# 全球运营商AI编程平台五强实战拆解：从"文档生代码"到"AI原生开发"的全链路革命 运营商正在经历一场静默而深刻的变革——不是在网络层面，而是在软件研发层面。当AT&T用Ask AT&T平台让10万员工拥有AI编程能力，当NTT Data宣布到2026年用AI原生平台覆盖整个软件生命周期，当中国电信"星辰软件工厂"实现从产品文档直接生成可运行代码，运营商IT研发的范式正在被彻底改写。 这场变革的核心驱动力来自两方面：一是运营商自身庞大的IT系统（OSS/BSS、计费、CRM等）需要持续迭代，传统开发模式效率见顶；二是大模型在代码生成领域的成熟，使"AI辅助编程"从概念走向规模商用。NVIDIA 2026年电信AI调查报告显示，**89%的电信运营商正在增加AI投资**，其中IT研发效能提升位列前三优先级。 本文聚焦全球五大运营商AI编程平台，深入拆解其技术架构、部署模式和实测效果。 ## 一、AT&T Ask AT&T：Palantir加持的十万员工AI编程引擎 ### 1.1 项目背景 AT&T运营着美国最大规模的电信IT系统之一，涵盖网络管理、计费系统、客户服务平台等数万个应用。传统开发模式下，需求响应周期长、代码审查效率低、老旧系统维护成本高昂。2023年6月，AT&T联合Palantir Technologies推出内部生成式AI平台——**Ask AT&T**，目标是让所有10万名员工都能使用AI工具提升工作效率。 ### 1.2 技术架构 Ask AT&T并非简单的代码补全工具，而是一个集成了大语言模型、企业知识库和工作流引擎的综合性平台： ``` ┌─────────────────────────────────────────────────────────┐ │ Ask AT&T Platform │ │ ┌──────────┐ ┌──────────┐ ┌──────────────────────┐ │ │ │ 代码生成 │ │ 网络诊断 │ │ 文档处理 & 知识问答 │ │ │ └─────┬────┘ └─────┬────┘ └──────────┬───────────┘ │ │ │ │ │ │ │ ┌─────┴─────────────┴──────────────────┴───────────┐ │ │ │ Palantir AIP (AI Platform) │ │ │ │ ┌──────────┐ ┌──────────┐ ┌────────────────┐ │ │ │ │ │ LLM路由 │ │ 数据安全 │ │ 工作流编排引擎 │ │ │ │ │ └──────────┘ └──────────┘ └────────────────┘ │ │ │ └───────────────────────────────────────────────────┘ │ │ ┌───────────────────────────────────────────────────┐ │ │ │ AT&T 企业数据湖 (网络数据/代码库/运维知识库) │ │ │ └───────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────┘ ``` 关键设计特点： - **多LLM路由机制**：Palantir AIP根据任务类型（代码生成、日志分析、网络诊断）自动路由到最优模型 - **企业级数据隔离**：所有数据在AT&T内部网络处理，不外泄到公有云 - **Agentic工作流**：2025年升级为Ask AT&T Workflows，支持多步骤自主任务执行 ### 1.3 实测效果 AT&T公开披露的关键数据： | 指标 | 数据 | |------|------| | 覆盖员工数 | 100,000+ | | 软件开发时间缩短 | 10%-20% | | 代码修复效率提升 | 显著（具体数字未公开） | | 客服Agent响应改善 | 28%客户满意度提升 | | 内部工具构建 | 已支持员工自建AI Agent | 特别值得注意的是，AT&T在2025年推出了**AI Agent Builder**，让非技术岗位员工也能通过拖拽方式创建自己的AI工作流，进一步降低了AI编程的使用门槛。平台已从单纯的代码辅助工具，演进为一个企业级AI操作系统。 ## 二、NTT Data：AI原生平台覆盖全软件生命周期 ### 2.1 项目背景 NTT Data Group是全球最大的IT服务提供商之一（2024年营收超4万亿日元），承担着NTT集团内部以及大量企业客户的系统开发工作。2025年，NTT Data宣布一项雄心勃勃的计划：**到2026财年末，部署AI原生平台覆盖整个软件生命周期**——从需求分析到代码生成、测试、部署、运维，全程由AI驱动。 这一战略的核心驱动力是日本IT人才严重短缺。日本经济产业省预计，到2030年日本将面临约79万IT人才缺口。NTT Data希望通过AI将开发效率提升到前所未有的水平，以人才倍增的方式应对挑战。 ### 2.2 技术架构与演进路线 NTT Data的AI原生平台采用三阶段演进策略： ```mermaid graph LR A["Phase 1
2024-2025
