自动驾驶网络2025年达到L4级别,你准备好了吗

简介: 自动驾驶网络2025年达到L4级别,你准备好了吗

9月23日,自动驾驶网络峰会在京召开。不过,参加峰会的重量级嘉宾并不是特斯拉、百度,也不是奔驰、宝马,而是CCSA、3GPP、信通院、三大电信运营商、华为、亚信这些通信行业的核心成员。难道这些大佬也要跨界造车了?或者他们是在商讨如何为自动驾驶提供高速和高带宽的网络?答案都不是。所谓自动驾驶网络,是一种可预测并具有自主运行能力的网络,也可以说是“网络”的自动驾驶。对于普通人来说,或许网络除了刚上网的时候需要做一个连接配置,平时并不需要我们太多关注。有人会问,难道网络不是自动运行的吗?答案还真不是。下面我们就一起来看看网络为什么要自动驾驶?网络的自动驾驶对于企业和个人来说,又有哪些好处?

image.png


网络也要自动驾驶


我们知道,今天的企业正在面临全面的数字化转型压力。所谓数字化转型,和传统的信息化有着本质的不同,因为数字化不仅仅是建个网站,不仅仅是线上销售,而是要把企业内部的数据打通,让企业依靠数据和数据分析来进行辅助决策,来进行自动化、智能化的生产。所以,今天企业的数字化转型,实际上是要把企业从现实的物理世界搬到虚拟的数字世界上,通过数字孪生来真正把企业的产品设计、生产制造、销售闭环进行数字化改造。而这其中,数据的采集、数据的存储、数据的分析都离不开传感器、物联网和AI。所有的数据联通,都需要网络。有关资料统计,一辆汽车的诞生需要经过冲压、焊装、涂装、总装等多个工艺,涉及钢铁、石油、化工、电子等100多个工业部门,譬如上汽宁德智能工厂规划之初,就采用了华为园区网络规划工具进行工勘,并与IoT融合,能联接500多辆在制车辆、2000多个智能终端设备、超10000个传感器,并且运用大数据技术+回归算法对1000+设备进行主动式预警,降低非计划停机时间20%。毫无疑问,正因为产业链群的庞大,很多中高端制造业的数字化转型必然带来工业生产、设备、仓储、供应商、物流等等各个方面的严峻挑战,因为生产过程中有大量设备需要上传过程数据到数据平台,还有大量的AGV调度等实时业务。这时候,如何保障多网隔离、互不干扰,实现万兆吞吐和接入上联;为大量过程数据的上传提供畅通管道的同时,实现网络的精细化运维;一旦出现问题如何快速定位,找出问题原因并有效解决,保证生产不掉线、业务不中断是企业数字化转型中,网络面临的核心挑战。于是乎,自动驾驶网络应运而生。


标准制定是关键


我们可以想见,未来的网络终极要求是永不中断的,但是硬件存在老化等问题,总会失效的,这时候就要求网络通过软件能力来弥补硬件的缺憾:第一,网络可感知能力,要能够及时发现故障发生;第二,资源一定要池化,要能够统一调度,这样才能够借助多余资源避开故障点;第三,网络调度具备智能重路由的能力有数据显示,传统网络的运营维护严重依赖于人员经验和技能:譬如电信网络平均每1万台设备的运营维护需要约300个工程师,而高效的IT运维平均100万台设备只需要249个工程师,这其中存在100倍左右的效率差距。很显然,在更多面向行业应用的5G时代,一个5G的切片功能就可能涉及大量的网络调度,需求五花八门,并且会随时改变,因为未来的网络必然要具备自动、自愈、自优和自助的能力,才能不仅满足网络永不中断的要求,还能满足行业应用随需应变而又让数据高效联通的需求。如果以汽车的自动驾驶来类比,我们的网络更多还处于L2半自动驾驶时代,而网络的行业优化显然可以类比L3的仅需要人工干预优化的自动驾驶层面。据悉,包括相关网络行业组织和领导企业在2020年已经基本统一了自动驾驶网络的L0~L5分级标准:其中L0是手工运维,具备辅助监控能力,所有动态任务都依赖人执行;L1辅助运维,系统基于已知规则重复性地执行某一子任务,提高重复性工作的执行效率;L2部分自治网络,系统可基于确定的外部环境,对特定单元实现闭环运维,降低对人员经验和技能的要求;L3有条件自治网络,在L2的能力基础上,系统可以实时感知环境变化,在特定领域内基于外部环境动态优化调整,实现基于意图的闭环管理。到了L4,开始形成高度自治网络,在L3的能力基础上,系统能够在更复杂的跨域环境中,面向业务和客户体验驱动网络的预测性或主动性闭环管理,早于客户投诉解决问题,减少业务中断和客户影响,大幅提升客户满意度;而L5则最终实现完全自治网络,系统具备跨多业务、跨领域的全生命周期的闭环自动化能力,真正实现无人驾驶。值得一提的是,包括3GPP SAS标准组主席Thomas Tovinger、ETSI ZSM产业标准组主席Klaus Martiny、CCSA TC610标准推进委员会秘书长敖立等在内的国际国内标准化组织的相关负责人均出席了本次会议,并进行了探讨。TM Forum CEO Nik Willetts在2021自动驾驶网络峰会上表示:“自动驾驶网络这个概念已被全球运营商及通信产业伙伴们所广泛采纳,并正在将‘零接触、零等待、零故障’的愿景目标转为现实,这一切都归功于产业伙伴和业界同仁的相互协作。”一个例子:华为就累计参与了36项自动驾驶网络标准文稿的开发与讨论,涵盖愿景、架构、等级标准、接口规范等7大领域。可以认为,利用中国产业的先发优势,借助CCSA与TMF的标准协作机制,CCSA与ETSI的标准互认机制,推动TMF、CCSA、ETSI、3GPP等9大标准组织开展标准协同,完全可以促进“标准-产业-技术-业务”联动,加快体系化建设。


