飛象網(wǎng)訊(六月/文)近日,在“2018中國SDN/NFV大會”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,根據(jù) Mason預(yù)測,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。因此自動化是關(guān)鍵。
另外,SDN將進(jìn)一步從自動化走向智能化,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),對實(shí)時(shí)性要求往往越來越高,對計(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“識別”,例如識別物體類別、識別人臉特征,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的數(shù)據(jù)語義和格式不同、數(shù)據(jù)存儲和管理應(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。