2026年，AI核心网智能化从概念验证迈入商用部署的关键转折年。MWC 2026巴塞罗那成为这一转型的集中展示舞台：华为发布AgenticCore三引擎方案，将AI Agent深度嵌入核心网全生命周期；Nokia联合AWS推出业界首个基于Agentic AI的意图驱动5G-Advanced网络切片，已在du和Orange现网试点；Deutsche Telekom携手Google Cloud部署MINDR多智能体系统，向L4/L5级自愈网络推进；中国移动率先实现网络运营中心L4级自治。3GPP Release 19将NWDAF从数据分析功能升级为AI原生核心网的关键锚点，标准化的AI/ML能力正从RAN层向核心网全面渗透。本期聚焦AI核心网智能化的六大关键进展，为通信从业者提供技术深度与行业洞察。
| 时间 | 事件 | 涉及方 | 核心内容 |
|---|---|---|---|
| 2026.05 | ZTE发布《自治网络白皮书2026》 | ZTE | 定义Agentic AI驱动的L4自治网络路线图，AIR Net方案落地 |
| 2026.04 | Tech Mahindra与微软推出本体驱动Agentic AI平台 | Tech Mahindra/微软 | 基于电信知识本体的AI Agent加速网络自动化 |
| 2026.04 | IDC发布电信AI主权与可持续增长报告 | IDC | 运营商从连接提供商转向智能服务提供商的战略路径 |
| 2026.03 | 华为发布AgenticCore方案及AN L4解决方案 | 华为/中国移动 | 核心网三引擎智能架构，获GSMA GLOMO最佳AI网络解决方案奖 |
| 2026.03 | Deutsche Telekom与Google Cloud扩大MINDR合作 | DT/Google Cloud | 多智能体系统扩展至RAN运营自治 |
| 2026.03 | ZTE联合行业伙伴推进L4自治网络 | ZTE/多家运营商 | MWC 2026发布2026白皮书，定义Agentic AI时代自治网络标准 |
| 2026.02 | Nokia与AWS展示Agentic AI网络切片 | Nokia/AWS/du/Orange | 业界首个意图驱动5G-Advanced切片在现网验证 |
| 2026.02 | Ericsson认知软件获ABI Research AI驱动网络自动化排名第一 | Ericsson/ABI | Agentic rApp和NetCloud自愈能力获行业认可 |
| 2026.02 | Google Cloud发布自治网络运营框架升级 | Google Cloud | Network Twin + 共享数据层 + Agentic AI三层架构 |
| 2026.01 | NVIDIA电信AI调查显示68%运营商已在部署AI网络自动化 | NVIDIA | AIOps和自治网络成为2026年运营商首要投资方向 |
华为在MWC 2026发布的AgenticCore方案是核心网智能化领域最具系统性的架构创新。该方案围绕三个核心维度构建了完整的AI Agent核心网能力体系。
第一引擎：设备-网络-云协同智能（Device-Network-Cloud Synergy）。传统核心网优化是单节点、单功能的，AgenticCore通过在终端设备、网络功能（AMF/SMF/UPF）和云端训练平台之间建立闭环AI协同链路，实现了跨层的联合优化。例如，当AI模型预测某区域即将出现流量高峰时，系统不仅提前在UPF层做资源预留，还同步触发终端侧的移动性预测调整，将即将切换的用户预定向至负载较轻的UPF节点。
第二引擎：自治运维（Autonomous O&M）。核心网O&M从"告警驱动"转变为"意图驱动+预测性维护"双模式。AI Agent持续分析NFS（Network Function Status）数据流，在故障发生前4-6小时即可识别异常模式并自动执行预防性操作——如滚动重启异常NF实例、动态调整NF间负载分配等。据华为披露，该能力在某大型运营商现网中将核心网不可用时间降低了73%。
第三引擎：智能服务编排（Intelligent Service Orchestration）。传统PCC规则和切片管理依赖静态策略模板，AgenticCore引入实时意图解析引擎，运营商只需用自然语言描述业务意图（如"为VIP用户提供视频通话保障"），系统自动翻译为PCC规则、QoS参数、切片配置的完整组合，并通过Agentic闭环持续优化。
