在人工智能技术迅猛发展的今天，电信行业正经历着一场深刻的变革。随着Agentic AI概念的兴起，网络供应商和OSS供应商纷纷推出各自的AI解决方案，然而这种碎片化的部署方式却暗藏风险。市场研究公司Omdia的业务负责人James Crawshaw指出，电信运营商正面临来自多个供应商提供的单点式Agentic AI解决方案的冲击，这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。
电信AI市场的现状与挑战
当前，电信行业的AI应用呈现出明显的碎片化特征。一方面，许多传统OSS供应商试图"将AI策略生硬地附加在传统OSS之上"，这种做法往往无法充分发挥AI的潜力，反而可能导致系统复杂性的增加。另一方面，来自公有云提供商的通用AI平台虽然功能强大，却往往难以理解电信网络特有的运营复杂性和业务需求。
这种市场状况使得电信运营商处于两难境地：一方面，他们迫切需要引入AI技术来提升网络运营效率、降低成本、提高服务质量；另一方面，面对市场上五花八门的AI解决方案，他们难以做出明智的选择，更担心陷入"技术孤岛"的困境。
Blue Planet作为Ciena的重要部门，敏锐地捕捉到了这一市场痛点，并提出了专为电信网络构建的Agentic AI框架。这一框架不仅旨在解决当前市场上AI解决方案的碎片化问题，更致力于为电信运营商提供一个统一、高效、可扩展的AI基础设施。
Blue Planet Agentic AI框架的核心特性
Blue Planet提出的Agentic AI框架具有几个关键特性，使其特别适合电信网络环境的应用。首先，该框架支持智能体基于意图行动，这意味着AI系统能够理解业务目标并自主采取相应的行动，而不仅仅是执行预定义的指令。其次，框架强调应用上下文，确保AI决策能够基于全面的网络状态和业务环境做出。最重要的是，该框架支持在整个网络范围内采取协调行动，避免了传统单点解决方案可能导致的局部优化问题。
这些特性的实现依赖于清晰且组织良好的数据模型和API架构。Blue Planet的Agentic AI框架构建于其AI Studio之上，这一AI Studio已于2024年商用发布，为整个框架提供了坚实的技术基础。
AI Studio：电信AI开发的统一平台
Blue Planet的AI Studio是一个专为电信行业设计的AI开发和管理平台，它为Blue Planet及第三方AI模型提供了全面的API管理、流水线控制和性能跟踪功能。这一平台处理模型管理的各种事务，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
AI Studio提供了一系列强大功能，使AI模型的开发和管理变得简单高效：
- 模型生命周期管理：支持导入、部署、更新和停用AI模型，使团队能够全面控制AI资产的使用。
- 模型配置：允许用户配置模型的各种属性，以适应特定的业务需求和环境条件。
- 执行控制：支持实例化、启动、停止和调度模型执行，提供灵活的运行时管理能力。
- 性能监控：提供全面的模型性能监控功能，帮助团队及时发现和解决问题。
- 代码管理：支持查看、编辑、版本化、回滚和调试模型代码，确保代码质量和可维护性。
- API集成：能够调用Blue Planet及外部API，实现与现有系统和服务的无缝集成。
针对不同角色的专业工具
AI Studio经过专门设计，能够满足数据科学家、开发人员和系统管理员等不同角色的需求。平台为每个角色提供了相应的工具和功能，使团队成员能够高效协作，发挥各自的专业优势。
例如，数据科学家可以利用平台提供的机器学习工具进行模型训练和优化；开发人员可以使用丰富的API和开发工具构建AI应用；系统管理员则可以通过直观的监控和管理界面确保AI系统的稳定运行。
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。这种开放策略不仅降低了技术门槛，还确保了平台与现有系统的兼容性。以下是几个关键的集成示例：
- Apache Airflow：这是一个用于数据工程流水线的开源工作流管理平台，AI Studio利用它来管理复杂的AI工作流程。
- LangChain：作为一个开源框架，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：这是一个用于构建AI应用程序和模型的开源开发者平台，为AI模型的实验、部署和管理提供了全面支持。
- Redis：作为一个开源的内存键值数据库，Redis在AI Studio中被用作分布式缓存和消息代理，提高了系统的性能和可靠性。
Agentic AI框架的技术架构
如图1所示，AI Studio正在演进为更强大的Agentic AI框架。这一框架通过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，形成了一个开放、协作的AI生态系统。
智能体开发环境
Agentic AI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AI智能体所需的所有工具和资源。"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，为运营商提供了极大的灵活性。
从2026年起，通信服务提供商（CSP）将能够使用这一开发环境构建自己的AI智能体，这将进一步降低电信运营商对特定供应商的依赖，增强其自主创新能力。
智能体目录与编排引擎
框架维护着一个智能体目录，其中包含了各种预构建和自定义的AI智能体。通过强大的编排引擎，系统可以调用多个智能体以实现复杂任务，确保不同智能体之间的协同工作。
