无线网络优化（下称"无线网优"）是运营商最难啃的硬骨头之一。一张省级 5G 网络动辄几十万小区，每天产生的容量告警、质差投诉、邻区漏配、覆盖盲区等问题数以千计，而真正能闭环处理它们的，是一支靠经验驱动的"网优铁军"。2024 年底，中国移动研究院联合江苏移动，把自研的"九天·网络大模型"嵌进了这条最难的生产流水线，做了一件过去被认为不可能的事——让无线容量工单从"按天处理"被压缩到"分钟级自闭环"。本文用真实数据和架构细节，拆解这场无线网优的智能化重塑。
无线网优的痛点，可以用四个字概括：人少、事多、链长、质差。
所谓"人少、事多"，是指 5G 网络的小区规模是 4G 时代的数倍，但地市公司一线网优人员编制并未同步增长，单人负责的小区数量持续攀升。所谓"链长"，是指一个典型的无线质差或高负荷问题，从发现到闭环，要经过"现象识别→数据调取→多维关联→根因定位→方案制定→参数下发→效果验证→归档"八个环节，任何一个环节卡壳，工单就在流程里"漂"上好几天。
更关键的是"质差"。传统网优高度依赖资深专家的"手感"：同一个高负荷预警，专家看一眼就知道是节假日潮汐、还是邻区漏配、还是功率参数不合理；而初级工程师可能要在几十个网管系统之间来回切换，调取 MR（测量报告）、PRB 利用率、流量曲线、邻区关系表，才能勉强拼出一张因果图。专家经验的不可复制性，成了无线网优产能的天花板。
江苏移动的处境尤为典型：全省 13 个地市，143 名日常优化人员，要应对每天海量的无线容量工单。靠加人解决不了，靠传统自动化脚本只能处理"规则明确"的那一小部分，大量需要"判断"的工单依然回流到专家手里。正是在这个背景下，中国移动研究院把"九天·网络大模型"引入了江苏移动的生产系统，研发出 AI+无线网络自闭环优化应用。这也是九天·网络大模型在无线网优领域的首次成功商用落地。
要理解这个应用为什么能自闭环，先要看清它的底座——九天·网络大模型。它不是单一模型，而是基于九天基座大模型深度打造的三类子模型矩阵，分别对应网络运维的三种核心数据形态：
| 子模型 | 处理的数据类型 | 在网络运维中的角色 | 典型能力 |
|---|---|---|---|
| 自然语言大模型 | 工单文本、告警描述、运维知识、人机指令 | 构建"运维多智能体"，做人机交互与跨系统任务编排 | 自然语言交互、跨系统任务规划/编排/调度，打通端到端流程断点 |
| 结构化数据大模型 | KPI、MR、PRB 利用率、流量、配置参数 | 理解网络运行规律，做根因定位与趋势预测 | 跨域识别故障/隐患/质差、精准定位根因、预测业务量与质量趋势 |
| 机器视觉大模型 | 基站现场照片、巡检图像、拓扑图 | 捕捉现场精细特征与全局信息 | 多目标检测（如设备外观、线缆、机房环境） |
本次江苏移动落地的 AI+无线网络自闭环优化应用，正是依托其中的"网络结构化数据大模型"构建而成。这一点很关键：它不是让大模型去"聊天"，而是让它去"读懂无线网络的物理状态"。
通用大语言模型擅长处理文本，但对无线网络中那种"时间×空间×频段×小区"的高维时序结构化数据基本无能为力。一个小区的无线利用率，本质上是几千个用户在几十毫秒级的时间窗里抢占物理资源块（PRB）的统计结果，背后是真实的电波传播、干扰、调度物理机理。
九天的做法是，把数据驱动、精确表征、物理机理融合、多目标多任务优化决策四项能力熔铸进结构化数据大模型。具体技术路径包括：
这套组合拳的目标只有一个：让模型在"问题诊断→分析决策→方案执行→效果预估"全流程上，做到接近专家水平，但速度是专家的成百上千倍。
传统网优的八个环节，在九天方案里被压缩为一条零接触（zero-touch）闭环。模型完成问题有效性分析、精准定位、优化方案制定和效果预估后，方案直接下发到现网，再由模型持续监测优化效果，达到预期即归档闭环，未达预期则自动回滚或迭代方案。整个过程无需人工介入，这也是"自智网络（Autonomous Networks）"从 L3 走向 L4 的典型特征。
