“云網自智”，目標未來！
隨著自智網絡概念的興起及各類相應概念、規范、指導原則的不斷發布，運營商也越發關注系統的自智能力，TMF 的Autonomous Networks 自智網絡框架規范設定了自智網絡的級別及評價標準，在系統運行過程中通過執行、意識、分析、決定、經驗五個維度評判系統是否達到自智目標。而自智目標從L0～L5 共分為6個等級，以業內資源配置應用來說，正處于人員協助資源分配的階段即 L3 標準，當資源系統具備意圖驅動配置的能力后則能夠達到 L4 的目標，配置程序將具有意識自主性，可以實時感知資源網絡的變化，并能優化和調整自身與其他自智域進行交互；對于資源配置來說下一步要做的是實現意圖驅動資源配置流程的閉環管理，劍指L4！
AN級別評估方法
對標L4，資源配置還存在以下不足：
對于電信運營商來說，日新月異的市場銷售策略使得產品的快速加載上架需要滿足更高要求，以PSR模型為核心要素，從BSS到OSS通過標準API的交互已經可以統一語義，但前端因市場銷售策略導向變化頻繁，導致產品信息、產品關系等發生變動時將近而影響到資源配置規則的變化，這在現階段涉及到跨域需求均由人工在線下溝通，再以硬編碼方式添加業務配置規則，因此對比自智L4的目標來看，沒有體現出資源配置對于外部意圖的智能化理解能力。
近些年伴隨著網絡快速發展，運營商對于業務開通中資源的自動化配置提出了明確要求，一些省份CRM為了提升客戶滿意度會無條件受理客戶提出的服務安裝要求，但產品服務開通到資源配置環節時，常會遇到因資源不滿足等業務異常造成卡單，典型的場景有因無資源發起建設流程，因服務實例數據異常發起資料補錄等，此時均只能由專業人員手工干預業務異常的處理，而后再繼續完成資源配置，這與L4資源分配過程中實現全自動配置要求相差甚遠。
TMF自智網絡框架為運營商系統的自智能力提升指引了方向，從用戶到商用再到生產提出了意圖驅動的自智思路，完整覆蓋業務、服務、資源三大運營域；從前端服務意圖到后端資源意圖的轉譯可以看出意圖存在分層實現，每個下層都是上層的“黑盒子”，上層不需要理解該層的技術實現，而上層將理解的對象轉換為該層可理解和管理的資源對象。
圍繞意圖驅動進行資源配置，拉通BO具備意圖的統一理解能力，運用意圖進行交互驅動，必然能使資源配置進入全面自動化、智能化的時代：
資源分配所涉及到的資源實體，如終端、設備、端口等每一種資源實體都包含了對外提供的業務能力，如網絡設備端口可控制業務接入速率，不同類型的端口提供的接入速率大小不同；又如不同的網絡終端，可提供不同的上網能力，如無線 WIFI、綠色上網、多終端上網等。通過刻畫出各專業下不同類型資源實體對于各項業務能力的支持情況（包括是否支持某種業務能力；如果該業務能力為具體數值則表述其支持的范圍），即構建出資源的能力體系。
此處業務/服務意圖指客戶對于運營商表達出想要訂購的個性化服務，包括使用要求及預期效果，如開通寬帶上網、看高清電視、在家接聽或撥打固定電話等等。
CRM 將客戶表述的業務意圖轉譯為服務意圖經開通系統送給資源中心，而資源中心通過解析產品服務信息中包含的主產品、附屬產品及產品屬性，可以獲取影響到本次資源配置的關鍵業務參數；我們通過刻畫不同資源類型所具備的業務能力，結合業務受理后的產品業務要求形成對照，則可以按需精準匹配計算出待分配的資源。
以客戶想要訂購上網套餐為例，從描述意圖到 CRM 形成客戶訂單，再到資源中心按照 PSR 標準結構完成資源分配，在此過程中，資源中心需要理解產品信息中的業務要求，并按需完成資源配置。
在上述案例中資源中心預先構建出終端的能力集，在配置過程中終端配置 RES-API 接收 PSR 對象傳遞的能力要求集合作為資源意圖的標準輸入，則可以根據各能力要素計算獲得滿足所有業務要求的終端；資源配置在設計態中拉通 BO 的產品配置及后端的資源能力配置，分層形成產品能力、服務能力與資源能力的傳遞、映射關系，并在運行態中提供標準的意圖接收接口，解析產品、服務信息，挖缺業務能力要求，經過能力需求匹配計算選擇滿足業務要求的資源進行配置。
