# 贝尔加拿大让网络投诉骤降两成半：Spanner Graph 配 Gemini 重构 AIOps 自愈闭环 > 当大多数运营商还在"AI 修一个工单"的阶段反复试验时，加拿大最大的通信公司贝尔（Bell Canada）选择了一条与众不同的路——它没有从单点故障告警入手，而是先用一张"知识图谱"重新理解自己的网络，再让多模态大模型去读懂这张图。结果是：客户报障量直接掉了一块，网络运维从"救火队"变成了"预报员"。 ## 一、案例背景：被复杂度逼到墙角的传统 NOC 贝尔是加拿大最大的通信公司，1880 年创立于蒙特利尔，提供宽带、无线、电视、媒体和企业通信服务，现归 BCE Inc. 全资持有。这样一个覆盖全国、横跨无线与固网多代技术的"巨无霸"网络，其运维复杂度本身就是最大的敌人。 2025 年 2 月 26 日，贝尔在 MWC 2025 前夕（谷歌云展台 Hall 2，2H40）正式对外宣布：其构建于 Google Cloud 之上的**网络 AI Ops（人工智能运维）方案**已完成部署并投入实战。贝尔网络高级副总裁 Mark McDonald 在新闻稿中坦言，传统网管方式已经跟不上网络复杂度和流量激增的节奏——遗留系统大多依赖**被动响应**和**人工流程**，导致效率低下、服务中断频发、用户体验受损。 核心痛点可以拆成三层： 1. **告警洪水**：海量网元 7×24 小时吐出告警，同一根因可能触发数十条相互关联的告警，一线人员疲于"消音"而无暇定位。 2. **影响盲区**：一条小小的中断，发生在低流量站点无人感知，发生在高铁站/商圈却可能引爆投诉；但传统系统分不清"轻重"，所有告警一视同仁排队处理。 3. **知识断层**：排障高度依赖老师傅的脑子和翻厂商文档，新人上手慢，经验难沉淀。Mean Time to Resolution（MTTR，平均故障修复时间）长期居高不下。 这三个问题叠加，本质上是同一个：**网络早就云化、虚拟化了，但运维还停在"看板 + 工单 + 人脑"的石器时代**。贝尔的解法，是用一张图、一个大模型，把三者一次性打通。 ## 二、方案详情：一张图 + 一个多模态大模型 贝尔 AI Ops 的技术栈几乎是"谷歌云全家桶"：Google Kubernetes Engine（GKE）做容器化编排，BigQuery 做海量数据仓库，Pub/Sub 做消息流式接入，再叠加贝尔自研的定制 AI/ML 模型。但真正决定这套方案"含金量"的，是两件兵器——**Spanner Graph** 和 **Gemini 多模态大模型**。 ### 1. Spanner Graph：给网络画一张"关系地图" 这是整个方案的灵魂。Spanner Graph 是谷歌云在 Spanner 分布式数据库之上构建的图数据库能力，贝尔用它来**动态评估网络拓扑关系与流量变化**，从而"完整地理解客户影响（wholly understand the customer impact）"。 通俗讲：传统网管看网络是"一张表"——哪个网元、哪个端口、什么告警。而 Spanner Graph 看网络是"一张网"——节点是网元/端口/链路/小区/客户业务，边是它们之间的依赖、承载、汇聚关系。当某条传输链路中断时，图引擎可以沿着"边"快速向上回溯：这条链路承载了哪些汇聚层、波及哪些基站、最终影响多少在网用户、其中多少是高价值政企客户。 正是这种"图遍历"能力，让贝尔实现了**影响感知的智能优先级排序**：一个低流量站点的小故障，可能被系统判定为"暂不紧急"；而一个高流量站点哪怕只有轻微抖动，也会被立刻顶到队列最前面。谷歌云电信行业全球负责人 Angelo Libertucci 评价，这是"网络管理方式的一次根本性转变（fundamental shift）"，而非渐进式改良。 ### 2. Gemini 多模态大模型：让排障"看得懂、记得住、找得到" 如果说 Spanner Graph 负责"算关系"，那 Gemini 多模态大模型就负责"读上下文"。贝尔用 Gemini 实现了三个关键能力： - **快速事件分析（rapid incident analysis）**：把告警、日志、拓扑截图、甚至是抓包图等多模态信息一并喂给模型，快速生成事件摘要与初步研判。 - **历史上下文检索（historical context retrieval）**：类似的故障历史上发生过吗？当时怎么解决的？Gemini 从历史工单和知识库中拉取相关案例，相当于给每个值班工程师配了一个"全公司最资深的老专家"。 - **厂商文档检索（vendor documentation access）**：排障最耗时的一环往往是翻设备厂家那几千页的配置手册。Gemini 把这些文档语义化索引，工程师用自然语言提问，模型直接给出对应的配置命令与排障步骤。 ```mermaid flowchart TD A[网络遥测/告警
CE客户体验数据] --> B[Pub/Sub 流式接入] B --> C[BigQuery 数据湖 + GKE 容器化处理] C --> D{Spanner Graph
