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Omdia报告揭示的Agentic AI炒作热潮，电信运营商面临着来自网络供应商和OSS供应商提供的单点式解决方案的冲击。这种碎片化的AI部署模式不仅可能导致重复建设的风险，更可能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框架为行业带来了新的思路和解决方案。
传统AI方案的局限性
当前电信行业在AI应用方面面临两难困境。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"，这种做法无法充分发挥AI技术的潜力，也无法真正适应电信网络的复杂特性。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，难以满足行业特定需求。
这种"非此即彼"的局面导致了许多运营商在AI应用上的犹豫不决。正如Omdia业务负责人James Crawshaw所指出的，在Agentic AI炒作盛行的这一年里，电信运营商正面临来自各方的单点式解决方案冲击。这种碎片化的AI部署模式不仅增加了系统的复杂性，还可能导致数据孤岛和操作不一致的问题。
Blue Planet的Agentic AI框架：专为电信网络构建
Blue Planet提出的方案是一个专为电信网络构建的Agentic AI框架，这一框架的出现正是为了解决上述困境。与市场上其他AI解决方案不同，该框架的核心优势在于它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。这种全局视角和协调能力是传统单点式解决方案所无法提供的。
关键在于，Blue Planet的Agentic AI框架是在清晰且组织良好的数据模型和API之上实现的。这种架构设计确保了AI系统与电信网络基础设施的无缝集成，同时也为未来的扩展和升级提供了灵活性。该框架构建于Blue Planet的AI Studio之上，这一AI Studio于2024年商用发布，为整个系统提供了坚实的基础。
AI Studio：电信AI的中央控制平台
Blue Planet的AI Studio为整个Agentic AI框架提供了强大的支撑。这一平台主要为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的核心功能包括：
- 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
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关的工具和功能。这种多角色支持使得不同背景的团队成员都能在平台上高效工作。
开源技术的融合与创新
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。这种开放策略不仅降低了技术门槛，也为客户提供了更大的灵活性和选择空间。主要集成的开源技术包括：
- Apache Airflow：一个用于数据工程流水线的开源工作流管理平台，帮助构建复杂的数据处理流程
- 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，简化了机器学习工作流程
- 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，提高系统性能
这些开源技术的融合不仅丰富了AI Studio的功能，也为客户提供了更加灵活和可扩展的解决方案。通过利用这些成熟的开源框架，Blue Planet能够将更多精力集中在电信行业的特定需求和挑战上。
从AI Studio到Agentic框架的演进
如图1所示，AI Studio正在演进为Agentic AI框架。这一演进过程代表了Blue Planet在AI技术上的重要突破，也为电信运营商提供了更加先进的AI解决方案。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。
Agentic框架的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。这种开放性和灵活性为客户提供了更大的自主权和创新空间。
该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。这种设计使得运营商可以根据自身需求选择最适合的AI模型和技术栈，而不必受限于单一供应商的解决方案。
技术架构的核心组件
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。这种标准化和开放性的设计确保了系统的可扩展性和互操作性。
Agentic工具包括两个主要组成部分：
- OSS知识图谱：包含服务、设备、多层拓扑、SLA、警报、策略等信息，为AI系统提供全面的网络上下文
- OSS API操作：与库存、保障、编排等应用交互，实现对网络基础设施的直接控制
这两个组件的结合使得Agentic框架能够深入理解电信网络的复杂性，并基于这种理解做出智能决策和行动。
实际应用案例与用例
Blue Planet已开始与现有客户测试其Agentic AI框架，以支持多种实际用例。这些用例展示了框架在实际网络环境中的价值和潜力：
- 网络切片自动化：通过智能体自动配置和管理网络资源，满足不同服务的差异化需求
- 库存中的网络设备建模：自动发现和建模网络设备，保持网络文档的准确性和及时性
- 意图理解：将业务需求自动转化为网络配置，简化服务开通流程
- 模板生成：自动生成标准化的网络配置模板，提高配置一致性和效率
- 服务保障：实时监控网络性能，主动识别和解决潜在问题
这些用例涵盖了电信网络管理的多个关键领域，展示了Agentic AI框架的广泛应用前景。通过在这些领域的成功应用，框架证明了其解决实际业务挑战的能力，为运营商带来了显著的价值。
市场影响与行业意义
Blue Planet的Agentic AI框架对电信行业具有深远的影响。首先，它提供了一种统一整合的AI方法，避免了单点式解决方案带来的碎片化问题。这种统一性不仅降低了系统复杂性，还提高了运营效率和一致性。
其次，框架专为电信网络构建，充分考虑了行业的特定需求和挑战。这种行业专长使得AI系统能够更好地理解和适应电信网络的复杂性，提供更加精准和有效的解决方案。
此外，"自带AI"许可模式为客户提供了更大的自主权和灵活性。运营商可以根据自身需求选择和定制AI解决方案，而不必完全依赖供应商提供的现成产品。这种自主性对于大型运营商尤其具有吸引力，它们通常拥有自己的AI团队和特定的业务需求。
未来展望与发展方向
随着技术的不断进步，Blue Planet的Agentic AI框架将继续演进和完善。从2026年起，通信服务提供商将能够使用开发环境构建自己的AI智能体，这将进一步扩展框架的应用范围和可能性。
未来，我们可以预见以下几个发展方向：
- 更强大的智能体协作能力：通过改进A2A协议，实现智能体之间更高效的协作和知识共享
- 更广泛的行业集成：加强与第三方OSS系统和电信应用的集成，构建更加开放的生态系统
- 更先进的AI模型支持：支持更大、更复杂的AI模型，提高系统的智能水平和决策能力
- 更强的自动化能力：扩展自动化范围，从网络管理扩展到业务支持和客户服务领域
这些发展方向将进一步强化Blue Planet Agentic AI框架的市场竞争力，为电信运营商提供更加先进和全面的AI解决方案。
结论：电信AI的未来之路
在AI技术快速发展的今天，电信运营商面临着前所未有的机遇和挑战。Blue Planet的Agentic AI框架为行业提供了一种统一、专业、灵活的AI解决方案，帮助运营商应对碎片化AI部署带来的挑战，充分发挥AI技术的潜力。
通过专为电信网络构建的Agentic AI框架，运营商可以实现从单点式AI应用到统一整合AI平台的转变，提高运营效率，降低复杂性，并加速创新。这种转变不仅有助于解决当前的行业挑战，也为电信网络的未来发展奠定了坚实的基础。
随着技术的不断进步和市场的成熟，我们可以预见Agentic AI将在电信行业扮演越来越重要的角色，成为电信网络运营和管理的核心驱动力。对于希望在这一变革中保持竞争优势的运营商来说，现在正是评估和采用这类先进AI解决方案的关键时刻。
