# stc自治网自愈扛住朝觐洪峰：Nokia MantaRay每15分钟闭环拆解 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。 ## 一、案例背景：为什么朝觐季必须交给AI 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"： - **空间高密度**：百万人挤在麦加禁寺及周边极小范围，单位面积用户数为日常的数十倍。 - **时间高并发**：仪式时段流量同步爆发，不存在"错峰"可言。 - **业务高敏感**：朝觐者的导航、寻人、视频回传对时延和稳定性高度敏感，断网直接影响安全。 - **故障高代价**：任何扇区退服都会被瞬间放大为群体性体验崩溃。 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"。 ## 二、方案详情：MantaRay的15分钟闭环 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： 1. **AirScale基带与射频硬件**：提供底层可被软件动态调度的无线资源（功率、频段、波束、扇区）。 2. **MantaRay智能（MantaRay Intelligence）**：平台的"大脑"，负责数据采集、异常检测、根因推断与策略生成。 3. **rApps（RAN自动化应用）**：运行在O-RAN的SMO（服务管理与编排）框架上的自动化"小程序"，每个rApp负责一类具体的自愈/自优化剧本（如邻区关系自愈、覆盖洞填补、负载均衡）。 4. **为朝觐定制算法**：stc与Nokia联合设计了一套针对朝觐人流模型的专用算法，这是关键——通用算法无法应对这种极端场景，必须做场景化裁剪。 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"。 ```mermaid flowchart TD A[无线网实时数据
KPI/告警/性能] --> B[MantaRay 智能大脑
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
选择rApp剧本] D --> E[灰度执行
先小范围改参数] E --> F[黄金指标验证
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： - **灰度执行（先小范围）**：不一次性改全网，而是先动一两个扇区观察效果。 - **黄金指标验证**：用吞吐、成功率、时延等业务侧"黄金指标"判断本次自愈是否真的有效，而不是只看无线侧KPI是否"恢复正常"。 - **自动回滚**：一旦验证不通过，立即撤销动作并升级告警，避免"越治越糟"。 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。 ## 三、效果数据：一万次动作背后的真实收益 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。 ## 四、演进：从"15分钟优化"到"切片自治自愈" 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。 ## 六、警示：当"自愈"反而成为灾难——天机系统雪崩复盘 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： 1. **数据质量探针**：采集端自检，低质量数据打标后降级为"静默观察"，不作自愈触发依据。 2. **熔断-灰度-回滚框架**：自愈动作执行后业务指标若2分钟内未改善或恶化，立即熔断并禁止同类触发；执行遵循"单点→小比例→全量"灰度；动作前自动生成快照与回滚脚本。 3. **上下文感知与多指标交叉验证**：要求指标持续异常（如连续3个采集周期）才告警；仅当多条件同时满足才执行（如"GC飙升"且"内存超红线"才判泄漏）。 4. **限制爆炸半径**：单次自愈剧本最多操作集群总容量的10%，超过即判定为系统性故障、转人工。 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。 ## 七、结论与启示 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： - **自愈已经能在现网最高压场景跑通闭环**——stc用上万次15分钟级自动动作扛住了40%流量洪峰，证明了可行性。 - **自愈正从"剧本执行"走向"智能体自治"**——du的自治切片与Nokia/AWS的Agentic AI切片，标志着从L3迈向L4的关键演进。 - **自愈的成熟度，取决于"护栏"而非"算法"**——天机雪崩揭示，没有熔断、灰度、爆炸半径限制的自愈，比没有自愈更危险。 - **生态开放与场景定制同样关键**——Open SMO让rApp可跨厂商复用，而朝觐这类极端场景必须做定制算法，两者缺一不可。 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。 ## 参考来源 1. [du deploys Nokia's autonomous 5G Advanced slicing to create self-optimizing, intent-driven connectivity services — EuropaWire](https://news.europawire.eu/du-deploys-nokias-autonomous-5g-advanced-slicing-to-create-self-optimizing-intent-driven-connectivity-services/eu-press-release/2025/12/03/15/19/37/166314/) — du与Nokia全球首个自治式5G-Advanced切片商用落地（2025-12-03），MantaRay+rApps+AirScale组合，切片自我管理。 2. [STC deploys Nokia's AI-powered operations system in its network — Developing Telecoms](https://developingtelecoms.com/telecom-business/operator-news/16940-stc-deploys-nokia-s-ai-powered-operations-system-in-its-network.html) — stc朝觐季部署Nokia MantaRay SON，40%流量洪峰、每15分钟自治优化、超1万次动作、30%利用率提升、10%吞吐提升、13%节能等核心数据。 3. [AI-Powered Autonomous Networks in 2026: How Nokia, Ericsson & Huawei Are Building Self-Healing 5G Infrastructure — NetZero.tel](https://www.netzero.tel/blog/industry-trends-14/ai-powered-autonomous-networks-in-2026-how-nokia-ericsson-huawei-are-building-self-healing-5g-infrastructure-31) — 三厂商自治网络/自愈路线对比，89%运营商增AI预算、88%处L1-L3、Open SMO协作等行业背景数据。 4. [Autonomous Networks | Nokia 官方](https://www.nokia.com/autonomous-networks/) — Nokia自治网络战略与MantaRay/AVA产品定位，自配置/自优化/自愈能力框架。 5. [AIOps故障复盘案例：智能自愈动作引发的级联雪崩与深度反思 — 5iOPS](http://5iops.com/article.php?id=456) — 天机系统自愈误触发致P0故障复盘，节点20→8、成功率跌至30%、熔断-灰度-回滚护栏与爆炸半径10%限制等改进措施。 --- > 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。