在人工智能技术迅猛发展的今天，电信行业正面临着前所未有的机遇与挑战。随着Agentic AI概念的兴起，网络供应商和OSS供应商纷纷推出各自的解决方案，然而这种单点式的创新却可能导致重复建设，错失更统一整合的机会。在这一背景下，Blue Planet（Ciena的一个部门）推出的专为电信网络构建的Agentic AI框架，为行业提供了一条全新的发展路径。
Agentic AI：电信行业的新挑战
Omdia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解决方案的冲击。这种碎片化的创新模式不仅增加了技术整合的复杂性，更可能导致资源浪费和效率低下。
当前市场上存在两种极端：一方面，许多产品仅仅是"将AI策略生硬地附加在传统OSS之上"，缺乏对电信网络特殊性的深入理解；另一方面，来自公有云提供商的通用AI平台虽然功能强大，却往往无法理解电信网络的运营复杂性和特殊需求。
Blue Planet洞察到这一市场空白，提出了一种全新的解决方案——专为电信网络构建的Agentic AI框架。这一框架不仅能够理解电信网络的特殊性，还能通过智能体间的协同工作，实现更高效的网络运营和管理。
Blue Planet的Agentic AI框架：核心特性与优势
Blue Planet提出的Agentic AI框架具有几个关键特性，使其在众多解决方案中脱颖而出。首先，它支持智能体基于意图行动，能够理解业务目标并转化为具体的网络操作；其次，它强调应用上下文，确保智能体在决策时能够充分考虑网络环境和服务需求；最后，它能够在整个网络范围内采取协调行动，避免局部优化导致的全局问题。
该框架的实现基础是清晰且组织良好的数据模型和API，这为智能体之间的协作提供了标准化接口。值得一提的是，这一框架构建于Blue Planet的AI Studio之上，后者已于2024年商用发布，为运营商提供了成熟的AI开发和管理环境。
尽管AI Studio主要旨在与Blue Planet的OSS应用产品组合协同工作，但部分客户已开始将其视为一个通用的OSS Agentic框架。这得益于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。目前，Blue Planet已开始与现有客户测试其Agentic AI框架，以支持网络切片自动化、库存中的网络设备建模、意图理解、模板生成及服务保障等关键用例。
AI Studio：功能全面的AI开发与管理平台
Blue Planet的AI Studio是一个功能全面的平台，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。它处理模型管理的全生命周期事务，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与Blue Planet的云原生平台及其包含库存、编排和保障在内的OSS应用产品实现了无缝集成，这种深度整合确保了AI能力能够直接作用于网络运营的各个环节。具体而言，AI Studio能够：
- 导入、部署、更新和停用AI模型；
- 配置模型属性，满足不同场景的特定需求；
- 实例化、启动、停止和调度模型执行，实现资源的灵活调配；
- 监控模型性能，确保AI应用的稳定运行；
- 查看、编辑、版本化、回滚和调试模型代码，支持持续改进；
- 调用Blue Planet及外部API，扩展AI应用的能力边界。
AI Studio提供了详细的仪表板，用于配置和管理AI应用，集中呈现所有AI活动。这一平台经过专门设计，以满足数据科学家、开发人员和系统管理员的不同需求，并为每个角色提供相应的工具和功能，大大降低了AI技术在电信领域的应用门槛。
技术架构：开源框架的整合与创新
AI Studio的成功离不开对行业领先开源框架和技术的整合。通过集成这些成熟的技术组件，AI Studio不仅简化了采用和集成过程，还确保了平台的可扩展性和互操作性。主要的技术集成包括：
- Apache Airflow：一个用于数据工程流水线的开源工作流管理平台，帮助构建复杂的AI工作流程；
- 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，提供模型跟踪、打包和部署等功能；
- 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，提高AI应用的响应速度。
这些技术组件的有机结合，使AI Studio能够支持从数据预处理、模型训练到部署监控的全流程，为电信运营商提供了一站式的AI开发和管理解决方案。
从AI Studio到Agentic框架：演进之路
如图1所示，AI Studio正在演进为Agentic AI框架。这一演进不仅仅是功能的扩展，更代表了AI技术在电信网络中应用理念的转变。新的框架通过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，形成一个开放的智能体生态系统。
