5G网络的全云化、切片化把网元数量推向了指数级。一个中等规模运营商的无线网，每天产生的告警动辄数百万条，叠加性能遥测、变更日志、用户投诉信令，传统的"告警→值班→派单→上站"链条早就被压垮。TM Forum 2025年的调研给出了一个尴尬的结论：全球大多数CSP仍停留在自治网络（Autonomous Network）L1—L2水平，而绝大多数受访者把"2030年冲上L4"写进了战略PPT——中间隔着整整两个等级。
AT&T的情况更典型。它在2024年启动了北美最大规模的Open RAN重构，把整张5G无线网逐步迁移到爱立信云化RAN之上，多厂商、多技术（4G/5G）、多业务（MBB、FWA、网络切片）混跑。网越开放、越可编程，故障的"组合爆炸"就越严重：一条光纤抖动，可能同时触发数十个小区的KPI劣化告警，值班工程师光是把告警关联起来就要花掉大半个班次。问题不是没有数据，而是数据多到人脑已经处理不过来，且根因隐藏在跨域遥测的深海里。
这正是AIOps故障自愈要解决的痛点：用智能体（Agent）把"感知—分析—决策—执行"四步闭环跑通，把分钟级的故障定位压缩到秒级，把反复上站变成远程自愈。AT&T给出的答案，是一套跑在爱立信EIAP（Ericsson Intelligent Automation Platform，智能自动化平台）之上、由三个协同智能体组成的故障自愈工作流，并用一颗自研微调小模型锁死了5G根因分析的"状元"位置。
整个自愈体系的地基是爱立信EIAP。在O-RAN架构里，rApp是跑在非实时RIC（Non-RT RIC）上的RAN自动化应用，控制环路的时间尺度在1秒及以上，专门负责KPI监测、预测性维护、覆盖与干扰优化这类"慢循环"任务（与之相对的xApp跑在近实时RIC上，处理更快但更窄的场景）。EIAP就是AT&T用来承载这些rApp的平台，它通过O1接口统一管理RAN的故障、配置、计费、性能、安全（FCAPS），通过R1接口向rApp暴露RAN数据，并负责多rApp之间的写冲突仲裁——这是防止多个智能体"打架"的关键治理点。
2025年7月，AT&T联合爱立信完成了业界首个第三方rApp在现网生产环境的部署，rApp通过R1接口直接对AT&T在网运行的5G RAN做实时性能优化。紧接着，AT&T又携手Aira Technologies，用Naavik AppGen这一GenAI引擎，自动生成了一个rApp并部署到爱立信创新实验室中与AT&T现网高度一致的测试环境——这是电信业首次由生成式AI"写"出一个可在EIAP上跑的生产级rApp。这意味着rApp的开发周期从"人月"级被压缩到了"自然语言下指令"级。
真正让故障自愈"跑起来"的，是AT&T基于自研的Ask AT&T Workflows（一个拖拽式智能体编排工具）搭出的三段式Agent链。据AT&T首席数据官Andy Markus在2025年11月的披露，这套链路专门面向网络工程师的排障场景：
最关键的设计是"工程师在环"（engineer-in-the-loop）：人类始终监督这条Agent"连锁反应"，并在关键节点设有人工检查点；每个Agent的每一步动作都被全量日志化，Agent之间交接工作时严格执行数据隔离、留存策略和基于角色的访问控制（RBAC），把数据隐私和安全焊死在全流程里。这种设计直指AIOps自愈最大的隐性风险——"智能自愈动作引发的级联雪崩"：一个错误的自动修复可能像多米诺骨牌一样把整张网带崩。AT&T选择让人做"最后一道闸"，自愈闭环只到"建议+致动建议"为止，高危动作必须人工放行。
根因分析（RCA）是整个自愈链条里最吃"脑力"的一环。AT&T没有去卷大参数模型，而是基于谷歌开源的Gemma-3-4B-IT做了领域微调，结果在5G网络根因分析任务的行业基准测试中登顶第一。与此同时，其"Ask Data with Relational Knowledge Graph"（带关系知识图谱的问答数据）方案在Spider 2.0文本转SQL准确率榜单上也拿下头名。两块"状元"奖牌说明：在电信这种高度结构化、强领域知识的场景里，4B级别的小模型+知识图谱+精调，完全能打过大而全的通用模型——这对运营商控制推理成本和时延（目标推理时延<10ms）至关重要。
