(fā)信令風暴，隨著GenAI,數(shù)字孿生，知識圖譜，具生智能等新技術的不斷發(fā)展，面向未來如何實現(xiàn)“基于業(yè)務”的智能化運維來取代傳統(tǒng)“基于網(wǎng)絡”的運維已經(jīng)成為業(yè)界共識，2030年，30%領先的運營商隨著智能化展開將結合5GA部署數(shù)字?以終為始，通過運維業(yè)務需求反向簡化算網(wǎng)協(xié)議，并實現(xiàn)E2E數(shù)據(jù)實時可視和實時可獲?網(wǎng)絡實時數(shù)字孿生：構建運維知識圖譜測量網(wǎng)絡問題對業(yè)務的影響，通過數(shù)字孿生關聯(lián)物理世界和數(shù)字之間的關系以及業(yè)務關聯(lián)，實現(xiàn)KQI和KPI之間的梳理，實現(xiàn)每個操作和變更對業(yè)務的直接影響可視可管。?圍繞業(yè)務級運維重新構筑新的應用，打通網(wǎng)基于以上能力，故障恢復時長將從天級走向小時級，網(wǎng)絡故障響應從小時級走向秒級，備板替面向業(yè)務運維:從產(chǎn)品協(xié)議→孿生平臺→服務轉(zhuǎn)型的全棧打通 軟探針訓練推理軟探針訓練推理產(chǎn)品協(xié)議簡化物理→數(shù)MFUMFU全局分析12ICT服務與軟件2030運維AI+：從服務“人”到服務“機器”的運維傳統(tǒng)數(shù)字化時代，運維的工具，流程均是圍繞人來設計的，而智能化時代的人機協(xié)同模式，并不需要每個人都參與，人機界面非常清晰，人，流程，工具均圍繞機器來解決問題：二線分責二線分責網(wǎng)絡分責專業(yè)室排障TT工單非網(wǎng)絡問題投訴閉環(huán)一線分責非網(wǎng)絡問題投訴閉環(huán)一線分責二線分責專業(yè)室排障一線分責非網(wǎng)絡問題投訴閉環(huán)二線分責專業(yè)室排障一線分責非網(wǎng)絡問題投訴閉環(huán)性能定位和排障AICCAgent運維分析保障Agent集計費AICCAgent運維分析保障Agent集計費業(yè)務質(zhì)量分析Agent集FMECopilot依賴人工智能化替代人依賴人工智能化替代人要實現(xiàn)基于Agent為中心的運維能力，業(yè)界普1.算網(wǎng)運維大模型：基于業(yè)界通用的基礎大模型構建懂運維機理、網(wǎng)絡協(xié)議的算網(wǎng)運面向角色的Co-pilot和場景的Agent智能體，減少人的重復腦力勞動，再結合傳統(tǒng)自動化的大模型進行實時配置和命令下發(fā)，傳統(tǒng)的OSS實現(xiàn)統(tǒng)一的API化，成為大模型的調(diào)用“工具”。2.數(shù)字孿生：需要通過實時的網(wǎng)絡數(shù)字孿生系統(tǒng)來做好從業(yè)務到網(wǎng)元的業(yè)務關聯(lián)。以前的機器手換硬件網(wǎng)絡數(shù)據(jù)屬于黑盒數(shù)據(jù)，通過探針，網(wǎng)管經(jīng)過層層過濾，采集才具備分析的能力。未來的數(shù)字孿生系統(tǒng)需要構建基于知識圖譜快速進行網(wǎng)元級數(shù)據(jù)采集，從之前的30分鐘-1小時級的采集效率走向分鐘級的采集效率。3.具象智能機器人：現(xiàn)場運維成本一般占據(jù)整個ICT運維的60%。未來，每個數(shù)據(jù)中心，機房，站點都會有存在具象機器人，配置基以準確的識別來自于NOC/SOCAgent智能體的指令，替代維護人員進行網(wǎng)絡操作，如巡檢、現(xiàn)網(wǎng)狀態(tài)感知、光纖端口調(diào)整、板卡更換等。將大幅提升運維效率。13ICT服務與軟件2030維優(yōu)+AI：從人等網(wǎng)絡到網(wǎng)絡等人，激發(fā)體驗變現(xiàn)意愿2030年，傳統(tǒng)移動通信網(wǎng)絡從主要服務“人與人”“人與物”的通信向主要服務“人與智能體”“智能體與智能體”的通信轉(zhuǎn)變。