浪漫满屋之我是韩智恩都说5G赋能千行百业将会改变社会，那么AI赋能5G将会给电信业带哪些变化？如果再加上边缘计算，又将创造哪些应用场景？

　　“构建人工智能和大数据应用对电信行业非常重要。” 英特尔院士戴金权在上海展期间讲道。无论是5G网络，还是智能边缘计算、网络云化，在这个端到端的结构中，从设备端到接入网，到核心网，到数据中心或者云端，人工智能都起到非常关键的作用。

　　因为随着5G+万物互联网时代的到来，业务应用的多样性和及时性，要求网络反应要更加敏捷智能，网络功能因此越来越复杂，这些问题已无法通过传统人工方式解决，智能边缘计算、智能网络切片、智能网络配置以及绿色节能等场景都更依赖人工智能(AI)发挥价值，这驱动行业广泛采用AI技术以实现网络智慧运营。

　　所以戴金权说人工智能在整个电信网络中起到的是一个非常关键的作用。无论是为提高网络的效率，降低运营成本，还是为了提高用户体验，再或者是为了制造一个新的增长点，都需要大量的基于人工智能应用的支撑。

　　举例来说，无线网络发展到今天，网络的自动化变得越来越重要。以网络切片为例，就需要对网络大量KPI数据进行分析，从而来预测将来的KPI，从而能够对网络资源进行管理和分配。

　　AI技术为网络带来预测和推理的能力，将在前瞻性预测预防、高复杂度多维分析、寻找最优解及减少重复人工任务等方面发挥作用，助力网络全方位降本增效、价值挖掘和体验改善，这已经成为电信行业的普遍共识。对电信网络内部来说，通过人工智能技术挖掘分析大量运营数据中隐藏的信息，可以用于辅助运营商提升运营和服务效率，提升网络运营和服务质量。对电信网络外部来说，基于业已成熟的图像、语音、语义智能技术，人工智能技术能够有效促进电信业务多元化，帮助电信运营商拓展新的业务形态和市场空间。目前电信行业已成为AI最大的细分市场，主要覆盖网络/IT运营监控和管理、客户服务和市场营销、智能CRM系统、客户体验管理、网络安全等场景。

　　全球主流运营商都在积极拥抱人工智能，通过全面引入和发展人工智能技术，对内对外提供AI通用能力平台、应用和解决方案，提升智慧化运营水平。AI网络建设、AI产业驱动、AI技术应用、AI服务提供成为重点发展战略。

　　但是，构建现实场景中的电信行业人工智能应用远比在实验室中做深度学习训练或者实验复杂得多。这需要端到端大数据处理分析能力和人工智能的能力，实现数据的导入、大规模数据的处理分析，再到提取特征、工程的建模、训练、推理、部署等。

　　AI助力电信业威力四射，但在具体实践中还是面临许多挑战和难题，工信部科技委常务副主任、中国电信集团科技委主任韦乐平就表示，人工智能网络应用面临的挑战还很多，其中之一就是网络和业务复杂多变，缺乏成熟可靠的电信网络和业务的建模和特征表示及提取方法。

　　戴金权也认为，构建现实场景中的电信行业人工智能应用远比在实验室中做深度学习训练或者实验复杂得多，需要端到端大数据处理分析能力和人工智能的能力，实现数据的导入、大规模数据的处理分析，再到提取特征、工程的建模、训练、推理、部署等。

　　为了解决这些挑战，英特尔开源了Analytics Zoo这样一个端到端的软件平台，帮助用户构建、开发和部署人工智能和大数据应用。Analytics Zoo构建在类似于oneAPI这样的高效优化计算库和系统框架上，在不同的硬件平台上(一个跨XPU的平台上)进行高效处理。Analytics Zoo提供了各种流水线和工作流的支持，帮助用户开发大数据分析和人工智能应用。英特尔帮助用户高效地将机器学习、深度学习、AI的模型应用在大数据平台上。

　　“有很多用户希望将现有的TensorFlow或者Python模型直接运行在他们的大数据平台Spark平台上，并且能够无缝地扩展到一个大规模分布式场景中。” 戴金权讲道。

　　Analytics Zoo提供了各种机器学习流水线和工作流的支持，如提供AutoML这样的高级工作流帮助用户自动化地构建端到端的流水线，通过使用机器学习的算法来自动构建机器学习的流程，将特征提取、模型选择、调整等自动化起来。之后针对各种不同应用场景的模型算法，不管是推荐的模型，还是提前训练的模型等等，帮助用户非常高效的将这些不同的应用场，构建在下层的工作流程和流水线上面。

　　基于Analytics Zoo开源端到端软件平台，英特尔和多个合作伙伴展开深入合作。SK电讯就是经过多次实验和实践后，选择英特尔Analytics Zoo平台来构建一个端到端AI的流水线。

　　作为韩国最大的电信公司，SK电讯有着庞大的基站数，他需要解决的问题，就是如何通过收集分析基站中的一些网络KPI来进行大规模时间序列分析，再预测网络KPI的将来值，从而能够监控网络的一个健康程度，进行告警等。

　　以前的做法是利用Redis、RocksDB以及Spark等构建大数据平台，共享这些大规模网络KPI数据，并存在平台上，然后利用Spark等数据进行处理分析。之后再利用Tensorflow构建一个深度学习模型，对数据进行建模、训练、推理。但这个过程中将遇到一个非常大的一个挑战，就是如何将Tensorflow模型能够直接运行在Spark处理的结果上进行大规模分布式扩展。传统的思路是构建两个集群，一个大数据的集群，一个深度学习的集群。然后，把大数据处理分析的结果通过文件导出，导出成一些CSV文件，从大数据集群拷贝到深度学习集群，然后再导入，用Tensorflow来进行训练或者推理。

　　经过多次实验和验证后，SK电讯选择了Analytics Zoo平台来构建一个统一的、端到端的大数据分析和人工智能集群，利用Analytics Zoo直接将Tensorflow模型运行在Spark平台上，也就是可以直接在同一个Spark平台上对数据处理和进行深度学习训练和推理。根据SK电讯的测试，利用Analytics Zoo直接在Spark集群上运行TensorFlow训练和推理，可以将端到端推理效率提高到三倍以上。

　　同样，亚信科技选择Analytics Zoo平台来应对用户满意度或用户轨迹的分析等多方面挑战。对大量用户在网络中的状态进行大规模处理和分析，这需要一个大规模的大数据平台对这些数据进行分布式处理，再用机器学习或者深度学习模型来进行训练和推理，Analytics Zoo提供了端到端的流水线的功能，能够很方便地将TensorFlow等不同的模型直接运行在英特尔的大数据集群。

　　“无论从硬件层CPU、SPU，还是软件层的各种优化的库，计算框架，包括Analytics Zoo开源平台的工具，我们和合作伙伴一起合作，来构建端到端的大数据分析和人工智能的应用来解决电信行业中的各种实际问题。”戴金权讲道。