Agentic AI驱动5G切片智能编排四强实战

网络切片是5G最具标志性的能力之一——它将一张物理网络分割为多个隔离的虚拟网络，每个切片按需定制带宽、时延、安全等参数，服务于不同行业和场景。然而，传统切片编排依赖人工预设规则，面对瞬息万变的流量模式、突发事件和天气影响，静态配置力不从心。2025-2026年，Agentic AI（智能体AI）的引入正在彻底改变这一局面：AI Agent不再只是辅助工具，而是具备了自主感知、推理决策和策略执行的闭环能力，真正实现了"意图驱动"的切片自编排。

本文聚焦四个已进入商用或规模试点阶段的真实案例——Nokia+AWS、中兴AIR RAN、Ericsson+Orange、亚信科技，深入拆解其技术架构、部署效果和差异化竞争力。

一、为什么5G切片编排需要Agentic AI？

5G网络切片的编排难点集中在三个维度：

跨域协同复杂：一个端到端切片横跨无线网（RAN）、传输网、核心网三大专业域，涉及数十个网元接口。传统方式要求运维人员为每种场景手动编写配置脚本，跨域拉通往往耗时数天。

流量突发不可预测：大型赛事、演唱会、突发事件带来的局部流量激增，可能在几分钟内将基站PRB利用率推高至80%以上。基于阈值的规则引擎响应滞后，无法做到毫秒级适配。

SLA保障精度不够：企业客户对切片SLA（如保障上行50Mbps/时延<10ms）的要求日益严格，但传统编排缺乏对用户真实体验的感知能力，经常出现"KPI达标但用户投诉"的尴尬。

Agentic AI的核心价值在于：它能够持续监控网络KPI和外部环境数据，基于大语言模型（LLM）进行推理，自主生成最优切片配置并通过编排平台自动下发——整个闭环无需人工干预。

flowchart TB
    subgraph 感知层["感知层"]
        A1["基站实时KPI<br/>吞吐/时延/PRB利用率"]
        A2["外部环境数据<br/>天气/事件/交通/位置"]
        A3["历史性能数据<br/>S3存储的历史RAN参数"]
    end

    subgraph 决策层["Agentic AI决策层"]
        B1["External-Events-Agent<br/>外部事件感知智能体"]
        B2["Slicing-Policy-Agent<br/>切片策略决策智能体"]
        B3["LLM推理引擎<br/>Claude/Mistral等大模型"]
        B4["知识库检索<br/>Bedrock Knowledge Base"]
    end

    subgraph 执行层["执行层"]
        C1["意图输入<br/>客户SLA需求"]
        C2["SMO编排器<br/>MantaRay/NCO"]
        C3["基站策略下发<br/>AirScale/AAU"]
    end

    A1 --> B2
    A2 --> B1
    A3 --> B4
    B1 -->|"上下文JSON"| B2
    B4 -->|"历史参数"| B2
    C1 -->|"意图值"| B2
    B2 --> B3
    B3 -->|"最优RAN参数"| C2
    C2 --> C3

二、案例一：Nokia+AWS——全球首个Agentic AI切片商用演示

2.1 项目背景

2026年2月MWC巴塞罗那期间，Nokia与AWS联合展示了业界首个基于Agentic AI的意图驱动5G-Advanced网络切片方案。阿联酋du和法国Orange成为首批试点运营商，在现网环境中验证了该技术的可行性。

2.2 技术架构深度拆解

该方案采用三层架构设计：

基础设施层：Nokia AirScale基站持续采集吞吐量、时延、资源利用率等实时性能计数器，并执行切片策略。MantaRay SMO（服务管理与编排器）负责汇聚多基站性能数据，执行AI rApp推荐的配置变更。

AI服务层：基于Amazon Bedrock构建，使用Claude LLM进行智能参数估计和推理。Bedrock Knowledge Base存储和检索S3中的历史RAN参数，支持上下文感知推荐。Bedrock AgentCore驱动两个专用Agent。

