Agentic通信领域大模型：自智网络L4跃迁新动力

        当前人工智能正由通用生成式大模型，加速向具备自主决策、环境交互、多智能体协同能力的智能体（Agentic AI）系统演进。在通信网络这类强工程属性、强约束条件、强闭环运行的专业场景中，模型的智能体化“代理能力”，已成为技术落地与价值兑现的关键。

        与此同时，自智网络正处在L3向L4跨越的代际升级关键阶段。以通信领域Agentic大模型与领域数据结构化模型为代表的双模型协同架构，将成为驱动自智网络迈向L4级自主自治的核心技术路径与核心动力。

自智网络范式跃迁：向Agentic L4自主闭环演进

        人工智能系统正迎来一场深刻范式变革：从被动响应转向主动执行，从数字化系统到单一模型推理再向多智能体协同演进（见图1）。以Manus、Co-Sight、OpenClaw等为代表的自主智能体框架相继涌现，使系统具备目标拆解、持续记忆、工具调用与环境自适应能力，正式标志着Agentic智能体时代的全面到来。

        以大模型与智能体为核心的Agentic AI系统，正迎来设计范式的深刻迁移：从传统“面向对象、面向服务”，逐步转向“面向能力、面向智能体代理”。可复用的思考成为新型生产要素，可迭代进化构成智能增长的核心路径，可协同交互则实现模型与现实环境的深度联结。在此范式下，系统构建的关键在于实现流畅运行与风险可控的统一：既要让用户体验持续智能进化，又要使系统执行始终保持严谨可靠的代理行为。

        自智网络迈向L4级的核心诉求，在于面向目标任务场景实现全流程无人干预、预测式自动闭环，涵盖自主感知、智能分析、跨域决策、自动执行、效果验证与持续进化六大关键能力。传统单一语言模型既难以兼顾通信领域非结构化意图理解与高可靠结构化数据处理的双重要求，也无法满足生产场景下低时延、高安全、轻量化部署的严苛标准。面向通信生产环境的Agentic模型，亟需采用双模型协同架构：由Agentic语言模型负责意图理解、知识推理、自然交互与任务规划，由结构化数据模型处理网络拓扑、KPI指标、信令流程、配置规则等强结构化信息。二者优势互补，构成稳定可靠的自主智能内核，为自智网络实现L4级代际跃迁提供全新范式支撑。

Agentic通信大模型建设思路及核心技术

        自智网络需在RAN、传输、核心、云边各域实现意图驱动的策略联动，并在分钟至小时级时间尺度内稳定收敛，这就要求具备跨域意图语义统一、可约束策略求解、可回放执行轨迹，以及基于KQI/KPI的效果闭环验证能力。

        因此，面向自智网络场景的Agentic AI落地，必须在低成本、低时延、高可靠、易部署、可迭代等刚性约束下开展方案设计。在此约束下，通过轻量化、领域化、双模型协同与多智能体自主协作（感知—分析—决策—执行—验证），结合可控的工具化调度与持续进化机制，形成一体化解决方案，支撑自智网络L4级能力真正实现工程化落地。

Agentic通信领域语言模型关键技术

        Agentic模型以智能体自主感知、推理、决策、执行为核心，打破单一场景建模壁垒，弥补传统AI与通用大模型短板，实现网络深层意图理解、动态跨域协同与闭环自主优化，是支撑6G高阶自智网络落地、实现网络全域自治运维的核心技术。

