5G-A时代，核心网信令交互复杂度呈指数级增长。单用户单日信令交互量已突破万条，一个中型省份的核心网每天产生的信令数据量高达数十TB。传统XDR（跨域数据记录）分析存在三大硬伤：信元丢失率超过30%、场景覆盖率仅约60%、复杂故障（时序冲突、协议兼容性）难以准确定位。
运维人员面对一条客户投诉，往往需要人工解析原始信令，平均耗时超8小时，且高度依赖专家经验。中国移动的统计数据更具冲击力——近5年管理对象持续增长，但运维人员数量长期持平，运维工作量与人员数量之间形成越来越大的"剪刀差"。每天要处理海量投诉和告警工单，传统依赖专家经验和多工具协同分析的方式，技能门槛高、效率低、SLA达标压力大。
这正是AI切入核心网故障根因定位的战场。2025-2026年，华为、中兴通讯、爱立信、诺基亚四大厂商纷纷推出基于大模型和智能体技术的核心网信令分析与故障诊断产品，并在运营商现网落地部署。
flowchart TD
A[用户投诉/告警触发] --> B{信令采集层}
B --> C1[5G NAS信令]
B --> C2[NGAP/SBI接口信令]
B --> C3[Diameter/GTP-C信令]
C1 --> D[AI信令解析引擎]
C2 --> D
C3 --> D
D --> E1[协议解码与结构化]
E1 --> E2[异常模式识别]
E2 --> E3[时序关联分析]
E3 --> F[大模型根因推理]
F --> G1[故障根因定位]
F --> G2[修复建议生成]
G1 --> H[智能体自动执行]
G2 --> H
H --> I[闭环验证与报告]
style D fill:#e1f5fe
style F fill:#fff3e0
style H fill:#e8f5e9
2025年7月，华为技术巴黎研究中心的Mohamed Sana、Nicola Piovesan、Antonio De Domenico团队联合华为中国技术团队和阿联酋哈利法科技大学，在arXiv发表了编号为arXiv:2507.21974v1的研究论文，并同步开源了TeleLogs数据集。
TeleLogs是专门为5G网络故障诊断开发的综合性训练数据集，包含三大核心组件：
| 组件 | 内容 | 作用 |
|---|---|---|
| 网络工程参数 | 基站位置、天线角度、发射功率等配置信息 | 提供网络拓扑上下文 |
| 用户平面数据 | 下载速度、信号强度、信号质量等指标 | 表征用户感知症状 |
| 故障案例库 | 标注根因的5G网络故障场景 | 训练模型推理能力 |
该系统采用双阶段训练方法：第一阶段让LLM学习5G网络基础知识与信令协议规范；第二阶段通过TeleLogs数据集进行故障诊断专项微调。实验结果令人震惊——经过训练的小参数模型诊断准确率达到95.86%，不仅远超传统的基于规则的诊断方法（约60-70%），甚至超过了未经领域训练的通用大参数模型（约80%）。
一个典型诊断案例展示了该系统的实战能力：用户网络吞吐量在连接编号919的基站时大幅下降（下行仅0.14Mbps、上行13.23Mbps），切换到编号737的基站后立即恢复至346.52Mbps以上。传统方法需要工程师逐一排查基站配置、干扰情况、邻区关系，耗时数小时；AI系统在秒级内完成分析，准确定位为919基站的下行干扰问题，并给出详细解释。
TeleLogs偏重学术研究，而华为真正的商用武器是ICNMaster解决方案。该方案基于通信大模型、数字孪生和Toolbank三项关键技术，构建覆盖核心网"规建维优营"全生命周期的自动化和智能化能力。
2025年4月，中国移动集团网络事业部、浙江移动与华为联合申报的"核心网运维智能体使能网络高阶自智"项目荣获中国通信标准化协会"2024年度SDN/NFV/网络AI最佳实践案例奖"。该项目在浙江移动现网部署ICNMaster，核心数据如下：
| 指标 | 传统方式 | ICNMaster部署后 | 提升幅度 |
|---|---|---|---|
| 投诉处理效率 | 人工分析，平均8小时/单 | 智能体辅助 | 提升66% |
| 告警处理效率 | 专家逐条分析 | AI自动分级关联 | 提升87% |
| 根因定位准确率 | 依赖专家经验 | 大模型推理 | >90% |
| 运维人力需求 | 持续增长 | 基本持平 | 剪刀差收窄 |
