——德电RAN Guardian与中国移动辽宁自智网的两种解法
2025年11月，德国电信（DT）官宣其"RAN Guardian Agent"正式上线生产网：监测、定位、执行修复动作全流程由多智能体完成，官方口径称过去约1小时的处理流程压缩到几分钟。几乎同一时期，中国移动在辽宁与华为合作的L4自智网也交出成绩单：VIP投诉处理从2天缩到1.5小时，一次解决率从80%提到96%，运维成本下降30%。本文拆解这两个已经跑在生产网上的故障自愈闭环——架构怎么搭、动作怎么放行、人还守在哪一环，以及普通运营商想抄作业时最容易踩的坑。
过去五年的AIOps，坦率说大部分停留在“看”和“说”的阶段：告警压缩、根因推荐、异常检测，模型给个结论，最后还得人去点按钮。行业内管这个叫“最后一公里问题”——从告警到动作之间隔着审批、工单、变更窗口，MTTR的大头其实耗在这里。
2025年到2026年初，情况发生了实质变化。两件事可以当作分水岭：
第一件，2025年2月25日，DT和Google Cloud在MWC前宣布合作开发RAN Guardian agent，基于Gemini 2.0/Vertex AI构建（来源：DT官方新闻稿、Converge Digest）。当时的定位还是“测试验证中”。
第二件，2025年11月11日，DT官宣RAN Guardian Agent正式上线，技术栈升级到Gemini 2.5，配套Cloud Run、BigQuery和Firestore。产品与技术董事会成员Abdu Mudesir的表态相当直白：“我们是第一个在网络管理中依赖高度成熟AI智能体的网络运营商”，并且明确说这是“迈向自治、自愈网络的一大步”。
从概念到生产网，DT官方口径是9个月。Omdia在2025年11月底采访DT技术与数据AI高级副总裁Ahmed Hafez后的评价是：RAN Guardian证明了智能体AI“不只是炒作”（proves agentic AI is not just hype）。
与此同时在大洋另一端，中国移动的路线在MWC 2026的Autonomous Networks Summit（主题就叫“L4 is Booming”）上被摆上台面：执行副总裁李慧镝做了题为"AN L4 Powering the IQ Era"的主题演讲，而支撑这句话的具体样本，是辽宁移动与华为共建的无线自智网络。
一个用通用大模型+云厂商智能体框架，一个用设备商嵌入式AI+ TM Forum自智网络分级体系，两条路线各自跑通了闭环。这才是值得复盘的地方。
DT公开的架构细节不多，但三步流水线说得很清楚。这不是一个单体大模型，而是多智能体协作系统：
flowchart TB
subgraph A1["智能体1：事件感知"]
S1[扫描公开来源<br/>在线活动目录/社交媒体] --> S2[识别全德公共活动<br/>估算规模/定位/分类] --> S3[自动核验信息]
end
subgraph A2["智能体2：容量研判"]
C1[评估周边基站容量] --> C2[实时监测关键网络参数] --> C3[识别高负荷<br/>生成优化建议]
end
subgraph A3["智能体3：执行与记录"]
E1[重配网络资源] --> E2[调整配置参数] --> E3[记录全部动作与结果<br/>反哺持续优化]
end
A1 -->|活动清单+核验结果| A2
A2 -->|优化措施清单| A3
E3 -.->|动作日志沉淀| A2
A3 -.->|效果验证反馈| A1
智能体1干的是“案头工作”：持续扫描公开来源（在线黄页、社交媒体），识别德国境内即将举办的公共活动，估算规模、确定位置、分类，并自动核验信息真实性。这活儿过去是网优工程师盯日历+打电话确认，现在交给LLM做信息抽取。
智能体2是“评估脑”：拿活动数据去评估周边移动网络能否扛住预期流量，评估邻近小区容量、实时监测关键参数，发现高利用率就生成优化措施建议。
智能体3是“手”：执行措施——重分配网络资源、调整配置——并把所有动作和结果记录归档，用于持续改进。
技术栈按DT官方披露：Gemini 2.5 + Cloud Run + BigQuery + Firestore。注意这个组合的意味：没有自研大模型，没有等设备商的嵌入式AI，直接拿公有云智能体框架在现网上盖了一层。对一个拥有数万基站的欧洲运营商来说，这个选型本身就是表态。
效果口径：DT官方称，以前耗时约1小时的流程，现在几分钟内完成。
