乐天让二十万基站故障自愈冲L4：RAFT+RAN智能控制器重塑移动网运维

2026年2月26日，日本东京。乐天移动（Rakuten Mobile）与乐天交响（Rakuten Symphony）联合宣布：覆盖全日本的RAN智能控制器（RAN Intelligent Controller，RIC）已完成全国规模商用部署，并完成第三方rApp生态集成，成为全球首个在商业Open RAN网络中实现RIC全国级落地的运营商。几乎同时，乐天移动的无线接入网能效优化正式通过TM Forum自治网络（Autonomous Networks）Level 4验证——这意味着网络从"按人写好的规则跑脚本"，跨入"AI自己面对未知场景、自己决策、自己修复"的认知自治阶段。

这不是PPT里的概念。这是20万+基站、覆盖日本96%人口的一张真实大网，被AI接管了从故障感知、根因定位到闭环自愈的全链路。本文拆解乐天这套以RAFT（Rakuten AI for Telecom）为核心、RIC为执行体的AIOps实战体系，看看它是如何把移动网故障自愈推向L4的。

一、案例背景：为什么传统运维在Open RAN面前彻底失灵

乐天移动是日本最年轻的运营商，从建网第一天起就走了一条与传统运营商完全不同的路——全云化、全软件定义、多厂商Open RAN。这套架构带来了极致的弹性和成本优势，但也带来了一个传统运维体系根本扛不住的麻烦：复杂度爆炸。

传统2G/3G/4G网络里，一个网元往往是一个厂商的黑盒设备，故障模式相对固定，靠网管平台轮询（polling）+ 经验丰富的NOC工程师盯着告警，基本能应付。但乐天的网络是另一回事：

• 网元数量从"百级"变成"二十万级"：全日本20万+基站，加上CU/DU/RU分离、容器化微服务，可观测对象的数量级是传统网络的几十倍甚至上百倍。
• 故障模式从"可枚举"变成"不可枚举"：云原生集群的持续部署、重新部署、微服务漂移，让传统按固定间隔轮询采集的运维工具"不再适用"——故障可能在你两次轮询之间发生又消失。
• 微决策从"几天一次"变成"几分钟一次"：凌晨3点哪个扇区该关电源、演唱会期间哪个小区该加频谱——这种决策每分钟都在发生，任何一个NOC团队都不可能实时人工审批。

乐天交响智能运营副总裁Sandeep Karkala直言：服务保障技术没跟上4G/5G网络复杂度的演化，传统的孤岛式运维平台已经走到了"破裂的临界点"（breaking point）。乐天移动网络运营总监Shailesh Gupta手下虽然有400名工程师，但面对这种规模的动态网络，纯人力模式注定无以为继。更深层的问题是——全球缺AI专家，而AI专家并不会排队加入运营商。乐天交响首席产品官Anshul Bhatt回忆，2021年他们曾尝试在乐天移动内部部署一套通用AI/数据平台，结果"采纳率为零"——因为电信专家太忙了，根本没空去学数据科学。

问题的本质很清楚：运营商需要的不是一个给数据科学家用的AI平台，而是一套能让现有的电信专家零门槛上手、并把网络故障从"人发现、人定位、人修复"推进到"网络自己发现、自己定位、自己修复"的AIOps体系。这正是RAFT诞生的初衷。

二、方案详情：RAFT + RIC的闭环自治架构

乐天的解法不是单点工具，而是一套"AI大脑 + 执行四肢"的闭环体系。核心由两大件构成：RAFT作为认知与决策层，RIC作为执行层，Symworld云平台作为数据底座。

1. RAFT：电信原生的生成式AI平台

RAFT（Rakuten AI for Telecom）被内部定义为"业内首个AI原生、企业级、面向电信的生成式AI平台"。它解决的是前面那个"采纳率为零"的难题——把AI能力以电信专家熟悉的方式封装起来。

RAFT的设计哲学是"让工具去适应专家，而不是让专家去适应工具"。两个关键机制支撑了这一点：

• 模型平民化：RAFT借鉴了Hugging Face的思路，把模型训练、版本管理、上线发布做成"一键式"。电信专家不用懂PyTorch，通过一键启动的Jupyter Notebook、GitHub集成的版本控制、统一的数据流水线和模型管理界面，就能创建模型、安全上线、持续调优。结果令人吃惊——过去两年里，仅10名数据科学家，就支撑了300多名电信专家每天与RAFT交互，远程电调（Remote Electrical Tilt）、休眠小区（Sleeping Cells）等用例都是专家们自己建出来的。
• 对话式运维智能体：在GoML协助构建的Gen AI运维体系中，RAFT集成了对话式AI、预测分析、智能编排。工程师可以用自然语言提问"为什么3号楼用户Wi-Fi慢""明天演唱会场馆容量够不够"，平台通过多智能体（LangGraph编排）跨域查询、根因分析（RCA）、依赖与资源影响仿真，直接给出推荐动作甚至自动执行闭环。

