过去两年，全球运营商把大模型第一批商用炮口，齐刷刷对准了同一个地方——客服中心。T-Mobile US 与 OpenAI 联手打造意图驱动平台 IntentCX，2024 年 9 月官宣、2025 年上线；Vodafone 把服役七年的机器人 TOBi 换脑成 SuperTOBi，据行业媒体报道已做到每月 6000 万次对话、70% 问题端到端解决；中国移动则走全栈自研路线，用「九天」系列撑起 10086 的智能客服。本文回答三个问题：这轮换脑到底换了什么、三家代表厂商交出了什么数据、一线工程师该抄哪些作业、避哪些坑。
干了十几年核心网的人都记得，客服域的演进史几乎就是一部「转人工失败史」。
第一代是 IVR 按键树：请按 1 查询话费，请按 2 办理套餐。第二代是关键词机器人：靠正则和词槽匹配，用户说「流量不够用」能命中「流量包推荐」，说「你们这什么破网」就只剩复读「抱歉没听懂」。这两代的共同命门是：系统不理解意图，更不能执行动作——它能查、能念，不能办。
大模型带来的本质变化，用 T-Mobile 官方新闻稿里的话说，叫「意图驱动的 AI 决策平台」（intent-driven AI decisioning platform）。拆开看是三层能力跃迁：
T-Mobile 在 Capital Markets Day 上把新战略概括为「customer-led, AI-enabled and digital first」（据 RCR Wireless 报道）。这三句话里，工程师真正该盯的是第二句——AI 从「辅助工具」被提到了商业模式的位置上。
时间线：2024 年 9 月 18 日，T-Mobile US 与 OpenAI 官宣多年期协议，联合打造 IntentCX；当时披露的计划是先行测试、2025 年开始部署（来源：T-Mobile 官方新闻稿）。据多家媒体报道，平台早期版本基于 OpenAI 的 o1 系列模型构建，训练语料涵盖 T-Mobile 海量客户交互数据。
它想干什么：IntentCX 的设计思路，是把「客户想要什么」（intent）和「客户是谁」（对客户的实质了解）实时结合起来，为每一次交互生成个性化解决方案——一部分交给人工座席当「副驾驶」，一部分场景直接由 AI 自动完成整个服务旅程。官方强调它能同时并行处理数千个交互与任务。
激进在哪：据 WSJ 报道，IntentCX 将依托 T-Mobile 自有数字渠道 T-Life 应用的用户交互数据来驱动个性化。这一表述在当时引发了不小的数据隐私讨论——平台对客户数据的访问边界、授权方式成为舆论焦点。T-Mobile 方面强调的是「安全访问」，但行业里对「运营商数据 + 第三方大模型」这条路的争议，至今没有停。
效果账本：这是最值得琢磨的部分。据专注 AI 案例研究的公开分析（Signal & Noise 案例库）梳理，T-Mobile 曾放出内部目标——用 IntentCX 把人工客服来电量削减 75%；但截至该分析成文时，公开渠道只有平台设计与雄心的描述，没有独立验证过的解决率、实际话务量下降等效果数字。
对一线工程师来说，这个「没有数字」本身就是重要信息：头部玩家的旗舰项目，上线一年多仍不敢公开效果基线。要么指标还没跑平，要么跑平了但不好看。这种克制，和某些厂商发布会上的「解决率 99%」形成了鲜明对照。
如果说 T-Mobile 是激进实验，Vodafone 就是「工程治理派」的范本，而且故事更有戏剧性——因为它换的是一台服役七年的老机器人。
TOBi 出生于 2017 年前后，到 2024 年初 Vodafone 与微软深化十年合作、官宣 SuperTOBi 时，这台老机器已经在 13 个国家、用 15 种语言，每月处理近 4500 万个客户问题（来源：Vodafone 官方新闻room）。当时的升级逻辑很朴素：接入 Azure OpenAI Service，让机器人从「识别关键词」进化到「理解完整句子」，理解不了的自动转人工。