为什么首个场景选“大型活动保障”？ 这是笔者认为最值得细品的设计。故障自愈听起来更性感，但DT偏偏从“活动容量保障”切入，理由在运维逻辑里其实很硬：
相比之下，“故障自愈”涉及重启、倒换、隔离动作，爆炸半径大，初期放给LLM风险太高。DT把智能体先放在低风险高感知的场景里攒信任，这个路径选择比技术本身更有参考价值。
DT不是孤例。2025年6月，Google发布了Autonomous Network Operations框架，据Telco Magazine报道，早期采用者包括Vodafone、DT、Bell Canada和Telstra，Orange、MasOrange、Virgin Media O2表达了采用意向，Ericsson、诺基亚、Amdocs作为合作伙伴基于该框架提供服务。
这个框架的底座值得单独说，因为它回答了一个关键问题：大模型凭什么敢对现网做决策？
据Google披露的架构：用Cloud Spanner做全网组件的"single point of record"，实时跟踪数十亿级数据点，构建可扩展到国家级网络规模的数字孪生；BigQuery做数据加工；Vertex AI + Gemini做推理入口；针对电信场景用专门的图神经网络（GNN）模型做故障预测和跨地域关联。安全上由子公司Mandiant嵌入"security by design"。
翻译成运维语言：大模型不直接看原始告警拍脑袋，决策依据是数字孪生里经过治理的全网状态数据，而预测类任务交给GNN这类确定性更强的模型。LLM负责理解、编排和生成，GNN负责预测，数据库负责“当时的网络到底是什么状态”这件事不容抵赖。据Google称早期部署平均缩短了约25%的修复时间。
Vodafone的玩法是另一个侧面：与Celfocus合作开发网络智能体VINA（Vodafone Intelligent Network Assistant），走“混合GenAI战略”；底座是建在Google Cloud Vertex AI上的AI Booster平台和名为Neuron的“数据海洋”。此外Vodafone在2025年11月公开了Enhanced Power计划——用AI预测停电、动态调整备用电池策略（特定场景可将电池续航翻倍），覆盖欧洲10,000个站点，希腊已投用、土耳其试点，直接诱因正是2025年伊比利亚半岛大停电。
中国路线的框架语言不同，但解剖开来看高度同构。据telecoms.com刊载的（华为）伙伴内容，中国移动辽宁分公司的自智网络方案被华为类比为人体三部分：
数字很扎眼（注意：以下均为中国移动与华为口径，出自伙伴内容）：
| 指标 | 改善前 | 改善后 |
|---|---|---|
| VIP投诉处理时长 | 2天 | 1.5小时 |
| 一次解决率（FCR） | 80% | 96% |
| 现场维护需求 | — | 下降40% |
| 整体运维成本 | — | 下降30% |
| 用户投诉量 | — | 下降20% |
| NPS | 84.83 | 91.62 |
体验侧，辽宁子网3050万用户中5G-A用户已超200万，VIP用户相对普通用户：微信上传速度+50%、直播上行+40%、游戏时延-45%。高校场景按昼夜自动切换教学楼/宿舍资源策略，短视频和游戏体验提升30%。
这套东西不是孤证。TM Forum在2025年9月发布案例研究，确认中国移动在网络运营中心（NOC）达成Level 4自治网络并获得TM Forum Excellence Award；2025年11月，中国移动河南与华为发布“无线智能RAN公园”及多智能体协同创新成果；据2026年7月行业报道，中国移动已落地21个L4高价值场景。MWC 2026上华为与中国移动凭ADN方案拿下GLOMO"Best AI-Powered Network Solution"奖。
DT和辽宁的方案，底层逻辑可以放进同一张对照表：
| 维度 | DT RAN Guardian | 中国移动辽宁（+华为） | Google ANO框架 |
|---|---|---|---|
| 技术路线 | 通用大模型+云智能体框架 | 设备商嵌入式AI+分级体系 | 云厂商平台+GNN |
| 大模型 | Gemini 2.5 | 华为盘古系（厂商方案） | Gemini + GNN |
| 首发闭环场景 | 大型活动容量保障 | 投诉处理/热点优化/VIP保障 | 预测性故障管理 |
