# 把3GPP喂给大模型：通信专科模型上岗记 **概述**：2023年下半年起，三大运营商和学术界几乎同时在做同一件事——不满足于通用大模型，专门为通信行业“炼”专科模型。本文以两篇代表性文献为主轴——中国电信TeleChat技术报告（arXiv:2401.03804）与休斯敦大学联合诺基亚贝尔实验室的TelecomGPT（arXiv:2407.09424）——拆解通信专科大模型的炼法：语料怎么喂、行话怎么教、在电信基准上能打赢GPT-4多少，以及它们在网优一线到底干什么活、哪些活还不敢让它们干。本文回答一个问题：大模型进网络运维，为什么必须先读3GPP？ ## 目录 - 一、网优这门手艺，贵在经验 - 二、通用大模型一进机房就翻车 - 三、中国电信的炼法：先开源，后上岗 - 四、学界同题作业：TelecomGPT怎么炼 - 五、三家运营商的专科模型家底 - 六、上岗实况：一条投诉工单的AI处理链 - 七、三个还没过掉的坎 - 八、结语 ## 一、网优这门手艺，贵在经验 先看一个网优工程师的日常。早上打开KPI看板：掉线率、切换成功率、MR弱覆盖占比、上行干扰电平，二十几个指标扫一遍；上午处理昨晚的投诉工单，“刷视频卡顿”，要结合小区级指标、告警、参数配置反推原因；下午写网优方案，RF调整、加站建议、参数核查；晚上可能还有割接。 这一整套动作，拆开看全是“查资料+做判断”：查的是3GPP规范36/38系列、集团企业规范、厂家参数手册，判断靠的是案例积累。一个A3事件的offset该往哪个方向调，教科书只告诉你它影响切换带，调多少、什么时候调，靠的是这片网几年的摸爬。行业里流传的说法是，一个能独立顶岗的网优要培养三到五年——这是经验之谈，不是统计数据，但干过的人都懂。 问题就出在这里：这些经验长在具体的人脑子里。地市网优编制有限，老师傅一调走，经验就跟着走了。网优这门手艺最贵的资产不可复制——这是所有运营商运维条线的共同痛点，也是大模型最被寄予厚望的原因：能不能把老师傅的经验，变成一个可以随叫随到的模型？ ## 二、通用大模型一进机房就翻车 答案没那么简单。把ChatGPT直接拉进机房，它会以三种方式翻车。 **第一翻在行话上。**通信的术语高度依赖上下文：“切换”在网优语境里是HO，是测量报告和A3事件，不是开关；“门限”后面永远跟着具体参数名和取值范围；T310、T304、qOffsetRange这些缩写，通用模型要么不认识，要么给你一本正经地胡说。更麻烦的是参数手册——各厂家的MML命令、参数命名是各自的私有体系，公开语料里几乎没有，通用模型见到就是盲区。 **第二翻在幻觉上。**通用大模型最出名的毛病是编造：编一个不存在的参数、引一个不存在的协议章节，还引得有鼻子有眼。写文案无所谓，网优是工程学科，一个门限给错、一条MML敲错，就是一次区域性指标劣化，搞不好要写故障报告。 **第三翻在内网上。**网管、性能数据、工单系统全在运营商内网，数据安全红线画得很死，公有大模型服务根本接不进去。私有化部署又引出新的问题：通用模型不懂行话，私有化之后还是不懂。 三道坎指向同一个结论：通信行业需要的不是更聪明的“全科模型”，而是读过规范、认得参数、懂运维流程的“专科模型”。2023年下半年开始，中国三家运营商和海外学术界，几乎同时朝这个方向交卷。 ## 三、中国电信的炼法：先开源，后上岗 三家里动作最快的是中国电信。据公开报道，2023年11月的数字科技生态大会上，中国电信发布了“星辰”大模型，定位是央企背景的全自研大模型，网络和客服是其重点落地方向。真正值得工程师细看的是它背后的技术报告——TeleChat Technical Report（[arxiv.org/abs/2401.03804](https://arxiv.org/abs/2401.03804)），报告披露了完整的炼法： - **语料配比**：通用语料打底，混入电信行业语料做继续预训练，让模型先“听懂”通信黑话，再做指令微调学会干活； - **中文词表优化**：针对中文和行业术语扩充词表，压缩同一句话的token数，推理成本随之下降； - **渐进式训练**：按小到大逐级训练，工程上更可控。 更重要的是开源策略。