下面这张图还原了AT&T三智能体在EIAP底座上的完整故障自愈闭环：
flowchart TD
A[5G RAN 遥测 / 告警风暴] --> B[EIAP 非实时RIC<br/>O1 管控 / R1 暴露数据]
B --> C[Agent 1 关联定位<br/>汇聚变更日志·查已知问题·开单]
C --> D[Agent 2 生成修复<br/>Gemma-3-4B-IT 根因分析·写代码]
D --> E[Agent 3 汇总artifacts<br/>生成结构化事故报告]
E --> F{工程师审批<br/>human-in-the-loop}
F -->|放行| G[EIAP 经 R1 致动<br/>rApp 策略下发全网]
G --> H[KPI 是否恢复]
H -->|否·再闭环| C
H -->|是| I[闭环归档·全链路审计]
F -->|驳回| C
AT&T这套体系的"肌肉"，最终来自其底层rApp能力在爱立信rApp as a Service（rApp aaS）上的现网验证。2026年2月AWS与爱立信联合发布的技术博客给出了经过现网验证的全球级数据——这套能力已部署在60多家CSP、覆盖1300多万个基站、服务超20亿用户，日均AI推理超1亿次：
| 性能指标 | 实测数值 | 说明 |
|---|---|---|
| 异常检测准确率 | 98%（现网验证） | 小区/上行异常检测，经实地校验 |
| 小区故障解决速度 | 提升54% | 问题小区的端到端处置提速 |
| 网优时间与人力 | 降低75% | 网络优化环节的工时与人力投入 |
| 问题小区下行吞吐 | 提升43% | 原劣化小区的用户体验改善 |
| 频谱效率 | 提升4% | 单位频谱的承载能力提升 |
| AT&T根因分析能力 | 5G RCA任务行业第一 | Gemma-3-4B-IT微调，基准测试登顶 |
换算成运营语言：同样是处理一个小区劣化，过去要值班研判+派单+可能上站，现在由Agent在秒级完成关联定位、给出修复建议、工程师一键放行后由EIAP经R1致动全网，无效上站大幅减少、故障解决提速约五成、网优人力省下四分之三。对一个基站规模动辄十万的国家级运营商而言，这意味着每年以"亿"为单位的运维成本节省和可量化的用户体验提升。
为了看清AT&T方案的差异化，下面两张表分别从自愈机制和全球L4自智网络横向实践两个维度做对比。
表1 AT&T三智能体故障自愈 vs 传统人工 vs 遗留SON
| 维度 | 传统人工排障 | 遗留SON | AT&T三智能体（EIAP+rApp aaS） |
|---|---|---|---|
| 告警关联 | 逐条研判，告警风暴易漏判 | 规则引擎，跨域关联弱 | Agent1自动关联遥测+变更日志，毫秒级定位 |
| 根因分析 | 小时级，依赖专家经验 | 单域、阈值驱动 | Gemma微调小模型，5G RCA榜单第一 |
| 修复生成 | 查知识库、口口相传 | 固定策略，自愈面窄 | Agent2按根因生成修复代码/路径建议 |
| 闭环执行 | 工单流转，多次上站 | 本域自动、跨域受限 | 工程师审批后EIAP经R1致动全网 |
| 治理与审计 | 流程留痕，难全量追溯 | 多为黑箱 | 全动作日志+RBAC+数据隔离，可审计 |
| 模型迭代 | 难 | 规则手改 | rApp aaS云端持续更新，SaaS化按需订阅 |
表2 全球L4级自智网络故障自愈代表实践（横向参照）
| 主体 | 方案 | 关键效果 |
|---|---|---|
| AT&T + 爱立信 | EIAP + rApp aaS + 三智能体 | 故障解决提速54%，异常检测准确率98%，60+CSP/1300万站 |
| 华为 | 核心网ICNMaster智能体 | 人工排查数小时压缩至秒级 |
