# AI告警智能关联与自修复四强实战：从万条告警到一键闭环的运营商之路
> 当5G网络设备密度较4G增长10倍，一次光缆中断能在30秒内触发上千条告警洪流，传统NOC的"人海战术"彻底失效。本文拆解山东移动×中兴、中国联通×必示科技、Telefónica巴西Vivo、Ericsson×AWS四大真实部署案例，看AI如何将告警风暴压缩至个位数关键事件，并在分钟级完成自动修复闭环。
---
## 一、告警风暴：运营商NOC的"至暗时刻"
### 1.1 问题的规模
一张典型的省级5G网络，日常运行中每天产生的告警量在**3万-8万条**。当发生区域性故障（如光缆中断、电源故障、机房空调失效），告警数量可在**5-10分钟内激增至上千条**，形成所谓的"告警风暴"。
某省级移动公司NOC的统计数据揭示了问题的严重性：
| 指标 | 传统模式 | 痛点描述 |
|------|---------|---------|
| 日均告警量 | 3-8万条 | 其中85%为衍生告警/重复告警 |
| 单次故障平均告警数 | 200-1500条 | 绝大多数由同一根因触发 |
| 人工关联定位时间 | 15-60分钟 | 高级工程师依赖经验判断 |
| 误处理率 | 12%-18% | 告警关联不完整导致漏判/错判 |
| MTTR（平均修复时间） | 2-4小时 | 含告警筛选、定位、派单、修复 |
核心矛盾在于：**告警爆炸式增长与人工处理能力线性增长之间的剪刀差**。5G时代网络设备数量是4G的5-10倍，但NOC人员编制并未同步增长。AI介入不再是"锦上添花"，而是"不得不做"。
### 1.2 AI解决告警风暴的三个核心环节
```mermaid
flowchart LR
A[告警洪流
万级/天] --> B[智能降噪
AI告警收敛]
B --> C[根因关联
因果推理定位]
C --> D[自动修复
闭环自愈]
D --> E[效果验证
业务影响确认]
E -->|反馈学习| B
style A fill:#ff6b6b,color:#fff
style B fill:#ffd93d,color:#333
style C fill:#6bcb77,color:#fff
style D fill:#4d96ff,color:#fff
style E fill:#9b59b6,color:#fff
```
上图展示了AI告警治理的三阶段闭环：**降噪（Noise Reduction）→ 关联（Correlation）→ 自修复（Self-Healing）**。真正在运营商现网落地并产生效果的，必须同时覆盖这三个环节。以下四大案例正是沿着这条路径的不同实践。
---
## 二、案例一：山东移动 × 中兴通讯——多智能体协同告警关联与跨域故障自愈
### 2.1 部署背景
山东移动管理着超过**20万个5G基站**和**数万套传输/IP/核心网设备**。2024年，山东移动联合中兴通讯启动"星云计划"，基于中兴通讯**"星云通信大模型"**引擎，构建全球首个多智能体协同的网络故障监控处理体系。该方案在**2025年MWC巴塞罗那**荣获**GSMA Foundry网络效率及优化奖**，并在同年获中国信通院**AIIA优秀案例奖**。
### 2.2 技术架构
方案的核心是构建了一个**"Agent工厂"**，通过工厂化生产多个专用智能体，进行灵活编排和相互协同：
| 智能体 | 功能 | 关键技术 |
|--------|------|---------|
| **故障识别智能体** | 告警时序与空间多维异常检测 | 大小模型协同+时序聚类 |
| **告警关联智能体** | 跨专业告警聚合与根因推导 | 因果推理思维链（CoT） |
| **定界定位智能体** | 故障精准定位到具体网元/端口 | 知识图谱+大模型融合推理 |
| **处置建议智能体** | 生成修复方案并执行 | RAG+自动化脚本编排 |
| **验证反馈智能体** | 修复效果确认与学习 | 闭环反馈强化学习 |
**核心创新点**在于"大小模型协同"策略：
- **大模型**（星云通信大模型）：负责语义理解、因果推理、跨域知识关联
- **小模型**（专用检测模型）：负责实时异常检测、模式匹配、指标预测