        Agentic通信领域模型的关键技术包括：

通信场景自主Agent规划

基于通信协议、信令、运维流程进行任务拆解，具备“感知—决策—执行—反馈”闭环，可自主生成网元交互、调度、故障处理等通信执行逻辑。

• 多Agent通信协同交互
   

        定义跨域、跨网元Agent标准化通信接口与协商机制，支持任务分工、状态同步、资源调度，实现通信网络内多智能体协同。

• 基于Agent实现通信上下文感知与记忆
   

        实时感知网络状态、会话链路、拓扑结构，支持短时会话记忆与长时经验沉淀，适配通信连续会话与动态调度需求。

• 通信领域知识深度注入
   

        融合通信协议、5G/6G架构、运维规范、信令流程，构建高质量通信领域标注数据和领域知识。

• 可信可控与安全合规
   

        建立Agent通信鉴权、数据加密、行为审计机制，满足通信行业安全、隐私与监管要求。

• 端边云协同部署架构
   

        适配通信网络架构，云端训练迭代、本地或边缘轻量化推理，兼顾模型能力与部署资源约束。

• 场景化闭环迭代
   

        以内生、智能运维、Agent协作通信、故障自愈、网络优化等真实场景为目标，持续迭代任务执行效果。

双模型协同推理与调度引擎

        构建Agentic语言模型与结构化数据模型的双模型协同机制：由语言模型承担自然语言意图解析、执行流程规划与决策语义输出；结构化数据模型则依托网络结构化信息，完成预测分析、决策评估与规则匹配等任务。通过统一调度引擎实现双模型低时延高效交互，有效破解单模型“理解精准但执行迟缓”或“执行快速但理解薄弱”的固有矛盾，保障生产场景下决策精度与响应效率双重达标。

工业级在线持续学习与闭环迭代

        建立现网数据实时回流、增量训练、效果评估与自动迭代闭环机制，结合数字孪生开展仿真验证，有效抑制模型退化与幻觉问题。依托长期记忆模块沉淀故障案例、优化方案与协同经验，使模型伴随网络演进持续迭代升级，满足L4级网络自优化、自修复、自进化的长期目标。

        整体建设以通信业务为核心、轻量化部署为优先、Agentic双模型协同为基础、生产级可靠性为底线，优先落地故障自愈、资源调度、用户保障等高价值场景，逐步实现从单域智能到跨域协同的L4级能力工程化落地。

下一代基于Agentic模型的自智网络运行模式及应用场景

        以大模型与智能体为核心，构建具备自主闭环、自主探索与持续进化的智能体架构，支撑下一代自智网络实现多智能体分布式协同与全流程自主闭环运行（见图2）。感知Agent实时采集网络状态，分析Agent完成根因定位与风险预判，决策Agent生成跨域优化方案，执行Agent调用自动化工具完成配置下发与资源调度，验证Agent对执行效果进行闭环评估，最终由学习Agent实现知识沉淀与模型持续迭代。

        自智网络全流程自主闭环运行模式在典型场景中的应用如下：

• 网络故障自智愈：感知Agent实时捕获基站退服、链路拥塞、质差小区等告警，语言模型理解故障类型与影响范围，结构化数据模型快速关联拓扑、指标、历史案例定位根因；执行Agent自动触发小区切换、参数调整、链路倒换等操作，全程无需人工介入，故障恢复时长缩短80%以上。
  
  
• 跨域资源智能调度：面对大型赛事、演唱会等高并发场景，无线、承载、核心网多Agent协同，语言模型解析业务保障意图，结构化数据模型完成流量预测、时隙分配、路由计算，全局优化资源配置，保障峰值体验不下降、网络不拥塞。
  
  
• 意图驱动的业务自动开通：用户以自然语言提出带宽、时延、可靠性需求，Agentic语言模型转化为网络可执行指令，结构化数据模型完成资源核查、切片编排、配置生成，实现“一键开通、即开即用”，开通时长从天级降至分钟级。
  
  
• 能耗自主优化：结合流量潮汐规律与设备负载，Agent实时调控基站功率、板卡开关、天线倾角等，在保障体验前提下自主降低能耗，实现绿色节能与网络性能的动态平衡。

该运行模式彻底打破传统运维的流程断点与数据孤岛，让网络从“被动响应”转向主动预判、自主治理，为L4级自智提供可落地的工程路径。

基于Agentic模型的自智网络L4展望

        Agentic通信大模型将全面重塑自智网络的能力边界，推动L4高阶自智从试点验证迈向规模化商用。未来自智网络将实现全场景自主闭环、全域协同智能与全生命周期自进化，真正达成自主决策、端到端闭环、自学习与自演进的智能网络目标，显著降低运营成本，提升网络可靠性与业务供给效率。

        从产业视角来看，Agentic模型将助力通信AI构建标准化智能体协议、开放化工具生态与领域化模型底座，加速运营商、设备商与技术厂商的协同创新，推动自智网络L4标准成熟与全球落地。面向6G演进，Agentic通信大模型将成为空天地海一体化网络的核心智能单元，支撑泛在连接、极致体验与智慧内生的未来网络愿景。

        Agentic AI绝非简单的技术升级，更是通信网络从数字化、智能化迈向自主化的范式跃迁。以Agentic通信大模型为核心引擎，自智网络将加速迈入L4高阶自治新时代，开启通信产业智能化升级的全新篇章。

郜艳琴：中兴通讯AIM通信领域大模型及智能体产品研发总工

杜永生：中兴通讯AIM通信领域大模型及智能体产品技术总工