AI辅助编码
代码生成+审查"] --> B["Phase 2
2025-2026
AI原生开发
全生命周期覆盖"] B --> C["Phase 3
2027-2030
AI自主开发
人工监督模式"] A -->|"500+项目"| A1["已落地验证"] B -->|"全社推广"| B1["目标: 70%效率提升"] C -->|"50%整体效率提升"| C1["2030年愿景"] style A fill:#e1f5fe style B fill:#b3e5fc style C fill:#81d4fa ``` **Phase 1（已落地）**：AI辅助编码阶段。在500多个项目中引入代码生成和智能审查工具。开发人员通过自然语言描述需求，AI生成代码框架和测试用例。 **Phase 2（2025-2026年进行中）**：AI原生开发平台。该平台将整合需求理解→架构设计→代码生成→自动测试→部署运维的全流程。根据日经亚洲报道，NTT Data计划在2026财年末实现全社范围内的AI原生开发模式推广。 **Phase 3（2027-2030年愿景）**：AI自主开发阶段。Electronics Weekly报道，NTT Data预计到2030年，这一方法将使**整体工作效率提升50%**。同时，NTT Data日经商务特别版报道，2027财年目标是**开发工程整体生产力提升70%**。 ### 2.3 核心技术差异化 NTT Data平台最大的差异化在于**端到端的垂直整合**： | 能力维度 | NTT Data AI平台 | 传统AI编程工具 | |----------|-----------------|---------------| | 需求理解 | 日语需求文档→结构化规格 | 需人工预处理 | | 代码生成 | 支持COBOL/Java等遗留系统语言 | 主要覆盖主流语言 | | 测试自动化 | 自动生成测试用例+执行 | 仅生成测试代码 | | 部署运维 | AI驱动的持续交付流水线 | 需外部CI/CD工具集成 | | 遗留系统现代化 | AI自动将COBOL转Java | 不支持或效果差 | 这一点对日本电信行业至关重要——NTT集团拥有大量上世纪90年代建设的COBOL核心系统，AI辅助的遗留系统现代化改造成为NTT Data的核心竞争力。日经亚洲报道，NTT Data的目标是让AI完成**几乎所有IT系统开发工作**。 ### 2.4 2026年新进展：NVIDIA AI工厂 2026年3月，NTT DATA进一步发布了基于NVIDIA的**企业级AI工厂（Enterprise AI Factories）**，为AI原生开发平台提供底层算力支撑。这些AI工厂部署在NTT全球数据中心，采用NVIDIA GPU集群，专门用于模型训练和推理，不仅服务内部开发，也面向企业客户输出AI开发能力。 ## 三、中国电信星辰软件工厂：文档驱动的编程范式革命 ### 3.1 项目背景 中国电信拥有国内运营商中规模最大的AI研发团队之一——**近800人的专职AI研发团队**，由中国电信CTO、人工智能研究院（TeleAI）院长李学龙教授领衔。2024年7月，在世界人工智能大会（WAIC 2024）上，中国电信发布了**星辰大模型·软件工厂**，号称"国内首款破局性AI开发工具"。 ### 3.2 核心创新：面向文档的开发范式 星辰软件工厂最大的创新在于提出了一种全新的软件开发范式——**面向文档开发（Document-Driven Development, DDD）**。传统流程中，产品经理写文档→开发人员读文档→手动编码，中间存在大量信息损失和沟通成本。星辰软件工厂直接将产品需求文档作为"输入"，由AI自动理解需求并生成可运行的代码。 工作流程如下： ```mermaid graph TD A["产品需求文档
PRD/原型图"] -->|"多模态理解"| B["需求解析引擎
自动提取功能点"] B --> C["架构设计
AI推荐技术方案"] C --> D["代码生成
前后端+数据库"] D --> E["自动测试
