# 诺记六智能体把故障压成分钟自愈：Nokia 联手 Google Gemini 重构网络自愈闭环 2026 年 6 月 22 日，一条来自桑尼维尔与赫尔辛基的联合声明把通信运维圈炸醒：**Google Cloud 与 Nokia 联合发布六个基于 Gemini 多模态大模型打造的专用 AI 智能体（agent）**，直接嵌入 Nokia 保障中心（Assurance Center），把"光缆被挖断后 NOC 被数千条告警淹没、几小时才找到根因"的烂账，压缩成"分钟级"的机器自愈。两天后（6 月 24 日）在哥本哈根的 TM Forum DTW26 大会上，Nokia 又把这套"玻璃箱自治（Glass Box Autonomy）"蓝图画完整，宣称**运维生产力较传统模式提升 60%–80%**，根因诊断从"小时级"压到"分钟级"。 这是 2026 年 AIOps 故障自愈赛道最具代表性的一击——它不是又一个被吹上天的"AI 大模型网络原理综述"，而是一组**已经在 Nokia 内部环境跑通、9 月正式上架 Google Cloud Marketplace**、可以拿合同采购的商用智能体。本文拆解这六个智能体到底各自干什么、玻璃箱如何守住安全底线、与传统脚本和其他厂商方案的硬指标对比，以及它对运营商的真实价值。 ## 一、案例背景：为什么 NOC 必须被 AI 接管 先看一组让运营商头疼多年的现实数据。在一张典型的多厂商 5G 网络里，一次主干光缆中断或一次软件升级翻车，会在几分钟内涌出**数千乃至上万条相互关联的告警**。值班工程师面对的不是"一个问题"，而是一片告警洪流。传统流程是：人工逐条浏览告警 → 凭经验判断哪些相关 → 跨域（无线、传输、核心、IP）翻日志 → 定位根因 → 写工单派单 → 现场处理或回滚。这套链条拉长到几小时是常态，期间用户体验持续劣化，SLA（服务等级协议）红线被反复击穿。 痛点可以拆成四类： 1. **告警噪声淹没根因**：一次断纤触发 N 个网元的级联告警，真正有用的根因告警被埋在噪声里。 2. **多厂商指标割裂**：不同厂商、不同网络层（RAN / 传输 / 核心 / IP）的 KPI 口径、命名、采样频率都不一样，工程师要靠人脑做"翻译"和关联。 3. **告警疲劳与误升级**：把正常的波动当成异常反复上报、反复升级，运维团队被无效工单拖垮。 4. **现场上门成本**：根因定位不准 → 派单出错 → 技术员白跑一趟的"二次上门"，是运营商 OPEX 的隐形黑洞。 Nokia 给出的解药很直接：**用一组分工明确的智能体，分别接管告警过滤、指标翻译、异常判别、根因推理、修复执行和可视化，由一个"路由智能体"统一调度，再用 Gemini 的多模态推理把它们串成机器速的闭环**。Forrester 的测算佐证了这条路的财务吸引力——AI 驱动的自动化最高可为电信行业削减 **30% 的 OPEX**。 ## 二、方案详情：六个 Gemini 智能体如何分工 这套系统的核心是**六个专用智能体 + 一个玻璃箱治理框架**。六个智能体并非一个臃肿的"全能助手"，而是各司其职的专家组，由 Router 智能体充当中央调度： | 智能体 | 核心职责 | 解决的痛点 | |--------|----------|-----------| | **Router（路由）** | 中央编排层；解析运维人员的自然语言指令，在智能体之间分发任务，并强制执行策略边界 | 把六者织成协同体，守住合规底线 | | **Event Triage（事件分诊）** | 从海量告警中过滤噪声、浮出真正问题（如断纤后的告警洪水） | 告警噪声淹没根因 | | **KPI Selector（指标选择）** | 以"领域专家"视角解读跨厂商、跨层的碎片化性能指标，挑出与当前问题最相关的 KPI | 多厂商指标割裂 | | **Anomaly Reasoner（异常推理）** | 结合历史上下文，区分"真异常"与"良性波动" | 告警疲劳与误升级 | | **Remediation（修复）** | 将活跃事件与自动化目录（automation catalog）交叉比对，建议或执行修复动作 | 从"诊断"跨到"动手" | | **Dashboard Generation（看板生成）** | 用遥测、KPI 与历史数据动态拼装可视化看板，是 Gemini 多模态能力落地的主舞台 | 让人看得懂、信得过 | 这套智能体的技术底座同样关键：**跑在标准 Google Cloud 基础设施上（Kubernetes + Google Cloud Storage）**，用 **Google Cloud 的 Agent Development Kit（ADK）** 构建，承载于 **Gemini Enterprise Agent Platform**。这意味着运营商不需要采购昂贵的定制软件叠加层，也不用大规模替换现有基础设施——智能体是"插"进已在大量运营商生产网里运行多年的 Nokia 保障中心的。对运维组织而言，这降低了从"实验"走向"生产"的最大门槛：**非破坏性集成**。 整个工作闭环可以图示如下： ```mermaid flowchart TD A[告警洪水/运维人员自然语言指令] --> B[Router 智能体
中央编排+策略边界] B --> C[Event Triage 事件分诊
