1、数据准备阶段
电信业务涉及端到端网络不同域设备，业务相关的完整数据往往要跨域多设备收集，导致原始数据种类繁多且质量参差不齐，这样的数据往往非常难处理。例如数据清洗阶段，业务关联性强且种类繁多的电信域数据，要求开发者要频繁与不同领域专家讨论，才能建立可判断数据质量好坏的各式各样规则，然后根据对应数据质量判断规则为每一类数据手工写脚本，进行规模清洗。这样的方式往往消耗开发者大量时间成本且效率低下，同理，数据的ACD识别和数据标注面临相同的问题，即规则库建立困难且缺乏可直接使用的规模化数据处理工具。
SoftCOMAI平台提供“丰富高质量的数据服务”。依托华为在电信领域长期积累的业务经验，形成面向各类电信业务场景的高质量数据专家规则库。在此基础上，运用机器学习算法构筑一套数据处理工具。帮助运营商以及合作伙伴将原始数据进行有效的数据清洗、识别和准确标识，形成Catalog结构化高质量数据资产。同时，提供包括数据配置维护、应用、查询等一套数据管理机制。使能开发者随时调用有效的高质量数据进行AI模型的开发训练。
2、模型训练阶段
电信设备种类和厂家包罗万象，一种设备的标准都是五花八门，这就导致开发者经常要从上千种标准的设备参数中进行特征提取；此外，电信领域网络覆盖范围广泛，涉及无线／固定接入网、承载网、核心网、骨干网等，导致电信业务相关外部参数上千种，不同外部参数组合往往匹配不同AI算法。开发者要从上千种参数组合中找到对应算法，盲目摸索效率极低。
SoftCOMAI平台提供“一站式高效模型训练服务”，在特征提取阶段，支持电信领域业务对象如基站、交换机、路由器等设备的特征处理能力，辅助开发者快速识别关键特性；在模型选择阶段，内置的电信领域业务AI算法（例如异常检测、根因分析、优化控制、业务预测等等），帮助开发者缩短模型算法试错时间。最后，在模型训练阶段，用多模并行训练计算框架，替代串行训练计算框架，加快模型训练速度。从业务和算力双向加速AI应用模型开发。
3、部署验证阶段
AI模型训练出来后，还需要部署到业务模拟环境进行验证评估调优，毕竟在虚机上训练出来的模型，不拿到业务模拟环境运行验证一把，怎么知道是否有效？万一训练出来是个傻子呢？为了保证部署验证的有效性，要求开发者构筑的业务模拟环境尽量精准，然而电信领域业务一般比较复杂，AI模型部署验证要涉及几十种不同软／硬件资源配套，不同业务的配套资源还不一样，开发者从零开始手工搭建环境，工作量大、周期长。
SoftCOMAI平台为开发完成的模型，提供“AI模型精准部署验证服务”。开发者只需基于统一规范的应用包格式提供AI模型，再选择平台内预置的的业务模拟环境，即可以进行一键部署验证，极大提升部署验证效率；同时，SoftCOMAI平台提供模型部署验证过程中的业务效果可视化工具，AI模型的任何改动对业务系统的影响一目了然；开发者在进行多个模型部署验证对比，或新旧模型部署验证对比时，业务效果可视化工具可以系统反馈不同模型下业务性能差异指标，帮助开发者精准选择匹配业务环境最优模型。
4、模型发布阶段
AI模型开发出来后，开发者们难以找到可以管理发布电信领域模型的交易市场，往往无法顺利实现商业变现，成为AI开发者的职业发展瓶颈。为了推动电信领域行业AI发展，鼓励更多AI开发者实现模型的商业价值变现，SoftCOMAI平台贴心的为电信领域AI开发者搭建一个“AI模型大卖场”，提供AI模型高效发布服务，包含认证服务（如模型数据安全审核，运行环境兼容审核等）、上架服务（网站门户展示，线上计量计费等）、版本迭代管理服务。开发者只需要在线提供“AI模型／应用”的软件包和介绍说明文档，SoftCOMAI平台即可提供一条龙发布服务，将AI开发者的劳动成果推向市场，实现商业变现。
电信领域AI开发任重而道远，SoftCOMAI平台在数据准备、模型训练、部署验证以及模型发布四个阶段，为开发者提供了一套全生命周期AI开发服务，协助开发者扫除电信领域AI开发的重重障碍，使能开发者搭上AI开发的高效列车。
