亚信科技

本月，來自於亞信科技、中國移動、中國電信、清華大學以及其他中外運營商和高校的資深專家們，以一篇《通信人工智能的下一個十年》，就移動通信與人工智能的協同發展，對沿革進行了梳理，對未來進行了展望。本文為該論文的觀點摘要及對論文部分作者專訪的重點內容梳理（論文全文下載二維碼見文末）。

從1983年10月，美國推出全世界第一個先進移動電話系統（AMPS）至今，移動通信技術商用已經走過了37年歲月。

今天，依託於移動通信網絡的承載，全世界已經有超過50億人，每天使用手機工作和生活；方興未艾的物聯網，更將為我們的未來創造無限可能。

在改變世界同時，移動通信技術本身，也以每十年一代的速度，不斷發展演進。

經過30多年發展，從模擬到數字，從語音到數據，從電路交換到IP化，從封閉通信生態系統到賦能垂直行業的技術與生態，今日的現代移動通信系統，效率和性能已經不斷逼近香農極限，並開始向太赫茲、空海天一體化、感知通信計算一體化等更前沿的領域邁進。

其中，一個最受關注的領域，是移動通信網絡與人工智能的深入融合。

隨著通信網絡的日益複雜化，通信業務生態的日益多樣化，人工智能已經成為網絡與業務運行不可或缺的基礎要素，並將在未來發揮越來越重要的作用。

就在本月，來自於亞信科技、中國移動、中國電信、清華大學以及其他中外運營商和高校的資深專家們，以一篇《通信人工智能的下一個十年》，就移動通信與人工智能的協同發展，對沿革進行了梳理，對未來進行了展望。

以下，是該文章的觀點摘要，以及科技雜談專訪部分文章聯合作者（亞信科技CTO、高級副總裁歐陽曄博士，工信部通信科技委常務副主任、中國電信科委主任韋樂平，清華大學智能產業研究院院長張亞勤院士）的重點內容整理。

【一】

我們先來看一張全景圖：

移動通信技術與人工智能在各自的早期階段，都有著鮮明的、各自獨立的發展路線。

一個圖中未提及，需要補充的細節是：

早在1968年，Yoshihisa Okumura就曾提出Okumura模型，基於實測數據對真實的無線信道進行數據建模與仿真，可以看作數據科學算法應用於移動通信系統的雛形。

但是，受算法、算力、需求等多方面影響，在3G以前，在早期的移動通信系統裡，人工智能一直沒有真正地投入應用。

直到1999年，在無線射頻系統場景的規範中，3GPP正式納入了COST Walfish-Ikegami等信道模型。

這也是一個重要的里程碑：數學算法第一次進入到移動通信的國際標準之中。

到了4G階段，人工智能與移動通信行業的融合又進了一步。

一方面，2006年提出的深度學習，帶動了人工智能技術發展的第三次浪潮；另一方面，在實現網絡系統全IP化，開始向垂直行業賦能之後，移動通信網絡自身也對人工智能有了更多的需求。

聯合作者之一、亞信科技CTO、高級副總裁歐陽曄博士特別提及到，最具代表意義的一個轉折點是，從2008 年開始，3GPP在移動通信標準中定義了一個新的理念：自組織網絡(Self-Organizing Networks，以下簡稱SON）。簡單來說，就是通信網絡可實現自組織、自配置、自優化、自治愈。

而以機器學習為代表的人工智能技術，正是實現SON的關鍵手段之一。

只不過，當時SON還並不是移動通信標準的必選項，不是核心基礎網元。

而在實際的產業化和商業化進程中，運營商希望SON能真正開放，做到廠商中立、技術中立；設備商卻希望通過SON加強自家設備的緊耦合。

這個分歧，導致了SON的推進一直步履緩慢。

而且，在這個階段，通信網絡從接口、流程、信令到整個網絡生態，也都還不是按照智能化的理念來搭建的，所以網絡與人工智能的融合對接不夠友好。

所以，雖然整個移動通信行業，都已經逐漸認識到了人工智能對移動通信網絡的價值，但4G的實際商用過程中，這一認識始終未能轉化為產業落地，而以Verizon和AT&T為代表的SON試水，也都未能取得理想成果。

