# 大模型攻入运营商营收稽核：铁塔场租与计费异常的智能体实战
运营商的钱，一进一出都过两本账：一本是给客户开票收钱的"营收账"，另一本是付给铁塔公司、设备商、IDC的"成本账"。这两本账背后，藏着通信行业最不性感、却最烧钱的岗位——稽核。每年上百亿的铁塔租赁费、动辄千万级的计费异常，过去全靠人工一张张核对报账单和话单。2025年开始，三大运营商的大模型产品（中国移动九天、中国电信星辰、中国联通元景）正集体攻入这块BSS财务深水区，把"算账"这件事从人工劳动改写成智能体作业。本文拆解其中两个最硬核的实战方向：铁塔场租报账单智能稽核，以及计费/账单异常检测。
## 一、案例背景：为什么"稽核"成了大模型最先啃下的BSS骨头
### 1. 成本侧：铁塔租赁费是天价，且常年"算不清"
铁塔租赁费是运营商最大的OPEX之一。以中国电信为例，公开公告显示，其2024年度与中国铁塔的关联交易金额上限为210亿元，其中资产租赁费及租赁负债利息费用上限设定为160亿元（前11个月实际发生119.43亿元），使用权资产增加金额上限50亿元；到2025年，这一关联交易上限进一步提高至215亿元。中国移动、中国联通的体量同样以百亿计。
这笔钱的稽核难度极高。一张铁塔报账单里，时间、地点、站点编号、共享折扣、产品目录改配、超期租赁、一塔多收等逻辑交织。安徽移动在内部巡察中就曾发现"个别分公司存在铁塔服务费结算不够准确"的问题，全省仅需要管理的铁塔站点就高达4.3万座，并需要为这些站点安装断电传感器、打通费用域/资源域/生产域"三域"接口来核对。靠人工逐单核对，效率低、覆盖不全、滞后性强——等发现超期或重复计费时，钱已经付出去了。
### 2. 营收侧：账单异常=直接漏收
在营收侧，账单管理"涉及企业收入结算与用户信任维护"。计费话单、批价记录、优惠叠加、套餐变更、集团客户复杂折扣……任何一环的规则错配或系统缺陷，都会直接变成漏收或错收。传统做法是写一堆固定规则做对账，但规则引擎只能命中"已知的已知"，对新型异常几乎无能为力，而且海量话单下响应迟缓。
这两本账的共同痛点是：**数据高度结构化、规则高度复杂、异常高度隐蔽、时效要求高**——恰恰是大模型，尤其是带"结构化数据"能力的大模型最擅长的战场。
## 二、方案详情：九天结构化大模型+智能体的两路打法
### 1. 技术底座：为什么是"结构化数据模态"
中国移动2024年10月发布的"九天·善智"多模态基座大模型，包含文本、语音、视觉、**结构化数据**四模态，并同步推出30款自研行业大模型。这个"结构化数据模态"在央企大模型里相当稀缺，而报账单、计费话单、账单明细恰恰都是典型的结构化表格数据。九天大模型已形成90亿、139亿、570亿、1000亿等多参数版本，可灵活部署于"云边端"不同场景，且是首个通过国家网信办大模型服务和算法双备案的央企大模型，入选"2024年度央企十大国之重器"。2025年WAIC上发布的九天3.0，性能较此前提升约35%。
这套底座让BSS财务稽核从"查关键字"升级为"读懂数据逻辑链"。
### 2. 成本侧实战：铁塔报账单智能稽核算法
在铁塔服务费管控场景，业界已落地"铁塔报账单智能稽核算法"。其工作方式不是简单的字段匹配，而是**解析报账单中的时间、地点、金额逻辑链**，让模型理解一条报账记录背后的业务事实：
- **时间逻辑**：核对计费周期与合同周期是否一致，识别超期租赁、跨期重复计费；
- **地点/站点逻辑**：核对站点编号与资源域台账是否对应，识别"幽灵站点"、一塔多收；
- **金额逻辑**：核对单价、共享折扣、产品目录改配后的应收金额，识别多收、错算。
据公开案例，该算法能在短短**3秒内识别出重复计费、超期租赁等异常合同**，整体**稽核效率提升约92%**，数据从"被动记录"变为"主动预警"。这意味着从"事后抽审"转向"事前/事中全量稽核"。
