从数字工程师到多智能体协同，L4自智网络还有多远？

我们的移动网络，一年365天、每天24小时不间断运行，承载着无处不在、随时移动的海量终端和多样化应用，背后离不开运维的支撑。但随着智能时代加速而来，传统运营运维模式已难以匹配新的时代需求。

原因主要有两方面：其一，随着网络日趋复杂，传统“人+工具”的运维模式存在的效率低、成本高、易出错等问题日益突出；其二，随着业务愈发多样化和个性化，用户对服务体验的要求越来越高，而传统业务发放和体验保障模式难以快速响应业务需求，实时保障业务体验，导致运营商无法敏捷推出新产品或服务，把握市场新机遇。

在此背景下，行业已提出从L1到L5逐级实现网络自智的目标，旨在面向客户提供“零等待、零接触、零故障”的“零X”体验，面向运维运营打造“自感知、自配置、自优化、自修复”的“自X”能力。尤其是近年来，大模型、数字孪生等智能化技术的飞速发展，为网络自智注入了强劲动力，使L4高阶自智网络成为行业最炙手可热的焦点。目前，全球多家领先运营商已明确在未来3-5年内全面实现L4自智网络。

那到今天，这场L4自智网络之旅驶到哪了？在2025年中国国际信息通信展（PT展）期间，华为无线网络MAE产品线副总裁石远在接受网优雇佣军专访时，详细介绍了当前自智网络的关键技术发展，应用实践和未来趋势。

华为无线MAE产品线副总裁石远（左一）接受网优雇佣军采访

首批数字工程师“进驻”现网

前进的第一步总是最重要的。如何迈出L4自智网络的第一步？行业的共识是，投入关键使能技术，聚焦高价值场景——前者是前提，后者能带来可观的投资回报率。

有哪些关键使能技术？基于AI技术构建智能体。智能体是“大脑”，通过大模型从多维网络数据中学习，解析用户意图，预测业务趋势，分析网络状态，识别异常事件和故障根因，并自主思考决策，推荐解决方案。网络数字孪生作为物理网络的数字副本，提供了一个零风险、低成本的验证平台。要执行的策略先在孪生环境中进行验证和寻优，再同步到物理网络执行，从而可在不影响现网运行的前提下，实现性能最优，加快新服务上线。智能网元犹如给“大脑”配齐了“眼睛”和“手脚”，能自主感知和采集网络信息，并自主执行“大脑”传递的策略。

有哪些高价值场景？日常优化、网络故障处理、能效优化、体验保障是智能化应用的典型场景，也是当前运营商降本、增效、增收的关键挑战。

在传统日常优化中，工程师们往往要抱着设备驱车路测收集数据，再对低速率、弱覆盖、过覆盖、高干扰等网络问题进行分析和调整优化。这种方式不仅耗时耗力，还常常出现“按下葫芦浮起瓢”的情况，比如调整了某一小区的覆盖，却给相邻小区带来新的干扰。

网络能效优化也存在这样的问题。网络节能和与网络性能之间很容易发生冲突，运营商通过降低发射功率、关断载波等手段实施网络节能时，如果不具备全局视角，无法及时响应流量变化，很可能会给网络质量和用户体验带来负面影响。

在传统网络故障处理场景中，网络一旦发生故障，工程师会第一时间到达现场排查、处理故障，往往需要与后台专家进行多次沟通、反复确认，才能定位出根因，排除故障，过程既费时又费力。尤其是在现场工程师不熟悉网络的情况下，排障时间更难预计。

从业务发展角度看，面对当前“增量不增收”的行业困境，打造差异化服务已成为运营商“稳存拓增”的关键抓手。要提供差异化服务，要求网络具备业务精准预测、业务类型精准感知和识别、网络资源实时动态调整等能力。而这，已经远远超出了传统业务保障模式的能力。

面对这些关键场景的挑战，L4自智网络已经给出了有效的解法——数字工程师。石远表示，华为基于IntelligentRAN三层智能架构，依托海量专业知识和经验，率先引入通信大模型和数字孪生构筑场景化智能体，针对优化、维护、节能、业务四大高价值场景，已推出业界首个数字工程师团队。截至2025年8月，这些数字工程师已服务全球66家运营商、覆盖超50万站点。

无线现场维护工程师数字助手，基于通信大模型、无线故障知识库和意图转译能力，可辅助维护工程师减少冗余工作量、提升工作效率。借助无线现场维护工程师数字助手，运维工程师只需通过自然语言对话即可获取操作手册、网络拓扑等信息，并精准定位故障根因和位置，完成高效排障，从而能帮助运营商实现“一工单一故障”，只需一次工单、一次检测、一次问询，就能完成整个故障处理流程。目前，无线现场维护工程师数字助手已在国内现网成功应用，实测结果显示，对Top6故障的处理时长可缩短约20%。

无线网优工程师数字助手，通过引入RDTS（RAN数字孪生系统）和通信大模型，可实现网络状态的自感知、自分析、自决策和自闭环，能通过最小化路测和智能在线优化，实现分钟级在线验证和多目标全局寻优，自动闭环15%的日常网优工单，提升优化效率。

