下面内容来自通信人工智能赋能自智网络白皮书。
数据中台技术、通信人工智能、网络数字孪生是驱动自智网络发展的 3 大支撑技术。
作为数据密集型企业，电信运营商每日处理的数据类型多、数量大，部分数据处理实时性要求高。从另一个角度来看，数据是驱动包括人工智能、运营商数智化转型的最为重要的电子基础设施。高性能、低成本、面向智能化、高安全性的大型数据底座将是自智网络赖以生存的基础。
随着 AI 技术的方兴未艾，AI/ML 已经从图像识别、自然语言处理等场景快速扩展到电信领域，应对电信领域低时延、高突发、高复杂的要求更加需要在AI/ML 技术，算法方案进行基础性创新。结合通信大数据、通信 AI 算法的闭环人工智能平台将成为自智网络的关键使能因素。
网络数字孪生技术目前被定义为 6G 的潜在关键技术，网络数字孪生将是未来运营商走向真正全自智网络的重要助推力。网络数字孪生技术不仅能够对现有网络进行全面的复现，更为重要的是结合前文所述的数据底座以及 AI 技术，能够前瞻性的展望未来网络发展。
网络数据中台
推动运营商网络自智水平演进，有效的数据支撑是基础，数据中台需要按照规划、建设、维护、优化、运营的综合需求，遵循统一的数据接入标准和共享规范，接入运营商全网全专业的网络与业务系统数据，在此基础之上对数据进行集中管理、集中存储与统一建模，同时面向运营商内部各类业务系统与应用提供数据同步、数据服务、租户入驻等多种形成的数据访问服务，支持批量数据和实时数据共享，可以满足运营商内不同系统的数据使用需求，为运营商网络全生命周期自动化网络提供数据基础保障。其应当具备下列特征：
图 3-1 网络数据中台支撑自智网络
全面数据覆盖：数据中台从核心网、传输网、无线网和网络云等网元全方位接入数据，依据数据治理思路，数据中台建设对全专业数据进行统一接入与集中管控，按照统一规范要求和应用专题需求，也通过接入其它域（B/M 域）数据，实现OBM域数据的融合拉通，实现网元级、用户级数据的全专业融会贯通，实现数据价值最大化。
有效数据感知：为满足应用数据感知有效性，各类应用对数据的实时性要求不尽相同，比如告警类数据对数据的时效性要求高，应用需要 1 分钟级甚至秒级感知告警发生，资源类、网络质量评估类等应用对数据实时性的要求相对较低，网络流量用户等一些统计数据，15 分钟以上甚至小时级的时延也可以满足要求，数据中台需要既满足实时数据业务需求，又满足批量数据共享的业务需求。
多种数据共享形式：运营商在建系统丰富种类多，各类应用系统对于数据获取并没有统一的接口形式，同时基于不同的业务和数据需求的特征，应用系统的数据接口也很难做到统一，这要求数据中台在数据共享接口方式上实现多样化支持对外共享接口提供文件批量共享、API 接口订阅、数据库直接访问、Kafka 接口、数据模型订阅等多种形式，可以满足不同种类的应用对于数据的访问需求。
通信人工智能
整体上，通信人工智能在各通信生态系统的发展与应用还处于初级阶段。在网络管理领域和业务支撑领域的某些应用，人工智能已到达了第三级别，即部分自智。例如 SON 在网络领域的自优化与自治愈以及 AIOps 在网络运维领域的网络异常检测与故障根因分析等。相较于网元本身的智能化，网络管理与运维本身具有大数据采集能力，算力可通过服务器集群得到保障，智能化应用场景比较明晰，先天具备通信人工智能应用较好的基础与平台，发展相对较快。
通信人工智能在面向不同领域注智赋能时，为了确保效率和效果，降低 AI 使用的门槛，需要引入网络 AI 平台，作为大规模智能服务的基础设施，提供体系化、工程化的 AI 技术能力。
典型的网络 AI 平台，如下图所示，包括网络 AI 平台与 3GPP SON、3GPP NWDAF、O-RAN RIC、ETSI ENI 等模块的 AI 数据采集对接，也包括网络 AI 平台面向 5G OSS 各个系统（例如网络编排、网络性能、网络资源、网络故障等）AI 服务对接。
图 3-2 网络 AI 平台统一支撑网络智能化应用
其中网络 AI 平台作为网络的重要 AI 能力中心之一可以单独或协同 NWDAF 等功能实体，从各网元或网络系统统一收集数据信息，基于自智网络的各领域模型进行实时和离线推理，向各网络智能化应用注智赋能。为了降低已有网络应用系统的改造升级复杂性，实现高效率的信息交互，其关键点在于引入网络 AI 信令体系，目前该信令体系已在 ETSI 国际标准组织 ENI 网络人工智能工作组进行了标准化。