Agentic AI组件：Agentic AI mashApp查询开放互联网数据源（天气API、事件数据库、交通信息），将外部上下文格式化为JSON。两个专用Agent分工协作：

• external-events-agent：持续采集天气、赛事、交通、突发事件等外部数据，维护当前环境感知
• slicing-policy-agent：融合意图参数、历史性能数据和外部上下文，计算最优RAN配置

两个Agent通过标准化的A2A（Agent-to-Agent）协议通信，实现跨Agent协作。

2.3 工作流程（五步闭环）

Step 1 数据采集：基站持续采集比特率、时延、资源利用率等计数器，MantaRay SMO汇聚后历史数据流入S3。

Step 2 意图捕获：终端用户通过APP（个人用户）或运营商门户（企业用户）表达带宽和时延需求，例如"下行150Mbps"，系统捕获为结构化数据。

Step 3 外部上下文丰富：mashApp查询天气、赛事、交通等数据，格式化为JSON（如{"lat":60.19, "temp":-1.44, "humidity":97}）。

Step 4 智能参数估计：slicing-policy-agent融合三路数据——意图值、历史RAN参数（来自Knowledge Base）、外部上下文（来自external-events-agent），调用Claude LLM估计最优无线参数。

Step 5 自主部署：新参数通过REST API插入MantaRay SMO配置计划，SMO推送至目标基站，切片策略自动生效。

2.4 关键技术差异化

三、案例二：中兴AIR RAN——泰国大型音乐节极限验证

3.1 项目背景

2025年12月6-7日，中兴与泰国AIS合作，在Big Mountain Music Festival #15（BMMF#15）完成了AIR RAN的商用部署。这是泰国最大的户外音乐节，数万名观众聚集在有限区域，网络负载远超日常水平——下行PRB利用率持续超过80%，上行PRB利用率超过60%。

3.2 技术方案

AIR RAN的核心创新是在现有BBU中嵌入智能计算板卡，无需替换遗留基础设施即可升级网络智能。方案包含三大能力模块：

AI用户体验感知：实时识别关键应用（短视频、即时消息等）的质量需求，基于业务特征进行精准分类。

智能资源调度：毫秒级网络资源分配，构建"感知-调度-评估"闭环系统，持续优化关键业务体验。

差异化体验保障：为高价值用户提供稳定的优质性能，即使在极端负载下也能保障核心应用体验。

3.3 实测效果数据

特别值得注意的是，这些提升是在PRB利用率仍然超过80%的极端拥塞条件下实现的——AIR RAN并非通过降低负载来改善体验，而是通过智能调度在有限资源中最大化关键业务质量。

3.4 商业价值

BMMF#15的成功不只是一次性演示，它建立了一套可复制的范式。相同的技术组合（AI感知+实时调度+体验评估）可直接应用于大型体育赛事、展览、城市热点等高密度场景。对AIS而言，该项目支撑了长期网络演进——AI可以集成到现有基础设施中解锁新价值，无需破坏性升级。

四、案例三：Ericsson+Orange——欧洲最大规模切片编排商用

4.1 项目背景

2025年6月18日，Orange集团宣布选择Ericsson在欧洲范围内自动化5G网络切片，覆盖其多个欧洲市场的企业服务。此前，Orange Belgium与Ericsson已于2024年11月完成了业界首个5G切片自动化项目的验证。

4.2 方案架构

Ericsson部署的是其Service Orchestration and Assurance（SOA）平台，这是一个全面的跨域、跨服务编排与保障系统：

跨域编排能力：横跨RAN、传输、核心网三大域的端到端切片生命周期管理，从设计、创建、激活到监控、扩展、终止全流程自动化。

SLA实时保障：基于网络遥测数据实时监控切片性能，当KPI偏离SLA目标时自动触发纠正措施。

多厂家兼容：Orange的现网包含多厂家设备，Ericsson SOA通过标准化接口实现跨厂家编排，这是其胜出的关键因素之一。

4.3 Ericsson的AI演进路线

Ericsson的AI能力并非一蹴而就。其演进路线清晰：

• 2024年Q4：发布首个企业5G Agentic AI Agent——故障排查Agent
• 2025年6月：SOA平台商用部署于Orange欧洲网络
• 2026年2月：与Mistral AI达成战略合作，联合研发面向电信网络的定制化AI Agent，目标直指6G时代的网络自智

