在通信行业过去两年铺天盖地的"AI自愈"叙事里，绝大多数案例要么发生在传统巨头的专有平台之上（爱立信、诺基亚、华为），要么是运营商大模型的泛化应用。但有一家运营商的实战路径截然不同——它从零开始就是云原生、容器化、Open RAN架构，没有历史包袱，也因此把AI运维（AIOps）做成了可对外销售的商品，而不是只服务自己的网络。
它就是日本乐天移动（Rakuten Mobile），以及它孵化出来的基础设施公司乐天交响（Rakuten Symphony）。根据该公司网络运维负责人Sharad Sriwastawa公开披露的实测数据，Symphony的AIOps平台在RAN日志根因分析环节实现了比人工快97%的速度，平均15分钟就能从海量日志中定位到故障根因。这是2026年MWC期间运营商AIOps赛道里，少数能拿出"具体环节、具体百分比、具体时长"三项硬指标的真实落地案例。
理解Rakuten的AIOps，必须先理解它网络的特殊性。与所有 incumbent 运营商不同，Rakuten Mobile是全球第一个全云原生、全虚拟化、端到端Open RAN的商用移动网络：核心网、无线网、传输网几乎全部以容器形式跑在通用服务器上，由Symphony自研的云平台统一编排。
这种架构带来了一个被低估的副作用——告警密度爆炸。
传统网络中，一个基站宕机，告警可能来自十几个专用网元的私有协议；但在Rakuten的全云原生网络里，一个gDU（分布式单元）容器异常，会从Kubernetes编排层、容器网络接口（CNI）、vRAN应用层、前传链路层同时触发几十上百条日志和告警。运维人员面对的不是"信号灯"，而是真正的"日志洪流"。
更尖锐的是经济账：作为一家后进入者，Rakuten没有传统运营商动辄上万人的NOC团队，必须用更少的运维人力覆盖同等规模的网络。这意味着，"靠人盯屏幕"的模式从第一天起就不可行——它不是要"优化"运维，而是必须从架构层面把"自动找根因、自动给动作"的能力焊死在网络操作系统里。这正是它比巨头更早把AIOps产品化的根本原因。
Rakuten Symphony的AIOps不是单点工具，而是嵌入其Symphony服务保障（Service Assurance）套件里的一个预测式闭环。根据2026年5月其官网技术博客及MWC26专题披露，整体能力可以拆成四层：
第一层——预测式数据采集与降噪。 平台从RAN、传输、核心、云编排四域实时采集指标与日志，用机器学习做告警关联与去重，把同一根因引发的告警风暴收敛成单一"事件（incident）"。这一步直接解决了运维界最头疼的"告警疲劳（alert fatigue）"问题。
第二层——AI根因分析（RCA）。 这是其核心卖点。平台不再依赖人工在海量日志里串线索，而是由AI模型自动完成日志聚类、异常模式匹配、跨域因果推断，输出最可能的根因。RCA之后还会给出Next Best Action（NBA，下一步最佳动作）建议，把"找到问题"和"该做什么"打包交给运维或自动化执行器。
第三层——RAN日志的专用AI分析。 这是Sharad Sriwastawa重点公开的突破点：针对无线网日志这一最复杂、信息量最大的数据源，Symphony训练了专用AI管线，将原本需要资深工程师逐行翻阅、数小时才能厘清的RAN日志，压缩到平均15分钟、且准确度可追溯，速度较人工提升97%。
第四层——Agent Studio的代理化执行。 Symphony的OSS业务单元推出了"Agent Studio"，允许把上述RCA与NBA能力封装为可调用的AI代理（Agent），完成从"诊断"到"自动执行修复动作"的最后一公里，逼近真正的故障自愈。
整个闭环的运作逻辑如下：
flowchart TD
A[多域数据采集<br/>RAN/传输/核心/云] --> B[AI告警关联降噪]
B --> C[告警风暴收敛为单一事件]
C --> D[AI根因分析 RCA]
D --> E[Next Best Action<br/>下一步最佳动作]
E --> F{决策路由}
F -->|低风险| G[Agent Studio<br/>自动执行修复]
F -->|高风险| H[人工确认后执行]
G --> I[效果验证与回滚]
H --> I
I -->|根因消除| J[闭环归档]
I -->|未解决| D
style D fill:#ffe4b5
style G fill:#b5ffd4
需要强调的是，Rakuten自己很清醒地知道"自动执行"不是终点。其官网另一篇题为《让机器说服你（Let the Machine Convince You）》的博客明确提出：对于敏感的自动操作，必须先建立人对AI决策的信任，否则任何"自愈"都可能演变成次生灾害——这一点我们后文会展开。
下面这张表，是综合Symphony官方公开数据与第三方运维研究整理的核心性能对比。注意：RAN日志分析的两项数字来自Rakuten Symphony官方实测披露，是本文最硬的佐证。
| 关键指标 | 传统人工排障模式 | Rakuten Symphony AIOps | 提升幅度 |
|---|---|---|---|
| RAN日志根因定位耗时 | 数小时（资深工程师逐行分析） | 平均15分钟 | 提速约97% |
