当前,通信网络正面临两大核心挑战:复杂度指数级攀升与智能化需求刚性增长。5G-A、6G等技术的加速商用让连接更泛在,驱动XR、工业互联网等新产业蓬勃发展,加速商业价值兑现;AI大模型等新技术与通信网络的深度融合,推动网络智能化向“智网”新范式演进。中兴通讯自智网络AIR Net高阶演进方案,以价值成效为牵引,通过开放解耦,构建面向多业务、多领域、全生命周期的全场景闭环自动化能力,通过运用大模型、智能体及数字孪生等技术,以商业成效、运维效率、生态价值为引领,加速网络迈向高阶自智。
炼好大模型:构建灵活、动态、严谨的智能基座
在设计中兴通讯AIR Net自智网络技术架构时,核心目标是在网络自主运行能力提升与业务响应闭环效率优化两方面实现突破,消除传统人工干预导致的流程断点与效率瓶颈。当前运营商网络虽已实现基础自动化功能,如告警过滤、简单工单派发等,但其底层逻辑仍以预设规则为主、局部AI模型为辅,且面对跨域故障定界定位、投诉或质差分析等复杂场景时存在明显局限。要真正实现网络自智能力跃升,亟需构建具备深度网络认知能力的“智能中枢”——即基于大模型的智能决策引擎。这种将通用智能与领域知识深度结合的技术路径,已成为实现网络自动化向智能化转型的关键范式。中兴通讯提出的星云通信大模型方案(见图1),其突破性在于:通过“基座灵活性、任务自主性、知识动态性、推理严谨性”能力升级,驱动网络从“人工规则预设”向“自主认知进化”跃迁。
全栈大模型体系:零感换擎实现“基座灵活性”
运营商网络环境的复杂性体现在:硬件异构、平台多元、场景长尾。星云通信大模型通过分层解耦架构,实现“零感换擎”,即基座模型的灵活替换无需改造业务逻辑。
依托自研星云通信大模型,中兴通讯通过高质海量的专业通信语料训练,建设多智能体协同的体系,精准解决网络运维中的复杂问题。中兴通讯的大模型整体解决方案具备强大的开放解耦能力,能够灵活适配多种模型。在模型底座方面,不仅支持中兴星云通信大模型,还兼容业界优秀的开源模型,包括备受瞩目的DeepSeek模型。这一方案的核心优势在于“零感换擎”,用户可以在不同场景下无缝切换模型引擎,而无需担心性能或兼容性问题。
这种开放架构不仅规避了技术路线锁定的风险,更形成了“基座模型竞争择优”的良性生态。运营商可根据业务需求灵活选择基座模型,既可利用通用大模型的泛化能力,也可发挥垂直领域模型的精度优势,真正实现“最佳模型服务最佳场景”的技术愿景。
多智能体协同:目标导向的“任务自主性”
智能体是将大模型能力充分发挥出来的重要手段,通过不同智能体之间的相互协同可以自主快速解决通信网络的复杂问题。未来的网络运维运营面向大模型进行智能化改造,运维范式将从“人+机器”的模式演变为“机器+人”的模式。智能体之间通过LPI(language programming interface)的方式进行交互,改变了传统的API调用解决固定场景问题的方式,提升了泛化能力。
当前的智能体主要在任务流固化的前提下,通过对话和少量的工具调用来完成任务。提升智能体自主完成任务的能力,需要让其具备更多的长流程自主规划和更全面的专业领域的工具调用能力。为此,中兴通讯不仅在基础模型、基础Agent和基础工具方面来打造Co-Sight智能体,也在通信网络的领域工具方面持续建设,使其更好地面对复杂的通信任务。
中兴通讯积极建设以智能体为核心的自主迭代的运维体系,根据场景按需编排跨域、单域的N个原子智能体,形成全域智能体间的协同。在跨域层,建立跨域多智能体协同中心,灵活编排调用跨域、单域的监控智能体。为了保障智能体能在需要的时候调用到相应的能力,采用可组装式模式开发原子能力,各专业智能体根据场景需要串接原子能力,通过跨域单域协同完成场景任务。
知识图谱:动态融合实现“知识动态性”
随着5G网络的快速发展,通信网络的规模与复杂度呈指数级增长。网络故障的监控与定位面临严峻挑战:多源异构数据(如日志、告警、拓扑、设备配置等)分散在独立系统中,存在数据语义不一致、格式差异大、更新延迟等问题,信息孤岛现象严重。传统运维方法依赖人工经验与静态规则库,难以高效处理海量非结构化数据(如工单记录、维测日志),且在动态网络环境下缺乏实时根因推理能力。是否能将多源异构数据进行整合,并采用一种更有效的表示方式,从而实现更高效的应用,成为当前需要优先解决的课题。
知识图谱提供了存储和表达这些数据和知识之间关系的手段,将运维经验、指导手册和工单等分散的信息整合成知识图谱,应用图搜索及大模型推理增强能力提升故障定界定位效率和准确率。借助知识图谱,能够将通信领域的结构化数据以及经验语料数据以图形化方式存储,进而助力大模型实现高效使用与精准推理。
