借助快速增长的模型参数规模和强大的泛化能力，人工智能正迅速进入大模型时代。随着理解和生成能力快速提升，大模型正逐步成为推动社会变革的关键力量。大模型技术的兴起为通信行业带来了前所未有的挑战与机遇。一方面，大模型的发展带动社会对智能算力的需求出现指数级的增长。保障智能算力的供给已经成为了网络的重点需求。另一方面，大模型技术的应用也为网络的演进带来机遇。这不仅包括促进网络技术升级所带来的通信网络端到端业务能力的增强，也包括大模型在网络领域的直接应用。
为给读者呈现大模型领域的最新进展与技术趋势，助力读者把握时代脉搏，共谋创新发展，本期特别策划了大模型技术专题，分别从不同角度探讨了大模型技术对网络演进的影响及其在网络领域的相关应用技术。专题内容既包括对大模型所带来的网络演进的探讨，也包括对一些模型应用技术的实践和探讨。希望能帮助读者了解大模型这一人工智能领域重大突破的技术发展以及业界的关注热点。
查看全文>随着大模型的高速发展，智算需求的增长速度远超芯片性能提升速度，计算集群方案和“DC as a Computer”概念应运而生，数据中心网络变得尤为重要。在大模型训练和推理时，集群对网络系统的稳定性要求极高。针对大模型业务特点，结合主流集群网络技术，研究了训练场景下的超大规模组网、超高吞吐和超稳定的新一代智算中心网络技术，以及推理场景下通过 SDN+SRv6 可编程算网一体智能调度和切片技术构建高品质的入算网络，并研究了 DC间协同训练的技术难点和应对方案。
提出了一种大小模型协同的智能化移动网络优化方法，首先利用大语言模型处理和理解网络日志、外部开源等非结构化数据，从中提取关键数据。其次构建了一个包含网络设备、参数配置、专家优化经验等多维度信息融合的知识图谱，用于分析网络状态和优化需求之间的关系。然后，通过深度学习、图神经网络等专业工具模型进行根因分析，快速定位网络故障点，并基于专业知识图谱库和大模型的问题推理能力，辅助专家给一线员工提供具体的解决方案。最后，通过实际场景的实施和验证，由专家、一线员工对所提解决方案进行评估和反馈，这些评估和反馈信息经收集后不断返回，形成循环优化。
提出一个通用的AI驱动的网络流量分类框架，阐述了所涉及的工作流程、分类目标、设计原则以及典型场景等，并提出了一个基于 BERT 的网络流量分类模型，通过将输入的分组净荷进行向量化嵌入，然后送入BERT进行预训练，用于实现流量数据的上下文理解并捕获双向特征，然后对接一个全连接网络对分类下游任务进行微调，从而实现流量分类。通过与AE、VAE、ByteSGAN 3个经典的流量分类深度学习模型在 CICIDS2017 公开数据集上进行对比，发现 BERT的精度明显高于其他方法。
面对大语言模型对算力需求的快速增长，传统的摩尔定律已经难以满足需求，而大语言模型的扩展法则表明更多参数、更多数据和更多算力能够得到更好的模型智能。针对大语言模型的算力度量问题开展研究，旨在评估大语言模型的算力需求。提出大语言模型训练的算力度量模型和大语言模型推理的算力度量模型，并通过理论分析提出了相应的计算方法。
聚焦融合数据如何赋能智慧养老市场的发展，通过对目标群体的精准识别与深入分析，结合基于原始码流的网络数据解析验证、O 域数据标签体系构建等关键技术能力，为智慧养老产品的定制化开发提供了数据支撑，并实现对智慧养老群体特征的精准预测与分析，最终完成基于电信大数据的智慧养老产业价值分析。电信大数据在促进产业升级、优化资源配置等方面起到重要作用，通过精准的数据分析赋能产品创新与市场拓展，提出了基于电信大数据的智慧养老市场赋能新路径。
针对复杂场景下输电线路可视化监控中目标识别准确率不高、误检误报率较高的问题，提出了一种结合大模型的数据扩增和 YOLOv10优化算法来提升复杂场景下目标识别准确率的实现方法。首先，针对样本数据数量短缺的问题，基于Stable-diffusion大模型进行数据扩增，丰富并增加了样本数量。其次，针对训练样本数量有限的情况，对YOLOv10算法进行改进，进一步强化图片特征的提取算法，优化目标识别算法，提升复杂自然场景下的目标识别准确率及性能。最终的实验结果表明，与现有的实现方法相比，针对复杂场景的输电线路的可视化监控，对目标识别的准确率从原有的52.6%提升至54.3%。