对中国通信从业者而言，AgenticCore的技术路线值得深入研究——它代表了从"AI辅助工具"到"AI原生架构"的范式转变。核心网的每一个NF不再是被动执行策略的节点，而是具备感知、推理、行动能力的智能体。
Nokia与AWS在MWC 2026联合发布的Agentic AI网络切片方案，标志着网络切片从"静态配置"进入"动态自适应"时代。该方案已与du（阿联酋）和Orange（欧洲）完成现网验证，是业界首个商用级Agentic AI切片解决方案。
核心技术架构包含三层：Nokia的端到端切片编排层负责5G核心网（AMF/SMF/PCF/NWDAF）和RAN侧的切片资源管理；AWS Amazon Bedrock层提供大语言模型推理能力，负责意图解析和策略生成；Agentic AI中间层作为"胶水"，将高层的自然语言意图翻译为底层的3GPP标准切片参数。
工作流程示例：当运营商输入意图"为今晚8点在某某体育场举行的5万人演唱会提供增强现实直播保障"，Agentic AI Agent自动执行以下步骤——(1)查询历史数据预测流量模型；(2)计算所需PRB资源和核心网UPF吞吐量；(3)创建专用的eMBB切片实例；(4)配置PCF PCC规则优先保障视频上行流量；(5)设定时间窗口自动激活和释放。整个过程从传统的人工数天配置缩短至分钟级自动完成。
"大型活动优化"（Large Event Optimisation）是首个验证的商业场景。系统在演唱会期间实时监控切片KPI，当检测到某切片的时延SLA即将违约时，Agentic AI自动从共享资源池中为该切片补充带宽，同时压缩低优先级切片的资源配额——这一切都在无需人工干预的条件下完成。
这一方案对国内运营商的启示在于：网络切片的商业化瓶颈不在技术可行性，而在于"最后一公里"的意图翻译和自适应能力。如何将3GPP标准中的切片管理框架与LLM推理能力结合，是值得重点跟进的方向。
Deutsche Telekom与Google Cloud合作开发的MINDR（Multi-Agent Intelligent Network Decision & Recovery）系统，代表了电信行业向L5级完全自治网络迈进的激进路线。
MINDR的架构创新在于其多Agent协作机制。系统内部署了多个专业化AI Agent——Monitoring Agent负责实时采集RAN和核心网指标，Diagnosis Agent负责根因分析，Action Agent负责执行修复操作，Verification Agent负责验证修复效果。这四个Agent通过共享状态空间和消息总线进行协同，形成"监测→诊断→修复→验证"的完整自愈闭环。
与Google Cloud的技术结合体现在三个层面：(1)基于Gemini模型的自然语言交互，运维工程师可以用对话方式发起故障排查和策略调整；(2)Google Cloud的Network Twin（网络数字孪生）为MINDR提供仿真沙盒，Action Agent在执行真实修复前先在数字孪生中验证操作的安全性；(3)GraphML技术将网络拓扑、告警关系、历史故障数据构建为图结构，极大加速了根因分析的速度。
实际效果：DT透露，MINDR在试点区域将RAN故障平均修复时间（MTTR）从人工模式的45分钟缩短至3分钟以内，核心网NF故障自愈率达到92%。更重要的是，系统可以从每次自愈事件中学习，持续优化诊断模型和修复策略——这正是Agentic AI区别于传统规则引擎的核心价值。
2026年4月，DT宣布将MINDR从RAN层扩展至核心网全栈自治，标志着"Agentic Telco"从愿景走向工程实践。
中国移动在MWC 2026 Autonomous Networks Summit上详细披露了其L4级自治网络的实现路径和运营数据，这是全球电信行业最大规模的自治网络现网实践。
L4自治的核心标志是"无人值守"（Lights-Out）运营能力的实现。中国移动的网络运营中心已实现以下关键能力闭环：网络异常的自动检测（覆盖RAN、传输、核心网全领域）、故障根因的自动定位（准确率达到89%）、修复方案的自动生成和执行（覆盖70%的常见故障类型）、修复效果的自动验证和知识沉淀。
技术实现路径分三个阶段演进：(1)数字化基座建设期（2020-2022年），完成全网的数字孪生建模和Telemetry数据采集体系搭建；(2)AI能力建设期（2023-2024年），在NWDAF基础上构建了自有的AI中台，训练了涵盖50+场景的专用模型；(3)自治闭环建设期（2025-2026年），引入Agentic AI框架，将多个AI模型编排为端到端的自治工作流。
