在当今数字化浪潮席卷全球的背景下，电信运营商正面临着前所未有的挑战与机遇。随着5G网络的大规模部署和6G技术的研发加速，网络复杂度呈指数级增长，传统的运营支撑系统(OSS)已难以满足高效、智能的管理需求。在这一背景下，人工智能技术，特别是Agentic AI，正成为电信行业实现网络自动化的关键驱动力。
电信运营商面临的Agentic AI挑战
市场研究公司Omdia的业务负责人James Crawshaw指出，在Agentic AI炒作盛行的这一年里，电信运营商正面临来自网络供应商和OSS供应商提供的单点式Agentic AI解决方案的冲击。这种"碎片化"的AI部署方式可能导致重复建设的风险，并使运营商错失采用更统一整合方法的机会。
电信运营商在引入AI技术时面临着两难困境：一方面，市场上的许多产品仅仅是"将AI策略生硬地附加在传统OSS之上"，缺乏对电信网络特性的深度理解；另一方面，来自公有云提供商的通用AI平台通常无法理解电信网络的运营复杂性和独特需求。
Blue Planet的Agentic AI框架：专为电信网络设计
面对这一挑战，Blue Planet(Ciena的一个部门)提出了一个创新的解决方案——专为电信网络构建的Agentic AI框架。这一框架的核心价值在于它能够支持智能体基于意图行动、应用上下文，并在整个网络范围内采取协调行动。与市场上的单点式解决方案不同，Blue Planet的框架构建于清晰且组织良好的数据模型和API之上，确保了系统的一致性和可扩展性。
该框架构建于Blue Planet的AI Studio之上，这一AI Studio于2024年商用发布。尽管AI Studio主要旨在与Blue Planet的OSS应用产品组合协同工作，但部分客户已将其视为一个通用的OSS Agentic框架。AI Studio本身已包含大量关于电信网络的领域知识，可为运营商构建自有OSS AI平台节省大量时间。
AI Studio：电信AI的核心引擎
Blue Planet的AI Studio为Blue Planet及第三方AI模型提供API管理、流水线控制和性能跟踪功能。它处理模型管理事务，使电信数字架构师和数据科学团队能够轻松导入、部署和维护AI解决方案。
AI Studio的核心功能
AI Studio提供了一系列强大功能，使电信运营商能够充分利用AI技术：
- 导入、部署、更新和停用AI模型
- 配置模型属性
- 实例化、启动、停止和调度模型执行
- 监控模型性能
- 查看、编辑、版本化、回滚和调试模型代码
- 调用Blue Planet及外部API
AI Studio提供详细的仪表板，用于配置和管理AI应用，集中呈现所有AI活动。它经过专门设计，以满足数据科学家、开发人员和系统管理员的需求，并提供与每个角色相关的工具和功能。
技术集成与开源框架
AI Studio集成了行业领先的开源框架和技术，以简化采用和集成过程：
- Apache Airflow：一个用于数据工程流水线的开源工作流管理平台
- LangChain：一个开源框架，帮助开发者构建强大的应用程序，将大语言模型(LLM)与外部工具、API、数据源和用户工作流集成
- MLflow：一个用于构建AI应用程序和模型的开源开发者平台
- Redis：一个开源的内存键值数据库，用作分布式缓存和消息代理
这些开源技术的集成不仅降低了AI应用的门槛，还确保了系统的开放性和可扩展性，使电信运营商能够根据自身需求灵活定制AI解决方案。
从AI Studio到Agentic框架的演进
如图1所示，AI Studio正在演进为Agentic AI框架。这一演进代表了电信AI技术的重大飞跃，从单纯的AI模型管理平台发展为能够支持智能体间协作的综合系统。
Agentic框架的核心架构
Agentic框架通过API与Blue Planet的OSS应用产品组合交互，并可通过智能体间(A2A)协议与第三方智能体进行交互。其核心是一个用于构建智能体的开发环境，这一环境支持"自带AI"许可模式，使授权用户能够导入、部署、配置和管理第三方AI/ML模型。
从2026年起，通信服务提供商(CSP)将能够使用此开发环境构建自己的AI智能体。该框架维护着一个智能体目录，通过编排引擎可调用多个智能体以实现复杂任务。网关允许用户集成其偏好选用的大语言模型。
模型上下文协议(MCP)
Agentic核心通过模型上下文协议(MCP)与工具进行通信。这一协议确保了智能体能够理解并操作电信网络的各种组件和数据。此外，它还能与其他符合MCP标准的外部服务进行互操作，实现了系统的开放性和互操作性。
Agentic工具集
Agentic工具包括OSS知识图谱和OSS API操作两大类：
- OSS知识图谱：包含服务、设备、多层拓扑、SLA、警报、策略等信息，为智能体提供全面的网络上下文