生成测试用例并执行"] E --> F{"质量评估"} F -->|"通过"| G["部署上线"] F -->|"未通过"| H["智能迭代修复"] H --> D style A fill:#fff3e0 style D fill:#e8f5e9 style G fill:#c8e6c9 ``` 关键能力： - **多模态输入**：支持文本PRD、原型图、UI设计稿等多种输入形式 - **全链路覆盖**：从需求分析→代码生成→自动测试→持续迭代，覆盖软件工程全流程 - **领域知识增强**：基于中国电信500TB+文本数据、12亿张图文数据、PB级视频数据训练，深度理解通信行业需求 ### 3.3 实测效果与行业影响 星辰软件工厂发布后，迅速在中国电信内部推广使用。从公开信息来看： | 维度 | 数据/描述 | |------|----------| | 数据积累 | 500TB+文本、12亿图文、PB级视频 | | 行业大模型 | 覆盖教育、政务、应急等20+个行业 | | 研发团队 | 近800人AI专职团队 | | 核心创新 | 首创"面向文档开发"范式 | | 适用场景 | BSS/OSS系统开发、政企应用、内部工具 | 对比传统开发模式，星辰软件工厂的核心价值在于**大幅压缩需求到代码的转化链条**。以往一个中等复杂度的BSS模块，从需求评审到代码提测可能需要2-4周；借助AI工具，这一周期可缩短至数天。 此外，中国电信已完成对20多个行业大模型的构建，这些行业模型为代码生成提供了丰富的领域知识上下文，使生成的代码更贴合通信行业特定需求（如话单处理、计费规则、网络配置等）。 ### 3.4 与传统方案的差异 星辰软件工厂的定位不是替代GitHub Copilot等通用编程助手，而是面向**企业级软件工程全流程**的垂直方案： | 对比维度 | 星辰软件工厂 | GitHub Copilot | 传统外包开发 | |----------|-------------|----------------|-------------| | 输入形式 | PRD/原型图/设计稿 | 代码上下文+注释 | 口头/书面需求 | | 输出范围 | 完整应用系统 | 代码片段/函数 | 完整应用系统 | | 通信领域知识 | 深度内嵌 | 无 | 依赖人员经验 | | 部署门槛 | 天翼云一键部署 | 需自行搭建CI/CD | 传统交付 | | 适用团队 | 产品经理+AI | 开发人员 | 开发团队 | ## 四、SoftBank LTM：电信领域专用大模型 ### 4.1 项目背景 2025年3月，SoftBank宣布开发完成**Large Telecom Model（LTM）**——全球首个专门面向电信领域的基础大模型。与通用大模型不同，LTM从训练数据到模型架构都针对电信场景深度优化。 ### 4.2 技术特色 LTM的训练数据覆盖SoftBank庞大的网络运营数据，包括： - 网络设计、管理和运营文档 - 基站配置数据与参数 - 故障诊断历史记录 - 客户服务交互数据 - 网络规划与优化报告 LTM在电信专属任务上的精度表现突出，据报道在部分网络运维任务中达到**超过90%的准确率**。虽然LTM的核心定位是网络运维而非通用编程，但其在以下开发相关场景中展现了独特价值： - **网络配置脚本生成**：根据网络拓扑自动生成设备配置脚本 - **API接口代码生成**：基于电信标准协议（如3GPP）自动生成接口代码 - **故障诊断脚本编写**：根据故障模式自动编写诊断和修复脚本 ### 4.3 全球电信AI联盟协同 SoftBank是**全球电信AI联盟（Global Telco AI Alliance）**的核心成员，该联盟还包括SK Telecom、Deutsche Telekom、e&和Singtel。联盟成员共享AI模型训练经验和电信领域数据，推动电信专用大模型的标准化。 ## 五、Deutsche Telekom + OpenAI：ChatGPT Enterprise全面赋能开发者 ### 5.1 项目背景 2025年12月，Deutsche Telekom与OpenAI宣布达成**多年战略合作伙伴关系**，这是欧洲电信运营商与AI巨头之间最大规模的合作之一。 ### 5.2 部署方案 Deutsche Telekom将在全集团部署**ChatGPT Enterprise**，覆盖以下开发相关场景： | 应用场景 | 具体方式 | |----------|---------| | 代码辅助开发 | 开发人员使用ChatGPT进行代码生成、审查和调试 | | 多语言AI体验 | 利用OpenAI多语言能力，支持德语/英语等混合开发环境 | | 内部工具构建 | 基于OpenAI API构建自定义AI开发工具 | | 员工技能提升 | 已完成18,000名员工的GenAI技能培训 | 这一合作计划于**2026年Q1启动试点**，随后全集团范围推广。Deutsche Telekom选择了"不重复造轮子"的策略——不自研大模型，而是直接与OpenAI深度合作，将最先进的通用AI能力嵌入自身的开发流程。 值得注意的是，Deutsche Telekom此前已积累了深厚的内部AI应用基础，包括在客服、网络运维等场景的大量AI部署经验。