TeleChat系列先后开源了7B、15B等参数版本，代码和权重放在GitHub（[github.com/Tele-AI/TeleChat](https://github.com/Tele-AI/TeleChat)），可以本地部署——这正好绕开了内网数据不能出域的红线：模型进内网，而不是数据出内网。对运营商和设备商的运维团队来说，这是能用和不能用的分界线。 星辰大模型在网络条线的落地，据中国电信在多个公开场合的披露，覆盖了网络故障处理辅助、智能客服等内部场景。具体到网优，电信体系内试点过工单预处理、故障定位辅助等应用——效果数据官方口径多为“效率提升”这类定性表述，精确百分比以官方发布为准，本文不复述未经核实的数字。 ## 四、学界同题作业：TelecomGPT怎么炼 几乎同一时间，学术界交了一份同题作业。2024年7月，休斯敦大学联合诺基亚贝尔实验室的研究者发布了TelecomGPT（[arxiv.org/abs/2407.09424](https://arxiv.org/abs/2407.09424)），这篇论文的价值在于把“通信专科模型该怎么炼”讲成了一条可复现的流水线： 1. **收语料**：3GPP规范、通信教科书、arXiv上的通信论文、维基百科通信条目——全是公开材料，任何团队都能照做； 2. **继续预训练**：在Llama 2-7B、MiniCPM等开源底座上，用电信语料做领域继续预训练，让底座模型“转专业”； 3. **指令微调**：构造电信领域的指令数据集，教模型按运维工程师的方式问答、写代码、做推理； 4. **建基准**：自建电信领域评测集，考3GPP知识、行业计算（比如链路预算类计算）、网络脚本生成。 结果论文摘要里写得很直白：TelecomGPT在其自建的电信基准上，准确率反超GPT-4约8个百分点。注意口径——这是论文自建基准上的结果，不是全网公认排名，但它证明了一件对工程师很重要的事：**在垂直领域，合理炼制的百亿参数以下小模型，可以打赢通用大模型**。底座不必更大，语料必须更对。 这条路线和TeleChat互相印证：两边都选择了“开源底座+领域继续预训练+指令微调”，而不是从零训练。通信行业不需要重新发明轮子，需要的是给轮子装上行业的方向盘。 ## 五、三家运营商的专科模型家底 把时间线拉齐，三家的节奏惊人地一致——都在2023年三、四季度发布，都在2024年往网络条线纵深推进： | 模型 | 主导方 | 首次发布 | 开源情况 | 网络域定位 | | --- | --- | --- | --- | --- | | 星辰/TeleChat | 中国电信 | 2023年11月 | TeleChat系列开源7B/15B等版本 | 故障处理辅助、智能客服，模型可进内网 | | 九天 | 中国移动 | 2023年10月 | 据公开报道，2025年宣布基座开源 | 行业大模型体系，网络大模型向网优渗透 | | 元景 | 中国联通 | 2023年9月 | 以行业落地为主，未完整开源 | 覆盖多行业场景，含网络运维方向 | | TelecomGPT | 休斯敦大学+诺基亚贝尔实验室 | 2024年7月（论文） | 学术研究，未商用 | 验证“领域预训练”路线，方法论公开 | 三家路径的差异不多展开——标准允许多种做法，各家落地以官方发布为准。值得注意的共同点是：**三家都把“网络”列为大模型落地的第一梯队场景**。原因不复杂：网络是运营商最大的成本中心，也是数据积累最厚的部门，AI要证明自己，先在最痛的地方证明。 设备商侧也在同向发力，网优大模型、智能体方案陆续进入商用清单，运营商自研与设备商方案并存，具体选型取决于各省的网络资产结构，此处不做横向对比。 ## 六、上岗实况：一条投诉工单的AI处理链 专科模型到底怎么嵌入网优作业？以一条典型投诉工单为例——“用户反映晚间刷视频卡顿”，看AI进来之后的处理链： ```mermaid flowchart TD A["投诉工单/KPI劣化"] --> B["数据归集与脱敏"] B --> C["RAG检索规范与案例库"] C --> D["通信专科大模型推理"] D --> E["生成诊断与网优处方"] E --> F{"工程师审核"} F -->|通过| G["网管侧灰度下发"] F -->|驳回| H["标注回流微调"] G --> I["KPI跟踪与复盘"] I --> H ``` 关键设计有三个。