当 MIT 刚发布"95% 的企业从 AI 投资中获得零回报"的研究时，美国第二大运营商 AT&T 的首席数据官 Andy Markus 却公开放话："我们的故事恰好与那项研究相反。" 支撑这句硬话的，是一组冷冰冰的数字——410+ 个生成式 AI 智能体在生产环境 7×24 小时运转、日均吞噬 80 亿 token、AI 单位成本被砍掉 90%、目标在 2026 年中之前贡献 20 亿美元的年化降本。其中最让通信人血脉偾张的一块，是网络运维：三个智能体像多米诺骨牌一样"链式反应"，把一次网络故障从告警定位、写修复代码到生成工单摘要全自动跑完，工程师只在其间几个关键检查点点头放行。这就是 AT&T 给出的"Agentic AIOps 自愈"实战样本。

一、案例背景：为什么 AT&T 必须把网络自愈交给智能体

AT&T 在美国运营着覆盖 5G 无线、长距离光纤骨干和企业专线的超大规模网络，基站、光放、路由器、虚拟化网元数以百万计。传统 NOC（网络运营中心）的运转方式大家并不陌生：

• 告警洪流：一次区域性光缆抖动，上游几百台设备同时告警，NOC 大屏瞬间被"红色瀑布"淹没，运维人员要靠经验做人工关联、压制风暴。
• MTTR（平均故障恢复时长）靠人：从告警进系统、值班工程师登顶排查、拉变更日志、查知识库、写工单、找二线/三线支援，整条链路动辄几十分钟到数小时。
• 人才与成本双重压力：AT&T 服务超 1 亿移动用户，运维人力成本刚性，而把所有排障逻辑塞进大模型，token 成本又会"爆表"。

转折点出现在 2023 年。AT&T 在 Microsoft Azure OpenAI 上线了内部生成式 AI 平台 Ask AT&T，最初只是给员工当"企业版 ChatGPT"用——自动总结通话纪要、用自然语言查数据库。但 token 用量很快涨到了每天 80 亿这个"不可持续"的量级。Markus 的判断是：继续把所有任务都喂给昂贵的大推理模型是死路一条，必须用"多智能体 + 小语言模型（SLM）"重写编排层。同时，AT&T 把网络故障自愈选为 agentic AI 最优先落地的"硬骨头"场景之一——因为这里既有明确的闭环（告警→定位→处置→验证），又能直接转化为 MTTR 和成本指标。

一句话：AT&T 不是在做"AI 助手"，而是在做会自己修网络的智能体集群，且必须把单次推理的成本压到能 80 亿 token 烧得起的地步。

二、方案详情：Ask AT&T Workflows 的多智能体自愈架构

AT&T 的自愈体系不是单点工具，而是一套"平台 + 智能体工厂 + 闭环编排"的组合。可拆成四层来理解。

1. 平台底座：Ask AT&T → Ask AT&T Workflows

底层跑在 Microsoft Azure 上，编排框架选用 LangChain，并与 Palantir 的本体（ontology）能力结合，用于把 AT&T 内部海量专有系统、数据库、文档结构化成智能体可调用的"工具"。面向员工的产品叫 Ask AT&T Workflows——一个拖拽式的智能体构建器：员工不需要写代码，在画布上拖几个节点，就能把"读文档 + 查数据库 + 跑图片分析 + 自然语言转 SQL"组合成一个自动化智能体。这让"造智能体"这件事从 AI 团队的专利变成了 10 万员工的日常能力。截至 2026 年初，平台已覆盖 10 万+ 用户，对接生产系统的 API 调用累计达 7.5 亿次。

2. 模型策略：SLM 为主、LLM 为帅

这是 AT&T 降本 90% 的核心秘诀。Markus 的原话掷地有声：

"我相信 agentic AI 的未来，是很多很多很多个小语言模型。我们发现，在特定领域里，小模型几乎和大型语言模型一样准，甚至一样准。"

具体打法是"超级智能体（super agent）+ 工人智能体（worker agent）"的分工：少量大模型担任"调度员/超级智能体"，负责理解任务、拆解步骤、把子任务分派给一批跑在低成本小模型上的"工人智能体"去执行。由于绝大多数实际干活的是 SLM，单 token 成本大幅下降，延迟和响应时间也同步改善——这正是日均 80 亿 token 仍能"烧得起"的根本原因。

3. 通信领域专用模型：Gemma 微调拿下 5G 根因分析

通用模型不懂通信信令和告警语义。AT&T 基于 Google 的开源模型 Gemma-3-4B-IT 做了微调，专门用于 5G 网络根因分析（RCA），并在 GSMA Open-Telco LLM 基准测试中登顶。另一款 "Ask Data with Relational Knowledge Graph"（带关系知识图谱的数据问答能力）则在业界权威的 Spider 2.0 文本转 SQL 准确率榜单上拿下第一。这意味着 AT&T 的智能体不仅能"会聊天"，还能准确读懂自家复杂的网管数据库和 5G 信令，这是网络自愈能真正闭环的前提。