通過精準刻畫網絡資源能力，拉通 BO 完成產品、資源能力屬性映射配置，形成能力參照體系，實現了從業務/服務意圖到資源意圖的標準化識別，可大幅降低業務意圖調整對于后端資源配置規則的影響；此舉措既消除了前端產品需求與后端資源配置規則之間難以理解的鴻溝，也提升了網絡資源配置的靈活性和智能化程度。
在資源配置過程中時常會出現因異常導致的卡單現象，對于IT相關的系統異常，當前大部分資源系統已能做到多次重嘗試執行進行自愈，但能夠實現業務異常自動化閉環處理的資源系統寥寥無幾，如資源不滿足的情況下，需要人工介入完成資源存量 數據的錄入、修正、綁定等工作后才能繼續完成資源配置，只要遇上這類問題就離不開人工，這也成為了資源配置自智道路上的最大一塊絆腳石。
無法交給系統自動處理的根結在于專業人員在面對資源不滿足此類問題的情況總是依托于主觀意識的分析及處理經驗，那么我們如何破局？交給系統自己去學習??！去沉淀??！去感知??！去執行??！去優化??！
我們通過構建資源意圖引擎來完成以上所描述的職責，在引擎中可以定義并管理意圖，向外部表明資源配置能夠支持的意圖請求，接收意圖之后經過意圖實現方的判斷并決定是否能夠處理以及如何采取下一步行動，然后派遣操作行動，對于執行的結果無論是否達到預期目標都將輸出報告，這樣的一份報告可以被專業人員理解并由人為決定是否更新豐富知識內容進而為下一次意圖請求提供更加準確的處理方案。
下面我們來揭秘意圖引擎的內幕，它將分為四大模塊提供核心能力，一個基于意圖引擎的交互如下圖所示：
具備理解意圖的能力，能夠從自然語言/語音/意圖標準API輸入中通過解碼、轉譯獲取業務信息，并根據描述的業務信息獲取特征需求，通常將結果表征為一個實體對象，包括對象的屬性、狀態，表述本次意圖的實現要求與期望；
具有決策能力，能夠根據業務規則、大模型的知識/經驗判斷并決定是否能夠處理以及如何采取下一步行動，然后派遣操作行動；
具備執行、調用服務的能力；與各業務服務建立服務調用關系，完成具體任務的業務邏輯處理；在執行時通常是對其他函數的傳統 API 的調用；如果目標 API 本身就是一個意圖，那么執行的活動就是發起另一個意圖請求；
能夠反饋意圖運行的結果，包括意圖是否正確識別，識別到的要素信息，意圖識別失敗的話則給出失敗原因；輸出意圖處理結果，確認意圖預期是否達成。
資源配置聯動全生命周期流程：當業務開通單自動配置資源失敗后可由意圖引擎探索、學習人工的處理經驗并沉淀入知識庫，經過系統不斷的學習和專業的訓練微調，針對資源不滿足的場景，可以逐步交由系統自動發起全生命建設/擴容流程，并將資源配置流程掛起，等到建設/擴容流程完成后再激活已掛起的資源配置流程，繼續調度完成資源的自動配置。
從案例可以看出意圖驅動下的資源配置，越發朝著自動化、智能化方向邁進，帶來3個關鍵提升點：
關鍵點1: 以 AIGC 方式結合當前配置場景完成關聯流程的申請發起動作，大幅降低人工干預可能；
關鍵點2：多級意圖交互下，當子意圖處理完成后可反饋主意圖繼續處理，形成完整的意圖閉環；
關鍵點3: 強化學習，借助大模型的學習能力不斷優化場景支撐方案，精準觸發相應資源的建設/擴容/治理等全生命流程。
路漫漫：短期來看系統能夠結合資源意圖識別自動觸發全生命周期建設流程的場景有限，我們仍然需要一個較長度周期來完善面向各類異常時系統的自發處理機制，在此期間資源操作人員也可根據意圖期望動態地調整決策、執行服務和完成資源操作，以適應不斷變化的新網絡及其相關的資源配置需求，實現全程智能化的資源配置自動閉環。
以意圖驅動思想作為資源分配的核心，引入資源意圖引擎可以使資源配置達到自動化、智能化的目標，資源配置人員不再需要關心業務異常后如何去處理。只需要向資源中心表達清楚業務期望并結合系統反饋報告對錯誤的執行結果予以糾正，之后所有的事情都可以逐步交給系統自行搞定。
在新時代網絡發展下資源配置過程將體現出全新的系統自智理念，全面實現網絡資源配置的自動化，提升運營商的效率，使能全新的數字化業務。
自智網絡的構建進程當下也正處于從概念到實現的高速發展階段，以資源配置為核心協同網絡建設和擴容的一體化流程、達到資源配置過程自分配、網絡自調整、卡單自修復的效果，讓資源配置能夠做到隨“意”而配，從服務到資源交互全程實現域內自動閉環，邁向L4的自智道路已不再遙不可及。