工程上最值得抄的一招：据行业媒体 Transformation Playbook 2026 年 7 月的复盘报道，Vodafone 团队没有一拿到大模型就上线，而是先把新一代助手「捂在手里」，直到回答准确率通过 90% 的内部门槛才放行，随后铺开到欧洲各市场。这个「先验收、后放量」的纪律，比任何模型选型都值钱。
跑出来的数字：据上述报道，SuperTOBi 目前每月承载约 6000 万次对话，70% 的问题实现端到端解决（注意：这是行业媒体的转述数据，Vodafone 官方新闻稿未逐项确认，读者引用时建议标注来源属性）。另一个耐人寻味的细节是，据 Vodafone 德国新闻室 2026 年 4 月的文章，德国市场的生成式 AI 助手采用了 Google 的技术底座——同一个集团、不同市场换不同模型供应商，说明「多供应商并行验证」已是集团级策略，不押注任何单一家伙。
最清醒的一句话：据 TelecomTV 等媒体报道，Vodafone CTO Scott Petty 在整个落地过程中反复强调生成式 AI「被过度炒作」。拿着最激进的技术，说着最保守的话，压着 90% 的验收门槛——这才是大型运营商驾驭新技术的真实姿势。
前两家是「采购 + 定制」路线，中国移动走的几乎是镜像路线：从底座开始自己造。
按国务院国资委官网的表述，「九天」是中央企业首个全可控的基础大模型，其研发可追溯到 2013 年成立的中国移动九天人工智能团队（据国资委官网 2024 年 12 月报道）。2023 年对外发布后持续迭代，2025 年年报披露九天大模型曾在 OpenCompass 大模型评测榜单登顶（来源：中国移动 2025 年年度业绩公告）。
客服大模型怎么落地：GSMA Foundry 案例库收录的《China Mobile's Customer Service Large Model》案例（2025 年 5 月上线）给出了官方版本的技术路线——采用「预训练 + 指令微调 + 基于人类反馈的强化学习（RLHF）」的训练范式，打通客服信息系统的数据资源，由在线营销服务中心与九天创新研究院协同推进训练、推理和应用。
翻译成工程师语言：这不是拿一个通用大模型套壳，而是用客服域的专有数据（工单、通话记录、知识库）持续微调出自己的领域模型，并把「业务部门 + 模型研发团队」的协同写进了组织设计里。这一点比模型本身更值得国内同行研究——很多省公司的 AI 项目失败，不是输在模型，是输在业务和算法两张皮。
规模面：据国资委英文网及 China Daily 报道，基于九天底座，中国移动已联合政务、医疗、工业等行业共建 20 多个行业大模型，覆盖网络、客服、家庭、政务等场景。需要说明的是，与 GSMA 案例中欧美厂商动辄给出「月对话量、解决率」不同，中国移动客服大模型的公开材料以架构与方法论为主，尚未披露同口径的效果 KPI——各家披露口径不一，横向比较时要留个心眼。
| 维度 | T-Mobile IntentCX | Vodafone SuperTOBi | 中国移动九天客服大模型 |
|---|---|---|---|
| 技术路线 | 采购 OpenAI 深度定制 | 采购 Azure OpenAI（德国市场据报道转用 Google） | 全栈自研底座 + 领域微调 |
| 官宣节点 | 2024 年 9 月，2025 年上线 | 2024 年初宣布，随后欧洲铺开 | 2023 年发布九天，客服模型持续迭代 |
| 公开规模数据 | 未披露 | 升级前每月 4500 万问题、13 国 15 语言；据报道现已达每月约 6000 万次对话 | 依托用户规模居全球首位的运营商客服体系，按场景口径未披露 |
| 公开效果数据 | 内部目标：人工来电降 75%（据报道，无独立验证） | 据报道端到端解决率 70%，上线门槛准确率超 90% | OpenCompass 榜单登顶（模型能力，非客服 KPI） |
| 数据策略 | 依托自有 App 数据，存在隐私争议 | 集团内多供应商并行 | 自有数据不出域 |
