中国家庭宽带（家宽）市场早已是一片红海。到 2025 年底，全国千兆宽带用户突破 2 亿户，FTTR（光纤到房间）用户高速增长，运营商一边拼命卖"双千兆"，一边却被同一根网线反噬——装机、报修、催单、重复投诉的运维大山越堆越高。一个省会公司的家宽装维队伍动辄数千人，每人每天跑十几个工单，而真正卡脖子的不是腿脚，是"判断":用户一句"网慢"，到底是光猫老化、Wi-Fi 干扰、OLT 端口错位，还是上层内容源卡顿？
这正是传统家宽运维长期走不出的"三低一高"——被动运维效率低、主动运维能力低、专业数据分析低效（三低），技术门槛高（一高）。一线装维师傅靠经验猜、客服靠话术挡、综调靠人工查，一个用户感知问题从"卡顿"到"定位到光猫某端口"常常要 48 小时、横跨三个专业。
2025 年，北京移动交出了一份不一样的答卷：以 SA（业务感知）智能板卡为"端侧感知神经"，以大模型底座为"大脑"，联合华为 ADO 智能分析平台，构建了业界首个由 SA 智能板卡深度赋能的家宽智能体——"京智AI+"。它把家宽运维从"经验主导、被动响应"硬生生扭转成"数据驱动、主动预见、智能闭环"，并在综调中心、装维团队和分公司一线全量铺开。本文拆解京智AI+的技术骨架、四大场景闭环、实测数据，并与山东移动"齐智"智能助理做横向对比，看清楚运营商大模型在"最后一公里"到底是怎么落地的。
家宽运维的特殊性在于"链路长、端点多、感知主观"。一条家宽业务从内容源（爱奇艺、抖音的服务器）→ 骨干网 → 城域网 → OLT → 分光器 → ONU（光猫）→ 家庭内网（路由器/Wi-Fi）→ 终端（手机/电视盒），任何一个环节抖一下，用户体验就"卡"。而用户反馈给运营商的，往往只有一句模糊的"网不好"。
传统定位手段有三个致命短板：
中国移动集团把"AI+网络"融合创新定为战略，并将家宽业务场景智能体 2.0 的重点试点放在北京移动。北京移动的解题思路很明确：先补"端侧感知"的课，再用大模型把感知数据翻译成决策。这两件事缺一不可——没有端侧感知，大模型是无源之水；没有大模型，端侧数据是沉睡的金矿。
京智AI+最硬的底座不是大模型，而是SA 智能板卡。北京移动先于业界、规模部署 SA 智能板卡，并率先实现全量用户覆盖。这块卡部署在用户侧/接入侧设备上，相当于给每一条家宽链路装上了"业务级探针"，能输出精细化的原子能力：
这些原子能力，就是大模型的"眼睛和耳朵"。没有它，大模型只能靠 OLT 性能报表这种粗粒度数据"盲猜"。
在感知之上，京智AI+采用云边协同算力架构，深度融合大模型底座与 SA 智能板卡平台，形成"大小模型协同"的训练推理机制。这里有几个关键技术细节值得注意：
这套机制让京智AI+既能干"类人级的逻辑判断"（这是大模型的强项），又能控制住推理成本（这是规模化落地的前提）。
京智AI+围绕四个场景形成闭环，每个场景都对应一次范式跃迁：
| 场景 | 范式跃迁 | 核心技术 | 关键产出 |
|---|---|---|---|
| 感知量化评估 | 黑盒 → 感知 | SA 板卡 + 运筹优化 AI 模型 + CEI 指标 | 小时级精细化量化"卡、断" |
| 隐患主动侦测 | 被动 → 预见 | XGBoost / Boxplot / 内容劣化模型 | 家-网-云三位一体隐患识别 |
| 类人逻辑判断 | 人工 → 智能 | React 引擎 + COT 清洗 + 小模型代理 | 端到端自主任务编排 |
| 全景可视管理 | 分散 → 协同 | AI 驱动 CEI + 大中小屏协同 | 感知先发现、处理后验证 |
其中感知量化评估是地基：首创引入 SA 智能板卡，从"业务流畅性 + 稳定性"双维度，用运筹优化的 AI 模型训练出 CEI（Customer Experience Index，客户体验指数），自适应融合网页/视频/游戏等多业务体验指标与投诉信息，动态调权重，做到家宽用户"上网卡、断"的小时级精细化量化评估。这把原本只存在于投诉工单里的主观感受，变成了可计算、可定界、可追踪的数字。
flowchart TB
subgraph 端侧["端侧 · 感知神经"]
SA["SA智能板卡<br/>全量用户覆盖"]
SA --> A1["业务感知"]
SA --> A2["体验感知"]
SA --> A3["协议识别"]
SA --> A4["质差分析"]
end
subgraph 边云["边/云 · 算力与大脑"]
LLM["大模型底座 + 华为ADO平台"]
REACT["React智能决策引擎"]
COT["自研COT语料清洗"]
SMALL["小模型决策代理<br/>动态权重优化"]
LLM --- REACT
REACT --- COT
REACT --- SMALL
end
A1 & A2 & A3 & A4 -->|原子能力喂给大模型| LLM
subgraph 闭环["四大场景闭环"]
S1["感知量化评估<br/>CEI 小时级量化"]
S2["隐患主动侦测<br/>家-网-云三位一体"]
S3["类人逻辑判断<br/>AI预检预修自愈"]
S4["全景可视管理<br/>大中小屏协同"]
end
REACT --> S1 & S2 & S3 & S4
S1 -->|网络环| FB["处理后验证"]
S3 -->|感知环| FB
FB -->|双环闭环| SA
这张图的核心是双环闭环：CEI 评估打通了"网络环"（网络指标修复）与"感知环"（用户体验验证），让"感知先发现、投诉先判断、处理后验证"成为可能，而不是传统"投诉—派单—上门"的单向链条。