网络关系知识图谱} D -->|图遍历影响分析| E[影响感知优先级排序] E --> F[高危故障自动置顶] D --> G{Gemini 多模态大模型} G -->|历史案例检索| H1[历史上下文回溯] G -->|厂商文档检索| H2[排障步骤/配置命令] G -->|多模态事件分析| H3[事件摘要与研判] F --> I[自愈/自动化处置] H1 --> I H2 --> I H3 --> I I --> J[MTTR 下降
客户投诉减少] I --> K[实时可观测性看板] K -->|反馈优化模型| C ``` 整个闭环的精髓在于**"图算影响 → 模型给方案 → 自动化去执行 → 看板给反馈"**。告警不再是孤立的噪点，而是被图谱串成"事件"；事件不再是冰冷的代码，而是被 Gemini 翻译成"人能读、机能办"的排障动作。 ## 三、效果数据：三个硬指标说明问题 贝尔给出的成绩单，是少数能同时拿出"效率、客户、稳定性"三类指标的运营商之一，含金量很高： | 指标维度 | 传统模式表现 | AI Ops 模式表现 | 提升幅度 / 变化 | |---|---|---|---| | 软件交付生产力 | 基线 | — | **+75%** | | 客户报障量（customer-reported issues） | 基线 | — | **-25%** | | 数据可用性与时效性 SLA 合规率 | — | **99.8%** | 持续达标 | | 平均故障修复时间 MTTR | 较长 | 显著缩短 | 大幅下降（定性） | | 故障发现方式 | 被动、事后 | 主动、预测 | 范式级转变 | 最值得关注的是**"客户报障量下降 25%"**。这个数字背后逻辑链很清晰：AI Ops 在客户感知到故障、打电话投诉**之前**，就已经通过图谱的影响预判和 Gemini 的快速定位，把问题"摁"了下去。换句话说，原本会变成一通投诉电话的隐患，被系统在萌芽阶段消化掉了。对于一个拥有千万级用户基数的大运营商，25% 的投诉降幅意味着客服中心工单洪峰的实质性削减，也直接关联着净推荐值（NPS）与客户留存。 **软件交付生产力 +75%** 则反映了另一个维度：AI Ops 不只省运维，还反哺了开发流程。借助 GKE 的云原生弹性和谷歌云工具链，贝尔的开发—测试—上线链路被大幅压缩，新功能、新配置更快铺到现网。而 **99.8% 的 SLA 合规率**说明这套方案本身是稳的——AIOps 不能成为新的故障源。 需要客观指出：贝尔的案例更偏向"**AI 增强运维 + 半自动化自愈**"，其官方表述强调的是"加速向自治网络（autonomous networks）迈进"，尚未像部分厂商那样宣称"全闭环无人干预"。但 Spanner Graph + Gemini 的组合拳，已经在"理解影响—给出方案—压缩 MTTR—减少投诉"这条主链上跑通了真实价值。 ## 四、对比分析：三种 AIOps 自愈路线之争 AIOps 在通信行业的落地，远不止贝尔这一条路。把贝尔放回行业坐标系，能更清楚地看到不同技术选型的优劣。这里选取同样有真实部署数据、且与贝尔形成鲜明对照的两家——**西班牙电信（Telefónica）** 和 **意大利电信集团旗下 Sparkle**——做横向对比。 ### 1. 西班牙电信：TM Forum 分级框架下的"多域自愈" 2026 年 2 月 18 日，Telefónica 宣布其"自治网络之旅（Autonomous Network Journey, ANJ）"在 2025 年底已累计落地 **12 个 Level 4（高度自治）用例**，覆盖西班牙、德国（O2）、巴西（Vivo）。其路线与贝尔截然不同： - **走标准化分级路线**：完全对标 TM Forum 定义的 L0（全手动）到 L5（全自治）框架，用"自治等级"这把尺子量化进度，目标是 2028 年达到平均 3.75、2030 年在三国全面达到 Level 4。 - **以数字孪生和专用 AI 为引擎**：典型如德国的传输网数字孪生 NetOptimizer、巴西 Vivo 用于容量自动生成的 Fractal AI、西班牙的智能光纤部署 Smart CAPEX、以及保证软件变更零差错的 NetCheck。 - **真正落地了"自愈"用例**：例如西班牙"IP 网络问题的自主检测与解决（autonomous detection and resolution）"、Vivo"虚拟化 5G 核心网中的自主检测与解决"——这才是字面意义上的故障自愈闭环。 Telefónica 全球 CTIO Andrea Folgueiras 在 MWC 上阐述了其路线图。与贝尔相比，Telefónica 的特点是**范围广、等级高、域全（固定接入/移动接入/传输/IP 核心网/电信云全覆盖）**，但单点架构的"黑科技"浓度不如贝尔的图谱方案集中。 ### 2. Sparkle（TIM 集团）：生成式 AI + 网管老兵的"NOC 提效" 意大利电信集团旗下的国际批发运营商 Sparkle，2025 年 5 月联合本土集成商 Engineering Group 推出代号 **AISNA（AI Sparkle Network Assurance）** 的项目，把 AI 注入国际网络的 NOC。它的技术栈是"生成式 AI + 传统 AIOps + 自动化"三件套：**IBM watsonx（生成式 AI）+ IBM SevOne/AIOps（性能与故障管理）+ Ansible（配置自动化）**。 | 对比维度 | Bell Canada（谷歌云） | Telefónica（TM Forum 分级） | Sparkle/TIM（IBM 系） | |---|---|---|---| | 底层云/平台 | Google Cloud（GKE+BigQuery+Pub/Sub） | 多厂商 + TM Forum AN 框架 | IBM watsonx + SevOne | | 核心智能引擎 | Spanner Graph 知识图谱 + Gemini 多模态 | Fractal AI + 数字孪生 NetOptimizer | watsonx 生成式大模型 | | 自治成熟度 | 朝 Level 4 演进（半自动自愈） | **12 个用例已达 Level 4** | NOC 流程级自动化 | | 治理范围 | 全国无线+固网 | 西/德/巴跨多域（接入/传输/核心/云） | 国际传输网 NOC | | 最亮眼的硬指标 | 客户投诉 -25%、交付 +75% | 多域故障自主检测与解决 | 告警处理 -30%、批量更新 -80% | | 自愈"含金量" | 影响感知 + 加速修复（强） | 全闭环自主检测与解决（最强） | 告警摘要 + 工单自动更新（中） | Sparkle 的成绩同样扎实：**告警处理时间下降 30%、大规模网络更新活动平均执行时间下降高达 80%、客户报告处理时间每年减少约 3000 小时、停机报告（RFO）时间每年减少约 700 小时**。其亮点在于用生成式 AI 处理"邮件内容分析、关键信息摘要、工单自动更新"这类**重复性文书工作**，把人力从机械劳动中解放出来投入真正的客户服务与问题解决——CIO Lorella Scalcione 与运营负责人 Danilo Decaroli 都强调，这是项目的"首要优先级"。 ### 3. 三条路线的本质差异 把三家放在一起，能看清 AIOps 自愈的三种打法： - **贝尔 = "认知 + 理解"派**：用知识图谱让系统"懂网络结构"，用多模态大模型让系统"懂排障知识"。强在影响感知和上下文理解，适合复杂异构网络的优先级治理。 - **Telefónica = "分级 + 全域"派**：用行业标准把"自治"量化成可考核的等级，强在覆盖范围与闭环成熟度，是离"真正无人值守自愈"最近的。 - **Sparkle = "提效 + 减负"派**：用生成式 AI 啃下 NOC 里最枯燥的文书与流程，强在短期内可量化的工时节省，落地门槛最低。 与**传统方案**相比，三者共同把网络运维从"被动救火"推向"主动防火"：传统模式下，MTTR 取决于人轮班速度和老师傅经验；AI Ops 模式下，影响预判、根因关联、处置建议、文档检索在秒级完成，人只做"最终决策与高危动作确认"。这正是贝尔 Mark McDonald 所说的——"用 AI 实现更高的准确率与速度，加速迈向自治网络"。 ## 五、给国内运营商的三点启示 第一，**知识图谱是被低估的 AIOps 地基**。国内运营商核心网云化、网元数量动辄十万级，纯靠大模型"读告警"容易幻觉、难溯因。贝尔的 Spanner Graph 思路值得借鉴：先用图把网络拓扑与客户业务关系固化下来，大模型在"有图的约束"下做推理，准确率与可解释性都会上一个台阶。中国移动"九天"、中国电信"星辰"等网络大模型，完全可以叠加一层拓扑知识图谱。 第二，**多模态不是噱头，是排障刚需**。