通信網(wǎng)絡將不僅要聯(lián)接個人，還要聯(lián)接與個人相關的各種感知、顯示和計算資源以及AIAgent；不僅要聯(lián)接家庭用戶，還要聯(lián)接與家庭相關的家還要聯(lián)接與組織相關的機器、邊緣計算和云資源，以滿足智能世界豐富多樣的業(yè)務需求從體驗保障的模式來看，傳統(tǒng)網(wǎng)絡日常優(yōu)化是典型的“人等網(wǎng)絡”的方式，網(wǎng)絡優(yōu)化被動響應客戶投訴，在產(chǎn)品的性能基礎上提升10~15%的性能，盡力而為。中國每年需要投數(shù)字化路測，日常優(yōu)化方案設計，日常優(yōu)化方案實施等等。首先，這種“人等網(wǎng)絡”的方式只能解決35%的網(wǎng)絡問題，無法做到用戶體驗盡善盡美；其次，由于缺乏統(tǒng)一的網(wǎng)絡優(yōu)化大模型，多次優(yōu)化方案中會存在性能互斥，優(yōu)化經(jīng)驗僅存在工程師腦子里的情況。面向2030，未來網(wǎng)絡優(yōu)化的方式需要通過“網(wǎng)絡等人”來取代“人等網(wǎng)絡”優(yōu)化模式。通過實現(xiàn)性能E2E可感知；構建基于時空的數(shù)字孿生系統(tǒng)（TAZ）精準預測每類業(yè)務未來的流量、走勢、SLA趨勢變化；通過算網(wǎng)一體的優(yōu)化大模型實現(xiàn)30%的場景單產(chǎn)品智能內(nèi)生自閉環(huán)。其余70%場景依賴通過知識圖譜和知識管理進行核心資產(chǎn)沉淀，日常優(yōu)化產(chǎn)生的MR,SEQ等性能數(shù)據(jù)形成AI數(shù)據(jù)飛輪，持續(xù)支撐模型升級迭代，構建用于VIP保障，日常優(yōu)化等的各類智能體支撐網(wǎng)絡優(yōu)化人員基于業(yè)務變化提前預防預測，快速生成優(yōu)化方案，再通過調(diào)用傳統(tǒng)小模型進行實時分析決策執(zhí)行和性能體驗閉環(huán)萬物“智”聯(lián)人輔助機器人輔助機器投訴用戶潛在質(zhì)差用戶篩選潛在質(zhì)差用戶篩選優(yōu)化模型用戶特征及策略庫全球質(zhì)差根因分析根因分析ICT服務與軟件2030維優(yōu)AI+：基于智能內(nèi)生的網(wǎng)絡優(yōu)化Agentsensoryinformation域智能體需要能理解網(wǎng)絡（如拓撲、性能、告警、事件等）。另外對數(shù)據(jù)實時性要求高，難以被大模型學習，需要結合數(shù)字孿生等技術，基于真實網(wǎng)絡信息規(guī)劃并執(zhí)行方案，通過Prompt/SFT為大模型注入領域?qū)I(yè)知識，結合數(shù)字孿生模型，調(diào)用體/維/優(yōu)原子工具能力，實現(xiàn)任務的規(guī)劃、感知、決sensoryinformationPerceptionInternalSensorsExternalSensorsKnowledgeRepositoryInternalEnvironment<>ExternalEnvironmentInternalActuatorsExternalActuatorscommandsRe?exionKnowledgePerceptionInternalSensorsExternalSensorsKnowledgeRepositoryInternalEnvironment<>ExternalEnvironmentInternalActuatorsExternalActuatorscommandsRe?exionKnowledgegenerationSelf-adaptationDecisionKnowledgeapplicationFigure6:Computationalmodelforcyberphysicalagent基于網(wǎng)優(yōu)Agent的智能內(nèi)生能力，以某區(qū)域優(yōu)化工作模式舉例，以前需要有3個網(wǎng)優(yōu)工程師值守，轉(zhuǎn)變?yōu)闊o人值守，由1個人負責Agent設計模式交互完成Soc\NocSoc\Noc\RF工程師14ICT服務與軟件2030營銷+AI：數(shù)智新業(yè)務，敏捷創(chuàng)新，牽引新增長2030年，面向營銷的數(shù)字化業(yè)務向智能化轉(zhuǎn)型已成為共識，埃森哲，普華永道等多個咨詢公司均把營銷作為大模型能夠影響的TOP1行業(yè)，海量的客戶需求從廣告，營銷，計費，銷售再到客訴存在大量的創(chuàng)意涌現(xiàn)和生成的機會，符合當前主流LLM大模型適用的三大條件：海量數(shù)據(jù)，創(chuàng)意類場景，自然語言。