这种设计使得电信运营商能够根据具体需求灵活组合不同的智能体，构建满足特定业务场景的AI解决方案。例如，一个复杂的网络故障诊断任务可能需要调用网络拓扑分析智能体、故障检测智能体和修复建议智能体协同工作。
大语言模型集成
Agentic AI框架通过网关允许用户集成其偏好选用的大语言模型。这种开放策略确保了运营商可以充分利用最新的LLM技术，同时保持对技术选择的控制权。
模型上下文协议（MCP）
Agentic核心通过模型上下文协议（MCP）与工具进行通信。这一协议确保了智能体能够理解并正确使用各种工具和API。此外，框架还能与其他符合MCP标准的外部服务进行互操作，进一步扩展了其生态系统。
OSS知识图谱与API操作
Agentic工具包括OSS知识图谱和OSS API操作。知识图谱包含了服务、设备、多层拓扑、SLA、警报、策略等丰富的网络信息，为智能体提供了全面的上下文理解。OSS API操作则允许智能体与库存、保障、编排等应用交互，实现端到端的网络自动化。
实际应用场景与价值
Blue Planet已经开始与现有客户测试其Agentic AI框架，以支持多种电信网络运营场景。这些应用不仅展示了框架的实用性，也为电信运营商提供了明确的价值主张。
网络切片自动化
随着5G网络的普及，网络切片成为提供差异化服务的关键技术。然而，网络切片的配置和管理复杂度高，手动操作效率低下且容易出错。Agentic AI框架可以通过智能理解业务需求，自动完成网络切片的创建、配置和优化，大大提高了网络切片的部署效率和服务质量。
网络设备建模
电信网络中存在大量不同厂商、不同型号的网络设备，设备建模是一项复杂且耗时的工作。Agentic AI框架可以利用AI技术自动识别网络设备，提取设备特性，生成标准化的设备模型，大大简化了网络管理系统的初始化和更新过程。
意图理解
传统的网络管理系统通常需要管理员输入具体的配置命令，这种方式要求管理员具备专业的技术知识。Agentic AI框架通过自然语言处理技术，能够理解业务人员的自然语言描述，并将其转化为具体的网络配置操作，大大降低了网络管理的门槛。
模板生成
在电信网络中，许多配置任务具有重复性，如批量配置相似的网络设备。Agentic AI框架可以学习这些重复性任务的模式，自动生成配置模板，并在类似场景中复用，大幅提高了网络配置的效率和一致性。
服务保障
服务保障是电信运营商的核心业务之一，涉及故障检测、诊断、修复等多个环节。Agantic AI框架可以通过分析网络性能数据和告警信息，实现故障的自动检测、定位和修复，显著提高了服务质量和客户满意度。
对电信运营商的战略意义
Blue Planet的Agentic AI框架对电信运营商具有深远的影响，不仅解决了当前AI部署的碎片化问题，更为电信行业的数字化转型提供了新的思路和工具。
避免重复建设
通过提供一个统一的Agentic AI框架，电信运营商可以避免从不同供应商购买多个单点AI解决方案导致的重复建设。这不仅节省了投资成本，还降低了系统集成的复杂性。
加速AI应用落地
AI Studio已经包含了大量关于电信网络的领域知识，这为运营商构建自有OSS AI平台节省了大量时间。运营商可以基于这一框架快速开发各种AI应用，加速AI技术在电信网络中的落地。
提升运营效率
Agentic AI框架通过自动化和智能化的方式，可以大幅提升网络运营的效率。从网络配置到故障处理，从性能优化到服务保障，AI技术可以在各个环节发挥重要作用，帮助运营商降低运营成本，提高服务质量。
增强创新能力
通过提供开放的智能体开发环境，Agentic AI框架鼓励电信运营商开发符合自身业务需求的创新应用。这种"平台+应用"的模式，既保证了基础架构的稳定性，又为业务创新提供了广阔的空间。
技术自主可控
从2026年起，运营商将能够使用Agentic AI框架构建自己的AI智能体，这增强了运营商对AI技术的掌控能力。在技术自主可控的前提下，运营商可以根据业务需求灵活调整AI策略，避免被特定供应商锁定。
未来展望
随着AI技术的不断发展，Blue Planet的Agentic AI框架也将持续演进。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
未来的Agentic AI框架将支持更复杂的智能体协作模式，使多个智能体能够协同完成更复杂的任务。这将大大扩展AI在电信网络中的应用范围，从简单的自动化操作到复杂的业务流程优化。
更深入的行业知识集成
随着框架的不断完善，更多电信行业的专业知识和最佳实践将被集成到AI系统中。这将使AI智能体能够更好地理解电信网络的特点和需求，提供更精准、更有效的决策支持。
更开放的生态系统
Blue Planet将继续拓展Agentic AI框架的生态系统，与更多的技术供应商和行业伙伴建立合作关系。这种开放策略将确保框架能够吸收最新的技术成果，满足不断变化的业务需求。
更广泛的行业应用
目前，Agentic AI框架主要应用于电信网络的运营和管理。未来，这一框架有望扩展到电信业务的更多领域，如客户服务、市场营销、产品创新等，为电信运营商提供全方位的AI支持。
结论
Blue Planet的Agentic AI框架代表了电信行业AI应用的新方向。通过提供专为电信网络构建的统一AI平台，这一框架不仅解决了当前市场上AI解决方案碎片化的问题，更为电信运营商提供了一个高效、灵活、可扩展的AI基础设施。
随着AI技术在电信行业的深入应用，Agentic AI框架有望成为电信运营商数字化转型的关键推动力。通过智能体间的协同工作，这一框架将帮助运营商实现网络运营的自动化、智能化，提高运营效率，降低成本，提升服务质量，最终在激烈的市场竞争中赢得优势。
对于电信运营商而言，拥抱Agentic AI框架不仅是对当前技术挑战的回应，更是对未来发展趋势的战略布局。在这个AI驱动的时代，谁能率先掌握和应用先进的AI技术，谁就能在电信行业的数字化转型中占据先机。
