在AI技术席卷全球的浪潮中，电信行业正经历着前所未有的智能化转型。根据市场研究公司Omdia的最新报告，在今年6月TM Forum的DTW活动期间，一个引人注目的焦点是Blue Planet（Ciena的一个部门）对其Agentic AI框架的展示。这一创新技术不仅标志着电信网络运营理念的革新，更预示着整个OSS（运营支撑系统）生态系统的未来发展方向。
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AI部署模式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。
单点式AI解决方案的局限性
目前市场上的许多AI产品仅仅是"将AI策略生硬地附加在传统OSS之上"，这种做法虽然看似便捷，实则存在诸多问题：
- 数据孤岛：各系统间的AI模型无法有效共享数据，导致决策缺乏全局视角
- 重复建设：不同供应商提供的AI功能重叠，造成资源浪费
- 维护复杂：多个独立的AI系统增加了运营团队的负担
- 扩展困难：难以适应电信网络日益增长的复杂性和规模
通用AI平台的适配困境
与此同时，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。这些平台虽然功能强大，但在面对电信网络特有的拓扑结构、服务等级协议(SLA)和实时性要求时，往往显得力不从心。
Blue Planet的Agentic AI框架：专为电信网络设计
面对上述挑战，Blue Planet提出了一个专为电信网络构建的Agentic AI框架。这一框架的核心创新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。关键在于，它是在清晰且组织良好的数据模型和API之上实现这一点的。
框架的核心优势
- 意图驱动：智能体能够理解并执行高层业务意图，而非简单的指令执行
- 上下文感知：能够理解网络状态、服务拓扑和业务需求的全局上下文
- 协调行动：跨多个网络域和系统实现协同工作，确保整体优化
- 数据模型驱动：建立在结构化数据模型之上，确保一致性和可扩展性
技术架构基础
该框架构建于Blue Planet的AI Studio之上，这一AI Studio于2024年商用发布。AI Studio为整个Agentic AI框架提供了强大的基础设施支持，包括模型管理、流水线控制和性能跟踪等功能。
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。
Blue Planet AI Studio：电信AI的强大引擎
Blue Planet的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。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。
无缝集成能力
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能力能够直接作用于电信网络的核心运营流程。
核心功能特性
AI Studio提供了全面的AI模型管理功能：
- 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
用户友好界面
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
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。这种开放策略不仅降低了技术门槛，还确保了系统的可扩展性和互操作性。
关键技术组件
Apache Airflow：一个用于数据工程流水线的开源工作流管理平台，支持复杂的数据处理流程编排
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ML生命周期管理
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系统的响应速度
图：Blue Planet AI Studio向Agentic AI框架的演进
Agentic AI框架的演进与未来方向
AI Studio正在不断演进，朝着更强大的Agentic AI框架方向发展。这一演进过程代表了电信网络AI技术从简单辅助工具向自主智能体的转变。
框架架构演进
如图1所示，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。
"自带AI"许可模式
Blue Planet创新的"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。
智能体生态系统
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定制性。
互操作性标准
Agentic核心通过模型上下文协议(MCP)与工具进行通信。它还能与其他符合MCP标准的外部服务进行互操作，确保了系统的开放性和扩展性。
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，以支持多种电信网络运营场景。这些实际应用案例展示了框架的实用价值和商业潜力。
网络切片自动化
5G网络切片是电信网络的重要特性，但管理复杂。Agentic AI框架能够自动识别网络资源需求，动态配置切片参数，并持续优化切片性能，大幅降低了网络切片的管理复杂度。
网络设备建模
在库存管理中，AI框架能够自动识别和分类网络设备，建立详细的设备模型，并持续更新设备状态信息。这不仅提高了库存管理的准确性，还为网络规划提供了数据基础。
意图理解与执行
传统网络配置需要精确的技术指令，而Agentic AI框架能够理解高层业务意图，如"提高某区域的网络容量"，并自动转化为具体的网络配置指令，大大简化了网络管理流程。
模板生成
对于常见的网络配置和故障处理流程，AI框架能够自动生成标准化模板，确保操作的一致性和效率，同时减少了人为错误的可能性。
服务保障
在服务保障方面，Agentic AI框架能够实时监控网络性能，预测潜在故障，并自动采取预防措施，显著提高了服务可用性和用户体验。
对电信行业的影响与价值
Blue Planet的Agentic AI框架不仅是一项技术创新，更将对整个电信行业产生深远影响。
避免重复建设
通过提供统一的Agentic AI框架，运营商可以避免在不同系统中重复开发类似功能，从而节省大量投资和运营成本。
提升运营效率
智能体间的协调行动和全局优化，能够显著提高网络运营效率，减少故障处理时间，加速服务交付。
加速创新
开放的开发环境和"自带AI"模式，使运营商能够快速适应新的业务需求和技术趋势，加速服务创新。
降低技术门槛
通过集成成熟的AI框架和技术，降低了电信运营商自主开发AI能力的门槛，使更多企业能够参与到AI驱动的网络转型中。
未来展望
随着Agentic AI框架的持续演进，我们可以预见电信网络运营将迎来更多变革：
完全自主的网络：未来网络可能实现高度自主化，智能体能够自主决策和执行，大幅减少人工干预
跨域协同：不同运营商、不同技术域之间的智能体将实现无缝协作，形成更大的智能网络生态系统
意图驱动的网络：网络管理将从命令式转向声明式，运营商只需表达业务意图，网络即可自主实现
AI原生设计：未来的OSS系统将从设计之初就考虑AI能力，而非后期添加
结论
Blue Planet的Agentic AI框架代表了电信网络智能化的前沿方向。它不仅解决了当前电信AI应用中的碎片化问题，还为运营商提供了一条清晰的技术演进路径。通过构建在AI Studio这一强大基础之上，结合开源框架和技术的优势，Blue Planet正在帮助电信运营商实现从传统OSS向智能运营平台的转变。
随着5G/5G-Advanced和6G网络的不断发展，电信网络的复杂性和规模将持续增长。在这样的背景下，像Blue Planet Agentic AI框架这样的创新技术将成为运营商应对挑战、把握机遇的关键。未来，我们可能会看到更多基于Agentic AI的电信应用场景，推动整个行业向更智能、更高效、更灵活的方向发展。