2. RIC：把AI决策真正落到基站

RAFT负责"想"，RIC负责"做"。RAN智能控制器架在无线硬件和决定其行为的软件之间，分成Non-RT RIC（非实时，分钟级）和near-RT RIC（近实时，毫秒到秒级）两个控制环。它上面跑着被称为rApps（Non-RT）和xApps（near-RT）的小型AI应用。

这套闭环的工作机理是：

1. 遥测采集：Non-RT和near-RT RIC持续从每个基站拉取流量、信号质量、能耗数据。
2. rApp分析：第三方和自研rApp（包括AirHop Communications、Future Connections等伙伴）处理这些遥测，识别拥塞、干扰、空闲容量等模式。
3. 自主调整：RIC把配置变更推送回网络——功率电平、扇区化、频谱分配——无需人工开单。
4. 零触开通：新基站按标准模板自动开通，而非人工逐站配置，开通时间从"几周"压缩到"几分钟"。

这个循环每隔几分钟就在全部20万+基站上重复一次——这是任何一个人工NOC团队都不可能达到的频率和规模。

3. 故障自愈的三重保障

针对运维最关心的"故障"维度，乐天在RIC/RAFT之上构建了三层递进机制：

• 预测式学习：AI分析平台观察用户移动性和流量负荷，在问题发生前预判（predictive learning）。
• 深度数据分析：挖掘隐藏的网络模式（hidden network patterns），用于根因定位。
• 实时异常检测"安全网"：一套anomaly detection系统作为安全网，实时跟踪时延、吞吐等性能指标，一旦偏离基线立即告警并触发闭环。

2026年2月的全国部署里程碑，进一步强化了这套体系——通过集成AirHop、Future Connections等第三方rApp，扩展了预测式网络维护、移动性增强、流量优化、AI辅助决策等用例，让Open RAN从"试验"真正走向"大规模运营"。

flowchart TB
    subgraph 数据底座["Symworld 云原生平台（数据湖 / AI平台 / CI-CD）"]
        TEL[实时遥测<br/>流量/信号质量/能耗]
    end

    subgraph 认知决策层["RAFT 认知与决策层"]
        CONV[对话式运维智能体<br/>LangGraph多智能体编排]
        RCA[AI根因分析 RCA]
        PRED[预测式学习 + 异常检测安全网]
        ANOM[anomaly detection]
    end

    subgraph 执行层["RIC 执行层"]
        NRT[Non-RT RIC<br/>分钟级 rApps]
        NRT2[near-RT RIC<br/>毫秒级 xApps]
    end

    NE[20万+基站<br/>CU/DU/RU 容器化] --> TEL
    TEL --> PRED
    PRED --> ANOM
    ANOM --> RCA
    RCA --> CONV
    CONV -->|Next Best Action| NRT
    NRT --> NRT2
    NRT2 -->|功率/频谱/扇区/重路由| NE
    NE -.->|效果回灌| TEL

    style 认知决策层 fill:#e8f4f8,stroke:#2b7a9e
    style 执行层 fill:#fef3e8,stroke:#c47b2a
    style NE fill:#e8f8ee,stroke:#2a8a4a

三、效果数据：用真实指标说话

数据是这套体系最有说服力的部分。综合乐天官方新闻稿、Rakuten Symphony案例及合作方GoML披露，核心指标如下：

其中最直击"故障自愈"痛点的是两条：根因分析提速60%、巡检时间减少85%。在传统NOC里，一个疑难故障的根因定位往往需要工程师跨多个孤岛系统、几个小时甚至几天反复排查；而在RAFT闭环里，多智能体并行跨域关联，把MTTI（平均定位时间）和MTTR（平均修复时间）大幅压缩。

能耗优化侧的数据同样印证了"自愈即自优"。Level 4阶段，RIC根据实时流量动态调度功率：用户不在站址就关电源、辐射过高而无人就降功率、流量归零即调整、用户上线即瞬间恢复——"这一切都是AI驱动的，不是静态规则"，Shailesh Gupta强调。

四、功能对比：L4自治到底"自治"在哪

要理解乐天这套体系的价值，必须回到TM Forum对自治网络的分级定义。Level 4之所以是分水岭，在于它处理的是"人没有预料到的场景"：

TM Forum产品执行副总裁Andy Tiller点破了关键："自治衡量的，是网络能在多大程度上脱离人工干预运行——比如诊断和修复故障，或者在性能与能耗之间寻找最佳平衡。这可以通过规则式自动化（人预判并编码）实现，但Level 4能处理人未曾预判的场景——这必须依赖AI。"