直到5G階段，拐點終於到來。

2017年2月，3GPP SA2正式定義了網絡人工智能網元NWDAF。

歐陽曄博士提到，這是移動通信歷史上，第一次在核心網絡架構裡定義、標準化、並要求部署網絡人工智能網元。

它標誌著，移動通信網絡從底層結構層面開始，就已經按照自動化、智能化的理念，面向人工智能進行了重新設計。

而在移動通信網絡的另一條新興發展路線O-RAN上，也已經定義了一個通信人工智能的網元：RIC（Radio Intelligence Controller），並與核心網管理與編排MANO (Management &Orchestration)功能緊耦合。

除此之外：

2019 年 6 月，國際電信聯盟電信標準分局研究13組啟動了機器學習用例的研究。

同月，全球移動通訊系統協會 GSMA 開始了智能自治網絡案例的白皮書工作。

2020 年7月 R16 正式凍結之後，3GPP也針對新的R17版本，正在繼續推進人工智能相關的 NWDAF, MDAF, QoE (Quality of Experience)等標準化課題研究。

這些動作都意味著，從5G開始，通信網絡與人工智能的融合，已經真正成為滾滾大潮。

【二】

可以看到，從1G、2G、3G、4G，到今天的5G，移動通信與人工智能的融合，是越來越深入，越來越緊密。

其原因在於，移動通信網絡本身正日益複雜化，通信業務生態也日益多樣化。

如今，通信網絡基礎設施和業務系統中需要面對諸多複雜場景，比如：

無法用仿真模型模擬極其複雜的無線環境，

指數級的 IP 交換與路由控制選擇，

主動性的網絡支撐與業務保障，

一客一策與一刻一策的網絡個性化服務，

……

這些場景，已經遠遠超出了傳統的人工規則預定義與執行的處理與管理能力。

通信系統必須有一套自動化、智能化的體系和手段來保障網絡與業務的運行與發展。

"我們（指中國電信，科技雜談注）在5年前就啟動了新一代云網運營系統，但到現在難度還是很大。因為網絡巨大無比，種類也多得不得了，5G以

後就更複雜，不可能用人為的方式來管理這麼複雜的資源。"聯合作者之一，工信部科技委副主任、中國電信集團科技委主任韋樂平說，"只有用人工智能，才能幫助我們能夠在復雜的環境下，正確地判斷該做什麼，而且預先提出預警，大大地提高效率。"

同時，在5G階段，CT與IT兩大產業體係日益合流，傳統的煙囪式的、高度緊耦合的通信網絡系統，不斷虛擬化和雲化，這也為人工智能在移動通信領域的深入應用創造了條件。

"5G一個重要的特點，就是互聯網和通信網在協議層實現真正的融合，所以很多過去計算機領域的算法、互聯網裡面的技術，都可以更容易地使用到通信網絡之中。"聯合作者之一，清華大學智能產業研究院院長張亞勤院士說。

而放眼未來，這個趨勢還在不斷加速。

尤其是5G未來為垂直行業賦能過程中，人工智能將扮演更加重要的角色。

比如5G切片，運營商要面向不同的用戶，創建不同的網絡環境，編排不同的流程，供給不同的網絡資源，提供不同的應用和服務，實行不同的計費規則，並根據網絡負載和用戶需求的調整，進行隨時調整。

比如放飛一架無人機，從無人機的控制器、基站、傳輸、核心網絡，到無人機飛行路徑的基站，每一個節點都要統一拉通，進行實時的動態管理，才能確保網絡QOS滿足無人機的時延、帶寬、抖動等綜合要求。

