2026年上半年，AI核心网智能化经历了从"辅助工具"到"网络原生能力"的根本性转变。MWC Barcelona 2026成为关键分水岭——Nokia与AWS联合du、Orange完成业界首个Agentic AI驱动的5G-Advanced意图切片；SK Telecom发布ATHENA白皮书勾勒AI原生6G核心网蓝图；Huawei推出TICC智能融合云与Agentic Core架构；NVIDIA开源30B参数的Large Telco Model。核心网不再是被动执行策略的管道，而是具备感知、推理、决策和自愈能力的自治系统。这一轮分析聚焦AI核心网七大技术突破，从NWDAF闭环自动化到图神经网络驱动的数字孪生，解析自愈网络与智能切片的技术内核和商业价值。
| 时间 | 事件 | 意义 |
|---|---|---|
| 2026.02 | SK Telecom发布ATHENA 6G白皮书 | 定义AI-Native Core Network架构框架，涵盖AI、Trust、Hyper-connectivity、Experience、Open、Agility六大维度 |
| 2026.02 | Nokia + AWS联合du/Orange展示Agentic AI网络切片 | 业界首个基于意图的5G-Advanced智能切片方案，使用Amazon Bedrock AgentCore |
| 2026.02 | NVIDIA发布开源30B Large Telco Model | 面向电信领域的开源推理模型+Agentic AI Blueprint，加速自主网络 |
| 2026.03 | Huawei MWC发布AI-Centric Network全场景方案 | 包含TICC智能融合云、Agentic Core、SuperPower用户体验平台 |
| 2026.03 | MasOrange + Google NetAI展示GraphML数字孪生 | 图神经网络驱动的网络数字孪生PoC，目标Level 4自治 |
| 2026.03 | AT&T + Cisco + NVIDIA推出AI Grid | 网络驱动的边缘AI推理平台，将AI计算能力下沉至基站侧 |
| 2026.03 | China Mobile + ZTE发布"数字员工"方案 | GSMA Foundry项目，Agentic AI协调实现自治网络运维 |
| 2026.04 | Ericsson发布"AI原生时代运营商四步走"战略 | 从5G SA成熟化到意图驱动网络的渐进式AI原生路线图 |
| 2026.04 | Ericsson发布"四种方式Agentic AI重塑电信" | 定义Agentic AI作为网络主要用户、运维自动化引擎、编排智能体、客户体验优化器 |
| 2026.05 | ArXiv发布NWDAF闭环自动化研究论文 | 系统性分析NWDAF在5G网络中实现闭环自动化的架构与方法 |
技术方案：Nokia与AWS合作，在du（阿联酋）和Orange（欧洲）的现网中部署了业界首个Agentic AI驱动的5G-Advanced网络切片方案。该方案将Nokia端到端切片能力与Amazon Bedrock AgentCore结合，实现从自然语言意图到网络策略配置的全自动转化。
核心技术原理：传统网络切片需要运维人员手动定义每个切片的参数（带宽、延迟、覆盖范围等），然后逐一配置AMF、SMF、UPF等核心网网元。Agentic AI方案引入了三层架构：意图理解层（利用大语言模型将运营商的业务意图转化为技术参数）、策略生成层（基于强化学习动态优化切片参数组合）、执行验证层（通过闭环反馈持续验证切片SLA达标率并自动调整）。运营商只需输入"为增强现实应用创建一个保证10ms延迟、100Mbps速率的切片"，系统即可自动完成从核心网到RAN的全链路配置。
应用场景与效果：在du的现网试点中，该方案将切片创建时间从数小时缩短至分钟级，切片参数动态调整响应时间降至秒级。Orange则验证了在多租户场景下，Agentic AI能够根据实时流量负载自动在切片间重新分配资源，SLA达标率提升至99.95%以上。
对从业者的价值：这是网络切片从"静态预配置"走向"动态智能编排"的标志性事件。掌握意图驱动网络（Intent-Driven Networking）和Agentic AI在切片中的应用，是核心网工程师未来两年的关键技能方向。
技术方案：SK Telecom于2026年2月发布第三份6G白皮书"ATHENA"（AI、Trust、Hyper-connectivity、Experience、Open、Agility），联合DOCOMO、NTT、Nokia共同定义了AI原生核心网的演进路线。