| 一句话画像 | 最激进：让 AI 直接办事 | 最克制：先验收再放量 | 最独立：不把命门交给别人 |
抛开厂商叙事，一个能扛住现网话务冲击的客服大模型系统，骨架其实高度收敛。下面这张图是三家案例里反复出现的共性架构：
flowchart TD
A["用户来电或在线求助"] --> B["意图识别模块"]
B --> C{"意图明确吗"}
C -->|"否"| H["人工坐席兜底"]
C -->|"是"| D["知识检索 RAG"]
D --> E["大模型生成方案"]
E --> F{"护栏校验通过吗"}
F -->|"否"| G["拒绝执行并转人工"]
F -->|"是"| I["调用业务工具"]
I --> J["计费系统"]
I --> K["CRM客户档案"]
I --> L["网络工单系统"]
J --> M["自动执行并回填结果"]
K --> M
L --> M
M --> N["二次确认与满意度回访"]
N --> O["对话数据回流训练"]
O --> B
对应到关键工程参数，两代系统的差异可以用一张表说清：
| 工程维度 | 传统 IVR / 关键词机器人 | 大模型客服系统 |
|---|---|---|
| 意图理解 | 词槽 + 正则，命中率低 | 全句语义 + 情绪 + 多轮上下文 |
| 知识维护 | 人工维护话术树，动一条改三天 | RAG 挂知识库，知识文档更新即生效 |
| 执行能力 | 只能查询播报 | 经工具调用直接操作计费 / CRM / 工单 |
| 时延预算 | 宽松（播报可等待） | 苛刻：座席辅助场景通常要求秒级首响，全自动场景可放宽到数秒换质量 |
| 护栏设计 | 天然安全（做不了事） | 必须重建：金额类操作强校验、身份核验前置、敏感话术拦截 |
| 效果评测 | 接通率、满意度 | 解决率、转人工率、badcase 回流闭环 |
三个经验值得展开说：
其一，时延预算要按场景切。 座席辅助（AI 给人写草稿）和 AI 全自动应答对时延的容忍度完全不同。Vodafone 敢把 SuperTOBi 放到端到端解决的位置，前提是它把「理解不了的自动转人工」写成了系统行为，而不是话术。
其二，护栏是系统的主体，不是附件。 大模型能调计费系统的那一刻，风险等级就从「说错话」跳到了「办错事」。改套餐、退费、销户这类涉资金操作，现网通行做法是模型只生成方案、关键动作二次确认或人工复核。IntentCX 引发的数据争议提醒我们：护栏不仅是技术问题，还有授权与合规的壳。
其三，评测集决定上线节奏。 Vodafone 的 90% 准确率门槛之所以可执行，是因为背后有一套覆盖真实问询的评测集。没有评测集的「准确率」都是玄学——这也是很多省公司项目验收时最容易糊弄过去的地方。
把三家案例放在一起，能给一线团队提炼出五条可直接落地的经验：
避不开的坑也有三个：一是效果数字的水分，全行业都缺独立第三方审计的客服 AI 解决率，横向对标时对任何「99%」都要多问一句口径；二是供应商锁定，Vodafone 集团内并行多家模型供应商的操作说明，换模型底座的成本必须从第一天就纳入架构设计；三是客服域之外的能力透支预期——大模型在客服域跑通，不等于能直接迁到网优、告警根因分析，后两者的数据稀疏度和容错要求完全不同。
回头看这轮「换脑」，三家头部玩家给出的其实是同一份答卷的三个版本：T-Mobile 证明了大模型可以直接执行服务动作而不只是对话，Vodafone 证明了工程纪律比模型先进性更能决定成败，中国移动证明了全栈自研在合规约束下依然能站上主流评测榜单。
对通信工程师而言，客服中心是整张网里离「大模型原生」最近的域——数据在域内闭环、动作可枚举、护栏可穷举。当 IntentCX 们把「意图→决策→执行」的闭环在客服域打磨成熟，下一站大概率才是真正难啃的骨头：网络运维域的自愈闭环。到那时再回看，今天的客服大模型，就是运维大模型的训练营。
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。