**第一，RAG先行**：诊断之前先检索——查企业规范、查历史案例、查这片小区的历史处理记录，让模型“先查资料再开口”，而不是凭参数记忆硬答。这一步直接压幻觉：答案必须挂着检索到的规范条目和案例出处。**第二，人审强制**：AI开方、人审方，处方必须过工程师这一关才可能下发。**第三，灰度+复盘**：下发不是一步到位，先小范围验证KPI，复盘结果回流成新的训练语料——处理链同时是学习链。 按这个标准，网优的任务清单可以分成三档： | 网优任务 | 成熟度 | 说明 | | --- | --- | --- | | 投诉工单预处理 | 可用 | 归类、定位到小区级、给出初判，人只看结论 | | 规范/参数问答 | 可用 | RAG挂载3GPP与企业规范，回答带出处 | | 网优方案初稿 | 辅助 | 生成方案框架和参数建议，工程师改后签发 | | 路测/报告撰写 | 辅助 | 数据图表解读、报告初稿，省的是写报告的夜 | | 割接/配置脚本生成 | 慎用 | 生成后必须逐行人工复核，红线场景 | | 闭环自动下发 | 红线 | 无人审核直接变更网络配置，现阶段不做 | 最后一条要说透：市面上有厂商演示过“自愈闭环”，但配置变更类操作，运维铁律是双人复核——这不是技术做不到，是责任链条不允许。AI可以先碰“看和写”，最后才轮到“按按钮”。 ## 七、三个还没过掉的坎 **评测各说各话。**TelecomGPT用自建基准，TeleChat刷通用中文榜，运营商内部另有验收口径——同一批模型的成绩单互不可比。行业缺一个类似SQuAD地位的公共电信评测集，谁先做出来，谁就拿到这个赛道的“裁判权”。这也是学界论文最被低估的贡献：TelecomGPT的基准本身，可能比模型更有长期价值。 **幻觉没有清零，责任必须落人。**专科模型幻觉率低于通用模型，但不是零。网优方案的错误成本是真实的生产事故，所以签字权必须留在人手里，答案必须挂出处，这应该是所有运维类大模型应用的上线门槛，而不是加分项。 **知识更新是被低估的成本。**3GPP一年两个版本，厂家参数手册随时修订，RAG知识库的维护是持续性投入，不是一次性工程。模型上线只是开始，知识运营才是长跑——这一项成本，很多立项报告里没有写。 ## 八、结语 回头看2023年那波“运营商发布大模型”的新闻，当时不少人嘀咕：又是蹭热点。两年过去，热点沉淀成了两条硬结论：其一，通用大模型进不了机房，通信专科模型靠“开源底座+领域语料+指令微调”这条流水线炼成了，TeleChat和TelecomGPT从产业和学术两侧验证了同一件事；其二，大模型在网优的正确姿势不是取代工程师，而是把老师傅的判断力资产化——AI读规范、查案例、写初稿，工程师审方、签字、按下发键。 下一步的看点是两件事：多模态（路测轨迹图、频谱图直接进模型）和智能体编排（一条工单自动拆成多步工具调用）。但无论形态怎么变，这条人机边界不会变：网络配置变更的最后一道门，永远是人。 ## 参考来源 1. [TeleChat Technical Report (arXiv:2401.03804)](https://arxiv.org/abs/2401.03804) — 中国电信星辰大模型技术报告，披露电信语料继续预训练、中文词表优化等炼法 2. [TelecomGPT: A Framework to Build Telecom-Space Large Language Models (arXiv:2407.09424)](https://arxiv.org/abs/2407.09424) — 休斯敦大学联合诺基亚贝尔实验室，验证电信专科模型在自建基准上反超GPT-4 3. [Tele-AI/TeleChat (GitHub)](https://github.com/Tele-AI/TeleChat) — 中国电信TeleChat系列开源仓库，7B/15B等版本可本地部署 4. [3GPP官网](https://www.3gpp.org) — 3GPP规范体系及AI/ML for NR研究项目（TR 38.843）官方出处 5. [TM Forum](https://www.tmforum.org) — 自智网络分级框架与电信业GenAI运营研究的行业组织 --- > 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。