网络 AI 信令体系：提供标准化的通讯机制，实现网络 AI 平台与各网络智能化应用系统（例如网络编排、网络性能、网络资源、网络故障等）的高效率交互。
和 4G/5G 网络信令体系专注各网元的互联互通与交互管理不同，网络 AI 信令体系是网络 AI 中台或平台与各网络智能化应用系统的一整套标准的互联互通及 AI 交互管理命令体系，包括网络人工智能管理命令的定义、网络人工智能命令流在各接口之间的上传、下发机制，网络人工智能分析结果的执行机制，网络人工智能鉴权、授权等机制，网络人工智能算法的训练、推理、发布、部署机制，网络人工智能算法计算、存储资源管理，网络人工智能命令的监控、安全等。
一个典型的小区业务量异常检测的网络AI信令流程示意图以及相应的网络 AI 信令包结构如下图所示。
小区业务量异常检测场景下，信令交互流程实现了外部系统与平台组件间的交互，包括交互信息、交互顺序。由服务 API 发起，以鉴权为切入点，以资源服务为基础，最终实现网络 AI 能力注智。
网络 AI 信令架构设计面向传递运行逻辑，实现网络 AI 信令流程的可评估度量，可监控定位。将 32 位无符号整型拆分为类型码、预留、业务、里程碑、控制、状态。通过网络 AI 信令包框架的定义，期望在异常发生时，不看代码，即可快速定位什么场景下、哪个过程阶段出现了异常，提高响应效率和效果。
网络数字孪生
Gartner 在 2017 年，2018 年和 2019 年连续将数字孪生列为十大技术趋势 之一，并预计未来五年将跨越新型技术成熟度曲线的低谷达到成熟应用的平台期。
数字孪生被定义为对象的数字化表示，进而将数字孪生分为离散数字孪生、复合 数字孪生、组织数据孪生。Gartner 2020 年新兴技术趋势发现先驱者正通过深化离散数字孪生和复合数字孪生技术，尝试解决个性化需求强烈的应用场景如数字孪生人员（Digital Twin of the Person）和孪生公民（Citizen Twins）。
在数字孪生技术体系的语境下，Digital Twin Network 指的是由数字孪生服 务连接构成的数字孪生交互网络。其中，代表物理实体的数字孪生体可以通过互联网多云环境下实现数字化连接，但通过边缘层实现实时的虚实互动。
在电信网络体系的语境下， Network Digital Twin 能更准确的说明网络的数 字孪生化，也就是利用数字孪生技术构建物理网络的数字化境像，全生命周期管理运营网络。
一个与自智网络深度交互的孪生体将为全生命周期管理带来全新理念，包括
网络全息立体可视：随着三维 GIS、BIM、增强现实、虚拟现实等技术的快速发展，融合相关技术实现对通信网络组网拓扑、网络路由分布、网络业务运营状态的全息可视化。充分展现室内到室外，地上到地下的网络分布及运行状态。帮助用户精准掌握网络状况，助力客户有效挖掘网络价值信息。真实还原复杂网络环境，构建网络三维立体沙箱。
数据驱动全生命周期管理：建设以数据驱动的网络全生命周期管理，通过对通信网络网元的数字化建模，实现对通信网元的可管、可控、可视。基于底层数据开放，全面实现网元的数据接口场景化、标准化、自动化。建设不同网元的本体模型，利用深度学习、机器学习等人工智能算法，将业务场景中的运行规则集成于知识图谱，辅助网络网元全生命周期管理中精准推理、业务预测、动态规划等工作。逐步实现网元本体基于历史运行数据实现自学习，进一步完善自有数据模型。
网络运行模拟仿真：打造数字孪生网络的仿真、分析和预测功能，面向现有网络的规划、建设、维护、优化、运营等应用场景，建设通信网络模拟运行环境。通过数字线程等技术，实现对网络运行态、模拟态的镜像管理。基于孪生网络模拟运行环境实现对网络运行趋势的模拟与推演，从而满足网络的自验证、自演进的能力。降低现网部署的试错风险和成本。
网络实时闭环控制：实现物理网络与网络孪生层之间的实时映射关联，可实现基于网络孪生层进行测试、仿真、分析、验证，并将相关网络调整或规划方案实时下发到物理网络层。让用户对物理网络层进行实时控制与优化。
