5月9日至10日，以“数智创新·助力经济高质量发展”为主题的2023年·云网智联大会在北京隆重举行。大会汇聚国内外产、学、研、资各方嘉宾，吸引了来自国际组织、高校及科研单位、知名院士、专家学者、企业代表及主流媒体等800余人参加，打造一场高规格、高水平、大规模的通信行业盛会。

大会第一天，中国电信集团科技委主任韦乐平在主论坛上发表了《网络的开放和封闭的思考》的主题演讲，他表示，电信业近几年开始了网络开放性的艰难探索，试图通过引入SDN、NFV和Cloud以及叶脊网络架构走向开放，主要目的就是引入竞争、促进创新、降低成本、壮大生态。

▲中国电信集团科技委主任 韦乐平

开放性和封闭性的思考

韦乐平认为，“开放性是强大产业生态的催化剂。”IT业1980年代即开启计算机软件、硬件、外设间的开放，从而形成了一个蓬勃发展的开放大生态。DCN是最早在网络层面开启商用芯片替代专用硬件、软硬解耦、光电解耦、硬件白盒化、软件开源化进程的领域。

电信业的生态却越来越弱，特别是封闭的网络和网元难以支撑不断创新的互联网和云应用，也无法完成网络架构的灵活重构，甚至成为电信网成本居高不下的主要原因之一。

近来，GSMA对156个运营商的调查显示，尽管网络开放进展不快，挑战不少，但是98%的运营商正在考虑采用开放架构。

网络架构开放的重要技术目标是实现动能解构。

纵向，各个层面两两解耦，同厂或异厂不同层面的软硬件可以灵活按需组合乃至选优组合，突破厂家锁定。这是开放的初期目标。

横向，同一层面内能够提供特定功能的最小独立功能块——组件间也完全解构，能够按需灵活组合应用。这是开放的重要目标。

封闭性是差异化、专业化的护栏。

头部互联网企业依靠强大技术能力和细分市场的优势在应用层面走向专业化、差异化和封闭化，形成专业垄断，取得巨大成功。

美国OpenAI在AI基础层面开发的大型生成时模型ChatGPT和GPT-4的能力和威力影响和震惊了全社会，但却是一个封闭算法黑箱。荷兰ASML开发的EUV光刻机独步天下，无人 能及。

不少科技型企业在网元和器件级别上采用了专用技术、先进架构、特殊算法、一体化集成等等，开发出高性能网元和器件，形成他人难以模仿的壁垒。例如CPU/GPU和某些高性能网元和器件。创新垄断几乎是所有科技型企业的现实追求和精神追求。

开放性和专用性在竞争中并行发展，并将继续在竞争中并行发展。开放性是ICT行业发展的主旋律，专用性是互联网和科技型企业发展的主旋律。无论哪条路线，关键的关键是持续创新!

开放性标准化的最新进展

目前，介入开放性研究的各类机构很多，从不同的角度推动开放性的国际标准，例如TIP、IETF、MSA、ONF、OIF、OCP等。

2023年巴塞罗那移动大会上，GSMA宣布GSMA Open Gateway计划，试图通过定义一个通用网络应用程序可编程接口(API)框架，将通信网络变成一个通用大平台，为开发者提供标准化的通用访问接口，从而可以方便的获取运营商开放的电信能力。行业期望借助开放性，最终构筑起运营商和云公司的数字化新生态。

目前，GSMA已经定义了包括QoD(QoS on Demand)在内的8个开放API，正在定义更多的开放接口。在2023年巴塞罗那移动大会上，西电和德电等欧洲运营商成为开放API的积极推动者，并认为开放性将是运营商的下一个“金矿”。

传统RAN的现状与问题

在传统移动网中，RAN是专用集成方案，形成局部封闭的几个单厂家局面，性能较好，规避了多厂家集成的复杂性，却与当前的开放大趋势背离，生态弱、成本高、创新慢。

传统RAN主要的问题是每个基站按最大用户数和流量设计，多数时间处理能力浪费。每个基站独立管理，需要对邻站频率复用协调，制冷和电源也需要专门设计。

引入RRH与BBU分离的分布式架构后，实现了BBU的集中控制，但两者间依然是私有解决方案。引入虚拟化后，BBU将从定制化硬件转变为虚拟化基础设施，但是BBU与RRH之间依然是私有解决方案，导致整个RAN依然是封闭的私有集成方案。

