# 跨厂商AI自智网络互操作四强实战拆解：从rApp联盟到多智能体协同
## 一、多厂商网络AI孤岛：运营商的最大痛点
全球主流运营商的网络中，无线接入网、传输网、核心网通常由3-5家设备商共同承建。以中国移动为例，其5G无线网由华为、中兴、爱立信、诺基亚四家设备商供应，传输网涉及华为、中兴、烽火等多家厂商，核心网则集中在中兴和华为。这种多厂商混合组网模式带来了一个结构性难题：**每家设备商都推出了自己的AI运维平台，但这些平台之间互不相通，形成了"AI孤岛"**。
具体而言，运营商面临的跨厂商AI互操作困境体现在三个层面：
- **数据层**：不同厂商网管系统（NMS/OSS）采用私有接口和数据格式，告警模型、性能指标定义各异。华为iMaster与Ericsson Network Manager之间的告警字段映射需要大量人工适配工作，某省移动曾统计跨厂商告警关联的误报率高达35%。
- **模型层**：各厂商AI模型基于自有数据训练，知识表示和推理逻辑不透明。Ericsson的Service Continuity AI有200多个专用App，但只能在Ericsson设备上运行；华为ICNMaster基于通信大模型，也无法直接管理中兴或爱立信设备。
- **执行层**：自动化修复操作受限于厂商北向接口（NB-IOT）的开放程度。某运营商反馈，华为设备的自动化操作覆盖率约80%，而第三方设备仅为40-50%。
2026年3月，在MWC巴塞罗那展会上，Ericsson与Nokia宣布了一项突破性合作：**开放各自的rApp生态系统，实现跨厂商网络自动化互操作**。这一事件标志着通信行业AI运维从"单厂商封闭"走向"多厂商开放"的关键转折。本文将围绕这一趋势，深入拆解四大跨厂商AI自智网络互操作的标杆实战案例。
## 二、Ericsson-Nokia rApp生态互操作联盟（MWC 2026）
### 2.1 合作背景与动机
2026年3月4日，Ericsson与Nokia在MWC 2026上联合宣布了一项里程碑式合作：Nokia加入Ericsson的rApp生态系统，同时Ericsson加入Nokia的Service Management and Orchestration（SMO）平台生态。这是全球首次两大主流设备商开放各自的AI自动化应用生态。
这一合作的深层动机来自运营商的强烈需求。全球约70%的运营商拥有至少两家RAN设备商的设备，而现有的AI自动化方案只能在单一厂商设备上运行。O-RAN联盟虽定义了rApp标准框架，但在实际商用中，跨厂商rApp部署仍面临接口兼容性、模型共享和操作权限三大障碍。Ericsson与Nokia的合作正是瞄准了这一痛点。
### 2.2 技术架构
Ericsson-Nokia互操作联盟的技术基础建立在O-RAN标准的rApp框架之上，核心包含三个互操作层：
```mermaid
graph TB
subgraph "运营商统一运维门户"
Portal["AIOps统一运维门户
跨域故障看板"]
end
subgraph "rApp互操作层"
rApp_E["Ericsson rApp生态
Service Continuity AI
200+ AI Apps"]
rApp_N["Nokia rApp生态
AVA Cognitive Platform
SMO Orchestrator"]
rApp_3rd["第三方rApp
Aira Naavik AppGen
AWS Marketplace"]
rApp_E <--> rApp_N
rApp_N <--> rApp_3rd
rApp_E <--> rApp_3rd
end
subgraph "标准化接口层"
O1["O1接口
网元管理"]
A1["A1接口
策略管理"]
O2["O2接口
云资源编排"]
end
subgraph "多厂商网络层"
RAN_E["Ericsson RAN
Radio System 6000"]
RAN_N["Nokia RAN
AirScale"]
RAN_H["华为 RAN
MetaBUAA"]
Transport["传输网
SPN/PTN/IPRAN"]
Core["核心网
5GC/IMS"]
end
Portal --> rApp_E
Portal --> rApp_N
Portal --> rApp_3rd
rApp_E --> O1
rApp_E --> A1
rApp_N --> O1
rApp_N --> A1
O1 --> RAN_E
O1 --> RAN_N
A1 --> RAN_E
A1 --> RAN_N
O2 --> Transport
O2 --> Core
RAN_E -.->|"跨厂商协调"| RAN_N
Transport -.-> Core
