本月，来自于亚信科技、中国移动、中国电信、清华大学以及其他中外运营商和高校的资深专家们，以一篇《通信人工智能的下一个十年》，就移动通信与人工智能的协同发展，对沿革进行了梳理，对未来进行了展望。本文为该论文的观点摘要及对论文部分作者专访的重点内容梳理（论文全文下载二维码见文末）。
从1983年10月，美国推出全世界第一个先进移动电话系统（AMPS）至今，移动通信技术商用已经走过了37年岁月。
今天，依托于移动通信网络的承载，全世界已经有超过50亿人，每天使用手机工作和生活；方兴未艾的物联网，更将为我们的未来创造无限可能。
在改变世界同时，移动通信技术本身，也以每十年一代的速度，不断发展演进。
经过30多年发展，从模拟到数字，从语音到数据，从电路交换到IP化，从封闭通信生态系统到赋能垂直行业的技术与生态，今日的现代移动通信系统，效率和性能已经不断逼近香农极限，并开始向太赫兹、空海天一体化、感知通信计算一体化等更前沿的领域迈进。
其中，一个最受关注的领域，是移动通信网络与人工智能的深入融合。
随着通信网络的日益复杂化，通信业务生态的日益多样化，人工智能已经成为网络与业务运行不可或缺的基础要素，并将在未来发挥越来越重要的作用。
就在本月，来自于亚信科技、中国移动、中国电信、清华大学以及其他中外运营商和高校的资深专家们，以一篇《通信人工智能的下一个十年》，就移动通信与人工智能的协同发展，对沿革进行了梳理，对未来进行了展望。
以下，是该文章的观点摘要，以及科技杂谈专访部分文章联合作者（亚信科技CTO、高级副总裁欧阳晔博士，工信部通信科技委常务副主任、中国电信科委主任韦乐平，清华大学智能产业研究院院长张亚勤院士）的重点内容整理。
【一】
我们先来看一张全景图：
移动通信技术与人工智能在各自的早期阶段，都有着鲜明的、各自独立的发展路线。
一个图中未提及，需要补充的细节是：
早在1968年，Yoshihisa Okumura就曾提出Okumura模型，基于实测数据对真实的无线信道进行数据建模与仿真，可以看作数据科学算法应用于移动通信系统的雏形。
但是，受算法、算力、需求等多方面影响，在3G以前，在早期的移动通信系统里，人工智能一直没有真正地投入应用。
直到1999年，在无线射频系统场景的规范中，3GPP正式纳入了COST Walfish-Ikegami等信道模型。
这也是一个重要的里程碑：数学算法第一次进入到移动通信的国际标准之中。
到了4G阶段，人工智能与移动通信行业的融合又进了一步。
一方面，2006年提出的深度学习，带动了人工智能技术发展的第三次浪潮；另一方面，在实现网络系统全IP化，开始向垂直行业赋能之后，移动通信网络自身也对人工智能有了更多的需求。
联合作者之一、亚信科技CTO、高级副总裁欧阳晔博士特别提及到，最具代表意义的一个转折点是，从2008 年开始，3GPP在移动通信标准中定义了一个新的理念：自组织网络 (Self-Organizing Networks，以下简称SON）。简单来说，就是通信网络可实现自组织、自配置、自优化、自治愈。
而以机器学习为代表的人工智能技术，正是实现SON的关键手段之一。
只不过，当时SON还并不是移动通信标准的必选项，不是核心基础网元。
而在实际的产业化和商业化进程中，运营商希望SON能真正开放，做到厂商中立、技术中立；设备商却希望通过SON加强自家设备的紧耦合。
这个分歧，导致了SON的推进一直步履缓慢。
而且，在这个阶段，通信网络从接口、流程、信令到整个网络生态，也都还不是按照智能化的理念来搭建的，所以网络与人工智能的融合对接不够友好。
所以，虽然整个移动通信行业，都已经逐渐认识到了人工智能对移动通信网络的价值，但4G的实际商用过程中，这一认识始终未能转化为产业落地，而以Verizon和AT&T为代表的SON试水，也都未能取得理想成果。
直到5G阶段，拐点终于到来。
2017年2月，3GPP SA2正式定义了网络人工智能网元NWDAF。
欧阳晔博士提到，这是移动通信历史上，第一次在核心网络架构里定义、标准化、并要求部署网络人工智能网元。
