在当今数字化转型的浪潮中，人工智能技术正以前所未有的速度重塑各行各业，电信行业也不例外。随着AI炒作日益升温，电信运营商面临着来自网络供应商和OSS(运营支撑系统)供应商提供的单点式Agentic AI解决方案的冲击。这种碎片化的解决方案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。在这一背景下，Blue Planet(Ciena的一个部门)推出的Agentic AI框架为电信行业带来了新的思路和解决方案。
市场现状与挑战
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多个供应商的单点式解决方案的冲击。这种情况不仅增加了运营商的集成复杂度，还可能导致资源浪费和效率低下。
当前市场上的AI解决方案主要存在两种问题：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"，缺乏真正的深度整合；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性。这两种方案都无法满足电信行业对AI解决方案的特定需求。
Blue Planet认为，电信行业需要的不是简单的AI附加功能，而是专为电信网络构建的、能够理解行业特性的AI框架。这种框架应该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。
Blue Planet的解决方案
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解决方案，其核心在于能够在清晰且组织良好的数据模型和API之上实现智能体的协调行动。这一框架构建于Blue Planet的AI Studio之上，后者于2024年商用发布。
该框架的关键特性包括：
- 基于意图的行动：智能体能够理解网络运营的意图，并据此采取相应行动
- 上下文应用：能够理解并应用电信网络的复杂上下文信息
- 网络范围协调：能够在整个网络范围内实现智能体间的协调行动
- 数据模型与API支持：建立在清晰且组织良好的数据模型和API之上
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。
实际应用场景
Blue Planet已开始与现有客户测试其Agentic AI框架，以支持多种用例：
- 网络切片自动化：通过AI实现网络资源的智能分配和管理
- 库存中的网络设备建模：自动识别和建模网络中的各类设备
- 意图理解：准确理解网络运营的复杂意图
- 模板生成：自动生成各类网络配置和运营模板
- 服务保障：通过AI提升服务质量和可靠性
这些应用场景展示了Agentic AI框架在电信网络运营中的实际价值，它不仅能够提高运营效率，还能够降低人为错误，提升网络服务质量。
AI Studio的深度解析
核心功能
Blue Planet的AI Studio是一个功能强大的平台，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的主要功能包括：
- 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
系统集成与兼容性
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应用产品组合实现无缝集成。这种深度集成确保了AI解决方案能够充分利用现有的OSS基础设施，同时提供增强的智能化能力。
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。
技术框架集成
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
这些技术的集成使AI Studio能够充分利用开源生态系统的优势，同时提供电信行业特定的功能和优化。
向Agentic框架的演进
架构演进路径
AI Studio正在演进为Agentic AI框架，这一演进过程代表了电信AI技术的重要发展方向。如图1所示，该框架通过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。
核心组件
Agentic框架的核心是一个用于构建智能体的开发环境。这一环境提供了构建、测试和部署电信智能体的完整工具链。
"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。这种灵活性使运营商能够根据自身需求定制AI解决方案，而不受限于供应商提供的固定功能。
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，这种开放性确保了运营商可以充分利用最新的AI技术成果。
通信与互操作性
Agentic核心通过模型上下文协议(MCP)与工具进行通信。此外，它还能与其他符合MCP标准的外部服务进行互操作。这种标准化的通信机制确保了不同来源的智能体和工具能够无缝协作，共同完成复杂的网络运营任务。
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)。这些工具为智能体提供了丰富的上下文信息和操作能力，使其能够理解并影响电信网络的各个方面。
行业影响与未来展望
对电信运营商的价值
Blue Planet的Agentic AI框架为电信运营商带来了多方面的价值：
- 降低复杂性：通过统一的AI框架，运营商可以避免管理多个分散的AI系统
- 提高效率：智能体间的协调行动能够显著提升网络运营效率
- 降低成本：减少重复建设，优化资源利用
- 增强创新：提供灵活的开发环境，鼓励创新应用
- 提升服务质量：通过AI增强网络监控、故障排除和服务保障能力
市场趋势预测
随着Agentic AI框架在电信行业的逐步普及，我们可以预见以下市场趋势：
- AI框架标准化：随着更多供应商进入这一领域，可能会出现行业标准的Agentic AI框架
- 生态系统发展：围绕电信Agentic AI将形成一个包括供应商、开发者和运营商在内的完整生态系统
- 应用场景扩展：从当前的网络切片、设备建模等场景扩展到更多领域
- AI能力民主化：通过低代码/无代码平台，使更多网络工程师能够参与AI应用开发
技术发展方向
未来，电信Agentic AI框架可能会朝着以下方向发展：
- 更强的自主性：智能体将能够处理更复杂的任务，减少人工干预
- 多智能体协作：发展更先进的智能体协作机制，实现更复杂的网络运营目标
- 边缘AI集成：将Agentic AI能力扩展到网络边缘，实现更实时的响应
- 跨域智能：打破网络、IT和业务域的界限，实现端到端的智能化
结论
Blue Planet的Agentic AI框架代表了电信行业AI应用的重要发展方向。通过提供专为电信网络构建的统一AI框架，它解决了市场上单点式解决方案带来的碎片化问题，为运营商提供了更高效、更智能的网络运营能力。
随着AI技术的不断发展和电信行业对智能化需求的持续增长，Agentic AI框架有望成为电信运营商数字化转型的重要驱动力。通过构建智能体间的协作网络，这一框架不仅能够提升当前的网络运营效率，还将为电信行业未来的创新应用奠定坚实基础。
在竞争日益激烈的电信市场中，能够有效利用AI技术的运营商将获得显著的竞争优势。Blue Planet的Agentic AI框架为运营商提供了一个强有力的工具，帮助他们在这场技术变革中保持领先地位。