```
### 2.3 互操作关键能力
| 互操作维度 | 具体能力 | 当前成熟度 |
|---|---|---|
| rApp跨平台部署 | Nokia rApp可在Ericsson EIAP平台运行，反之亦然 | 商用验证阶段 |
| 策略模型共享 | A1策略可跨厂商RAN设备下发，支持统一的SLA目标 | 标准完成，试点中 |
| 数据模型统一 | 基于O-RAN统一数据模型，告警/PM数据跨厂商标准化 | 部分商用 |
| 故障关联推理 | 跨厂商拓扑发现+级联故障关联，自动定位根因设备 | 实验室验证 |
| 自动修复执行 | 通过O1接口跨厂商执行小区闭塞/解闭、参数调整 | 受限商用 |
## 三、AT&T：全球首个第三方rApp现网部署
### 3.1 部署概况
2025年7月，AT&T与Ericsson联合宣布了一项行业创举：**首次在现网生产环境中部署来自第三方开发者的rApp**。该rApp通过Ericsson Intelligent Automation Platform（EIAP）平台部署，能够在AT&T的实际网络上执行自动化优化操作。
这一事件的意义在于，它打破了rApp只能由设备商自己开发并部署的传统模式，验证了O-RAN rApp生态"第三方开发者→开放平台→现网执行"的完整闭环。
### 3.2 技术细节
AT&T的第三方rApp部署涉及以下关键技术环节：
- **rApp开发**：由AI初创公司Aira Technologies利用其Naavik AppGen平台自动生成，该平台基于GenAI技术，可将网络优化需求自动转化为rApp代码。
- **平台托管**：rApp部署在Ericsson EIAP（Ericsson Intelligent Automation Platform）上，EIAP提供了标准化的rApp运行时环境和安全管理框架。
- **网络接入**：rApp通过O-RAN标准接口（O1/A1）与AT&T现网中的Ericsson RAN设备交互，执行网络参数调整和故障自愈操作。
- **安全管控**：rApp的所有操作均经过EIAP的安全策略引擎审核，确保操作范围和影响可控。
### 3.3 效果数据
| 指标 | 第三方rApp方案 | 传统厂商内置方案 | 提升幅度 |
|---|---|---|---|
| rApp开发周期 | 2-4周（AI生成） | 3-6个月（人工开发） | 缩短85% |
| 网络参数优化响应 | 分钟级 | 小时-天级 | 提升10-50倍 |
| 部署到现网上线 | 1-2天（含安全审核） | 1-2周（版本迭代） | 缩短80% |
| 覆盖RAN设备类型 | 支持多厂商（理论） | 仅限本厂商设备 | 多厂商扩展 |
AT&T网络运维高级副总裁在发布会上表示，此次第三方rApp现网部署验证了"AI驱动的多厂商网络自动化"的商业可行性，AT&T计划在2026年将第三方rApp扩展到网络覆盖优化、干扰管理和能耗优化等多个场景。
## 四、广东移动NetMaster：多智能体跨域故障协同实战
### 4.1 项目背景
广东移动的现网中同时运行着华为、中兴、爱立信三家厂商的设备，涵盖无线接入网、SPN传输网和5G核心网三大域。传统模式下，一次跨域故障（如传输链路中断导致基站退服）需要无线、传输、核心网三个专业团队分别排查，平均MTTR（平均修复时间）超过45分钟。
2024年起，广东移动联合华为基于NetMaster网络智能体平台，构建了业界首个跨域多智能体协同故障管理架构，实现了"一处故障、多Agent联动、自动定位、智能修复"的运维新模式。
### 4.2 架构设计
广东移动的多智能体协同方案采用四层架构：
- **智能网元层**：在网元设备上部署轻量级AI代理，实现毫秒级异常检测和本地自愈。
- **OMC大模型层**：在各厂商网管中心（OMC）部署通信大模型，负责本域内的告警关联和故障诊断。华为设备侧使用华为通信大模型，中兴设备侧通过适配接口接入。
- **OSS智能故障管理层**：在综合网管（OSS）层面部署跨域故障关联引擎，利用知识图谱技术打通不同厂商、不同域之间的拓扑和告警数据。
- **WAIMO智慧运维平台层**：面向运维人员的统一操作平台，提供自然语言交互和智能决策支持。
### 4.3 核心创新：双引擎推理架构
2025年4月，广东移动与华为联合发布了基于DeepSeek大模型的SPN网络智能运维体NetMaster升级方案。该方案创新性地融合了"双引擎推理架构"：
- **快引擎**：基于传统通信大模型，响应时间在秒级，处理标准化故障场景（如光功率异常、链路中断等），覆盖约80%的常见故障类型。