两者通过**思维链（Chain-of-Thought）**机制协同工作。例如，当小模型检测到某区域基站信号质量异常时，大模型会基于故障知识库和因果推理，关联传输链路状态、核心网网元健康度、电源环境数据，推导出"光缆中断导致级联故障"的根因。
### 2.3 关键效果数据
| 指标 | 部署前 | 部署后 | 提升幅度 |
|------|--------|--------|---------|
| 跨域故障分析准确率 | ~65% | **91%+** | +26个百分点 |
| 故障识别时间 | 5-15分钟 | **<1分钟** | 压缩90%+ |
| 告警收敛比 | 1:1（原始） | **1:15**（15条合并为1条） | 噪声降低93% |
| 人工干预率 | 100% | **<20%** | 自动化率80%+ |
| MTTR | 2-4小时 | **15-30分钟** | 缩短75%-87% |
### 2.4 典型实战场景
**场景：传输光缆中断引发的多域级联故障**
某次施工导致济南-淄博方向主干光缆中断，瞬间触发：
- 传输层：**46条**链路告警
- 无线层：**312个**基站退服告警
- 核心网：**28条**AMF/SMF连接异常告警
- 客服层：**1500+**用户投诉涌入
传统模式下，NOC需要至少3名工程师花**20-30分钟**逐一排查确认根因。而在多智能体体系下：
1. **第1秒-第30秒**：故障识别智能体完成异常检测，标记"区域性大规模故障"
2. **第30秒-第60秒**：告警关联智能体完成386条告警的跨域关联，收敛为**1个根因事件**："济南-淄博DWDM第17波中断"
3. **第60秒-第90秒**：定界定位智能体精确定位到具体光纤段和ODF架位
4. **第90秒-第180秒**：处置建议智能体触发备用路由切换，业务恢复
5. **第180秒-第300秒**：验证反馈智能体确认业务恢复率**>98%**
全程从故障发生到业务恢复，耗时**<5分钟**，人工干预为零。
---
## 三、案例二：中国联通 × 必示科技——一体化故障管理AIOps平台
### 3.1 部署背景
中国联通智网创新中心从2022年开始布局AIOps，联合北京必示科技（Cloudwise生态企业），构建了覆盖**告警收敛、故障预测、根因定位、故障自愈**的一体化故障管理平台。该项目在2023年荣获**XOps"领新杯"智能运维领航标杆案例**，并于2023年12月通过中国信通院**AIOps通用能力成熟度L3级**认证。
### 3.2 技术架构与核心能力
中国联通的方案采用了**"三层智能"**架构：
```mermaid
flowchart TB
subgraph 感知层
A1[网络设备Telemetry]
A2[ syslog日志流]
A3[业务KPI监控]
end
subgraph 智能分析层
B1[告警收敛引擎
规则+ML双模式]
B2[故障预测引擎
时序异常检测]
B3[根因定位引擎
拓扑传播图算法]
B4[故障自愈引擎
自动化脚本库]
end
subgraph 执行层
C1[工单自动派发]
C2[配置自动修复]
C3[业务自动切换]
C4[全链路可视可管]
end
A1 --> B1
A2 --> B2
A3 --> B3
B1 --> B3
B2 --> B3
B3 --> B4
B4 --> C1
B4 --> C2
B4 --> C3
C1 --> C4
C2 --> C4
C3 --> C4
style 感知层 fill:#e8f4fd
style 智能分析层 fill:#fff3cd
style 执行层 fill:#d4edda
```
**告警收敛引擎**采用**规则+机器学习双模式**：
- **规则模式**：基于拓扑关系和告警传播规则，进行确定性关联（如同一条链路上的LOS/SD告警合并）
- **ML模式**：基于聚类算法（DBSCAN+层次聚类），对规则无法覆盖的告警进行概率性关联
**根因定位引擎**使用**拓扑传播图算法**：以网络拓扑为骨架，以告警传播路径为边，通过贝叶斯推理计算每个节点的"根因概率"，输出排序后的Top-N候选根因。
### 3.3 关键效果数据
| 指标 | 部署前 | 部署后 | 提升幅度 |
|------|--------|--------|---------|
