在人工智能技术迅猛发展的今天，电信行业正经历着前所未有的智能化转型。市场研究公司Omdia的报告显示，在2024年6月的TM Forum DTW活动期间，一个引人注目的时刻是Blue Planet（Ciena的一个部门）对其Agentic AI框架的展示。这一展示不仅标志着电信AI技术的新突破，也为行业指明了未来发展方向。
Agentic AI：电信行业的新挑战与机遇
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Agentic AI解决方案的冲击。这种碎片化的AI方案虽然看似提供了即时的解决方案，但实际上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。
当前，电信行业在AI应用方面面临着双重困境：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"，缺乏真正的智能化和自主性；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，难以满足行业的特定需求。
Blue Planet提出的解决方案是一个专为电信网络构建的Agentic AI框架，它通过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，为电信运营商提供了一个全新的智能化运营范式。
Blue Planet Agentic AI框架：技术架构与核心优势
Blue Planet的Agentic AI框架构建于其AI Studio之上，这一AI Studio于2024年商用发布。该框架的核心优势在于它是在清晰且组织良好的数据模型和API之上实现的，确保了电信网络各组件之间的无缝协作和高效通信。
意图驱动的智能体架构
与传统的规则驱动或简单AI增强的系统不同，Blue Planet的Agentic AI框架采用意图驱动的设计理念。智能体能够理解高层业务意图，并将其转化为具体的网络行动。这种设计大大简化了网络运营的复杂性，使运营商能够以更自然、更直观的方式管理网络。
全局协调与上下文感知
框架的另一个关键特性是其全局协调能力。智能体不仅能够在各自的领域内行动，还能在整个网络范围内进行协调，确保各种网络操作的一致性和协同性。同时，这些智能体具备上下文感知能力，能够根据网络状态、业务需求和历史数据做出更智能的决策。
电信领域知识内置
与通用AI平台不同，Blue Planet的Agentic AI框架内置了大量关于电信网络的领域知识。这些知识涵盖了网络拓扑、服务模型、SLA要求、故障处理等多个方面，使AI系统能够更好地理解和适应电信网络的特殊需求。
AI Studio：构建电信AI的强大平台
Blue Planet的AI Studio为构建和管理Agentic AI框架提供了全面的工具和环境。它为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，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。
核心功能与能力
AI Studio提供了丰富的功能，支持AI模型的完整生命周期管理：
- 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
集成与互操作性
AI Studio能够与Blue Planet的云原生平台及其包含库存、编排和保障在内的OSS应用产品实现无缝集成。同时，它还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：用于数据工程流水线的开源工作流管理平台
- LangChain：帮助开发者构建强大的应用程序，将大语言模型与外部工具、API、数据源和用户工作流集成
- MLflow：用于构建AI应用程序和模型的开源开发者平台
- Redis：开源的内存键值数据库，用作分布式缓存和消息代理
多角色支持
AI Studio经过专门设计，以满足不同角色的需求：
- 数据科学家：提供模型开发、训练和评估的工具
- 开发人员：提供API集成、应用开发和部署的环境
- 系统管理员：提供监控、管理和运维的工具
从AI Studio到Agentic框架的演进
Blue Planet正在将其AI Studio演进为更强大的Agentic AI框架，这一演进代表了电信AI技术的新高度。如图1所示，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。
开发环境与智能体构建
演进后的框架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。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，这将极大地促进电信行业的AI创新和应用。
