在当今AI技术迅猛发展的时代，电信行业正经历着前所未有的智能化转型。随着市场研究公司Omdia的报告指出，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，这种碎片化的发展模式可能导致重复建设风险，并错失采用更统一整合方法的机会。在这一背景下，Blue Planet（Ciena的一个部门）推出的Agentic AI框架，为电信网络的智能化运营提供了全新思路。
电信AI市场的现状与挑战
当前，电信行业正处于AI应用的关键转折点。Omdia业务负责人James Crawshaw指出，在Agentic AI炒作盛行的这一年里，市场呈现出两种极端现象：一方面是传统网络供应商将AI策略生硬地附加在传统OSS之上；另一方面是公有云提供商提供的通用AI平台，这些平台往往无法理解电信网络的运营复杂性和特殊需求。
这种两极分化导致电信运营商在选择AI解决方案时面临困境：要么接受功能有限、与电信业务场景脱节的通用AI平台，要么被迫整合多个互不兼容的单点式AI解决方案，造成资源浪费和管理复杂度增加。
Blue Planet敏锐地捕捉到了这一市场痛点，提出了专为电信网络构建的Agentic AI框架，旨在打破当前市场的碎片化局面，为电信运营商提供统一、高效、专业的AI解决方案。
Blue Planet Agentic AI框架的核心价值
Blue Planet提出的Agentic AI框架并非简单地将AI技术应用于电信网络，而是从根本上重新思考了AI与电信网络运营的结合方式。该框架的核心价值体现在以下几个方面：
1. 专为电信网络设计的智能体系统
与通用AI平台不同，Blue Planet的Agentic AI框架是专为电信网络环境设计的智能体系统。这些智能体能够基于意图行动，应用上下文理解，并在整个网络范围内采取协调一致的行动，从而实现真正的网络自动化与智能化。
2. 基于数据模型与API的架构设计
该框架构建在清晰且组织良好的数据模型和API之上，确保了系统的可扩展性和互操作性。这种架构设计使得不同智能体之间能够高效通信，协同完成复杂任务，同时为未来新技术的集成提供了坚实基础。
3. 统一整合的AI生态系统
Blue Planet的Agentic AI框架避免了市场上单点式AI方案的局限性，提供了一个统一整合的AI生态系统。这不仅降低了运营商的总体拥有成本，还提高了AI应用的一致性和可靠性，为运营商构建长期AI战略提供了稳定基础。
AI Studio：Agentic AI框架的技术基石
Blue Planet的AI Studio是其Agentic AI框架的技术基石，于2024年商用发布。AI Studio为Blue Planet及第三方AI模型提供全面的API管理、流水线控制和性能跟踪功能，是构建电信网络AI应用的核心平台。
AI Studio的核心功能
AI Studio提供了丰富的功能，支持AI模型的全生命周期管理：
- 模型管理：导入、部署、更新和停用AI模型，配置模型属性
- 执行控制：实例化、启动、停止和调度模型执行
- 性能监控：实时监控模型性能，提供详细的仪表板展示
- 代码管理：查看、编辑、版本化、回滚和调试模型代码
- API集成：调用Blue Planet及外部API，实现系统间无缝连接
这些功能使得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，无需深入底层技术细节即可构建复杂的AI应用。
与Blue Planet生态系统的无缝集成
AI Studio自然地与Blue Planet的云原生平台及其包含库存、编排和保障在内的OSS应用产品组合实现无缝集成。这种深度集成确保了AI应用能够充分利用Blue Planet在电信运营领域的专业知识和技术积累。
同时，AI Studio也支持与第三方系统的集成，通过标准API和开放协议，打破了封闭系统的壁垒，为运营商提供了更大的灵活性和选择空间。
开源框架与技术的集成
为了简化采用和集成过程，AI Studio集成了行业领先的开源框架和技术：
- 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和数据源集成
- 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
图：AI Studio集成的开源技术框架
从AI Studio到Agentic框架的演进
AI Studio正在不断演进，发展为更为强大的Agentic AI框架。这一演进代表了电信AI应用从单一功能向智能协同系统的转变，为电信网络的全面智能化提供了技术支撑。
