网络自动化与自治第三阶段：自主移动网络的代理人工智能

这份研报探讨了网络自动化与自治的第三阶段，重点关注自主移动网络的代理人工智能技术。报告指出，传统的基于规则和机器学习的自动化工具存在局限性，无法有效处理动态的跨域高价值用例。行业目标是实现 TM Forum 定义的 Level 4 自动化，即通过主动的、域内和跨域的意图驱动操作实现网络的高度自动化，包括自动决策、自我优化、自我修复和自我管理。研报详细阐述了 Agentic AI 的优势、关键能力、实现路径以及生态系统所需解决的问题，如标准化、安全和信任、治理和生命周期、数字孪生和模拟，以及运营商友好的运营模型。最后，报告展望了 Agentic AI 的未来趋势，认为行业将从 Proof-of-Concept 转向实际运营部署，最初将专注于 RAN 优化、能源效率、故障管理等高价值场景，最终演变为跨网络、服务、云和业务域的复杂工作流程协调多代理生态系统。

信息技术行业未来发展趋势中，Agentic AI 作为网络自动化与自治的核心技术，将推动行业向更高水平的智能化和自动化迈进。随着移动网络运营商（MNOs）对网络自动化需求的提升，传统的基于规则和机器学习的工具将逐渐被 Agentic AI 取代，实现更动态、跨域的自动化操作。行业将围绕 Agentic AI 的规模化应用展开，重点解决标准化、安全信任、治理生命周期、数字孪生和运营商友好运营模型等问题。未来，Agentic AI 系统将从孤立的、特定任务的代理演变为能够管理跨网络、服务、云和业务域的复杂工作流程的协调多代理生态系统，为移动网络行业带来新的机遇和挑战。

报告重点分析了 Agentic AI 在移动网络自动化中的应用和实现路径。首先，报告指出现有自动化工具的局限性，无法适应动态的服务需求和网络条件。其次，报告详细阐述了 Agentic AI 的优势、关键能力，包括解释操作目标、动态推理、任务制定与分解、工具调用、协作、监控与适应等。接着，报告提出了实现 Level 4 自动化的四个关键维度：将大型模型与知识图谱集成、使用标准化代理接口、代理作为数字员工、嵌入强大的安全和信任机制。此外，报告还深入探讨了生态系统所需解决的问题，包括标准化、安全和信任、治理和生命周期、数字孪生和模拟，以及运营商友好的运营模型。最后，报告展望了 Agentic AI 的未来趋势，认为行业将从 Proof-of-Concept 转向实际运营部署，最初将专注于 RAN 优化、能源效率、故障管理等高价值场景。

当前市场现状显示，移动网络运营商（MNOs）正面临网络自动化的重要转折点。传统的基于规则和机器学习的自动化工具虽然提高了效率，但无法有效处理动态的跨域高价值用例。行业普遍认识到，实现网络的高度自动化需要引入 Agentic AI 技术，通过 AI 代理之间的协作，动态组织运营能力，并实现端到端的自动闭环。目前，行业正处于从传统自动化向 Agentic AI 过渡的阶段，许多运营商已经开始探索 Agentic AI 的应用，但规模化应用仍面临诸多挑战，如标准化、安全和信任、治理和生命周期等。未来，随着技术的成熟和生态系统的完善，Agentic AI 将在移动网络自动化中发挥越来越重要的作用。

研报提示实现 Agentic AI 的规模化应用面临多重风险。首先，标准化问题亟待解决，需要跨标准组织和开源社区加强协调，制定电信级代理通信规范，标准化上下文共享原则，对齐信息模型、本体和语义映射。其次，安全和信任机制是关键挑战，需要建立电信级零信任代理生态系统，确保运营商对 AI 代理的行为、安全性和互操作性进行有效控制。此外，治理和生命周期管理也需要重点关注，包括代理上载、认证和测试，通用性能指标，代理成熟度升级方案，持续代理保证和性能管理。最后，运营商友好的运营模型需要定义，包括人机交互、组织准备情况、技能转型和 AI 系统的资源感知操作。这些问题的解决需要生态系统各方的紧密合作，共同推动移动网络向 Level 4+ 自动化网络迈进。