这句话的另一层含义常被忽略：L4要求电信从业者完成角色转变——从"调优网络"转向"调优AI"。乐天用"10名数据科学家支撑300名电信专家"的模式，正是为这种转变铺路。

与传统/友商方案对比

值得一提的是，与同样在推AI-RAN的爱立信（EIA）、诺基亚（AVA）相比，乐天的差异化在于"全云原生+Open RAN"的绿场底座——传统运营商的封闭网络形成大量AI无法穿透的数据孤岛，而乐天网络从设计上就是开放、云原生、纯软件驱动的，AI得以直接坐在运营的核心。这也是为什么这套模式能成为其他运营商的可复制蓝图。

五、对比分析：可复制性背后的两个关键支撑

乐天案例之所以引发行业震动，不在于某一项指标，而在于它证明了一件被长期质疑的事：Open RAN + AI能跑出比传统单厂商架构更优的运维效率。这背后有两个可被外部借鉴的结构性支撑。

第一，Open RAN打破数据孤岛，让AI"看得见"。 全封闭的厂商网络里，AI拿不到网元内部的细粒度数据，只能在外部做粗粒度优化。乐天Open RAN提供标准化、开放接口，Non-RT/near-RT RIC能直达每个基站，这是AI决策"可执行"的前提。第三方rApp生态（AirHop、Future Connections）的引入，更进一步证明开放标准能把"概念"转化为"线上结果"。

第二，AI能力"平民化"，让专家"用得起"。 运营商最大的AI瓶颈不是技术，是"人"——既缺数据科学家，又无法让一线工程师用上AI。RAFT通过类Hugging Face的模型协作机制，把建模门槛降到电信专家能自主完成的程度，并用对话式智能体把日常运维从"看仪表盘"变成"问问题"。这种"工具适应人"的设计，才是采纳率从零跃升的根本原因。

当然也要客观看待局限：能效优化率先冲到L4，不等于全网全域L4。乐天官方也明确，L5（多服务、多域、全生命周期闭环）仍是面向Beyond 5G/6G的目标。第三方rApp的成熟度、跨域根因的准确性、生成式AI在电信关键路径上的可靠性治理，都还在持续打磨——这也是为什么GoML体系里专门配置了AI Gateway做LLM治理、并强调端到端仿真验证的原因。

六、行业坐标：乐天案例的更大意义

NVIDIA《2026电信AI现状》调查显示，已有48%的电信企业至少在一个核心业务中部署了智能体AI（agentic AI），几乎是跨行业平均水平（26%）的两倍；而网络自动化已经超越客户体验，成为AI投资和ROI回报的首要领域。乐天正是这一趋势最具说服力的注脚：它不是用AI做客服、做营销这种"锦上添花"，而是用AI接管网络的生命线——故障与能效。

对还在观望的运营商，乐天案例传递了一个略带紧迫感的信号：当竞争对手的网络每几分钟就在自我重构、自我修复时，传统"人工容量规划+孤岛运维"的运营商，落后的不只是运维成本，更是每一个新覆盖区、每一次容量升级的上市时间（time-to-market）。

L4不是终点。随着rApp生态扩张、RIC从能效向覆盖优化/移动性/切片自愈延伸、RAFT对话式智能体渗透到更多运维场景，乐天正在为整个行业绘制一条从"人治网络"到"自治网络"的可落地路径。对于通信行业的技术人而言，最值得记住的或许不是某个具体数字，而是Andy Tiller那句提醒：未来 telecom 专业人的核心竞争力，不再是"调优网络"，而是"调优那个调优网络的AI"。

参考来源

1. Rakuten Mobile and Rakuten Symphony Advance Open RAN Innovation with Third-Party rApp Integration and Nationwide RIC Deployment — 乐天官方新闻稿，2026年2月26日全国RIC部署与第三方rApp集成里程碑
2. Rakuten Mobile reaches Level 4 autonomy for RAN energy efficiency — 乐天集团官方博客，TM Forum自治网络L4验证与20%能耗降幅、400人团队细节
3. Rakuten Mobile's AI Network Brain Cuts 5G Rollout Costs 40% — Sityos案例拆解，20万基站、96%覆盖、CapEx/OpEx/能耗节省与RAFT/RIC架构详解
4. Gen AI powered telecom operations for Rakuten Symphony — GoML案例，RCA提速60%、巡检时间减85%、3倍选址提速、240万美元年节省等Gen AI运维指标
5. Before Complexity Reaches a Breaking Point / The human side of telecom AI — Rakuten Symphony技术博客，云原生服务保障架构与RAFT"10数据科学家支撑300专家"平民化模式

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。