打造自动驾驶网络新生态


当然,单单制定了标准还不够,还需要明确代际特征、定义产业节奏,给出中国自动驾驶网络演进的具体时间表,这也是这次2021自动驾驶网络峰会的意义所在。据悉,由工信部、CCSA、TM Forum、信通院、中国电信、中国移动、中国联通、华为、亚信等9家产业领袖和专家代表结合当前中国自动驾驶网络应用现状和未来发展趋势,确定了未来五年的中国自动驾驶网络发展目标:到2023年全面提升到L3级有条件自治水平,到2025年在重点业务和网络领域力争达到L4级高度自治水平,网络人工智能技术在通信行业实现重大技术突破,引领国家科技技术进步。值得一提的是,华为携手中国三大运营商围绕网络的“规、建、维、优、营”全生命周期,已经开展了覆盖五大专业和三大业务领域的200多个创新项目,共同孵化了35个场景化应用,基本完成了全场景应用创新。我们知道,自动驾驶网络的目标架构涵盖了电信网络的所有方面,包括无线、接入、传输、光纤、园区和数据中心。应该说,自动驾驶网络不是单个产品的创新,而是系统架构和商业模式的创新,需要整合网络本身能力和管理能力,集成在一起打造新的整体解决方案,形成更好的网络协同性。很显然,要促成跨多业务、跨领域的完全自治网络的加速落地,其中的关键在于产业生态的分工协作,鼓励运营商、设备厂商、OSS厂商等多方生态主体广泛参与实际上,当前的电信网络在走向自动驾驶过程中,存在电信网络状态看不清、看不准等问题,因为离散和封闭的系统导致数据碎片化、流程割裂,跨领域、跨厂商的数据流很难流转并产生价值。同时,电信网络的智能化程度不足,对不确定性的决策和处理几乎都需要依赖工程师和专家的经验。显然,电信行业的自动驾驶首先要从架构和关键技术层面进行系统性思考和创新:首先,需要在物理网络层构建一个能实时感知态势的边缘智能层,提升网络自动化执行的能力;其次,通过统一建模在物理网络之上构建一张数字孪生网络,实现全局态势的可回溯和可预测,基于AI实现预测性运维和主动闭环优化;第三,要以业务体验为中心,自上而下构建统一的数据模型和共享能力,基于开放的云端平台实现AI算法训练和优化,来支撑规划、设计、业务发放、运维保障和网络优化等各类应用的敏捷开发,支撑全生命周期的自动化闭环运营。在笔者看来,自动驾驶网络涉及多种前沿技术的融合应用,更需加强跨组织、跨领域、跨厂商标准化重要事项的统筹协调,建立健全的相关标准化组织合作机制,促进标准的实施落地。显然,未来1年是L3标准体系建设的关键年,CCSA也已经建立了与TMF,ETSI等国际标准组织的合作与互认机制。而2021中国自动驾驶网络峰会中参与其中的工信部、CCSA、TM Forum、信通院、中国电信、中国移动、中国联通、华为、亚信所代表了运营商、设备厂商、OSS厂商等多方生态主体,进一步细化了自动驾驶网络分级标准、完善目标架构和关键技术,加大产业前行动能,为各行各业真正迈向智慧时代打造坚实的网络基础。有了完善的标准体系,相信未来2到3年在中国实现L3的规模部署是非常有希望的。展望未来,正如华为常务董事、ICT基础设施业务管理委员会主任汪涛在2021自动驾驶网络峰会上所说的那样:“面向2025年,需要我们共同明确L4的发展目标,指引产业发展和技术创新,实现高质量的发展。华为愿和全行业伙伴一起,构建开放生态,打造‘零等待、零接触、零故障’、‘自配置、自修复、自优化’的自动驾驶网络,加速迈向立体超宽、确定性体验、智能原生、绿色低碳的通信网络2030。”