现网排障材料高度异构——拓扑图、抓包、信令 trace、厂商 PDF，纯文本模型处理不了。Gemini 的多模态 + 厂商文档检索，直接命中了"翻手册"这个最耗时环节。国内厂商文档本地化检索（华为、中兴、爱立信中文手册）+ 多模态分析，是可快速复制的提效点。 第三，**用"自治等级"做 KPI，比用"准确率"更利于推进**。Telefónica 的 TM Forum 分级路线证明，把模糊的"智能化"翻译成 L0–L5 的可考核刻度，能直接进入高管 OKR，推动跨域、跨部门协同。国内三大运营商在自治网络分级标准（如信通院、CCSA 相关工作）上的推进，正是走这条路。 ## 六、结语 贝尔加拿大用一张 Spanner Graph 和一个 Gemini，把网络投诉砍掉四分之一、把软件交付提速四分之三，更用 99.8% 的 SLA 证明了 AIOps 本身的可靠性。它和 Telefónica 的全域分级自愈、Sparkle 的 NOC 提效，共同勾勒出 2025–2026 通信 AIOps 的三条主流路径。对国内同行而言，重要的不是照搬某一家，而是想清楚：自己的网络，缺的是"一张图"、"一个分级体系"，还是"一个能啃文书的副驾"。答案不同，AIOps 的发力点就截然不同。 ## 参考来源 1. [Bell Canada launches AI-powered network operations solution built on Google Cloud — Newswire 官方新闻稿](https://www.newswire.ca/news-releases/bell-canada-launches-ai-powered-network-operations-solution-built-on-google-cloud-819450623.html) — 贝尔 2025-02-26 发布，含 Spanner Graph、Gemini 技术栈及 -25% 投诉、+75% 交付、99.8% SLA 等核心数据。 2. [Telefonica advances AI-powered networks with 12 Level 4 autonomous network use cases — TelecomLead](https://telecomlead.com/telecom-services/telefonica-advances-ai-powered-networks-with-12-level-4-autonomous-network-use-cases-124634) — 2026-02-18 报道，详述 Telefónica ANJ 计划、12 个 Level 4 用例（Fractal AI、NetOptimizer、NetCheck 等）及 2028/2030 路线图。 3. [Sparkle adopts AI to help run network operations — Mobile Europe](https://www.mobileeurope.co.uk/sparkle-adopts-ai-to-help-run-network-operations/) — TIM 集团 Sparkle 与 Engineering Group 合作 AISNA 项目，IBM watsonx + SevOne + Ansible 技术栈，告警处理 -30%、批量更新 -80%、年省约 3000+700 小时。 4. [AI in Telecom: The Road to Autonomous, Self-Healing Networks — LinkedIn Pulse](https://www.linkedin.com/pulse/ai-telecom-road-autonomous-self-healing-networks-manish-shukla-mnhvc) — 行业视角，阐述 AI 驱动通信网走向自治自愈网络的总体趋势。 5. [TeckNexus: Telefónica Level 4 Network Automation Achievements with AI Digital Twin](https://tecknexus.com/telefonica-level-4-network-automation-achievements-with-ai-digital-twin/) — 对 Telefónica 数字孪生与 Level 4 自治网络成就的技术解读。 --- > 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。