- OSS API操作：与库存、保障、编排等应用交互，实现对网络资源的精确控制
这些工具共同构成了Agentic AI框架的基础设施，使智能体能够执行复杂的网络管理任务。
实际应用场景与案例分析
Blue Planet已开始与现有客户测试其Agentic AI框架，以支持多种实际应用场景。这些场景不仅展示了框架的强大功能，也为电信运营商提供了具体的AI应用参考。
网络切片自动化
5G网络切片是电信网络的关键特性，它允许运营商在同一物理基础设施上创建多个虚拟网络，每个网络针对特定应用进行优化。Agentic AI框架能够自动管理网络切片的生命周期，包括创建、配置、监控和优化，大大提高了网络切片的部署效率和运行质量。
库存中的网络设备建模
电信网络包含大量复杂的设备，这些设备的配置和状态管理是一项艰巨的任务。Agentic AI框架能够自动识别、分类和建模网络设备，构建准确的设备库存，并实时更新设备状态，为网络规划、故障排查和性能优化提供可靠的数据基础。
意图理解与执行
传统网络管理通常依赖于复杂的命令行界面和配置脚本，对操作人员的要求很高。Agentic AI框架通过自然语言处理和意图识别技术，允许操作人员用日常语言描述网络需求，框架能够自动将这些意图转化为具体的网络配置和操作，大大简化了网络管理流程。
模板生成与复用
电信网络中存在大量重复性的配置和部署任务。Agentic AI框架能够根据历史数据和最佳实践，自动生成标准化的网络配置模板，并支持这些模板的复用和共享，提高了网络部署的一致性和效率。
服务保障
网络服务的质量直接影响用户体验和运营商的业务收入。Agantic AI框架能够持续监控网络性能和用户体验，主动识别潜在问题，并自动采取纠正措施，确保服务质量的稳定和提升。
Agentic AI对电信行业的深远影响
Blue Planet的Agentic AI框架不仅是一个技术产品，更是电信行业数字化转型的重要推动力。它将对电信运营商、网络供应商和整个生态系统产生深远影响。
对电信运营商的价值
对于电信运营商而言，Agentic AI框架提供了以下关键价值：
- 降低运营成本：通过自动化网络管理和故障处理，大幅减少人工干预，降低运营成本
- 提高网络效率：优化网络资源配置，提高网络利用率和性能
- 加速服务创新：快速部署新服务和应用，缩短上市时间
- 增强用户体验：主动保障服务质量，提高用户满意度
- 简化网络管理：通过意图驱动和自然语言交互，降低网络管理的复杂度
对网络供应商的影响
对于网络供应商而言，Agentic AI框架提供了新的商业机会：
- 差异化竞争：通过提供独特的AI能力，在激烈的市场竞争中脱颖而出
- 生态系统扩展：与第三方AI开发者合作，构建丰富的AI应用生态
- 服务转型：从单纯的设备供应商转变为综合的网络服务提供商
对整个生态系统的影响
Agentic AI框架将重塑电信行业的生态系统：
- 开放创新：通过标准化API和协议，促进开放创新和协作
- 跨界融合：促进电信行业与其他行业的融合，创造新的商业模式
- 人才培养：推动电信AI人才的培养和储备，为行业发展提供智力支持
未来展望与挑战
尽管Agentic AI框架展现出巨大的潜力，但其广泛应用仍面临一些挑战：
技术挑战
- 模型可靠性：AI模型的决策过程需要高度可靠，特别是在关键网络操作中
- 安全性：确保AI系统的安全性，防止恶意攻击和数据泄露
- 可解释性：提高AI决策的可解释性，便于故障排查和审计
组织挑战
- 技能转型：帮助传统网络运营人员掌握AI相关技能，实现人才转型
- 流程重构：重新设计网络运营流程，充分利用AI能力
- 文化变革：培养数据驱动和创新的组织文化
商业挑战
- 投资回报：确保AI投资的合理回报，平衡短期成本和长期收益
- 标准统一：推动行业标准的统一，促进系统的互操作性
- 生态合作：建立健康的合作伙伴生态系统，共同推动AI在电信领域的应用
结论
Blue Planet的Agentic AI框架代表了电信网络管理的新范式，它通过意图驱动、上下文感知和网络级协调行动，实现了网络运营的智能化和自动化。这一框架不仅解决了传统单点式AI方案的局限性，还为电信运营商提供了构建统一AI平台的基础设施。
随着AI技术的不断发展和成熟，Agentic AI将成为电信网络的核心组件，推动运营商实现网络效率、服务质量和用户体验的全面提升。然而，要充分发挥Agentic AI的潜力，需要行业各方共同努力，解决技术、组织和商业层面的挑战，构建开放、协作、创新的生态系统。
电信行业的数字化转型已经进入深水区，Agentic AI框架将为这一转型提供强大动力，帮助运营商在数字化时代保持竞争优势，并为用户提供更加智能、高效、可靠的网络服务。
