潜在风险，部分关键场景存在业务中断隐患。 6G 作为下一代移动通信技术，对网络稳定性与可靠性提出了更高要求。 本白皮书聚焦核心网领域，汇聚行业专家的研究成果与实践经验，深度剖析 4/5G 商用网络事故带来的启示、前瞻性预判 6G 网络面临的可靠性挑战， 提出6G “零中断”网络（Zero-Outage Network, ZON）愿景和目标、设计“零 中断”网络三体架构，即网络本体原生抗毁、灾备护体物理止损、高稳智能体 硬结 合、内外因交织的复合性特点。其中，网络故障占比约50%，通常由网络自身设 计缺陷或容灾不足引起网络中断，包括硬件故障、网络云故障、核心网故障、传 输承载故障等。其次，动网操作占比约38%，通常由人为的网络维护操作、或升 级调试等行为引发网络功能异常、甚至信令风暴和大面积服务中断。 过载是主要现象。占比约69%，通常因局域异常未能及时恢复或隔离，再加上 4/5G智能终端永远在线的设计，导致短时间内反复重试引发过载。 一方面语音业务都是基于IMS承载的，当数据业务发生故障，语音业务也将遭受 牵连；另一方面因为终端的语音优先策略，当语音业务故障时会释放数据连接。 事故诱因 事故现象 业务影响 中断时长 3 业务中断时间长。88%的事故中断时长超过2个小时，50%的事故中断时长超过 5个小时，主要因为发现异常耗时长、人工定界、诊断、恢复耗时长。 1.2 4/5G 商用事故启示 1.2.1 技术演进启示 5G网络在商用与能

ChatGPT、Deepseek 为代表的 AI 大模型崛起，算力需求呈指数级增长， 全球正加速建设智算中心以应对这一挑战。智算中心内部或智算中心间海量的数 据交换，对网络链路的可靠性提出了前所未有的要求。任何链路闪断或中断都可 能导致 AI 训练任务失败，造成巨大的时间和资源浪费。然而，光模块的成本与 可靠性瓶颈以及大规模集群中链路数量的激增，使得已有技术难以满足新型智算 中心 AI 业务对可靠性的需求。 本白皮书面向新型智算中心逐渐以承载 模式与传统数据中心不同，东西向流量特征明显。在这种流量模式下，大量服务 器共同承载 AI 任务并行计算，对网络的可靠性提出了前所未有的挑战。服务器 之间逻辑连接的任何一条物理链路发生故障，都会导致数据同步失败，任务中断， 造成大量时间和资源的浪费。如果承载 AI 任务的服务器之间共有���条物理链路， 每条链路的可靠性为���，则 AI 训练任务的可靠性为��� = ���=1 ��� ∁��� ��� × 106���������），和传统 DC 业务的可靠性比较，端到端的可靠性下降数千 倍以上。根据 Meta LLama 3.1 万卡集群公开的论文[2]，LLama 3.1 在为期 54 天的 训练期间共发生 466 次故障中断，其中 GPU、网络互联和主机等故障占比靠前， 其中因网络设备和线缆问题造成网络互联故障共 35 次。 光互联链路在带宽、延迟、传输距离等方面具备较大优势，已在智算中心得 到广泛部署，如图 1-2

2019.02 2019.12 2019.04 Huawei Confidential 5 当前应急指挥面临的现实挑战 2019.6 广东河源洪灾 连平县公路中断 126 条 /65 次，供电中断 53 条 /35 次； 通讯中断 24 条 /5 次； 无法及时获取连平、龙川等 县市灾情现场状况，上千救援队无法实施科学地 部署和救援 三断场景，千人救援 灾清获取不及时，通信保障难 2012 灾害一线 现场指挥部 背负式 大功率 eLTE CPE 业务目标 通信保障（听得见、看得清） 各种视频资源（会议、监控、图传等）融合互通，横向到边，纵向到底 确保极端恶劣条件下（公网中断、电力中断、道路中断）通信顺畅 辅助决策（能分析、能决策） 一张图指挥，为应急指挥提供数据和信息支撑 情景构建（可模拟、可演练） 专题研判、专题辅助决策、模型分析等智能化手段 4G/5G 部 省 市 县 灾区通信响应时间 4+ 小时  2+ 小时 100KM 灾情可视 4+ 小时  1+ 小时 亚米级分辨率卫星遥感灾区 图像及测绘数据 区县级配备 省市级配备 省市级配备 指挥中心 道路中断点 灾害一线 • • 画幅 4K 视频拍摄模块 空中照明模块 miniRapid 120m 指挥中心 灾害一线 • • • 照相、摄像装置 SAR 雷达、激光雷达 强光照明模块 指挥中心