| 日均告警处理量 | 人工逐条处理 | **智能收敛后减少85%** | 噪声大幅降低 |
| 根因定位时间 | 30-120分钟 | **3-8分钟** | 缩短90%+ |
| 故障预测准确率 | N/A（无预测能力） | **78%**（提前30分钟） | 新增能力 |
| 端到端可视覆盖率 | ~40% | **95%+** | 全面可管 |
| 重复工单率 | 25%-30% | **<5%** | 减少80%+ |
### 3.4 技术亮点：AIOps L3认证的意义
通过信通院AIOps L3级认证意味着该平台已达到**"条件自动化"**水平——系统在大多数场景下可以自主完成告警处理和故障诊断，仅在复杂/未知场景下才需要人工介入。这在三大运营商中属于**第一梯队**水平。
---
## 四、案例三：Telefónica巴西Vivo——5G核心网AI自愈
### 4.1 部署背景
Telefónica集团在2024年底启动了**Autonomous Network Journey**（自智网络之旅）计划，目标是到2030年全面达到TM Forum定义的**Level 4（高度自动化）**。截至2025年底，Telefónica已在西班牙、德国、巴西等市场累计部署了**12个Level 4用例**。
其中最引人注目的，是其在巴西子公司**Vivo**的5G核心网中部署的**AI自愈系统**——这是全球运营商在5G核心网中首个公开宣布达到L4自愈水平的案例。
### 4.2 技术方案
Vivo的5G核心网基于**云原生容器化架构**（5G Core on OpenStack/Kubernetes），AI自愈系统采用**容器级健康监控+AI决策引擎+自动化编排**的三层架构：
| 层次 | 组件 | 功能 |
|------|------|------|
| **监控层** | Prometheus+自定义Exporter | 实时采集AMF/SMF/UPF等网元的CPU、内存、会话数、错误率等200+指标 |
| **AI决策层** | 自研ML Pipeline | 异常检测（Isolation Forest）→ 根因分类（XGBoost）→ 修复策略推荐（强化学习） |
| **执行层** | Ansible+K8s Operator | 自动触发容器重启、负载迁移、流量重路由等修复动作 |
**核心创新**：采用**container-based self-healing**（基于容器的自愈），而非传统的VM级重启。这意味着当AI检测到某个NF（如SMF）出现性能退化时，可以在**不影响其他NF**的情况下，仅对异常容器进行定向修复，避免了整局点级别的服务中断。
### 4.3 关键效果数据
| 指标 | 效果 |
|------|------|
| **Flapping（网络状态抖动）影响** | 降低**70%** |
| **容量类故障** | 因人工配置错误减少而**大幅下降** |
| **核心网MTTR** | 从小时级压缩至**分钟级**（5-15分钟自动修复） |
| **人工干预率** | 核心网常见故障场景**<10%**需要人工介入 |
| **Level 4用例总数（全集团）** | **12个**（2025年底） |
### 4.4 Telefónica的12个L4用例全景
Telefónica在2025年Capital Markets Day上公布的12个Level 4用例涵盖了网络运营的多个维度：
| 领域 | 典型用例 | 部署市场 |
|------|---------|---------|
| 5G核心网自愈 | 容器级故障检测与自动恢复 | 巴西 |
| 容量自动化 | AI驱动容量预测与自动扩缩容 | 西班牙、德国 |
| AI辅助规划 | 基于数字孪生的网络规划优化 | 西班牙 |
| 数字孪生 | 全网实时数字映射与仿真 | 西班牙、德国 |
| 软件生命周期 | 自动化版本升级与回滚 | 西班牙 |
| RAN优化 | AI驱动的参数自优化 | 巴西、西班牙 |
---