### 3. 营收侧实战：账单异常检测智能体（Agent）
在计费/账单异常检测方向，达观数据的AI Agent智能体平台是代表性方案。它深度处理运营商的账单数据、业务工单、用户信息等多源数据，通过智能体自主完成"取数—比对—推理—预警"的闭环，把传统规则引擎无法覆盖的复合型异常（如多优惠叠加冲突、套餐边界错配）也能揪出来。其核心效果是：**账单异常检测的响应速度提高约60倍**，并能应对海量话单下的处理压力。
下面这张架构图还原了"成本稽核+营收保障"双轮的智能体工作流：
```mermaid
flowchart TD
subgraph 数据源
A1[铁塔报账单 PDF/Excel]
A2[计费话单/账单]
A3[资源域台账/合同]
A4[业务工单/用户信息]
end
subgraph 大模型底座
B[九天善智多模态基座
含结构化数据模态]
C[行业稽核大模型/微调]
end
subgraph 智能体执行环 Agent
D1[结构化解析] --> D2[逻辑链比对
时间/地点/金额]
D2 --> D3[异常推理
重复计费·超期·漏收]
D3 --> D4[置信度评分]
end
D4 -->|高分| E1[自动核减结算/挽回收入]
D4 -->|中低分| E2[转人工复核工单]
E2 --> F[结果回流训练]
F --> C
A1 --> D1
A2 --> D1
A3 --> D2
A4 --> D3
B --> C --> D1
```
整个闭环的关键在于：**异常识别不再是"命中规则就报警"，而是模型基于业务逻辑链给出可解释的判断**，并按置信度分流——高置信度直接驱动结算核减或挽回收入，低置信度转人工复核，复核结果再回流微调，形成越用越准的飞轮。
## 三、效果数据：把"算账"量化
| 稽核维度 | 传统人工稽核 | 规则引擎 | 大模型智能稽核 |
|---|---|---|---|
| 单单处理速度 | 分钟级 | 秒级 | **秒级（异常3秒识别）** |
| 异常类型覆盖 | 依赖经验，覆盖不全 | 仅命中预设规则 | 逻辑链推理，覆盖新型异常 |
| 可解释性 | 强（人写的） | 弱（命中规则） | **较强（输出推理依据）** |
| 维护成本 | 人力随单量线性增长 | 规则需持续手写 | 微调/回流，边际成本递减 |
| 覆盖率 | 抽审 | 全量但漏报多 | **全量稽核** |
| 误报控制 | 中 | 受规则冲突影响大 | 置信度分流，可调 |
把两个真实场景的关键指标单列出来：
| BSS财务场景 | 关键效果 | 业务意义 |
|---|---|---|
| 铁塔场租报账单稽核 | 稽核效率**提升约92%**，异常合同**3秒**识别 | 百亿级场租从抽审到全量稽核，超期/重复计费可核减 |
| 账单异常检测（营收保障） | 检测响应速度**提升约60倍** | 海量话单下实时拦截漏收/错收 |
| 资源域对账（安徽移动参考） | 4.3万站点三域接口打通+断电传感器 | 为AI稽核提供可信数据底座 |
需要说明的是，"92%""3秒"出自铁塔场租智能稽核算法的公开案例，"60倍"出自账单异常检测智能体的厂商实践——它们是BSS财务智能化两类典型代表，而非同一套系统的统一指标。但其指向一致：**稽核从"事后人海战术"变成"事中全量自动"**。
## 四、对比分析：为什么大模型赢了规则引擎，三大运营商又差在哪
**第一层对比：大模型 vs 传统规则引擎。** 规则引擎的本质是"枚举异常模式"，问题是铁塔产品目录改配、集团客户叠加折扣这类场景的组合空间近乎无限，规则永远写不完，且规则之间会冲突。大模型的优势在于理解语义和业务逻辑链，能处理"没见过的异常"，并用结构化数据模态直接"读"报账单，省掉大量人工预处理。
**第二层对比：三大运营商大模型在BSS财务域的定位差异。**
| 运营商大模型 | 与BSS财务稽核相关的能力特点 | 落地侧重 |
|---|---|---|