而從5G開始，移動通信網絡將從以前的連接人與人，進化到連接萬物，無論是業務的複雜度還是數據量的規模，都有指數級的提升。

這樣複雜的、海量的工作，只有依托智能化的網絡，才有可能實現。

"現在，網絡的每一個層面、每一個領域，都需要人工智能，它已經是一個通用的使能技術。"韋樂平表示。

【三】

需要明確的一個問題是，移動通信系統與人工智能的融合，現在才剛剛開始。

比如，通信人工智能相關的網元NWDAF或RIC，現在都還處在測試階段，還沒有開始在5G網絡中大規模商用。

而不同的廠商、標準組織與技術路線之間，網絡接口的難以統一，也將製約通信人工智能的能力邊界與發展進程。

而且，絕大多數的運營商並不會只運營一張5G網絡，而是還有2G、3G、4G、專網等其他網絡並存。如何在多個網絡中實現業務的統一編排，乃至將存量業務重新規範梳理，實現智能化的演進，都是極具實際操作難度的，甚至是在較長一段時間內幾乎無法完成的艱鉅挑戰。

所以，面向未來10年，移動通信與人工智能的融合發展，一定是一個長期的、漸進的過程。

目前，通信國際標準組織已經開始對通信人工智能的發展成熟度進行初步的分級：

以及在整個通信系統當中，不同成熟度的通信人工智能的應用等級：

根據以上的分級，《通信人工智能的下一個十年》一文，對未來10年的通信人工智能發展進度作出了以下的預測。

這個預測是否能如期實現，目前仍然有待時間來證實。

在韋樂平看來，影響發展的很多因素，其實來自於技術發展本身之外。

"人工智能只是技術手段，最重要的是現在沒有統一標準，標準組織都是缺失的。"韋樂平說，"而且標準組織只會規定框架性的東西，很多具體的問題還是要靠運營商自己想清楚，跟製造商、支撐商等合作夥伴一起，坐下來討論，達成共識，一起推進。"

在他看來，目前比較好的辦法，是藉助一些業務上的痛點，來做借勢切入。

比如，現在光纖切斷每年很多次，都是幾十上百次，甚至全阻斷，經常為網絡帶來巨大危險，而如果用人工智能，就可以預先判斷，及時處理。 （科技雜談注：一個最近的案例，是2020年6月15日，因為一條光纖傳輸鏈路發生故障後，未能及時找到故障源，最終導致T-Mobile美國全網的語音和短信服務中斷長達12小時）

另一個"運營商剛需"的機會場景，是通過人工智能來降低5G的功耗。

亞信科技正在和運營商共同試驗，通過網絡和用戶的數據變化，用人工智能判斷某一個5G基站的功率，在某個時間段是應該放大，還是縮小，甚至暫時關停省電，從而根據用戶和業務的流動，自動地、實時地、精準地進行網絡質量優化。

這樣，網絡繁忙的時候不再擁塞，用戶體驗更好；空閒的時候盡量節電，省錢又環保。

【四】

最後，感興趣的朋友，可以看一下人工智能在移動通信生態系統中的詳細應用，以及未來10年的發展展望。

（友情提示：本部分相對枯燥，非專業讀者可以直接PASS）

整體來看，人工智能在移動通信生態系統中的發展，可以分成網絡基礎設施、網絡管理、電信業務、專網、跨領域融合這幾個領域。

具體來說：

一、在網絡基礎設施領域，主要分為無線接入網、核心網、傳輸網、終端這四個方面。

（1）無線接入網

在物理層與數據鏈路層，典型的 AI 應用，包括但不限於以下功能：

利用深度學習或強化學習算法來評估與預測信道質量、OFDM (Orthogonal Frequency Division Multiplexing) 符號在接收端的檢測、信道編解碼、動態頻譜隨機接入等。