面向未來全行當前的數(shù)字化營銷模式已經(jīng)無法滿足需求：投放后市場又發(fā)生了新的變化。未來智能化業(yè)務需要基于客戶數(shù)據(jù)分析自動生成營銷創(chuàng)意和套餐設計，從“數(shù)月”到“數(shù)天”，結合敏捷的算網(wǎng)基礎設施，實現(xiàn)”anytime,anywhere”的實時套餐推送，如電影院、體?智能創(chuàng)意：數(shù)字化時代營銷主要基于大數(shù)據(jù)用戶畫像進行針對性的電話/內(nèi)容推送，完全依賴人進行分析和進行營銷策略創(chuàng)意，2030年數(shù)字人內(nèi)容生成和運營效率成本遠優(yōu)?敏捷創(chuàng)新：數(shù)字化時代基于“人”的套餐設計，從市場策略→資源準備→套餐開發(fā)→市場推送往往要經(jīng)歷3-6個月時間，當產(chǎn)品于人工，可根據(jù)市場變化快速迭代，迎合大眾最新需求，提供數(shù)字人7*24小時在線，高質(zhì)量互動解決客戶問題。產(chǎn)品介紹解決方案等介紹視頻活動促銷黑五、情人節(jié)、圣誕節(jié)等各類國際化節(jié)日節(jié)點的口播類視頻信息流廣告產(chǎn)品種草產(chǎn)品講解、細節(jié)展示、對比評測、購買指南等等口播視頻電商平臺廣告視頻教程釋視頻等15ICT服務與軟件2030營銷+AI：從“成本中心”到“效益中心”?在培育和獲客階段，通過數(shù)字人智能外呼取代傳統(tǒng)人工外呼，基于AI和數(shù)據(jù)的千人千面支撐下，外呼成功率提升3倍，同時外呼效?在培育和獲客階段，通過數(shù)字人智能外呼取代傳統(tǒng)人工外呼，基于AI和數(shù)據(jù)的千人千面支撐下，外呼成功率提升3倍，同時外呼效?在投訴處理階段，數(shù)字人基于業(yè)務知識庫和語音識別能力可以處理90%以上的問題，僅10%的投訴流向人工，F(xiàn)CR從當前語音網(wǎng)關電話渠道語音網(wǎng)關電話渠道匹配到答案未匹配到答案特定情況IVR系統(tǒng)人工坐席 語音問答接口匹配到答案未匹配到答案特定情況IVR系統(tǒng)人工坐席 語音問答接口1.回訪客戶A2.回復機器人v3.場景判斷客戶電話回答智能回訪機器人無問券、電話回訪等解v 5.電話應答6.客服人員法 NLU自然語言理解ASRASR語音識別智能語音智能語音機器人系統(tǒng)業(yè)務知識庫業(yè)務知識庫??在激活和留存階段，通過數(shù)字人進行對話式產(chǎn)品推薦和解讀，并能精準從客戶語氣識別系統(tǒng)向客戶提示，無法匹配到相關知識點，并轉(zhuǎn)接2030年，通過大模型的加持，數(shù)字化營銷將持續(xù)向“數(shù)字人”智能營銷演進，客服中心將從2030年，通過大模型的加持，數(shù)字化營銷將持續(xù)向“數(shù)字人”智能營銷演進，客服中心將從1617ICT服務與軟件2030賦能+AI：從“基于文檔的信息體系”到“基于Token/Pitch的知識體系”知識管理運營機制知識管理運營機制345876345876以前的知識體系都是基于人的視角來設計的，所有的知識也基本都是提供給人來學習的，如Word文檔，PPT，案例庫，F(xiàn)AQ。由經(jīng)驗豐富的工程師充分實踐后形成的知識文檔，通過各種形式固化下來，再進行一代代的傳承，這種非結構化的知識占據(jù)了50%以上（埃森哲2024洞察）。當前企業(yè)管理這些非結構化數(shù)據(jù)的有效轉(zhuǎn)化率僅5%。未來大模型時代需要把這些非結構化知識轉(zhuǎn)化為大模型所需要的知識和驗也缺乏專業(yè)的團隊進行知識需求識別，知識導入，知識審核和展示，以及知識運營和消費管理。