从浙江移动L4级Multi-Agent现网部署到华为MWC 2026发布AUTINOps，传输网故障自愈正从"规则驱动"走向"智能体协同"新范式。
传输网是运营商的"大动脉"——OTN/SPN/PTN/IPRAN构成的分层网络承载着移动回传、专线接入、数据中心互联等关键业务。一张省级传输网通常管理数万端设备、数十万条电路，日均告警量可达数万条。
传统故障处理面临三大痛点：
Multi-Agent架构的核心理念是：让不同专业领域的AI智能体各司其职、协同工作，模拟专家团队协作解决复杂故障。2025-2026年，这一架构已从实验室走向现网部署。
graph TB
subgraph 传统模式
A1[告警触发] --> A2[人工筛选]
A2 --> A3[逐域排查]
A3 --> A4[工单派发]
A4 --> A5[现场处置]
A5 --> A6[业务恢复]
end
subgraph Multi-Agent模式
B1[告警触发] --> B2[告警智能体<br/>降噪压缩]
B2 --> B3[定位智能体<br/>根因分析]
B3 --> B4[OMC智能体<br/>单域诊断]
B4 --> B5[决策智能体<br/>方案生成]
B5 --> B6[执行智能体<br/>自动修复]
B6 --> B7[验证智能体<br/>恢复确认]
end
style A1 fill:#ff9999
style A6 fill:#ff9999
style B1 fill:#99ccff
style B7 fill:#99ff99
背景与挑战
浙江移动运营全省SPN/OTN传输网络，管理设备超5万端。传统故障处理流程中，一次光缆中断从告警到业务恢复平均耗时约120分钟，其中70%时间花在信息收集和跨域协调上。浙江移动作为中国移动集团"AI+"战略排头兵，早在2021年就通过了中国信通院AIOps能力成熟度评估，在故障预测和异常检测模块表现突出。
方案架构
浙江移动联合中兴通讯、直真科技，创新性构建了Multi-Agent多智能体协同框架，实现了传输网故障从"发现→定位→处置→验证"全流程自动化。该架构包含四个核心智能体层级：
| 智能体层级 | 角色 | 核心职责 | 关键技术 |
|---|---|---|---|
| 传输工作台智能体 | 总指挥 | 任务调度、故障定位诊断、业务分析、恢复验证 | 大模型推理、工作流编排 |
| 厂家OMC智能体 | 领域专家 | 单域故障诊断与修复、设备级操作 | 厂家API集成、规则引擎 |
| 数字孪生智能体 | 模拟验证 | 故障场景仿真、修复方案预验证 | 网络数字孪生、流量仿真 |
| ChatOps机器人 | 人机交互 | 自然语言交互、处置过程可视化 | NLP、对话式运维 |
部署效果
该项目于2025年成功实现现网部署，标志着通信网络在智能化运维方面取得开创性成果：
该项目同时荣获ICT中国（2025年度）案例一等奖，验证了Multi-Agent架构在传输网故障处理场景的实际商用价值。
技术亮点
该方案的核心创新在于引入了"大模型+小模型"混合推理机制：通信大模型负责语义理解和流程编排，小模型（特定于OTN/SPN的专用模型）负责精确的设备级诊断和操作。两者通过统一的Agent通信协议协同工作，既保证了大模型的泛化能力，又确保了小模型在专业领域的精确度。
背景与产品定位
2026年3月3日，华为在巴塞罗那MWC 2026期间正式发布AUTINOps解决方案——业界首个基于AI-Native体系框架的智能运维产品。与传统的"AI赋能运维"思路不同，AUTINOps从架构底层即以AI为核心设计，将网络运维从"工具辅助人"模式推进至"AI自主决策"新阶段。
华为AUTINOps框架包含三层架构：
┌─────────────────────────────────────────┐
│ AI-Native应用层 │
│ 故障自愈 | 智能巡检 | 容量预测 | SLA保障 │
├─────────────────────────────────────────┤
│ 智能体编排层 │
│ 多Agent调度 | 意图理解 | 知识检索 | 决策链 │
├─────────────────────────────────────────┤
│ AI基础能力层 │
│ 通信大模型 | 时序预测 | 知识图谱 | RAG引擎 │
└─────────────────────────────────────────┘