## 五、案例四：Ericsson × AWS——Agentic rApp告警关联与自动修复平台
### 5.1 部署背景
2025年6月，Ericsson的**Cognitive Network Solutions**部门宣布与AWS达成战略合作，将Ericsson的**Agentic rApp（rApp as a Service）**部署在AWS云上。这是业界首个将**O-RAN架构下的rApp**以**云端SaaS模式**交付给运营商的方案。
到2025年底，该平台已在多个运营商网络中商用，包括西班牙**MasOrange**（欧洲最大运营商之一，由Masmovil和Orange Spain合并而成）。
### 5.2 技术架构
```mermaid
flowchart TB
subgraph AWS云端
subgraph Ericsson_rApp_Platform
A1[数据采集层
PM/FM/CM数据管道]
A2[AI推理引擎
Bedrock/SageMaker]
A3[Agentic编排器
多Agent协同]
A4[rApp市场
即插即用rApps]
end
end
subgraph 运营商网络侧
B1[RIC
RAN智能控制器]
B2[NMS/OSS
网管系统]
B3[5G RAN/Core
网络设备]
end
B3 -->|Telemetry| B2
B2 -->|FM/PM数据| A1
B1 -->|RAN控制接口| A4
A1 --> A2
A2 --> A3
A3 --> A4
A4 -->|策略下发| B1
A4 -->|修复指令| B2
style AWS云端 fill:#fff3cd
style 运营商网络侧 fill:#d4edda
```
**Agentic rApp**的核心创新在于"**Agent化**"：
传统rApp是静态的、规则驱动的应用程序。Ericsson的Agentic rApp引入了**大模型驱动的Agent**，具备：
- **自主感知**：实时从网络采集多维度数据
- **自主推理**：基于LLM进行因果推理和决策
- **自主行动**：通过RIC接口自动调整网络参数
- **自主学习**：根据反馈持续优化决策模型
### 5.3 MasOrange部署案例
西班牙MasOrange作为首批商用客户，部署了以下rApp套件：
| rApp | 功能 | 效果 |
|------|------|------|
| **Alarm Correlation rApp** | 基于ML的告警智能关联 | 告警噪声降低**60%+** |
| **Root Cause Analyzer rApp** | 根因自动定位 | MTTR缩短**50%** |
| **Self-Healing rApp** | 自动参数调优与故障修复 | 常见故障自动修复率**>70%** |
| **Performance Optimizer rApp** | 网络性能自动优化 | 用户吞吐量提升**15%** |
### 5.4 商业模式创新
Ericsson rApp as a Service的创新不仅在于技术，更在于**商业模式**：
- **SaaS化交付**：运营商无需自建AI基础设施，按需订阅rApp
- **弹性消费**：基于AWS的弹性计费，按网络规模和rApp使用量付费
- **快速迭代**：rApp可通过OTA方式持续更新，运营商始终使用最新版本
- **开放生态**：第三方开发者可在rApp市场上发布自己的rApp
---
## 六、四强方案对比分析
### 6.1 技术路线对比
| 维度 | 山东移动×中兴 | 中国联通×必示 | Telefónica Vivo | Ericsson×AWS |
|------|-------------|-------------|----------------|-------------|
| **AI架构** | 多智能体（Agent工厂） | 三层智能（规则+ML） | ML Pipeline+RL | Agentic rApp（LLM驱动） |
| **大模型** | 星云通信大模型 | 未公开（以ML为主） | 自研ML（非LLM） | AWS Bedrock LLM |
| **告警收敛比** | 1:15 | 噪声降低85% | N/A | 噪声降低60%+ |
| **根因定位** | 因果CoT推理（91%准确率） | 拓扑图+贝叶斯推理 | Isolation Forest+XGBoost | LLM因果推理 |