相关文章
|
6月前
|
机器学习/深度学习 自动驾驶 安全
基于深度学习的图像识别技术在自动驾驶系统中的应用网络安全与信息安全:防御前线的关键技术与意识
【4月更文挑战第30天】随着人工智能技术的飞速发展,深度学习已成为推动多个技术领域革新的核心力量。特别是在图像识别领域,深度学习模型已展现出超越传统算法的性能。在自动驾驶系统中,准确的图像识别是确保行车安全和高效导航的基础。本文将探讨深度学习在自动驾驶中图像识别的应用,分析关键技术挑战,并提出未来的发展方向。
|
6月前
|
机器学习/深度学习 安全 自动驾驶
网络安全与信息安全:防御前线的科学与艺术基于深度学习的图像识别在自动驾驶技术中的应用
【5月更文挑战第27天】 在数字化时代,网络安全和信息安全已成为维护信息完整性、确保数据传输保密性和保障系统可用性的关键。本文深入探讨了网络安全漏洞的概念、加密技术的应用以及提升安全意识的重要性。通过对网络威胁的分析,提出了一系列创新的防护措施,旨在为读者提供全面的安全防护策略和技术应用指导。 【5月更文挑战第27天】 随着人工智能技术的飞速发展,深度学习已经成为推动许多创新应用的核心动力。尤其是在图像识别领域,深度学习模型已经展现出了超越传统算法的性能。本文将探讨深度学习在图像识别技术中的最新进展以及这些进展如何被应用于自动驾驶汽车系统中,以实现更准确和可靠的环境感知能力。我们将分析当前最
|
6月前
|
机器学习/深度学习 自动驾驶 算法
【计算机视觉+自动驾驶】二、多任务深度学习网络并联式、级联式构建详细讲解(图像解释 超详细必看)
【计算机视觉+自动驾驶】二、多任务深度学习网络并联式、级联式构建详细讲解(图像解释 超详细必看)
261 1
|
6月前
|
机器学习/深度学习 运维 自动驾驶
华为核心网自动驾驶网络被ABI Research评为全球第一
近日,全球著名权威咨询机构ABI Research发布了业界首个《5G核心网端到端自动化及编排能力竞争力报告》。该报告显示,华为核心网自动驾驶网络解决方案(ADN)凭借其业界领先的技术创新和商用部署,综合排名全球第一,被评为全球领导者。
|
6月前
|
机器学习/深度学习 传感器 自动驾驶
【计算机视觉】一、多任务深度学习网络的概念及在自动驾驶中的应用讲解(图文解释 超详细)
【计算机视觉】一、多任务深度学习网络的概念及在自动驾驶中的应用讲解(图文解释 超详细)
93 0
|
12月前
|
机器学习/深度学习 编解码 自动驾驶
【论文解读】MV3D-Net 用于自动驾驶的多视图3D目标检测网络
​MV3D-Net融合了视觉图像和激光雷达点云信息;它只用了点云的俯视图和前视图,这样既能减少计算量,又保留了主要的特征信息。随后生成3D候选区域,把特征和候选区域融合后输出最终的目标检测框。 论文地址:Multi-View 3D Object Detection Network for Autonomous Driving 开源代码:GitHub - bostondiditeam/MV3D: Multi-View 3D Object Detection Network for Autonomous Driving
377 0
|
负载均衡 网络协议 安全
【服务网格架构】Envoy 架构概览(1):术语,线程模型,监听器和网络(L3 / L4)过滤器和HTTP连接管理
【服务网格架构】Envoy 架构概览(1):术语,线程模型,监听器和网络(L3 / L4)过滤器和HTTP连接管理
|
机器学习/深度学习 传感器 人工智能
基于无标注网络驾驶视频,自动驾驶策略预训练新方法 | ICLR 2023
基于无标注网络驾驶视频,自动驾驶策略预训练新方法 | ICLR 2023
132 0
|
负载均衡 网络协议 安全
Envoy 架构概览(1):术语,线程模型,监听器和网络(L3 / L4)过滤器和HTTP连接管理
Envoy 架构概览(1):术语,线程模型,监听器和网络(L3 / L4)过滤器和HTTP连接管理
|
机器学习/深度学习 人工智能 自动驾驶
自动驾驶感知多任务学习网络方法盘点!(检测/分割/车道线/关键点/深度估计)
多任务学习是自动驾驶领域非常重要的一个模块,旨在通过一个网络在较小计算量下实现多个任务,比如分割、检测、关键点、车道线等,除了具有节省计算量的优势外,多任务之间还具有一定的相互辅助作用,比如分割任务会帮助检测任务提升整体性能,下面梳理下自动驾驶领域常用到的一些多任务学习网络;
自动驾驶感知多任务学习网络方法盘点!(检测/分割/车道线/关键点/深度估计)