图1：Blue Planet AI Studio向Agentic AI框架的演进
Agentic框架的核心是一个用于构建智能体的开发环境。"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，为运营商提供了更大的灵活性。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，进一步降低对供应商的依赖。
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，这种模块化的设计使得AI能力能够根据需求灵活组合。此外，框架还提供了网关功能，允许用户集成其偏好选用的大语言模型，避免了技术锁定的问题。
Agentic核心通过模型上下文协议（MCP）与工具进行通信，这确保了智能体与网络基础设施之间的无缝交互。同时，它还能与其他符合MCP标准的外部服务进行互操作，进一步扩展了其应用范围。Agentic工具包括OSS知识图谱（包含服务、设备、多层拓扑、SLA、警报、策略等信息）和OSS API操作（与库存、保障、编排等应用交互），为智能体提供了全面的网络上下文信息。
实际应用场景：从理论到实践
Blue Planet的Agentic AI框架已经在多个实际应用场景中展现出其价值。通过与现有客户的测试合作，该框架正在帮助运营商解决一系列复杂的网络运营挑战：
网络切片自动化：5G时代的网络切片技术要求能够根据不同业务需求动态分配网络资源。Agentic AI框架能够理解业务意图，自动完成网络切片的创建、配置和优化，大大提高了资源利用率和业务部署速度。
网络设备建模：电信网络中存在大量不同厂商、不同型号的设备，传统的人工建模方式效率低下且容易出错。Agentic AI框架能够自动识别设备类型，提取关键参数，生成标准化的设备模型，为网络管理提供准确的数据基础。
意图理解：将业务需求转化为技术配置是网络运营中的常见挑战。Agentic AI框架通过自然语言处理和领域知识，能够准确理解业务人员的意图，并生成相应的网络配置指令，减少了沟通成本和配置错误。
模板生成：网络配置模板的标准化和复用是提高运营效率的关键。Agentic AI框架能够根据历史配置和最佳实践，自动生成各类网络配置模板，加速新业务的上线过程。
服务保障：网络故障的快速定位和修复直接影响用户体验。Agentic AI框架通过分析告警信息和性能数据，能够自动识别故障根源，生成修复方案，甚至自动执行修复操作，显著提高了故障处理效率。
行业影响：重塑电信AI应用格局
Blue Planet的Agentic AI框架对电信行业的影响将深远而持久。首先，它提供了一条避免重复建设的路径，通过统一的框架整合各类AI能力，降低技术复杂度和总体拥有成本。其次，它加速了AI技术在电信网络中的实际应用，从概念验证走向规模部署。
对于电信运营商而言，这一框架意味着能够更快地实现网络运营的智能化转型，提高网络效率和服务质量。对于供应商而言，它提供了一个开放的平台，促进了创新和合作，有利于形成更加健康的产业生态。
随着2026年运营商开始使用该开发环境构建自己的AI智能体，电信行业的AI应用将进入一个新阶段——从依赖供应商提供的标准化解决方案，转向根据自身需求定制开发的智能化运营体系。这种转变将使电信运营商在数字化转型中占据更加主动的地位。
未来展望：电信AI的发展趋势
展望未来，Blue Planet的Agentic AI框架代表了电信AI应用的发展方向。我们可以预见以下几个趋势：
智能体间的协同将更加紧密：随着A2A协议的成熟，不同智能体之间的协作将更加无缝，形成真正的AI网络运营体系。
领域知识的重要性将进一步凸显：通用AI平台难以满足电信网络的特殊需求，深度整合领域知识的AI解决方案将更具竞争力。
"自带AI"模式将成为主流：运营商将越来越多地采用"自带AI"模式，根据自身需求定制开发AI智能体，减少对供应商的依赖。
MCP协议将推动行业标准化：模型上下文协议（MCP）的推广将促进不同AI系统之间的互操作性，降低技术整合的复杂性。
AI与网络功能的融合将更加深入：AI将从辅助工具逐渐演变为网络的核心组成部分，深度融入网络的设计、建设、运营和维护全生命周期。
结语
Blue Planet的Agentic AI框架为电信行业提供了一条切实可行的智能化转型路径。它不仅解决了当前市场上单点式AI解决方案的局限性，还为运营商构建统一的AI能力平台提供了技术基础。随着这一框架的不断完善和推广，我们有理由相信，电信网络将迎来一个更加智能、高效、可靠的新时代。
在数字化转型的浪潮中，AI技术将成为电信运营商的核心竞争力。Blue Planet的创新实践表明，只有深入理解电信网络的特殊性，构建专门化的AI解决方案，才能真正释放AI在电信领域的价值。未来，随着更多厂商加入这一领域，电信AI应用将迎来更加繁荣的发展局面，最终受益的将是广大电信运营商和最终用户。
