C114讯 4月27日专稿（蒋均牧）数字化浪潮汹涌而至，越来越“重资产”的电信网络，如何才能轻装上阵？华为以AIOps使能服务给出了答案。
所谓AIOps，即智能运维（Artificial Intelligence for IT Operations），指的是通过大数据、人工智能技术解决IT运维问题。这个最初由Gartner 2016年提出并定义、起源于算法IT运维（Algorithmic IT Operations）的概念，在今天已经成为了一个非常火爆的话题。
在将AIOps应用于电信网络方面，华为显然有着独到的视野与优势。一方面，华为深耕ICT行业多年，对于电信业务以及网络的“规、建、维、优”有着深刻的理解和丰富的实践；另一方面，这家公司在各种数字技术上长期投入，具备有全栈全场景的人工智能能力。
华为开发者大会2021（Cloud）期间，华为NAIE AI模型与训练服务部部长杨建接受了C114等媒体的采访，就电信网络运维所面临的挑战，以及华为NAIE AIOps服务的能力、进展和成功实践作出分享。
数字经济时代，AIOps势在必行
牛津经济研究院的《数字溢出，衡量数字经济的真正影响力》报告指出，在过去三十年里，数字技术投资每增加1美元，便可撬动GDP增加20美元；数字化技术的长期投资回报是非数字化技术的6.7倍，数字经济的增速是全球GDP增速的2.5倍。传统行业可以借助“+智能”引擎，实现数字溢出最大化。
“数字化”业已成为世界范围新一轮技术革命与产业变革的焦点，全球已有50多个国家制定了数字化发展战略，我国亦发布了一系列相关政策。5G商用和新冠疫情刺激下，更是加快了生产消费线上化、经济运行数字化乃至社会治理智能化的进程。
电信网络作为“底座基石、行业动脉”，担负着将数据、算力输送到社会各个角落的职能，重要性日益彰显。与此同时，伴随网络基础设施的升级、联接对象的变化和所承载业务的骤增，网络问题复杂化与业务质量高要求成为了数字经济时代两大挑战，运维能力的演进将是电信网络能否持续发挥效能的关键因素。
Gartner调研发现，当前，60%运营商的运维系统处于割裂状态，致使新功能上线周期长；75%的问题通过用户投诉发现，运维模式被动；运维人员90%的时间都用在识别故障发生的原因上，人工积累的经验难以应对网络复杂化带来的新问题。
在这样的背景下，传统以人力为主的工具、流程、模式变得难以跟上运维转型的脚步，已经有63%的电信运营商开始投资人工智能、大数据分析等技术，实现故障“自愈”与进行主动维护。AIOps被广泛视作一项关键手段——其核心价值就在于由人工智能取代人力决策，快速给出故障处理建议，或者提前规避故障。
但在硬币的另一面，人工智能技术的应用仍面临技术门槛高、投入产出难、数据准备度低等挑战。2019年，企业人工智能实际应用率为19%，较上年仅增长了5%，远低于行业23%的预估增长。单以电信网络运维智能化本身而论，亦存在人员技能缺乏、开发周期较长等痛点亟需攻克。
华为AIOps让开发更简单，应用更高效
“我们的目标就是让网络人工智能开发更简单、应用更高效，从而支持运营商及合作伙伴快速降低门槛，更好地应对瞬息万变的市场需求。”杨建谈到。
2019年4月，华为iMaster NAIE正式对外发布，同时NAIE亦是华为自动驾驶网络（ADN）的人工智能引擎，AIOps使能服务则是其中的核心组成。基于三十余年的ICT专业积累，经过“点-线-面”的运维智能化能力拓展，华为目前已经构建起完善的AIOps框架，基本完成电信网络运维的全流程覆盖。
据介绍，华为AIOps架构包含数据管理层、原子能力层、编排层和应用层四个层面，相对应地提供四大价值能力。
首先是多场景的数据采集治理：华为AIOps预制数据采集治理能力，提供一站式的数据采集、解析、治理等基础工具链，以及智能辅助数据标注能力，从源头上提升数据质量。在数据产生上，支持通用接口采集、通信领域端管云数据采集，可与30多类网元、100多种主流设备自动对接；在数据治理上，内置10多种通信业务场景治理模板，可节省90%数据准备时间；在数据标注上，通过智能辅助，可提升10倍标注效率、降低80%标注成本。
