1.5 自动驾驶网络的代际定义

达成华为自动驾驶网络“自动、自愈、自优、自治”的总体愿景，并支撑自智网络产业实现“Zero-X和Self-X”的产业目标，需要产业各方不懈努力和协同，对网络融合感知、人机智能化协同和决策、意图驱动闭环等诸多难点不断进行关键技术突破，这是一个长期演进的过程。为了更好地支撑自智网络产业长期可持续发展，需要对自动驾驶网络进行代际划分和定义，并在业界范围内对自智网络的代际演进形成统一认识、统一标准、统一目标。

华为自动驾驶网络本质上是一个非常复杂的自动化系统，而自动化系统的演进过程，简单地说，就是用“系统自动化能力”来代替“人工操作”的过程。自动驾驶网络的自动化特征，就是在尽可能少的人工干预下，满足网络运营商对网络运维管理的各种需求，如故障处理、质量优化、业务开通等。

早在2000年，美国乔治•梅森大学工程心理学教授雷杰•帕拉休拉曼（R. Parasuraman）就提出了对自动化系统进行等级划分的理论基础[7]，主要包括以下3个核心观点。

第一个核心观点是自动化系统中的各个任务，建议按“信息获得”“信息分析”“决策和动作选择”“动作执行”4个阶段进行任务分类。

第二个核心观点是针对以上每个阶段的任务，从“全人工”到“全系统”的自动化演进方向，基于人机分工，从低到高划分若干个连续等级，而不是从全人工直接跳变到全系统。

第三个核心观点是在一个特定的自动化系统中，对于不同阶段下的任务，其自动化能力和要求存在差异性，也就是说，不同阶段的任务在自动化系统演进过程中，其自动化水平可能存在差异，比如“信息获得”任务已经自动化，“决策和动作选择”任务还处在人工或半自动化水平。

其中，针对“决策和动作选择”阶段任务，帕拉休拉曼教授给出了从完全人工决策到机器完全自主决策的自动化分级示例，如图1-9所示。

目前各行业自动化系统也结合本行业特点细化定义了代际和分级标准，如IEC（International Electrotechnical Commission，国际电工委员会）定义了关于ATO（Automatic Train Operation，自动列车运行装置）的自动化代际分级定义（IEC 62290-1），SAE International（国际自动机工程师学会）定义了关于汽车自动驾驶的代际分级定义（SAE J3016-2021）等。

这些代际分级定义的思路是高度一致的，均将自动化系统分解为通用的任务活动（如在ATO中，通用任务包括列车启动、列车停止、开关车门等；在汽车自动驾驶中，通用任务包括加减速、转向、环境监测、紧急情况决策和处理等），并从“人（如司机等）”到“系统”的演进方向进行代际划分，同时考虑了不同任务活动的自动化水平在代际演进过程中的差异，与帕拉休拉曼教授提出的自动化系统分级理念非常匹配。

参考以上自动化系统分级理论和业界主流分级实践，经过自智网络产业界各方充分讨论，自智网络代际定义如图1-10（引用自TM Forum标准IG1218[8]）所示。

在TM Forum的自智网络分级代际定义中可以得出如下信息。

将自智网络划分为L0～L5这6个代际，L0最低，L5最高。自智网络相关任务活动抽象总结为“意图/体验”“感知”“分析”“决策”“执行”5类认知闭环活动[即I-AADE（Awareness、Analysis、Decision、Execution，感知、分析、决策、执行）闭环]，每类活动基于人机分工，从P（人工）→P/S（系统半自动）→S（系统全自动）的演进方向进行划分。

不同认知活动的自动化演进节奏存在差异。例如，执行活动一般是确定的、偏客观的，其技术难度相对较低，在L2达到全自动；决策活动一般是不确定的、偏主观的，依赖AI等智能化技术，技术难度相对较高，在L4达到全自动。

在适用性方面，L1～L4针对的是选定场景，L5针对的是所有场景，即L1～L4等级的达成是限制在选定的有限场景下，而达成L5需要在所有的场景下，即不限制场景。

华为自动驾驶网络的代际遵从TM Forum自智网络代际划分和定义，关于TM Forum自智网络L0～L5代际的详细解读，可参考TM Forum标准IG1218[4]文档，本书不赘述。

除了以上基于认知活动+人机分工来划分自动驾驶网络代际的方法，在华为实践自智网络的过程中，也存在基于成效指标或技术特征来划分代际的观点。

基于成效指标进行代际划分是基于指标的取值来划分代际（如××指标下降50%就是L3），这种方式缺乏技术驱动或演进路径，无法有效牵引短板分析和自动化能力提升，如通过投入更多的人力也可以缩短MTTR（Mean Time to Repair，平均修复时间）指标，但违背了自动驾驶网络的理念和初衷。同时成效指标的选取、计算、目标值等与具体的实施产品、具体的业务和场景强相关，很难在公司范围内形成一个统一的、通用的代际共识。成效指标更适用于华为对自动驾驶网络的预期成效进行目标定义和等级提升后的自动化效果进行评估，而不建议直接通过成效指标来划分自动驾驶网络代际。

基于技术特征进行代际划分是基于使用了哪些关键技术（如数字孪生技术、网络仿真、AI知识推理技术等）来划分代际，这种方式是从“如何实现自动驾驶网络”的技术视角来进行代际划分的，需要对自动驾驶网络的内部实现方案和技术有较多的了解，评估举证较困难。这种方式要求达成某个等级，必须使用某些技术来实现自动化，不利于各产品领域进行技术开放创新、寻求新技术的探索和突破。另外，自动驾驶网络存在很多场景，有些场景确实需要使用比较复杂的技术来实现，而有些场景相对简单，不需要复杂的技术也可以实现全自动化，如果严格按技术特征来划分代际，这些简单场景就无法达到高阶等级。通过外部可感知的人机分工方式来划分代际更加合理，因为技术和实现方案只是等级提升的手段而不是目的，所谓“不管黑猫白猫，抓到老鼠就是好猫”。技术特征可以用于指导系统如何实现自动驾驶网络，作为华为各产品领域在系统自动化、智能化能力建设过程中的重要参考。

本节介绍的代际定义是当前华为自动驾驶网络的通用抽象总结，是自动驾驶网络向自动、自愈、自优、自治演进的总体分级框架。在华为各产品领域实际落地过程中，为了对各领域进行细粒度的分级评估，还需要基于此框架细化定义具体的分级标准和评估方法，具体参见第7章。