飛象網訊（六月/文）近日，在“2018中國SDN/NFV大會”間隙，SDN/NFV產業聯盟理事長、中國電信科技委主任韋樂平接受飛象網記者采訪時表示，目前SDN已進入理性發展階段，但NFV征程依然艱難，同時，他指出AI有望解決網絡架構重構面臨的三大挑戰，使能網絡架構重構新階段，但就目前而言，運營商現有組織結構還無法適應AI。

SDN已渡過炒作期 選入理性發展階段

韋樂平表示，當前，SDN標準化進程加速。IETF南北向接口定義完成；BBF瞄準產業轉型，推進網絡云化；0NAP開源組織推出第一版本，ONF TAPI2.0信模型發布。SDN標準和開源組織走向協同。標準組織通過組織Hackthon參與開源，而開源組織開始反推標準。

同時，基于SDN/NFV的網絡云化成為共識，根據 Mason預測，2017年全球網絡云化市場為52億美元,未來年增長25%，2020年達到121億美元。當前，全球電信云項目已超過400個。

未來，SDN專線將成熱點，SD-WAN成為SDN邁向大網的關鍵和切入點。

韋樂平還指出，“Zero- Touch& Automation”將成為SDN的新熱點，因為SDN技術只能解決自動化的10%的問題,而90%的問題是組織、流程和人的問題。因此自動化是關鍵。

另外，SDN將進一步從自動化走向智能化，電信網的復雜性和人工依賴性使得具備應付高度復雜性能力的AI具有很好的擴展空間。比如，結合SDN與AI的基于意愿的隨愿網絡(IBN)將可能成為網絡自動化和智能化的目標。

NFV化已開始落地 但征程依然艱難

在談到NFV的發展情況，韋樂平表示，NFV項目已覆蓋所有核心網網元(如vEPC,vIMS)。NFV開始落地，5G成為NFV新的最大驅動力，NFV成5G必要條件。

不過，由于思維落后、硬件性能限制、標準化滯后及互操作的復雜性，其他領域的NFV化還不盡人意。

同時，韋樂平坦言：“網絡云化的挑戰不可輕視。遠營商的一朵云理想依然還只是理想，其內部IT系統的復雜性和對外服務的質量和速度要求導致公有云和電信云還在獨立建設，共享只在在機房、局址和動環。”

他進一步講到，統一的IaaS層是第一步，統一的PaaS層也是可期待的，起碼具備公共的技術架構和組件，此外，白盒開始落地，但征程依然艱難，灰盒是過渡。

AI有望使能網絡架構重構新階段

據韋樂平介紹，基于SDN/NFV/Cloud的網絡架構重構帶來大量新的多維度復雜性，在很大程度上抵消了其帶來的諸多好處，而AI在處理復雜問題上的能力遠超人腦，有望解決網絡架構重構所面臨的三個挑戰：網絡架構動態變化帶來的網絡和業務復雜性、網元分層解耦后的故障定位等運維帶來的復雜性、網絡資源實時調整帶來的網絡運行復雜性。

同時，韋樂平指出，一切基于軟件的復雜多維問題都可以借助于AI的幫助，復雜的多層、多域、多協議、多接口、多參數、多廠家的網絡和業務問題也不例外，只是AI在不同層面和領域的作用和引入路徑不同。

談及AI網絡應用的一般原則，韋樂平講到，越高層，越集中，跨域分析能力越強，對計算能力的要求也越高，所需數據量也越大，更適合對全局性的策略集中進行訓練和推理。越低層，越接近終端，專項分析能力越強，對實時性要求往往越來越高，對計算能力要求則滿足業務需求即可，適合引入AI的推理能力或具備輕量級的訓練能力即可。

運營商現有組織架構無法適應AI

盡管AI對于網絡架構重構具備非凡的意義，目前運營商現有垂直煙筒式組織架構不適應AI使能的網絡，僅僅依靠技術和業務重構，不下決心實施組織重構難以推進AI使能的深度網絡架構重構。

目前，AI的網絡應用面臨不少挑戰，現有的AI技術的實現領域主要在于“識別”，例如識別物體類別、識別人臉特征，甚至自學習棋譜中的規律。但是AI技術目前缺乏成熟可靠的電信網絡和業務的建模，也就讓AI的神經網絡還無法在網絡應用中快速自學習，繼而發揮自身的作用。

究其原因在于AI成功應用的前提是足夠大的訓練數據。盡管電信網的數據足夠大，但由于部門和各管理層級的數據語義和格式不同、數據存儲和管理應用機制不同、數據監管限制等原因，能真正有效利用的有價值數據并不夠用。

此外，現有組織架構往往是依靠特定的業務部門的專門團隊來支撐特定的業務、應用和網絡功能，從而形成了大量垂直一體化的業務和網絡煙囪，不僅耗費了大量的人力物力和資金，而且還無法共享資源，難以提供融合性業務和網絡。

為了解決這一問題，韋樂平認為組織結構的水平化是必由之路，打破部門壁壘，實施組織架構水平化是成功的前提。