5G NWDAF商用实测四大案例横评

3GPP标准定义的NWDAF（Network Data Analytics Function）从纸面规范走向现网部署，四大厂商方案各有什么实战表现？

一、为什么NWDAF是5G核心网的"AI大脑"

NWDAF并非一个可有可无的附属功能。自3GPP Release 15引入以来，它被明确定位为5G核心网的控制面网络功能，负责从各NF（AMF、SMF、UPF、PCF等）收集数据，执行分析推理，并将结果反馈给消费方——用于网络切片选择、移动性管理优化、NF负载均衡、QoE监控等闭环决策。

到Release 18，NWDAF架构进一步分解为MTLF（Model Training Logical Function，模型训练逻辑功能）和AnLF（Analytics Logical Function，分析逻辑功能）两个子功能，分别负责机器学习模型训练和实时推理，为运营商引入自定义AI模型打开了标准化接口。

但问题是：NWDAF在现网中到底部署到什么程度？实际效果如何？ 本文聚焦华为ICNMaster/MDAF、Nokia AVA NWDAF、中兴uSmartNet CNIA、爱立信Operations Engine四套方案的真实商用案例，用数据说话。

图表 1

二、案例一：华为ICNMaster × 浙江移动——告警处理提效87%

2.1 部署背景

浙江移动是中国移动集团"AI+核心网"运维智能的试点牵头省份。2024年11月，华为正式发布业界首个基于通信大模型的核心网运维智能化方案ICNMaster（3GPP标准中的MDAF，Management Data Analytics Function），并在浙江移动率先落地。随后该方案扩展至青海、广东等多个省份。

核心网运维面临的核心痛点：

• 告警风暴：5G SA核心网网元数量是4G时代的3-5倍，单省日均告警量超过万条，运维人员难以快速甄别根因
• 投诉处理链条长：用户投诉从接到工单到根因定位平均需要1.5小时，大量时间消耗在跨系统查询和经验检索上
• 知识断层：核心网信令流程复杂（注册、PDU会话建立、切换等涉及数十条信令交互），高级专家培养周期长达3-5年

2.2 方案架构

ICNMaster的核心技术栈包括三大组件：

部署模式采用两个智能体：

• 告警处理智能体：实现一键式告警知识问答、案例推荐和智能诊断
• 投诉处理智能体：自动关联用户信令轨迹与网元状态，生成根因分析报告

2.3 效果数据

值得强调的是，87%的提效不仅仅是时间缩短——更关键的是将高级专家从重复性劳动中释放，让他们专注于网络架构优化和疑难故障攻坚。浙江移动的运维团队在引入ICNMaster后，一线值班人员数量减少了约30%，而夜间无人值守率提升至85%以上。

三、案例二：Nokia AVA NWDAF × DISH Network——全球首个公有云5G核心网AI运维

3.1 部署背景

美国DISH Network从零构建了一张云原生的Open RAN + 5G SA核心网，选择了Nokia作为核心网供应商，AWS作为公有云基础设施。这是全球首个部署在公有云上的5G SA核心网。

DISH的特殊性在于：没有4G遗留网络包袱，从第一天就是云原生架构，这为NWDAF的部署提供了天然的微服务化环境。但同时，由于是全新网络，缺乏历史数据积累，AI模型的冷启动成为挑战。

3.2 方案架构

Nokia AVA NWDAF的核心设计理念是分布式分析：

图表 2

这种架构的巧妙之处在于：训练集中、推理分散。MTLF在中心云利用全量数据训练模型，AnLF在边缘节点实时推理，既满足低延迟需求，又解决了数据隐私问题。

Nokia AVA NWDAF基于Apache Beam构建数据处理流水线，支持批处理和流处理的统一编程模型，并集成了多种ML框架（TensorFlow、PyTorch）用于模型训练和推理。

3.3 效果数据

同时，2026年3月，O2 Telefonica在德国成为全球首家将生产级5G核心网迁移到AWS Outposts的运营商，同样采用Nokia的5G核心网技术和AVA NWDAF。O2 Telefonica的CTO表示，云原生架构结合AI分析能力，使网络运营从被动响应转向了主动预防。

四、案例三：中兴uSmartNet CNIA × 泰国AIS——核心网域轻量化AI运维

4.1 部署背景

中兴的uSmartNet CNIA（Core Network Intelligent Analysis）是一款专为核心网域设计的轻量化智能运维工具。与全栈式的AIOps平台不同，CNIA聚焦于核心网NF的监控、诊断和决策三个环节，部署门槛低，对现有OSS系统的侵入性小。

泰国最大移动运营商AIS（Advanced Info Service）在5G SA商用部署中选择了中兴的核心网设备，并同步引入uSmartNet CNIA进行智能运维。此外，CNIA也在中国电信、中国移动的部分省份落地。

