通信行业智能体发展态势总结
前言：通信行业智能体的发展态势
通信网络正从 4G/5G/5G-A 向 6G 演进，万物互联时代开启，但网络运营和运维面临效率、体验等挑战。AI 和智能体技术注入实现网络智能化、自动化转型，走向高阶自治已成为产业共识。智能体具备自主决策、闭环和学习能力，结合数字孪生技术实现网络状态感知、分析和仿真，辅助智能体制定策略。产业实践层面，运营商已在网络节能、故障分析处理等场景开展 L4 目标网早期创新应用，如中国移动与华为合作，引入故障智能体和 NOC/FME Copilot 智能助手，提升现场作业效益，减少 80% 后端运维排障支撑，MTTR 下降 27%。
以智能体为核心的高阶自智网络架构
自智网络智能体的定义
自智网络智能体（AN Agent）是独立运作的系统或实体，根据自身感知和目标决策并行动，无需人类直接干预，并能适应和学习。可分为面向角色的数字助手（Copilot）和面向场景的自闭环智能体（Agent）。数字助手基于语言理解，协调网络资源，是人类的“增强型伙伴”；自闭环智能体主动感知网络状态，进行分析决策并响应控制，是“自主性工具”。两者相辅相成，使能网络运维从以人为中心走向以智能体为中心，构建人机共生协同新形态。
分层分域建设，网络层智能体是刚需
通信网络结构复杂，可靠性要求高，智能体建设需分层分域。网络层智能体提供专业领域精准管控和分析能力，使能单域自治，是实现 L4 高阶自治的加速器和使能器。其价值覆盖故障管理、网络优化、能效优化等方面。以无线 MBB 故障为例，网络层智能体实现故障识别、诊断、修复等自动化处理，业务层智能体负责跨网络域、跨厂商的故障端到端处理，上下协同大幅减少无效工单，提升故障处理效率。
上下层智能体协同，高效使能端到端闭环
自智网络智能体在 AI/数据/意图/工单等公共能力模块支撑下，相互协同配合，完成面向场景的端到端闭环。网络层智能体使能单域自治，业务层智能体使能跨域协同，商业层智能体面向商业运营场景。不同场景下，网络层和业务层智能体上下协同，共同支撑 L4 高阶自治。例如，在故障场景下，网络层故障智能体与业务层故障智能体上下协同，大幅减少无效工单，并通过 Copilot 人工辅助处理，提升故障处理效率。
自智网络智能体的功能参考架构
自智网络智能体具备从感知分析到决策执行的闭环能力，提升网络运维运营的自动化、智能化水平。其核心功能模块包括模型与算法、数字孪生、知识与记忆、规划/反思/工具调用、场景应用以及人机/机机交互。模型与算法模块包括通信大模型和专业算法，提供语言理解、推理和生成能力；数字孪生模块构建网络数字镜像，实现实时精准感知、分析、仿真与预测；知识与记忆模块存储和管理领域知识以及交互历史；规划/反思/工具调用模块实现任务规划、行为反思以及外部工具调用；场景应用模块承载通信领域专属业务逻辑；人机/机机交互模块实现与人、外部系统和环境的交互。
自智网络智能体的关键技术和发展方向
自智网络智能体的关键技术
自智网络智能体的任务自闭环能力依赖于一系列关键技术的支撑，主要包括：
- 通信大模型：理解任务目标、规划工作流程、实施行动步骤，并结合环境反馈信息反思原因、改进工作流程。
- 数字孪生：提供实时网络数据和状态，辅助对实体网络的数字化、智能化管理和运维。
- 智能协同：实现多智能体系统理解任务需求，形成群体共识，自主协商协作、动态调整规划。
- 智能交互：实现人机协同，通过智能体通信协议，实现多智能体间稳定、实时、安全的传递信息。
- 智能记忆：保障专注于目标任务的执行能力，构建具备网络上下文信息动态关联和领域经验知识分层关联的记忆自组织能力。
- 智能学习：提升自主进化能力，包括模仿学习和在线学习，增强智能体应对变化的能力。
自智网络智能体的发展方向
- 通信大模型：从语言大模型 (LLM) 到推理大模型 (LRM) ，再到智能体大模型 (LAM) ，增强领域语义理解、因果推理与决策、自治执行与闭环能力。
- 数字孪生：从融合感知到体验仿真预测，构建基于融合感知的仿真预测能力，助力运营商构筑体验经营差异化保障能力。
- 智能协同：从单智能体到多智能体协同，构建跨域通信、自主分工、动态协商能力，实现多智能体系统理解任务需求，形成群体共识，自主协商协作。
- 智能交互：从机器辅助人到人辅助机器，提升智能体对专业领域任务目标的解析能力，实现各种用户意图的精准理解与目标提取。
- 智能记忆：从碎片化到自组织，构建具备网络上下文信息动态关联和领域经验知识分层关联的记忆自组织能力。
- 智能学习：从预定义到动态增强，构建智能体自学习和自适应能力，提升自智网络智能体的领域任务泛化能力。
自智网络智能体中构建大模型的三大要素
专属性
自智网络智能体对模型的核心要求体现在三个方面：
- 领域语义理解能力：精准理解通信领域的专业语境，覆盖协议规范、网元特性、设备日志与告警等高专业度信息。
- 通信领域逻辑链缺失：具备跨域、跨场景、跨时序的长链推理能力，以支撑复杂自治行为的策略制定。
- 通信知识融合不足：具备跨域、跨场景、跨时序的长链推理能力，以支撑复杂自治行为的策略制定。
预集成
自智网络智能体预集成大模型是通信领域交付的最优路径，优势在于：
- 模型内嵌业务逻辑，确保推理可执行、闭环可验证。
- 一体化交付架构，显著降低适配与部署成本。
- 支持灵活的集成模式，简化和降低集成难度。
共进化