应急指挥中心 • Security Level: 2019.6 广东河源洪灾 连平县公路中断 126 条 /65 次，供电中断 53 条 /35 次；通讯中断 24 条 /5 次； 无法及时获取连 平、龙川等县市灾情现场状况，无法实施科学 地 部署和救援 灾清获取不及时，通信保障难 2019.7 贵州六盘水山体滑坡 救援指挥、会商依靠纸质地图；根据经验进 灾害一线 4G/5G 业务目标 通信保障（听得见、看得清） 各种视频资源（会议、监控、图传等）融合互通，横向到边，纵向到底 确保极端恶劣条件下（公网中断、电力中断、道路中断）通信顺畅 辅助决策（能分析、能决策） 一张图指挥，为应急指挥提供数据和信息支撑 情景构建（可模拟、可演练） 专题研判、专题辅助决策、模型分析等智能化手段 业务需求 应急指挥： 知情快：无人机 + 卫星遥感，全天候高清信息获取 区县级配备 省市级配备 省市级配备 120m 指挥中心 道路中断点 灾害一线 指挥中心 灾害一线 指挥中心 灾害一线

发选收方案。接入端路由器对信号进行包 复制、双链路传输，核心侧路由器择优选用，以保证在一条无线链路完全中断情况下，信号传 输正常业务不中断； b) 双 CPE 主备：针对视频回传业务大带宽、高可靠需求，通过在接入路由器上配置双活主备路由， 利用 BFD 检测机制触发倒换，当主用 CPE 链路中断时，视频信号将切换至备用 CPE 链路回传， 应用侧视频秒级卡顿后恢复正常。 5.4.3 基站高可靠 宽满足 DB4403/T 442—2024 5 小区的网络需求。一条链路传输操控维护数据，当传输操控维护数据的端口或链路故障时，操 控维护数据能够使用另一条链路，避免单端口、单链路故障造成业务中断； b) BBU 至传输设备采用双路由主备加固方案，当其中一条链路、端口或单板故障时，业务能够使 用另一条链路。 5.4.5 核心网高可靠 5.4.5.1 核心网控制面轻量级下沉-应急容灾方案 业务不掉线，惯性运行，并支持用户重新接入。 5.4.5.2 用户面 UPF 容灾方案 港口内部可部署两台或以上 UPF，支持负荷分担或主备模式，包括同局址容灾（同机房）、异局址 容灾，因同局址网元级容灾出现“局房级”故障时存在业务中断风险，推荐异局址（不同机房）容灾。 5.5 网络切片方案 港口内不同业务配置独立专用切片 DNN 加以隔离，专网 SIM 卡绑定配置高优先级 5QI，特殊场景可 考虑特定 5QI 或 RB 资源预留等方案。

单 3 跳传输延迟仅为数毫秒，跨洲通信延迟甚至可优于部分跨洋光缆路径， 满足对低时延敏感的应用需求。与此同时，卫星互联网承载网具备高 度的动态路由与自适应调度能力，能够应对卫星轨道变化、链路中断、 业务突发等复杂情况，保障业务连续性。此外，星座规模和节点分布 的高度冗余赋予了网络极强的抗毁性和弹性，在单点故障或区域性灾 害中仍能维持通信链路畅通，这对于应急通信、国防安全等领域具有 战略意义。 转 发，保障网络的基本通信功能。例如，在受到空间碎片撞击导致部分 卫星节点故障的情况下，分布式架构的卫星互联网承载网能够通过其 他正常节点的自主调整，维持网络的连通性，确保关键业务的通信不 中断。而且，分布式架构能够更好地适应卫星互联网承载网拓扑动态 时变、链路频繁切换的特点。每个路由器能够实时根据本地的链路状 态和邻居节点信息，快速调整路由策略，从而实现更高效的路由转发。 8 图 长期的业务流量统计和预测，为网络规划出最优的骨干路由，确保网 络资源的高效利用。而当某个区域突然出现大量业务请求或链路出现 故障时，该区域的卫星互联网路由器能够立即自主调整路由，将流量 快速疏导到其他可用路径，避免业务中断，同时及时将网络状态变化 反馈给地面网络控制器，以便其对全局路由策略进行进一步优化。​ 然而，混合式架构的设计和实现较为复杂。如何合理地划分集中 式和分布式路由的边界，以及如何确保两者之间的协同工作顺畅，是

3.1.1 运维规范 表3.1 故障等级定义 故障等级 定义 1 出现严重故障，对客户网络和业务运营造成严重影响。涵盖最终用户在使用过程中发现的所有服务中断或网络 功能损坏类事件 2 对业务运营造成显著影响。故障有可能导致业务中断。产品部分操作不可用，但是仍能使用，对用户相关的领 域没有影响，或影响可以设法规避 3 对业务运营造成有限的影响。故障并不影响网络服务或功能。产品仍能运转，但功能受限。此类情景不紧急， 商驻场运维工程师等角色的职责边界，高效处理 故障，避免造成业务中断，确保业务的稳定性。 15 应急恢复流程：应急恢复流程主要是业务紧急恢 复、安全攻击事件及重要漏洞处理等场景下的应 急处理流程，通过应急恢复流程，集中运维研发 资源快速恢复客户业务，处理重大应急运维事 件，达成业务运行SLA。 业务变更线 变更流程：变更流程主要用于指导对设备和业务 的变更管理，减少变更导致业务意外中断，确保 业务安全稳定运行。 间不超过 8.76 小时（365 天 * 24 小时 * 0.1%）。 这要求运维团队具备完善的监控体系，能及时发现 并解决潜在的系统故障隐患，同时制定冗余和灾备 策略，确保在出现硬件故障、网络中断或软件错误 时，系统能快速切换到备用环境，维持业务连续 性。 运维服务响应指标 告警响应及时率：规定运维团队针对告警的响应速 度。例如，对于影响业务正常开展的关键告警，要 求运维人员在15分钟内做出响应，初步确定故障原

