AI根因分析降伏5G网络故障：华为/中兴/爱立信/诺基亚四大实战对比

一、被"告警风暴"淹没的网络运维：根因定位为何是AIOps最难啃的骨头

5G网络的高密度站点、海量网元与切片化部署，让一线运维每天都在面对一个尴尬现实：告警看得见，根因摸不着。一个DU（分布式单元）小区退服，可能衍生出几十条关联告警——链路中断、光路劣化、时钟失锁、邻区切换失败、用户投诉飙升——传统工单系统把它们一股脑推给值班工程师，MTTR（平均故障恢复时间）往往被拉长到小时级。

更棘手的是无线侧的"疑难故障"：吞吐量在某个基站上莫名掉到 0.14Mbps，切到邻区又恢复到 346Mbps，传统KPI监控看不出任何硬件告警。这类软故障、间歇性故障、跨域关联故障，恰恰是机器规则和阈值告警的盲区，也是AIOps最值钱、最难做的能力——根因分析（Root Cause Analysis, RCA）。

RCA之所以难，业内共识有三道坎：

• 可解释性：运营商不敢让"黑盒模型"直接动网络，结论必须能讲清"为什么是它"；
• 领域知识：5G空口、传输、核心网的工程参数（基站位置、天线角度、发射功率、前传链路状态）高度专业，通用大模型一问就露怯；
• 因果推理：从海量时序指标里分辨"谁是因、谁是果"，而非简单的相关性。

2025年，这道坎被四大厂商用完全不同的打法翻越——华为押注"推理大模型+领域微调"，中兴走"商用闭环+手持终端落地"，爱立信和诺基亚则把RCA塞进自智网络平台和NWDAF标准化架构。本文拆解四个真实战例，用数据说话。

二、华为TeleLogs：让大模型像"老工程师"一样推理，根因准确率95.86%

2025年7月29日，华为技术巴黎研究中心的 Mohamed Sana、Nicola Piovesan、Antonio De Domenico 团队联合中国技术团队、阿联酋哈利法科技大学（Merouane Debbah），在arXiv发表了一篇分量很重的论文——《Reasoning Language Models for Root Cause Analysis in 5G Wireless Networks》（编号 arXiv:2507.21974）。

研究的核心结论让业界震动：现有开源推理大模型（reasoning LLM）在5G故障排查任务上普遍"水土不服"，必须做领域适配；而华为自研的双阶段训练方法，把一个小参数RCA模型调教到 95.86% 的诊断准确率，远超当时所有SOTA推理与非推理模型，并且能对随机化的测试变体保持强泛化能力。

第一个关键贡献是 TeleLogs 数据集。 这是业界首个专门面向5G网络故障诊断的综合性标注数据集，已在 HuggingFace 开源（netop/TeleLogs），包含三大部分：网络工程参数（基站位置、天线角度、发射功率等配置）、用户平面数据（下载速度、信号强度、信号质量）、以及结构化的故障排查案例。它模拟真实路测环境，人为设置故障，为RCA提供了"标准答案"。

第二个关键是双阶段训练方法论（two-stage training）。 论文摘要明确：第一阶段监督微调（SFT），把领域知识和多步诊断推理注入模型；第二阶段强化学习（RL），进一步打磨推理质量与准确率。微调后的RCA模型能输出结构化、多步骤的诊断解释，同时提升了可解释性和有效性——这正是运营商最看重的两点。

实战案例极具说服力。 在公开的推理演示中，用户连到编号919的基站时，下行吞吐量分别只剩 0.14Mbps 和 13.23Mbps，而切换到编号737的基站后立即恢复到 346.52Mbps 以上。传统监控全程无硬件告警。RCA模型结合工程参数和用户面数据，逐步推理定位出919基站侧的隐性根因（如特定参数配置异常或射频干扰），并给出可读的解释链——这就是"像老工程师一样看透根源"。

华为的野心不止于论文。这套推理能力正在向商用管控系统 iMaster NCE 的"一图一脑"演进：以"网络数字地图"为精准数字底座，叠加专业通信大模型，实现业务自动配置、流量实时调优、隐患提前发现、故障快速闭环。广东移动已在iMaster NCE网络数字地图基础上实践了业界首个网络大模型，把"研究突破"转化为"商用运维"。