面向無線接入網的應用層，3GPP定義的SON的標準體系，旨在實現無線網絡的自配置，自優化，自治愈。

3GPP RAN3目前正在研究，讓SON獨立成為一個RAN邏輯實體或功能的可行性。

歐盟 5G-MoNArch項目組也已建議，無線側可考慮設置一個獨立的人工智能分析網絡功能 RAN-DAF，對5GNR的CU面進行數據分析和決策。

而O-RAN的RIC也將會持續演進與加強，尤其在面向不同App類型時的智能策略控制，用於幫助運營商在業務編排層實現基於App特徵的業務編排。

（2）核心網

3GPP路線的人工智能網元NWDAF：可對5G核心網絡的移動性管理，網絡服務質量 QoS，以及 5G 核心網其他網元（例如UPF）進行智能化的管理、優化與提升網絡質量與體驗。

O-RAN 的無線智能控制器RIC：可利用AI的能力進行無線資源，移動性，無線連接，切換，無線QoS等業務和資源的管理。

NWDAF 未來將具備增強的網絡性能優化與用戶體驗優化能力。目前相關的研究項目包括UE驅動的分析共享、基於NWDAF協助的QoS保障，話務處理，個性化移動性管理，策略決定，QoS調整，5G邊緣計算，NF的負載均衡，切片SLA保障，可預測的網絡性能等。

3GPP SA5也在研究NWDAF如何將分析功能賦能給OAM或RAN，並參與MEC融合，以支持垂直行業的應用，為更多的垂直行業應用賦能。

（3）傳輸網

軟件定義光網絡（SDON）在動態恢復業務中斷，保障網絡容量和業務可靠性同時，跟大數據、人工智能、云網融合等技術結合，實現光網絡的智能化管理。

認知光網絡 CON (Cognitive Optical Network) 將通過認知決策系統 CDS (Cognition and Decision System)來控制和傳播相關指令，管理傳輸要求和網絡事件。

目前 SDON/CON 與人工智能的結合上已經有一些研究成果，例如預測故障、減少恢復時間、改進光的信噪比等。

IPv6網絡和人工智能的結合也已經進入探索階段。業界希望可以利用人工智能技術，對網絡進行感知和靈活的路由配置，並對全網運行狀態進行監測，智能化地識別網絡異常；針對發現問題進行故障的根因定位，並且產生相關的最優策略。

而在云網邊端的資源分配和存儲算力資源使用方面，業界也正在探索算力網絡與IP網絡的融合、云網融合等全新架構，通過人工智能來實現最優路由、最優算力分佈，並保障算力的服務質量。

未來10年，SDON/CON 與人工智能有望結合更加緊密，逐漸實現"零接觸"的認知光網絡，實現光網絡的完全自動化管理和控制。基於光網絡的運維知識圖譜將逐漸成熟，可以通過它快速定位傳輸問題，預測傳輸性能，進行傳輸參數的優化。對於傳輸的具體指標，例如調製階數、誤差修正、波長容量等，可以利用人工智能技術進行最優配置，保障傳輸的性能。

基於IPv6的應用也將逐漸走向成熟，人工智能在網絡路由、承載網的 SLA 保障、確定性網絡方面發揮關鍵作用，實現 IPv6 乃至 IPv6+的智能 IP 網絡，滿足 B5G/6G 業務場景的個性化需求。

在云網融合方面，云網邊端的算力資源將實現完全分佈式的架構，按照業務需要提供無縫、高質量的算力資源，為終端、邊緣的高階人工智能應用提供資源保障。彈性算力網絡/動態的云網融合，側重出新的提供雲計算服務的商業模式，可以利用區塊鏈的智能合約等進行安全保障，解決用戶的隱私問題，實現網絡和計算資源的可變現能力。

（4）終端

基於終端的人工智能，主要包括終端和芯片的智能化。

終端操作系統本身和應用層的App方面，已有一些智能化應用發展，但基於終端的人工智能對於網絡基礎設施的賦能，目前還在早期發展。

這方面，一個比較典型應用是，通過終端芯片採集性能數據，匯報給SON系統或者網絡管理系統 OSS (Operation Supporting System)，利用這兩個部件的網絡人工智能分析引擎，進行無線網絡智能優化。