其次是丰富的人工智能原子能力：作为最核心的竞争力，华为AIOps沉淀核心人工智能资产，采用自主研发+生态合作相结合的方式，提供数字化基础组件，不仅提高了人工智能应用开发效率、降低开发门槛，也避免了公共能力的重复开发所造成的资源浪费。当前，华为AIOps能够提供超过20种人工智能原子能力，涉及预测、检测、诊断、识别等运维全场景，支持多种类型数据，具备广泛的适用性，且开放生态合作。
第三是灵活的组合编排与DevOps能力：运维场景灵活多变，如果人工编码开发不同组网的人工智能应用将极为耗时耗力，华为AIOps提供零编码流程编排能力，针对不同场景，只需从组件库中拖拽数据及原子能力进行组合，即可完成应用场景端到端的图形化编排，并支持进行业务泛化的参数配置，大幅提升应用开发效率。同时，其编排框架提供数据可视化服务，支持轻松按需搭建可视化大屏，还集成了RPA功能，实现跨系统工作流程自动化对接。
最后是开箱即用的APP：华为AIOps针对典型运维场景，提供10多类开箱即用的APP，包括KPI异常检测与分析、IT应用健康监控分析等，支持公有云和私有云部署、云地协同，还支持合作伙伴自行开发APP和一键发布到华为人工智能应用市场上。
服务超110个现网局点，成功实践解读
经过一年多时间发展，华为AIOps使能服务赢得了众多运营商的青睐，进入到规模应用阶段。截至今年1月份，已应用于运营商网络、园区网络、数据中心和IT应用四大领域，服务110多个现网局点，管理10万多个KPI，核心API月调用次数超过4.1亿次，每天处理千万量级的告警和3T的日志。
在采访中，杨建还介绍了华为AIOps一些实践案例。以无线接入智能故障管理为例，无线网络包含无线、传输、动环多个环节，一旦出现故障，告警量大、人工派单效率低、工单准确率差；同时跨域定位难，电力等问题会导致各域都派单，依赖跨部门专家协同，效率低下。借助华为AIOps的能力，可以显著提升根因定位效率、消除重复无效派单、缩短定位定位时间和恢复时长。在某运营商的应用中，早在2019年7月就能减少10%的工单，提升监控室30%的工作效率。
核心网KPI异常检测方面，运营商普遍面临的挑战包括，核心网重复故障少、定位难、故障分析耗时较长；人工设置阈值工作量巨大，且KPI难以全面监控；静态阙值无法适配业务动态变化，存在漏报、误报。部署华为AIOps后，可基于AI/ML生成动态阈值，适应各种日常KPI监控场景；通过多指标关联分析，分钟级内给出TopN根因指标；支持智能动态阈值自动调整，指标监控对象可扩大到10万个以上。在某运营商的应用中，去年4月提前5小时识别异常并主动预警，降低业务损失，7月在DNS脚本指向配置错误的情况下第一时间上报变更异常并发送告警短信，保障5G高端用户上网体验。
数据中心硬盘异常检测方面，众所周知硬盘故障后数据修复难度高，需要投入大量人力物力，并且传统的运维模式高度依赖人工，无法提前规避硬盘硬件故障对业务造成的不良影响。华为AIOps能够从历史数据中识别硬盘不同属性的突变模式，对当前状态进行预测；结合用户反馈数据，定期执行模型自优化，持续提升预测精度。目前为止可以做到提前14天预测故障，变被动运维为主动智能运维。现已服务于全球200多家企业，累计预测硬盘超过18万块、每年识别故障盘4000余块、识别数据备份场景1000多个。
“工欲善其事，必先利其器”，选择适合自身的AIOps产品显然是电信网络运维智能化转型的重要一步。而华为NAIE AIOps凭借在ICT和人工智能两大领域的创新积累，完美契合运营商的网络现状与转型诉求；并且基于机器学习、开放生态等方式，未来还能不断迭代、常用常新，必将助力运营商的智能化之路走得更快更远。 
