通信大模型运维智能体,引领网络保障新趋势

发布时间:2025-06-24 作者:中兴通讯 沈远,沈毅

        在国家“信号升格行动”的推动下,通信行业正加速向智能化转型,以应对网络规模扩大、业务场景复杂化带来的挑战。传统网络运维模式依赖人工经验,存在效率低、响应慢、操作繁琐等痛点,难以满足高价值区域(大型商业体、重大活动场馆等)的保障需求。中兴通讯推出的“星云通信大模型”及其衍生的运维智能体技术,通过人工智能与大模型的深度融合,开创了网络保障的新范式,成为行业智能化升级的核心引擎。

        以高价值区域保障为例,中兴通讯联合合作伙伴,基于大模型技术构建的运维智能体方案,在全国多个项目的商用试点中,成功将保障人力投入降低83%,效率提升5倍,实现了网络保障的“智能化跃迁”。

 

传统保障模式的局限性

 

        传统网络保障模式面临四大核心问题:

  • 运维效率低下:网络资源配置与业务需求匹配周期长,难以快速响应突发流量或复杂场景需求。
  • 专业门槛高:保障策略依赖专家经验,一线人员需掌握多系统操作技能,培训成本高昂。
  • 策略与目标脱节:网络配置多关注故障处理,缺乏与商业目标(如用户体验优化)的深度关联。
  • 动态响应不足:重要场合需频繁调整策略,但传统系统自动化水平低,难以实现实时动态优化。

 

大模型运维智能体的创新实践

 

        UME无线运维智能体(见图1),是中兴通讯基于大模型技术面向无线网络保障场景的智能体应用,适用于无线网络运维保障场景,如演唱会/体育赛事等重大活动、突发事件应急保障、日常运维中的潮汐保障等。

 

        中兴通讯运维智能体基于“星云通信大模型”构建,采用模块化设计,核心包括:

  • 感知模块:实时采集网络性能、用户行为及外部事件数据,通过特征提取与清洗为决策提供输入。
  • 大模型模块:作为“智能大脑”,结合自然语言处理(NLP)与知识图谱技术,解析用户意图并生成保障策略。例如,通过日历或邮件触发保障流程,实现场景自动识别。
  • 规划与执行模块:基于强化学习优化策略,调用网络原子能力(如资源调度、参数调整)实现闭环操作。
  • 反馈学习机制:通过执行数据持续训练模型,提升策略精准度与自适应能力。

        技术框架上,智能体融合了生成式AI、多智能体协同(Multi-Agent)及RAG(检索增强生成)技术,有效解决大模型“幻觉”问题,确保决策可靠。

        UME无线运维智能体实现端到端闭环保障和动态优化与自适应。

  • 场景全覆盖:支持重大活动(如演唱会、体育赛事)、突发事件应急保障及日常潮汐流量管理。
  • 智能生成式交互:通过自然语言指令(如“保障XX商业体晚高峰网络”)触发流程,自动生成策略并执行,操作效率提升5倍。
  • 动态优化与自适应:实时监控网络指标(如用户数、PRB利用率、干扰水平),动态调整策略以应对流量波动。在杭州奥体中心演唱会保障项目中,网络流量预测准确率提升20%,保障效率显著提高。

        中兴通讯运维智能体方案,不仅是技术突破,更是运维范式的重构:

  • 技术融合创新:大模型与通信知识深度结合,解决了传统AI在结构化数据处理中的局限性,例如通过信令RAG知识库提升故障诊断精度。
  • 生态协同共创:联合运营商、行业伙伴共建智能体技术标准与场景库,加速技术规模化落地。
  • 商业价值延伸:从降本增效向体验经营延伸,为运营商提供差异化服务能力(如直播、云游戏专属保障),开辟新收入增长点。

 

应用试点与成效

 

        选择湖北省武汉市全球最大商业体武商时代广场作为验证环境,覆盖31个物理小区、60个逻辑小区,日均用户数超1800人。该区域节假日人流峰值达日常3倍,传统保障需6人天完成,智能体方案仅需1人天。智能体将资源查询时间从2分钟缩短至15秒,故障定位耗时从15分钟降至1分钟,保障人力投入减少83%。

  • 网络指标平稳:保障期间用户感知速率提升15%,干扰指标下降30%,PRB利用率稳定在健康阈值内。
  • 效率革命性突破:通过自然语言指令下发保障任务,策略生成与执行全自动化,人力成本降低83%。
  • 经济效益显著:节省的运维成本可转化为网络投资,助力运营商探索体验经营等新商业模式。

 

        未来,随着6G与通算一体化的演进,运维智能体将进一步向“全域自智”升级,实现从网络保障到商业创新的全方位赋能,为全球通信行业的智能化转型树立标杆。