飛象網(wǎng)訊（六月/文）近日，在“2018中國SDN/NFV大會(huì)”間隙，SDN/NFV產(chǎn)業(yè)聯(lián)盟理事長、中國電信科技委主任韋樂平接受飛象網(wǎng)記者采訪時(shí)表示，目前SDN已進(jìn)入理性發(fā)展階段，但NFV征程依然艱難，同時(shí)，他指出AI有望解決網(wǎng)絡(luò)架構(gòu)重構(gòu)面臨的三大挑戰(zhàn)，使能網(wǎng)絡(luò)架構(gòu)重構(gòu)新階段，但就目前而言，運(yùn)營商現(xiàn)有組織結(jié)構(gòu)還無法適應(yīng)AI。
SDN已渡過炒作期 選入理性發(fā)展階段
韋樂平表示，當(dāng)前，SDN標(biāo)準(zhǔn)化進(jìn)程加速。IETF南北向接口定義完成；BBF瞄準(zhǔn)產(chǎn)業(yè)轉(zhuǎn)型，推進(jìn)網(wǎng)絡(luò)云化；0NAP開源組織推出第一版本，ONF TAPI2.0信模型發(fā)布。SDN標(biāo)準(zhǔn)和開源組織走向協(xié)同。標(biāo)準(zhǔn)組織通過組織Hackthon參與開源，而開源組織開始反推標(biāo)準(zhǔn)。
同時(shí)，基于SDN/NFV的網(wǎng)絡(luò)云化成為共識(shí)，根據(jù) Mason預(yù)測(cè)，2017年全球網(wǎng)絡(luò)云化市場為52億美元,未來年增長25%，2020年達(dá)到121億美元。當(dāng)前，全球電信云項(xiàng)目已超過400個(gè)。
未來，SDN專線將成熱點(diǎn)，SD-WAN成為SDN邁向大網(wǎng)的關(guān)鍵和切入點(diǎn)。
韋樂平還指出，“Zero- Touch& Automation”將成為SDN的新熱點(diǎn)，因?yàn)镾DN技術(shù)只能解決自動(dòng)化的10%的問題,而90%的問題是組織、流程和人的問題。因此自動(dòng)化是關(guān)鍵。
另外，SDN將進(jìn)一步從自動(dòng)化走向智能化，電信網(wǎng)的復(fù)雜性和人工依賴性使得具備應(yīng)付高度復(fù)雜性能力的AI具有很好的擴(kuò)展空間。比如，結(jié)合SDN與AI的基于意愿的隨愿網(wǎng)絡(luò)(IBN)將可能成為網(wǎng)絡(luò)自動(dòng)化和智能化的目標(biāo)。
NFV化已開始落地 但征程依然艱難
在談到NFV的發(fā)展情況，韋樂平表示，NFV項(xiàng)目已覆蓋所有核心網(wǎng)網(wǎng)元(如vEPC,vIMS)。NFV開始落地，5G成為NFV新的最大驅(qū)動(dòng)力，NFV成5G必要條件。
不過，由于思維落后、硬件性能限制、標(biāo)準(zhǔn)化滯后及互操作的復(fù)雜性，其他領(lǐng)域的NFV化還不盡人意。
同時(shí)，韋樂平坦言：“網(wǎng)絡(luò)云化的挑戰(zhàn)不可輕視。遠(yuǎn)營商的一朵云理想依然還只是理想，其內(nèi)部IT系統(tǒng)的復(fù)雜性和對(duì)外服務(wù)的質(zhì)量和速度要求導(dǎo)致公有云和電信云還在獨(dú)立建設(shè)，共享只在在機(jī)房、局址和動(dòng)環(huán)�！�
他進(jìn)一步講到，統(tǒng)一的IaaS層是第一步，統(tǒng)一的PaaS層也是可期待的，起碼具備公共的技術(shù)架構(gòu)和組件，此外，白盒開始落地，但征程依然艱難，灰盒是過渡。
AI有望使能網(wǎng)絡(luò)架構(gòu)重構(gòu)新階段
