NGMN-MLOps高度自主网络的运维_英译中__24页_1mb

MLOps高度自主网络运维V12ngmnorg2由NGMN联盟发布，日期2025年1月7日，文档类型为最终交付成果，保密等级为公共。该文件旨在为高度自主网络提供MLOps技术的指南与需求，重点探讨通用MLOps流程、架构及Level4+自主网络的AI应用部署。

文档覆盖MLOps核心流程，包括需求管理、数据工程、模型开发、模型交付与模型运营五大阶段，并通过持续监控（CM）、持续集成（CI）、持续部署（CD）、持续培训（CT）四个闭环反馈管道实现模型生命周期的自动化管理。例如，持续监控贯穿模型生命周期，通过采样分析识别风险；持续集成依托自动化测试确保模型更新兼容性；持续部署基于预设条件触发模型发布；持续培训则通过在线更新维持模型性能。

架构方面，MLOps平台由模型提供者开发环境、运营商开发与生产环境组成，包含模型构建与集成系统、模型训练系统、模型监控系统、模型部署系统及模型操作系统等模块。各部署场景差异显著：嵌入式网络元素部署集中于网络元素管理层；单域集成部署将系统置于单域网络管理层；实时单域部署区分在线与离线训练系统，支持动态环境适配；跨域部署则通过中心节点与边缘节点协同，实现模型监控与资源调度的分布式管理。

当前标准状况显示，3GPP、ISO/IEC及ITU-T等机构已开展相关研究，但存在不一致性。3GPP在Rel-18/Rel-19版本中推进AI/ML技术整合，ISO/IEC关注AI系统生命周期标准，而ITU-T提出端到端AI增强框架。然而，针对自主网络的MLOps标准仍不完善，需行业协作统一规范。

核心建议包括：1）建立跨域通用MLOps框架，整合3GPP的DevOps通用标准；2）推动O-RAN标准化RIC控制器与X应用交互，增强MLOps在开放无线接入网络中的适用性；3）深化AI/ML与ODA架构融合，支持智能管理自动化；4）完善AIOps生命周期指南，覆盖模型再训练与退役全流程。此外，需特别关注大型语言模型（LLM）及生成式AI（GenAI）在6G网络中的集成路径，确保其与现有技术标准的兼容性。

文档历史记录显示，自V00至V12版本历经多次修订，涉及术语定义、流程细化及多域部署方案优化。参与方包括中国移动、德国电信、华为等企业及国际组织，体现了跨行业合作特征。该文件可作为自主网络技术演进的参考，但其内容仍需根据实际应用需求持续更新。