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变革。随着AI技术在网络运营、服务保障等领域的深入应用，传统的运营支持系统(OSS)正面临重构的迫切需求。市场研究公司Omdia的报告指出，在2024年6月TM Forum的DTW活动期间，Blue Planet(Ciena的一个部门)对其Agentic AI框架的展示成为行业关注的焦点。这一创新方案不仅代表了电信AI技术的前沿方向，更为运营商提供了应对当前AI碎片化挑战的有效路径。
电信AI面临的挑战与机遇
当前，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。Omdia业务负责人James Crawshaw指出，这种"AI炒作"盛行的环境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。
Blue Planet分析认为，目前市场上的许多产品存在两大问题：一方面，"将AI策略生硬地附加在传统OSS之上"的做法难以充分发挥AI的潜力；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特殊需求。
这种两难局面为电信AI解决方案提供商带来了机遇——开发既懂电信业务又具备AI能力的专用平台。Blue Planet提出的Agentic AI框架正是针对这一痛点而设计的创新方案，它代表了电信AI技术从简单叠加向深度融合的发展趋势。
Blue Planet Agentic AI框架的核心特性
Blue Planet提出的Agentic AI框架是一个专为电信网络构建的智能系统，其核心特性体现在以下几个方面：
1. 意图驱动的智能体
与传统AI系统不同，该框架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。这种设计理念使得AI系统能够更好地理解电信运营商的业务目标，而不仅仅是执行预设的算法。
2. 基于数据模型和API的架构
框架构建于清晰且组织良好的数据模型和API之上，这为AI应用提供了稳定可靠的基础。这种架构设计确保了AI系统能够准确理解和操作电信网络的各种元素，从物理设备到虚拟服务。
3. 与现有OSS的无缝集成
虽然Agentic AI框架具有创新性，但它并非要完全取代现有的OSS系统。相反，它设计为与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，保护运营商的现有投资。
AI Studio：Agentic AI框架的基础
Agentic AI框架构建于Blue Planet的AI Studio之上，这一平台于2024年商用发布，为电信运营商提供了强大的AI开发和部署能力。
AI Studio的核心功能
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。具体来说，它能够：
- 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
这些功能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，大大降低了AI技术在电信领域的应用门槛。
面向多角色的设计
AI Studio经过专门设计，以满足不同角色的需求：
- 数据科学家：提供模型训练、测试和部署的工具
- 开发人员：提供API集成、工作流编排和代码管理功能
- 系统管理员：提供监控、性能优化和系统管理工具
这种面向角色的设计确保了AI Studio能够满足电信团队中各类成员的需求，促进协作和效率提升。
开源技术的集成
AI Studio集成了多种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(LLM)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
这些开源技术的集成不仅降低了技术门槛，还为运营商提供了更大的灵活性和可扩展性。
Agentic AI框架的应用场景
Blue Planet已开始与现有客户测试其Agentic AI框架，探索多个关键应用场景：
1. 网络切片自动化
随着5G和未来6G技术的发展，网络切片成为提供差异化服务的关键技术。Agentic AI框架可以通过智能理解不同切片的需求，自动完成资源分配、配置和优化，大大提高网络切片的部署效率和灵活性。
2. 网络设备建模
电信网络包含大量复杂的设备，从物理硬件到虚拟化组件。AI框架可以自动识别、建模和管理这些设备，确保网络配置的一致性和准确性，同时减少人工干预的需求。
3. 意图理解
通过自然语言处理和机器学习技术，AI框架可以理解业务人员的高层意图，并将其转化为具体的网络操作指令。这种能力大大简化了网络管理的复杂性，使非技术人员也能参与网络决策。
4. 模板生成
针对常见的网络配置和服务部署场景，AI框架可以自动生成标准化的配置模板，确保最佳实践的快速应用，同时减少配置错误的风险。
5. 服务保障
通过实时监控和分析网络性能数据，AI框架可以主动识别潜在问题，预测服务中断风险，并自动采取纠正措施，显著提高服务质量和可靠性。
Agentic框架的技术演进
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技术的最新发展方向。
框架的核心组件
Agentic AI框架的核心是一个用于构建智能体的开发环境，其主要组件包括：
- 智能体开发环境：提供构建、测试和部署AI智能体的工具和平台
- "自带AI"许可模式：允许授权用户导入、部署、配置和管理第三方AI/ML模型
- 智能体目录：维护可用的智能体库，便于查找和复用
- 编排引擎：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
互操作性设计
Agentic框架通过多种协议和接口实现互操作性：
- API交互：通过API与Blue Planet的OSS应用产品组合交互
- 智能体间(A2A)协议：与第三方智能体进行交互
- 模型上下文协议(MCP)：与工具进行通信
- 外部服务集成：与其他符合MCP标准的外部服务互操作
Agentic工具
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AI智能体提供了丰富的上下文信息和操作能力，使其能够更好地理解和操作电信网络。
未来展望：构建电信AI生态
从2026年起，通信服务提供商(CSP)将能够使用Agentic AI框架的开发环境构建自己的AI智能体。这一开放策略将促进电信AI生态系统的形成，加速创新应用的开发和部署。
行业标准化的重要性
随着Agentic AI框架的广泛应用，行业标准化将成为关键挑战。Blue Planet通过采用MCP等标准协议，为行业互操作性奠定了基础。未来，更多关于电信AI的行业标准将需要制定，以确保不同厂商解决方案之间的兼容性。
人才培养与组织变革
Agentic AI框架的成功应用不仅需要技术支持，还需要相应的人才培养和组织变革。电信运营商需要培养既懂AI技术又理解电信业务的复合型人才，同时调整组织结构以适应AI驱动的运营模式。
安全与隐私考量
随着AI系统在电信网络中的深入应用，安全和隐私问题将变得更加重要。Agentic AI框架需要内置强大的安全机制，确保AI决策的透明性、可解释性和可控性，同时保护用户数据的隐私和安全。
结论
Blue Planet的Agentic AI框架代表了电信AI技术的前沿方向，它通过统一整合的方法解决了当前AI碎片化的问题，为电信运营商提供了构建自有OSS AI平台的强大工具。这一框架不仅能够提高网络运营效率，还能加速服务创新，为运营商在数字化时代保持竞争力提供有力支持。
随着AI技术的不断发展和应用场景的持续扩展，Agentic AI框架有望在电信行业发挥越来越重要的作用。未来，我们可以预见，AI将从辅助工具转变为网络运营的核心驱动力，重塑电信网络的架构、运营和服务模式。对于电信运营商而言，及早布局AI技术，培养相应能力，将是在未来竞争中保持优势的关键。
在这一转型过程中，Blue Planet的Agentic AI框架无疑将扮演重要角色，引领电信行业迈向更加智能、高效和创新的未来。