它标志着，移动通信网络从底层结构层面开始，就已经按照自动化、智能化的理念，面向人工智能进行了重新设计。
而在移动通信网络的另一条新兴发展路线O-RAN上，也已经定义了一个通信人工智能的网元：RIC（Radio Intelligence Controller），并与核心网管理与编排MANO (Management &Orchestration)功能紧耦合。
除此之外：
2019 年 6 月，国际电信联盟电信标准分局研究13组启动了机器学习用例的研究。
同月，全球移动通讯系统协会 GSMA 开始了智能自治网络案例的白皮书工作。
2020 年7月 R16 正式冻结之后，3GPP也针对新的R17版本，正在继续推进人工智能相关的 NWDAF, MDAF, QoE (Quality of Experience)等标准化课题研究。
这些动作都意味着，从5G开始，通信网络与人工智能的融合，已经真正成为滚滚大潮。
【二】
可以看到，从1G、2G、3G、4G，到今天的5G，移动通信与人工智能的融合，是越来越深入，越来越紧密。
其原因在于，移动通信网络本身正日益复杂化，通信业务生态也日益多样化。
如今，通信网络基础设施和业务系统中需要面对诸多复杂场景，比如：
无法用仿真模型模拟极其复杂的无线环境，
指数级的 IP 交换与路由控制选择，
主动性的网络支撑与业务保障，
一客一策与一刻一策的网络个性化服务，
……
这些场景，已经远远超出了传统的人工规则预定义与执行的处理与管理能力。
通信系统必须有一套自动化、智能化的体系和手段来保障网络与业务的运行与发展。
"我们（指中国电信，科技杂谈注）在5年前就启动了新一代云网运营系统，但到现在难度还是很大。因为网络巨大无比，种类也多得不得了，5G以后就更复杂，不可能用人为的方式来管理这么复杂的资源。"联合作者之一，工信部科技委副主任、中国电信集团科技委主任韦乐平说，"只有用人工智能，才能帮助我们能够在复杂的环境下，正确地判断该做什么，而且预先提出预警，大大地提高效率。"
同时，在5G阶段，CT与IT两大产业体系日益合流，传统的烟囱式的、高度紧耦合的通信网络系统，不断虚拟化和云化，这也为人工智能在移动通信领域的深入应用创造了条件。
"5G一个重要的特点，就是互联网和通信网在协议层实现真正的融合，所以很多过去计算机领域的算法、互联网里面的技术，都可以更容易地使用到通信网络之中。"联合作者之一，清华大学智能产业研究院院长张亚勤院士说。
而放眼未来，这个趋势还在不断加速。
尤其是5G未来为垂直行业赋能过程中，人工智能将扮演更加重要的角色。
比如5G切片，运营商要面向不同的用户，创建不同的网络环境，编排不同的流程，供给不同的网络资源，提供不同的应用和服务，实行不同的计费规则，并根据网络负载和用户需求的调整，进行随时调整。
比如放飞一架无人机，从无人机的控制器、基站、传输、核心网络，到无人机飞行路径的基站，每一个节点都要统一拉通，进行实时的动态管理，才能确保网络QOS满足无人机的时延、带宽、抖动等综合要求。
而从5G开始，移动通信网络将从以前的连接人与人，进化到连接万物，无论是业务的复杂度还是数据量的规模，都有指数级的提升。
这样复杂的、海量的工作，只有依托智能化的网络，才有可能实现。
"现在，网络的每一个层面、每一个领域，都需要人工智能，它已经是一个通用的使能技术。"韦乐平表示。
【三】
需要明确的一个问题是，移动通信系统与人工智能的融合，现在才刚刚开始。
比如，通信人工智能相关的网元NWDAF或RIC，现在都还处在测试阶段，还没有开始在5G网络中大规模商用。
而不同的厂商、标准组织与技术路线之间，网络接口的难以统一，也将制约通信人工智能的能力边界与发展进程。
而且，绝大多数的运营商并不会只运营一张5G网络，而是还有2G、3G、4G、专网等其他网络并存。如何在多个网络中实现业务的统一编排，乃至将存量业务重新规范梳理，实现智能化的演进，都是极具实际操作难度的，甚至是在较长一段时间内几乎无法完成的艰巨挑战。
所以，面向未来10年，移动通信与人工智能的融合发展，一定是一个长期的、渐进的过程。
