網路的開放和封閉的思考

5月9日至10日，以“數智創新·助力經濟高質量發展”為主題的2023年·雲網智聯大會在北京隆重舉行。大會匯聚國內外產、學、研、資各方嘉賓，吸引了來自國際組織、高校及科研單位、知名院士、專家學者、企業代表及主流媒體等800餘人參加，打造一場高規格、高水平、大規模的通訊行業盛會。

大會第一天，中國電信集團科技委主任韋樂平在主論壇上發表了《網路的開放和封閉的思考》的主題演講，他表示，電信業近幾年開始了網路開放性的艱難探索，試圖透過引入SDN、NFV和Cloud以及葉脊網路架構走向開放，主要目的就是引入競爭、促進創新、降低成本、壯大生態。

▲中國電信集團科技委主任 韋樂平

開放性和封閉性的思考

韋樂平認為，“開放性是強大產業生態的催化劑。”IT業1980年代即開啟計算機軟體、硬體、外設間的開放，從而形成了一個蓬勃發展的開放大生態。DCN是最早在網路層面開啟商用晶片替代專用硬體、軟硬解耦、光電解耦、硬體白盒化、軟體開源化程式的領域。

電信業的生態卻越來越弱，特別是封閉的網路和網元難以支撐不斷創新的網際網路和雲應用，也無法完成網路架構的靈活重構，甚至成為電信網成本居高不下的主要原因之一。

近來，GSMA對156個運營商的調查顯示，儘管網路開放進展不快，挑戰不少，但是98%的運營商正在考慮採用開放架構。

網路架構開放的重要技術目標是實現動能解構。

縱向，各個層面兩兩解耦，同廠或異廠不同層面的軟硬體可以靈活按需組合乃至選優組合，突破廠家鎖定。這是開放的初期目標。

橫向，同一層面內能夠提供特定功能的最小獨立功能塊——元件間也完全解構，能夠按需靈活組合應用。這是開放的重要目標。

封閉性是差異化、專業化的護欄。

頭部網際網路企業依靠強大技術能力和細分市場的優勢在應用層面走向專業化、差異化和封閉化，形成專業壟斷，取得巨大成功。

美國OpenAI在AI基礎層面開發的大型生成時模型ChatGPT和GPT-4的能力和威力影響和震驚了全社會，但卻是一個封閉演算法黑箱。荷蘭ASML開發的EUV光刻機獨步天下，無人能及。

不少科技型企業在網元和器件級別上採用了專用技術、先進架構、特殊演算法、一體化整合等等，開發出高效能網元和器件，形成他人難以模仿的壁壘。例如CPU/GPU和某些高效能網元和器件。創新壟斷幾乎是所有科技型企業的現實追求和精神追求。

開放性和專用性在競爭中並行發展，並將繼續在競爭中並行發展。開放性是ICT行業發展的主旋律，專用性是網際網路和科技型企業發展的主旋律。無論哪條路線，關鍵的關鍵是持續創新!

開放性標準化的最新進展

目前，介入開放性研究的各類機構很多，從不同的角度推動開放性的國際標準，例如TIP、IETF、MSA、ONF、OIF、OCP等。

2023年巴塞羅那移動大會上，GSMA宣佈GSMA Open Gateway計劃，試圖透過定義一個通用網路應用程式可程式設計介面(API)框架，將通訊網路變成一個通用大平臺，為開發者提供標準化的通用訪問介面，從而可以方便的獲取運營商開放的電信能力。行業期望藉助開放性，最終構築起運營商和雲公司的數字化新生態。

目前，GSMA已經定義了包括QoD(QoS on Demand)在內的8個開放API，正在定義更多的開放介面。在2023年巴塞羅那移動大會上，西電和德電等歐洲運營商成為開放API的積極推動者，並認為開放性將是運營商的下一個“金礦”。

傳統RAN的現狀與問題

在傳統移動網中，RAN是專用整合方案，形成區域性封閉的幾個單廠家局面，效能較好，規避了多廠家整合的複雜性，卻與當前的開放大趨勢背離，生態弱、成本高、創新慢。

傳統RAN主要的問題是每個基站按最大使用者數和流量設計，多數時間處理能力浪費。每個基站獨立管理，需要對鄰站頻率複用協調，製冷和電源也需要專門設計。

引入RRH與BBU分離的分散式架構後，實現了BBU的集中控制，但兩者間依然是私有解決方案。引入虛擬化後，BBU將從定製化硬體轉變為虛擬化基礎設施，但是BBU與RRH之間依然是私有解決方案，導致整個RAN依然是封閉的私有整合方案。