此次引入ChatGPT Enterprise，标志着其AI战略从"场景化AI"向"平台化AI"的升级。 ## 六、中国联通元景万悟：零代码智能体开发平台 ### 6.1 项目背景 2025年7月，在联通合作伙伴大会上，中国联通董事长陈忠岳正式开源了**元景万悟智能体开发平台**——央企首个开源的商用级智能体开发平台。 ### 6.2 技术架构 元景万悟采用Go语言开发，具备以下特点： - **轻量化部署**：针对元景大模型MaaS平台"体量大、部署复杂"的痛点，轻量版降低了使用门槛 - **多租户支持**：企业级多租户架构，适合运营商内部多部门并行开发 - **License友好**：商用级开源协议，降低合作伙伴集成成本 - **零代码开发**：支持通过可视化方式构建AI应用，无需编写代码 该平台已在GitHub开源（UnicomAI/wanwu），是运营商AI能力对外开放的重要里程碑。对于运营商内部IT研发而言，元景万悟提供了一个快速构建AI辅助工具的低代码平台——开发人员可以用自然语言描述需求，平台自动编排智能体完成开发任务。 ## 七、五强核心指标对比 | 维度 | AT&T Ask AT&T | NTT Data AI平台 | 中国电信星辰工厂 | SoftBank LTM | Deutsche Telekom | |------|---------------|-----------------|-----------------|-------------|-----------------| | 发布时间 | 2023.6 | 2025发布，2026全面部署 | 2024.7 | 2025.3 | 2026 Q1试点 | | 核心定位 | 企业级AI操作系统 | AI原生全生命周期 | 文档驱动开发 | 电信专用模型 | ChatGPT Enterprise | | 编程能力 | 通用代码生成+审查 | 全流程自动化 | PRD→可运行代码 | 网络脚本生成 | 通用代码辅助 | | 覆盖范围 | 10万+员工 | 500+项目→全社 | 内部+行业客户 | SoftBank内部 | 全集团 | | 效率提升 | 10%-20%开发时间 | 70%目标(2027) | 显著（具体未公开） | 部分任务90%精度 | 待验证 | | 合作模式 | Palantir联合开发 | 自研+NVIDIA算力 | 自研 | 自研 | OpenAI合作 | | 遗留系统 | 支持 | COBOL→Java特色 | 通信行业特色 | 网络配置特色 | 通用能力 | | 开源情况 | 不开源 | 不开源 | 部分能力开放 | 不开源 | 不适用 | ## 八、行业趋势与未来展望 从上述五大案例中，可以提炼出运营商AI编程平台发展的三大趋势： ### 趋势一：从"辅助编码"到"AI原生开发" AT&T在2023年推出Ask AT&T时，主要定位还是AI辅助工具。到2025年升级为Agentic AI平台后，已能自主执行多步骤编程任务。NTT Data更是明确提出"AI原生开发"概念——AI不再是开发流程的辅助角色，而是整个开发流程的核心驱动。这意味着未来的运营商IT系统，将从"人写代码AI帮忙"演进为"AI写代码人审核"。 ### 趋势二：电信领域知识的深度嵌入 通用大模型（如GPT-4）在编程方面很强，但缺乏电信领域知识。SoftBank的LTM和中国电信的星辰软件工厂都在做同一件事——**将电信领域知识深度嵌入AI模型**。这使得AI生成的代码不再是"看起来对的代码"，而是"在通信网络中能正确运行的代码"。 ### 趋势三：从内部工具到对外服务 中国联通元景万悟开源、中国电信星辰软件工厂通过天翼AI开放平台对外服务、NTT DATA推出企业AI工厂——三大运营商的AI编程平台都在从"内部效率工具"向"对外商业产品"转变。这将催生一个新的市场：**电信级AI软件开发服务**。 ### 关键挑战 尽管前景光明，运营商AI编程平台仍面临三大挑战： 1. **代码安全与合规**：电信系统涉及用户隐私数据和国家基础设施安全，AI生成的代码需要严格的审查流程。AT&T选择Palantir的一个关键原因就是其数据安全能力。 2. **遗留系统兼容性**：运营商核心系统往往运行了数十年，技术栈陈旧。NTT Data的COBOL→Java转换是一个很好的开始，但覆盖面仍有限。 3. **人才转型**：从"写代码的工程师"到"指挥AI写代码的工程师"，这一角色转变需要系统性的培训。Deutsche Telekom已完成18,000名员工的GenAI培训，AT&T则面向10万员工推广，但真正的深度使用仍需时间。 ## 九、结论 2026年，运营商AI编程平台已从概念验证进入规模商用阶段。AT&T的10万员工覆盖、NTT Data的70%效率目标、中国电信的文档驱动范式，分别代表了三种不同的技术路线。