2025年11月，在泰国曼谷第十届5G核心网峰会上，华为云核心网产品线总裁高治国发布了业界首个AI核心网产品，提出"通话智能体""体验智能体""运维智能体"三大智能体架构。其中运维智能体正是ICNMaster的升级版，目标直指核心网L4级高阶自智。华为预测，到2030年网络中智能体数量将超过连接用户数，核心网将从"服务人"演进为"服务智能体"。
中兴通讯走了一条与华为不同的技术路线——不依赖通用LLM的微调，而是从协议层出发，构建结构化信令大模型。
传统信令分析的核心难点在于：原始信令是二进制或十六进制编码，需要逐层解码（物理层→传输层→协议层→应用层），且5G核心网涉及NAS、NGAP、SBI（HTTP/2）、PFCP、GTP-C等多种协议栈，每种协议的IE（Information Element）定义不同，时序关系错综复杂。
中兴的结构化信令大模型实现了三层突破：
2025年，中国移动通信集团网络事业部全程指导下，江苏移动与中兴通讯率先落地核心网投诉智能体关键能力。这是行业内首个基于多模态信令大模型与智能体技术的投诉处理商用部署。
部署效果显著：
不止核心网，中兴通讯在无线侧同样有突破。2025年6月，广东移动联合中兴通讯在广州发布基于Agentic AI的无线故障智能体方案，将中兴智能体与广东移动故障中心对接。
关键指标： - 故障平均分析时长减少47% - 排障提速效果显著 - 支持跨域故障关联（无线+传输+核心网联合分析）
爱立信在2025年推出了"Talk To Your Network"（TTYN），这是一个基于生成式AI的网络交互接口，让运维工程师可以用自然语言与网络"对话"，实现故障诊断、性能查询、配置修改等操作。
TTYN的核心理念是将传统的FCAPS（故障、配置、计费、性能、安全管理）范式转化为对话式交互。运维人员不再需要记住复杂的CLI命令或在不同管理界面间切换，只需用自然语言描述问题，TTYN即可自动调用底层API完成分析。
2025年3月，爱立信开始与运营商合作，将TTYN嵌入实际运维环境进行早期部署验证。
2025年6月，爱立信Cognitive Network Solutions部门与AWS宣布合作，推出Agentic rApp as a Service。这不是一个概念演示，而是一个运行在AWS基础设施上的商业服务。
技术架构： - 基于O-RAN的rApp框架，利用A1接口策略指导、O1接口网元管理、O2接口云化管理 - AI Agent自主完成网络参数优化、故障检测、根因分析、自愈动作执行 - 利用AWS Bedrock调用多模态AI模型进行复杂推理
该方案将网络优化从"人工调参"升级为"AI Agent自主决策"，目标是实现TM Forum定义的Autonomous Network Level 4+。
| 对比维度 | 传统rApp | Agentic rApp as a Service |
|---|---|---|
| 决策方式 | 预定义规则引擎 | AI Agent自主推理 |
| 故障响应 | 告警→人工分析→执行 | 感知→推理→自动执行 |
| 优化粒度 | 批量区域级 | 单小区/单用户级 |
| 部署周期 | 数月（定制开发） | 即开即用（SaaS模式） |
| 学习进化 | 静态规则 | 持续从网络数据学习 |
诺基亚的AI运维平台AVA（Autonomous Virtual Assistant）是专门面向电信网络设计的AI/ML平台。在故障根因分析领域，AVA集成了异常检测、关联分析、根因推理三大核心能力。
2025年8月，诺基亚技术专家Amit Shah在官方博客详细介绍了AVA在工业专网中的AI辅助根因分析实践。该方案的核心创新是结合Network Digital Twin（网络数字孪生）技术，先在数字孪生环境中模拟和验证故障假设，再在真实网络中执行修复动作。
诺基亚在2025年11月的Tech Field Day #NFD39活动中，由Clayton Wagar展示了AVA的实时根因分析演示，引起广泛关注。该方案已在与多个运营商的联合测试中验证，在复杂多域故障场景中的根因定位准确率超过85%。
| 能力维度 | 华为ICNMaster | 中兴结构化信令大模型 | 爱立信TTYN/rApp | 诺基亚AVA |
|---|---|---|---|---|