- **慢引擎**：基于DeepSeek大模型，响应时间在30-60秒，处理复杂推理和多步骤故障诊断（如多节点级联故障、间歇性故障等），覆盖剩余20%的疑难故障。
两个引擎通过"快慢思考"机制协同工作：系统首先将故障事件输入快引擎，若快引擎判断置信度低于阈值（当前设定为85%），则自动将事件转交慢引擎进行深度推理。
### 4.4 实战效果
广东移动多智能体方案上线后，关键指标如下：
| 运维指标 | 方案上线前 | 方案上线后 | 提升幅度 |
|---|---|---|---|
| 故障MTTR | 45分钟 | 36分钟（-20%+） | 降低20%以上 |
| 跨域故障定位时间 | 15-30分钟 | 3-5分钟 | 缩短80%+ |
| 性能故障诊断准确率 | 人工约70% | AI超90% | 提升20pp |
| 性能故障工单处理量 | 人工约100单/月 | AI累计300+单 | 提升3倍 |
| 无线故障自处理率 | 约30% | 约80% | 提升50pp |
其中最具代表性的案例是一次SPN传输环网光缆中断故障：系统在3秒内完成跨域告警关联（关联了12条传输告警和45条无线退服告警），8秒内定位根因为某段光缆施工挖断，同时自动触发备用路由切换，全程无需人工介入，业务恢复时间从传统的22分钟缩短至47秒。
## 五、浙江移动-中兴通讯：传输网Multi-Agent多层智能体实战
### 5.1 项目概况
2025年，浙江移动联合中兴通讯、直真科技研发的"传输网多层智能体协同故障处理应用方案"成功实现现网部署。该项目在MWC25巴塞罗那上荣获GSMA Foundry"网络效率及优化奖"，是通信行业多智能体协同故障处理的标杆案例。
### 5.2 Multi-Agent协同架构
该方案的核心是构建了面向传输网故障处理的分层多智能体系统：
- **感知Agent**：负责从网管系统实时采集告警、性能和拓扑数据，支持多厂商设备（华为、中兴、烽火）的统一数据接入。
- **分析Agent**：基于大模型进行故障根因分析，支持跨厂商、跨层级的级联故障推理。
- **决策Agent**：根据分析结果生成修复策略，支持多种修复模式（自动执行/人工审批/仅告警）。
- **执行Agent**：通过标准北向接口向各厂商设备下发修复指令，并验证修复效果。
- **监督Agent**：对整个故障处理过程进行实时监控和事后复盘，持续优化Agent策略。
### 5.3 关键技术突破
该方案在跨厂商互操作方面实现了三项关键技术突破：
**（1）统一语义映射层**：针对华为、中兴、烽火三家厂商传输设备的告警定义差异，构建了统一的语义映射层，将各厂商的私有告警编码映射为标准化的故障语义标签。例如，华为的"ETH_LINK_DOWN"和中兴的"PORT_LOS"都被映射为标准语义"以太网口物理层信号丢失"，使后续的AI分析不依赖设备厂商。
**（2）跨拓扑故障传播推理**：利用图神经网络（GNN）构建跨厂商传输拓扑图，当某一节点发生故障时，系统自动计算故障在拓扑上的传播路径，并在5秒内给出最可能的根因节点和影响范围。
**（3）多厂商指令适配引擎**：针对不同厂商的指令集差异（华为采用CLI+NETCONF，中兴采用SNMP+NETCONF，烽火采用TL1），开发了统一的指令适配引擎，将AI生成的标准化修复策略自动翻译为各厂商的设备指令。
### 5.4 效果数据
| 指标 | 传统模式 | Multi-Agent方案 | 提升 |
|---|---|---|---|
| 传输网故障平均定位时间 | 25-40分钟 | 3-8分钟 | 缩短75%+ |
| 跨厂商故障关联准确率 | 约60%（人工） | 约88%（AI） | 提升28pp |
| 故障自愈成功率 | N/A（手动修复） | 78%（自动修复） | 新增能力 |
| OTN运维效率 | 基准 | 提升10倍以上 | 10x |
| 误操作率 | 约3% | <0.5% | 降低83% |
浙江移动将该方案与中兴通讯的AI运维机器人ChatZ结合，在OTN光传送网领域实现了从故障发现到根因定位再到自动修复的全流程闭环，运维效率提升10倍以上。
## 六、四强方案对比分析
### 6.1 平台能力对比
| 对比维度 | Ericsson-Nokia rApp联盟 | AT&T第三方rApp | 广东移动NetMaster | 浙江移动-ZTE Multi-Agent |
|---|---|---|---|---|
| 跨厂商能力 | Ericsson+Nokia互操作 | 理论支持多厂商 | 华为主导，适配中兴/爱立信 | 华为+中兴+烽火三厂商 |
| AI架构 | rApp微服务+EIAP平台 | GenAI生成rApp | 双引擎推理（快+慢） | 分层多Agent协同 |
