2025年4月12日,广东移动与华为联合发布基于DeepSeek大模型的SPN网络智能运维体NetMaster试点方案。这是国内首个将开源推理大模型深度嵌入5G回传承载网(SPN,Slicing Packet Network,切片分组网)运维闭环的落地案例——它要解决的,是一个困扰传输运维多年的顽疾:百万级告警洪流下,故障定位靠人、跨域拉通靠吼、平均历时居高不下。
SPN是中国移动主导的新一代5G综合承载网技术,承载着5G基站回传和高品质政企专线两大生命线业务。它的特点是"网大、点多、告警多、跨域多":
中兴通讯在《ZTE Technologies》的署名文章中指出,传统运维"依靠专家经验,在效率和成本方面的问题日益凸显"。这正是全行业的共识:SPN网络规模和复杂性已超出人工运维能力的边界,必须用AI把"被动救火"变成"自动定界、自动导航、自动修复建议"。
广东移动与华为给出的答案是NetMaster网络智能体。它的底层是华为在网络领域二十多年沉淀的经验知识库,汇聚了百亿级电信领域语料;而真正让它"开窍"的,是2025年引入的开源推理大模型DeepSeek。
方案最关键的创新是"双引擎推理架构":
| 推理引擎 | 角色 | 特点 |
|---|---|---|
| 传统通信大模型 | 快速响应引擎 | 擅长高频、标准化的故障模式识别,响应快、成本低 |
| DeepSeek推理大模型 | 深度推理引擎 | 擅长复杂、长尾、跨域的根因分析与修复方案生成 |
简单说,常见告警走"快引擎"秒级响应;疑难杂症、多源告警关联、需要生成修复方案的复杂场景,交给DeepSeek"慢思考"。两个引擎互补,既保证响应速度,又保证复杂场景的推理深度。
flowchart TB
A[SPN海量告警/性能数据<br/>每日上百万条] --> B[数据预处理与去噪]
B --> C{路由分发}
C -->|常见/标准故障| D[传统通信大模型<br/>快速响应引擎]
C -->|复杂/跨域/长尾故障| E[DeepSeek推理大模型<br/>深度推理引擎]
D --> F[根因定界]
E --> F
F --> G[修复方案生成]
G --> H[一键重路由/数字员工处置]
G --> I[APP实时修复建议<br/>推送一线代维]
H --> J[闭环验证]
I --> K[一次性现场处置<br/>杜绝二次上站]
J --> L[故障自愈完成]
K --> L
L -->|反馈学习| D
L -->|反馈学习| E
整个闭环的逻辑是:告警涌入 → 双引擎定界根因 → 自动关联受影响电路/业务 → 自学习历史抢修案例库 → 生成抢修/重路由方案 → 推送给数字员工执行或APP指导代维 → 闭环验证。其中"PTN业务一键重路由"是关键能力——基于已定界的根因,自动关联相关传输电路,一键完成业务迂回,把传统需要人工逐条配置的重路由压成"一键"。
NetMaster在广东移动已取得"显著成效",核心数据如下:
| 指标 | 效果 |
|---|---|
| SPN网络故障平均历时 | 降低10%以上 |
| 部署数字员工数量 | 全省120个 |
| 节省代维工作量 | 相当于每年4万人/天 |
| 现场处置 | APP推送实时修复建议,减少二次上站 |
"120个数字员工"是这套方案最形象的表达。这些数字员工7×24小时值守,相当于一支永不疲倦的虚拟运维团队:它们负责告警分类、根因初判、工单分派、知识问答、修复建议推送等环节,把人类专家从海量低价值劳动中解放出来,集中到真正需要判断的复杂场景。
"每年节省4万人/天"是个很有冲击力的数字——换算下来,相当于每天有约110个人/天的运维人力被AI替代,这还不算因"减少二次上站"带来的车辆、时间、效率等隐性收益。
对一线代维而言,最大的体感变化是:过去上站前信息不全、靠经验盲查,故障定位不准导致跑第二趟;现在APP直接给出"故障是什么、在哪、怎么修、备件带什么"的实时建议,一次性完成现场处置。这正是自愈闭环延伸到"最后一公里"的关键。
| 维度 | 传统运维 | NetMaster智能体 |
|---|---|---|