未來，基於終端和芯片的人工智能技術，將通過對無線環境和內容的感知，來優化無線接入的接入和調度、系統速率、頻譜效率、網絡負載優化、無線安全性等環節，提升5G系統的性能，優化終端的使用體驗，乃至催生新的場景案例。

（5）未來10年展望

在未來3-5年內，NWDAF將在5G核心網絡中逐漸成熟商用；無線與核心網絡優化也將藉助SON實現以人工智能為驅動的智能網絡優化目標。

SON的商用部署方式將有可能以獨立SON系統部署或融合進入5G OSS系統實現，RAN-DAF是否以獨立網元形式定義還未有定論。

未來5-10年，隨著O-RAN的逐漸商用，RIC作為開放無線網絡的智能控制器也將實現商用部署。

二，在網絡管理領域，主要有智能化網管, ENI 引擎和網絡運維支撐系統（OSS）三個方面。

（1）智能化網管

3GPP SA5在R16中開始定義的管理數據分析功能（MDAF），通過進行數據分析，幫助管理系統設置合理的網絡拓撲參數進行網絡配置，保障服務質量。同時，MADF在管理面也可以為SON 賦能。

下一步，MDAF將在覆蓋增強、資源優化、故障檢測、移動性管理、能量節省、尋呼性能管理、SON協作等多個場景方面的應用逐漸成熟；MDAF和網絡設備(例如NWDAF)的交互也將得到完善。

（2）ENI引擎

ETSI 於2017 年定義了ENI 系統，做為一個獨立的人工智能引擎，為網絡運維、網絡保障、設備管理、業務編排與管理等應用提供智能化的服務，未來還將定義更多高級的應用，例如基於意圖網絡的節能、數據機制、ENI 與運營商系統的匹配等等。

（3）網絡運維支撐系統（OSS）

2019年，TMF在 Future OSS的研究報告中定義了未來 OSS 由"數據驅動"，必須依賴人工智能，機器學習，自動化，微服務，業務優化緊耦合，必須具備敏捷，自動化，主動性，預測性，可編程性的特徵。

在定義未來OSS最重要的10個因素中，有4個因素和人工智能緊密相關：自動化閉環業務流程執行與保障，自動化閉環網絡優化，AI驅動的客戶互動，AI驅動的網絡優化。

目前，主流通信運營商已經在面向5G演進的OSS系統中，逐漸嵌入了AI平台或者功能模塊。

比如亞信科技為三大運營商搭建的5G OSS網絡中台體系中，就包括了網絡人工智能中台：它以數據中台的網絡大數據為主要燃料，圍繞網絡生命週期中的規、建、優、維等場景，不斷構建、推理、發布、沉澱出網絡AI算法模型，為4/5G網絡提供包括異常檢測、容量預測、網絡優化、根因分析、告警預測、故障自愈、業務編排、感知優化等網絡AI功能。

（4）此外，網絡AI信令體系、網絡數字孿生、編排系統也值得關注：

網絡AI信令體系：

網絡AI平台和各數據採集網元或模塊；以及5GOSS的各個業務系統（例如網絡編排，網絡性能，網絡資源，網絡故障）進行互聯互通的標準命令體系

網絡編排：

網絡的軟件定義與雲化趨勢下，網絡功能NFs管理將由軟件定義的管理程序接管，並從面向專有硬件，向共享的計算與通信資源池的虛擬化管理轉型。

在5GOSS中，網絡業務編排甚至可獨立成一個子系統，負責5G各個虛擬網絡功能VNFs(Virtualized Network Functions)構成的網絡切片業務的編排與管理。

目前，全球運營商的網絡自動化與智能化編排能力還處於初級階段，在技術和標準層面都需進一步完善。業務智能化編排的新型網絡如何共存與協同工作，也是業界需思考的一個問題並需盡快形成一致行動目標。