目前，通信国际标准组织已经开始对通信人工智能的发展成熟度进行初步的分级：
以及在整个通信系统当中，不同成熟度的通信人工智能的应用等级：
根据以上的分级，《通信人工智能的下一个十年》一文，对未来10年的通信人工智能发展进度作出了以下的预测。
这个预测是否能如期实现，目前仍然有待时间来证实。
在韦乐平看来，影响发展的很多因素，其实来自于技术发展本身之外。
"人工智能只是技术手段，最重要的是现在没有统一标准，标准组织都是缺失的。"韦乐平说，"而且标准组织只会规定框架性的东西，很多具体的问题还是要靠运营商自己想清楚，跟制造商、支撑商等合作伙伴一起，坐下来讨论，达成共识，一起推进。"
在他看来，目前比较好的办法，是借助一些业务上的痛点，来做借势切入。
比如，现在光纤切断每年很多次，都是几十上百次，甚至全阻断，经常为网络带来巨大危险，而如果用人工智能，就可以预先判断，及时处理。（科技杂谈注：一个最近的案例，是2020年6月15日，因为一条光纤传输链路发生故障后，未能及时找到故障源，最终导致T-Mobile美国全网的语音和短信服务中断长达12小时）
另一个"运营商刚需"的机会场景，是通过人工智能来降低5G的功耗。
亚信科技正在和运营商共同试验，通过网络和用户的数据变化，用人工智能判断某一个5G基站的功率，在某个时间段是应该放大，还是缩小，甚至暂时关停省电，从而根据用户和业务的流动，自动地、实时地、精准地进行网络质量优化。
这样，网络繁忙的时候不再拥塞，用户体验更好；空闲的时候尽量节电，省钱又环保。
【四】
最后，感兴趣的朋友，可以看一下人工智能在移动通信生态系统中的详细应用，以及未来10年的发展展望。
（友情提示：本部分相对枯燥，非专业读者可以直接PASS）
整体来看，人工智能在移动通信生态系统中的发展，可以分成网络基础设施、网络管理、电信业务、专网、跨领域融合这几个领域。
具体来说：
一、在网络基础设施领域，主要分为无线接入网、核心网、传输网、终端这四个方面。
（1）无线接入网
在物理层与数据链路层，典型的 AI 应用，包括但不限于以下功能：
利用深度学习或强化学习算法来评估与预测信道质量、OFDM (Orthogonal Frequency Division Multiplexing) 符号在接收端的检测、信道编解码、动态频谱随机接入等。
面向无线接入网的应用层，3GPP定义的SON的标准体系，旨在实现无线网络的自配置，自优化，自治愈。
3GPP RAN3目前正在研究，让SON独立成为一个RAN逻辑实体或功能的可行性。
欧盟 5G-MoNArch项目组也已建议，无线侧可考虑设置一个独立的人工智能分析网络功能 RAN-DAF，对5GNR的CU面进行数据分析和决策。
而O-RAN的RIC也将会持续演进与加强，尤其在面向不同App类型时的智能策略控制，用于帮助运营商在业务编排层实现基于App特征的业务编排。
（2）核心网
3GPP路线的人工智能网元NWDAF：可对5G核心网络的移动性管理，网络服务质量 QoS，以及 5G 核心网其他网元（例如UPF）进行智能化的管理、优化与提升网络质量与体验。
O-RAN 的无线智能控制器RIC：可利用AI的能力进行无线资源，移动性，无线连接，切换，无线QoS等业务和资源的管理。
NWDAF 未来将具备增强的网络性能优化与用户体验优化能力。目前相关的研究项目包括UE驱动的分析共享、基于NWDAF协助的QoS保障，话务处理，个性化移动性管理，策略决定，QoS调整，5G边缘计算，NF的负载均衡，切片SLA保障，可预测的网络性能等。
3GPP SA5也在研究NWDAF如何将分析功能赋能给OAM或RAN，并参与MEC融合，以支持垂直行业的应用，为更多的垂直行业应用赋能。
（3）传输网
软件定义光网络（SDON）在动态恢复业务中断，保障网络容量和业务可靠性同时，跟大数据、人工智能、云网融合等技术结合，实现光网络的智能化管理。
认知光网络 CON (Cognitive Optical Network) 将通过认知决策系统 CDS (Cognition and Decision System)来控制和传播相关指令，管理传输要求和网络事件。