保障大模型所學到的知識是最新，最權威的，才能讓模型像人一樣聰明。除了知識運營機制外，一個基于GenAI的知識管理平臺也是必不可少的，主要用來進行快速的知識挖掘，知識融合以及知識推理，根據(jù)埃森哲和普華永道預測，2030年將會有55%的企業(yè)部署知識管理系統(tǒng):1.知識挖掘：把日常專家的知識能夠快速通過門戶網(wǎng)站，平臺快速轉(zhuǎn)為成標準化數(shù)據(jù)，把碎片化知識進行分類整理2.知識融合：圍繞不同的角色，進行多維標簽關聯(lián)，做好關鍵詞，標簽以及聯(lián)想式搜索，并融入企業(yè)生產(chǎn)流3.知識推理：將各類角色所需要的知識進行推理，結合Copilot實現(xiàn)場景化推送，并根據(jù)角色反饋建議實現(xiàn)自動召回，自動生成①數(shù)據(jù)知識化②知識體系化①數(shù)據(jù)知識化②知識體系化③知識可推理C-C-O-多源跨域數(shù)據(jù)碎片知識跨域知識體系因果圖18ICT服務與軟件2030賦能AI+：從“人找知識”到“知識找人”60%30%10%人找知識講座、課程 查版本文檔 專家求助60%30%10%人找知識講座、課程 升級研發(fā)400熱線傳統(tǒng)的賦能體系是基于人類的“碎片化”時間來設計的，以行業(yè)用戶和伙伴知識獲取來看：?60%的知識來源于線上找知識，在日常工作產(chǎn)品說明書等獲取通用知識，人找知識的時間久，且找到的知識滿足度也較低。?30%通過專家大講堂，線上線下的課程，通過專家講解，交流來獲取更為高階的知識，如戰(zhàn)略，新平臺，新技術等，賦能效果取決于專家水平，同時頻率不足，平均每人每年一般為個位數(shù)。?10%涉及行業(yè)較為私密的技術，普通的從業(yè)人員也不具備賦能的機制，只能和廠商研發(fā)隨著GenAI技術逐步向千行百業(yè)滲透，知識管理逐步成為行業(yè)使用大模型的必備要素。從企業(yè)知識生產(chǎn)到入庫再到應用均會更為規(guī)范化和智能化，同時各類知識應用助手也會融入生產(chǎn)流，在每個環(huán)節(jié)對不同角色的員工進行實時推送，實現(xiàn)員工工作效率大幅提升；同時，也能將企業(yè)的知識持續(xù)快速轉(zhuǎn)化為Token，提供精準的的知識語料對大模型進行投喂，讓大模型更智能，更聰明。基于知識管理系統(tǒng)和知識助屬性標簽：產(chǎn)品、任職等屬性標簽：產(chǎn)品、任職等關鍵字標簽：場景標簽：勘測、調(diào)測、維護關鍵字標簽：用戶畫像規(guī)則配置（標簽平臺）規(guī)則配置（標簽平臺）AI推薦引擎19ICT服務與軟件2030理的加持，企業(yè)員工的賦能將從從傳統(tǒng)的“人找知識”到“知識找人”，從之前的碎片化賦能走向基于生產(chǎn)流實時推送的“終身賦能”。知識管理平臺將根據(jù)員工/伙伴訪問記錄識別各角色的業(yè)務、行為，內(nèi)容數(shù)據(jù)，為每位角色做好用戶畫像和內(nèi)容畫像，對接員工日常作業(yè)OA,OSS,BSS等ERP系統(tǒng)，實現(xiàn)在最佳時刻，知識把最適合的知識主動推送給最需要的人。根據(jù)埃森哲預測，2030年80%的企業(yè)知識獲取場景將會轉(zhuǎn)移到線上通過自動推送，互動獲辯論等實操類課程，線上線下相互結合，將更好的助力行業(yè)和企業(yè)持續(xù)推進TECH4ALL，擁抱智能化時代。下一代的賦能平臺/社區(qū)產(chǎn)品將具備在線特征，旨在實現(xiàn)全球各領域的知識經(jīng)驗快速獲?通過在線實時學習，人類獲取知識的時間將?跨區(qū)域知識共享和協(xié)同效率將提升200%。?