| 告警处理 | 人工逐条查看,70%—90%为噪声 | AI去噪+根因定界,自动关联 |
| 根因定位 | 跨域人工比对,依赖专家经验 | 双引擎推理,秒级到分钟级定界 |
| 重路由恢复 | 人工逐条配置电路迂回 | PTN业务一键重路由 |
| 现场处置 | 信息不全,易二次上站 | APP实时修复建议,一次搞定 |
| 知识沉淀 | 靠老师傅口耳相传 | 百亿语料+自学习案例库 |
| 人力投入 | 大量代维人员值守 | 120个数字员工,省4万人/天 |
| 方案 | 厂商/主体 | 核心思路 | 代表能力 | 部署主体 |
|---|---|---|---|---|
| NetMaster智能体 | 华为×广东移动 | 双引擎推理(通信大模型+DeepSeek),大模型驱动闭环 | 故障历时降10%+、120数字员工、一键重路由 | 广东移动全省 |
| 大模型SPN极简运维 | 中兴通讯×中国移动 | "主动式运维",风险链路主动预防 | 线路故障防范、链路劣化预警 | 中国移动 |
| iMaster NCE + AI智能光模块 | 华为 | 硬件级AI光模块插入板卡,结合NCE识别 | 设备掉电/尾纤拔出/光缆中断精确识别 | 多省移动 |
这三者的定位其实各有侧重:中兴的"主动式运维"更强调事前预防——在故障发生前就识别风险链路(如光功率劣化趋势),把它消灭在萌芽;华为iMaster NCE的AI光模块走的是硬件感知路线,把AI推理下沉到设备板卡,做端侧故障类型精确识别;而NetMaster则把战场放在软件层、大模型层,用DeepSeek的推理能力打通"告警→定界→修复→执行"的全链路自愈。三者在实际网络中往往是互补共存,而非彼此替代。
值得注意的是,中兴方案走"风险智能预防体系",聚焦线路侧风险治理,理念是把运维重心从"故障后抢修"前移到"故障前预警"。这与NetMaster的"故障后快速自愈"形成时间轴上的互补——一个管"治未病",一个管"治已病"。从TM Forum自智网络(Autonomous Networks)的L0—L5成熟度模型看,两者都在向L4(高度自治)逼近,但路径不同。
通信行业用大模型做运维,长期面临一个两难:
NetMaster的双引擎架构本质是对这个两难的工程化解法:用通信大模型守住"专业准确"的底线,用DeepSeek突破"复杂推理"的上限。DeepSeek之所以被选中,关键在于其开源、低成本、强推理的特性——运营商可以在私有云本地部署,满足数据不出网的安全合规要求,同时其思维链(Chain-of-Thought)推理能力适合处理多源告警关联、跨域根因分析这类需要"分步推理"的场景。
更深一层看,NetMaster汇聚的"百亿级电信领域语料+华为二十多年网络经验",是它的真正护城河。大模型的能力上限,往往取决于训练数据的领域纵深。一个没喂过百万级真实SPN告警和抢修案例的通用模型,再聪明也无法替代老师傅的现场判断。广东移动的试点之所以能跑通"减少二次上站"这种贴近一线的指标,正是因为模型里沉淀了足够多的真实运维案例,能让它给出"备件带什么、先查哪根纤"这样可执行的方案。
NetMaster的成功不是孤例。河南移动1.5万台SPN设备、每日上百万告警的体量,说明SPN智能运维是全行业刚需;中兴"主动式运维"、华为iMaster NCE AI光模块从不同角度切入,共同把SPN推向自治网络。传输网AI自愈,正在从"试点验证"快速走向"规模商用"。
对运营商的启示有三点:
广东移动×华为NetMaster的实践证明:把DeepSeek这样的开源推理大模型,与通信领域知识深度融合,能在SPN这种"百万告警、跨域复杂"的重型传输网上,跑通一条"双引擎定界→一键重路由→APP指导现场→闭环自愈"的完整路径。120个数字员工、4万人/天的解放、二次上站的杜绝,是这条路径上真实的里程碑。在5G回传承载网这个最"重"的运维战场,AI自愈已经从概念变成了可以量化的人力和体验收益。
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。
