中信科移动HiNet自智网络解决方案获奖

2025/02/24 责任编辑:Hanson 访问:1129

5G时代,数字化转型浪潮汹涌,通信网络成为数字化社会的核心支柱。多频多制式与新技术融合,使得网络复杂度不断提升;海量终端接入与ToC、ToB业务需求井喷,促使网络数据量空前增长。在此背景下,自智网络凭借自动化、智能化的卓越特性,引领通信网络质量与效率的双重飞跃,驱动数据智能升级。它不仅是5G通信与人工智能深度融合的关键趋势,更成为塑造未来通信网络发展蓝图的重要力量。

中信科移动HiNet自智网络解决方案,通过数字化、智能化、敏捷化的理念牵引体系设计和技术发展,相对于传统云端、网络、网元三层的自智网络架构,将大模型技术融入智能网络体系,重构了小模型驱动网络自智和场景智能的模式,充分利用大模型的“全景认知理解”、“新场景能力涌现”、“意图驱动交互”等优势,打造了1+3+N新架构,为自智网络迈向L4提供更高阶的能力。该方案在2024年信息通信业高质量发展“硬核”力量榜单中,荣获“自智网络优秀解决方案”,展现了该方案的先进性和实用性。

1+3+N新架构,即1个模型,3大场景解决方案和N个AI原子能力。1个模型是中信科移动利用长期积累的通信行业实战运维知识语料库所训练出的通信大模型——领航大模型,具备相对于通用大模型更强的通信知识处理和理解能力。3大场景解决方案充分考虑了无线网络长期演进面临的运维需求,分别是全场景结构设计解决方案、全场景参数优化解决方案、全场景感知提升解决方案,通过三大解决方案的应用,可充分洞察发现网络存在的问题,牵引网络规划设计和高效维护优化,结合数字孪生技术等前沿技术保障用户体验提升,提升运营商网络品牌价值。N个AI原子能力是中信科移动根据客户模块化、碎片化、服务化需求抽象出自智网络所需的多个AI能力,如机器视觉AI能力、知识图谱能力、网络孪生能力等,便于运营商客户按需调用和集成。

面向后5G时代“规建维优营”的业务需求,HiNet自智网络解决方案以大数据、算力基站为支撑,结合神经网络、知识图谱、数字孪生、大模型等AI技术,进行平台、数据和技术多重服务,中信科移动已在多省和运营商客户联合开展了大量自智网络实践,推动了多张本地网络的网络质量和用户体验的快速上升。

01在网络规划方面

面向现网弱覆盖精准补点难、增强覆盖竞争力难、站点投资评估难等痛点,中信科移动推出价值站点规划应用FAN(Fast Autoplaning Network),可基于MR等数据结合流量预测、建筑物轮廓和场景识别,精准评估现网,输出扇区级规划及建设优先级,从而指导网络建设价值最大化,提升运营商的网络覆盖竞争力。此外,中信科移动基于大量的现网数据训练打造了业内首个地空AI传播模型,支持地空一体化网络仿真和组网规划,助力低空网络建设和低空经济发展。

02在网络建设方面

中信科移动基于大量的基站图片数据训练,持续构建了二十余项基站设备安装质检模型,结合项目看板构建全链路的站点入网数字化管理,已在19省5G建设中投入使用,站点入网检测效率提升80%以上。

03在网络维护方面

质差小区根因分析应用CRCA(Cell Root Cause Analysis)可助力高效的质差小区治理,在现网中定位网络质差故障等异常原因的准确率高达86%以上,同时兼容多厂家网络,已在9省运营商网络中常态化运行,同时结合网络大模型意图驱动和大小模型协同策略,有效降低运维人员网络操作复杂性,极大的提升了运维效率。

04在网络优化方面

中信科移动RF自智应用(Auto RF)暨MassiveMIMO权值优化,利用天馈软调参数,结合机器学习寻优算法,实现“覆盖问题自动发现-自动分析-自动优化”,助力高效低成本天馈组网覆盖优化;以无人机为载体的空联智测应用支持地空等超视距特殊场景的网络测试和自动干扰排查,结合后端分析平台完成全景网络下的自动测试、自动分析,大大减少了人工现场诊断的投入。

05在网络运营方面

中信科移动结合数字孪生技术的室内网络孪生应用可有效解决大型场馆等室内建筑的建模成本,结合业务仿真预测等算法,有效解决了大型体育场馆如辽宁奥体中心等重点场景的网络可视化运营和重大活动保障,提升了用户网络满意度。

中信科移动HiNet自智网络解决方案推出后,收获了客户的一致好评。既可帮助运营商提升网络智能化水平,还可助力运营商提质增效。该方案展现出了卓越的效能,一方面助力运营商显著提升网络的智能化水平,使得网络能够更加智能地感知、分析和应对各类复杂的运行状况,为用户带来更优质、稳定的网络体验;另一方面,HiNet自智网络解决方案凭借高效的资源编排策略和精准的运维管控措施,帮助运营商在降低运营成本的同时,大幅提升了生产效率和服务质量,全方位助力运营商实现提质增效的目标,为其在激烈的市场竞争中赢得更多优势与机遇。

未来,中信科移动将基于对行业的持续深耕与洞察,利用大模型技术打造更多智能体,从Copilot与单场景Agent部署为主的L4第一阶段,向Agent规模部署与多智能体协同的第二阶段过渡,聚力攻克多域端到端复杂场景的智能化难题。

本文来源:中信科移动

扩展阅读

  • 扫码关注微信公众号