摘要：在AI成为国家战略的前提下，数字经济发展过程当中运营商网络的建设环节需要进行技术改进，同时在规划建设和维护方面面向市场需求做出调整。同时运营商的多个部门会围绕生产经营当中的热点问题展开人工智能领域的新探索，考虑到网络AI开发的难度比较大，所以运营商对于网络AI的应用场景研究工作需要建立一个系统化的平台，减少资源开发浪费问题，这正是5G网络导向下的平台建设方向。

关键词：5G网络;人工智能;平台建设

引言

人工智能平台建设的核心在于夯实基础，编制新一代人工智能规划，加快人工智能和经济社会的深度融合，突出科技引领和系统布局的基本原则，把握关键技术层面的具体研究要求。现阶段的5G网络导向下，人工智能平台建设已经处于更加高层次的水准，例如百度在自动驾驶方面，腾讯在医疗读片方面，科大讯飞在语音识别方面都进行了深度探索。

1.人工智能平台建设的开发现状

人工智能技术的不断发展，使得各个厂商都积极投入相当一部分的资金和精力，将其应用于AI的开发和研究过程当中，其中互联网企业扮演了非常重要的角色，互联网AI开放平台也成为了很多企业的标配。当前的互联网三大巨头企业百度，腾讯和阿里的AI开放平台，显然在内容和资源上更加具有说服力和实力。

百度的AI开放平台是最完整的AI生态体系，无论是开发平台的能力配置还是行业应用层面，都能形成从线上到线下的一整套体系支持。腾讯AI开放平台则依托实验室和微信实验室等，为AI应用提供了更加强大的技术支持和通用能力体系标准以基础设施硬件为依托突出平台功能。阿里云开放平台则依托本身的服务器，从基础应用到行业定制角度，形成了一套完善的AI应用标准。

除去这些互联网企业之外，一些通信设备的厂商和运营商也建立了相应的AI开放平台，例如中国移动所设置的九天平台和中国电信所打造的灯塔平台，都有各自的网络业务赋能目的在于提升网络资源的利用率和平台运维效率保障使用者的体验。

2.人工智能平台建设的具体架构

2.1 资源层

资源层在整个平台当中属于计算基础和数据基础，整个功能架构包括模型开发平台和支持中心，能够面向客户需求和市场动态展开使用和运营完成数据集的整理，开发和模型的深度优化。具体来看基础资源层提供了足够的数据挖掘和深度学习计算所需要的各类基础设施，借助虚拟化和环境隔离等资源管理工具完成资源的分配和释放，整个IT资源利用率达到最大化。而环境隔离模式应用之后，不同算法之间的冲突问题得到了有效解决，平台数据和模型的安全度和算法所依赖的框架性能处于较好的水准^[1]。

2.2 模型層

模型层给AI开发提供了完整的可视化流程传统的模型开发围绕数据获取和模型构建等多个方面所展开，而模型开发层将底层的繁琐细节全部屏蔽之后，给用户提供了最需要关注并处理的数据和调整的参数信息，用户可以将那些不需要的内容全部筛选并剔除，留下用户需要使用的信息^[2]。

以自动学习功能来看自动学习功能当中，让用户根据自己的需求提交训练任务，并完成结构数据的分类和分析，从候选算法当中选出最合适的参数开展模型构建。而可视化开发则提供了一个更加完整的算法应用流程，数据的预处理和缺失值的填充等各项工作都可以基于逻辑要求展开综合配置。

配置完成之后，则涉及到专业的AI开发工作，包括对代码的开发和运行环境的调试，基于算法开发需求，完成平台的模型训练。除去模型本身的模型封装定义标准之外，还封装了已经训练完成的其他调用脚本。

2.3 应用层

应用层是基于开发层的AI能力为基础所设置的创新AI应用平台，完成数据开发和界面定制开发等各项工作，为使用者提供了面向网络的智慧运营体系。

2.4 平台架构层

平台架构是整个人工智能平台建设的最关键组成部分，其主要的目的在于让平台能快速解决计算能力和数据处理方面的各项事务。从技术角度来看，可以划分为平台基础技术、算法技术和模型技术等三个方面^[3]。

平台基础技术是搭建平台的基础，保障整个技术架构当中包含资源调度和数据存储等不同的子模块，按照数据库和结构化业务数据的关系完成信息的部署，从而满足平台的扩展性和可用性的存储需求。另外，基于虚拟化技术的实际要求，可以对算法模型训练和开发当中需要的容器展开统一调度监控，AI计算层在众多机器学习模型上进行迭代训练之后，用户可按照特定的业务要求对模型展开优化和调整。

在模型方面，平台采用分布式的服务架构，根据功能模块将每个模块独立成为一个个微服务系统，为了避免故障引发级联故障雪崩问题，每个微服务可以有相应的身份认证和安全控制要求，在服务器层面选择了WAF等技术完成安全防御，更好地保证平台的安全。

在算法优化方面，人工智能的发展使得各类深度学习框架层次开始出现平台需要应用多样化的算法和框架，并且在开发训练方面避免环境资源的负面影响，一方面保障模型优化速度，另一方面保障平台的高效性，便于以第三方平台之间展开交流和互动^[4]。当然，如果用户本身不具备AI基础，也可以使用自动学习建模得到模型之后完成定制化服务。

3.结语

网络AI平台在5G网络的帮助之下能够发挥关键的作用，并且平台上线之后可涵盖网络层面的智慧运营和客户需求服务等多个维度。后续的工作当中应进一步解决更多客户所需求的现实问题，全方位提高AI的服务能力和问题解决能力。

参考文献：

[1]尹俊、高有利、刘贤松、盛刚.一种面向5G网络的人工智能平台[J].邮电设计技术，2020（10）：5.

[2]董一民，张弛.5G网络背景下人工智能技术应用的探讨[J].信息通信技术与政策，2019（9）：4.

[3]徐爱兰，耿建生.基于5G与AI的生态环境监测网络平台探讨[J].环境监测管理与技术，2021，33（3）：4.

[4]王彦棡，王珏，曹荣强.人工智能计算与数据服务平台的研究与应用[J].数据与计算发展前沿，2019，1（2）：86-97.