下面的 Mermaid 图还原了这条自闭环流水线：
flowchart TD
A[无线网络运行数据<br/>MR/PRB/流量/配置] --> B[多维数据对齐与标准化]
B --> C{九天·网络<br/>结构化数据大模型}
C --> C1[时空分层表征]
C --> C2[因果学习根因定位]
C --> C3[物理机理融合]
C --> C4[知识融合先验]
C1 & C2 & C3 & C4 --> D[问题诊断与分析决策]
D --> E[优化方案生成<br/>+ 效果预估]
E --> F{方案是否安全可执行}
F -->|是| G[参数下发至现网]
F -->|否| H[转人工专家复核]
G --> I[持续监测效果]
I --> J{效果达标?}
J -->|是| K[工单闭环归档]
J -->|否| E
K -.回灌训练.-> C
值得注意图中的两条虚线：效果不达标会自动回到方案生成环节迭代；而每一个闭环工单又会作为"高质量训练样本"回灌模型，形成越用越准的飞轮。这恰恰是结构化数据大模型区别于规则引擎的根本优势——规则引擎永远是静态的，而它会持续进化。
这套方案在江苏全省嵌入生产后的成绩单，是最有说服力的部分。以下数据来自中国移动研究院与江苏移动的联合实践：
| 指标维度 | 具体数据 | 解读 |
|---|---|---|
| 覆盖范围 | 每天自动化处理 13 个地市的无线容量工单 | 全省覆盖，而非试点小区 |
| 处理规模 | 月均分析 超过 6000 个工单 | 相当于每月替代数万次人工数据调取 |
| 闭环率 | 方案下发并闭环工单比例达 23% | 每 4 张工单就有近 1 张全自动闭环，无需人工 |
| 人员赋能 | 服务 143 名日常优化人员 | "一人多能"，初级人员可借助模型达到准专家水平 |
| 处理时效 | 工单处理时间从 "天"缩短到"分钟级" | 时效提升数量级 |
| 低效小区占比 | 下降至 1.9% | 网络健康度结构性改善 |
| 高负荷预警小区比例 | 下降至 0.04% | 拥塞风险被前置消化 |
这组数据里有三个数字值得特别展开。
第一个是 23% 的闭环率。 这不是简单的"自动派单率"，而是"方案真正下发到现网并验证有效"的硬闭环率。在传统模式里，自动化脚本能处理的工单通常是规则极其明确的一小部分，占比往往在个位数。23% 意味着大模型已经开始啃下过去必须靠专家判断的工单——这是质变。
第二个是"从天到分钟级"。 一张工单的处理时间压缩两个数量级，背后的原因是模型替代了"调数据—关联分析—写方案"这段最耗人工的环节。对于节假日潮汐、突发流量热点这类有时效性的问题，这意味着网优团队第一次拥有了"实时响应"的能力，而不是"事后复盘"。
第三个是低效小区 1.9%、高负荷预警 0.04%。 这两个是网络健康度的存量指标。它们的下降说明自闭环优化的价值不只是"提速"，而是真正改善了用户感知和网络效能——低效小区少了，掉话、卡顿的概率就低了；高负荷预警小区少了，拥堵区的用户体验就更稳了。
| 维度 | 传统人工网优 | 九天网络大模型自闭环 |
|---|---|---|
| 数据获取 | 人工跨多个系统调取、手工拼接 | 多维数据自动对齐，模型直接消化 |
| 根因定位 | 依赖专家经验，水平参差 | 因果学习+知识融合，一致性高 |
| 方案制定 | 一人一案，慢且难以标准化 | 模型批量生成+效果预估 |
| 执行验证 | 下发后人工跟踪数天 | 持续监测，达标即闭环 |
| 处理时效 | 天级 | 分钟级 |
| 经验沉淀 | 留在专家脑子里，会流失 | 沉淀为模型参数，越用越强 |