RAN的开放性探索历程

C-RAN(Centralized RAN，Cloud RAN)实现RAN功能虚拟化，BBU处理资源集中化、开放化、协作化，推动了RAN的开放解耦，起到提效率、降成本、降时延、降功耗的初步开放化目标，但是C-RAN依然是单厂家封闭解决方案。

vRAN(Virtual RAN)实现RAN的软硬解耦和硬件白盒化，开放化又进了一步，但是无线与BBU间依然是专用接口，RAN内组件间更是专用封闭接口。

O-RAN(Open RAN)实现BBU与RRU/RRH间接口，以及RAN内组件间接口的开放和标准化，RAN的升级只需替换软件即可，实现了类似IT业的水平化架构重构，从而提供了更高层次的开放性。

开放RAN的技术内涵

虚拟化RAN(vRAN)指基带的软硬件解构，基带功能虚拟化，可以部署在任何云服务商提供的标准云计算硬件上。

开放RAN(Open RAN)进一步将基站的几乎所有功能虚拟化并期望能部署在任何供应商提供的任何云计算硬件(包括COTS)上。Open RAN并不意味着必然是软件开源，主要强调接口的开放和互操作，多数组件可能仍然是私有技术。

Open RAN遵守3GPP标准要求，但增加了更多互操作性要求和RAN内部组件间的开放接口要求，进一步实现RAN内部组件功能的解构，迈向更高层次的网络开放。

5G没有根本解决开放性问题

5G标准尽管支持开放性云化基础设施，但实际只是在核心网兑现了私有云方案，占投资70-80%的RAN依然是封闭的灰盒标准，形成多个单厂家封闭的孤岛局面。

O-RAN的首要目标是打开灰盒，定义若干开放功能元素和接口，从而充分发掘5G和云的全部潜力;其次，开放和解构也是为了在最花钱的RAN引入更充分的竞争局面，降低网络成本。

第三，新的开放接口可望提供更多新业多新应用的机会;第四，通过O-RAN架构上的编排菅理层，可以将云基础扩展至网络，进而由RAN智能控制器(RIC)将云化转型的一系列好处从RAN扩展出去。

开放RAN的技术走向与生态

开放RAN具有开放和互操作接口及软件硬件解构的新架构，主要依托通用计算平台，而非定制硬件来实现RAN功能并用云原生机理来管理RAN的虚拟化应用。

开放RAN拥有三项基本技术：SDN、NFV和容器化。其硬件走向白盒化，软件走向开源化，接口走向标谁化，控制走向云化。

开放RAN的生态建设是能否成功的关键是不仅靠技术和标准化，更要靠产业链合作，包括监管和经济性，没有一个或一类玩家能够独立支撑，挑战不能低估。

开放RAN的潜在优势

打开元部件之间的私有接口，发掘云网全部技术潜力。引入更充分竞争局面，据咨询机构预测，开放RAN有潜力降低CAPEX约40-50%，降低OPEX约35%-40%。

快速响应布场，期望带来更多新业务、新应用、新收入;通过编排管理层可以将云基础扩展至网络，进而由RIC将云化转型的一系列好处从RAN扩展出去;借助自动化供给和全生命期管理，提升运行效率和频谱效率、按需管理容量等。

有更多各有专长的供应商进入市场，涉及芯片、光模块、射频元器件、软件、集成和支撑服务等，形成跨领域、跨行业的协同合作局面和健壮的大生态。

开放RAN的劣势和挑战

不仅靠技术和标准化，更要靠产业链各方合力，但面临行业内卷、利益格局壁垒乃至国家间政治博弈的影响，产业链不成熟;大流量能力、扩展性、时延性能和功耗还远逊传统封闭方案。