智能体目录与编排引擎
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。这种设计使得运营商能够根据具体需求灵活组合不同的智能体，构建定制化的AI解决方案。
网关与模型集成
框架提供了网关功能，允许用户集成其偏好选用的大语言模型。这种灵活性使运营商能够选择最适合其业务需求的AI模型，而不受限于单一供应商的解决方案。
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，并能与其他符合MCP标准的外部服务进行互操作。这种标准化设计确保了框架的开放性和可扩展性，使其能够适应不断变化的AI技术生态。
Agentic工具集
框架提供了一系列专门的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
- OSS API操作：与库存、保障、编排等应用交互
这些工具为智能体提供了丰富的电信领域知识和操作能力，使其能够更有效地执行各种网络管理任务。
实际应用场景与案例
Blue Planet已开始与现有客户测试其Agentic AI框架，以支持多种电信网络运营场景。这些实际应用案例展示了框架的实用价值和潜在影响。
网络切片自动化
5G时代的网络切片技术要求运营商能够快速、灵活地创建和管理多个虚拟网络。Agentic AI框架通过智能化的切片配置、监控和优化，大大简化了网络切片的生命周期管理，使运营商能够更高效地满足不同客户的需求。
网络设备建模
在复杂的电信网络中，准确建模和管理各种网络设备是一项挑战。Agentic AI框架能够自动发现、分类和建模网络设备，并持续更新设备信息，确保网络配置的准确性和一致性。
意图理解与执行
传统的网络管理系统通常需要详细的配置指令，而Agentic AI框架能够理解自然语言或高层业务意图，并将其转化为具体的网络配置和操作。这种能力大大降低了网络管理的复杂性，提高了运营效率。
模板生成与管理
网络配置和服务部署通常需要使用各种模板。Agentic AI框架能够根据业务需求自动生成和优化这些模板，并管理模板的版本控制和应用，确保配置的一致性和最佳实践。
服务保障
服务保障是电信运营的核心环节。Agantic AI框架通过智能化的故障检测、诊断和修复，显著提高了服务的可用性和可靠性。同时，它还能预测潜在的服务质量问题，并采取预防措施。
行业影响与未来展望
Blue Planet的Agentic AI框架不仅为电信运营商提供了强大的工具，也对整个行业产生了深远影响。随着这一技术的成熟和普及，我们可以预见以下几个方面的趋势：
统一AI平台成为行业标准
目前，电信行业面临着多种单点式AI方案的挑战，这些方案往往缺乏互操作性，导致重复建设和资源浪费。Blue Planet的Agentic AI框架提供了一个统一整合的解决方案，未来可能会成为行业标准，推动行业向更高效、更协同的AI应用模式发展。
AI民主化与自主创新
随着"自带AI"许可模式和开发环境的普及，电信运营商将能够构建自己的AI智能体，减少对供应商的依赖，促进自主创新能力。这种AI民主化趋势将加速电信行业的数字化转型和创新。
跨域协同与生态系统构建
Agentic AI框架通过智能体间协议和标准化接口，促进了不同系统和应用之间的协同。未来，电信行业可能会形成一个更加开放、互联的AI生态系统，各方能够共同开发和分享AI能力，创造更大的价值。
电信AI专业化与垂直整合
与通用AI平台相比，电信专用AI框架能够更好地理解行业特定的需求和挑战。未来，我们可能会看到更多针对电信场景的专业化AI解决方案，这些方案将深度整合网络知识、业务流程和运营经验，提供更精准、更有效的智能支持。
结论
Blue Planet的Agentic AI框架代表了电信行业AI技术的前沿方向。它通过意图驱动、上下文感知和全网络协调，为电信运营商提供了一个统一整合的智能网络运营平台。随着这一技术的不断演进和应用，它将帮助电信行业应对日益复杂的网络环境和业务需求，实现更高效、更智能的网络运营。
在AI技术快速发展的今天，电信运营商需要审慎选择适合自己的AI战略，既要避免碎片化的单点方案，又要充分利用通用AI平台的优势。Blue Planet的Agentic AI框架提供了一个平衡的解决方案，它既保留了电信行业特定的专业知识和需求，又借鉴了通用AI平台的技术优势和创新活力。
未来，随着5G、6G和边缘计算等技术的发展，电信网络将变得更加复杂和动态，Agentic AI框架的重要性也将日益凸显。那些能够率先掌握和应用这一技术的运营商，将在数字化转型的浪潮中占据先机，赢得更大的竞争优势。