| 决策依据 | 公开信息+实时KPI | 全网感知平台 | 数字孪生（Spanner） |
| 关键量化效果 | 1小时→几分钟 | VIP投诉2天→1.5h，OPEX-30% | 修复时间约-25% |
| 人工角色 | 监督+异常接管 | 人机协同 | 监督+策略定义 |
| 落地时间 | 2025年11月上线 | 2025年（L4认证2025年9月） | 2025年6月发布 |
把两条路线抽象一下，故障自愈闭环就五个环节：感知→定位→决策→执行→验证。逐环节看谁真自动了、谁还在人手里，比看宣传数字有用：
感知：基本自动化了。DT用LLM扫社交媒体发现活动，辽宁用融合感知平台看话务态势，Google用Spanner数字孪生存全网状态。这一环的共识是：数据底座先行，没有统一数据湖/孪生，后面全是空中楼阁。Vodafone的Neuron数据海洋、DT的BigQuery，都是先烧了几年数据治理的钱。
定位：自动化程度最高的一环。根因分析本来就是传统ML的主场，GNN做跨域关联、规则引擎做排除法，成熟度最高。
决策：这是LLM进场后变化最大的一环。过去规则引擎只能处理穷举过的场景，现在LLM能对没见过的复合场景生成处置方案。但注意——两条路线都做了同一个动作：把LLM的输出约束在结构化动作空间里。DT的执行智能体做的是“重分配资源/调配置”这类预定义操作，不是自由发挥shell命令。
执行：真正的分野在这里。执行前有没有白名单、灰度、回滚预案，决定了这是生产系统还是演示视频。DT明确披露执行智能体“记录所有动作和结果”——这不是附带的日志习惯，这是审计合规的生死线，也是闭环学习的数据来源。
验证：最容易被忽略的一环。辽宁的做法值得学：策略下发后看体验KPI回值（上传速率、时延实测），不达标的策略被自动回退并计入模型反馈。Vodafone的活动保障也一样——活动结束的话务曲线就是天然的验证集。
人的位置：三家的口径高度一致——人在环上，但工作性质变了。过去是“看告警、查文档、敲命令”，现在是“定策略、审边界、管例外”。DT MWC 2026的议题标题说得直白：Scaling Agentic AI for Self-Healing Autonomous Networks——重点已经从“能不能”变成“怎么规模化”，议程中还预告了下一任智能体MINDR（细节官方暂未展开）。
以18年核心网运维的老经验看，普通运营商复刻这两条路线，最容易死在以下四处：
坑一：跳过数据底座直接买“智能体”。 DT的Guardian后面站着BigQuery里治理多年的全网数据，辽宁的“眼”是多年感知平台沉淀。没有single point of record，大模型给出的每个决策都不可追溯，出了事故连复盘都做不了。数据治理是苦活，但没有捷径。
坑二：第一个闭环场景选错。 别上来就做“故障自动倒换”。选动作空间有界、结果可验证、失败成本低的场景——活动保障、参数优化、投诉根因——先攒500次成功执行记录，再谈放权。
坑三：让LLM直连网管接口。 正确姿势是LLM输出结构化意图（JSON化的动作指令），由确定性校验层检查参数合法性、影响范围、回滚条件，再走既有变更通道。Mandiant进Google框架不是营销动作，是真把自愈系统当攻击面设计的——一个能改全网配置的智能体，本身就是最高价值的攻击目标。
坑四：把厂商数字当承诺。 辽宁的数字出自伙伴内容，Google的25%是自家口径。这些数字的意义在于证明方向可行，不等于你的网络能复刻同样的百分比。自建POC时把基线测清楚，用自己网络的告警量、MTTR、FCR做前后对照，别用别人的KPI写自己的立项报告。
2026年看AI进网管，关键变化只有一个词：执行。前几年比的是谁的告警压得狠、根因推荐得准，今年DT把智能体放进了生产网变更通道，中国移动拿了TM Forum的L4认证——推荐与执行之间的最后一公里，已经有人在跑了。
对一线运维工程师，这不是坏消息。两条路线里，人都没有消失，而是从“7×24盯屏”挪到了“定义动作边界、审计执行记录、处置长尾例外”。真正该焦虑的不是岗位，而是技能：明年网优岗位面试问的，可能不再是“你处理过多少起越区切换问题”，而是“你如何给一个自愈智能体划定参数白名单”。
闭环已经闭合。剩下的问题是：你的网络，什么时候让AI第一次“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。