每年朝觐季（Hajj），沙特麦加会迎来全球通信网络最极端的一场"压力测试"：超过100万名朝觐者在一座城市的核心区域内高度聚集，人均多卡、高频直播、海量短视频回传，让网络流量在短短数日内飙升约40%。这种"瞬时密度"远超任何常态规划模型所能覆盖——基站扇区从空载到拥塞只需几分钟，传统的人工值守、告警工单、邻区优化的节奏根本追不上流量曲线的陡变。更棘手的是，一旦某个关键扇区在朝觐人群中"掉队"，影响的不只是一次掉话，而是数十万人与家人失联、定位导航中断、应急指挥链路受阻。
正是在这种"不能失败"的场景下，沙特电信运营商 stc 与 诺基亚（Nokia） 把一个名为 MantaRay 的AI自治系统第一次放上了现网——它要做的不是辅助人工，而是在洪峰压顶时自己接管网络：每15分钟做一轮自治优化，整个朝觐季累计执行超过1万次自动动作，全程无需人工逐条干预。这是当前通信行业AIOps"故障自愈/自治运维"最具代表性的现网级落地之一，也是本篇要拆解的核心案例。
通信网络的运维难题，本质上是"复杂度增长远快于人力增长"。5G/5G-Advanced带来的不仅是更高的速率，更是更密的站点、更多的频段、更复杂的切片与Massive MIMO波束。在常态下，这套复杂度已经逼近人工运维的天花板；而朝觐季则把这套复杂度压缩进了一个"时空高压锅"：
传统应对方式是"堆资源+加人"：提前扩容、派驻大量网优工程师现场蹲守、按经验做参数调整。但这种方式有三个硬伤：响应慢（人工发现问题→分析→改参数往往以小时计）、经验不可复制（朝觐场景每年只发生一次，经验难以沉淀为可复用规则）、易顾此失彼（改了一个扇区的功率，邻区就出现干扰）。stc需要的是一套能在洪峰中自我感知、自我决策、自我执行、自我验证的系统——也就是AIOps意义上的"自治运维"。
MantaRay并非一个单一的算法，而是一套"AI自治网络"平台。在stc朝觐季的部署中，它的核心由四个组件构成：
这套系统最值得拆解的，是它的闭环节奏：每15分钟自动完成一轮完整的"感知—分析—决策—执行—验证"。
flowchart TD
A[无线网实时数据<br/>KPI/告警/性能] --> B[MantaRay 智能大脑<br/>异常检测+根因推断]
B --> C{是否触发自愈条件}
C -- 否 --> A
C -- 是 --> D[策略生成<br/>选择rApp剧本]
D --> E[灰度执行<br/>先小范围改参数]
E --> F[黄金指标验证<br/>吞吐/成功率/RT]
F --> G{指标改善?}
G -- 是 --> H[全量下发并归档]
G -- 否 --> I[自动回滚+告警升级]
I --> A
H --> A
style B fill:#e1f5ff,stroke:#0288d1
style E fill:#fff3e0,stroke:#f57c00
style G fill:#fff9c4,stroke:#f9a825
style I fill:#ffebee,stroke:#c62828
注意流程里几处"克制"的设计——这些恰恰是后面雪崩案例中缺失的东西：
正是这套"闭环+克制"的机制，让MantaRay在朝觐季的极端负载下没有失控，反而稳定地完成了上万次动作。
stc官方与公开报道披露的朝觐季MantaRay效果，是当前少数几个有明确数字支撑的现网级AIOps自愈案例：
| 指标维度 | 传统人工方式 | MantaRay自治方式 | 提升幅度 |
|---|---|---|---|
| 优化响应周期 | 数小时～按天 | 每15分钟一轮 | 提速约百倍量级 |
| 单次朝觐季自动动作数 | 接近0（全人工） | 超过10,000次 | 从0到万级 |
| 拥塞小区资源利用率 | — | — | 约+30%（高负载小区） |
| 用户平均吞吐 | — | — | 约+10% |
| 应对流量洪峰 | 40%激增下频繁拥塞 | 40%激增下稳定承载 | 体验不降级 |
| 人工干预工作量 | 大量现场值守 | 显著减少 | stc CTO确认"减少人工" |
