杭州电销公司用什么电话卡？杭州电销公司电话卡办理联系主页电话！

云地协同在实际部署中有三个阶段，针对不同场景可以选择合适的阶段，最终大幅提高网络的资源效率。

阶段一是云端进行初始模型的训练，运行态由地端根据新增的样本进行在线学习，持续保持模型的精度。这种模式主要适用于模型相对简单、算法结构比较稳定的场景，仅需要根据本地数据进行在线学习，优化调整模型参数，比如核心网变更在线机器值守等。阶段二是云端进行模型的分发，然后在地端根据新增样本进行在线学习。一般适合模型相对复杂，华为会持续进行模型算法结构优化的场景，比如无线KPI异常检测等。阶段三是云地实时协同，模型可以自动化演进。适用于模型复杂、需要用到华为云端高质量标注数据、知识图谱以及仿真等知识能力进行模型优化的场景，比如IP RAN/PTN智能告警、DC PUE优化等。

打破桎梏：云地协同关键价值详解

对症下药、打破桎梏，为电信网络铺就一条智能升维之路，正是新方案的价值所在。在媒体圆桌上，韩雨发对此进行了详细的解读。

其一是借助联邦学习，提升模型泛化能力和训练效率。联邦学习，即是将边缘节点数据保留在本地，通过地端分布式训练和云端模型汇聚的云地协同机制，获得全量数据集中训练方式等同的模型效果，的特点就是在地端数据不用出局的情况下提升模型的精度。其应用场景包括，跨运营商部署，运营商的网络业务数据不允许出局；运营商内不同子网之间的模型共享，同样可以解决数据不出局的问题；运营商内网元管理带宽受限，不适合上传大量数据的场景。

品质家宽是一个典型的案例。韩雨发分享道，家宽业务需要区分游戏、视频、上网、应用下载等，以进行流量的精细化管理，提升用户体验。但当前各地样本不同，导致新项目应用识别精准率低、上市周期长。T国某运营商在每个边缘端的SmartONT上进行本地的模型训练，然后上传模型参数到联邦学习服务器进行汇聚，生成出新的模型以后再下发给网络中的终端（包括新建终端），从而在不需要上传本地数据的前提下快速地提升模型的泛化能力，并可以提高模型训练的效率、加快新项目的上市。部署以后，对于应用的识别准确率在95%以上，保证了用户在使用不同应用时的体验。

其二是构建云地协同构建网络知识库，提升故障运维辅助效率。借助知识图谱，通过沉淀专家经验和产品知识转化形成故障传播关系等，形成“网络知识库”，可用于故障运维辅助、知识问答等。知识生产系统可部署在云端，包含建模、抽取、打包等，在起始阶段，专业知识需要各个领域的专家编辑领域知识谱schema和推理规则（专家经验）。知识消费系统客户端部署到现场，地端图谱引擎先从云端导入对应产品的知识图谱schema和推理规则，然后对接现网设备采集日志数据，根据下载的schema模型重新组织存储数据，应用推理规则进行故障诊断，给出处理建议。

其三是建立云端仿真，模型及业务验证安全高效。云端仿真，即通过在云端构建虚拟仿真环境，高效安全地进行模型或业务验证，在避免现网性能或KPI受到影响的同时，支撑网络问题的快速闭环。一方面仿真往往要求很多资源，云端的计算和存储资源丰富，容易满足仿真建立的环境要求；另一方面，在云端建立一个集中化的仿真平台，可以供多个局点共享，而且很多仿真软件是根据授权收费模式，集中化的云端仿真可以大幅降低经济成本。目前NAIE主要支持两种场景的仿真，DC节能仿真和无线网络优化仿真。目前NAIE主要支持两种场景的仿真，DC节能仿真和无线网络优化仿真。

其四是提升模型版本管理效率，加速AI特性更新。传统网管版本集成升级模式需要经过多层多次的人工动作，往往需要1个月以上的时间才能完成一个版本的更新。如果采用云地协同的自动升级模式，让AI模型市场跟地端网络AI对接，模型训练完成后通过AI市场进行发布，启动局点自动下载升级，整个过程仅需1个小时即可完成。

“总体来看，云地协同可以实现一点生效、多点复制，AI的特性在一个局点成功实施后，快速地形成知识和经验，在其他局点进行复制，从而实现全网规模应用。”韩雨发如是总结道。