中級工程師培養(yǎng)周期將縮短5倍（3年→620ICT服務與軟件2030ICT服務與軟件2030愿景及核心技術以業(yè)務為中心NPS平臺ODA以業(yè)務為中心NPS平臺ODA平臺ICT融合交付基于MFU的系統(tǒng)工程數(shù)字孿生時空數(shù)字孿生網(wǎng)絡實時數(shù)字孿生平臺智能化平臺模型使能平臺Agent平臺數(shù)字孿生時空數(shù)字孿生網(wǎng)絡實時數(shù)字孿生平臺智能化平臺模型使能平臺Agent平臺《》知識體系知識管理平臺模型驅(qū)動網(wǎng)絡服務通用大模型網(wǎng)絡服務行業(yè)模型與軟件2030關鍵技術數(shù)字孿生1.時空數(shù)字孿生：移動通信系統(tǒng)的網(wǎng)絡優(yōu)化涵蓋一類難以統(tǒng)一建模的技術問題，參數(shù)往往是相互依賴或相互矛盾的，因而難以建立全局性的優(yōu)化模型。TAZ基于用戶、業(yè)務、網(wǎng)絡識別和業(yè)務類型分布差異，差異化設置每簇速率保障目標，挖掘每簇潛力，提升運營商收益，為網(wǎng)絡服務模型提供實時數(shù)據(jù)，采集效率從當前的小時級到分鐘級，如：?無線信道統(tǒng)計模型：采集海量場景化波束級測試數(shù)據(jù)，從網(wǎng)絡數(shù)據(jù)中提取多徑信道統(tǒng)計特征，建立信道模型?用戶流量分布模型：采集用戶流量分布統(tǒng)計數(shù)據(jù)構建圖神經(jīng)網(wǎng)絡建模地理相關性和?用戶體驗模型：采集基站響應及用戶速率、時延數(shù)據(jù)，構建通信知識+數(shù)據(jù)驅(qū)動的模型調(diào)優(yōu)能力21ICT服務與軟件2030運籌優(yōu)化算法運籌優(yōu)化算法通信知識+數(shù)據(jù)驅(qū)動的模型調(diào)優(yōu)從網(wǎng)絡數(shù)據(jù)中提取多徑信道通信知識+數(shù)據(jù)驅(qū)動的模型調(diào)優(yōu)從網(wǎng)絡數(shù)據(jù)中提取多徑信道統(tǒng)計特征，建立信道模型流量分布:1.圖神經(jīng)網(wǎng)絡建模地理相關性2.LSTM建模時序相關性海量場景化波束級測試數(shù)據(jù)用戶流量分布統(tǒng)計數(shù)據(jù)基站響應及用戶速率、時延數(shù)據(jù)2.網(wǎng)絡實時感知孿生：測量網(wǎng)絡問題對業(yè)務的影響，關聯(lián)不同業(yè)務的物理世界和數(shù)字世界之間的關系，實現(xiàn)KQI和KPI之間的梳理，實現(xiàn)每個操作和變更對業(yè)務的直接影響可視?基于業(yè)務目標明確算法：基于業(yè)務需求，通過SRE可靠性理論構建EDNS計算邏輯，實現(xiàn)客戶業(yè)務減損邏輯計算?網(wǎng)絡系統(tǒng)模型：從網(wǎng)絡到資源到業(yè)務的影響建模分析，實現(xiàn)每個網(wǎng)絡故障及操作和業(yè)務的關聯(lián)度模型和算法設計?基于事件流進行準確的故障處理，減少傳統(tǒng)虛警占比高，精準以業(yè)務為中心的運維網(wǎng)絡系統(tǒng)模型運維流程改變運維目標網(wǎng)絡系統(tǒng)模型運維流程改變運維目標網(wǎng)絡用戶服務滿足度EDNS計算網(wǎng)絡問題分解關聯(lián)與影響評估基于事件的運維網(wǎng)絡用戶服務滿足度EDNS計算網(wǎng)絡問題分解關聯(lián)與影響評估ASIS:工單流ToBe：事件流工單關單BO分析遠程自動修復(EDemand(t工單關單BO分析遠程自動修復(EDemand(t)Demand(t))dt期望獲得需求實際獲得需求FMA上站工單處理理論：GoogleSRE理念和petril網(wǎng)工單處理理論：GoogleSRE理念和petril網(wǎng)流量損失、用戶投訴工單定位可靠性理論工單生成結合原因和后果調(diào)配運維資源巡檢撥測EDNS(ExpectDemand工單定位可靠性理論工單生成結合原因和后果調(diào)配運維資源巡檢撥測EDNS(ExpectDemandNotSatisfied)用戶服務不滿足度告警告警網(wǎng)絡各類數(shù)據(jù)原因：網(wǎng)絡問題-用戶業(yè)務關系建模網(wǎng)絡各類數(shù)據(jù)原因：網(wǎng)絡問題ICT服務與軟件2030模型驅(qū)動工程師提示