【中国,深圳,2024年4月18日】 4月17-19日,第21届华为全球分析师大会在中国深圳隆重召开。本次大会的主题为“全面智能化,跃升数字生产力”,旨在分享对智能世界的展望及整体战略思考,并深入探讨行业智能化的发展方向与转型路径。华为公共开发部副总裁邵士新在会议期间深入阐述了华为iMaster NCE的“一图一脑”理念,希望携手更多运营商伙伴共同打造自智网络(Autonomous Networks,AN)L4创新解决方案,以推动固定网络(Fix Broadband, FBB)向高阶自智迈进。

随着数字化转型的深入,运营商在FBB领域迈向AN L4的过程中仍面临诸多挑战,如自动化和智能化水平不足,网络规划、建设、优化和维护的效率难以有效提升,业务体验无法保障等问题。尽管业界对引入大模型实现网络“智能化”的呼声很高,但大模型必须与数字化底座相结合,才能发挥其最大效用,否则将如同空中楼阁,难以落地。
因此,在FBB领域,应优先实现网络的“数字化”,再结合大模型等技术实现网络“智能化”。通过精准的数字底座与专业的通信大模型相结合,提供端到端的FBB解决方案,才能帮助运营商实现AN的代际跃升,达到L4水平。数字底座可视为地图应用,大模型则可比作决策大脑,“一图一脑”的协同作用至关重要。
华为的“一图”即iMaster NCE网络数字地图,提供了FBB领域网络和业务的全栈可视。该地图具备从物理到应用的完备数据及网络状态感知能力,能够收集实时网络数据,实现跨层、跨域,以及从有源到无源网络的全栈可视可管。这不仅支撑了运营商的数字化转型,还为大模型提供了前所未有的洞察和决策依据。
在“一图”的基础上,华为构筑了“一脑”,即FBB领域的通信大模型。语料的质量直接决定大模型的能力。多年来,华为与全球运营商紧密合作,积累了大量专家经验,形成了丰富的解决方案开发、测试及用户指南等文档,共同构成了庞大的百亿通信行业专有语料库。在构建大模型的过程中,华为纳入了这些高质量的语料,并采用了20+关键专利算法来提升模型的能力,如TLHF算法技术加速大模型对网络API的理解,通信思维链与反思算法提升多API编排的准确率等,共同铸就了电信领域优秀的专业大模型。
华为iMaster NCE网络数字地图的能力已在全球50+运营商网络中得到广泛应用。自2019年起,华为就与广东移动围绕网络的“数字化”展开深入合作。随着5G网络的建设,双方在SPN 5G承载网上探索基于网络数字地图的运维模式。iMaster NCE能够对质差基站业务事件进行自动化关联分析,准确识别故障点,指导精准排障,大幅提升用户满意度,助力SPN承载网从2B业务承载网逐步走向生产网。近年来,随着AI等技术的突破,广东移动在iMaster NCE网络数字地图的基础上,成功实践了业界首个网络大模型应用Net Master。该应用凭借FBB领域的核心技术,实现了对通信领域知识问答场景的全面覆盖,展现出卓越的意图理解能力和故障自诊断能力。
·在故障诊断阶段,Net Master提供基于故障场景意图的智能问答和灵活搜索等对话交互功能,大幅减少了网络复杂的手工配置和故障排查程序,使得MTTR从小时级缩短至分钟级。
·在故障闭环阶段,通过意图化API,手机端APP能够实时获取网络资源和故障信息,实现故障处理全流程的可视可管,大幅降低了上站成本,故障响应时间平均缩短了83%。目前,该方案已在广东全省13个地市全面落地,并取得显著成效。
邵士新表示:“通过iMaster NCE的‘一图一脑’结合,FBB网络将实现自决策,支持业务的自动配置、流量的实时调优、网络隐患的提前发现以及故障的快速闭环处理。这将有力推动运营商快速迈向自智网络L4,进一步加速其数字化进程。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。