在人工智能技术迅猛发展的浪潮中，电信行业正经历着前所未有的变革。随着Agentic AI概念的兴起，市场充斥着各类解决方案，但电信运营商却面临着来自网络供应商和OSS供应商提供的单点式Agentic AI解决方案的冲击。这种碎片化的趋势不仅可能导致重复建设，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）在2024年6月TM Forum的DTW活动期间展示的Agentic AI框架显得尤为引人注目。这一框架专为电信网络构建，旨在解决当前市场上产品存在的局限性，为运营商提供更加高效、智能的网络运营解决方案。
当前电信AI面临的挑战
Omdia业务负责人James Crawshaw指出，在Agentic AI炒作盛行的这一年里，电信运营商正面临多重挑战。一方面，许多供应商提供的仅仅是"将AI策略生硬地附加在传统OSS之上"的产品，缺乏对电信网络特殊需求的深度理解。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，难以满足行业特定的要求。
这种两难局面导致了许多运营商在采用AI技术时陷入困境：要么选择功能有限的传统OSS增强方案，要么尝试将通用AI平台勉强适配到电信环境中，两种方式都难以充分发挥AI技术的潜力。
Blue Planet认为，电信网络需要的不是简单的AI附加，而是专为这一领域设计的、能够理解网络复杂性的智能AI框架。这种框架应该能够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 Agentic AI框架的核心优势
Blue Planet提出的Agentic AI框架具有几个关键特点，使其在众多解决方案中脱颖而出：
专为电信网络设计：该框架深度理解电信网络的特殊需求和复杂性，而非简单地将通用AI技术应用于电信领域。
基于意图驱动：智能体能够基于网络意图自主行动，减少了人工干预的需要，提高了网络运营的自动化水平。
上下文感知能力：框架能够在整个网络范围内应用上下文信息，确保智能体在决策时考虑全局情况。
协调行动能力：多个智能体能够协同工作，共同完成复杂的网络任务，而非各自为战。
基于良好数据模型和API：框架构建在清晰且组织良好的数据模型和API之上，确保了系统的稳定性和可扩展性。
这些特点使Blue Planet的框架能够真正解决电信运营商面临的痛点，提供比传统OSS增强和通用AI平台更有效的解决方案。
AI Studio：构建Agentic AI的基础
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。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。
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
此外，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。
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：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管道。
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的管理。
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AI应用的性能和响应速度。
这些开源技术的集成不仅降低了采用门槛，还确保了系统的灵活性和可扩展性，使运营商能够根据自身需求定制AI解决方案。
从AI Studio到Agentic框架的演进
AI Studio正在演进为Agentic AI框架，这一演进代表了电信AI技术的重大进步。如图所示，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。
其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。
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，确保了系统的灵活性和可扩展性。
模型上下文协议（MCP）的重要性
Agentic核心通过模型上下文协议（MCP）与工具进行通信。这一协议使智能体能够理解和使用各种工具，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）。
MCP的重要性在于它提供了一种标准化的方式，使智能体能够与各种工具和服务进行交互，无论这些工具和服务来自哪个供应商。这种标准化不仅提高了系统的互操作性，还降低了集成的复杂性，使运营商能够更容易地构建和扩展其AI能力。
实际应用场景与案例
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：智能体能够根据需求自动配置和管理网络切片，确保不同服务获得所需的资源。
库存中的网络设备建模：智能体能够自动创建和维护网络设备的模型，减少人工干预的需要。
意图理解：智能体能够理解网络运营的意图，并将其转化为具体的行动。
模板生成：智能体能够根据需求自动生成各种网络配置和服务模板。
服务保障：智能体能够监控网络性能，主动识别和解决问题，确保服务质量。
这些应用场景展示了Agentic AI框架的实际价值，它不仅能够提高网络运营的自动化水平，还能够提升服务质量和运营效率。
"自带AI"许可模式的创新
Blue Planet的"自带AI"许可模式是其Agentic AI框架的一大创新。这一模式允许授权用户导入、部署、配置和管理第三方AI/ML模型，为运营商提供了极大的灵活性。
从2026年起，CSP将能够使用这一开发环境构建自己的AI智能体，进一步增强了系统的自主性和定制能力。这种模式不仅降低了供应商锁定风险，还使运营商能够根据自身需求构建最适合的AI解决方案。
与传统OSS和通用AI平台的对比
与传统的OSS增强方案相比，Blue Planet的Agentic AI框架具有明显优势：
深度集成：框架不是简单地将AI附加到传统OSS上，而是从根本上重新设计了AI与OSS的集成方式。
电信专业知识：框架内置了大量电信网络的领域知识，无需从头开始构建。
智能协调：多个智能体能够协同工作，而不仅仅是独立执行特定任务。
与通用AI平台相比，该框架的优势同样明显：
行业特定：框架专为电信网络设计，理解其特殊需求和复杂性。
网络意识：框架具有网络意识，能够理解网络拓扑、服务和性能之间的关系。
可扩展性：框架专为电信环境的大规模和复杂性设计，具有良好的可扩展性。
未来展望与发展方向
Blue Planet的Agentic AI框架代表了电信AI技术的重要发展方向。随着2026年CSP开始构建自己的AI智能体，我们可以预见以下几个发展趋势：
更智能的网络自动化：随着智能体能力的增强，网络自动化将达到前所未有的水平，减少人工干预的需要。
更高效的资源利用：智能体将能够更智能地分配和管理网络资源，提高资源利用效率。
更快速的服务创新：智能体将能够加速新服务的开发和部署，使运营商能够更快地响应市场需求。
更主动的网络管理：智能体将能够从被动响应问题转向主动预测和预防问题，提高网络可靠性。
更开放的生态系统：随着A2A协议和MCP标准的普及，不同供应商的智能体将能够更好地协同工作，形成一个更加开放的AI生态系统。
对电信运营商的建议
面对这一技术变革，电信运营商应考虑以下几点：
评估现有AI方案：重新评估现有的AI解决方案，确定它们是否真正满足电信网络的需求。
关注统一整合：优先考虑能够提供统一整合AI解决方案的供应商，避免碎片化的单点方案。
投资人才培养：投资培养具备AI和电信网络知识的复合型人才，为未来做好准备。
参与标准制定：积极参与A2A协议和MCP等标准的制定，确保这些标准满足行业需求。
制定长期AI战略：制定长期的AI战略，确保AI技术与业务目标保持一致，并能够随着技术发展而演进。
结论
Blue Planet的Agentic AI框架代表了电信AI技术的重要进步，它专为电信网络设计，解决了传统OSS增强和通用AI平台的局限性。通过构建在AI Studio之上，并集成多种开源框架和技术，该框架为运营商提供了一个强大而灵活的AI平台。
随着2026年CSP开始构建自己的AI智能体，我们可以预见电信网络运营将迎来一场深刻的变革。这场变革不仅将提高网络运营的自动化水平和服务质量，还将加速服务创新，使运营商能够在竞争激烈的市场中保持领先地位。
对于电信运营商而言，现在是开始规划AI战略、评估现有解决方案并投资人才培养的关键时刻。通过拥抱Agentic AI技术，运营商可以构建更加智能、高效和响应迅速的网络，为未来的数字服务奠定坚实基础。