核心能力
AUTINOps的关键突破在于三个方面：
通信域大模型驱动：华为自研通信大模型，针对网络拓扑、协议信令、运维工单等通信特有数据进行预训练，在故障根因分析任务上准确率达到85%以上，远超通用大模型的60%左右水平。
意图驱动的故障自愈：运维人员以自然语言描述意图（如"保障XX区域5G业务SLA达到99.99%"），系统自动分解为监控→预测→诊断→修复→验证的完整闭环。
跨域协同自愈：突破单一网络域限制，实现传输、无线、核心网、IP承载网的多域联动故障处置。
商用部署进展
华为AUTINOps已在中国移动、泰国AIS、沙特stc等运营商启动试点部署。在中国移动的骨干网络场景中，华为AI赋能的IP广域网方案实现了：
该方案与华为此前发布的iMaster NCE平台深度整合，形成"AI感知→AI分析→AI决策→AI执行"的完整自愈闭环。中国移动与华为联合申报的《以AI服务网络，构建算力时代的可靠低碳骨干网络》案例获ICT中国2025一等奖，同时获得MWC 2026 GLOMO"最佳AI使能网络解决方案"奖。
背景与挑战
麦加朝觐是全球最大规模的人口密集聚集事件，2025年朝觐期间超过200万信徒聚集在有限区域内。stc（沙特电信）作为主要网络运营商，需要在极端流量高峰下维持网络稳定——朝觐期间网络流量可达日常的10倍以上，传统人工运维完全无法应对。
方案部署
stc部署了Nokia的MantaRay Autopilot——AI驱动的RAN自治网络平台。该平台的核心组件包括：
| 组件 | 功能 | 技术特点 |
|---|---|---|
| MantaRay Autopilot | RAN自主优化引擎 | 实时性能监控、自动参数调优 |
| AVA认知平台 | 数据分析与AI推理 | 云原生架构、大数据存储 |
| SON（自组织网络） | 网络自配置/自优化 | 自2021年已在stc商用 |
| 数字孪生 | 网络状态仿真 | 变更前预验证 |
实战效果
2025年朝觐期间的部署结果令人瞩目：
技术亮点
stc案例的特殊价值在于极限压力场景验证。200万人同时涌入有限区域，网络负载瞬态飙升10倍，传统的基于阈值的告警和规则引擎在这种场景下完全失效。Nokia MantaRay Autopilot通过： - 基于强化学习的动态参数调优 - 实时流量预测与预emptive资源分配 - 多小区协同功率控制
实现了在极端场景下的网络自稳，为全球大型活动保障提供了可复制的AI运维方案。
背景与产品定位
2025年9月，Ericsson宣布在其NetCloud管理平台中集成Agentic AI框架，成为首家将Agentic AI直接嵌入5G网络管理平台的厂商。NetCloud管理着Ericsson的私有5G和Wireless WAN解决方案，覆盖制造、矿业、港口等企业场景。
架构设计
Ericsson的Agentic AI架构与通用AIOps方案有本质区别：
graph LR
subgraph NetCloud Platform
A[意图输入层<br/>自然语言/策略意图]
B[Agentic AI引擎]
C[知识库<br/>网络拓扑/历史工单/最佳实践]
D[执行层<br/>配置变更/参数调优/故障修复]
end
A --> B
C --> B
B --> D
D -->|验证反馈| B
核心能力
商用进展
Ericsson NetCloud Agentic AI已在全球多个企业客户部署，包括： - 澳大利亚矿业公司的井下5G专网自愈 - 德国制造工厂的工业5G网络智能运维 - 美国港口的Wireless WAN自动优化
这些场景的共同特点是：现场缺乏专业通信运维人员，Agentic AI的自主决策能力有效解决了"无人值守"运维需求。
| 对比维度 | 浙江移动Multi-Agent | 华为AUTINOps | stc×Nokia MantaRay | Ericsson NetCloud |
|---|---|---|---|---|
| 核心架构 | Multi-Agent多层智能体 | AI-Native三层框架 | AI Autopilot+SON | Agentic AI引擎 |
| AI模型 | 通信大模型+专用小模型 | 华为通信域大模型 | Nokia AVA认知AI | Ericsson自研AI |