工程微調(diào)工程師提示工程微調(diào)預訓練流程方法工具工作業(yè)務能力AIAgent智能體導師指導項目經(jīng)驗導師指導項目經(jīng)驗現(xiàn)網(wǎng)知識與數(shù)據(jù)現(xiàn)網(wǎng)知識與數(shù)據(jù)網(wǎng)絡服務通用大模型案例網(wǎng)絡數(shù)據(jù)客戶術語新員工技術服務專業(yè)知識技術服務案例培訓網(wǎng)絡服務LLM大模型技術服務專業(yè)知識技術服務案例培訓產(chǎn)品文檔通信系本科生通信系本科生通識知識通識知識基礎大模型門戶網(wǎng)站知識（知乎、百度知道、百度百科）期刊論文通信知識百科1.網(wǎng)絡服務LLM模型：評估全球主流基礎大模型，如llama3,Mistral，文心一言，智普等通過提前適配和預訓練，匯聚行業(yè)公共知識如C114,萬方，產(chǎn)品指導書，案例庫，考試庫等，讓其具備ICT服務基礎知識，為行業(yè)升維打好基礎，讓大模型具備高中生的行業(yè)知識水平，解決非結構化知識的處理以及訓練信令語言，懂規(guī)建維優(yōu)營和OSS/BSS的行業(yè)通用模型，以解決更為復雜的業(yè)務問題，具備復雜任務COT鏈的理解能力和99%以上的精準度，實現(xiàn)結構化數(shù)據(jù)的知識體系，讓其具備本科生的行業(yè)知識水平，相比LLM語言模型，訓練參數(shù)大量減少，通過7B，10B等小尺寸大模型微調(diào)和RAG可快速部署支撐運營商/行業(yè)客戶進行生產(chǎn)全局視野邊：智能板2.0模型下發(fā)，本地微調(diào)Next網(wǎng)絡狀態(tài)預測模型→Next網(wǎng)絡狀態(tài)預測模型→22ICT服務與軟件2030ICT融合交付障MTTR(h)，f=集群單節(jié)點異常率，n=作要實現(xiàn)訓練和推理高可用，算力集群可用度3.全局負載調(diào)度多級調(diào)度：Global→Region4.確定&有競爭力的集群可用度：故障、亞健康提前感知，主動維修；4K+集群穩(wěn)定運行30+天；支持斷鏈續(xù)訓，單卡異常作業(yè)零感知。5.高性價比的線性度網(wǎng)絡，AI計算，存儲性能優(yōu)化；硬件流水線支撐亞健康與故障的感知、隔離與修復。集群規(guī)模(n）越大，單次故障的指標（如障MTTR(h)，f=集群單節(jié)點異常率，n=作要實現(xiàn)訓練和推理高可用，算力集群可用度3.全局負載調(diào)度多級調(diào)度：Global→Region4.確定&有競爭力的集群可用度：故障、亞健康提前感知，主動維修；4K+集群穩(wěn)定運行30+天；支持斷鏈續(xù)訓，單卡異常作業(yè)零感知。5.高性價比的線性度網(wǎng)絡，AI計算，存儲性能優(yōu)化；硬件流水線支撐亞健康與故障的感知、隔離與修復。1.集群線性度：和網(wǎng)絡鏈路的穩(wěn)定性（時延、強依賴部署模型、配置優(yōu)化，例行的亞健康治理與維護。2.集群可用度：主要由四個指標組成：單次故故障故障MTTR&集群可用度關系120.00%100.00%80.00%60.00%40.00%20.00%0.00%0.170.330.501.004.008.0012.0024487296120144168單次故障MTTR時長（小時） 1K2K4K6K8K1W備注：1）集群規(guī)模(n)越大，單次故障(MTTR)對集群可用度的影響越大；2）故障7天/168小時，1K集群時對MFU的損耗系數(shù)為83.59%；如果集群擴大到1W，對MFU的損耗系數(shù)為29.79%23ICT服務與軟件2030數(shù)據(jù)工程核心原因就是大模型所需要的數(shù)據(jù)工程需要在數(shù)據(jù)范圍、數(shù)據(jù)質(zhì)量、訓練效率多方面形成領域模型口語化結構簡單專業(yè)性弱噪聲大問題:數(shù)據(jù)缺失、領域數(shù)據(jù)分布不均、信息密度參差不齊、配比口語化結構簡單專業(yè)性弱噪聲大...