维度网讯，AT&T推出基于自有网络数据训练的网络基础模型，旨在提升能效、优化中断管理，并推动网络向更高自主化水平演进。AT&T网络分析与自动化副总裁Raj Savoor在Fierce举办的“AI与自动化网络”虚拟活动上介绍了这一AI模型的具体情况。

Raj Savoor解释称，网络基础模型是基于AT&T自身的网络数据、配置、关键绩效指标以及所有时间序列和事件数据训练的AI模型。这些模型拥有100亿参数，基于1100亿token训练而成。AT&T已将该模型应用于提升能效和补偿站点中断。

Savoor表示，与以往使用传统机器学习模型对基站应用静态规则的方法不同，新模型能够利用更小的时间间隔，以更规律的节奏进行训练，从而更动态地推动能效提升。他指出，新方法在效率上实现了“显著”提升，并使系统能够发现“仅凭ML模型和经典回归分析无法看到的模式”。

网络基础模型的另一个主要用例是在中断期间管理天线倾角，实现所谓的“中断补偿”。该模型使AT&T能够大规模调整天线倾角并具备容量感知能力，从而实时优化覆盖和容量。Savoor认为，这一能力是人工操作无法实现的。其他用例还包括将告警与工单关联，以及基于历史事件预测故障和软件拥塞。

Savoor透露，这些属于AT&T目前投入生产的大约五个大型用例，公司正在开发更多此类网络基础模型。在通往自主网络的路径上，Savoor指出，无线网络领域每10至12年随着新3GPP移动标准的引入有一个刷新周期，这使其在实现自主化方面更具优势，部分子域流程已达到4级自主，许多处于3.5级并接近4级。相比之下，有线网络包含数百种网元类型，实现端到端自动化需要控制平面层的更高同质性，因此自主之路更为复杂。AT&T正在推进大型核心有线网络转型，预计未来三年内将有端到端的重大机遇出现。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com