2026年3月1日，巴塞罗那MWC26现场，SK电讯（SK Telecom，下称SKT）CEO郑在熏宣布公司将整体转型为"AI Native电信公司"。在这份被外界解读为韩国电信业最大规模重构的蓝图里，有一条不显眼却最硬核的承诺——"从人为中心运营转向AI驱动的自治系统"，覆盖无线质量管理、流量控制、网络设备及设施运营全链路。
这句话落地后，SKT的网运工程师们最先感受到的，是一个叫 AI Orchestrator 的固定网络管理平台带来的冲击：原本要"数天"才能跑完的全国设备巡检与变更，现在"一天"内就能闭环。本文拆解SKT这套自治网络运营体系——AI Orchestrator如何用代码型AIOps压平多厂商固定网络、AI-RAN如何用强化学习重写空口调度，并对比行业基准看清自治网络的真实水位。
要理解SKT为什么非做自治网络不可，先看它的网络家底。SKT已完成韩国全国5G覆盖，其RAN由三家厂商构成：
| 厂商 | RAN份额 | 主要区域 |
|---|---|---|
| 三星（Samsung） | 约50% | 首尔等都市圈 |
| 爱立信（Ericsson） | 约35% | 全国主力 |
| 诺基亚（Nokia） | 约15% | 其余区域 |
截至2024年底，SKT移动用户总数31.8M，其中5G用户16.9M。这张网99.9%是专用RAN而非Cloud RAN，没有Open RAN——这意味着控制面高度依赖各厂商私有接口。
痛点恰恰出在"多厂商"上。支撑4G/5G无线接入网的固定网络（传输、回传、城域），运营商近年大量部署SDN来管多厂商环境，但SKT在公告中明确点出两大顽疾：
"存在若干局限，比如维护成本高、各设备厂商标准化存在差异。"
翻译成工程语言就是：每家厂商的控制器、CLI、版本迭代节奏、API规范都不一样；任何一次全国性的软件升级或配置变更，工程师都要为不同厂商分别写脚本、分别验证、分别回滚。一次跨厂商变更动辄耗掉"数天"，而手动操作又极易引入人为错误。与此同时，密集的5G部署让告警与事件海量增长，传统工具的响应速度跟不上，NOC长期承受着长MTTR、操作不一致和OPEX高企的三重压力。
这正是自治网络（Autonomous Network）被推上前台的根因——不是追概念，而是多厂商、大规模、低延迟的网络现实，已经超出了"人盯+脚本"的运维承载力。SKT给出的药方是"两步走"：AI Orchestrator先把固定网络的AIOps闭环跑通，AI-RAN再把AI能力嵌进空口，最终向TM Forum自治网络L3-L4演进。
SKT对AI Orchestrator的官方定义是——"应用于支撑4G/5G RAN固定网络管理的、带有AIOps环境的代码型基础设施方案"。
它的核心机制极具工程美感：网运工程师用自己熟悉的编程语言写一段脚本（声明意图），平台自动把这段脚本翻译成每一台目标设备的原生命令，并对全国数万台设备进行一体化巡检与控制。
"当网络运营人员用其熟悉的编程语言输入脚本时，它会自动翻译成每台设备的命令，通过对全国数万台设备的一体化巡检与控制，大幅提升运营效率与稳定性。"
这一点至关重要。它解决的正是上文"标准化断层"——工程师不再为三星、爱立信、诺基亚各写一套命令，而是写一次意图，平台按设备型号分发适配。这本质上是一种面向厂商差异的抽象层，把多厂商异构网络"折叠"成统一可编程对象。
SKT官方列举了AI Orchestrator的四项关键自动化能力：
这四项加在一起，已经构成了一个完整的AIOps闭环——采集→检测→预测→编排→变更→验证。其中第2项"有害命令检测"和第3项"模板自修复"尤为关键，它们把人为错误的两个主要来源（手敲错命令、改坏模板导致连锁故障）用AI挡在了执行闸门之外。
固定网络之外，SKT同步推进AI-RAN。2026年3月，SKT与爱立信签署MoU，覆盖AI-RAN、5G变现、自治网络、零信任安全和6G标准化，合作期延续至2031年。SKT网络技术办公室负责人Yu Takki（柳澔基，音）在受访时明确了AI-RAN的三条技术主线：