4. 安全与治理：全程 in-the-loop、动作全留痕

AT&T 把网络这种高风险场景定位为 L3 级（有条件自愈、人在回路），并明确向 L4（高度自治）演进。治理上设了三道闸：

• 人类检查点（human checkpoint）：智能体链路的关键决策点必须有人点头放行，工程师始终"in the loop"。
• 全量留痕：每一个智能体执行的每一个动作都被日志记录。
• 角色权限与数据隔离：当一个智能体把工作负载交接给下一个时，强制执行数据隔离、保留策略和基于角色的访问控制（RBAC），隐私和安全贯穿全流程。

三、网络自愈专项：三个智能体的"链式反应"

这是整篇文章最值得通信人逐字读的部分。Markus 给出的网络工程自愈用例，是把一次故障处置拆成三个智能体接力：

flowchart TD
    A[网络告警<br/>遥测数据流] --> B["🤖 Agent 1 · 诊断开单<br/>关联遥测定位告警根点<br/>拉取近期变更日志<br/>比对已知问题库<br/>自动生成工单"]
    B --> C["🤖 Agent 2 · 处方修复<br/>基于根因建议修复路径<br/>自动编写修复/补丁代码"]
    C --> D["🤖 Agent 3 · 汇总交接<br/>汇编处置工件 artifacts<br/>生成结构化故障摘要"]
    D --> E{"👤 工程师 in-the-loop<br/>关键检查点放行"}
    E -->|批准| F[执行修复/回滚<br/>验证业务恢复]
    E -->|否决| G[人工介入接管]
    F --> H[(闭环·全量留痕<br/>RBAC + 数据隔离)]
    G --> H

    style B fill:#e3f2fd,stroke:#1976d2
    style C fill:#fff3e0,stroke:#f57c00
    style D fill:#f3e5f5,stroke:#7b1fa2
    style E fill:#ffebee,stroke:#c62828

• Agent 1（诊断与开单）：自动关联遥测数据，把"哪个网元、哪个端口、哪条链路"的告警根点定位出来；接着拉取最近的变更日志（是不是有人刚做过割接/配置变更），再去已知问题库里查有没有匹配的既有故障；最后自动开出工单。
• Agent 2（处方与修复）：基于 Agent 1 给出的根因，建议一条修复路径，并直接编写新的修复代码（这一步是 AT&T agentic AI 区别于传统"告警压缩工具"的关键——它会生成可执行的修复动作）。
• Agent 3（汇总与交接）：汇编前两个智能体产生的所有工件（artifacts），生成一份给工程师看的结构化故障摘要。
• 工程师 in-the-loop：三步之间设有强制的人类检查点，工程师在关键节点放行后，修复动作才真正下发到网络；动作全程被记录，交接时数据隔离和 RBAC 自动生效。

这套流程的本质，是把过去 NOC 里"值班工程师 + 二线 + 三线 + 知识库管理员"的协作，压缩成"三个智能体 + 一个把关人"。410+ 个生产智能体里，相当一部分服务于网络排障、客服更新和代码调试三大主线。

四、效果数据：硬指标看板

值得强调的是"已变现收益"那一栏——预测性维护每年省下 700 万美元、路由优化省下超 1000 万美元，说明 AI 在 AT&T 不是只画饼，而是已经在 P&L（损益表）上见钱。Markus 用一句反击来回应行业普遍的"AI 投资零回报"质疑。

五、对比分析：自愈路线的四种打法

把 AT&T 放进全球运营商自愈的大棋盘里看，路线分歧非常清晰。下表对比 AT&T 与另外两个代表性玩家，以及传统 NOC 基线。

三种路线各有取舍：

• AT&T 的"自建+SLM" 是最"硬核"也最省钱的路子，但门槛极高——你得有 Andy Markus 这种级别的数据和 AI 工程体系，能自己微调模型、能扛 80 亿 token 的编排改造。对大多数运营商不现实，但降本 90% 这一个数字就足以让所有 CFO（财务总监）动心。
• Vodafone + Capgemini 的"咨询+集成" 是务实派。Capgemini 帮 Vodafone 做了自动化成熟度评估并联合设计长期路线，把"自愈网络"从一个愿景变成了"可执行的里程碑"；其 IoT 业务还联合 Celfocus 推出下一代监控（NGM），明确喊出"奔向自愈网络"。这条路对没那么多 AI 工程师的欧洲运营商更友好。
• O2 Telefónica 德国的"LTM（大电信模型）" 是另一种哲学：与其自己拼几百个小智能体，不如联合 Tech Mahindra 和 NVIDIA 训练一个懂电信的大模型，嵌进 Service Experience Center 做自治运营，2025 年 8 月正式启动。这与 AT&T 的"很多很多很多个小模型"恰好是光谱的两端——一个走 SLM 编排派，一个走 LTM 集中派，2026 年将是两条路线真正的分水岭。

