当柯洁三负AlphaGo之后，一位朋友开玩笑说，你们通信业如果还在老生常谈OTT，忽视了人工智能，估计再也翻不了身了。
你看Google I/O大会，去年就宣布从Mobile First到AI First战略转型了。我们还在厮杀于移动互联，人家已进入人工智能时代了。
不过，通信业的先行者们已经开始布局人工智能了。
•几天前，软银增持英伟达股份，已成为其第四大股东。
•苹果宣布停止使用Imagination的图形处理芯片，希望自主研发GPU。
•华为已瞄准发力人工智能。
•爱立信已宣布Engineered Intelligence（工程智能）解决方案。
从Google，Facebook，亚马逊，再到微软，全球最顶尖科技公司都将目光转向了人工智能。这场科技革命对通信业将产生什么影响？
1
AR/VR也需要GPU
通信业把AR/VR视为未来的5G应用。但是，AR/VR离不开GPU。
人工智能的目标就是让电脑模拟人脑的智慧，并作出决策完成任务，其基本原理就是喂给大量数据，进行学习，进而得出规律，利用这些规律来预测、决策。
而这个学习的过程需要大量数据不断计算，不断训练，需很强的计算能力，GPU因其基于平行运算能力，一次可处理大量数据，因而在AI领域趁势而起。
Google在今年I/O大会上推出了新一代TPU，随即引发了一场Google第二代TPU与英伟达GPU之间孰强孰弱的争论。
这次打败柯洁的AlphaGo实际上就是部署于Google云端的，建立于TPU之上的机器上运行的。采用的正是Google第二代TPU，其推理和训练速度远强于第一代。
不止是人工智能，AR/VR、3D、8K、逼真渲染等未来的5G应用都是基于图形的新兴技术，都或将依赖今天或未来的GPU的强大能力。
GPU将在我们的世界里发挥越来越重要的作用。你看看英伟达像只骄傲的孔雀昂首阔步于华尔街，在智能手机趋于饱和且创新乏味之时，就不难理解苹果为何放弃Imagination而希望自主研发GPU了。
不知道同时在做通信和手机的华为在这方面有何部署？
2
人工智能是物联网的催化剂
今天，电信业一边大谈物联网、大数据，一边担忧商业模式，产品和服务如何变现？人工智能就是物联网、大数据落地变现的最好帮手。
物联网的海量传感器收集海量数据，再通过对海量数据存储、分析，为垂直领域决策提供依据，实现数据变现。
但是，物联网规模越大，数据越多，如何分析数据成为了挑战。面对这些大数据，除非我们真正能够了解它、驾驭它，否则，一无是处。
人工智能就是为处理海量数据而生，对它而言，毫无挑战，它就可以帮我们把这些海量数据转换为价值。
简单的说，我们利用物联网为我们收集海量数据，再邀请人工智能为我们分析数据，识别模型，并作出正确的决策。
你可以问问那些数据分析专家，如果我们采用传统方法来分析动辄TB级的数据量，实在是有点力不从心，而且效率低，花费时间长，难以及时、准确地为客户提供决策依据。
而人工智能可以实现大数据分析的敏捷性和精准性。它可以快速完成分析，做出精准的决策。
3
人工智能与5G自动驾驶
这一段本来属于物联网的范畴，但在下看来，人工智能不是来拯救5G自动驾驶的，而是来搅局的，所以单独成段。
5G有自动驾驶应用，Google等科技巨头也在布局无人驾驶。但这两者的理念和方向却并不相同。
5G自动驾驶讲的是依赖于网络，一辆自动驾驶汽车将产生4000GB的数据流量，相当于近3000人的数据流量消费之和，想想都流口水。
但是，科技巨头们眼中的无人驾驶却在尽量避开网络，他们会预设条件——假如汽车开到了没有网络连接的地方怎么办？
他们希望自动驾驶尽量“自主”，数据处理、决策尽可能在本地端完成，而不是靠实时云端处理，尤其是像刹车一类的关键任务，他们可不想把希望寄托在别人家的网络上。
也就是说，他们会在汽车里配置超级计算（比如GPU），摄像头、雷达、汽车引擎等各种感应数据输入到本地超级计算，然后立即做出决策。相对于网络或云端控制，这才是真正的0时延。
当然，自动驾驶也需要网络。