Ericsson与Mistral AI的合作聚焦于将Mistral的模型定制能力与Ericsson的网络研发积累结合，开发专用于电信网络运维的AI Agent。与Nokia选择AWS+Claude路线不同，Ericsson选择了欧洲本土AI公司Mistral，这一选择既符合欧洲数据主权要求，也体现了差异化的AI供应链策略。

4.4 商用部署规模

五、案例四：亚信科技——国内首个5G切片管理平台试商用

5.1 项目背景

亚信科技的AISWare5G-SlicingMgmt是国内最早进入试商用阶段的5G切片运营管理平台。该平台已与国内某电信运营商合作，在其集团级完成了端到端切片管理系统的部署，实现了与华为、中兴、爱立信等5个设备厂家的对接。

5.2 AI赋能的三大环节

切片编排决策：依托亚信通信人工智能平台，根据历史流量模式、业务特征和资源状态，AI辅助生成最优切片编排策略。

运维分析：基于切片相关网元和用户的信令、业务、KPI数据，AI算法自动识别异常并定位根因，减轻运维负担。

服务保障：实时跟踪垂直行业客户的真实体验，做到"先于投诉解决问题"。系统能够在用户感知到问题之前主动发现并修复。

5.3 差异化能力

亚信科技已于2024年正式加入NVIDIA牵头的AI-RAN联盟，是国内首家加入该联盟的5G专网与网络智能化产品提供商，这为其AI Native的切片编排能力提供了产业生态支撑。

六、四强方案横向对比

6.1 技术架构对比

6.2 商用成熟度与效果对比

七、趋势判断与选型建议

7.1 三大趋势

从规则驱动到意图驱动：Nokia+AWS的方案最具前瞻性——用户只需表达"我需要150Mbps下行"，AI自动完成从意图理解到参数生成的全过程。这代表了切片编排的终极形态。

从云端到边缘的AI下沉：中兴AIR RAN选择在BBU内嵌入智能板卡，将AI推理推到网络最边缘，实现毫秒级响应。这种"AI即网络部件"的理念适合对时延极度敏感的场景。

从单一厂家到开放生态：亚信科技和Ericsson都在强调多厂家兼容能力。运营商的现网是多厂家的，切片编排平台必须具备跨域、跨厂家的适配能力。

7.2 选型建议

八、结语

5G网络切片从"能切"到"能智切"，Agentic AI是关键使能技术。2025-2026年的这四个案例证明：AI驱动的切片编排已经不再是实验室概念，而是正在全球运营商网络中落地的商用能力。Nokia的Agentic AI双Agent架构、中兴的边缘嵌入式智能、Ericsson的全域自动化平台、亚信的AI赋能多厂家编排——四条技术路线各有侧重，但共同指向一个未来：运营商只需告诉网络"我想要什么"，网络自己知道"该怎么做"。

参考来源

1. Nokia and AWS showcase industry-first agentic AI-powered network slicing with du and Orange — Nokia官方新闻稿，MWC 2026发布
2. Intent-Based Nokia Network Slicing Powered by Amazon Bedrock — AWS技术博客，详细技术架构说明
3. ZTE AI Drives a Breakthrough in 5G Experience Monetization at Large-Scale Events — ZTE AIR RAN在泰国BMMF#15音乐节商用部署报道
4. Orange Group selects Ericsson for 5G network slicing orchestration in Europe — Ericsson官方新闻稿，Orange欧洲切片编排项目
5. AISWare5G-SlicingMgmt 5G切片运营管理平台 — 亚信科技产品页面，AI赋能切片编排
6. Du and Orange first onboard for Nokia-AWS agentic AI slicing demo — du和Orange首批试点详细报道

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。