| 规模上限 | 受专家人数制约 | 随算力可弹性扩展 |
这张表揭示了一个深层逻辑：传统网优的产能受制于"专家人数×专家时间"，而大模型方案把产能上限切换成了"算力"。 在通信行业用户量持续增长、网络持续复杂化的趋势下，前者是线性甚至萎缩的，后者是指数级可扩展的——这是两种截然不同的增长范式。
把九天·网络大模型放到更宽的坐标系里，它的差异化优势同样清晰。
首先是全栈自研、深度行业适配。九天基础大模型 3.0 采用万亿级 MoE（混合专家）架构，推理能力较前代提升约 35%，在 GPQA Diamond 等推理基准上达到全球领先水平；其衍生出的"九天善智多模态大模型""九天数学大模型"也分别在多模态和数学推理上取得 SOTA 成绩，并已开源多项核心技术。这意味着九天网络大模型不是套用通用开源模型做微调，而是从基座开始就面向运营商场景深度定制，对无线物理机理、3GPP 规范、网管数据的理解深度是通用模型难以企及的。
其次是央企级数据合规与安全闭环。九天自然语言交互大模型是国内首批通过国家"生成式人工智能服务备案"的央企大模型之一，可在生产环境合规对外提供服务。对于把网络运行数据视作核心资产的运营商而言，这一点的权重不亚于模型能力本身。
最后是已形成体系化的"网络+AI"应用矩阵。无线网优自闭环只是其中一环。九天·网络大模型在 2024 年中国移动"赋能建功"自智网络 AI 标杆应用创优竞赛中，已支撑出多个标杆：河南移动的"豫鉴·爱家"装维智能助理、AI+软硬一体协同无线运维智能体、"AI+"重塑家宽运维生产模式等。中国移动设计院联合九天研究院研发的无线网络运维智能体 AIOpsGPT，则能根据用户提供的小区信息自动查询无线利用率、上行 PRB 平均利用率等指标，并基于历史数据预测流量与资源需求。行业内有公开材料披露，相关大模型网优实践已实现"一人多能、约 60% 工单自动解决"。这表明九天在网络域已不是单点突破，而是横向覆盖家宽/无线、纵向贯通装维/优化/运维的成片生态。
江苏移动的无线网优自闭环，本质上演示了一种可复用的范式——用结构化数据大模型，把"专家密集型、流程长、依赖判断"的网络生产环节，改造成"模型驱动、零接触、自闭环"的流水线。这个范式可以平移到大量场景：
一个值得所有通信人记住的趋势：当网络复杂度的增长速度超过专家培养的速度时，"自智网络"就不再是锦上添花，而是唯一的出路。 九天·网络大模型给出的，正是一条从"人海战术"走向"算力战术"的可落地路径。
回到文章开头那个问题：无线网优这块硬骨头，到底能不能用大模型啃下来？江苏移动的答案是肯定的——每天 13 地市、月均 6000+ 工单、23% 自动闭环、时效从天降到分钟、低效小区压到 1.9%。
但比这些数字更值得关注的是范式意义。九天·网络大模型在江苏的落地证明了一件事：通信网络的运维，正在从"经验驱动"转向"模型驱动"，从"按天响应"转向"实时闭环"，从"专家瓶颈"转向"算力解放"。这不是某一家省公司的孤例，而是整个行业自智网络演进的缩影。
当然，仍有挑战需要正视。23% 的闭环率意味着仍有约四分之三的工单需要人工介入或回滚；结构化数据大模型对罕见场景的泛化能力、对跨厂商设备的适配、以及"模型出错时的安全兜底"机制，都还在持续打磨。但方向已经清晰：谁先把大模型真正嵌进网络的生产流水线，谁就掌握了下一代通信网络的运维制高点。
对于网优工程师而言，这不是"被替代"的故事，而是"被升级"的故事——把重复、低价值的数据体力活交给模型，把精力集中到架构优化、用户体验、新技术验证这些真正需要创造力的工作上。这，才是九天·网络大模型把工单压成分钟级之后，最该被读懂的行业信号。
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。