Agentic框架的架构特点
如图1所示，演进后的Agentic AI框架通过API与Blue Planet的OSS应用产品组合交互，并通过智能体间（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，支持"自带AI"的许可模式，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，这将大大加速电信行业AI应用的创新和普及。
智能体目录与编排引擎
Agentic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。这种设计使得不同功能的智能体能够协同工作，共同完成单一智能体难以实现的复杂网络运营任务。
同时，框架提供了灵活的网关功能，允许用户集成其偏好选用的大语言模型，确保了系统的开放性和可扩展性。
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。这种标准化的通信协议确保了不同系统间的互操作性，为构建开放的AI生态系统奠定了基础。
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），为智能体提供了丰富的上下文信息和操作能力。
Agentic AI框架的实际应用场景
Blue Planet的Agentic AI框架已在多个实际场景中展现出其价值，通过与现有客户的测试验证了其有效性和实用性。
网络切片自动化
5G时代，网络切片成为关键特性，但手动管理切片复杂且耗时。Agentic AI框架能够自动化网络切片的创建、配置、监控和优化，大大提高了切片管理的效率和准确性。
框架中的智能体能够理解业务需求，自动将网络资源映射到切片需求，并根据实际使用情况动态调整资源分配，确保SLA的同时最大化资源利用率。
库存中的网络设备建模
电信网络设备种类繁多、型号各异，传统设备建模方式耗时且容易出错。Agentic AI框架通过智能体自动识别和建模网络设备，建立统一的设备模型库。
这些智能体能够从设备配置、性能数据等多个维度提取信息，构建全面的设备模型，为网络规划、优化和故障排查提供准确的数据基础。
意图理解与自动化执行
传统网络运营需要工程师将业务需求转化为具体的技术指令，这一过程容易产生误解和延迟。Agentic AI框架中的智能体能够直接理解业务意图，并将其转化为具体的网络操作。
例如，当业务部门提出"需要为特定区域提供低延迟服务"的需求时，框架能够自动识别需要优化的网络路径、调整相关参数，并验证SLA是否满足，整个过程无需人工干预。
模板生成与服务保障
在服务部署和保障方面，Agentic AI框架能够根据历史数据和最佳实践，自动生成服务配置模板，加速新服务的上线速度。同时，智能体能够实时监控服务质量，主动发现潜在问题并采取预防措施。
这种主动式服务保障模式，将传统的被动响应转变为主动预防，显著提高了服务可靠性和客户满意度。
行业影响与未来展望
Blue Planet的Agentic AI框架对电信行业的影响将是深远的。首先，它提供了一种统一整合的AI应用方法，避免了行业面临的重复建设风险，为运营商构建长期AI战略提供了稳定基础。
其次，该框架通过智能体间的协同工作，实现了网络运营的全面自动化和智能化，将大大提高运营效率，降低人力成本。据行业估计，全面采用AI技术的电信网络可降低30%-50%的运营成本。
第三，Agentic AI框架为电信运营商提供了构建差异化服务的能力，通过智能化的网络管理和资源优化，能够更好地满足不同客户群体的需求，提升市场竞争力。
未来，随着AI技术的不断发展和成熟，Agentic AI框架将进一步演进，支持更复杂的网络场景和业务需求。从2026年起，通信服务提供商将能够使用这一开发环境构建自己的AI智能体，这将催生更多创新的电信AI应用，推动整个行业的数字化转型。
结论
在AI技术重塑各行各业的今天，电信行业正迎来智能化转型的关键机遇。Blue Planet推出的Agentic AI框架，通过专为电信网络设计的智能体系统，统一整合的AI生态系统，以及强大的AI Studio平台，为电信运营商提供了应对当前市场挑战的有效方案。
这一创新不仅解决了单点式AI方案的局限性，避免了重复建设风险，更通过智能体间的协同工作，实现了网络运营的全面自动化和智能化。随着技术的不断演进和应用的深入，Agentic AI框架有望引领电信行业进入一个全新的智能化运营时代，为运营商创造更大的商业价值和社会价值。