京智AI+落地的第一个杀手级场景是AI 预检预修智能体——业界首个把基础运维平台与 SA 智能敏捷运维平台深度整合、打破"数据孤岛"、实现"类人级"逻辑判断的家宽智能体。
它的能力栈包括：远程诊断、智能查询、自动修复、智能质检。流程上，当用户报障或系统主动发现质差，智能体会：
这就是为什么综调中心能做到"一问定界"——原来要查十几张表、打三四个电话才能定位的问题，现在一句话给出结论。
第三个值得单独说的高价值场景是数据智能服务——问数智能体。家宽一线最大的痛点之一是"想看个数据得求着数据部门跑 SQL"。京智AI+构建了业界首个基于大小模型协同的"问数"智能体：
这意味着一个普通装维班长，用大白话问"上个月朝阳区FTTR用户的平均下行速率分布"，几秒钟就能拿到图表，而过去这要提需求、排期、等一周。
京智AI+上线后的成效，是这轮实践最硬的支撑：
| 指标 | 京智AI+（北京移动）实测 | 说明 |
|---|---|---|
| 家宽智能诊断准确率 | 突破 95% | "类人级"逻辑判断的硬指标 |
| 场景化工具日均调用 | 超 6000 次 | 一线高频使用 |
| 日均支撑装维人员作业 | 超 2000 次 | 真正进入生产流 |
| 无效派单 | 减少 21% | 客服远程指导直接解决 |
| 无效上门 | 减少 12% | 精准定界+跨专业协同 |
| 综调处理效率 | 提升 86% | "一问定界"威力 |
| 数据开发成本 | 降低 70%+ | 问数智能体自助分析 |
| 问数查询准确率 | 94% | 覆盖 95% 场景 |
换算成人力和金钱：假设一个省会公司日均派单 1 万张，无效派单率从 X% 降到 (X%×0.79)，叠加无效上门下降 12%，意味着每天能省下数百次"白跑一趟"的车马与工时。综调效率提升 86% 几乎等于把综调台席的吞吐能力翻倍，且重复投诉率显著下降、装维满意度行业领先。
同为中国移动体系，山东移动的"齐智"家宽智能助理走的是另一条路，两者对照能看清技术选型的分野。
山东移动"齐智"品牌系列 AI+ 智能助理，基于中国移动九天 57B 大模型，运用 Multi-Agent 理念，把传统 GUI 菜单交互改造成 LUI 对话式交互。它聚焦一线赋能，分装维智能助理、客响智能助理、随销、投诉处理四个智能体。关键数据：
| 指标 | 山东"齐智"实测 |
|---|---|
| 客户装维问题自助解决率 | 20% → 70% |
| 工单处理时长 | 压降 66% |
| 催装工单占比 | 压降至 0.4% |
| 随销产品推荐 | 累计 430 万次（7 大类 50 项产品） |
| 维度 | 传统人工运维 | 山东"齐智" | 北京"京智AI+" |
|---|---|---|---|
| 底层模型 | 无 | 九天 57B 大模型 | 大模型底座 + SA 智能板卡端侧感知 |
| 交互范式 | GUI 菜单/电话 | LUI 对话式（Multi-Agent） | React 自主规划 + 双环闭环 |
| 感知能力 | OLT 以上黑盒 | 依赖网络侧数据 | 端侧业务/体验/协议级感知 |
| 核心强项 | — | 装维赋能、随销、工单压降 | 诊断准确率、定界精度、自愈 |
| 代表成效 | — | 自助解决率 20%→70%、工单-66% | 诊断 95%、综调+86%、无效派单-21% |
| 数据门槛 | 高（靠专家） | LUI 降门槛 | 问数智能体，开发成本-70% |
两条路线的差异本质上是"大模型够不够用"的问题：
两者并不矛盾，更像家宽智能体演进的两个台阶：先靠大模型把交互和流程跑顺（齐智），再靠端侧感知把诊断和自愈做深（京智AI+）。长远看，"端侧感知 + 大模型"的京智AI+路线更接近"主动运维、自愈闭环"的终局形态。
第一，端侧感知是大模型落地家宽的真正前提。 业界一窝蜂谈大模型，但京智AI+证明：没有 SA 智能板卡这种业务级、端侧的感知数据，大模型在家宽场景就是"高级搜索引擎"。运营商手里最值钱的不是算力，是这些别人拿不到的端到端链路感知数据。
第二，大小模型协同 + 动态权重是规模化降本的必选项。 React 引擎配小模型决策代理，让简单判断不烧大模型、复杂判断才上大模型，这是诊断准确率 95% 和算力可控能同时成立的原因。一味堆大模型参数在家宽这种高频、低单价场景里算不过账。
第三，双环闭环是"主动运维"的工程定义。 "感知先发现、投诉先判断、处理后验证"听起来朴素，但它的工程含义是把 CEI 评估的"感知环"和网络修复的"网络环"打通，让每一次自愈都可被体验数据验证。这才是把运维从"事后救火"逼回"事前防火"的关键。
家宽装维是运营商离用户最近、也最苦的活。北京移动用"京智AI+"证明：把 SA 端侧感知、大模型双模协同、React 自主决策和双环闭环这四件事拧到一起，家宽运维就能从"经验主导、被动响应"翻到"数据驱动、主动预见、智能自愈"。95% 的诊断准确率、86% 的综调效率提升、21% 的无效派单压降，不是 PPT 上的愿景，是一线每天都在发生的数字。这或许就是 2026 年运营商大模型最该有的样子——不在云端炫技，而在最后一公里的光猫和 Wi-Fi 之间，把活干漂亮。
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。