| 核心技术 | 通信大模型+数字孪生+Toolbank | 多模态信令大模型+智能体 | 生成式AI+Agentic rApp | ML+数字孪生 |
| 信令解析深度 | 原始信令→结构化→根因 | 协议级结构化解析（95%+还原率） | 依赖北向接口数据 | 异常数据报告分析 |
| 故障类型覆盖 | 核心网全栈（注册/PDU/切换/计费） | 核心网+无线跨域 | RAN优化为主 | 全域（RAN+Transport+Core） |
| 部署模式 | 私有化部署 | 私有化+混合云 | SaaS（AWS） | 云化/混合 |
| 交互方式 | 运维智能体自动工作流 | 智能体编排+人工辅助 | 自然语言对话（TTYN） | 仪表盘+自动告警 |
| 商用成熟度 | 已在浙江移动规模部署 | 江苏移动/广东移动落地 | 早期商用部署 | 联合测试验证阶段 |
| 性能指标 | 华为ICNMaster（浙江移动） | 中兴信令大模型（江苏移动） | 中兴无线智能体（广东移动） | 爱立信Agentic rApp | 诺基亚AVA |
|---|---|---|---|---|---|
| 投诉处理效率提升 | 66% | 80%（故障定位） | 47%（分析时长减少） | 数据待公布 | 数据待公布 |
| 告警处理效率提升 | 87% | — | — | — | — |
| 根因诊断准确率 | >90% | >85% | — | 95.86%（TeleLogs论文数据） | >85% |
| 信元还原率 | — | >95% | — | — | — |
| 部署时间线 | 2024-2025商用 | 2025年验证落地 | 2025年6月发布 | 2025年6月发布SaaS | 2025年联合测试 |
华为TeleLogs的研究揭示了一个反直觉的结论：经过领域数据训练的小参数模型（约7B参数），在5G故障诊断任务上超越了通用大参数模型（如GPT-4级别）。
这一发现验证了通信行业AI应用的一个核心规律：垂直领域的深度训练 > 通用大模型的广度覆盖。
| 挑战领域 | 具体问题 | 应对策略 |
|---|---|---|
| 数据质量 | 原始信令缺失、标注不一致 | 构建自动化数据清洗管道 |
| 安全合规 | 信令数据含用户隐私（IMSI/SUPI） | 联邦学习+数据脱敏 |
| 模型泛化 | 不同厂商设备信令差异 | 多厂商数据联合训练 |
| 人机协作 | 运维人员对AI结论的信任度 | 渐进式部署：建议→确认→自动执行 |
| 标准缺失 | 缺乏统一的信令AI评估标准 | TM Forum IG1227推进中 |
timeline
title 核心网信令AI演进路线
2024 : 中国移动+华为启动核心网运维智能体项目
: 投诉处理效率提升66%
2025Q1 : 华为MWC2025发布业界首个AI核心网
2025Q2 : 中兴在江苏移动落地投诉分析智能体
: 广东移动发布无线故障智能体
: 爱立信联合AWS推出Agentic rApp
2025Q3 : 华为发布TeleLogs数据集
: 诊断准确率达95.86%
2025Q4 : 华为发布AI核心网三大智能体架构
2026Q1 : 中国移动+华为获GSMA GLOMO奖
2026-2027 : 预计跨域联合诊断商用
: 自主修复能力落地
核心网信令分析与故障根因定位，是AI在通信行业最具技术含量、也是最先实现规模商用的AIOps场景之一。华为凭借ICNMaster和TeleLogs的双重布局，在诊断准确率和商用部署规模上领先；中兴通讯的结构化信令大模型从协议层突破，在信元还原率和投诉处理效率上表现突出；爱立信以TTYN和AWS SaaS模式降低了AI运维的采纳门槛；诺基亚的AVA+数字孪生方案在复杂多域故障场景中展现了独特价值。
对于运营商而言，选择哪种方案不是简单的"最好技术"之争，而是要看现网设备厂商构成、数据基础、运维成熟度三个维度。华为设备为主的网络优先考虑ICNMaster；多厂商混合网络可关注爱立信的SaaS化rApp；追求协议深度解析的场景中结构化信令大模型更具优势。核心网AI运维的竞赛刚刚开始，真正的胜负手在于谁能率先实现从"诊断"到"自愈"的闭环。
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。