到这里，SKT的自治网络拼图就完整了——固定网络层用AI Orchestrator做多厂商编排，无线空口层用AI-RAN做资源自治，两层AI共同把"人为中心"的运维推向"AI驱动"。
下面的架构图还原了这套双层闭环：
flowchart TB
subgraph INTENT["意图输入层"]
EN["工程师编写脚本<br/>(声明意图, 熟悉的语言)"]
end
subgraph AIO["AI Orchestrator (固定网络 AIOps)"]
TR["脚本→设备命令自动翻译"]
VERS["版本管理与变更追踪"]
HARM["有害命令检测拦截"]
TMPL["代码模板自修复"]
PRED["AI预测: 流量/事件/异常检测"]
TR --> VERS --> HARM --> TMPL
PRED -.反馈.-> TR
end
subgraph NET["多厂商全网 (全国数万台设备)"]
SAM["Samsung ~50% 都市圈"]
ERI["Ericsson ~35% 主力"]
NOK["Nokia ~15% 其余"]
end
subgraph RAN["AI-RAN 空口自治层"]
SCH["强化学习动态调度器<br/>最小化小区间干扰"]
BEAM["AI波束管理与移动性预测"]
RF["AI控制功放/射频链 降低功耗"]
end
EN --> AIO
HARM -->|统一分发适配命令| NET
NET -->|持续遥测数据流| PRED
NET --> RAN
SCH --> BEAM --> RF
style AIO fill:#e8f5e9,stroke:#2e7d32
style RAN fill:#fff3e0,stroke:#ef6c00
SKT官方公告给出了最直接的效率指标：
"AI Orchestrator的自动化系统不仅通过实现全设备的统一控制克服了既有局限，还大幅提升了作业速度，把过去需要数天才能完成的工作在一天内完成。手动管理过程中可能出现的错误也得到减少。"
把这句官方表述换算成运营账本，意味着每一次全国性的固定网络巡检/变更，工程耗时从"数天量级"压缩到"一天量级"——量级跃迁（order-of-magnitude scale，此处为量级概念而非精确倍数）。叠加有害命令检测与模板自修复，人为故障率同步下降。
在组织层面，AI能力的外溢更为可观。SKT在MWC26披露，公司搭建了"AI Playground"，让员工无需编码就能开发和使用AI agent，目前已有超过2000个AI agent在市场、法务、PR等领域活跃使用。到2025年底，预计约8万名集团员工将全员用上AI工具。这为网络运营的"人机协同"提供了土壤——AI Orchestrator背后，是一个被AI工具全面武装的工程师群体。
下表汇总SKT自治网络运营体系的关键产出指标：
| 维度 | 传统人工/SDN方式 | SKT AI Orchestrator + AI-RAN | 提升幅度 |
|---|---|---|---|
| 全国固定网变更/巡检耗时 | 数天 | 1天内闭环 | 量级压缩 |
| 多厂商命令适配 | 逐厂商手写脚本 | 脚本自动翻译分发 | 工作量骤降 |
| 有害命令风险 | 人工把关，易漏 | AI检测拦截于执行前 | 人为错误下降 |
| 跨厂商标准化差异 | 维护成本高、难统一 | 统一控制抽象层 | 标准化断层抹平 |
| 空口小区间干扰 | 固定调度 | 强化学习实时重配 | 干扰最小化 |
| 网络功耗 | 按峰值恒定供电 | AI按需控制功放/射频链 | 功耗下降 |
| 组织AI工具渗透 | 无 | 2000+ AI agent在用 | 全员AI化 |
