Testing, Measurement, and Assurance in the AI Era

AI 对电信网络的影响及应对策略

AI 超周期：规模与影响

• AI 基础设施投资激增，预计 2024 年电信 AI 投资为 173 亿美元，2029 年将增长至 650 亿美元。
• 50% 的电信 C 级高管已感受到 AI/生成式 AI 的影响，AI-RAN 市场预计 2032 年将达到 8.16 亿美元。
• AI 流量特征：大规模突发性、高度非确定性、持续性强，每年 AI 会话量达 1.3 万亿次，每月流量达 77 EB。

网络自主化：机遇与挑战

• 电信运营商正迈向更高水平的网络自主化，从 Level 1/2 的 AI 辅助操作向 Level 4 的代理驱动自主演进。
• 生成式 AI 是自主化的入口，代理式 AI 是下一步目标，但人类监督仍不可或缺。
• AI 驱动的自主化可提升效率，但决策复杂性增加，需要更完善的保障机制。

新收入机会：数据与连接

• 电信可通过 AI 增强的基础设施创造新收入来源：
  • 数据即服务：聚合、匿名化网络数据并通过 API 接口对外提供。
  • 标准化 API：开放网络服务接口。
  • 5G-A 和网络切片：提供高端连接服务。
  • AI 即服务：为商业提供 AI 平台和工具。
• SLA 支持的服务（如网络切片）需要严格的服务保障。

传统保障框架的局限性

• 传统保障框架存在三大缺陷：
  • 数据碎片化：跨系统、平台和部门的分割。
  • 上下文缺失：缺乏 AI 工作所需的详细背景信息。
  • 反应式工作流程：仅在问题发生后才检测缺陷。

AI 时代保障框架的构建

• 新框架需具备四大核心能力：
  • 全观测性：实时聚合客户体验数据和智能网络遥测数据。
  • 并行测试：主动进行主动和被动测试以预测问题。
  • 预测分析：利用数字孪生等工具关联分析海量数据。
  • 持续验证：审计 AI 驱动的变更并确保符合预期目标。

AI 在保障中的具体应用

• 故障隔离：AI 代理可快速定位网络故障根源。
• 根因分析：加速复杂 RCA 过程。
• 异常检测：比传统方法更快地识别数据集中的偏差和异常。

研究结论

• AI 正重塑电信网络，运营商需从投资、架构和保障层面全面应对。
• AI 驱动的自主化可提升效率，但需要成熟的保障框架确保服务质量。
• 传统保障方法已无法满足 AI 网络需求，运营商需构建连续、闭环的 AI 保障体系。