安全性依然是运营商的重要关切问题;对IT/云能力和系统集成能力要求很高，是运营商短板。需要大批具有扎实网络和云技术根底，且具实际操作能力和协调能力的专家;需底层网络承载的协同，保证必要容量和低时延。而前传领域块乏行业共识的技术方案和演进路径。

互操作规定缺失，只有制定网络职责界定的明确规定，才能确保故障快速发现、诊断、寻根和排除;开放RAN与现有网络的集成挑战。

开放RAN的市场趋势

Appledore Research预测，2026年开放RAN元部件和服务市场大约占全部RAN的15-20%，Omidia预测为16%。

开放RAN将逐渐成为RAN的重要模式。个人认为，在5G领先国家，例如中国，5G时代机会有限，但有可能成为6G时代的重要模式。

开放RAN的市场格局一三种开放模式

传统头部厂家依托其技术、市场地位和长期客户关系仍将占主导地位，单厂家开放RAN约占70-80%;新进入者单厂家开放RAN约占10-20%;多厂家开放RAN约占10%左右。

先从性能要求不高的场景启步(地库、偏远区域等)

ChatGPT开创人工智能新时代

ChatGPT是美国OpenAI开发的聊天机器人程序，是AI驱动的自然语言处理工具，能像人一样聊天交流。

最新推出的GPT-4不仅能聊天，而且已具备多模态能力和自主学习、自我进化能力，成为一款智能决策和创作系统。

GPT-4不仅在语言，还在数学、音乐、编程、图片、医学、法律等诸多领域表现出色且具备了综合能力，正向通用人工智能方向迈进，成为全人类共享的超级数字大脑。同时，其自主学习思考、自我更新进化能力也给人类带来不可预测、难以控制的深远影响。

GPT-4引入了知识和经验，但依然靠蛮力计算，算力成本和功耗很高，对数据规模和数据质量要求也很高，时效性和通用性不强，推理能力不够强，训练推理结果不可预测，可以看作是2.5代AI。

ChatGPT的技术核心和局限

ChatGPT的技术核心是引入基于人类反馈的强化学习(RLHF)，使得模型训练和推理结果与人类常识、认知、需求、价值观一致，还能自己创编新知识，正成为不断进化的数字大脑。

ChatGPT的技术局限是采用生成式大模型GPT，需海量的高质量语料库训练，才能使模型拟合真实世界，对算力、算法和数据要求很高，目前训练模型参数达1750亿，使用1万个GPU显卡A100，不仅昂费，而且功耗可观。

GPT-4训练模型达1万亿参数(松鼠大脑)，离人脑(100万亿)不太遥远。但不懂道理，仍有不少局限和荒谬应答，Hinton称为“白痴天才”，期望更智慧、更安全、更人性、更高效、更通用。

ChatGPT的潜在风险

不可预测和难以控制，算法黑箱导致不可预测的信任危机和潜在风险;自主学习、白我进化能力给人类带来不可预测，难以控制的训练结果。甚至潜在的灾难。奥特曼的茫然和Hinton的辞职和后悔......

信息安全和隐私泄露，高度拟人的训练结果强化了假信息的逼真度和快速传播;错误的训练结果会误导人类做出错误决策，引发社会混乱。

版权体系的崩塌，GPT无偿的学习和利用了大量传媒的内容而不付费。

普通脑力劳动者的替代，有能力替代大量普通白领工作，造成社会的不安定。

构建电信专业GPT的必要性

生成式基础大模型GPT的局限性。作为基础大模型，GPT尽管威力巨大，但是耗资巨大，训练耗时过长，没有几个企业负担得起。

作为基础大模型GPT主要基于互联网现有的公开可用的开放数据进行训练，不仅缺少电信专业的非开放专业数据，而且其时效性和准确性不足以全面支撑瞬息万变的电信网络和业务。

生成式电信专业大模型GPT的必要性。企业可能需要在基础大模型GPT框架上开发一个规模没有那么大、成本可控、专业性更强，更有利于人工智能广泛应用的大模型，即电信专业GPT。这方面电信企业已具备较好基础，包括多元化基础算力、较高质量的海量数据，同时积累了大量行业应用的算法可用。