把SKT放到行业自治网络的坐标系里看，能更清楚它的位置与取舍。TM Forum在2025年12月发布的"多层多智能体网络故障自愈"Catalyst给出了一套行业基准：告警聚合准确率超过95%、诊断工时降约15%、MTTR（平均修复时长）降约40%、自动化覆盖率约90%。这类多智能体方案强调LLM驱动诊断 + 数字孪生仿真验证 + 跨域多智能体协同，走的是"重推理、重仿真"的路线。
SKT的AI Orchestrator走的是另一条路——重编排、重执行、重跨厂商抽象。两者的差异如下：
| 对比维度 | SKT AI Orchestrator路线 | 行业多智能体故障自愈基准 |
|---|---|---|
| 核心范式 | 代码型AIOps + 意图自动翻译 | LLM诊断 + 数字孪生仿真 |
| 攻坚痛点 | 多厂商标准化断层、变更慢 | 告警风暴、跨域根因定位 |
| 关键能力 | 命令翻译/版本管理/有害命令拦截 | 告警聚合95%+/CoT推理/仿真验证 |
| 适用网络 | 固定网络（传输/回传）为主 | 传输网为主，可扩展无线/核心网 |
| 落地成熟度 | 已全国部署，压平多厂商运维 | Catalyst验证阶段，规模化中 |
| 自动化覆盖 | 编排与变更自动化 | 全流程约90%自动化 |
| 关键指标 | SKT官方披露 | 行业多智能体基准 |
|---|---|---|
| 变更/巡检耗时 | 数天→1天 | 光纤断点定位 2小时→2分钟(基准) |
| 人为错误 | 显著减少 | 诊断工时降约15% |
| 故障修复(MTTR) | 未单列(编排骨干) | 降约40% |
| 自动化覆盖 | 编排链路自动化 | 约90% |
可以看出，SKT没有一头扎进"大模型诊断+数字孪生"的重路线，而是先用AI Orchestrator把最高频、最痛的"跨厂商变更与巡检"自动化吃下来——这是务实的工程选择：与其等大模型推理成熟，不如先把工程师每天都在重复的、确定性强的编排工作用AI抽象层压平。这也呼应了Yu Takki对AI-RAN挑战的清醒认知——大规模推广AI需要数据治理框架、基于O-RAN标准接口的多厂商互通、以及确保AI决策可靠性的监控工具，三者缺一不可。SKT选择先把"互操作"和"可靠性监控"这块硬骨头啃下来，再谈更深层的自治。
值得注意的是，SKT在MWC26同时宣布建立跨所有系统的零信任（Zero Trust）信息安全框架，用严格的认证、访问控制、网络分段和基于AI的集成安全监控来加固。这意味着AI驱动的自动变更不是"裸奔"——每一次AI编排的命令下发，都跑在零信任的访问控制与审计之上。对于把数万台设备交给AI自动控制的运营商，这是不可妥协的安全底线。
SKT的案例给行业留下三个清晰信号。
第一，自治网络最先兑现价值的，是编排而非推理。 AI Orchestrator没有依赖超大模型，却用"脚本自动翻译成设备命令"这一招，把多厂商网络的数天工作压成一天。这证明在运营现实里，跨厂商抽象层（互操作性）的工程价值，往往大于模型参数量。
第二，AI-RAN把自治从固定网络延伸到空口。 强化学习调度器、AI波束管理、AI射频控制，让SKT的自治能力覆盖了从回传到空口的完整链路，这是迈向L3-L4自治网络的关键一跃。
第三，零信任是AI自治的安全护栏。 把全国设备交给AI自动控制，必须用零信任+AI安全监控兜底，否则"AI出错"的代价远高于人工。
当然也要看清局限：SKT目前公开的是编排链路的效率跃迁，对故障自愈的MTTR、自动化覆盖等指标尚未单列；其AI-RAN部分多处于验证与试点阶段，规模化商用仍需数据治理和O-RAN互通标准成熟。但这并不削弱其标杆意义——在一个多厂商、99.9%专用RAN的现实网络里，SKT用AI Orchestrator证明了"自治网络不是PPT，而是能在一管到底、把数天压成一天的生产力工具"。对于同样被多厂商运维折磨的国内运营商，这条"先抽象、后自治"的路径值得细细拆解。
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。