RAN的開放性探索歷程

C-RAN(Centralized RAN，Cloud RAN)實現RAN功能虛擬化，BBU處理資源集中化、開放化、協作化，推動了RAN的開放解耦，起到提效率、降成本、降時延、降功耗的初步開放化目標，但是C-RAN依然是單廠家封閉解決方案。

vRAN(Virtual RAN)實現RAN的軟硬解耦和硬體白盒化，開放化又進了一步，但是無線與BBU間依然是專用介面，RAN內元件間更是專用封閉介面。

O-RAN(Open RAN)實現BBU與RRU/RRH間介面，以及RAN內元件間介面的開放和標準化，RAN的升級只需替換軟體即可，實現了類似IT業的水平化架構重構，從而提供了更高層次的開放性。

開放RAN的技術內涵

虛擬化RAN(vRAN)指基帶的軟硬體解構，基帶功能虛擬化，可以部署在任何雲服務商提供的標準雲端計算硬體上。

開放RAN(Open RAN)進一步將基站的幾乎所有功能虛擬化並期望能部署在任何供應商提供的任何雲端計算硬體(包括COTS)上。Open RAN並不意味著必然是軟體開源，主要強調介面的開放和互操作，多陣列件可能仍然是私有技術。

Open RAN遵守3GPP標準要求，但增加了更多互操作性要求和RAN內部元件間的開放介面要求，進一步實現RAN內部元件功能的解構，邁向更高層次的網路開放。

5G沒有根本解決開放性問題

5G標準儘管支援開放性雲化基礎設施，但實際只是在核心網兌現了私有云方案，佔投資70-80%的RAN依然是封閉的灰盒標準，形成多個單廠家封閉的孤島局面。

O-RAN的首要目標是開啟灰盒，定義若干開放功能元素和介面，從而充分發掘5G和雲的全部潛力;其次，開放和解構也是為了在最花錢的RAN引入更充分的競爭局面，降低網路成本。

第三，新的開放介面可望提供更多新業多新應用的機會;第四，透過O-RAN架構上的編排菅理層，可以將雲基礎擴充套件至網路，進而由RAN智慧控制器(RIC)將雲化轉型的一系列好處從RAN擴充套件出去。

開放RAN的技術走向與生態

開放RAN具有開放和互操作介面及軟體硬體解構的新架構，主要依託通用計算平臺，而非定製硬體來實現RAN功能並用雲原生機理來管理RAN的虛擬化應用。

開放RAN擁有三項基本技術：SDN、NFV和容器化。其硬體走向白盒化，軟體走向開源化，介面走向標誰化，控制走向雲化。

開放RAN的生態建設是能否成功的關鍵是不僅靠技術和標準化，更要靠產業鏈合作，包括監管和經濟性，沒有一個或一類玩家能夠獨立支撐，挑戰不能低估。

開放RAN的潛在優勢

開啟元部件之間的私有介面，發掘雲網全部技術潛力。引入更充分競爭局面，據諮詢機構預測，開放RAN有潛力降低CAPEX約40-50%，降低OPEX約35%-40%。

快速響應布場，期望帶來更多新業務、新應用、新收入;透過編排管理層可以將雲基礎擴充套件至網路，進而由RIC將雲化轉型的一系列好處從RAN擴充套件出去;藉助自動化供給和全生命期管理，提升執行效率和頻譜效率、按需管理容量等。

有更多各有專長的供應商進入市場，涉及晶片、光模組、射頻元器件、軟體、整合和支撐服務等，形成跨領域、跨行業的協同合作局面和健壯的大生態。

開放RAN的劣勢和挑戰

不僅靠技術和標準化，更要靠產業鏈各方合力，但面臨行業內卷、利益格局壁壘乃至國家間政治博弈的影響，產業鏈不成熟;大流量能力、擴充套件性、時延效能和功耗還遠遜傳統封閉方案。