目前 SDON/CON 与人工智能的结合上已经有一些研究成果，例如预测故障、减少恢复时间、改进光的信噪比等。
IPv6网络和人工智能的结合也已经进入探索阶段。业界希望可以利用人工智能技术，对网络进行感知和灵活的路由配置，并对全网运行状态进行监测，智能化地识别网络异常；针对发现问题进行故障的根因定位，并且产生相关的最优策略。
而在云网边端的资源分配和存储算力资源使用方面，业界也正在探索算力网络与IP网络的融合、云网融合等全新架构，通过人工智能来实现最优路由、最优算力分布，并保障算力的服务质量。
未来10年，SDON/CON 与人工智能有望结合更加紧密，逐渐实现"零接触"的认知光网络，实现光网络的完全自动化管理和控制。基于光网络的运维知识图谱将逐渐成熟，可以通过它快速定位传输问题，预测传输性能，进行传输参数的优化。对于传输的具体指标，例如调制阶数、误差修正、波长容量等，可以利用人工智能技术进行最优配置，保障传输的性能。
基于IPv6的应用也将逐渐走向成熟，人工智能在网络路由、承载网的 SLA 保障、确定性网络方面发挥关键作用，实现 IPv6 乃至 IPv6+的智能 IP 网络，满足 B5G/6G 业务场景的个性化需求。
在云网融合方面，云网边端的算力资源将实现完全分布式的架构，按照业务需要提供无缝、高质量的算力资源，为终端、边缘的高阶人工智能应用提供资源保障。弹性算力网络/动态的云网融合，侧重出新的提供云计算服务的商业模式，可以利用区块链的智能合约等进行安全保障，解决用户的隐私问题，实现网络和计算资源的可变现能力。
（4）终端
基于终端的人工智能，主要包括终端和芯片的智能化。
终端操作系统本身和应用层的App方面，已有一些智能化应用发展，但基于终端的人工智能对于网络基础设施的赋能，目前还在早期发展。
这方面，一个比较典型应用是，通过终端芯片采集性能数据，汇报给SON系统或者网络管理系统 OSS (Operation Supporting System)，利用这两个部件的网络人工智能分析引擎，进行无线网络智能优化。
未来，基于终端和芯片的人工智能技术，将通过对无线环境和内容的感知，来优化无线接入的接入和调度、系统速率、频谱效率、网络负载优化、无线安全性等环节，提升5G系统的性能，优化终端的使用体验，乃至催生新的场景案例。
（5）未来10年展望
在未来3-5年内，NWDAF将在5G核心网络中逐渐成熟商用；无线与核心网络优化也将借助SON实现以人工智能为驱动的智能网络优化目标。
SON的商用部署方式将有可能以独立SON系统部署或融合进入5G OSS系统实现，RAN-DAF是否以独立网元形式定义还未有定论。
未来5-10年，随着O-RAN的逐渐商用，RIC作为开放无线网络的智能控制器也将实现商用部署。
二，在网络管理领域，主要有智能化网管, ENI 引擎和网络运维支撑系统（OSS）三个方面。
（1）智能化网管
3GPP SA5在R16中开始定义的管理数据分析功能（MDAF），通过进行数据分析，帮助管理系统设置合理的网络拓扑参数进行网络配置，保障服务质量。同时，MADF在管理面也可以为SON 赋能。
下一步，MDAF将在覆盖增强、资源优化、故障检测、移动性管理、能量节省、寻呼性能管理、SON协作等多个场景方面的应用逐渐成熟；MDAF和网络设备(例如NWDAF)的交互也将得到完善。
（2）ENI引擎
ETSI 于 2017 年定义了 ENI 系统，做为一个独立的人工智能引擎，为网络运维、网络保障、设备管理、业务编排与管理等应用提供智能化的服务，未来还将定义更多高级的应用，例如基于意图网络的节能、数据机制、ENI 与运营商系统的匹配等等。
（3）网络运维支撑系统（OSS）
2019年，TMF在 Future OSS的研究报告中定义了未来 OSS 由"数据驱动"，必须依赖人工智能，机器学习，自动化，微服务，业务优化紧耦合，必须具备敏捷，自动化，主动性，
预测性，可编程性的特征。
在定义未来OSS最重要的10个因素中，有4个因素和人工智能紧密相关：自动化闭环业务流程执行与保障，自动化闭环网络优化，AI驱动的客户互动，AI驱动的网络优化。