5G网络以其高速率、广泛连接和低时延为新技术领域提供支持，但面临着严峻的能耗问题。研究了AI技术在提升基站能效方面的应用，提出了基于图神经网络的流量预测方法，考虑了流量数据的空间关联和时间依赖性。该方法结合图卷积网络和时序卷积模块，优化了基站流量分布，显著提升了流量预测准确性。准确的流量预测能够为基站关停策略提供科学依据，从而有效降低能耗，提升能源效率，减少成本，促进可持续发展。
在一些特殊场景或应急抢险场合，基站部署要求具有良好的移动性。提出基于5G 聚合回传小基站的应急通信方案，深入分析系统新增网元的工作机理和信令交互协议。该方案基于5G一体化小基站，实现无线覆盖和信道扩容；内置高功率锂电池组支撑整机长时间工作；通过宏站小区信道聚合技术，支持弱覆盖区域大带宽数据回传；采用网络切片技术，实现低成本的虚拟化应急专网平台；具有方便携带、灵活组网、快速开通的优势，非常适于抢险救灾、防疫检测等特殊场景的应急通信保障。
无线网络环境复杂，传统的小区切换无法准确匹配不同业务的体验要求，不能保障用户感知。提出基于智能用户编排的 5G网络感知提升方案，能够根据用户实时业务体验，综合考虑终端能力、业务需求、网络能够提供的服务能力，使用户能够快速选择到体验最优的小区，保障了用户感知，充分挖掘和释放5G网络价值，为5G网络感知提升提供了一种新的方案。
随着物联网业务的快速发展，复杂多样的应用场景给物联网卡的运营管理带来了巨大的挑战，传统的管理手段已经无法满足物联网卡使用的监管要求。首先总结物联网卡异常使用现状及管理手段，分析现有异常识别方法的不足，提出了基于图神经网络和Count-Min Sketch算法的物联网卡画像特征融合构建方法，以及基于 XGBoost算法的异常流量识别模型。基于以上技术，实现了对物联网卡的智能监测，提升了违规识别的准确率和召回率。
传统信令分析方法需要专业人员找出可能与失败码相关的聚集的信令字段值或值组合及其导致失败的概率，并定位网络问题，操作复杂且效率低。通过改进Apriori关联规则算法，将探寻聚集的字段值或其组合的过程转换成发现失败码和相关信令字段值的关联规则。在计算频繁项集时，通过设置最小支持度阈值找出包含失败码的频繁项，将待分析失败码作为后项，减少了算法的复杂度和算力要求，并通过置信度和提升度找出与后项强关联的属性，实现了对失败码集中属性的快速高效识别。
人工智能训练的计算复杂度逐年猛增，所需的智能算力从每秒千万次运算增加到数百亿次，甚至进入千亿级别，促进了大规模智算中心的建设。智算中心主要满足智算算力的需求，其布局、建设及维护方案与传统的云资源池存在较大差异，当前运营商对智算中心的布局以及详细方案并没有统一的建议和参考。分析了大模型发展带来的算力、存储、组网的需求挑战，对运营商智算布局以及算力、存储、网络、维护管理等提出了相应的策略和方案建议。
网络能力开放是 5G时代重要的商业模式之一。开放式网关（Open Gateway）是一种新型的通用网络应用程序可编程接口框架，5G 引入 Open Gateway 可实现通信网络平台化，为开发者和云服务提供商提供对运营商网络的通用访问接口。通过分析 Open Gateway 技术原理、架构特点和试用案例，研究开源网关计划在无线网中的应用潜力与商业前景，并介绍了运营商典型的 OpenGateway方案，为组建可互操作的、直观的和可编程的高度开放式5G网络提供借鉴。
“东数西算”战略在优化我国算力资源布局的同时，将显著影响运营商的公众骨干网络架构。分析了运营商算力和公众用户的分布数据，指出了当前算力分布在地区间、省间的不平衡。同时，对“东数西算”第一类节点的业务热点区域的流量本地化程度进行了分析，发现部分流量本地化区域化程度不高、数据中心集约程度不足。基于分析结果和政策背景，提出了一种适应“东数西算”工程算力分布趋势的区域化、层次化运营商公众骨干网络架构，以优化用户感知，高效利用网络资源，将自身发展与国家战略更好地融合。
在云化时代，企业数字化转型需求迅速增长，传统企业的网络管理存在如开通慢、运维成本高等问题，无法达到转型目的。研究分析了云管网络的能力及其优势，并提出一种 SD-Branch 系统方案，解决了多厂商融合配置编排、统一运维管理的痛点，实现多厂商全生命周期的统一网络云管。