与中国移动规模匹配的挑战：全球最大网络（超600万基站、10亿+用户）意味着AI模型需要处理的数据量和决策复杂度远超其他运营商。中国移动的解决方案是"分层自治"——省公司层处理80%的常规自治任务，集团层处理跨省协调和复杂决策，两层通过统一的知识图谱和意图总线进行协同。
这一实践获得了TM Forum的L4认证，并与华为共同获得GSMA GLOMO"最佳AI驱动网络解决方案"奖。对于51学通信的读者，中国移动的案例是理解"如何将AI理论转化为可运营的工程系统"的绝佳参考。
3GPP Release 19在核心网AI/ML标准化方面取得了里程碑式进展，其中NWDAF（Network Data Analytics Function）的增强是最核心的变革。
NWDAF的演进历程：从Rel-15引入基础的Analytics功能，到Rel-17增加ML模型训练功能（MTLF）和推理功能（AnLF）的双角色架构，再到Rel-18扩展分析用例覆盖范围，Release 19则将NWDAF从一个"数据分析功能"升级为核心网的"AI协调中枢"。
Release 19的关键增强包括：(1)联邦学习框架——不同运营商或不同厂商的NF可以在不共享原始数据的前提下协作训练ML模型，这对于多厂商核心网环境至关重要；(2)实时推理增强——NWDAF的AnLF推理延迟从Rel-18的秒级降低到毫秒级，使得实时切片调整和动态负载均衡成为可能；(3)生成式AI集成——NWDAF开始支持基于生成式模型（如GNN、Transformer）的网络行为预测，相比传统统计模型在突发流量预测方面准确率提升35%以上；(4)跨域分析——NWDAF不再局限于核心网域内分析，可以向RAN侧（O-RAN的RIC）和IMS域输出分析结果，实现真正的端到端智能闭环。
对行业的影响：NWDAF的标准化意味着AI核心网不再是各家厂商的私有方案，而是有统一的接口规范和数据模型。这将极大降低运营商在多厂商环境下的AI集成复杂度，也为独立软件供应商（ISV）开发核心网AI应用提供了标准化的切入点。
2026年被多位行业专家称为电信行业的"AI本体之年"（Year of the AI Ontology）。这一趋势的本质是：要让AI Agent真正理解和自治管理通信网络，仅靠数据驱动是不够的，还需要为AI提供结构化的领域知识。
知识本体（Ontology）的核心价值在于为不同厂商、不同层级的网络功能提供统一的"语义协议"。传统网络管理中，华为的"切片"定义、Ericsson的"切片"定义和Nokia的"切片"定义在底层参数上存在差异，导致AI Agent在跨厂商编排时产生语义冲突。电信知识本体通过定义标准化的概念模型（如"NetworkSlice""QoSProfile""SLA"等核心实体及其关系），解决了这一问题。
GraphML的应用：Google Cloud在MWC 2026上重点展示了与MasOrange合作的GraphML网络分析方案。GraphML将网络拓扑（基站、传输链路、核心网NF）、告警关系（因果关系、时序关系）和业务数据（用户行为、流量模式）统一建模为图结构，利用图神经网络（GNN）实现高效的根因分析。与传统基于规则的告警关联相比，GraphML方案在复杂级联故障的根因定位准确率上提升了42%。
Tech Mahindra与微软的本体驱动Agentic AI平台代表了另一种实现路径。该平台将3GPP规范中的核心概念（如NF、Slice、Policy、Session等）及其关系形式化为本体知识库，AI Agent在进行网络决策时先查询本体库以获取语义上下文，再执行操作。这种方法显著减少了AI Agent的"幻觉"问题——即AI在缺乏领域知识时做出不符合网络协议规范的错误操作。
对通信从业者而言，知识本体和GraphML技术是理解"为什么AI Agent能在复杂网络环境中可靠运行"的关键。这不仅仅是AI算法的进步，更是网络领域知识的结构化和可计算化。
Ericsson在2026年持续强化其认知网络软件（Cognitive Network Software）产品线，获得了ABI Research"AI驱动网络自动化"领域排名第一的认可。
核心产品架构围绕"Agentic rApp"概念构建。rApp（Radio Application）是O-RAN架构中运行在非实时RIC上的应用，Ericsson将其升级为具备自主决策能力的Agentic rApp——不仅能执行预定义的优化策略，还能根据实时网络状态自主生成和调整策略。例如，Agentic rApp可以在检测到某小区的边缘用户吞吐量持续低于阈值时，自动生成邻区负载均衡方案，在数字孪生中验证后自动执行。