过滤噪声,浮出根因] C --> D[KPI Selector 指标选择
跨厂商KPI翻译对齐] D --> E[Anomaly Reasoner 异常推理
结合历史辨真伪] E --> F{风险评级} F -->|低风险日常| G[Remediation 智能体
自动执行修复] F -->|高风险/核心网变更| H[玻璃箱人工签核门] H -->|人类确认| G G --> I[Dashboard 看板生成
多模态可视化+可解释溯源] I --> J[分钟级闭环
MTTR 下降50%-80%] I -.可逆回滚.-> B ``` 值得注意的是闭环里的**风险分级分流**：低风险的日常动作（如重启一个卡顿的网元、调整一个参数）由智能体自主完成；而**高风险的核心网变更必须经过人工签核**。这正是"玻璃箱"区别于"黑箱自动决策"的关键。 ## 三、玻璃箱自治：敢把网络交给 AI 的前提 运营商对"让 AI 直接动网络"天然警惕，原因很现实：万一智能体对核心网做了非预期修改，影响的是数百万用户的通信权；欧洲对人工监督与可审计性的监管压力又比别处更严。Nokia 用"**Glass Box Autonomy（玻璃箱自治）**"来回应这些焦虑，它包含四条治理原则： - **决策质量可度量**：每一次自主决策都被打分、被记录，而不是"AI 说了算"。 - **爆炸半径可控（blast radius containment）**：限制单个智能体能影响的最大范围，一次失误不会全网扩散。 - **显式血缘（explicit lineage）**：每个推荐或执行的动作都能追溯到具体的遥测数据和推理链，做到可解释。 - **完全可逆（total reversibility）**：智能体执行的动作可以回滚，不会留下不可收拾的状态。 在落地形态上，智能体首先作为**顾问层（advisory layer）**运行——给出带置信度的推荐，由人确认后再执行。这和"一上来就全自动接管"形成对照，是一种典型的**渐进式信任建设**：先用低风险场景跑起来，等组织对 AI 决策的信心累积起来，再逐步放大自治范围。Nokia 官方把这描述为"phased deployment model（分阶段部署模型）"——服务提供商可以在不牺牲运营控制权、不破坏生产环境信任的前提下，逐步把自动化工作流铺开。 这套理念在 DTW26 上被 Nokia 升格为"自主网络的操作系统范式"：**运营商不再去逐个敲打割裂的域控制器，而是声明期望的业务结果（intent），由系统在整栈范围内协调执行**。在这种范式下，价值的基本单位从"孤立的数据流和闭环"变成了"决策本身"——意图、遥测与策略三者的精确交汇点。 ## 四、效果数据：从小时到分钟的真实跃迁 把分散在各处的硬指标汇总成一张表，这套方案的价值轮廓就很清楚了： | 指标 | 传统人工模式 | Nokia 六智能体方案 | 提升幅度 | |------|-------------|-------------------|---------| | 根因诊断耗时（典型故障） | 数小时 | 分钟级 | MTTR 降低 **50%–80%** | | 运维生产力（较传统模式） | 基线 | — | 提升 **60%–80%** | | 告警处理方式 | 人工逐条浏览 | 智能体过滤+根因浮出 | 噪声大幅收敛 | | 现场二次上门 | 频繁（定位不准） | 根因前置、修复前置 | 显著减少 | | 电信行业 OPEX（Forrester 测算） | — | AI 自动化驱动 | 最高降 **30%** | | 核心网高风险变更 | 人工操作 | 智能体推荐+人工签核 | 可审计、可回滚 | Nokia 自己早在 AVA 5G Cognitive Operations 阶段就宣称"能把故障解决速度提升至多 **50%**且更精准"，这六个 Gemini 智能体可以视为这一能力在多智能体、多模态方向上的跃迁版——从"单点加速"进化到"全链路闭环"。要提醒的是，50%–80% 的 MTTR 削减是 Nokia 在全部智能体完整部署后的目标值，实际效果还需等 9 月上架、运营商大规模商用后用真实数据检验。 ## 五、对比分析：与 Ericsson、Cisco、华为、AWS 的差异 故障自愈赛道并不缺玩家，Nokia 的差异化在于"**多智能体专业化 + 保障中心深度内嵌 + Open RAN 与跨域敏捷**"的组合，而非单一巨型助手。 | 维度 | Nokia（Gemini 六智能体） | Ericsson | Cisco | 华为 | AWS | |------|------------------------|----------|-------|------|-----| | 技术形态 | 六个专用智能体+Router 编排 | Cognitive Software 套件，偏 RAN 优化 | 自有 AI/ML 运维工具 | 智能自治网络 IAN 架构 | 云原生 AI 编排（如 Bedrock） | | 治理模型 | 玻璃箱自治（可解释/可逆/爆炸半径可控） | 闭环保守 | 偏设备中心 | 端到端自有栈 | 云平台原生 | | 大模型底座 | Google Gemini 多模态+ADK | 自研+合作 | 自研+合作 | 自研（盘古等） | Bedrock 多模型 | | 跨域能力 | IP/固定/光/RAN 全域 | RAN 强 | IP/企业网强 | 全栈但地缘受限 | 云强、电信域弱 | | 采购与落地 | 9 月 Google Cloud Marketplace 上架 SaaS | 传统电信采购 | 传统电信采购 | 地缘政治受限 | 云市场快速采购 | | 多厂商开放 | Open RAN 标准、MantaRay SMO 跨厂商 | 偏自有生态 | 中等 | 偏自有生态 | 中立但域知识弱 | 这张表能解释 Nokia 为什么把"**Open RAN 标准 + 跨域（IP、固定、光）组合敏捷**"当作压过 Ericsson、华为的核心卖点。Ericsson 的 Cognitive Software 在 RAN 优化上很强但跨域偏窄；华为 IAN 架构覆盖全栈，却因地缘政治在西方市场采购受限；AWS 的云原生编排采购快、迭代快，但缺乏电信域的深度知识与已嵌入运营商生产网的保障底座。Nokia 的算盘是：**用 Gemini 的通用推理力 + Nokia 几十年沉淀的电信域知识 + 已在大量运营商运行的 Assurance Center**，拼出一个"低风险、高回报"的组合。 Nokia 的短板也很真实：它不像 AWS/Microsoft 那样能快速铺到非 Nokia 的云原生栈里；多智能体架构理论上其他厂商也能仿效，先发优势需要靠落地速度和案例兑现。 ## 六、部署路径与时间线：怎么一步步跑起来 这套方案不是 PPT，它有明确的渐进式落地节奏，这也是它区别于许多"原型 demo"的地方： 1. **2025 年 2 月（MWC25）**：Nokia 在自治网络产品组合中加入 Agentic AI 能力，并推出轻量级专用模块 aApps（agentic apps），针对拥塞、故障等场景的"微智能体"——六智能体的前身思路。 2. **2025 年 6 月**：发布 **Autonomous Network Fabric（自治网络织网层）**，业内首批"电信训练的 AI 模型套件"，把 Nokia 的电信数据与自动化能力和 Google 的 AI 工具打通。 3. **2025 年 7 月**：三条 **Network as Code（NaC）API** 上架 Google Cloud Marketplace，为后续智能体打 API 基础。 4. **2026 年 6 月 11 日**：在 **Network Services Platform（NSP）**中引入 agentic AI 框架，针对 **IP 网络**做"可信 AI 运维"。 5. **2026 年 6 月 22 日**：与 Google Cloud 联合发布**六个 Gemini 智能体**，嵌入 Assurance Center；其中 **Router 与 Event Triage 两个已完全可用并在 Nokia 环境中实跑**。 6. **2026 年 6 月 24 日（DTW26）**：发布完整 Agentic AI 蓝图、Autonomous Networks Agent Library（智能体库）与新版 Autonomous Networks Suite，覆盖 IP、固定、光各层。 7. **2026 年 9 月**：完整平台以 **SaaS 形式在 Google Cloud Marketplace 正式上架**，运营商可部署"认证智能体初始包"。 8. **2027 年内**：更多智能体持续交付，逐步扩大自治范围。 这条时间线对运营商的采购与评估很友好：**已上线的两个智能体可立即体验，9 月的 Marketplace 上架提供标准化的采购与合规入口，避免了绑定单一地缘技术栈的风险**——这对欧洲运营商尤其重要。 ## 七、配套与延伸：把自愈能力铺到更多域 六智能体不是孤岛，Nokia 在同一时期把 agentic AI 能力铺到了多个域，构成一张更大的自愈网： - **IP 网络（NSP）**：2026 年 6 月引入的 agentic AI 框架，让运营商部署"扎根于实时拓扑"的 IP 网络智能体，做可信的 IP 运维。 - **固定与宽带网络**：把 agentic AI 推进到 Altiplano（接入网）、Corteca（家庭网关）等固定网络产品组合，覆盖固网故障自愈。 - **RAN 与跨厂商编排**：**MantaRay SMO**（业务管理与编排）方案完全对齐 Open RAN 架构，集成 Non-RT RIC 功能与 AI rApps，编排复杂无线环境并执行动态网络切片。**NTT DOCOMO 与 Nokia 在 MantaRay SON 和 AutoPilot 上的试验**，为跨厂商自动化提供了现场验证。 - **行业趋势佐证**：同期 Telia 联合 BMC Helix 把 agentic AI 从 TM Forum Catalyst 项目推进到 5G 生产运维，压低了 toil 与 MTTR——说明"从 AIOps 走向 agentic AI、闭合网络自治回路"已是行业共识，Nokia 只是走得最系统的一支。 ## 八、冷思考：还差什么 把所有赞歌唱完后，必须看清几个尚未闭合的口子： 1. **数据是燃料，集成是苦力**：六智能体的推理质量高度依赖实时、干净、跨厂商的遥测数据。运营商真实网络里的数据孤岛、口径不一、采样缺失，才是落地最费力的部分，Nokia 给的是引擎，油还得运营商自己加。 2. **50%–80% 是目标值**：这是全部智能体完整部署后的目标，9 月上架后的大规模商用数据才是真正考卷。在多厂商异构网络里复现这一指标，往往要打折扣。 3. **地缘与供应链耦合**：方案深度绑定 Google Cloud 与 Gemini。对于不愿把网络遥测送往海外云的运营商，私有化/本地化部署路径仍需明确。 4. **组织变革比技术更难**：玻璃箱要求运维人员从"手动排障"转向"高层架构师与策略边界制定者"，这种角色重塑和技能迁移，比买一套软件难得多。 ## 九、结语 Nokia 联手 Google Gemini 的六个智能体，把通信网络故障自愈从"人工分诊几小时"推向"机器分诊分钟级"，并用玻璃箱自治守住了运营商最在意的安全与可审计底线。它的真正价值不在于某个孤立的智能体多聪明，而在于**把意图、遥测、策略编织成可度量、可回滚、可解释的决策闭环**，并提供了 9 月就能上架采购的标准化落地路径。当运维竞争的主战场从"覆盖与速率"转向"机器速的精准决策能力"时，谁能把这套闭环跑通、跑稳、跑出真实 MTTR 数据，谁就拿到了下一代自治网络的入场券。 --- ## 参考来源 1. [Nokia and Google Cloud Partner to Embed AI Agents Built with Gemini Models into Nokia's Autonomous Network Product Suite（Nokia 官方新闻稿，2026-06-22）](https://www.prnewswire.com/news-releases/nokia-and-google-cloud-partner-to-embed-ai-agents-built-with-googles-gemini-models-into-nokias-autonomous-network-product-suite-302805095.html) — 六个 Gemini 智能体嵌入 Nokia 保障中心的官方声明 2. [Nokia, Google Cloud put Gemini agents in network ops（RCR Wireless，2026-06-24）](https://www.rcrwireless.com/20260624/ai/nokia-gemini-ai-agents) — 六智能体分工、玻璃箱自治与分阶段上线的详细拆解 3. [DTW26: Nokia's Agentic AI Blueprint for Autonomous Network Operations（HyperFRAME Research，2026-06-24）](https://hyperframeresearch.com/2026/06/24/dtw26-nokias-agentic-ai-blueprint-for-autonomous-network-operations/) — 60%–80% 生产力提升、玻璃箱治理四原则与竞争格局分析 4. [Nokia Deploys Gemini-Powered AI Agents to Accelerate Telecom Network Automation（AI Compass/techedgeai，2026）](https://techedgeai.com/nokia-deploys-gemini-powered-ai-agents-to-accelerate-telecom-network-automation/) — Router/事件分诊等智能体职责及 Forrester 30% OPEX 削减测算 5. [Nokia launches Autonomous Network Fabric to help customers accelerate network automation（5G Americas/Nokia 新闻稿，2025-06-18）](https://www.5gamericas.org/nokia-launches-autonomous-network-fabric-to-help-customers-accelerate-network-automation/) — 自治网络织网层与 Google AI 工具整合的产品演进背景 --- > 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。