无线网络节能智能体将节能和网络性能意图转译为网络目标，再通过RDTS和华为独有算法，进行多目标寻优和仿真验证，快速找出最佳场景化节能策略，从而能在不影响网络性能的同时，实现按需精细化节能。在全球现网验证中，该智能体能实现网络级能耗额外降低15%。

依托通信大模型、RDTS和业务感知模块，无线体验保障智能体通过业务栅格级预估和近实时评估，能实现基于SLA的精准业务发放，动态响应体验保障需求，让差异化体验可感、可视、可评估、可保障，帮助运营商在合适的时间、地点推出差异化服务，推动业务创新。

多智能体协同加速L4之旅

如果说以上这些数字工程师已实现单场景的网络自智，迈出了通往L4高阶自智的关键第一步，那么接下来，该如何前行？

尽管数字工程师在单场景中表现出色，但就像人类一样，个体的力量终究有限，面对跨层/跨域流程、级联故障、多维冲突等复杂场景时，就显得力不从心了。因此，智能体必须从“单打独斗”走向“协同作战”，通过多智能体协作，共同完成更复杂的任务。毕竟，复杂正是移动网络的本质：网络架构多层、多场景，网络数据多维多场景且关联性强，业务流程冗长且环环相扣。只有通过多个智能体无缝协作，才能在这个复杂的系统中实现复杂场景下的端到端闭环自治。

多智能协同具体如何工作？石远介绍，华为无线多智能体系统由一个Leader Agent和多个Executor Agents组成。Leader Agent负责将用户意图转译为网络目标，并将之拆解为多个子目标、子任务，然后进行团队任务规划、智能体特征匹配和组队，将这些子任务分配给多个Executor Agents执行。同时，在各个单智能体工作过程中，Leader Agent能联合分析各个智能体的策略，并解决冲突寻找出全局最优解，让整体的运维效率和精度达到最优。

但问题又来了：就像人类团队需要共同语言和高效沟通才能形成合力一样，多个智能体之间如何实现无缝的信息交互？这正是通信网络引入多智能体所面临的最大挑战之一。通信网络对可靠性、实时性和安全性远远高于其他行业，这要求通信网络内的智能体之间的信息交互和协作必须满足这些电信级要求。

为此，华为给这个多智能体系统架构注入了三大核心能力：一是意图驱动，通过业界首个面向通信行业的智能体间通信协议（A2A-T），使能精准的业务意图转译，实现垂直智能体间极简对接和新智能体极简生成；二是各智能体之间通过华为创新的高速通信协议AGLink实现基于共享记忆池的实时信息同步与联合决策；三是将基于Agentic强化学习的RUSH（RANUltimate Suppression of Hallucination）机制与华为30年无线知识库与机理模型相结合，实现了配置数据精准校验，从而能最大程度避免多智能体多级协作带来的幻觉放大问题。

解决了多智能体之间的安全、高效协作问题，运营商就可以像搭积木一样，根据业务和场景需求，灵活编排多个智能体，实现面向更大流程跨度、更复杂场景的自治闭环了。

重塑网络运维和业务模式

总结一下，从数字工程师到多智能体协同，高阶网络自智将给传统网络运维运营和业务模式带来怎样的变革？

首先，人机交互方式从传统指令行、图形界面向更高效、更人性的“意图自理解”方式转变。其次，网络运维模式从“人+工具”的模式向“多智能体协同”转变。简单的讲，在未来最高阶的自智网络下，运维工程师不必输入繁琐的指令，甚至不用了解复杂的网络知识和架构，只需向智能体输入简单的口令，它们就能自主闭环完成网络规划、配置、维护、优化等全流程工作。这就像自动驾驶汽车一样，你只需要告诉汽车我要去哪里，它就能自动规划路线，自动避开障碍，将你安全送达目的地。

再者，高阶自智网络使运营商能够根据不同用户群体、业务场景和业务类型的体验需求，提供定制化、个性化的一站式服务，加速从传统“流量经营”向“体验经营”模式转型。依托多智能体协同，运营商可实现差异化服务的端到端全流程自治闭环：事前预测网络负载与用户行为，确保业务敏捷、精准发放；事中实时识别业务类型、感知网络状态并自动触发调整，保障业务体验始终如一；事后实时推送保障价值。

显而易见，这对通信行业而言是一场颠覆性飞跃。尽管未来充满期待，当前也涌现出了从单智能体到多智能体协同使能的生动实践案例，为自智网络迈向高阶奠定了坚实基础，但我们也要清醒地认识到，自智网络是一个持续迭代演进的系统工程，实现完全自治的网络既复杂又漫长，前方仍面临不少挑战，比如多智能体协同尚未建立统一的技术框架和接口标准。因此，要加快变革落地，需整个产业链共同努力，找准标准需求，攻克技术挑战，并推动经验与最佳实践在业内共享。正如石远所呼吁，实现多智能体协同仍需要产业各方共同在标准统一、UC孵化和生态繁荣等方面协力合作，才能创造出1+1>2的效果。