類別五:類別五:產(chǎn)品知識類別四:類別四:領域基礎知識類別三:案例經(jīng)驗類別二:個人博客類別一:通用知識實踐發(fā)現(xiàn):學的慢(訓1000億token，loss未降到最低)、不容易學(產(chǎn)品配置見過4次，但不理解含義)導致數(shù)據(jù)配比(不同類型知識的比例)和數(shù)據(jù)質(zhì)量(多維度的數(shù)據(jù)質(zhì)量評分)決定了模型的尋優(yōu)方向，進而影響loss取值&模型能力1.領域復雜流程類數(shù)據(jù)解析技術：實現(xiàn)不同類型（信令協(xié)議交互/告警因果圖/流程）的復雜文本化信息抽取和輸出，實現(xiàn)解析內(nèi)容2.多模態(tài)復雜信息tokenizer技術：基于視覺模型的版面分析能力，結合文本匹配、表格解析等多模塊融合抽取文本，PDF內(nèi)容提取3.領域數(shù)據(jù)高效合成技術：實現(xiàn)領域高質(zhì)量數(shù)據(jù)的自我成長：從無標注到有標注，從無CoT到有CoT，實現(xiàn)領域典型場景的數(shù)據(jù)擴保證質(zhì)量&提升效率，數(shù)據(jù)完整/準確/一致/及時性等6性評估，實現(xiàn)100%數(shù)據(jù)質(zhì)量自評估6.知識定位尋源技術：建立模型能力/參數(shù)/數(shù)據(jù)關聯(lián)，相互提升，能力短板針對性定位7.最優(yōu)數(shù)據(jù)配比技術：突破增訓場景下通用與技術，loss最優(yōu)下降，實現(xiàn)模型訓練效率提8.數(shù)據(jù)課程學習技術：學習順序curriculumlearning影響模型的最終效果，利用scalinglaw求解最優(yōu)學習順序目標，實現(xiàn)領域知識通過多階段訓練與訓練末期的最優(yōu)數(shù)據(jù)退火，大幅提升模型能力，實現(xiàn)退火速率5x↑24ICT服務與軟件2030以業(yè)務為中心3.需要提供模擬器，協(xié)助評估改進或降低相關指標表現(xiàn)時將帶來NPS怎樣的變化，以有的放矢地制定相關策略3.需要提供模擬器，協(xié)助評估改進或降低相關指標表現(xiàn)時將帶來NPS怎樣的變化，以有的放矢地制定相關策略目標業(yè)界的普遍做法是通過建模和分析，明確各指標的獎懲驅(qū)動力，通過與滿意度的矩陣交叉分析，診斷需重點保障的獎勵因子和優(yōu)先改善的懲罰因子，對具體指標的改進優(yōu)先級和具體措施分析，將結合對滿意度的驅(qū)動力，痛點發(fā)生率和客戶推薦、不推薦理由的提及情況以它們?yōu)闃颖究蚍謩e展開SL回歸分析，明確不同因素的獎懲驅(qū)動力2.基于對貶低和推薦分別的驅(qū)動力推導出對NPS的整體影響力，即對各體驗指標提升素10%的表現(xiàn)將會產(chǎn)生...華為的使得貶低型客戶減少目前表現(xiàn)平均分素10%的表現(xiàn)將會產(chǎn)生...華為的6%6%6%6%口碘好 CPU速度產(chǎn)品設計容易聯(lián)系服務速度-3%5%4%-3%-4%5%4%6%-2%6%4%-3%4%3%3%3%-8%5%2%-5%-6%5%2%4%3%-4%-4%4%3%5%-1%5%3%-2%3%7%-5%7%5%4%4%3%-4%-4%-4%5%4%4%3%1%1%1%-3%2%-1%2%素10%的表現(xiàn)將素10%的表現(xiàn)將會減少...華為的1%......2526ICT服務與軟件2030ODA運維平臺：盡管CSP們早就構建了可以集成多家廠商組件的IT系統(tǒng)，但這些組件一般都來自各類通信和軟件廠商。隨著現(xiàn)在CSP們在一個更大的舞臺上競爭，集成來自通信業(yè)以外的其他組件的能力也變得必不可少。當一種與客戶交互的新方式（如：大模型Agent）可用時，等待其“通信業(yè)專用版本”出現(xiàn)是不現(xiàn)實的。另外隨著開源項目的興起，Baton，任何多廠商的定義都必須包括開源軟件。許多CSP也開始在未來IT系統(tǒng)中擁抱開源。