# 九天网络大模型让工单压成分钟级：江苏移动无线网优自闭环实战拆解
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。
## 一、案例背景：无线网优为什么必须上大模型
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。
## 二、方案详情：九天·网络大模型的"三模型"底座
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"。
### 2.1 为什么是结构化数据大模型，而不是通用 LLM
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：
- **多维数据对齐与标准化**：把来自网管、性能、配置、MR 等不同系统的异构数据，对齐到统一的"小区×时间×指标"三维空间。
- **时空分层表征**：让模型既能理解"瞬时波动"（秒级），又能捕捉"长期趋势"（周/月级），从而区分潮汐性拥塞与结构性缺陷。
- **因果学习**：不只看相关性，而是推断"是 A 导致了 B"，避免"头痛医头"的误判。
- **知识融合**：把资深网优专家的经验规则、3GPP 规范知识注入模型，作为可被推理调用的"先验"。
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。**
### 2.2 端到端自闭环：零接触优化
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：
```mermaid
flowchart TD
A[无线网络运行数据
MR/PRB/流量/配置] --> B[多维数据对齐与标准化]
B --> C{九天·网络
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
+ 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。
## 三、效果数据：从天到分钟，数据会说话
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。
## 四、对比分析：大模型方案赢在哪里
### 4.1 与传统人工网优的对比
| 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。
### 4.2 与友商/通用方案的对比
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**。
## 五、可迁移性：这套打法能复制到哪些场景
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：
- **家宽装维与质差整治**："豫鉴·爱家"装维智能助理已验证可行，把装维师傅从反复上门、反复排障中解放出来。
- **传输网与核心网运维**：浙江移动曾用多智能体降伏传输网故障，而结构化数据大模型同样适用于核心网 KPI 异常的根因定位与预测。
- **现场巡检智能化**：舟山岱山县的全国首个 5G-A 无人机 AI 巡检平台，搭载九天自研视觉大模型，使算法微调效率提升 10 倍，已为海事、农业、环保部门构建专业巡检航线 20 余条——这是机器视觉大模型在"现场"侧的落地。
- **容量规划与基站选址**：基于结构化数据大模型对业务量趋势的预测能力，可前置支撑网络扩容与投资决策。
> 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。
## 六、结论：工单被压成分钟级的真正意义
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。
## 参考来源
1. [中国移动九天大模型再赋能！助力无线网络优化智能大升级（网易/运营商段子手）](https://www.163.com/dy/article/JIB8FA5T0511N341.html) — 江苏移动九天·网络大模型 AI+无线网络自闭环优化应用的工单数据与效果指标来源
2. [九天·网络大模型助力中国移动"赋能建功"2024年自智网络AI标杆应用创优竞赛圆满收官（新浪财经）](https://finance.sina.com.cn/roll/2024-12-03/doc-incyevpp4717594.shtml) — 九天网络大模型支撑的多场景自智网络标杆（豫鉴·爱家装维助理、家宽运维等）
3. [中国移动设计院联合省公司及九天研究院成功研发无线网络运维智能体AIOpsGPT（通信世界网）](https://www.cww.net.cn/article?id=588448) — AIOpsGPT 小区流量状态查询、PRB 利用率分析、流量与资源需求预测能力
4. [能力升级、技术开源，"九天"通用基础大模型3.0正式发布（中国移动官网/C114）](https://www.10086.cn/aboutus/news/groupnews/index_detail_53246.html) — 九天3.0 万亿级MoE架构、推理能力提升35%、多模型矩阵及核心技术开源信息
5. [网络质量背后的隐形功臣：揭秘中国移动的技术创新（搜狐）](https://www.sohu.com/a/974542044_122396498) — 舟山岱山全国首个5G-A无人机AI巡检平台、视觉大模型微调效率提升10倍案例
---
> 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。