与此同时,知识图谱作为通信大模型的“记忆中枢”,其构建需突破数据时效性(网络配置动态变化)与知识完备性(跨厂商设备差异)两大瓶颈。现有知识图谱技术虽然能部分实现知识结构化,但其构建过程通常需要依赖人工标注和预定义本体,且存在自动化程度低、泛化性差、动态更新滞后等局限,无法满足复杂网络环境下故障传播路径的实时分析与决策需求。
由此,中兴通讯提出融合多源异构数据与大规模语言模型的智能运维框架,结合“规则约束+LLM推理”混合模式,构建动态知识图谱。该技术突破了传统方法对结构化数据的依赖,利用LLM从非结构化日志中抽取隐含关系,并通过流式处理引擎实现知识图谱的实时更新与故障传播树的动态生成,为无线网络故障的精准定位与根因分析提供理论支持和技术保障,对提升网络可靠性和运维效率具有重要应用价值。
深度推理:知识增强保障“推理严谨性”
通信网络的复杂性体现为长因果链(用户感知→无线→传输→核心网)与多目标约束(时延、能耗、成本)。通用的语言大模型容易产生“幻觉”,需通过知识图谱注入领域逻辑约束。在使用大模型推理过程中,可以采用分段和反思来提升推理的准确性。
分阶段推理包括了假设生成、知识验证和迭代修正3个子环节。在假设生成环节,基于输入的多模态观测数据,如告警日志、性能指标、拓扑状态等,大模型通过预训练的领域知识经验与模式识别能力,生成初始假设集合;在知识验证环节,将假设队列输入动态知识图谱系统,进行领域逻辑约束验证;在迭代修正环节,基于验证结果构建反馈强化机制。
中兴星云通信大模型基于创新性的模型自适应难度分级蒸馏技术,生成长思维链(CoT)语料并人工校对,对基础模型进行冷启动,该阶段使得模型具备完备的思考过程输出能力。然后使用高质量的问题-验证器语料,基于推理强化学习算法,提升模型在特定复杂领域的表现。
用好大模型:自主准确地解决复杂通信场景难题
在迈向高阶自智的实践中,如何解决长流程、多维度、结构化数据的应用问题一直是技术攻关的重点。我们通过上述四项基础能力的建设和持续迭代,建设面向各场景的Copilot和Agent来攻克这些难题(见图2)。
自智网络的核心是引入大模型、智能体及数字孪生等技术,通过系统决策和执行代替人工判断与操作,实现端到端场景的自动化闭环。更高的自智等级对自动化闭环提出了更高要求,即不再是固定规则+人工兜底的“尽力而为”模式,而是要将长尾场景全部打开,实现全面的自动化闭环。这就要求运维体系具备泛化能力、更强自主流程规划和问题解决能力。
以跨域故障处理场景为例,完整流程包含告警发现、定界定位、方案执行、效果验证四大环节。传统方式需多系统间人工传递数据并协同,存在响应延迟风险。智能化改造需要考虑如何打通断点堵点,用多智能体协同的方式来解放人工操作。星云通信大模型通过灵活切换基座与多智能体协同进行持续迭代,在具备类Manus的长程规划能力的同时,可以随着业界模型能力提升深度思考能力。
多维度决策是通信网络重要的智能化能力,需在动态环境中同时权衡带宽、时延、能耗、安全、成本等多重目标参数,通过跨层协同与实时计算实现全局最优解。传统基于规则或单目标优化的方法已难以应对5G/6G的网络切片、边缘计算等复杂场景下的非线性耦合问题。而大模型智能体的引入,通过构建“感知-推演-决策-验证”的闭环认知体系,正在重塑通信网络优化的智能化范式。
以网优场景为例,需综合考虑用户分布、流量特征、设备状态等多维度数据,建立多目标优化模型,在时延、能耗、成本等约束条件下生成最优方案。而星云通信大模型通过知识图谱、结构化数据、深度推理的结合来寻求最优解。
面对海量的网络运行数据,需突破传统阈值告警的局限,通过构建告警关联模型识别隐性故障传播链。同时,对历史工单数据进行精准分析,从中提炼高频问题处置方案,预测潜在网络风险。
在生成式AI技术的加持下,垂直领域语料正从辅助训练数据升维为核心知识载体,其作用已超越传统特征工程的范畴,演变为塑造领域认知能力的基因图谱。星云通信大模型突破多源异构数据融合、专业知识蒸馏、轻量化推理、图搜索等挑战,最终将以系统性的方法论实现通信领域知识的深度内化与快速检索。
通信大模型智能体对复杂问题分析、推理以及调用工具的能力仍在持续提升,在准确性能够满足生产需要的状态下,“机器决策代替人工决策”的构想逐步变为现实。这一目标是建立在大模型理性且有完整逻辑推理、自主拉通流程堵点断点的基础之上,因此驯化大模型的核心任务则转化为通信思维链推理能力的增强、多智能体准确协同以及工具运用,并在具体生产中不断突破大模型对解决复杂问题的能力上限。中兴星云通信大模型在零感换擎、动态知识、深度推理方面持续提升自身能力,不断覆盖更广泛的复杂场景,推动网络迈向高阶自智。
5G-A已正式商用,6G行至将近。未来,6G网络将成为AI原生的网络,AI应用将推动6G网络在智能感知、智能建模、智能化运维及资源调度等方面实现质的飞跃,同时数据平面与控制平面等网络架构演进也将进一步促进AI应用的全面部署,实现AI与6G的双向奔赴。