| 中国移动 九天（善智多模态） | 唯一明确含**结构化数据模态**，30款行业大模型，4档参数云边端部署 | 结构化账单/报账单解析能力强，天然适配稽核 |
| 中国电信 星辰 | 多个行业模型，强政务/客服落地，2025WAIC发布智能云服务体系 | 营收保障、对账类场景，借力云化部署 |
| 中国联通 元景 | 30余自研模型+100余主流模型，MaaS平台"选-改-用"，40余智能体 | 强调平台化、智能体编排，适合多稽核场景并行 |
共性是三家都把"行业大模型+智能体"作为BSS突破口；差异在于九天靠"结构化模态"在表格类稽核上更有原生优势，元景靠MaaS平台和多智能体编排适合复杂对账，星辰则在云化营收场景上推进。
**第三层对比：与外部厂商方案的分工。** 像达观数据这类厂商的Agent平台，往往与运营商自有大模型形成"底座+应用"的配合——运营商大模型提供合规、可信、国产化的推理底座（双备案是关键门槛），厂商Agent提供取数、编排、工单对接的工程化能力。这种"自有底座+生态应用"的组合，正是央企AI落地的典型姿势。
## 五、几点冷静的提醒
第一，**数据底座比模型更重要**。安徽移动之所以能做铁塔稽核，前提是打通了费用域、资源域、生产域"三域"接口，并为4.3万站点装了断电传感器。没有可信的结构化数据，再强的大模型也是无米之炊。
第二，**稽核是"高容错率"场景的错觉要打破**。涉及结算核减和挽回收入，错报会引发与铁塔公司或客户的服务争议，因此"置信度分流+人工复核+结果回流"是不可省的护栏，模型不能直接拍板核钱。
第三，**别把"92%效率提升"等同于"92%的成本下降"**。稽核效率提升主要省的是人力工时和滞后损失，真正能核减多少场租、挽回多少收入，取决于异常存量，模型是把"能找出来的都找出来"，而非凭空创造。
## 六、结语
当外界还在讨论运营商大模型"做客服、写文案、答投诉"时，真正的硬仗已经打到了BSS财务域——这里是真金白银进出的地方。铁塔场租报账单智能稽核（效率提升92%、3秒识别异常）和账单异常检测（响应提升60倍）这两个实战证明：以九天善智"结构化数据模态"为代表的运营商大模型，配合智能体工程化，完全有能力啃下"算账"这块最硬的BSS骨头。下一阶段，比拼的将不再是"谁的大模型跑分高"，而是"谁的稽核飞轮转得快、数据底座打得牢"。
## 参考来源
1. [数据智能革命：大模型重构通信成本管控的认知体系（搜狐）](https://www.sohu.com/a/925305165_121672245) — 铁塔报账单智能稽核算法、3秒识别异常、稽核效率提升92%等核心数据来源
2. [电信运营商智能体：AI实现账单异常检测，检测响应速度提高60倍（达观数据/搜狐）](https://www.sohu.com/a/907369129_383123) — 账单异常检测Agent、响应速度提升60倍等营收保障实践
3. [215亿！提高明年铁塔关联交易上限！电信此举有深意（网易）](https://www.163.com/dy/article/JJNVAA400511N341.html) — 中国电信与中国铁塔210亿/215亿关联交易及租赁费上限数据
4. [安徽移动落实巡察整改要求提升铁塔服务费管理质效（搜狐）](https://www.sohu.com/a/588281460_121172274) — 4.3万铁塔站点、三域接口打通、断电传感器等数据底座
5. [中国移动发布九天善智多模态基座大模型及30款自研行业大模型（新华网）](https://www.xinhuanet.com/info/20241012/2378e93a497744d58ce44640f60b0a2a/c.html) — 九天善智四模态（含结构化数据）、多参数版本等技术底座
---
> 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。