| 中兴通讯 | uSmartNet数字孪生 | FTTR质差识别准确率95%，远程优化覆盖率80% |
| 广东移动 | NetMaster故障智能体（AI+思维链） | 故障定位45→5分钟，工单减少15%，年省运维成本超亿元 |
| 浙江移动 | 投诉处理智能体 | 投诉处理14.6→5小时，效率提升66%，相当于新增18名"数字员工" |
可以看出，AT&T方案的独到之处有三点：第一，它把"自动化操作系统"（EIAP）、"自动化应用市场"（rApp/rApp aaS）和"自愈大脑"（三智能体+微调RCA小模型）做成了清晰的三层解耦，任何一层都能独立演进；第二，它是少数把GenAI用于"造工具"而非仅"用工具"的运营商——Aira的Naavik AppGen能直接生成rApp，等于把网优工程师的"想法→生产级应用"链路打通；第三，它坚持"人在环中"，用治理换激进，规避了AIOps自愈最可怕的级联雪崩风险。相比之下，遗留SON受限于本域、规则固化、云原生改造困难，已明显跟不上AI驱动的自治网络节奏。
第一，"自愈"不等于"无人"。AT&T把高危动作留给工程师放行，本质上承认了当前大模型在电信这类高可靠场景下仍存在幻觉风险。一旦Agent基于错误根因自动改配置，可能像推倒多米诺骨牌一样引发全网级联故障——这也是业界反复复盘的"智能自愈级联雪崩"教训。人在环中、动作可审计、写操作经EIAP仲裁，是当前阶段最稳妥的折中。
第二，治理与数据主权是底线。rApp aaS跑在AWS上，CSP最关心的是RAN数据不出域、不被用于训练基础模型。AWS方面给出的承诺是全链路加密（S3用AES-256+KMS、传输TLS 1.2+）、Bedrock数据与模型商隔离、区域驻留、私有连接（Direct Connect/PrivateLink）——这套安全底座决定了rApp aaS能否被欧洲、亚太等强监管市场的运营商接受。
第三，L4不是终点，L5才是。TM Forum的调研显示多数CSP还在L1—L2徘徊，AT&T这套体系把目标直指L4乃至L5。但要从"工程师在环"走向"零干预"，仍需突破多智能体蜂群协作、强化学习自主进化、以及跨域（无线+核心+传输）意图协同等硬骨头。爱立信与AWS已把MCP（模型上下文协议）、A2A（Agent2Agent协议）纳入蓝图，为未来多Agent、跨厂商协同预留接口。
一句话总结：AT&T用"EIAP底座+三智能体+GenAI造rApp+微调RCA小模型"的组合拳，把5G故障自愈的准确率拉到98%、解决速度提升约五成、网优人力砍掉四分之三，并守住"人在环中"的安全边界——这是AIOps从"降噪工具"走向"自愈大脑"的一个可复制范本，也是Open RAN时代网络可编程性真正变现的开始。
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。 级定位光网络故障，中国移动用AI判断光纤中断、接口松动等问题 — IT之家](https://www.ithome.com/0/887/136.htm) — 中国移动研究院50GE QSFP28光模块嵌入式AI，5类故障、95.6%精度 2. 中国移动AI赋能光网络：秒级定位故障，提升网络运维效率 — 搜狐 — 毫秒级采样、"软件触发+硬件辅助闭锁"机制、发表于《Journal of Lightwave and Technology》 3. 秒级定位光网络故障（腾讯新闻转载IT之家） — 论文标题、3秒数据25ms运算、JLT期刊及发表日期 4. 杭州移动启用智能光缆监测系统助力城市网络升级 — 光纤在线 — 杭州移动在线OTDR+AI智能体，MTTR缩短超60%，市政施工故障占比超60% 5. 基于AI大模型的光网络智能运维应用方案 — 中兴通讯技术杂志 — 中兴AI大模型+知识图谱光网络故障诊断与流量预测方案
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。