TMF下一代OSS架構ODA也是在試圖解決此類技術問題?DevSecOps:自動化的軟件版本驗證與發(fā)布?ODA組件庫由6個子域構成，分別為：Decoupling&Integration,Eng組件的全景，其中已初步定義功能內(nèi)容的組件（即具有編號的組件）共計28個。大部分這些新特征為運營商跨邊界大規(guī)模管理數(shù)字化生態(tài)系統(tǒng)提供了可能性。比如，全球化汽車制造商可以跟多家CSP就自治和車聯(lián)網(wǎng)協(xié)議達成一致。ODA還考慮了獨立項目中不會考慮到未來關鍵需求和概念，如擁有AI能力、B/tnnforunTheeraofDigitalTransformationisover.Theindustryneedsanewnorthstar.TraditionalTelcoEra···Operations(processes&people)···Operations(processes&people)Network(physical)CSPdomainSinglebusinessmodelforconnectivityProductcentric,peopleintensiveprocessesOneormoretechstacksperproduct'Digital'SPEra···AI-DrivenOperationsValue-stream&experience···AI-DrivenOperationsValue-stream&experiencedriven,augmentedintelligenceAI-DrivenOpenDigitalArchitectureModular,'PlugandPlay',Micro-serviceoriented,AI-ReadyDecoupled,modularOSS(disaggregated)IntelligentManagement&OrchestrationOpenAutonomousNetworks···OpenAutonomousInfrastructureConnectivity(5G/6G/Fibre/Satellite/other)+Cloud+AI+IoTDigitalSPdomainPartnerdomainsBusiness-modelandserviceagnosticOn-demandbundledservicesandcapabilitiesDefend&growrevenues'AI-Driven'SPEra2024-2030sOpenDigitalOpenDigitalArchitecture(newBSS)OSS(Naas)CSPdomainOperationsOperations(people&basicautomation)NetworkNetwork(programmable)·Connectivity+VASbusinessmodel··Basicautomationofprocesses··Rationalizedtechstack,cloudmigrated·Source:TMFStrategicReview2023,1227ICT服務與軟件2030算法開發(fā)鏡像管理預置算法WebIDE（JupyterLab）數(shù)據(jù)管理數(shù)據(jù)篩選數(shù)據(jù)標注多人標注標注審核模型訓練分布式集群訓練訓練狀態(tài)可視化算法開發(fā)鏡像管理預置算法WebIDE（JupyterLab）數(shù)據(jù)管理數(shù)據(jù)篩選數(shù)據(jù)標注多人標注標注審核模型訓練分布式集群訓練訓練狀態(tài)可視化訓練任務可視化超參優(yōu)化模型管理模型倉庫模型評估模型診斷模型轉(zhuǎn)換對比評估ModelFoundry導航式建模樣本數(shù)據(jù)集預置領域模板預置AI通用服務AI資產(chǎn)技術架構模型服務在線服務批量服務服務管理服務監(jiān)控面向未來海量智能體，需要構建基于ICT服務和軟件行業(yè)的模型使能和Agent平臺，每個客戶均可以基于框架快速開發(fā)運營自身的行業(yè)大模型和Agent，開箱即用，模型訓練資產(chǎn)可快速基于不同場景進行復制模型使能平臺：模型使能服務包括5大