核心技术原理：ATHENA架构的核心是AI-Native Converged Core——AI不再是附加在核心网之上的分析模块，而是嵌入每个网络功能的基础能力。具体包括：（1）内生化AI Agent：每个NF（如AMF、SMF、UPF）内置轻量级AI推理引擎，实现本地化的智能决策，无需将所有数据回传至集中式分析平台；（2）AI-Native融合传输网：在TN（Transport Network）层引入AI实现光网络的自适应波长调优和故障预测；（3）Zero Trust安全架构：基于AI的持续身份验证和行为基线分析，每个NF之间的通信都经过实时风险评估。
应用场景与效果：SKT计划在2026-2028年期间逐步将ATHENA架构的核心要素引入5G-Advanced网络，首先在传输网AI化方向取得突破。白皮书预测，AI原生核心网可将运维人力需求降低60%，网络故障平均修复时间（MTTR）缩短80%。
对从业者的价值：ATHENA代表了6G核心网设计的方向性共识。理解"AI as native capability"与"AI as add-on feature"的本质区别，以及AI Agent如何嵌入NF内部，对于参与6G标准制定和产品规划的工程师至关重要。
技术方案：Huawei在MWC 2026发布Telco Intelligent Converged Cloud（TICC）和Agentic Core架构，将AI定位为核心网的中心而非外围辅助。
核心技术原理：TICC的核心创新是三层智能架构——基础设施层（AI加速的云化NF）、平台层（统一的AI训练/推理平台）、应用层（面向业务的智能编排）。Agentic Core则引入了网络数字员工概念：每个核心网网元都有一个对应的AI Agent，这些Agent具备自主感知、协同决策和自执行能力。例如，当UPF检测到流量异常时，与其相关的AMF Agent、SMF Agent和PCF Agent会自动启动协同诊断流程，在几秒内定位问题根因并执行修复动作。
应用场景与效果：Huawei与China Mobile的合作项目获得了GSMA GLOMO "最佳AI驱动网络解决方案"奖。在实际部署中，AI核心网将网络故障检测时间从分钟级降至秒级，故障自愈成功率超过85%，新业务上线周期从数周缩短至数天。
对从业者的价值：Huawei的Agentic Core方案是目前业界最激进的AI原生核心网落地案例之一。关注其"网络数字员工"的多Agent协同机制，以及TICC平台如何实现AI模型的统一生命周期管理，对于理解华为生态下的核心网AI化路径有直接参考价值。
技术方案：3GPP自Release 15引入NWDAF（Network Data Analytics Function）以来，该功能已从简单的数据采集分析演化为具备闭环控制能力的核心网智能中枢。2026年发布的学术研究（ArXiv论文）系统性地梳理了NWDAF向闭环自动化演进的架构与方法。
核心技术原理：NWDAF的核心架构包含两个关键逻辑功能——MTLF（ML Training Function）和AnLF（Analytics Logic Function）。MTLF负责从网络数据中训练ML模型，AnLF则利用训练好的模型生成分析报告。在Release 17/18中，NWDAF获得了向PCF、AMF、SMF等NF直接提供分析输入并触发策略调整的能力，形成了数据采集→模型训练→分析推理→策略下发→效果验证的闭环。Release 19预计将进一步增强NWDAF的实时推理能力，引入联邦学习实现跨域数据协作，同时不暴露原始用户数据。
应用场景与效果：在free5GC等开源5G核心网中，基于ML增强的NWDAF架构已经实现了智能负载均衡（根据AMF负载预测动态调整UE分布）、移动性管理优化（预测UE移动轨迹并预分配资源）和QoS动态调整（基于业务流量模式自动调整QoS参数）等场景。
对从业者的价值：NWDAF是3GPP标准化AI核心网的核心抓手。理解NWDAF的Nnwdaf服务接口（Nnwdaf_EventsSubscription、Nnwdaf_AnalyticsInfo等），以及MTLF/AnLF的分工协作模式，是掌握5G-Advanced核心网智能化的基础。
技术方案：NVIDIA于2026年2月底发布开源的Nemotron Large Telco Model（LTM），参数规模30B，专门面向电信网络配置、故障诊断和运维自动化等场景进行领域微调。配套发布Agentic AI Blueprints，覆盖RAN参数配置、网络故障诊断、客户服务自动化三大场景。
核心技术原理：LTM基于NVIDIA Nemotron架构，在海量电信标准化文档（3GPP规范、ETSI标准）、网络配置数据、运维工单日志上进行领域微调。与通用大模型不同，LTM理解电信术语和网络协议栈语义，能够准确解读告警信息、关联网络拓扑、推理故障根因。Agentic AI Blueprint则提供了预定义的Agent工作流：以网络配置Agent为例，它包含参数采集→约束分析→配置生成→仿真验证→下发执行的完整pipeline，支持与OSS/BSS系统的API集成。