可以預計，隨著通信人工智能和網絡編排系統深度融合，網絡(拓撲)編排、網絡資源編排、網絡業務編排三大能力將得到持續改進。

（5）未來10年展望：

在未來3-4年中，MDAF實現網管層面的部分數據分析功能。

隨著網絡中台體系的建設，面向網絡人工智能的網絡AI中台將會在部分運營商的5GOSS系統中實現商用部署。

網絡AI信令體係作為人工智能與網絡交互的語言，將AI能力注入到網絡生態系統中。

未來5-10年，隨願網絡和ETSIENI網絡體驗與感知體係將逐漸成熟，會在5G中後期的網絡基礎設施架構中得到應用。

數字孿生技術將與網絡仿真和人工智能相結合，將網絡全生命週期的規、建、優、維實現孿生化與智能化管理。

三，在電信業務領域：

目前，中國運營商正在BSS領域正引領基於智慧中台的技術演進：

通過能力運營協同業務中台、數據中台、技術中台、AI中台等中台系統，完成面向最終用戶與合作夥伴的IT服務與交互。

其中，AI中台以人工智能算法為基礎，通過場景化服務能力封裝，為業務過程注智賦能。

截至目前，人工智能技術通過AI中台體系，已經在BSS域的營銷、銷售、客戶體驗、客戶服務、計費等多個業務領域及相應場景得到較好應用。

而在10年，AI將在客戶管理、套餐推薦、財務智能管理領域全面賦能，並且實現從初級到高級的過渡。從面向客戶建立以人為本的全面客戶體驗，到面向電信運營企業建立更加運轉高效的業務運營過程，直至新業務、新模式、新技術的快速創新兌付，都將起到關鍵作用。

未來10年展望：

部分通信運營商構建的技術中台體係將在未來3-5年內全面商用與成熟。

其中的人工智能平台板塊，將作為AI面向BSS領域注智與賦能的載體，全面推動客戶運營與業務運營的智能化。

電信業務涉及的某些細分領域例如智能客服、智能營銷、智能推薦等，因為垂直行業中類似通用的應用經驗，在未來的5-10年內會加速發展，可能提早實現到達L4或L5的高度智能化階段。

四，在專網領域：

5G 面向垂直行業除了提供公網服務，也可提供專網服務。而在5G專網中,通信人工智能也可提供一系列的智能化專有服務與安全保障。

例如：

可以用於虛擬專網中的網絡切片 SLA 保障，進行通信傳輸性能、質量和資源的優化。

對獨立專網，人工智能體驗感知算法可以對用戶的感知體驗進行實時或準實時評估，提供精準的QoS組合保障服務質量，實現差異化的智能運維服務。

在專網中，也可以利用聯邦學習、遷移學習等人工智能技術，完成5G切片異常診斷模型的雲化管理和持續學習優化。

另外，人工智能技術也可以對專網中的無線網絡性能進行實時評估，通過與垂直行業應用平台的交互，自適應調整應用層的參數設置，用於提升視應用層的視頻質量或者進行遊戲加速。

預計未來10年，通信人工智能通過與MEC以及與業務的結合以及算法的成熟，可以完全滿足垂直行業對於高質量通信和網絡安全的要求，將專網真正地變成高性能、安全可靠的專網。

在垂直領域例如車聯網、智能製造、高清視頻/VR/AR、遠程醫療、智慧城市，通信人工智能將幫助企業實現高級智能、乃至完全智能化的專網功能。

未來10年展望：

垂直行業專網在未來3-4年內屬於商用建設初期，主要部署模式以虛擬專網形式實現。

在此期間，人工智能面向虛擬專網的應用，將聚焦在5G專網切片的SLA保障、切片資源智能調度與優化、以及無線專網覆蓋與性能優化等。

在未來5-10年，混合專網和獨立專網會逐漸部署並成熟，人工智能對獨立或混合專網的應用將會聚焦在ToB業務精準QoS保障、ToC業務感知體驗實時評估優化、智能網絡智能運維AIOPS等。

