AI智能体在电信网络架构中的应用

核心观点与关键数据

• AI智能体加速网络演进：自智网络发展进入加速阶段，AI智能体、生成式AI及大语言模型成为提升网络效率、改进客户服务与运营管理的关键组件。
• AI智能体定义与分类：智能体为自主系统，AI智能体作为子类，运用机器学习技术持续更新内部知识。NAI智能体形成从受限到无限制的连续谱系，Copilot是基于LLM的受限智能体。
• 网络自动化需求：5G及6G推动网络复杂性增加，自动化成为应对挑战的关键，AI驱动自动化进程，赋能运营效率、客户体验等多维度价值。
• AI智能体应用潜力：包括网络运营效率提升、预测能力构建、实时决策优化、弹性扩展与适应能力等，但面临集成、数据安全、系统稳健性等挑战。

研究结论与架构影响

• TMF意图管理架构：AI智能体可实现意图管理功能（IMF），通过自主观测、决策、行动实现网络自主运行，推动“零接触”运维。
• 流程自动化：AI智能体可自动完成传统人工流程，如服务订购，实现个性化推荐、动态定价与加速服务交付。
• 网络管理优化：AI智能体提升运营效率，通过预测性分析减少故障；优化网络配置，如动态网络切片，确保多样化用例性能。
• 3GPP核心网应用：AI智能体可在PCF等网络功能中发挥作用，通过服务化接口（SBI）实现智能体间通信。
• 应用域智能体支持：现有网络支持用户间通信及AI智能体交互，运营商可通过开放API提供额外支持，如定位、差异化连接等。
• 模型上下文协议（MCP）：作为MCP服务器工具，将底层API调用抽象为高级工具，支持AI智能体特定功能。
• 智能体间（A2A）通信协议：标准化智能体间消息交换结构，促进可扩展协作，但智能体应使用现有功能接口而非通用接口。
• 稳健性与可信性：需特别关注评估、可观测性与监测，传统防护栏技术及架构级防护栏可降低风险，但无法完全保证正确性与对齐性。
• 架构与实现技术关系：AI与AI智能体视为网络架构中各种功能的实现技术，而非独立功能或架构，标准化功能网络架构仍适用。

技术路径建议

• 确立长期愿景：电信行业领导者应确立AI智能体解决方案的长期愿景，将其作为应对挑战与把握机遇的灵活、可扩展技术路径。
• 标准化与灵活性：标准化API支撑大部分网络功能，MCP作为抽象层开放高层工具，A2A用于智能体间内部通信，实现灵活智能的交互。