4.2 方案架构

CNIA的三大核心能力环环相扣：

中兴在2025年发布了基于核心网运维智能体的升级方案，引入大模型（LLM）驱动的工作流编排。该智能体可以将自然语言运维指令（如"排查杭州AMF-03注册失败率升高原因"）自动分解为数据查询、信令分析、配置比对等子任务，并串联执行。

4.3 效果数据

根据中兴通讯自智网络白皮书（2024）及公开资料：

CNIA的差异化优势在于联邦学习能力——当多个运营商部署CNIA但不愿共享原始数据时，可以通过联邦学习在各自环境中训练本地模型，只交换模型参数。这在数据合规要求严格的海外市场尤为重要。

五、案例四：爱立信Operations Engine × Bharti Airtel——意图驱动的预测性运维

5.1 部署背景

印度最大电信运营商Bharti Airtel在2025年与爱立信签署了多年期战略合作协议，将全国范围内的网络运营（4G、5G FWA、企业专网）交由爱立信Operations Engine管理。这是Airtel从"人力密集型运维"向"AI驱动的预测性运维"转型的关键一步。

Airtel的网络规模极为庞大——覆盖印度23个电信业务圈，服务超过3.8亿用户。在这样规模的网络中，传统的人工监控和排障模式已接近极限。

5.2 方案架构

爱立信Operations Engine的核心是意图驱动（Intent-Based）运维：

1. 意图定义：运营商声明业务目标（如"保障班加罗尔5G FWA用户体验>50Mbps"）
2. 持续监测：Operations Engine通过NWDAF能力持续采集NF性能数据
3. 偏差检测：AI模型自动检测实际状态与意图的偏差
4. 自动修复：系统推荐或自动执行调整措施（扩容、负载均衡、参数优化）

爱立信在2025年推出了面向5G高级场景的Premium 5G Intent-Based Operations服务，结合其AI用例库（涵盖500+个经过验证的AI/ML用例），可以快速适配不同运营商的需求。

5.3 效果数据

Airtel案例的特殊价值在于规模验证——在一个服务近4亿用户的网络中证明AI运维方案的可扩展性，这比实验室环境下的PoC数据更具说服力。

六、四大方案横向对比

6.1 功能与架构对比

6.2 性能数据对比

说明：N/A不意味着该方案不具备该能力，而是公开数据中未提供具体数值。四家厂商在宣传策略上差异明显——华为和中兴更倾向公布具体数字，Nokia和爱立信更强调架构先进性和客户名单。

七、关键发现与建议

7.1 三个值得关注的趋势

趋势一：NWDAF从"能力展示"走向"生产闭环"

2024年之前，大部分NWDAF部署停留在数据采集和可视化阶段。2025-2026年，领先运营商已经开始实现NWDAF分析结果到PCF/NSSF策略执行的闭环自动化。浙江移动的ICNMaster和Nokia在DISH的部署都体现了这一趋势。

趋势二：大模型正在重塑核心网运维的交互方式

华为ICNMaster的告警智能体允许运维人员用自然语言提问（如"今天凌晨3点AMF-05为什么产生大量注册失败告警？"），系统自动关联信令日志、配置变更、NF负载等数据并给出诊断。这种交互模式的变革，将运维门槛从"精通信令协议的专家"降低到了"能用自然语言描述问题的普通工程师"。

趋势三：公有云+5G核心网的组合为NWDAF提供天然土壤

DISH和O2 Telefonica的案例表明，云原生5G核心网与NWDAF的结合远比传统NFV部署更顺畅。微服务架构天然暴露丰富的遥测数据（telemetry），容器编排平台（K8s）提供弹性伸缩能力，使得NWDAF的数据采集和模型训练不再是运维的额外负担。

7.2 给运营商的建议

1. 优先选择3GPP标准NWDAF接口方案：避免被单一厂商的私有API绑定。Nokia的AVA NWDAF在标准化程度上领先，华为ICNMaster也基于3GPP MDAF标准。
2. 从小场景切入：不要试图一步到位实现全网智能运维。建议从告警降噪和投诉处理两个ROI最高的场景起步（浙江移动的经验已证明87%的提效）。
3. 重视数据质量治理：NWDAF的分析效果高度依赖输入数据的质量。在部署NWDAF之前，先完成NF性能数据的标准化采集和清洗。

图表 3

参考来源

1. 华为打造业界首个AI+核心网运维应用ICNMaster — 华为ICNMaster浙江移动部署详细数据
2. 中兴通讯核心网运维智能体助力L4高阶自智 — 中兴uSmartNet CNIA技术架构
3. Nokia AVA NWDAF产品页 — Nokia NWDAF架构和能力说明
4. O2 Telefónica 5G Cloud Core部署新闻稿 — 2026年3月O2 Telefonica公有云5G核心网部署
5. Airtel数据驱动转型案例 - TM Forum — Airtel与Ericsson合作AI运维案例
6. Telefónica NWDAF探索 - MWC 2025 — Telefónica自2023年起的NWDAF实践
7. DISH与Nokia全球首个5G SA公有云核心网 — DISH Network案例详情

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!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。