| 核心大模型 | Ericsson自研+Nokia AVA | Aira Naavik AppGen | 华为通信大模型+DeepSeek | 中兴通讯大模型+ChatZ |
| 自动化级别 | L3（部分L4） | L3 | L3→L4演进中 | L3（OTN达L4） |
| 覆盖网络域 | RAN为主 | RAN为主 | 无线+传输+核心网全栈 | 传输网为主 |
| 开放程度 | 半开放（rApp生态） | 开放（第三方开发） | 半封闭（华为主导） | 半封闭（中兴主导） |
| 商用阶段 | 2026年商用验证 | 2025年现网首部署 | 2024-2025年现网运行 | 2025年现网部署 |
### 6.2 性能与ROI对比
| ROI指标 | Ericsson-Nokia联盟 | AT&T第三方rApp | 广东移动NetMaster | 浙江移动-ZTE |
|---|---|---|---|---|
| 故障定位提速 | 预估60-70% | 实测50%+ | 实测80%+ | 实测75%+ |
| MTTR改善 | 预估30-40% | 数据待公布 | 实测20%+ | 实测数据待公布 |
| 运维人力节省 | 预估25-35% | 预估30% | 实测30%+ | 实测40%+（OTN） |
| 年化ROI | 预估150-200% | 预估120% | 实测180%+ | 实测200%+（OTN） |
| 部署周期 | 3-6个月 | 2-4周（rApp） | 6-12个月 | 6-9个月 |
| 前期投入 | 中高（平台+集成） | 低（rApp即服务） | 中（华为平台） | 中（中兴平台） |
### 6.3 核心差异化分析
**Ericsson-Nokia联盟**的核心优势在于标准化和开放性。基于O-RAN标准rApp框架，运营商可以像安装手机App一样在RAN智能控制器上部署不同来源的AI应用。这种"App Store"模式最大的价值在于打破了厂商锁定（Vendor Lock-in），运营商不再完全依赖单一设备商的AI能力。
**AT&T第三方rApp**的突破在于验证了AI自动生成rApp的可行性。Aira Technologies的Naavik AppGen利用GenAI技术，根据网络优化需求自动生成rApp代码，将rApp开发周期从数月缩短至数周。这意味着运营商未来可以根据自身网络特点，快速定制专属AI运维应用。
**广东移动NetMaster**的独特价值在于跨域全栈覆盖。不同于其他方案主要聚焦在RAN或传输网单一域，NetMaster实现了无线、传输（SPN）、核心网三域联动，是多智能体协同最接近L4自智网络的商用案例。
**浙江移动-ZTE Multi-Agent**的亮点在于传输网多厂商适配深度。面对华为、中兴、烽火三家传输设备商的不同接口和数据格式，该方案构建了完整的统一语义映射层和指令适配引擎，在传输网领域的跨厂商互操作深度超过其他方案。
## 七、跨厂商AI互操作的关键挑战
尽管上述四个案例展示了跨厂商AI网络自动化的进展，但行业仍面临若干关键挑战：
### 7.1 标准化缺口
O-RAN联盟定义了rApp的基本框架（A1/O1/O2接口），但在AI模型互操作层面仍存在显著缺口。例如，Ericsson的AI模型输出的"小区性能异常"置信度，与Nokia模型对同类事件的理解可能完全不同。解决这一问题需要行业在AI模型输出标准化方面达成共识，目前3GPP SA5和ETSI ENI正在推进相关工作。
### 7.2 华为生态的"缺席"
值得注意的是，当前跨厂商AI互操作主要在Ericsson和Nokia之间推进，华为作为全球最大的通信设备商尚未加入rApp互操作生态。华为采用的是自有的ICNMaster/NetMaster平台体系，虽然功能强大（已获得GSMA GLOMO 2026"最佳AI使能网络解决方案奖"），但在与Ericsson/Nokia设备的互操作方面仍存在壁垒。这对于同时使用华为和Ericsson/Nokia设备的运营商（如中国移动、中国电信）来说是一个实际挑战。
### 7.3 安全与责任边界
跨厂商AI自动化操作涉及复杂的安全与责任问题。当第三方rApp在运营商网络上执行优化操作导致服务质量下降时，责任归属如何界定？AT&T在其第三方rApp部署中采用了"分层审核"机制：低风险操作（如参数微调）自动执行，中风险操作（如小区闭塞）需人工确认，高风险操作（如网元重启）需要厂商技术支持团队批准。
## 八、未来展望：从rApp互操作到AI联邦
跨厂商AI自智网络互操作正在经历三个阶段的演进：
- **第一阶段（2025-2026）**：rApp平台开放，实现应用级互操作。以Ericsson-Nokia联盟和AT&T第三方rApp为代表。