这三种路线并不矛盾——未来的终态将是**AI原生开发平台+电信领域知识+企业级安全合规**的融合。 对于通信行业从业者而言，需要认识到一个事实：AI编程不是要取代开发人员，而是要取代"不使用AI的开发人员"。在这场变革中，尽早拥抱AI编程工具的运营商和工程师，将获得显著的竞争优势。 --- > 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。 ## 参考来源 1. [NVIDIA State of AI in Telecom 2026 Survey Report](https://www.nvidia.com/en-us/lp/industries/telecommunications/state-of-ai-in-telecom-survey-report/) — NVIDIA 2026年电信AI状态调查，89%运营商增加AI投资 2. [How AT&T's AI tool is fast-tracking productivity for 100,000 employees](https://www.businessinsider.com/att-gen-ai-llm-tech-automate-software-code-customer-service-2024-11?op=1) — Business Insider报道AT&T Ask AT&T平台详情与效率数据 3. [Palantir Supercharges 'Ask AT&T' — GenAI Engine Helps 100,000 Employees](https://www.sahmcapital.com/news/content/palantir-supercharges-ask-att-genai-engine-helps-100000-employees-to-fix-code-cut-costs-and-rewrite-the-network-2025-07-17) — Palantir与AT&T合作详情，含Agentic AI能力 4. [NTT Data turns to generative AI to develop entire IT systems](https://asia.nikkei.com/business/technology/artificial-intelligence/ntt-data-turns-to-generative-ai-to-develop-entire-it-systems) — 日经亚洲报道NTT Data AI原生平台战略 5. [NTT adopts AI-native development](https://www.electronicsweekly.com/news/business/ntt-adopts-ai-native-development-2026-01/) — Electronics Weekly报道，2030年50%效率提升目标 6. [中国电信星辰软件工厂发布](http://www.sasac.gov.cn/n2588025/n2588124/c31147588/content.html) — 国资委官网报道，星辰软件工厂"国内首款破局性AI开发工具" 7. [SoftBank Corp. Develops a Foundational Large Telecom Model (LTM)](https://www.softbank.jp/en/corp/news/press/sbkk/2025/20250319_03/) — SoftBank官方新闻稿，LTM全球首个电信专用基础大模型 8. [OpenAI and Deutsche Telekom launch collaboration](https://www.telekom.com/en/media/media-information/archive/openai-and-telekom-collaborate-1100164) — 德国电信与OpenAI合作官方公告 9. [中国联通开源智能体开发平台——元景万悟](https://www.xinhuanet.com/tech/20250724/fdabe0540b63430b9ca712b0dd2489fb/c.html) — 新华网报道元景万悟开源详情 10. [How Deutsche Telekom Upskilled 18,000 Employees in Generative AI](https://www.botsandpeople.com/blog/deutsche-telekom-case-study) — Deutsche Telekom GenAI培训案例 > [!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。