1、数据准备阶段
电信业务涉及端到端网络不同域设备，业务相关的完整数据往往要跨域多设备收集，导致原始数据种类繁多且质量参差不齐，这样的数据往往非常难处理。例如数据清洗阶段，业务关联性强且种类繁多的电信域数据，要求开发者要频繁与不同领域专家讨论，才能建立可判断数据质量好坏的各式各样规则，然后根据对应数据质量判断规则为每一类数据手工写脚本，进行规模清洗。这样的方式往往消耗开发者大量时间成本且效率低下，同理，数据的ACD识别和数据标注面临相同的问题，即规则库建立困难且缺乏可直接使用的规模化数据处理工具。
SoftCOMAI平台提供“丰富高质量的数据服务”。依托华为在电信领域长期积累的业务经验，形成面向各类电信业务场景的高质量数据专家规则库。在此基础上，运用机器学习算法构筑一套数据处理工具。帮助运营商以及合作伙伴将原始数据进行有效的数据清洗、识别和准确标识，形成Catalog结构化高质量数据资产。同时，提供包括数据配置维护、应用、查询等一套数据管理机制。使能开发者随时调用有效的高质量数据进行AI模型的开发训练。
2、模型训练阶段
电信设备种类和厂家包罗万象，一种设备的标准都是五花八门，这就导致开发者经常要从上千种标准的设备参数中进行特征提取；此外，电信领域网络覆盖范围广泛，涉及无线／固定接入网、承载网、核心网、骨干网等，导致电信业务相关外部参数上千种，不同外部参数组合往往匹配不同AI算法。开发者要从上千种参数组合中找到对应算法，盲目摸索效率极低。
SoftCOMAI平台提供“一站式高效模型训练服务”，在特征提取阶段，支持电信领域业务对象如基站、交换机、路由器等设备的特征处理能力，辅助开发者快速识别关键特性；在模型选择阶段，内置的电信领域业务AI算法（例如异常检测、根因分析、优化控制、业务预测等等），帮助开发者缩短模型算法试错时间。最后，在模型训练阶段，用多模并行训练计算框架，替代串行训练计算框架，加快模型训练速度。从业务和算力双向加速AI应用模型开发。
3、部署验证阶段
AI模型训练出来后，还需要部署到业务模拟环境进行验证评估调优，毕竟在虚机上训练出来的模型，不拿到业务模拟环境运行验证一把，怎么知道是否有效？万一训练出来是个傻子呢？为了保证部署验证的有效性，要求开发者构筑的业务模拟环境尽量精准，然而电信领域业务一般比较复杂，AI模型部署验证要涉及几十种不同软／硬件资源配套，不同业务的配套资源还不一样，开发者从零开始手工搭建环境，工作量大、周期长。
SoftCOMAI平台为开发完成的模型，提供“AI模型精准部署验证服务”。开发者只需基于统一规范的应用包格式提供AI模型，再选择平台内预置的的业务模拟环境，即可以进行一键部署验证，极大提升部署验证效率；同时，SoftCOMAI平台提供模型部署验证过程中的业务效果可视化工具，AI模型的任何改动对业务系统的影响一目了然；开发者在进行多个模型部署验证对比，或新旧模型部署验证对比时，业务效果可视化工具可以系统反馈不同模型下业务性能差异指标，帮助开发者精准选择匹配业务环境最优模型。
4、模型发布阶段
AI模型开发出来后，开发者们难以找到可以管理发布电信领域模型的交易市场，往往无法顺利实现商业变现，成为AI开发者的职业发展瓶颈。为了推动电信领域行业AI发展，鼓励更多AI开发者实现模型的商业价值变现，SoftCOMAI平台贴心的为电信领域AI开发者搭建一个“AI模型大卖场”，提供AI模型高效发布服务，包含认证服务（如模型数据安全审核，运行环境兼容审核等）、上架服务（网站门户展示，线上计量计费等）、版本迭代管理服务。开发者只需要在线提供“AI模型／应用”的软件包和介绍说明文档，SoftCOMAI平台即可提供一条龙发布服务，将AI开发者的劳动成果推向市场，实现商业变现。
电信领域AI开发任重而道远，SoftCOMAI平台在数据准备、模型训练、部署验证以及模型发布四个阶段，为开发者提供了一套全生命周期AI开发服务，协助开发者扫除电信领域AI开发的重重障碍，使能开发者搭上AI开发的高效列车。
举报