據(jù)韋樂平介紹，基于SDN/NFV/Cloud的網(wǎng)絡(luò)架構(gòu)重構(gòu)帶來大量新的多維度復(fù)雜性，在很大程度上抵消了其帶來的諸多好處，而AI在處理復(fù)雜問題上的能力遠(yuǎn)超人腦，有望解決網(wǎng)絡(luò)架構(gòu)重構(gòu)所面臨的三個(gè)挑戰(zhàn)：網(wǎng)絡(luò)架構(gòu)動(dòng)態(tài)變化帶來的網(wǎng)絡(luò)和業(yè)務(wù)復(fù)雜性、網(wǎng)元分層解耦后的故障定位等運(yùn)維帶來的復(fù)雜性、網(wǎng)絡(luò)資源實(shí)時(shí)調(diào)整帶來的網(wǎng)絡(luò)運(yùn)行復(fù)雜性。
同時(shí)，韋樂平指出，一切基于軟件的復(fù)雜多維問題都可以借助于AI的幫助，復(fù)雜的多層、多域、多協(xié)議、多接口、多參數(shù)、多廠家的網(wǎng)絡(luò)和業(yè)務(wù)問題也不例外，只是AI在不同層面和領(lǐng)域的作用和引入路徑不同。
談及AI網(wǎng)絡(luò)應(yīng)用的一般原則，韋樂平講到，越高層，越集中，跨域分析能力越強(qiáng)，對(duì)計(jì)算能力的要求也越高，所需數(shù)據(jù)量也越大，更適合對(duì)全局性的策略集中進(jìn)行訓(xùn)練和推理。越低層，越接近終端，專項(xiàng)分析能力越強(qiáng)，對(duì)實(shí)時(shí)性要求往往越來越高，對(duì)計(jì)算能力要求則滿足業(yè)務(wù)需求即可，適合引入AI的推理能力或具備輕量級(jí)的訓(xùn)練能力即可。
運(yùn)營商現(xiàn)有組織架構(gòu)無法適應(yīng)AI
盡管AI對(duì)于網(wǎng)絡(luò)架構(gòu)重構(gòu)具備非凡的意義，目前運(yùn)營商現(xiàn)有垂直煙筒式組織架構(gòu)不適應(yīng)AI使能的網(wǎng)絡(luò)，僅僅依靠技術(shù)和業(yè)務(wù)重構(gòu)，不下決心實(shí)施組織重構(gòu)難以推進(jìn)AI使能的深度網(wǎng)絡(luò)架構(gòu)重構(gòu)。
目前，AI的網(wǎng)絡(luò)應(yīng)用面臨不少挑戰(zhàn)，現(xiàn)有的AI技術(shù)的實(shí)現(xiàn)領(lǐng)域主要在于“識(shí)別”，例如識(shí)別物體類別、識(shí)別人臉特征，甚至自學(xué)習(xí)棋譜中的規(guī)律。但是AI技術(shù)目前缺乏成熟可靠的電信網(wǎng)絡(luò)和業(yè)務(wù)的建模，也就讓AI的神經(jīng)網(wǎng)絡(luò)還無法在網(wǎng)絡(luò)應(yīng)用中快速自學(xué)習(xí)，繼而發(fā)揮自身的作用。
究其原因在于AI成功應(yīng)用的前提是足夠大的訓(xùn)練數(shù)據(jù)。盡管電信網(wǎng)的數(shù)據(jù)足夠大，但由于部門和各管理層級(jí)的數(shù)據(jù)語義和格式不同、數(shù)據(jù)存儲(chǔ)和管理應(yīng)用機(jī)制不同、數(shù)據(jù)監(jiān)管限制等原因，能真正有效利用的有價(jià)值數(shù)據(jù)并不夠用。
此外，現(xiàn)有組織架構(gòu)往往是依靠特定的業(yè)務(wù)部門的專門團(tuán)隊(duì)來支撐特定的業(yè)務(wù)、應(yīng)用和網(wǎng)絡(luò)功能，從而形成了大量垂直一體化的業(yè)務(wù)和網(wǎng)絡(luò)煙囪，不僅耗費(fèi)了大量的人力物力和資金，而且還無法共享資源，難以提供融合性業(yè)務(wù)和網(wǎng)絡(luò)。
為了解決這一問題，韋樂平認(rèn)為組織結(jié)構(gòu)的水平化是必由之路，打破部門壁壘，實(shí)施組織架構(gòu)水平化是成功的前提。