三、中兴AAX+EFP：浙江移动嘉兴真金白银的商用闭环

如果说华为TeleLogs是"顶天"的算法突破，那中兴通讯在浙江移动的落地就是"立地"的工程实战，而且有硬核数字。

这是中国移动自智网络建设的首批示范项目——浙江移动联合中兴通讯开展的"点金行动"，2024年启动，2025年第一季度在嘉兴移动示范区完成功能规模验证与标准化落地。两个核心引擎：AAX（告警处理专家）和EFP（设备隐患检测）。

AAX是网络"智能医生"。 它针对 DU小区退服、RRU链路断 等5G关键告警，自动完成三件事：诊断故障根因、关联影响范围、输出处理建议。关键是它通过 OpenAPI接口 与故障中心联动，把诊断结论直接嵌入EOMS告警工单。这意味代维人员拿到工单时，根因和建议已经在上面了。

效果数据（嘉兴实测）：

• 代维人员处理单个工单的前后台沟通成本降低约50%；
• 支持AAX诊断的告警，平均处理时长缩短40分钟；
• MTTR（平均故障恢复时间）下降15%。

EFP是网络"体检师"。 它已交付光模块品质评估、前传链路监测等5大场景能力，把运维从"被动救火"转为"主动预防"。嘉兴实测中，EFP识别出 55个隐患样本，经代维人员现场核验，准确率超过95%。也就是说，在故障真正爆发前，系统就把"病根"标出来了。

更值得期待的是中兴的下一步：基于中兴星云大模型 + DeepSeek 技术打造"故障专家"功能，通过手持终端为一线人员提供智能问答、故障推理。这把RCA从"机房里的平台"推向了"基站塔下的手掌心"——一线装维工人在现场就能和大模型对话式排查。中兴的故障监控智能体也凭此入选中国信通院2025年"人工智能产业及赋能新型工业化大会"优秀案例。

四、爱立信与诺基亚：把RCA做成平台化、标准化的"水电煤"

海外两强走的是另一条路——不单卖RCA算法，而是把它融进自智网络平台和3GPP标准化架构里，做成可订阅的能力。

爱立信的三层组合拳。 底层是 Ericsson Expert Analytics，已扩展引入机器学习+AI故障排除功能，对电信网络数据实时分析，"快速识别根本原因"。中层是 EIAP（Ericsson Intelligent Automation Platform，智能自动化平台），包含服务管理与编排（SMO）及AI驱动的rApps开放生态——这套方案拿下2024年度C114"自智网络优秀解决方案"。顶层是2025年6月发布的 Telco Agentic AI Studio（电信代理式AI工作室），意图驱动，加速生成式AI应用开发。商用上，西班牙运营商 MasOrange 已部署EIAP，用AI驱动的rApps做RAN自动化优化与能效提升；同时爱立信的 传输网自动化控制器 可"即刻定位网络性能及容量问题"。

诺基亚押注AVA认知运营 + NWDAF标准化。 诺基亚 AVA 5G Cognitive Operations 是一套AI即服务（AIaaS）的认知运营框架，覆盖4G/5G/固定域；其 AVA NWDAF（网络数据分析功能）则是云原生、多厂商、无探针（probeless） 的方案，直接对接3GPP标准化的5GC数据分析接口，从核心网层面输出根因与切片级分析；配合 Spectral Performance Analysis（频谱性能分析）做无线侧深挖。诺基亚还推出 AVA Data Suite（在谷歌云上运行），把4G/5G/固定域的标准化、预关联数据产品包喂给数据科学家，加速AI模型落地。