自智网络智能体与大模型关系从调用关系转向能力共生，预集成使自智网络智能体高效落地，协同进化的构建自智网络智能体能力长期增长。
自智网络智能体接口协议的多种范式和演进方向
智能体集成交互的四种范式
- 基于 LPI (Language Programming Interface) 的 Copilot 集成：通过 Copilot LPI 自然语言接口开放数字助手的智能问答能力，与 OSS 系统或上层 Copilot 集成。
- 基于场景化 API 的 Agent 集成：提供面向高价值场景的场景化 API，支撑自智网络智能体平滑融入客户生产流程。
- 基于 MCP-T (MCP for Telecom) 的 Agent 集成：标准化了上下文传递方式，提供了 AI 原生的交互机制。
- 基于 A2A-T（A2A for Telecom） 的 Agent 集成：支持 Agent 能力发现、任务协作、事件订阅上报机制、多轮交互、双向协商。
面向未来演进的 A2A-T 智能体交互协议
A2A-T 智能体互联协议具备如下关键能力：
- 任务驱动的目标协作：以高阶任务为目标，实现多智能体间信息的精准解析与高效传递。
- 事件订阅上报机制：用于推送趴网自识别、自诊断、自优化等结果数据 / 事件上报。
- 高效通信：定义协议层级的上下文引用机制，提升智能体之间通信效率。
- 协作安全：增加智能体动网操作的授权机制，提升动网操作的业务安全性。
A2A-T 重塑系统集成模式与交互模式
A2A-T 协议将带来系统集成和交互模式的重塑：
- 系统集成模式重塑：从人工集成向多智能体自协商集成演进，实现语义互操作、系统集成自适应。
- 系统间交互模式重塑：从被动执行指令到主动发起协商、提出解决方案或进行冲突消解的自主决策单元。
自智网络智能体的标准进展和执行建议
自智网络智能体的标准进展
自智网络智能体作为自智网络 L4 的关键架构使能技术，成为各个标准组织研究的热点。TM Forum、3GPP、ETSI、IETF、CCSA 等都启动了系列研究与标准化项目，已初步形成“通用架构 + 专业标准”的自智网络“架构-分级-接口规范”分层协同标准体系。
自智网络智能体的执行建议
- 推进 E2E Solution package 参考实践：产业联合推进和延展 TM Forum Solution Package 系列标准，细化场景、架构和交互流程设计，促进智能体生态多样性发展。
- 引入“POC 快速验证”的新标准开发模式：通过引入“POC 快速验证”新标准开发模式，加速和催熟自智网络智能体标准体系，繁荣自智网络智能体生态。
- 建设自智网络智能体互联互通的产业生态：产业协同推进自智网络集成和互操作标准化，消除智能体交互障碍、促进通信行业智能体格局。
从传统网络演进到自智网络 Agentic 架构
运营商现有运营 / 运维系统向自智网络 L4 Agentic 架构演进，需要考虑改造成本和业务连续性等多重影响，充分复用现有系统能力，采用从“固化经验”到“自主规划和思考”，再到“主动自治”的渐进式策略，实现从“被动响应”到“主动自治”的平滑跃迁。
华为 ADN 智能体实践
华为 ADN 智能体能力
华为 ADN 解决方案打造了面向角色的 Mate 系列数字助手及面向场景的 Spirit 系列自闭环智能体应用。
- Mate 系列智能体：NOEMate 面向 NOC 专家工程师，FMEMate 面向现场维护工程师，提供对话式交互、智能知识问答和自助排障能力。
- Spirit 系列智能体：FaultSpirit 实现故障识别、故障定位、方案生成等流程的全面自动化；OptimSpirit 自动优化网络性能；AssurSpirit 实现从业务质差 / 故障识别到优化方案生成和执行的单域性能优化；CompSpirit 实现业务开通 / 交付场景的端到端自动化。
华为 ADN 商用案例
华为 ADN 围绕网络维护、网络优化、业务运营三大维度的高价值场景，联合业界领先通信运营商，开展了系列化的商用实践，实现运维降本增效与用户体验的提升。
- 中国移动：联合华为打造的《基于网络大模型的自智网络运维中心（Dark NOC）》方案，聚焦核心网 / 无线 / 传输故障处理、家宽 / 核心网投诉处理等高价值场景，实现端到端流程自动化。
- ZAIN 集团：在家宽和无线领域深入合作，取得显著成果，如科威特 Zain 完成无线故障智能体应用部署，家宽投诉处理 MTTR 下降 50% 和投诉率压降 30%。
- 南非 MTN：通过通信大模型、网络优化智能体、智能网元和数字地图等能力，实现 IP 网络的自主优化和分析，大幅降低了运维复杂度。
- 泰国 AIS：通过聚焦故障管理、投诉处理、能效优化等高价值场景，重构了 AIS 端到端故障处理流程，典型小区 80% 的退服故障可以通过 Agent 的智能退服补偿能力实现远程应急修复。
自智网络智能体未来展望
自智网络从场景自治走向整网自治
自智网络 L4 将从高价值场景自治迈向单域网络自治，通过跨场景、跨域的能力融合，推动单域网络自治，逐步释放网络的全局价值，从单点降本增效迈向整体能力变现。
迈向世界模型的通信大模型
通信大模型未来发展的最重要方向是世界模型，认知网络世界、理解网络规律、遵循网络常识，可以增强通信大模型的自主性和泛化性。自主性包括自主规划行动和自主学习进化；泛化性包括能力内化、复杂编程、多模态交互、环境学习等。