| 自愈范围 | 传输网全流程 | 全域（传输/无线/核心/IP） | RAN自治 | 私有5G全栈 |
| 人机模式 | ChatOps人机协同 | 意图驱动自主决策 | 全自动（极端场景） | 自然语言交互 |
| 自智等级 | L4（高度自治） | L3→L4演进中 | L3+（特定场景L4） | L3+（企业场景） |
| 数字孪生 | 有（故障仿真验证） | 有（方案预验证） | 有（变更前仿真） | 无（轻量级方案） |
| 效果指标 | 浙江移动Multi-Agent | 华为AUTINOps | stc×Nokia | Ericsson NetCloud |
|---|---|---|---|---|
| 故障恢复时间 | 120分钟→30分钟 | 分钟级→秒级（骨干网） | 中断减少60% | MTTR降低约40% |
| 自动化程度 | 诊中闭合率大幅提升 | 告警关联效率提升3倍 | 15,000次/小时自主调整 | 部署时间天→小时 |
| 节能效果 | — | 骨干网能耗降15%-20% | — | — |
| 适用场景 | 省级传输网运维 | 全域运营商网络 | 大型活动/密集场景 | 企业私有5G |
| 部署阶段 | 已现网商用 | 试点部署中 | 已商用（2025朝觐验证） | 已商用 |
| 奖项/认证 | ICT中国2025一等奖 | GLOMO 2026最佳AI奖 | 行业标杆案例 | 首家5G Agentic AI厂商 |
浙江移动案例最具行业价值的一点，是验证了Multi-Agent架构在现网复杂故障场景的可行性。传输网故障往往涉及光层、电层、业务层多个层面，需要不同专业领域的知识和技能协同。单一Agent无论多么强大，都难以覆盖所有专业领域。Multi-Agent架构通过"传输工作台智能体+厂家OMC智能体+数字孪生智能体"的分工协作，实现了类似"专家组会诊"的效果。
华为AUTINOps的发布标志着运维产品设计的范式转变。传统方案是"运维工具+AI插件"，AI只是辅助角色。AI-Native架构从底层即以AI为核心，运维流程围绕AI推理能力设计。这种架构的优势在于：当遇到未知故障类型时，系统能基于大模型的泛化推理能力生成新的处置策略，而不受预定义规则库的限制。
stc的案例展示了AI自主运维的极限场景验证——每小时15,000次自主调整完全不需要人工介入。这意味着在特定场景下，AI已达到"人监督回路"（Human-on-the-loop）而非"人在回路"（Human-in-the-loop）的水平。运维人员的角色从"操作者"转变为"监督者"和"策略制定者"。
Ericsson NetCloud Agentic AI代表了一个重要趋势：企业私有5G网络的"轻量级"自愈需求。与运营商公网不同，企业场景通常缺乏专业通信运维团队，需要AI平台具备更强的自主决策能力。Agentic AI通过自然语言交互降低了运维门槛，使非通信专业人员也能管理5G专网。
| 挑战领域 | 具体问题 | 影响程度 |
|---|---|---|
| 跨厂商互操作 | 不同设备厂商的OMC智能体通信协议不统一 | 高 |
| 安全管控 | AI自主执行网络变更的安全边界如何界定 | 高 |
| 数据质量 | 告警数据标准化程度不足，影响AI训练效果 | 中 |
| 模型可解释性 | 大模型推理过程的"黑盒"问题影响运维人员信任 | 中 |
| 投资回报周期 | Multi-Agent系统建设初期投入大，ROI回收周期1-2年 | 中 |
2025-2026年，AI传输网故障自愈正在经历从"概念验证"到"现网商用"的关键跨越。浙江移动的Multi-Agent现网部署证明了多层智能体架构在复杂传输网故障场景的技术可行性；华为AUTINOps的发布标志着运维产品正式进入AI-Native时代；stc在麦加朝觐的极限压力测试验证了AI自治网络在极端场景的实战价值；Ericsson NetCloud Agentic AI则为企业私有5G的自愈需求提供了轻量化解决方案。
四强案例共同指向一个趋势：传输网故障自愈的技术路线正在从"单一AI模型"向"Multi-Agent协同"演进，从"辅助决策"向"自主决策"演进，从"单域优化"向"跨域联动"演进。运营商应把握这一技术窗口期，结合自身网络特点和运维痛点，选择合适的切入路径。
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。