另外，人工智能技術通過與垂直行業的專網應用平台MEP(Multi-AccessEdgePlatform)的交互，自適應調整應用層的參數設置，保障邊緣應用的服務質量。

人工智能在行業專網的初級智能化階段主要面向性能、質量與運維保障的智能化，在中高級智能化階段更加面向高可靠、低延時、多並發連接的智能化控制與管理。

通信人工智能係統的應用在安全性、魯棒性、可解釋性等方面在未來將進一步加強。尤其是人工智能中的聯邦學習、區塊鏈、隱私計算的技術組合，預計在通信生態各系統中會得以發展，用於解決通信生態系統與垂直行業之間的數據孤島和安全隱私問題。

五，在跨領域融合領域：

一體化貫穿的電信業務流程，演進中的技術中台體系架構特徵，以及業務與網絡數據的融合分析運營，是驅動BSS與OSS系統進行深度融合的三大因素。

通信人工智能在跨領域的融合智能化發展方面，也催生了多種應用場景：

（1）客戶體驗管理（CEM）

CEM是網絡與業務跨領域融合的一個新領域，用人工智能結合心理學，建立一套能準確反應客戶對通信網絡與業務使用感知體驗的算法模型體系，或者說"電信心理學算法"。

借助CEM，運營商可以將網絡體系的QoS體係與用戶體驗的QoE體系進行量化映射，從而彌合網絡質量與用戶真實體驗之間的鴻溝實現從網絡KPI指標為中心。到以客戶體驗為中心的網絡業務服務轉型。

比如，亞信科技提出的CEM指數集，可結合通信領域用戶級主觀數據(例如NPS調研、客戶投訴、主動撥測等)和客觀數據(例如語音通話、上網、高清視頻業務業務等質量指標)，以及用戶級通信、消費、服務等360度行為的畫像分析，生成ECS電信心理學模型，用於即時性評價客戶過程中任何一刻、任何一地、任何一種業務的瞬時體驗質量。

（2）PCF+ (Policy Control Function+)

3GPP從R7開始引入了PCR

F網元，面向網絡側，對用戶和業務QoS服務質量進行控制，為用戶提供差異化的服務，並且能基於業務和用戶分類，提供更精細化的業務控制和計費方式，以合理利用網絡資源。

目前，PCRF的策略規則還基於規則配置，沒有人工智能應用。但隨著 5G 業務的豐富，用戶對於 5G 服務差異化需求的增加，PCF 需要演進到 PCF+，以提供全新的服務模式、業務場景或者商業模式。

在這個過程中，人工智能/大數據能力在 5GC (5G Core) 的引入，將使PCF+的策略管控變得更加智能化。

（3）未來10年展望：

CEM和PCF+的架構與功能會持續發展， 客戶體驗感知體系會從SLA ELA體係不斷演進。

隨著CEM的QoE的算法體系在未來逐漸成熟與完善，通信運營商將可以利用QoE算法體係來預測性評估和主動性管理用戶的體驗預期。

而PCF+也將通過與OSS域和BSS域的交互，向用戶提供更精準、更實時、差異化的策略控制。

人工智能面向跨BSS與OSS領域的融合智能化，CEM與PCF會沿著BSS與OSS域融合的演進路線發展。

其中，CEM將結合網絡與業務的數據，在客戶全生命週期旅程中實現對客戶的網絡與業務體驗感知的閉環管理。

客戶體驗與感知管理體系會從SLA往ELA體系演進。 PCF通過與OSS域和BSS域的交互，可以面向網絡、業務、客戶提供精準、實時、個性化的策略與服務。

933f3bc1dd337baf0ad8ea1080e413de.jpg

（掃碼下載《通信人工智能的下一個十年》）