应用场景与效果：NVIDIA与多家运营商合作验证显示，LTM在网络故障根因分析任务上的准确率比通用GPT-4模型高出28%，在配置合规性检查任务上高出35%。开源策略使运营商能够在私有云环境中部署，解决数据主权和隐私合规问题。
对从业者的价值：这是电信行业首个大规模开源领域模型。对于有AI应用开发能力运营商和设备商，LTM提供了可直接使用的推理基座，降低了从零训练电信领域模型的门槛。关注NVIDIA Blueprint中的Agent工作流设计模式，可直接借鉴到自研AI运维系统中。
技术方案：MasOrange（西班牙最大运营商）与Google Cloud、NetAI在MWC 2026展示了一个基于GraphML（图机器学习）和网络数字孪生的自治网络PoC。
核心技术原理：传统ML将网络数据视为扁平向量，丢失了网络的拓扑结构信息。GraphML采用图神经网络（GNN），将网络建模为图结构（节点=网元，边=连接），天然保留了拓扑和连接关系。在数字孪生层面，Google Cloud构建了实时同步的虚拟网络副本，其中嵌入了数据治理Agent（Data Steward Agent）确保数字孪生与物理网络的一致性。GNN在数字孪生上进行训练和推理，预测网络行为、预判故障、优化资源配置，然后将决策反馈到物理网络执行。
应用场景与效果：MasOrange的目标是达到TM Forum定义的Level 4自治等级（高度自治）。PoC验证了GNN在网络故障预测方面比传统规则引擎提前45分钟预警，准确率提升40%。数字孪生使工程师能够在虚拟环境中安全测试网络变更，每次变更前的仿真验证可避免潜在的现网事故。
对从业者的价值：GraphML + 数字孪生是目前最有前景的自治网络技术路线之一。相比传统的时序预测或规则引擎，GNN能够捕捉网络拓扑中的隐含关联（如某节点故障引发级联效应），对于大型异构网络的运维优化尤其有价值。
技术方案：China Mobile与ZTE在GSMA Foundry框架下开发了"Digital Employee"（数字员工）方案，通过协调多个Agentic AI实现跨域自治网络运维。
核心技术原理：方案的核心是多Agent协调框架——将网络运维任务分解为多个子任务，分配给专门的AI Agent执行。例如，一个完整的故障处理流程涉及：监测Agent（负责异常检测）→ 诊断Agent（负责根因分析）→ 决策Agent（负责生成修复方案）→ 执行Agent（负责配置下发）→ 验证Agent（负责效果确认）。各Agent之间通过标准化的消息协议协同工作，形成完整的自治闭环。ZTE将这一框架定义为"AI for ARCN"（Autonomous RAN-Core Network），面向6G时代实现全栈智能。
应用场景与效果：在实际部署中，"数字员工"处理了超过70%的日常运维工单，将平均故障处理时间从45分钟缩短至3分钟以内。China Mobile还探索了数字员工在5G-A新业务开通场景的应用，将业务配置全流程自动化率从30%提升至85%。
对从业者的价值：多Agent协调是目前解决复杂运维任务的主流范式。理解如何将运维流程分解为Agent可执行的原子任务、如何设计Agent间的协作协议、如何处理Agent间的冲突与优先级，是实现大规模自治网络的关键能力。
技术方案：Ericsson在2026年4月连续发布两份战略文件，定义了运营商走向AI原生的渐进路线图，以及Agentic AI重塑电信的四种方式。
核心技术原理：Ericsson的四步走战略包括：（1）成熟化5G SA——在现有网络架构上充分利用5G SA能力，为AI应用奠定数据基础；（2）网络智能化——部署AI驱动的RAN优化、核心网自动化和传输网自愈；（3）意图驱动运维——从命令式配置转向意图声明，由AI系统自动翻译和执行；（4）AI原生网络——网络架构从设计之初就以内置AI为前提，AI成为网络的基本运行方式而非附加功能。
在Agentic AI方面，Ericsson定义了四种角色：AI作为网络的主要用户（AI应用消耗大量网络资源，驱动网络架构演进）、AI作为运维自动化引擎（替代人工执行重复性运维任务）、AI作为编排智能体（跨域跨层的端到端智能编排）、AI作为客户体验优化器（个性化网络服务质量保障）。
应用场景与效果：AT&T与Ericsson、Aira Technologies合作展示了从GenAI生成rApp到生产部署的标准化路径，证明了意图驱动运维的可行性。Ericsson预测，全面实现AI原生网络可使运营商OPEX降低30-40%。
对从业者的价值：Ericsson的四步路线图为运营商提供了务实的演进路径——不是一步到位的AI原生，而是从现有网络出发的渐进式转型。关注AT&T等先行者的实践经验，可以为自身网络的AI化规划提供参考。
图表 1
图表 2
延伸阅读：
[!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。
