把一张网络做到"全球之最",荣耀与诅咒往往同时降临。中国移动运营着世界上规模最大的移动通信网络——截至公开披露数据,其 5G 客户达 5.78 亿、移动用户总数突破 10 亿,同时铺设了全球最大的 400Gbps OTN 光传送网、最大的 SRv6 骨干网,以及电信行业最大的单集群智算中心。
但规模越大,"动一刀"的代价就越恐怖。在传统的网络运维范式里,真正吞噬人力与引发事故的并非日常告警,而是网络变更(configuration change)——每一次扩容、割接、策略调整、路由改造,都可能成为大面积断网的导火索。
中国移动山东公司给出了一个刺眼的数字:仅在山东一省,这张服务于超 1 亿用户(涵盖移动上网、家庭宽带、政企专线、IPTV)的 IP 网络,自 2024 年以来累计执行了 1500 余次网络变更。传统的人工配置核验"高度依赖个人经验、易错易漏",每一次变更都是在万兆级流量上走钢丝。
而承载网的故障压力更为直观。在人口超 1.26 亿的广东省,2023 年仅 IP 回传承载网一项,中国移动每月就要处理 3 万张故障工单,后端运维专家平均每张单要耗 45 分钟;由于还要和现场人员反复沟通,一张工单从触发到闭环通常要 30 到 100 分钟。
更让管理者头疼的是流程的"先天臃肿":一次完整的 IP 回传承载激活流程,过去足足有 54 个步骤,其中 41 步必须人工介入——响应慢、出错率高、运营成本居高不下。当网络还在以"万"为单位增长节点时(华为光网产品线指出,WDM 正从核心城域下沉到 CO、站点、楼宇,节点与业务数量已增长 100 倍),靠"堆人"已经走到了尽头。
问题归纳:不是网络不智能,而是"变更"和"排障"这两件最高频、最高危的运维动作,仍停留在"经验驱动、人工串行"的石器时代。AI 要解决的,不是锦上添花的告警展示,而是把这两件事彻底闭环。
中国移动的答案是和华为联手,在 iMaster NCE 平台之上,分三个层次把网络从"人工操作"推向"自治自愈"。
在集团级网络运营中心(NOC),中国移动部署了两类 AI 智能体:
智能体最怕"一本正经地胡说"。为压住大模型幻觉,中国移动与华为共建了超过 100 亿参数的电信专用大模型,并叠加 RAG(检索增强生成);同时构建了大模型(负责泛化)+ 小模型(负责专业化)协作的自治闭环工具链——大模型负责理解意图、跨场景迁移,小模型负责在具体网元上做高精度判定。
这套体系还必须解决一个现实难题:各省级子公司的业务模式与数据特征差异巨大。因此团队在广东、浙江两省先行试点(广东聚焦 IP 回传故障与家宽投诉,浙江聚焦 RAN 与核心网故障),用本地数据完成模型适配与训练,再"自下而上"从市级复制到省级、再到全国。
山东移动与华为联合打造的智能网络变更管理平台(INCMP),获得了 2025 年 10 月在巴黎颁发的 Network X"最具创新电信 AI 部署"奖。它的核心引擎,是华为 iMaster NCE 下一代 CMOS(集中式模型操作仿真,Centralized Model-Operation Simulation)算法。
CMOS 的本质,是把"先改后修"变成"先算后改"——在配置真正下发之前,先用数字模型把变更后的网络状态、性能表现完整仿真一遍,自动标记潜在异常。它形成了三段式闭环:
在 OTN 光传送域,华为 iMaster NCE-T 提出了以 T-AUTO 价值框架为核心的"优质传输(Premium Transmission)"方案,基石是传输数字地图(Transmission Digital Map)——它把真实光网抽象建模成四层(光纤/光层/电层/业务)×三维(带宽/时延/可用率)的数字孪生体,支持规划、保障、风险识别与质量监测。其 Ultimate SLA Guarantee 通过同路由识别、网络结构风险分析、光纤劣化分析,主动预防光纤中断与节点故障;Time-saving Ticket Journey 则用海量告警关联分析快速定位根因,客户端借助 AI 智能诊断快速界定故障,线路侧用 fast eOTDR 迅速定位中断源。
flowchart TB
subgraph A[变更/故障触发]
A1[配置变更请求]
A2[海量告警涌入]
end
subgraph B[AI 决策层 - iMaster NCE]
B1[CMOS 仿真引擎<br/>变更前预测]
B2[大模型100亿参数+RAG<br/>意图理解/泛化]
B3[小模型阵列<br/>网元级高精度判定]
B4[告警关联+fast eOTDR<br/>根因定位]
end
subgraph C[智能体执行层]
C1[场景智能体<br/>端到端闭环]
C2[角色副驾驶<br/>辅助一线]
end
subgraph D[数据底座]
D1[传输数字地图<br/>四层三维数字孪生]
D2[知识图谱/RAG]
end
subgraph E[自治结果]
E1[变更零失误]
E2[故障分钟级自愈]
E3[L4 自治网络]
end
A1 --> B1
A2 --> B4
B1 --> B2 & B3
B4 --> B2 & B3
B2 & B3 --> C1 & C2
C1 & C2 --> D1 & D2
C1 --> E1 & E2
E1 & E2 --> E3
中国移动把目标定为 Level 4 自治网络——按 TM Forum 的定义,这是从"人定义的自动化"跨入"机器自主决策"的临界点。通过 TM Forum 的 AN Levels(ANL)自评估,其 NOC 自治等级从 3.2 提升到 4。这不是宣传话术,而是一组可审计的硬指标:
| 核心指标 | 传统人工模式 | iMaster NCE 智能体模式 | 提升幅度 |
|---|---|---|---|
| 后端运维人力 | 基准 | 大幅压减 | 减少超 30% |
| 一线装维人力 | 基准 | 持续压减 | 节省超 5% |
| 等效人力替代 | — | 2024 年底累计 | 约 5500 人/年 |
| 故障/投诉 MTTR | 30–100 分钟/单 | 自治闭环 | 平均下降 30% |
| NOC 自治等级(ANL) | 3.2 | 4 | 跨越一个时代 |
| 现场"派单"次数 | 多次往返 | 每单≤1 次 | 接近消除人工介入 |
在广东、浙江两省的试点中,这套体系带来了"质变级"的运维体验改善:
| 智能体能力维度 | 关键数据 | 实现手段 |
|---|---|---|
| 智能问答准确率 | 90% | 大模型 + RAG |
| 大模型幻觉率 | 降至 3% | RAG 检索增强 |
| 知识问答准确率 | 97%(超行业均值 20%) | 高精度 dense + 高效率 sparse 模型组合 |
| 自然语言查询覆盖 | 1000+ 场景 | NL2SQL / NL2API |
| 无代码开发 | 自然语言→自动转工作流 | 专家知识建模 |
| 模型协作 | 大模型泛化 + 小模型专业化 | 自治闭环工具链 |
而在山东,INCMP 的战报同样亮眼:网络割接/迁移效率提升近 60%、用户投诉降至接近零、变更引发的重大事故被提前阻止;平台已覆盖超 1000 台网络设备,支撑千万级家宽用户和百万级政企客户的配置变更核验,是山东省内部署规模最大的通信网络仿真系统。
在 OTN 光网侧,iMaster NCE-T 的成绩同样硬核:故障工单减少 40%;Assorted Service Automation 让 10G+ 业务的 TTM(上市时间)从"数月"压缩到"数小时";变更防错、根因定位、自愈恢复形成连续闭环。
横向看,全球主流设备商都在押注 AIOps,但路径分歧明显:
| 维度 | 传统人工运维 | 爱立信/诺基亚自动化 | 中国移动+华为 iMaster NCE |
|---|---|---|---|
| 变更核验方式 | 经验+事后排障 | 规则编排、自动化脚本 | CMOS 变更前预测仿真 |
| 智能体形态 | 无 | 事件驱动自动化(EDA) | 角色副驾驶 + 场景智能体双形态 |
| 模型策略 | 无 | 规则/小模型为主 | 百亿参数大模型 + 大小模型协作 + RAG |
| 关键差异点 | 易错、慢 | 自动化但泛化弱 | 仿真驱动 + 意图驱动,可跨省复制 |
| 落地证据 | — | 局部试点 | TMF L4 卓越奖 + Network X 大奖 |
爱立信、诺基亚的方案强在事件驱动的确定性自动化(规则触发→自动执行),适合标准、重复的排障场景;但面对"变更这种一步错步步错、且高度依赖上下文推理"的高危动作,纯规则难以胜任。中国移动的破局点恰恰在于把"仿真"前置——先用数字孪生"算一遍"再动手,从根上消除"改了才知道错了"的窘境,再用智能体承担端到端闭环,最后用 RAG + 大小模型协作守住准确率这条生命线。
另一个常被忽视的成功要素,是方法论与标准的"地基"。中国移动大量复用了 TM Forum 的资产:用 GB921(eTOM 业务流程框架)界定与华为的协同边界,用 GB1022(ODA 功能框架)定义功能与解耦集成原则,用 IG1218F(AN 旅程方法论)规划自治路径,并以 KBI/KEI/KCI 三层指标体系度量质量、效率与能力。项目方直言:"没有 TM Forum 资产,整个进程会显著拉长,甚至不可能完成。"——这提示行业:AIOps 的成败,30% 在模型,70% 在流程标准化与数据治理。
回看这场从"人海战术"到"暗 NOC"的迁徙,有三条经验值得全行业咀嚼:
高危动作优先"仿真化",而非直接"智能化"。AI 直接改配置风险极高,但 AI 仿真+人工确认+批量下发,可在不丢控制力的前提下把变更做成"零事故"。山东移动把"变更仿真通过率"写入关键场景的运维流程,正是把 AI 从"工具"升格为"流程标准"。
大小模型协作 + RAG,是电信 GenAI 落地的工程铁律。100 亿参数大模型负责泛化与意图理解,小模型负责网元级精度,RAG 把幻觉压到 3%——这是让智能体"敢用、能用"的前提。
L4 不是终点,而是"自下而上复制"的起点。从广东、浙江两省试点,到市级→省级→全国的三级推广,再到 ANL 3.2→4 的可量化跨越,中国移动验证了"高价值场景先行 + 标准化复制"的可复制路径。
面向 6G 与算网融合,网络变更的复杂度还会继续指数级攀升。当 400G OTN 演进到 800G/1.6T、当 SRv6 与算力调度深度交织,"变更零失误、故障分钟自愈、NOC 暗灯运行"将从领先运营商的奖杯,变成行业生存的及格线。中国移动和华为用 iMaster NCE 走出的这条路,本质上是给全行业打了个样:AIOps 的终局,不是更聪明的告警,而是让网络学会"先想清楚,再动手"。
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。