如果说核心网是5G的"大脑"，无线网是5G的"手脚"，那么SPN（Slicing Packet Network，切片分组网）承载网就是贯穿全身的"血管"。每一座5G基站回传、每一条政企高品质专线、每一次跨域算力调度，最终都要靠这张承载网把数据送到该去的地方。也正因如此，承载网一旦出问题，影响面是指数级的——一个汇聚层节点宕机，可能瞬间让成百上千个基站和上百条专线同时哑火。
但承载网偏偏是最难运维的一张网。它设备海量、链路交错、协议分层复杂，故障往往藏在光功率、误码、链路劣化这些"暗数据"里，等真正爆发成业务中断时，一线工程师要跨多个专业、翻多个网管、上站多次才能定位。本文复盘2024-2025年广东、浙江、海南、南通四地SPN承载网引入大模型实现故障自愈（自诊断+自处置）的真实落地，用厂商公开的数据拆解这套"AI自愈大脑"到底是怎么长出来的、效果几何。
先看一组足以让人窒息的数据。在华为联合河南移动公开的《SPN网络预测性运维体系创新方案》中，河南移动全省共有SPN设备1.5万台，每日告警量高达上百万条。一个省公司，每天100万条告警，就算每个运维工程师每天能精读100条，也需要上万人专职盯屏——这显然不可能。
这就是承载网运维的结构性矛盾：
中国移动集团把自智网络（Autonomous Networks）演进到L4的目标，本质上就是要解决"人盯不住、人跑不过来"的问题。而承载网，正是这块最难啃也最该先啃的骨头。下面四个案例，给出了两条截然不同但殊途同归的技术路线：华为的"大模型双引擎+故障智能体"路线，和中兴的"小模型精准识别+大模型编排诊断"路线。
这是目前公开资料中最完整、数据最硬的一个承载网AI自愈案例。2025年4月12日，广东移动与华为联合发布了基于DeepSeek大模型的SPN网络智能运维体NetMaster试点方案，并在517电信日升级为"SPN网络运维故障智能体方案"。
这套方案最有技术含量的一点，是它没有简单粗暴地把所有故障都丢给一个通用大模型，而是设计了"双引擎推理架构"：
这种"快慢结合"的思路，本质上是把算力花在刀刃上——80%的常见故障用轻量引擎秒级闭环，20%的疑难杂症才调用重型推理，既保了响应速度，又压住了推理成本。这也是为什么它能在万级设备规模上真正跑起来，而不是停留在PPT演示。
NetMaster背后是华为构筑的三大智能体体系——故障智能体、变更智能体、优化智能体，三者与iMaster NCE网络数字地图、智能网元深度融合。在SPN场景中，主角是故障智能体，它打通了从告警接入、根因定位到处置建议、甚至现场执行的闭环：
"减少二次上站"这个细节非常关键——它把AI的价值从"后台帮你看图"推进到了"前端帮你干活"，是真正的运维效率革命。
华为与广东移动公开的效果数据如下：
| 指标 | 效果 |
|---|---|
| SPN网络故障平均历时 | 降低10%以上 |
| 部署数字员工数量 | 120个 |
| 等效人力节省 | 每年约4万人工作量 |
| 现场处置 | 故障实时修复建议，减少二次上站 |
| 演进目标 | 自然语言接口替代传统API，支撑自智网络向L4演进 |
更重要的是，这套方案已明确将通过中国移动集团向全国推广。这意味着广东不是孤例，而是一个将被复制的样板。华为在2025年MPLS&SRv6 AI网络世界大会上打出"AI WAN：引领IP承载网全面迈进智能化时代"的旗号，NetMaster+三大智能体就是它的主力武器。
中兴走的是另一条同样务实的技术路线。在《基于大模型的SPN网络故障极简运维》（中兴董凯南与浙江移动王晓义、洪威联合发表）中，中兴把思路讲得很透：不是所有环节都要用大模型。
中兴的拆解逻辑是，故障处理链条上有不同环节，每个环节的痛点不同，对应的最优技术也不同：
这个"80%"非常醒目。它指的不是单条告警的识别速度，而是整个诊断流程——从一堆原始告警/性能数据到给出可执行的修复方案——的人工耗时被压缩到原来的五分之一。这背后是大模型把原本需要"多领域专家协作沟通、耗时费力"的人工协作，变成了Agent自动编排的流水线。
2025年8月13日，中兴通讯联合中国移动集团网络事业部和海南移动，把这一理念升级为"主动预防"智能运维，并率先在海南移动全网部署。它要破解的是承载网运维的三句咒语：
中兴的应对是一套风险智能预防体系，聚焦"线路故障防范、链路劣化预警"两大核心场景，把运维模式从"被动响应"切到"主动预防"。这与华为在河南移动的做法异曲同工。
值得单独拎出来的是华为联合河南移动提出的"网元AI+网络AI"双层智能架构，这是从架构层面回答"AI该放在哪一层"的问题：
华为率先定义了"一致性、可靠性、性能负载、容量"四大类网络隐患监测体系，相当于给整张承载网做全面"体检"：一致性查配置是否漂移，可靠性查链路/网元风险，性能负载查拥塞，容量查资源瓶颈。这套体系把"以故障为中心"的被动运维，转成了"以隐患为中心"的预防性运维——也就是"可视、可预防、自诊断"的全流程网络健康保障。
前面讲的都是网管/网络层的智能体，而承载网故障有相当大比例发生在最底层的物理光纤上。传统光纤故障定位要靠OTDR人工测试、逐段排查，慢且依赖经验。南通移动联合华为部署了基于AI预训练模型的SPN智能光模块，实现了对光纤故障的实时诊断与精准定位，秒级定位与精准定界。
"秒级定位+精准定界"意味着：一旦某段光纤出问题，系统能在秒级时间内告诉运维人员故障具体在哪一段、哪一跳，直接指导外线抢修。这对减少业务中断时长（MTTR）的贡献是直接的——光纤故障的定位时长从传统的分钟甚至小时级，压到秒级。