除了朝觐季这个"极限战役"，stc还把AI能力沉淀到了日常节能与运营中：借助AI做更精细的能耗管理，stc在2023年实现了 4G/5G网络能耗下降约13%；并规划将AI产品铺向 200多个系统，预计每年节省约 200万沙特里亚尔（约合53万美元） 的运营开支。stc集团CTO Haitham Al Faraj明确表示，这次落地"减少了人工、提升了网络质量，为AI自治网络的未来铺平了道路"。
这些数字的意义不在于"很炫"，而在于它证明了一件事：AIOps自愈在运营商最高压、最不能出错的现网场景里，已经能稳定跑通闭环，而不再停留在实验室Demo。
朝觐季的MantaRay解决的是"无线侧动态优化"层面的自治。而2025年12月，Nokia与阿联酋运营商 du 把这件事又往前推了一步——全球首个自治式5G-Advanced网络切片（autonomous 5G Advanced slicing） 商用落地。
它的不同之处在于：切片层面不再是"优化已有资源"，而是让网络切片"自己管理自己"——系统持续监测RAN侧性能状况，并在没有人工干预的情况下实时修改切片策略。例如，当系统识别到某片区域游戏用户激增，就自动分配一条低时延切片保障体验；当企业客户有专属容量保障SLA，就动态为其预留资源。这套能力由 5G AirScale基站 + MantaRay智能 + rApps自动化 组合驱动。du CTO Saleem Alblooshi将其视为"为6G做准备"的关键架构演进；Nokia中东非洲区Mikko Lavanti则强调它在"服务差异化与变现"上的价值。
更值得关注的是其背后的"代理化"趋势。2025年Nokia与AWS联合发布了 Agentic AI（智能体AI）驱动的5G-Advanced网络切片，让切片的创建、调整、回收由智能体自主完成。这意味着AIOps自愈正从"按预设剧本执行"走向"智能体自主规划与决策"——这是从L3（辅助）迈向L4（高自治）的关键一跳。
讲完正面的成功案例，必须补上AIOps自愈最容易被忽视的一面：自愈动作本身也可能成为故障源。2026年5月，国内某团队公开复盘了一起由AIOps自愈误触发引发的级联雪崩，对理解"自治网络的可靠性边界"极有借鉴价值。
故障经过：某周五晚高峰（20:15），该公司核心交易系统迎来流量洪峰。此时其AIOps平台"天机"系统的自动自愈模块突然介入，对交易中心的Order服务执行扩容与滚动重启。短短5分钟内，Order服务可用节点从20个锐减至8个，交易成功率断崖式下跌至30%，P0级故障爆发。更危险的是，AIOps不仅没阻断，反而持续输出"自愈执行中，预计3分钟后恢复"的乐观预测，误导值班人员、延误了人工干预的黄金时间，故障最终持续了45分钟，靠人工强行切断AIOps执行链路才恢复。
根因：这是一次"数据失真+剧本缺陷"的双重失效——指标采集Agent在流量洪峰时自身CPU满载，导致其上报的GC耗时数据被放大了约10倍（实际200ms被报成2000ms）；AIOps据此判定"内存泄漏"，触发了"重启异常节点"的剧本；但此时集群恰处于滚动发布窗口，Labels短暂不一致，自愈API请求误命中健康节点，把健康节点批量重启掉，形成"越治越糟、越糟越治"的死亡螺旋。
改进：复盘后，团队围绕"安全"重构了自愈框架，其要点几乎与前面MantaRay的"克制设计"一一对应，可视为自治自愈系统的通用护栏：
这起案例的一句话总结，也是整个AIOps自愈领域的金句：AI的智能不应体现在"敢于执行"，而应体现在"知道何时停止"。 这恰恰解释了为什么stc的MantaRay要设计"灰度执行—黄金指标验证—自动回滚"——成功的自愈系统，护栏比算法更重要。
把stc朝觐季、du切片自治和天机雪崩三个案例放在一起，通信行业AIOps"故障自愈/自治运维"在2025–2026年的真实图景逐渐清晰：
对运营商而言，落地路径已经比较明确：先在单一高价值场景（如大型活动保障、节能、切片SLA保障）跑通闭环自愈，建立护栏与可回滚机制，再逐步扩展到跨域、跨厂商的自治网络。 在这个过程中，"敢于放手让AI执行"与"为AI套上熔断枷锁"，是同一枚硬币的两面——只有同时做到，AIOps才能真正成为网络的守护神，而不是下一个故障源。
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。