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变革机遇与挑战。随着Omdia等市场研究机构指出，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，这一趋势不仅可能导致重复建设风险，更可能使行业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）近期推出的专为电信网络构建的Agentic AI框架，为行业带来了全新的思路与解决方案。
电信AI市场的现状与挑战
当前，Agentic AI技术在电信行业的应用正处于炒作高峰期。市场呈现出一种看似繁荣实则混乱的局面：一方面，各类供应商纷纷推出自己的Agentic AI解决方案；另一方面，这些解决方案往往局限于特定功能或应用场景，缺乏统一的架构和标准。
James Crawshaw，Omdia业务负责人，对此现象有着清醒的认识。他指出，这种单点式解决方案的泛滥可能导致电信运营商在基础设施上投入重复建设，无法形成协同效应，最终错失通过统一整合方法实现网络智能化转型的机会。
Blue Planet的技术专家们观察到，目前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"，这种做法无法充分发挥AI技术的潜力。同时，来自公有云提供商的通用AI平台往往无法理解电信网络的运营复杂性，难以满足电信行业的特殊需求。
这种市场现状迫切需要一个专为电信网络设计的、真正整合的Agentic AI框架，既能充分利用AI技术的优势，又能深度理解电信网络的特殊性和复杂性。
Blue Planet Agentic AI框架的核心价值
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，其核心价值在于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。这一框架的关键创新点在于，它是在清晰且组织良好的数据模型和API之上实现的，确保了系统的可扩展性和互操作性。
与市场上的其他解决方案相比，Blue Planet的Agentic AI框架具有几个显著优势：
电信网络专属性：该框架专门为电信网络设计，深度理解电信网络的特殊性和复杂性，避免了通用AI平台在电信领域的应用局限。
整合性架构：与市场上"生硬附加"的AI解决方案不同，该框架从设计之初就将AI能力深度整合到网络运营系统中，实现了真正的协同效应。
智能体协调：框架支持多个智能体在整个网络范围内协调行动，解决了单点式解决方案无法实现的全局优化问题。
数据驱动：建立在清晰且组织良好的数据模型之上，确保了AI决策的准确性和可靠性。
AI Studio：构建电信AI的基石
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，为电信运营商提供了强大的AI开发和部署平台。
AI Studio的核心功能
AI Studio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。其主要功能包括：
- 模型生命周期管理：导入、部署、更新和停用AI模型；
- 模型配置：配置模型属性，优化模型性能；
- 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，确保AI应用稳定运行；
- 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，实现系统间的无缝集成。
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，并为每个角色提供相应的工具和功能。
技术架构与集成
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。这种深度集成为电信运营商提供了一体化的AI解决方案，避免了系统间的兼容性问题。
AI Studio集成了多个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。
这些技术的集成不仅降低了AI应用的开发门槛，还提高了系统的可扩展性和灵活性，使电信运营商能够快速适应不断变化的市场需求。
Agentic框架的演进路径
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技术从简单应用到智能体协作的重大转变。
框架架构
Agentic AI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。其核心是一个用于构建智能体的开发环境，为电信运营商提供了强大的AI定制能力。
"自带AI"许可模式
框架引入了"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，极大地增强了运营商的自主性和创新能力。
智能体生态系统
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，共同解决复杂的网络运营问题。网关允许用户集成其偏好选用的大语言模型，提供了更大的灵活性。
通信协议
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。这种标准化的通信机制确保了系统的开放性和兼容性，为未来扩展奠定了基础。
Agentic工具集
框架提供了一系列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功能和接口，使其能够有效地执行各种网络运营任务。
实际应用案例与价值
Blue Planet已开始与现有客户测试其Agentic AI框架，以支持多种用例，验证了其实际价值和可行性。
网络切片自动化
网络切片是5G和未来网络架构的关键特性，但手动配置和管理网络切片复杂且耗时。通过Agentic AI框架，运营商可以实现网络切片的自动化创建、配置和优化，大大提高了网络资源利用率和业务部署速度。
网络设备建模
在复杂的电信网络中，准确建模网络设备是网络规划和优化的重要基础。Agentic AI框架能够自动识别、分类和建模网络设备，维护最新的设备信息，为网络运营提供准确的数据支持。
意图理解
传统网络管理系统通常需要技术人员详细配置各种参数，而Agentic AI框架能够理解自然语言表达的运营意图，自动转化为相应的网络配置和操作，大大简化了网络管理流程。
模板生成
在部署新服务或扩展现有服务时，创建配置模板是一项重复性工作。Agentic AI框架能够基于历史数据和最佳实践，自动生成高质量的配置模板，提高服务部署的一致性和效率。
服务保障
服务保障是电信运营商的核心竞争力之一。Agantic AI框架能够实时监控网络性能，主动识别潜在问题，并自动采取纠正措施，大大提高了服务质量和客户满意度。
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，它为电信运营商提供了一个真正整合的AI解决方案，避免了单点式解决方案带来的重复建设和系统碎片化问题。其次，它通过智能体间的协调行动，实现了网络运营的全局优化，提高了网络效率和资源利用率。
随着AI技术的不断发展，我们可以预见Agentic AI框架将在更多领域发挥重要作用：
自优化网络：智能体将能够自主学习和调整网络参数，实现网络性能的持续优化。
预测性维护：通过分析历史数据和实时监测，智能体能够预测网络故障并提前采取预防措施。
个性化服务：基于用户行为和偏好数据，智能体能够为用户提供个性化的网络服务体验。
跨域协同：不同领域的智能体将能够协同工作，实现端到端的业务保障和优化。
结论
在AI技术快速发展的今天，电信行业正站在智能化转型的关键节点。Blue Planet推出的Agentic AI框架，通过其专属性、整合性和智能体协调等核心优势，为电信运营商提供了一个强大的网络智能化解决方案。随着AI Studio向Agentic框架的不断演进，我们有理由相信，这一创新将深刻改变电信网络的运营模式，推动行业向更加智能、高效的方向发展。
对于电信运营商而言，采用这样的整合AI框架不仅是技术升级的需要，更是应对日益复杂的网络环境和不断提升的用户期望的战略选择。在未来的竞争中，那些能够成功整合AI技术、实现网络智能化的运营商，将占据明显的市场优势。
