从ChatGPT爆火到Sora登场，生成式AI已展现出令人惊艳的生产力和创造力，并正加速走进人们的日常生活和各行各业中，有望掀起新一轮产业变革。那你有没有想过，当这场AI热潮涌入通信行业，将给我们的网络运营管理和网络运行模式带来怎样的变革？
在以下视频中，爱立信基于多年的AI探索和实践积累，率先创新性地将生成式AI应用于网络运营工作，并以全新的视角为我们解答了生成式AI在通信业的巨大价值潜力。
通信业的ChatGPT：让网络运营轻松自在
大家都知道，生成式AI突破了传统AI只能分析内容和预测特征的能力，可以通过文本、语音、图像等信息进行人机之间的互动交互，创造性地将我们的想法和意图转化为音视频、代码、3D模型等数字资产。当这样的技术和应用引入到网络运营管理领域，会给我们的网络工作带来怎样的变化？
不妨想象一下，当你在处理网络故障时，面对一大堆设备根本无从下手时，你只需要拿起手机拍一张照片并输入到对话框，生成式AI就能立即为你提供各种设备的类型、运行状态信息，甚至为你定位故障并提供技术指导。
遇上重大活动保障，你只需要简单输入文本或语音，生成式AI就可以根据历史活动和当前网络状态，为你生成和实施网络扩容方案和应急预案，并实时根据业务状态输出微调方案。
从事件、告警到性能统计再到配置参数，网络运行产生的数据极其庞大、复杂且多维，使得网络分析工作极其繁琐且容易出错，而有了生成式AI，你只需通过语音对话，就能轻松提取直观的网络性能报告，以及获得数据驱动的网络决策。
这些想象正在变成现实。正如视频中所言，生成式AI将通过产生“人类可读的内容”和“机器可读的内容”，深刻改变传统网络运营管理方式。
首先，像视频中所演示的案例那样，生成式AI可通过人类可读的内容进行人机交互，并最终帮助我们生成设备配置文件、操作指导，甚至起草标准和规范。
其次，生成式AI可产生机器可读的内容，通过搜集和分析网络日志、网络拓扑、参数配置、性能指标等多元数据，为我们生成覆盖和性能图，完成事件识别和检测，甚至推荐最优的网络资源配置策略；同时，当数据不足或数据收集成本高昂时，生成式AI还可以通过合成额外的数据，来更好的训练AI模型以及维持良好的网络体验。
突破传统瓶颈：助力语义通信掀起通信范式变革
什么是语义通信？传统通信采用“先传输，后理解”的通信范式，首先将源消息编码为比特序列，再在接收端恢复该序列。而语义通信采用“先理解，后传输”的通信新范式，无需将全部比特序列传递，只需在发送端从源消息提取接收端所需要的特征，再传输语义层面的信息，然后在接收端重新生成在语义上与源消息等效的消息。
众所周知，传统移动通信系统的传输速率已经接近香农极限，同时面临着频谱资源日益稀缺的问题。而语义通信只提取语义，可隐藏或减少冗余数据传输，从而有望解决带宽瓶颈和频谱稀缺挑战。尤其是面对未来包含视频、图像、音频等信息的多模态数据飞速增长，语义通信对于缓解带宽压力和提升用户体验的作用更加明显。正因如此，语义通信技术引起了6G无线领域的研究兴趣。
然而，要实现语义通信，生成式AI是重要一环。不管是在发送端基于先前的知识提取语义，在接收端解码语义，还是在传输过程中压缩生成式AI算法，生成式AI技术都将发挥重要作用。
相得益彰：加速网络数字孪生落地
面对网络日益复杂，运营成本不断攀升，推动网络自智化已成为通信行业不可逆的发展趋势。但要实现网络自智化，网络数字孪生是重要组成部分。网络数字孪生将物理网络中的所有资产、信息和流程转换为数字数据，并构建一个与物理网络高度一致、实时同步的数字孪生体。它就像一个无风险的数字实验室，让我们可以在不影响现网的前提下，对各种网络功能、产品和业务针对不同场景进行反复测试、验证和调整，最后将最优决策同步在物理网络执行。
当网络数字孪生遇上生成式AI，两者的搭配可谓是相得益彰。首先，生成式AI可以为数字孪生创建代码，简化数字孪生部署。由于通信网络是一个超级庞大且复杂的系统，构建网络数字孪生是一项非常耗时、耗力、耗资的工程。而生成式AI可以根据孪生体对应的物理行为进行训练，可省去为孪生体行为编写代码的时间，且生成的输出结果更符合真实的情况。这样不仅更加节省资源，而且利于行业以“先创建数字孪生的基本模型、再不断完善和调整”的路径，快速、高效地构建网络数字孪生。
其次，生成式AI可依托数字孪生体提供的海量实时数据和安全的虚拟环境，进行反复测试、验证、微调和学习，从而不断完善和扩展输出。
显然，从重塑网络运营管理方式，到助力突破传统通信瓶颈，再到推动网络数字孪生和网络自智化加速到来，生成式AI犹如给移动网络加装了一个无处不在的智慧大脑，有望给通信行业的工作方式和服务方式带来巨大的变革。这场变革，真的很值得期待！
