华为园区自动驾驶网络白皮书

华为园区自动驾驶网络白皮书华为技术有限公司目 录05060701园区自动驾驶网络02052.1 园区自动驾驶网络愿景2.2 园区自动驾驶网络分级2.3 园区自动驾驶网络关键能力特征0102020304园区网络发展的挑战与机遇011.1 园区网络发展面临新挑战1.2 核心技术突破带来新思路1.2.1 基础技术逐步成熟1.2.2 网络自治关键技术逐一突破1.2.3 园区自动驾驶网络时代已开启03081111121314园区自动驾驶网络方案架构与典型应用场景08163.1 园区自动驾驶网络方案架构3.2 园区自动驾驶网络典型应用场景3.2.1 极简网络设计3.2.2 自动网络部署3.2.3 敏捷策略变更3.2.4 最佳应用体验04 总结园区网络发展的挑战与机遇园区作为城市的基本单元，是最重要的人口和产业聚集区。面向千行百业，园区形态多，数量大且规模各异。常见的园区包括产业园区、教育园区、政府园区、制造业园区、社区、商业园区等，可以说在城市里，除了马路就是园区。据统计，我们每天有22小时都在园区里生活与工作，从住宅社区到产业园区，从教育园区到商业园区，从机场到酒店……园区网络包含有线网络与无线网络两部分，随着云计算、物联网、大数据、人工智能、5G等新技术在园区的不断落地，各项智能化应用如雨后春笋般迅速涌现，园区网络的范畴与职能也在快速迭代演进。在数字化时代，园区网络已成为智能园区实现万物互联的基座，在提供基础的网络互联互通能力之外，还需要园区网络能够为智能园区应用提供全生命周期的保驾护航。这使得园区网络需要从被动的哑管道向使能万物互联的开放NaaS（Network-as-a-Service）服务进行演进。2020年华为联合IDC发布《ICT加速智慧园区数字化转型》白皮书，这项研究发现全球企业园区数字化正进入快车道，37%的企业已进入深度数字化阶段，52%的企业正从初步数字化走向深度数字化。同时研究还发现端到端业务的体验保障和运营管理是园区数字化的TOP挑战。而网络是这一TOP挑战的基础：高性能网络是保障体验的基础；网络智能管理是提升运营效率的基础。在制造、金融、零售、交通、教育、医疗、能源、政府八大行业里，700家受访企业中76%的企业有园区网络改造的诉求，但同时又受限于网络技术复杂、人员技能不足、以及资金短缺的问题，使得园区网络的智能化改造无法启动，进而造成企业数字化进程的严重滞后。园区网络发展面临新挑战1.101园区网络发展的挑战与机遇未来2年，企业改造园区网络的意愿园区网络TOP痛点企业希望改造园区网络占比 76%VS30.025.020.015.010.05.00.00.40.41.03.46.711.811.228.431.6%31.5%29.4%25.810.8不希望非常希望网络技术复杂人员缺少技能缺少预算和资源0102总体看来，在万物感知、万物互联、万物智能的智慧化园区时代，园区网络传统的规划、建设、维护、优化手段已无法应对数字化带来的新挑战。主要体现在如下几个方面：低效率的网络部署与新业务开通，使得园区网络响应滞后，无法满足数字化转型的敏捷、高效诉求。在长期的工程实践中我们发现，如何通过提升园区网络的自动化与智能化能力水平，进而降低网络运维难度并实现网络根据业务诉求按需变化，是解决上述挑战的关键点，也是一直困扰网络工程师的关键难题。基础技术领域以及网络领域核心技术的积累与突破，为在这条破局之路上继续前行带来新的思路。在智慧园区发展的进程中，数字孪生与人工智能是两个最基础的技术领域，它决定了园区业务以及园区网络的智能化发展水平，无论是学术界、工业界，还是标准领域的专家学者都投入了大量时间，进行了大量基础研究。目前这两个领域的技术已经逐步成熟：核心技术突破带来新思路1.2.1 基础技术逐步成熟1.2数字孪生体系日趋完善在学术界数字孪生被定义为：以数字化方式创建物理实体的虚拟镜像，借助历史/实时数据以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段。工信部在2020年11月份发布的《数字孪生应用白皮书》中提出，数字孪生技术在智能制造、智慧城市、智慧交通、智慧能源、智慧建筑、智慧健康等多个领域均有成功落地的应用案例，同时数字孪生的标准化工作也在稳步推进，如中国提出的两项国际标准《数字孪生 概念与术语》（ISO/IEC AWI 5618）和《数字孪生 应用案例》（ISO/IEC AWI 5719）均已成功立项。园区网络发展的挑战与机遇日趋复杂的网络结构与简单原始的管理手段，使得园区网络的运维难度日益升高，OPEX占比居高不下，数字化转型需要网络管理简单、运维方便，从而适应业务多样化。传统网络开放性差，网络和应用分离：网络管理系统与业务系统（如策略控制、计费、大数据分析等）独立部署，接口不兼容导致对接困难。数字化转型需要网络能够快速集成第三方应用，帮助智慧园区发展园区增值服务。园区网络发展的挑战与机遇03数字孪生、人工智能领域的基础技术与网络有机结合，可极大提升网络运维的自动化与智能化水平，加速网络自治的进程。不仅可以代替人工处理大量重复性、复杂性的操作，还可基于海量数据提升网络预测和预防能力，通过数据更懂客户，基于数据驱动差异化的产品服务，使得自动驾驶在网络领域的落地生根成为可能。1.2.2 网络自治关键技术逐一突破人工智能技术逐渐成熟Gartner在2020年9月份发布的人工智能（AI）技术成熟度曲线分析中提出，人工智能领域正在呈现普及化与产业化的主导趋势：AI不再是某些技术领域顶级专家的特权，而是越来越适用于各种身份、技术水平，尤其是具有不同创造力和洞察力的用户；同时人工智能平台的产业化发展，也使得AI的可重用性、可扩展性和安全性得到迅速提升，进而推动并加速了AI技术的普及和成长。人工智能领域的重要技术突破，如生成型AI、小数据、复合AI、负责任的AI等，极大的促进了AI技术在各行各业的应用落地。网络数字孪生属于数字孪生的一个应用子集，是对网络状态的数字化实时表示，包括静态信息（设备类型、容量、拓扑、配置等），动态信息（流量、表项、性能、告警、事件等），关联关系（对象模型、属性关联等）等。它为网络实现设计推荐、故障处理、资源性能优化等智能决策环节提供了一张高精地图。网络数字孪生应包含三大关键能力： 高精地图：构建物理设备、物理网络、逻辑网络、协议拓扑、业务网络多图层的统一拓扑，支持多图层间对象关联搜索能力。 历史回放：数据携带时间和空间标签，既可以通过数字化的方式呈现当前的实时网络状态，也可以在时间轴选定时刻回放历史的运行状态。 数据超市：提供统一的数据管理、查询服务，降低数据访问难度。在自动驾驶网络时代，网络不仅要为终端提供基础服务，还需要根据终端类型来提供差异化的优质服务。随着IoT技术在千行百业的稳步落地，如何为海量终端提供优质的网络服务是一个难题，自动化、智能化的完成终端识别处理，是攻克这一难题的关键技术。KNN/ANN（K-/Approximate Nearest Neighbor）机器学习算法与知识图谱（Knowledge Graph）等AI技术的有机结合，为终端识别，特别是未知终端识别提供了技术支撑，智能终端