| **自愈范围** | 跨域（无线+传输+核心网） | IT+网络 | 5G核心网容器级 | 5G RAN参数级 |
| **部署模式** | 私有化部署 | 私有化部署 | 私有化部署 | **SaaS云端** |
| **认证/奖项** | GSMA Foundry奖+AIIA奖 | 信通院AIOps L3 | TM Forum Level 4 | O-RAN生态 |
| **成熟度** | 省级商用（2025） | 集团级部署 | 集团12个L4用例 | 多运营商商用 |
### 6.2 性能指标对比
| 性能指标 | 山东移动×中兴 | 中国联通×必示 | Telefónica Vivo | Ericsson×AWS |
|---------|-------------|-------------|----------------|-------------|
| 告警噪声降低 | 93% | 85% | N/A | 60%+ |
| 根因定位时间 | <1分钟 | 3-8分钟 | 分钟级 | 分钟级 |
| MTTR缩短 | 75%-87% | 显著缩短 | 小时→分钟 | 50% |
| 自动化率 | 80%+ | 条件自动化（L3） | 90%（核心网场景） | 70%（RAN场景） |
| 故障预测能力 | 有（大小模型协同） | 有（78%准确率） | 有（提前预警） | 有（异常检测） |
### 6.3 适用场景分析
| 运营商类型 | 推荐方案 | 理由 |
|-----------|---------|------|
| **大型运营商（省级以上）** | 山东移动×中兴模式 | 多智能体架构弹性好，适合多域复杂网络 |
| **有AIOps基础的运营商** | 中国联通×必示模式 | 渐进式升级，规则+ML双引擎平滑过渡 |
| **跨国运营商集团** | Telefónica模式 | 从核心网切入，逐步扩展到其他域 |
| **中小型运营商/新进入者** | Ericsson×AWS SaaS模式 | 零基础设施投入，按需订阅，快速上线 |
---
## 七、实施路径建议
### 7.1 分阶段演进路线
基于四强案例的实践经验，建议运营商按以下阶段推进AI告警关联与自修复：
```mermaid
flowchart TD
subgraph Phase1[第一阶段：基础降噪
3-6个月]
P1A[告警标准化]
P1B[规则引擎收敛]
P1C[基础ML聚类]
end
subgraph Phase2[第二阶段：智能关联
6-12个月]
P2A[拓扑感知关联]
P2B[因果推理引擎]
P2C[根因自动定位]
end
subgraph Phase3[第三阶段：自动修复
12-24个月]
P3A[修复策略推荐]
P3B[自动化脚本编排]
P3C[闭环反馈学习]
end
subgraph Phase4[第四阶段：多智能体
24个月+]
P4A[Agent工厂]
P4B[跨域协同编排]
P4C[自学习进化]
end
Phase1 --> Phase2 --> Phase3 --> Phase4
style Phase1 fill:#ffcdd2
style Phase2 fill:#fff9c4
style Phase3 fill:#c8e6c9
style Phase4 fill:#bbdefb
```
### 7.2 关键成功因素
基于四强案例的共性经验，总结出以下关键成功因素：
1. **数据质量是生命线**：山东移动案例中，超过40%的项目时间花在数据清洗和标准化上。告警字段的统一编码、拓扑数据的实时同步、指标采集的完整性，直接决定AI模型的上限。
2. **从规则到ML的渐进式路线**：中国联通的"规则+ML双模式"证明，完全抛弃规则引擎并不可取。在网络拓扑明确、告警传播路径可预测的场景下，规则引擎的准确率和可解释性优于ML。
3. **闭环反馈机制不可少**：Telefónica和山东移动都强调了"修复→验证→学习"闭环的重要性。没有反馈学习，AI系统只能做到"辅助决策"，无法达到"自主进化"。
4. **组织变革先行于技术变革**：四强案例中，NOC团队的职能都发生了根本转变——从"告警接线员"变成"AI系统训练师"。人员技能转型和组织架构调整是项目成败的关键变量。
---