| 案例 | 厂商/方案 | 技术路线 | 核心效果数据 |
|---|---|---|---|
| 广东移动 | 华为NetMaster（DeepSeek） | 双引擎推理+故障智能体 | 故障平均历时降10%+，120数字员工，年省4万人工作量 |
| 浙江/中兴 | 中兴AI SPN | 小模型识别+大模型编排 | 一线派单降10%+，故障诊断效率提升80% |
| 海南移动 | 中兴主动式运维 | 风险智能预防体系 | 全网部署，破解"隐疾/劣化/灾害"三难 |
| 河南移动 | 华为双层AI架构 | 网元AI+网络AI | 1.5万设备、百万告警/日，四大隐患监测体系 |
| 南通移动 | 华为SPN智能光模块 | AI预训练模型 | 光纤故障秒级定位、精准定界 |
| 维度 | 华为（NetMaster+三大智能体） | 中兴（AI SPN极简运维） |
|---|---|---|
| 大模型选择 | 深度融合DeepSeek，双引擎推理 | 大模型+小模型分层，大模型主攻编排调度 |
| 故障识别 | 故障智能体统一归并推理 | 小模型算法精准识别，派单降10% |
| 诊断提效 | 自诊断→自处置→APP现场建议 | 大模型编排，诊断效率提80% |
| 预防能力 | 网元AI+网络AI双层，四大隐患监测 | 风险预防体系，线路防范+劣化预警 |
| 落地规模 | 广东（试点）→集团全国推广 | 海南全网部署、浙江联合实践 |
| 演进方向 | 自然语言接口替代API，冲L4 | 主动预防，被动→主动 |
两条路线没有绝对优劣：华为更强调"一个智能体平台统一收口"的端到端闭环和DeepSeek深度推理，中兴更强调"把每种技术用在最合适的环节"的精细化分层。对运营商而言，选择往往取决于现有网管资产、设备厂商占比和算力预算。
下图给出这套AI自愈大脑的典型架构与故障处理闭环，融合了华为双引擎与中兴分层思路的共性骨架：
flowchart TB
subgraph 数据接入层
A1[SPN网元告警<br/>光功率/误码/性能]
A2[光纤物理层<br/>智能光模块数据]
A3[配置/拓扑<br/>网络数字地图]
end
subgraph 网元AI设备侧
B1[实时隐患检测<br/>光模块劣化/微误码]
end
A1 --> C
A2 --> C
A3 --> C
B1 --> C
C[告警归并与事件化<br/>冗余过滤]
C --> D{故障分类路由}
D -->|高频标准化| E1[快引擎<br/>传统通信大模型<br/>秒级匹配]
D -->|复杂跨域疑难| E2[深引擎<br/>DeepSeek大模型<br/>深度推理链]
E1 --> F[根因定位<br/>具体网元/链路/原因]
E2 --> F
F --> G[处置建议生成<br/>APP推送一线]
G --> H{现场处置}
H -->|一次上站闭环| I[故障恢复]
H -->|效果反馈| J[知识沉淀<br/>持续训练优化]
J --> C
subgraph 网络AI全网侧
K[四大隐患监测<br/>一致性/可靠性/性能负载/容量]
end
K -.主动预防.-> C
这张图的关键在于两个闭环：内环是"告警→归并→双引擎推理→定位→处置→反馈→再训练"的故障自愈闭环，外环是"隐患监测→主动预防"的风险治理闭环。承载网AI自愈的真正价值，正在于把这两个闭环从人工驱动变成了智能体自动驱动。
数据很漂亮，但也要看到落地中的真实挑战：
大模型幻觉问题：在承载网这种"错一条建议就可能导致二次故障"的场景，DeepSeek这类通用大模型的推理结论必须经过通信领域知识校准。华为的双引擎、中兴的大小模型分层，本质上都是在用专业模型/规则给大模型"兜底"。广东试点而非直接全网铺开，也说明仍在验证可靠性。
数据质量是地基：AI再聪明，喂进去的告警如果本身是脏数据、缺字段、时序错乱，输出必然失真。河南百万级告警里有多少是有效信号，是整套系统能不能跑起来的前提。
自处置的边界：目前公开案例里，"自处置"更多是"自动给一线建议、减少上站"，真正无人工介入的自动修复（如自动改路由、自动调参数）还非常谨慎，主要停留在建议层面。承载网承载着政企专线，错改一条配置的代价极高，完全自主修复尚需时日。
厂商绑定与解耦：广东绑定华为NetMaster、海南绑定中兴，跨厂商组网下如何让AI自愈能力互通，是运营商长期要面对的问题。中国移动力推的自智网络标准，部分初衷就在于此。
从广东到浙江、从海南到南通，SPN承载网的AI故障自愈已经从概念走进了真实的生产网：故障历时两位数下降、诊断效率提升80%、无效派单减少10%、光纤定位进入秒级——这些都是看得见摸得着的运营效益。技术路线上，华为的"DeepSeek双引擎+三大智能体"和中兴的"大小模型分层+主动预防"给出了两种成熟范式，二者都把"快慢分治"和"专业模型兜底大模型"作为共识。
承载网这张最难运维的网，正在率先长出"自愈大脑"。当这套能力从广东、海南的试点扩展到全国、从SPN延伸到IPRAN/STN/UTN等全制式承载网，运营商运维的人力结构将随之重塑——120个数字员工替代4万人年工作量，这个数字本身，就是这场变革最直接的注脚。
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。