目前，主流通信运营商已经在面向5G演进的OSS系统中，逐渐嵌入了AI平台或者功能模块。
比如亚信科技为三大运营商搭建的5G OSS网络中台体系中，就包括了网络人工智能中台：它以数据中台的网络大数据为主要燃料，围绕网络生命周期中的规、建、优、维等场景，不断构建、推理、发布、沉淀出网络AI算法模型，为4/5G网络提供包括异常检测、容量预测、网络优化、根因分析、告警预测、故障自愈、业务编排、感知优化等网络AI功能。
（4）此外，网络AI信令体系、网络数字孪生、编排系统也值得关注：
网络AI信令体系：
网络AI平台和各数据采集网元或模块；以及5GOSS的各个业务系统（例如网络编排，网络性能，网络资源，网络故障）进行互联互通的标准命令体系
网络编排：
网络的软件定义与云化趋势下，网络功能NFs管理将由软件定义的管理程序接管，并从面向专有硬件，向共享的计算与通信资源池的虚拟化管理转型。
在5GOSS中，网络业务编排甚至可独立成一个子系统，负责5G各个虚拟网络功能VNFs(Virtualized Network Functions)构成的网络切片业务的编排与管理。
目前，全球运营商的网络自动化与智能化编排能力还处于初级阶段，在技术和标准层面都需进一步完善。业务智能化编排的新型网络如何共存与协同工作，也是业界需思考的一个问题并需尽快形成一致行动目标。
可以预计，随着通信人工智能和网络编排系统深度融合，网络(拓扑)编排、网络资源编排、网络业务编排三大能力将得到持续改进。
（5）未来10年展望：
在未来3-4年中，MDAF实现网管层面的部分数据分析功能。
随着网络中台体系的建设，面向网络人工智能的网络AI中台将会在部分运营商的5GOSS系统中实现商用部署。
网络AI信令体系作为人工智能与网络交互的语言，将AI能力注入到网络生态系统中。
未来5-10年，随愿网络和ETSIENI网络体验与感知体系将逐渐成熟，会在5G中后期的网络基础设施架构中得到应用。
数字孪生技术将与网络仿真和人工智能相结合，将网络全生命周期的规、建、优、维实现孪生化与智能化管理。
三，在电信业务领域：
目前，中国运营商正在BSS领域正引领基于智慧中台的技术演进：
通过能力运营协同业务中台、数据中台、技术中台、AI中台等中台系统，完成面向最终用户与合作伙伴的IT服务与交互。
其中，AI中台以人工智能算法为基础，通过场景化服务能力封装，为业务过程注智赋能。
截至目前，人工智能技术通过AI中台体系，已经在BSS域的营销、销售、客户体验、客户服务、计费等多个业务领域及相应场景得到较好应用。
而在10年，AI将在客户管理、套餐推荐、财务智能管理领域全面赋能，并且实现从初级到高级的过渡。从面向客户建立以人为本的全面客户体验，到面向电信运营企业建立更加运转高效的业务运营过程，直至新业务、新模式、新技术的快速创新兑付，都将起到关键作用。
未来10年展望：
部分通信运营商构建的技术中台体系将在未来3-5年内全面商用与成熟。
其中的人工智能平台板块，将作为AI面向BSS领域注智与赋能的载体，全面推动客户运营与业务运营的智能化。
电信业务涉及的某些细分领域例如智能客服、智能营销、智能推荐等，因为垂直行业中类似通用的应用经验，在未来的5-10年内会加速发展，可能提早实现到达L4或L5的高度智能化阶段。
四，在专网领域：
5G 面向垂直行业除了提供公网服务，也可提供专网服务。而在5G专网中,通信人工智能也可提供一系列的智能化专有服务与安全保障。
例如：
可以用于虚拟专网中的网络切片 SLA 保障，进行通信传输性能、质量和资源的优化。
对独立专网，人工智能体验感知算法可以对用户的感知体验进行实时或准实时评估，提供精准的QoS组合保障服务质量，实现差异化的智能运维服务。
在专网中，也可以利用联邦学习、迁移学习等人工智能技术，完成5G切片异常诊断模型的云化管理和持续学习优化。
另外，人工智能技术也可以对专网中的无线网络性能进行实时评估，通过与垂直行业应用平台的交互，自适应调整应用层的参数设置，用于提升视应用层的视频质量或者进行游戏加速。