横向看，诺基亚也在 2025 年夏天发布了帮助运营商管理网络的 agentic AI 应用，加上 NVIDIA 主推的"AI agent-centric 6G"参考架构（把数据面智能从中心数据中心推到网络边缘以降低智能体响应时延），"agentic 自愈"已是 2025—2026 全球运营商 AIOps 的最大公约数，AT&T 只是把它做成了最量化、最硬核的那一个。

六、技术深挖：为什么 in-the-loop 是当下最聪明的选择

很多读者会问：既然智能体都能写修复代码了，为什么不直接 L4 全自动？AT&T 的回答藏在治理设计里——网络自愈的容错空间极小：一个错误的修复动作下发到骨干网，可能让一个城市的业务瞬间中断。所以 AT&T 把当前阶段牢牢钉在 L3（人在回路）：

1. 责任可追溯：全量留痕 + RBAC，任何一个智能体的动作都能审计到人，满足通信监管对"变更可追溯"的硬要求。
2. 风险可控：人类检查点把"生成修复方案"和"下发执行"之间切开，智能体可以放开手脚生成大胆的修复代码，但落地前必须经工程师批准。
3. 成本与准确率的平衡：SLM 在"特定领域"已逼近大模型准确率，但跨域复杂故障仍需人脑兜底；in-the-loop 正是这套 SLM 经济学的安全网。

这也解释了 AT&T 的三条核心原则为何是 "准确性、成本、工具响应速度"——而不是一味追求"更智能"。Markus 还特意提醒：不是每个工具都需要做成 agentic 的，过度工程化是反模式。这种克制，恰恰是 AT&T 能跑出 90% 降本、又没在网络侧捅出大篓子的关键。

七、启示与结论：给中国通信人的三个信号

把 AT&T 这套打法翻译回国内语境，有三点尤其值得借鉴：

• 第一，"SLM 为主 + 智能体编排"是 token 经济学正解。 国内运营商大模型也面临调用成本压力，AT&T"超级智能体调度 + 工人 SLM 干活"的分层架构，比无脑全用大模型省钱得多，且响应更快。九天、星辰、元景这类自研大模型，完全可以再下沉一层，用领域 SLM 做执行层。
• 第二，网络自愈的最佳落地形态是"链式智能体 + 人在回路"。 AT&T 三智能体（定位开单→写修复→汇总交接）+ 工程师检查点的设计，几乎可以直接映射到国内的故障中心、网管系统上，既符合国内对变更强审计的要求，又能实打实压 MTTR。
• 第三，把"造智能体"的能力下放给一线。 Ask AT&T Workflows 的拖拽式智能体构建器，让 10 万员工自己造工具——这与国内"低代码 + AI 智能体"赋能一线网优/客服的方向高度一致，是规模化降本的关键杠杆。

AT&T 用 410 个智能体和每天 80 亿 token 证明了一件事：在通信网络这件事上，AI 的胜利不属于模型最大的那个，而属于把成本、准确率和闭环治理平衡得最好的那个。当 95% 的企业还在 AI 零回报的泥潭里打转时，这家百年运营商已经把"会自己修网络的智能体集群"变成了真金白银的利润。对中国通信行业而言，这既是一面镜子，也是一张清晰的路线图——下一个标杆，或许就出在我们自己的网管中心里。

参考来源

1. AT&T AI agents helping network engineers-in-the-loop — SDxCentral — AT&T 三智能体链式反应自愈用例、Ask AT&T Workflows、Gemma-3-4B-IT 微调 5G 根因分析登顶 GSMA 基准的权威报道。
2. AT&T Cuts AI Costs by 90% Processing 8 Billion Daily Tokens Through Multi-Agent Architecture — The SaaS Sentinel — 410+ 智能体、日均 80 亿 token、降本 90%、20 亿美元年化目标、700 万/1000 万美元已变现收益等硬核数据来源。
3. Bringing Agentic Power to Bear Across AT&T's Entire Business — AT&T 官方博客 — Andy Markus 关于网络工程师借助 AI 智能体自动诊断、处置、修复网络故障以及全程 in-the-loop 治理（动作留痕、RBAC、数据隔离）的官方表述。
4. Making autonomous networks real: Vodafone's journey to self-healing networks — Capgemini — Vodafone 联合 Capgemini 评估自动化成熟度、把自愈网络做成可执行里程碑的欧洲路线对比案例。
5. O2 Telefónica Bolsters Service Experience Center / Future Ops with TechM and NVIDIA — Tech Mahindra — O2 Telefónica 德国联合 Tech Mahindra 与 NVIDIA 推出 Large Telco Model（LTM）驱动自治运营的"集中派"对比案例。

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。