方式下，高负载链路利用率：低负载链路利用率达7:1，即流量 无法有效hash，高负载链路堵点概率极大。因此对网络负载均衡 4 调优、无损传输等提出了更高要求。同时大模型的训练和推理也 对网络的可靠性提出了更高要求，任何网络中断都可能导致训练 失败或推理错误，降低集群算力的效率。 三是高可维网络挑战。大模型单次训练时间在数天-月级。 训练期间如果出现网络不稳定的问题，会影响整个训练任务的进 度。且大模型训练环境涉及各软硬件组件配合，运维复杂。例如 恢复能力的高可用网络，减少因网络故障中断、网络拥塞低效等 问题带来的算力资源浪费，保障分布式计算任务的稳定进行。 1.高可靠传输网络 相较于传统网络，大模型训练网络对丢包中断等异常情况的 容忍度更低，对故障敏感度更高，收敛时间要求更严，有更高的 可靠性要求。传统网络依赖控制面协议探测协商，故障中断时可 能产生百毫秒左右的短暂中断，但是这百毫秒中断若发生在数据 读取或模型更新等关键阶段，系统会丢弃这批数据或在恢复后重 90%以上。转发过程如图 5 所示： 图 5 包级负载分担 值得一提的是，使用包级负载均衡技术，需要解决报文在网 络中乱序的问题。当接收方接收到的报文顺序与发送方发送的报 16 文顺序不一致，会造成业务中断。目前解决报文乱序问题有两种 方案，一种是在端侧进行报文排序，此方案对交换机的要求比较 低，仅需支持报文分片和流控机制；另外一种是在网络侧进行报 文排序，此方案需要交换机支持报文分片和流控，以及支持报文

4 K 超高清 4 Huawei Confidential 应急指挥有明确的目标方向及政策指导 2019.6 广东河源洪灾 连平县公路中断 126 条 /65 次，供电中断 53 条 /35 次；通讯中断 24 条 /5 次； 无法及 时获 取连平、龙川等县市灾情现场状况， 上千 救援队无法实施科学地部署和救援 灾清获取不及时，通信保障难 三断场景，千人救援 Confidential 5 部 省 市 县 通信保障（听得见、看得清） 各种视频资源（会议、监控、图传等）融合互通，横向到边，纵向到底 确保极端恶劣条件下（公网中断、电力中断、道路中断）通信顺畅 辅助决策（能分析、能决策） 一张图指挥，为应急指挥提供数据和信息支撑 情景构建（可模拟、可演练） 专题研判、专题辅助决策、模型分析等智能化手段 应急指挥： 在很短的时间里，根据不充分的信息， 指挥中心 道路中断点 灾害一线 区县级配备 10KM 灾区通信响应时间 4+ 小时  2+ 小时 知情快：无人机 + 卫星遥感 ，全天候高清信息获 取 • 照相、摄像装置 • SAR

行针对性预防部 署，降低财产损失。 7 图 2.3 洪涝淹没分析预警 2.2.2 无人机灾害侦查 针对灾害高危，常规侦查手段受限、灾情区域交通不畅，车辆、人员救援困难以及灾 区通讯、电力中断，难以有效与外界互通的痛点，工业级无人机可利用自身垂直起降，摆 脱场地限制，同时快速展开系统，高效实施侦查。过程中以高空视角实时传回现场视频画 面，全面具象反映灾情。 图 2.4-1 抵近地震震中侦查灾情 决堤河道快速定位、实时状态巡检 图 2.4-3 森林草原火情监控 9 2.2.3 无人机应急作业 一、通信覆盖 针对常规数据链受环境遮挡导致遥控遥测中断和受灾地区断电断网，无法与外界救援 信息互通的痛点，使用卫星通信数据链，可避免中断问题，且指控距离不受限制。同时搭 配运营商通讯移动基站，可提供应急通信网络覆盖，地面人员可短时恢复正常通话及网络 应用。 图 2.5 无人机通信覆盖 针对夜间能见度低，实施人员搜救困难的痛点，使用可见光+热红外光电吊舱，并支 持多种红外伪彩效果切换显示，昼夜均可实施人员搜救，无惧夜晚能见度低造成的影响。 图 2.6 无人机实施人员搜救 10 三、物资抛投 针对受灾地区交通中断，外界救援补给难以深入的痛点，携带应急物资，快速精准空 投运输至被困人员，提高被困人员生存概率，争取更多救援时间。 图 2.7 无人机实施物资抛投与运输 四、灭火处置 针对林区明火火场，无人