预计未来10年，通信人工智能通过与MEC以及与业务的结合以及算法的成熟，可以完全满足垂直行业对于高质量通信和网络安全的要求，将专网真正地变成高性能、安全可靠的专网。
在垂直领域例如车联网、智能制造、高清视频/VR/AR、远程医疗、智慧城市，通信人工智能将帮助企业实现高级智能、乃至完全智能化的专网功能。
未来10年展望：
垂直行业专网在未来3-4年内属于商用建设初期，主要部署模式以虚拟专网形式实现。
在此期间，人工智能面向虚拟专网的应用，将聚焦在5G专网切片的SLA保障、切片资源智能调度与优化、以及无线专网覆盖与性能优化等。
在未来5-10年，混合专网和独立专网会逐渐部署并成熟，人工智能对独立或混合专网的应用将会聚焦在ToB业务精准QoS保障、ToC业务感知体验实时评估优化、智能网络智能运维AIOPS等。
另外，人工智能技术通过与垂直行业的专网应用平台MEP(Multi-AccessEdgePlatform)的交互，自适应调整应用层的参数设置，保障边缘应用的服务质量。
人工智能在行业专网的初级智能化阶段主要面向性能、质量与运维保障的智能化，在中高级智能化阶段更加面向高可靠、低延时、多并发连接的智能化控制与管理。
通信人工智能系统的应用在安全性、鲁棒性、可解释性等方面在未来将进一步加强。尤其是人工智能中的联邦学习、区块链、隐私计算的技术组合，预计在通信生态各系统中会得以发展，用于解决通信生态系统与垂直行业之间的数据孤岛和安全隐私问题。
五，在跨领域融合领域：
一体化贯穿的电信业务流程，演进中的技术中台体系架构特征，以及业务与网络数据的融合分析运营，是驱动BSS与OSS系统进行深度融合的三大因素。
通信人工智能在跨领域的融合智能化发展方面，也催生了多种应用场景：
（1）客户体验管理（CEM）
CEM是网络与业务跨领域融合的一个新领域，用人工智能结合心理学，建立一套能准确反应客户对通信网络与业务使用感知体验的算法模型体系，或者说"电信心理学算法"。
借助CEM，运营商可以将网络体系的QoS体系与用户体验的QoE体系进行量化映射，从而弥合网络质量与用户真实体验之间的鸿沟实现从网络KPI指标为中心。到以客户体验为中心的网络业务服务转型。
比如，亚信科技提出的CEM指数集，可结合通信领域用户级主观数据(例如NPS调研、客户投诉、主动拨测等)和客观数据(例如语音通话、上网、高清视频业务业务等质量指标)，以及用户级通信、消费、服务等360度行为的画像分析，生成ECS电信心理学模型，用于即时性评价客户过程中任何一刻、任何一地、任何一种业务的瞬时体验质量。
（2）PCF+ (Policy Control Function+)
3GPP从R7开始引入了PCRF网元，面向网络侧，对用户和业务QoS服务质量进行控制，为用户提供差异化的服务，并且能基于业务和用户分类，提供更精细化的业务控制和计费方式，以合理利用网络资源。
目前，PCRF的策略规则还基于规则配置，没有人工智能应用。但随着 5G 业务的丰富，用户对于 5G 服务差异化需求的增加，PCF 需要演进到 PCF+，以提供全新的服务模式、业务场景或者商业模式。
在这个过程中，人工智能/大数据能力在 5GC (5G Core) 的引入，将使PCF+的策略管控变得更加智能化。
（3）未来10年展望：
CEM和PCF+的架构与功能会持续发展， 客户体验感知体系会从SLA ELA体系不断演进。
随着CEM的QoE的算法体系在未来逐渐成熟与完善，通信运营商将可以利用QoE算法体系来预测性评估和主动性管理用户的体验预期。
而PCF+也将通过与OSS域和BSS域的交互，向用户提供更精准、更实时、差异化的策略控制。
人工智能面向跨BSS与OSS领域的融合智能化，CEM与PCF会沿着BSS与OSS域融合的演进路线发展。
其中，CEM将结合网络与业务的数据，在客户全生命周期旅程中实现对客户的网络与业务体验感知的闭环管理。
客户体验与感知管理体系会从SLA往ELA体系演进。PCF通过与OSS域和BSS域的交互，可以面向网络、业务、客户提供精准、实时、个性化的策略与服务。
