1.5 自動駕駛網絡的代際定義

達成華為自動駕駛網絡“自動、自愈、自優、自治”的總體愿景，并支撐自智網絡產業實現“Zero-X和Self-X”的產業目標，需要產業各方不懈努力和協同，對網絡融合感知、人機智能化協同和決策、意圖驅動閉環等諸多難點不斷進行關鍵技術突破，這是一個長期演進的過程。為了更好地支撐自智網絡產業長期可持續發展，需要對自動駕駛網絡進行代際劃分和定義，并在業界范圍內對自智網絡的代際演進形成統一認識、統一標準、統一目標。

華為自動駕駛網絡本質上是一個非常復雜的自動化系統，而自動化系統的演進過程，簡單地說，就是用“系統自動化能力”來代替“人工操作”的過程。自動駕駛網絡的自動化特征，就是在盡可能少的人工干預下，滿足網絡運營商對網絡運維管理的各種需求，如故障處理、質量優化、業務開通等。

早在2000年，美國喬治?梅森大學工程心理學教授雷杰?帕拉休拉曼（R. Parasuraman）就提出了對自動化系統進行等級劃分的理論基礎[7]，主要包括以下3個核心觀點。

第一個核心觀點是自動化系統中的各個任務，建議按“信息獲得”“信息分析”“決策和動作選擇”“動作執行”4個階段進行任務分類。

第二個核心觀點是針對以上每個階段的任務，從“全人工”到“全系統”的自動化演進方向，基于人機分工，從低到高劃分若干個連續等級，而不是從全人工直接跳變到全系統。

第三個核心觀點是在一個特定的自動化系統中，對于不同階段下的任務，其自動化能力和要求存在差異性，也就是說，不同階段的任務在自動化系統演進過程中，其自動化水平可能存在差異，比如“信息獲得”任務已經自動化，“決策和動作選擇”任務還處在人工或半自動化水平。

其中，針對“決策和動作選擇”階段任務，帕拉休拉曼教授給出了從完全人工決策到機器完全自主決策的自動化分級示例，如圖1-9所示。

目前各行業自動化系統也結合本行業特點細化定義了代際和分級標準，如IEC（International Electrotechnical Commission，國際電工委員會）定義了關于ATO（Automatic Train Operation，自動列車運行裝置）的自動化代際分級定義（IEC 62290-1），SAE International（國際自動機工程師學會）定義了關于汽車自動駕駛的代際分級定義（SAE J3016-2021）等。

這些代際分級定義的思路是高度一致的，均將自動化系統分解為通用的任務活動（如在ATO中，通用任務包括列車啟動、列車停止、開關車門等；在汽車自動駕駛中，通用任務包括加減速、轉向、環境監測、緊急情況決策和處理等），并從“人（如司機等）”到“系統”的演進方向進行代際劃分，同時考慮了不同任務活動的自動化水平在代際演進過程中的差異，與帕拉休拉曼教授提出的自動化系統分級理念非常匹配。

參考以上自動化系統分級理論和業界主流分級實踐，經過自智網絡產業界各方充分討論，自智網絡代際定義如圖1-10（引用自TM Forum標準IG1218[8]）所示。

在TM Forum的自智網絡分級代際定義中可以得出如下信息。

將自智網絡劃分為L0～L5這6個代際，L0最低，L5最高。自智網絡相關任務活動抽象總結為“意圖/體驗”“感知”“分析”“決策”“執行”5類認知閉環活動[即I-AADE（Awareness、Analysis、Decision、Execution，感知、分析、決策、執行）閉環]，每類活動基于人機分工，從P（人工）→P/S（系統半自動）→S（系統全自動）的演進方向進行劃分。

不同認知活動的自動化演進節奏存在差異。例如，執行活動一般是確定的、偏客觀的，其技術難度相對較低，在L2達到全自動；決策活動一般是不確定的、偏主觀的，依賴AI等智能化技術，技術難度相對較高，在L4達到全自動。

在適用性方面，L1～L4針對的是選定場景，L5針對的是所有場景，即L1～L4等級的達成是限制在選定的有限場景下，而達成L5需要在所有的場景下，即不限制場景。

華為自動駕駛網絡的代際遵從TM Forum自智網絡代際劃分和定義，關于TM Forum自智網絡L0～L5代際的詳細解讀，可參考TM Forum標準IG1218[4]文檔，本書不贅述。

除了以上基于認知活動+人機分工來劃分自動駕駛網絡代際的方法，在華為實踐自智網絡的過程中，也存在基于成效指標或技術特征來劃分代際的觀點。

基于成效指標進行代際劃分是基于指標的取值來劃分代際（如××指標下降50%就是L3），這種方式缺乏技術驅動或演進路徑，無法有效牽引短板分析和自動化能力提升，如通過投入更多的人力也可以縮短MTTR（Mean Time to Repair，平均修復時間）指標，但違背了自動駕駛網絡的理念和初衷。同時成效指標的選取、計算、目標值等與具體的實施產品、具體的業務和場景強相關，很難在公司范圍內形成一個統一的、通用的代際共識。成效指標更適用于華為對自動駕駛網絡的預期成效進行目標定義和等級提升后的自動化效果進行評估，而不建議直接通過成效指標來劃分自動駕駛網絡代際。

基于技術特征進行代際劃分是基于使用了哪些關鍵技術（如數字孿生技術、網絡仿真、AI知識推理技術等）來劃分代際，這種方式是從“如何實現自動駕駛網絡”的技術視角來進行代際劃分的，需要對自動駕駛網絡的內部實現方案和技術有較多的了解，評估舉證較困難。這種方式要求達成某個等級，必須使用某些技術來實現自動化，不利于各產品領域進行技術開放創新、尋求新技術的探索和突破。另外，自動駕駛網絡存在很多場景，有些場景確實需要使用比較復雜的技術來實現，而有些場景相對簡單，不需要復雜的技術也可以實現全自動化，如果嚴格按技術特征來劃分代際，這些簡單場景就無法達到高階等級。通過外部可感知的人機分工方式來劃分代際更加合理，因為技術和實現方案只是等級提升的手段而不是目的，所謂“不管黑貓白貓，抓到老鼠就是好貓”。技術特征可以用于指導系統如何實現自動駕駛網絡，作為華為各產品領域在系統自動化、智能化能力建設過程中的重要參考。

本節介紹的代際定義是當前華為自動駕駛網絡的通用抽象總結，是自動駕駛網絡向自動、自愈、自優、自治演進的總體分級框架。在華為各產品領域實際落地過程中，為了對各領域進行細粒度的分級評估，還需要基于此框架細化定義具體的分級標準和評估方法，具體參見第7章。