## 八、未来趋势：从"告警关联"到"意图驱动"
2026年，AI告警关联与自修复正在经历从"被动响应"到"主动意图驱动"的范式迁移。三个关键趋势值得关注：
**趋势一：LLM驱动的自然语言故障诊断**
Ericsson在2025年推出的"**Talk To Your Network（TTYN）**"概念，允许工程师用自然语言与网络交互——"济南地区的5G用户体验为什么在下降？"——系统自动关联告警、性能指标和拓扑数据，生成诊断报告。这标志着从"看告警"到"问网络"的交互模式变革。
**趋势二：数字孪生+AI的双闭环**
Telefónica在西班牙部署的**AI数字孪生**系统，可以在虚拟网络中先仿真修复策略的效果，验证无误后再下发到物理网络。这种"先仿真后执行"的模式，大幅降低了自动修复的风险。
**趋势三：多Agent联邦学习**
山东移动×中兴的多智能体架构正在向"联邦学习"方向演进——不同省份的故障智能体可以共享学到的故障模式，而不需要共享原始数据。这意味着一个省份发现的新型故障模式，可以在全国范围内秒级生效。
---
## 九、结论
AI告警智能关联与自修复已从"实验阶段"进入"规模化商用阶段"。四大案例揭示了明确的路径：
- **山东移动×中兴**证明了多智能体架构在跨域复杂故障场景下的有效性（91%准确率，<1分钟定位）
- **中国联通×必示**验证了渐进式AIOps升级路线的可行性（L3认证，85%噪声降低）
- **Telefónica Vivo**展示了全球运营商在5G核心网自愈上的领先实践（L4级，70% flapping降低）
- **Ericsson×AWS**开创了AIOps SaaS化的全新商业模式（rApp as a Service）
对于正在规划AI告警治理的运营商，核心建议是：**不要追求一步到位的"全自动化"，而是从告警降噪这个ROI最高的环节切入，用6-12个月建立基础能力，再逐步升级到智能关联和自动修复**。
---
## 参考来源
1. [山东移动携手中兴通讯：多智能体协同，使能网络综合故障监控处理](https://www.zte.com.cn/china/about/magazine/zte-technologies/2025/6/4/13.html) — 中兴技术杂志2025年6月刊，详细描述了多智能体架构和效果数据
2. [中国联通智网创新中心引入AI，实现网络告警关联](https://www.cww.net.cn/article?id=591257) — 通信世界网报道，中国联通一体化故障管理AIOps能力
3. [Telefónica加速自智网络转型，达到12个Level 4用例](https://www.telefonica.com/en/communication-room/press-room/telefonica-accelerates-transformation-autonomous-networks-reaches-12-level-4-cases/) — Telefónica官方新闻稿，2025年Capital Markets Day发布
4. [Telefónica巴西Vivo 5G核心网自愈实践](https://www.telefonica.com/en/communication-room/blog/self-healing-in-the-core-5g-brazil/) — Telefónica官方博客，详细描述巴西5G核心网自愈方案
5. [Ericsson认知网络解决方案与AWS合作推进Agentic AI自智网络](https://www.ericsson.com/en/news/2025/6/ericssons-cognitive-network-solutions-and-aws-collaborate-to-propel-autonomous-networks-with-agentic-ai) — Ericsson官方新闻，rApp as a Service发布
6. [中国移动与中兴通讯多智能体协同获GSMA Foundry奖](https://news.qq.com/rain/a/20250305A06CA000) — 腾讯新闻报道MWC25巴塞罗那颁奖典礼
---
> 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。