NetCloud平台的Agentic AI增强面向企业5G专网场景。Ericsson将自愈能力深度集成到NetCloud管理平台中，当5G专网的某个gNB或UPF出现性能劣化时，系统自动诊断是硬件故障、软件Bug还是配置漂移，然后执行对应的修复流程（如自动回滚配置、触发冗余切换、生成故障工单）。这一能力对于制造业、矿业等无人值守环境下的5G专网尤为关键。
自然语言接口（NLI）是Ericsson认知软件的另一创新。运维工程师可以通过自然语言与网络交互，如"告诉我今天核心网AMF的注册成功率趋势"或"把浦东新区的eMBB切片优先级提高一级"，系统自动翻译为对应的API调用并执行。这一能力降低了AI网络管理的使用门槛，使非AI专业的运维人员也能受益于AI驱动的网络自动化。
ZTE在MWC 2026发布的《自治网络白皮书2026》中系统阐述了其AIR Net框架，代表了国内厂商对L4级自治网络的技术路线思考。
AIR Net的核心设计理念是"Agentic AI驱动的三层自治架构"：感知层基于Telemetry和数字孪生实现全网实时感知；决策层部署多个专业化AI Agent（故障诊断Agent、资源优化Agent、切片编排Agent等），通过Agent间的协商和协同完成复杂决策；执行层通过标准化的API和意图接口将决策翻译为具体的网络操作。
与全球运营商的L4试点实践：ZTE披露了与多个运营商的联合试点数据——在某中东运营商的核心网自治试点中，AIR Net将NFV基础设施层的故障自愈率从人工模式的35%提升至87%，将核心网SLA达标率从99.95%提升至99.99%。在另一个亚太运营商的智能切片试点中，AIR Net将切片部署时间从小时级缩短至分钟级，切片资源利用率提升28%。
白皮书的核心观点是：L4自治网络的最大挑战不是AI算法本身，而是"AI可操作性"（AI Operability）——即如何将AI模型的输出可靠地转化为网络操作，同时保证操作的安全性和可回滚性。AIR Net通过"沙盒验证+灰度发布+自动回滚"的三重安全机制解决了这一问题。
图表 1
图表 2
延伸阅读 - Huawei AgenticCore: https://www.huawei.com/en/news/2026/3/mwc-agenticcore-synergy-agent - Nokia AWS Agentic AI Slicing: https://www.nokia.com/newsroom/nokia-and-aws-showcase-industry-first-agentic-ai-powered-network-slicing-with-du-and-orange/ - DT MINDR: https://www.telecomtv.com/content/ai/dt-google-cloud-expand-agentic-ai-collaboration-with-mindr-54927/ - 3GPP NWDAF Rel-19: https://www.3gpp.org/technologies/nae-5gs-ct3 - TM Forum AN L4 Blueprint: https://inform.tmforum.org/research-and-analysis/case-studies/china-mobile-achieves-level-4-an-in-network-operation-center-with-intelligent-agents - ZTE AN White Paper 2026: https://www.zte.com.cn/content/dam/zte-site/res-www-zte-com-cn/mediares/zte/service/ZTE%20Autonomous%20Networks%20White%20Paper%202026%20(EN).pdf - AI Ontology for Telecoms: https://techblog.comsoc.org/2026/04/03/for-telecoms-will-2026-be-the-year-of-the-ai-ontology/
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。