- **第二阶段（2027-2028）**：AI模型级互操作，跨厂商模型可以共享推理结果和知识表示。预计3GPP Release 19/20将定义相关标准接口。
- **第三阶段（2029+）**：AI联邦学习，多厂商设备在保护数据隐私的前提下联合训练AI模型，实现"一处学习、全网受益"的目标。
对于运营商而言，当前的务实策略是：**在新建网络中优先要求设备商支持O-RAN rApp标准接口，在存量网络中通过多智能体架构实现跨厂商协同**。广东移动和浙江移动的实践表明，即使设备商AI平台不完全互通，通过OSS层面的多智能体编排也能实现70-80%的跨厂商自动化覆盖。
## 参考来源
1. [Ericsson and Nokia strengthen cooperation to accelerate towards Autonomous Networks](https://www.ericsson.com/en/press-releases/2026/3/ericsson-and-nokia-strengthen-cooperation-to-accelerate-towards-autonomous-networks) — Ericsson与Nokia MWC 2026联合发布rApp生态互操作
2. [AT&T deploys first third-party rApp on live production network](https://www.ericsson.com/en/press-releases/6/2025/att-deploys-first-third-party-rapp-on-live-production-network-via-ericsson-intelligent-automation-platform) — AT&T首次在现网部署第三方rApp
3. [广东移动全面升级故障管理架构 探索多智能体协同解决方案](https://m.163.com/dy/article/JMOLIP6A051288FS.html) — 广东移动多智能体故障管理MTTR降低20%+
4. [广东移动联合华为发布基于DeepSeek的SPN网故障运维智能体试点方案](https://www.c114.com.cn/news/126/a1287322.html) — 双引擎推理架构SPN网络方案
5. [浙江移动联合中兴通讯首次实现传输网故障处理Multi-Agent多层智能体现网应用](https://www.zte.com.cn/china/solutions_latest/optical_network_cn/2025/_multi-agent_.html) — 浙江移动Multi-Agent传输网方案
6. [中国移动联合华为AI+Network运维转型方案荣获GSMA GLOMO奖](https://www.sohu.com/a/993320836_121956964) — MWC26 GSMA GLOMO最佳AI使能网络解决方案奖
7. [Nokia Event-Driven Automation (EDA) Multi Vendor](https://techfieldday.com/2025/nokia-event-driven-automation-eda-multi-vendor-deliver-on-the-promise/) — Nokia EDA多厂商自动化平台
8. [Ericsson Service Continuity with 200+ AI Apps](https://www.thefastmode.com/technology-solutions/27717-ericsson-boosts-its-service-continuity-offering-with-more-than-200-ai-apps) — Ericsson 200+AI应用套件
9. [江苏移动与华为联合研发智能故障治理平台](https://www.c114.com.cn/news/126/a1286542.html) — 江苏移动大模型故障治理平台9个月稳定运行
10. [Nokia and Ericsson open rApp Ecosystems for Autonomous Networks](https://convergedigest.com/nokia-and-ericsson-open-rapp-ecosystems-for-autonomous-networks/) — rApp生态互操作技术分析
---
> 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。