正如英伟达网站在介绍自动驾驶方案所言：通过统一的架构，深度神经网络可以在数据中心的系统上进行训练，并部署在车内。
自动驾驶确实需要收集大量的传感器、驾驶行为等数据给机器学习系统，以训练，提升算法和模型。
但是，这并不意味着总是需要实时的网络连接。也许实时网络连接只是一个选项，而另一个选项是，回家将车停到车库后，再通过WiFi将数据传到云端。
如果你无法理解，想想飞机，每次飞行会产生TB级的数据量，但这些数据并不都需要通过卫星来实时连接和传送。
不过，尽管5G自动驾驶和科技巨头的无人驾驶在部署方向上有点分歧，但在下以为，两者并不矛盾，反而是互补、互相促进的。
本地端执行+5G网络场景互补，且一旦无人驾驶落地，也加速推动5G需求。
4
网络自动化与人工智能
说到网络自动化，先得谈网络虚拟化，这是前提。
20多年来，运营商的网络已经半自动化了，我指的是越来越多的功能已经转移到软件平台上了。但是，这种“半自动化”意义不大，配置数据和维护网络依然全靠手动。
基于NFV/SDN的网络虚拟化，将大部分物理设施替换成软件，可减少大量的人力物力现场配置和维护，比如扩容无需上站加载波，传统安装调测也省了。这为网络端到端的自动化提供了前所未有的条件。
从另一个角度看，NFV/SDN宣称可节省成本，提高敏捷性，而这两点优势都得依托于网络和服务操作的自动化，否则，NFV/SDN并没有什么X用。
人工智能就可以在网络自动化中发挥重要作用，成为NFV/SDN的又一副催化剂。
人工智能如何在网络自动化中发挥重要作用？
我们的网络每天产生海量的告警、事件、MR、性能指标等数据，但做网络维护的人都知道，很多数据是没用的，会被丢弃，比如，一些无关紧要的告警我们不会处理。
为了发现网络的关键问题，尤其是性能指标恶化，网优工程师不得不统计大量数据，EXCEL排序、筛选、Vlookup、透视... 然后找出几项恶化的指标，但是，这种分析方式通常并不完全准确，因为我们往往忽略各种指标间的关联性，难以做到最周全的考量，而且每一个人的经验能力不同，也难以保证分析不会有误。
在自动化的NFV/SDN网络中，情况就不一样了，网络编排平台加上人工智能的引入，彻底改变传统优化方式。
人工智能算法监视网络行为，并检测触发事件。一旦检测到触发事件，机器学习通过过去的经验事件数据库，对事件进行分析，并提出解决方案，然后解决方案由编排平台自动执行完成。
看来，以后没有网优工程师什么事了？
AI驱动的自动化NFV/SDN网络优势显而易见，可快速实现网络自动“修复”，还能排除人工分析可能会出错的问题，为运营商提供始终如一的客户服务水平。
听起来挺带劲的，不过，据了解，目前不管是NFV/SDN，还是人工智能都属于起步阶段。对于人工智能，现有的机器学习系统并没有完全满足运营商网络的高可靠性、实时处理性和可扩展性的要求。
也就是说，无论机器可以学习多少，无论它可以多快速地分析、决策、执行，但总会出现这样的情况：
在电信领域，无论多优秀的人工智能，都难以替代最后一步的人工干预。
看来，通信工程师不用担心失业了，至少专家级还是会保留的。因为尽管人工智能可以帮助我们排除网络故障，但最终还是需要通信工程师来人工审核。
当然，最大的阻力还是来自我们电信业自己。
我们一直在追赶新技术，但往往不彻底。比如，向IP化转型这个口号在本世纪初就提出来了，但时至今日，电信网络并未完全实现，积重难行、体量和产业链庞大是其中的因素，也有我们自身不想失去对网络控制权的因素。
除非我们放手一搏，否则NFV/SDN不会发生。NFV/SDN不会发生，人工智能自动化也不会发生。
但不管是人工智能，还是NFV/SDN，对网络运维、未来物联网、新兴应用都不无裨益。期待这个时代到来吧，还要等多久？
不过，人工智能，你能帮我完成PPT吗？还有这个月的“XXX套餐”任务？
免责声明：本文仅代表作者个人观点，与奥航智能科技有限公司网站无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