安全性依然是運營商的重要關切問題;對IT/雲能力和系統整合能力要求很高，是運營商短板。需要大批具有紮實網路和雲技術根底，且具實際操作能力和協調能力的專家;需底層網路承載的協同，保證必要容量和低時延。而前傳領域塊乏行業共識的技術方案和演進路徑。

互操作規定缺失，只有制定網路職責界定的明確規定，才能確保故障快速發現、診斷、尋根和排除;開放RAN與現有網路的整合挑戰。

開放RAN的市場趨勢

Appledore Research預測，2026年開放RAN元部件和服務市場大約佔全部RAN的15-20%，Omidia預測為16%。

開放RAN將逐漸成為RAN的重要模式。個人認為，在5G領先國家，例如中國，5G時代機會有限，但有可能成為6G時代的重要模式。

開放RAN的市場格局一三種開放模式

傳統頭部廠家依託其技術、市場地位和長期客戶關係仍將佔主導地位，單廠家開放RAN約佔70-80%;新進入者單廠家開放RAN約佔10-20%;多廠家開放RAN約佔10%左右。

先從效能要求不高的場景啟步(地庫、偏遠區域等)

ChatGPT開創人工智慧新時代

ChatGPT是美國OpenAI開發的聊天機器人程式，是AI驅動的自然語言處理工具，能像人一樣聊天交流。

最新推出的GPT-4不僅能聊天，而且已具備多模態能力和自主學習、自我進化能力，成為一款智慧決策和創作系統。

GPT-4不僅在語言，還在數學、音樂、程式設計、圖片、醫學、法律等諸多領域表現出色且具備了綜合能力，正向通用人工智慧方向邁進，成為全人類共享的超級數字大腦。同時，其自主學習思考、自我更新進化能力也給人類帶來不可預測、難以控制的深遠影響。

GPT-4引入了知識和經驗，但依然靠蠻力計算，算力成本和功耗很高，對資料規模和資料質量要求也很高，時效性和通用性不強，推理能力不夠強，訓練推理結果不可預測，可以看作是2.5代AI。

ChatGPT的技術核心和侷限

ChatGPT的技術核心是引入基於人類反饋的強化學習(RLHF)，使得模型訓練和推理結果與人類常識、認知、需求、價值觀一致，還能自己創編新知識，正成為不斷進化的數字大腦。

ChatGPT的技術侷限是採用生成式大模型GPT，需海量的高質量語料庫訓練，才能使模型擬合真實世界，對算力、演算法和資料要求很高，目前訓練模型引數達1750億，使用1萬個GPU顯示卡A100，不僅昂費，而且功耗可觀。

GPT-4訓練模型達1萬億引數(松鼠大腦)，離人腦(100萬億)不太遙遠。但不懂道理，仍有不少侷限和荒謬應答，Hinton稱為“白痴天才”，期望更智慧、更安全、更人性、更高效、更通用。

ChatGPT的潛在風險

不可預測和難以控制，演算法黑箱導致不可預測的信任危機和潛在風險;自主學習、白我進化能力給人類帶來不可預測，難以控制的訓練結果。甚至潛在的災難。奧特曼的茫然和Hinton的辭職和後悔......

資訊保安和隱私洩露，高度擬人的訓練結果強化了假資訊的逼真度和快速傳播;錯誤的訓練結果會誤導人類做出錯誤決策，引發社會混亂。

版權體系的崩塌，GPT無償的學習和利用了大量傳媒的內容而不付費。

普通腦力勞動者的替代，有能力替代大量普通白領工作，造成社會的不安定。

構建電信專業GPT的必要性

生成式基礎大模型GPT的侷限性。作為基礎大模型，GPT儘管威力巨大，但是耗資巨大，訓練耗時過長，沒有幾個企業負擔得起。

作為基礎大模型GPT主要基於網際網路現有的公開可用的開放資料進行訓練，不僅缺少電信專業的非開放專業資料，而且其時效性和準確性不足以全面支撐瞬息萬變的電信網路和業務。

生成式電信專業大模型GPT的必要性。企業可能需要在基礎大模型GPT框架上開發一個規模沒有那麼大、成本可控、專業性更強，更有利於人工智慧廣泛應用的大模型，即電信專業GPT。這方面電信企業已具備較好基礎，包括多元化基礎算力、較高質量的海量資料，同時積累了大量行業應用的演算法可用。