| 单次故障根因分析（RCA） | 依赖经验，跨域串联慢 | AI自动输出根因+NBA建议 | 流程级压缩 |
| 告警风暴处理 | 人工逐条甄别 | AI关联收敛为单一事件 | 告警疲劳显著下降 |
| 修复动作执行 | 全程人工操作 | Agent代理低风险自动执行 | 趋近自愈闭环 |
| 能力复用 | 仅服务自有网络 | 商业化对外销售 | 平台化 |
为了横向定位Rakuten在全球AIOps版图中的位置，再对比几家代表性厂商/方案（注：部分竞品为定性对比，精确数字以各方最新披露为准）：
| 方案/厂商 | 架构起点 | AIOps形态 | 自愈执行 | 差异化 |
|---|---|---|---|---|
| Rakuten Symphony | 全云原生/Open RAN | 预测式RCA+Agent Studio | 代理化、可商用 | 从零云原生，能力产品化外销 |
| 诺基亚（Nokia） | 传统+虚拟化 | 多智能体编排 | 闭环自愈 | 老牌厂商，存量网络覆盖广 |
| 爱立信（Ericsson） | 传统+云化 | 智能运维+云协同 | 分钟级自愈 | 与公有云深度绑定 |
| NETSCOUT | 网络感知优先 | "网脑"排障 | 自愈闭环 | 强项在信令/流量深度解析 |
| Tupl（TuplOS） | 独立AIOps平台 | 工单自愈 | 自动闭环 | 跨厂商、运营商友好 |
这张表想说明的是：当巨头们还在"如何把AI塞进既有专有网元"里时，Rakuten的路径是反过来的——先建一个云原生网络，再让AI自然地长在每个容器旁边，因此它没有"历史系统适配"的包袱，AIOps也更接近互联网公司的DevOps范式。
Rakuten Symphony最值得国内同行关注的，不是它服务Rakuten Mobile本身，而是它把这套AIOps打包成了商品卖给别的运营商。这在国内"九天""星辰"等运营商大模型主要服务内部网络的语境下，是另一条路线。
2026年5月，Symphony官网题为《AIOps如何以预测智能重塑网络运维》的技术博客记录了一场MWC26专题讨论，由The Network Media Group的Abe Nejad主持，嘉宾来自Colt Technology Services（英国）、TELUS（加拿大）、Ribbon和Rakuten Symphony。四方共同探讨的核心命题就是：反应式排障已经不够用了，AIOps必须把网络运维从"事后救火"推向"事前预测"。
更早的2025年11月，Symphony另一场专题则拉来了Orange（法国电信）与Rakuten Symphony对谈，主题同样是AIOps驱动的服务敏捷交付。这意味着，欧洲和北美的主流运营商已经在认真评估、甚至落地这种"买来的AIOps能力"，而不是各自从头造轮子。配合其"proven at scale（规模化验证）"的服务保障产品发布——该产品明确支持在公有云或私有云上统一提供RCA与NBA能力——Symphony实质上把自己定位成了电信AIOps的独立软件供应商。
旁证同样有力：2026年3月，乐天集团层面披露，借助OpenAI Codex等AI编程代理，其在软件缺陷/事件修复环节实现了约50%的MTTR（平均恢复时间）缩短，并将产品上市时间压缩约79%。这虽属集团更广泛的工程效能范畴而非电信网络专属，但它佐证了同一组织对"AI代理化运维"已具备成熟的工程化执行底座——Symphony的Agent Studio正是这种基因在电信侧的延伸。
不能只看光鲜的一面。一个值得所有AIOps实践者警惕的反例来自行业复盘：当AIOps系统被赋予"自动执行"的权力后，若根因判断错误或动作设计不当，"自愈动作"本身可能引发级联雪崩——一个本可人工拦截的错误决策，被自动化放大成了全网级故障。
Rakuten Symphony对此是有清醒认识的，其《让机器说服你》一文的内核就是：在自动执行之前，先解决"人为什么该信AI"的信任问题。它主张对高风险操作保留人工确认路由（如上图决策节点所示），用可解释的RCA理由、可回滚的执行机制，逐步把AI从"建议者"推向"受控执行者"。这与那种"一上来就宣称全自动自愈"的营销话术形成鲜明对比，也是这份案例最值得借鉴的工程态度。
对国内运营商而言，Rakuten路径的真正启示有三：其一，AIOps的根基是数据与架构的云原生化，没有统一的数据平面，再强的大模型也只能做"事后解读"；其二，根因分析（RCA）+下一步最佳动作（NBA）+代理执行（Agent）才是自愈闭环的三段式骨架，缺一不可；其三，信任与回滚比"全自动"更重要，宁可慢一步可控，也不要快一步翻车。
Rakuten Symphony用一组硬数据——RAN日志根因分析提速97%、平均15分钟定位故障源——为2026年的电信AIOps提供了一个可被核对的标杆。它证明了一件事：当一个网络从一开始就为AI而建，AIOps就不再是"锦上添花"，而是网络操作系统不可分割的一部分。而它把这套能力外销给Colt、TELUS、Orange等运营商的做法，也提示了一个国内尚未充分展开的方向——电信AIOps本身，可能就是一门独立的生意。
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。