五、四大厂商RCA能力横评

下表汇总四大厂商在5G无线网络根因分析上的差异化定位：

效果数据横向对比（可比口径）：

六、端到端RCA闭环：从数据到自愈的工作流

无论是华为的推理大模型，还是中兴的AAX，其底层都遵循一条"数据→推理→根因→闭环→（自愈）"的链路。下图刻画了这一通用闭环：

flowchart TD
    A[多源数据采集<br/>工程参数/用户面/KPI/告警/日志] --> B[数字底座与上下文构建<br/>网络数字地图/AVA Data Suite]
    B --> C[领域知识注入<br/>TeleLogs数据集/SFT]
    C --> D[推理大模型诊断<br/>双阶段训练 SFT+RL]
    D --> E[多代理协同与可解释框架<br/>根因+影响范围+证据链]
    E --> F{根因置信度判定}
    F -->|高置信| G[输出处理建议]
    F -->|低置信| H[转人工专家复核]
    G --> I[OpenAPI嵌入EOMS工单]
    I --> J[一线执行修复/参数调整]
    J --> K[闭环验证与模型再训练RL]
    K --> C
    H --> I

这条链路的精髓在于两个闭环：左下是"模型自进化"闭环（RL再训练），右下是"运维执行"闭环（工单→修复→验证）。中兴AAX的"MTTR-15%"正是右下闭环跑通的直接收益，而华为TeleLogs的95.86%准确率则来自左下的持续微调。

七、对比分析与落地启示

第一，路径分野明显，但殊途同归。 华为是"算法派"，用推理大模型+强化学习啃下可解释性和因果推理，再向商用平台渗透；中兴是"工程派"，先把根因诊断塞进真实工单闭环、再下沉到手持终端，速度最快、数据最实；爱立信是"平台派"，靠rApps生态和Agentic Studio把RCA变成可组合的能力；诺基亚是"标准派"，押注3GPP NWDAF让RCA天然内生于5G核心网架构。

第二，可解释性是商用门槛，不是加分项。 华为论文把"结构化多步诊断解释"列为核心贡献，中兴坚持把"处理建议"嵌入工单——原因一样：运营商绝不允许黑盒模型直接操作生产网。谁能把"为什么"讲清楚，谁才能上量。

第三，数据集是新护城河。 华为开源TeleLogs、诺基亚推AVA Data Suite，背后逻辑一致——RCA模型的壁垒不在算法（开源LLM人人可用），而在领域标注数据和工程参数特征工程。谁掌握了高质量、标注完整的5G故障语料，谁的模型就更强、更难复制。

第四，落地优先级建议： 对国内运营商，中兴AAX/EFP这类"嵌入现有EOMS工单系统、按告警场景切片交付"的方案见效最快（嘉兴数据可复现）；对有自研能力的省公司，可借鉴华为TeleLogs思路，用SFT+RL微调中小参数模型做区域级RCA；对海外/多厂商环境，爱立信rApps与诺基亚NWDAF的标准化对接更省心。

第五，诚实的边界。 必须指出：TeleLogs的95.86%是论文评测集上的成绩，商用网络长尾故障的泛化效果仍需规模验证；中兴的"隐患准确率>95%"是55个样本的小样本统计，大规模铺开后指标可能波动；EFP的5大场景目前聚焦光模块/前传，覆盖全量故障类型尚需迭代。RCA离真正的"无人值守自愈"还有距离，今天它最务实的价值是——把疑难故障的定位时间从小时压到分钟，把老专家的脑力沉淀成可复制的能力。

参考来源

1. Reasoning Language Models for Root Cause Analysis in 5G Wireless Networks (arXiv:2507.21974) — 华为巴黎研究中心等，2025-07-29，TeleLogs数据集+双阶段训练(SFT+RL)根因分析论文
2. 浙江移动携手中兴通讯落地无线故障场景一体化解决方案，打造5G运维新标杆（C114通信网） — AAX/EFP嘉兴示范区2025Q1落地，MTTR-15%、处理时长-40min、隐患准确率>95%
3. 华为突破5G网络故障诊断难题：让AI像老工程师一样"看透"网络问题根源（科技行者） — 双阶段训练小参数模型诊断准确率95.86%，919/737基站吞吐量案例
4. netop/TeleLogs 数据集 (Hugging Face) — 华为开源5G网络故障根因分析标注数据集
5. 爱立信加速释放AI潜能，全面赋能运营与业务支撑系统 — Telco Agentic AI Studio/EIAP/Expert Analytics及MasOrange部署

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。