GTC25 | 电信行业领先企业启用代理式 AI 优化网络运维

Amdocs、BubbleRAN、ServiceNow、软银集团与 Tech Mahindra 基于 NVIDIA AI Enterprise 开发大型电信模型与新型网络 AI 智能体

全球电信网络每天需支持数百万用户连接，平均每分钟产生超过 3,800 TB 数据。

基站、路由器、交换机及数据中心产生的海量实时数据，包括网络流量信息、性能指标、配置与拓扑等，具有非结构化与高度复杂性。传统自动化工具常难以处理此类数据的实时大规模工作负载。

为解决这一挑战，NVIDIA 在 GTC 上宣布，其合作伙伴正基于 NVIDIA AI Enterprise 软件平台的 NVIDIA NIM 与 NeMo 微服务，开发专为电信行业定制的大型电信模型（LTMs）与 AI 智能体。这些 LTMs 与 AI 智能体将推动在网络运维中实现下一代 AI。

大型电信模型（LTMs）是基于电信网络数据训练的多模态大型语言模型（LLMs），是开发网络AI 智能体的核心。这些智能体可自动化复杂决策流程、提升运维效率、提高员工生产力并优化网络性能。

软银集团与 Tech Mahindra 已基于 NVIDIA AI Enterprise 构建了新型 LTMs 与 AI 智能体，而 Amdocs、BubbleRAN 与 ServiceNow 正通过新型 AI 智能体加强其网络运维与优化。

这一进展意义重大。NVIDIA 近期开展的电信行业调查显示，40% 的受访者表示正在将 AI 引入网络规划与运维。

LTMs：理解网络的“语言”

正如 LLM 理解并生成人类语言，NVIDIA BioNeMo NIM 微服务理解用于药物发现的生物数据语言一样，LTM 现在帮助 AI 智能体能够掌握电信网络的语言。

合作伙伴基于 NVIDIA AI Enterprise 平台开发的 LTMs 具备以下特性：

• 专精网络智能：可理解实时网络事件、预测故障并自动化解决。
• 针对电信工作负载优化：依托 NVIDIA NIM 微服务，实现高效、精准与低延迟。
• 支持持续学习与适应：通过 NVIDIA NeMo 的后训练扩展能力，LTMs 可从新事件、警报与异常中学习，持续提升性能。

NVIDIA AI Enterprise 还提供一系列工具与蓝图，帮助构建可简化网络运维、降低成本并提升效率的 AI 智能体，同时优化网络关键性能指标，例如：

• 减少停机时间：AI 智能体可提前预测故障，并增强网络韧性。
• 改善用户体验：AI 驱动优化可提升网速、减少中断并保障无缝连接。
• 强化安全：AI 实时扫描威胁，降低网络攻击风险。

行业领先企业推出 LTMs 与 AI 智能体

多家电信企业正利用 NVIDIA AI Enterprise 推进其最新技术。

软银集团开发了基于大规模 LLM 基础模型的新型 LTM，并使用其自身的网络数据对该模型进行了训练。该模型以 NVIDIA NIM 微服务形式提供，最初专注于网络配置，可自动调整网络以适应流量变化（如体育场馆大型活动期间）。软银集团还推出网络智能体蓝图，加速 AI 在电信运维中的普及。

Tech Mahindra 利用 NVIDIA 代理式 AI 工具开发 LTM，以助力解决关键的网络运维问题。其自适应网络洞察工作室能够提供网络问题的全景视图，生成不同详细程度的自动化报告，为信息技术团队、网络工程师以及公司高管提供信息并给予协助。

此外，Tech Mahindra 主动网络异常解决中心能够通过 LTM 自动处理大量网络事件，减轻工程师负担并提升效率。

Amdocs 的网络保障智能体（由 amAIz Agents 驱动）能够自动化执行故障预测等重复任务，还能针对网络问题开展影响分析，制定预防措施，并提供分步指导解决方案。另外，公司推出的网络部署智能体，通过自动化集成、部署任务与互操作性测试，简化了开放式无线接入网（RAN）的采用流程，同时为网络工程师提供有价值的见解。

BubbleRAN 正在云原生基础设施上开发自主的多智能体 RAN 智能平台。在这个平台上，LTMs 观察网络状态、配置情况、可用性以及关键绩效指标，辅助行网络监控和故障排除。平台还通过高级操作工具，实现了网络重新配置和策略实施过程的自动化。其 AI 智能体利用先进的检索增强生成管道和电信专用 API，实时解答 5G 部署相关问题，以满足客户需求。

ServiceNow 基于 NVIDIA DGX Cloud 上的 NVIDIA AI Enterprise 而构建的电信 AI 智能体，通过生成问题解决方案手册，并在潜在的网络中断发生前进行预测，从而提高了工作效率。这有助于通信服务提供商缩短问题解决时间，并提升客户满意度。这些新的、可以直接使用的 AI 智能体还能对网络事件进行分析，找出网络中断的根本原因，以便更快地解决问题，并避免在未来发生类似的情况。