2025到2026年，通信业的大模型叙事换了个坐标系：前两年还在聊写周报、做客服，如今大模型和智能体已经开进网络运营中心（NOC），直接面对生产系统。中国移动联合华为把NOC自智等级从3.2推到4（TM Forum量表自评），收益与口径都摆在明面上。但真正决定AI能不能碰生产网的，不是模型跑分，而是幻觉——大模型一本正经地把参数写错，在聊天窗口顶多被截图嘲讽，在NOC里就是事故。本文以TM Forum官方案例研究为解读主轴，拆解行业把幻觉率摁到3%的三件套：RAG、知识图谱、大小模型协同，再看看刚在MWC上海落地的智能体协作开源项目OpenAN，最后聊聊哪些数据该信、哪些口径要打折。
先看规模。按TM Forum案例研究的介绍，中国移动移动用户超10亿、5G用户5.78亿，运营着全球按用户数计最大的5G网络，还拥有全球最大的400G光传输网和SRv6骨干之一。网越大，工单越多：仅IP回传（backhaul）故障一项，2023年广东移动每月处理3万张工单，后端专家平均每张要花45分钟，再联动现场人员，一张票从头到尾30到100分钟。IP回传业务开通的完整流程有54个步骤，其中41步需要人工参与——响应慢、易出错、成本高，三个毛病全占。
这就是大模型要接手的现场。但通用大模型直接上岗，第一个月就会被老师傅识破。通信领域满是被压缩到看不懂的缩写、按制式版本变化的条款、以及各家设备私有的命名体系，通用模型张冠李戴是常态。arXiv上TelecomGPT论文的开篇就说得很直白：主流大语言模型普遍缺乏通信领域的专业知识。
真正的问题不在“答得不好”，而在责任不对称。客服机器人答错了资费，顶多挨顿骂；排障助手答错了故障定位，浪费的是工时；可一旦智能体生成的参数调整方案被直接下发到网元，写错一个值，故障就不是“答错”，而是“做错”——而且是那种要过几天才在某个片区冒头、排查时没人怀疑到AI头上的慢性事故。这就是为什么大模型进NOC，第一道门槛不是能力，是信任。
行业需要一个参照系，2024年7月挂上arXiv的《TelecomGPT: A Framework to Build Telecom-Specific Large Language Models》（arXiv:2407.09424）提供了它，后来经同行评审进入IEEE Xplore收录。
这篇论文做了三件事。第一，提出一条管线：收集构建通信专用的预训练数据集、指令数据集、偏好数据集，把通用大模型改造成通信专用模型——论文自称这是该方向的第一个完整管线。第二，配套建了通信领域的评测基准，覆盖4G/5G协议问答、通信数学建模等任务。第三，验证了“通用基座+领域管线”这条路线的可行性，这也是此后各运营商行业模型事实上共同采用的路径。
用工程视角翻译一下：从头预训练一个通信大模型，成本没有几家运营商扛得住；可行的是在开源基座上继续预训练加微调。但这条路的前提是得有尺子——没有通信专用评测基准，你说你的模型懂5G、我说我的懂，永远吵不出结果。TelecomGPT真正的贡献，与其说是模型本身，不如说是把“通信大模型”从口号变成了可测量、可比较的工程对象。
当然要划清边界：论文成果是“能考”，生产环境要的是“敢用”。从考卷到机房，中间还隔着数据治理、权限管控、操作审计这三座山——这正是下一节的内容。
大模型在通信生产环境里翻车，绝大多数不是不会说话，而是太会说话——不知道的也说得有鼻子有眼。行业目前的对策，归纳起来是三件套。
第一件：RAG（检索增强生成）。 让模型先查资料再开口，每个回答都能落到知识库的具体条目上。按TM Forum案例研究披露的数据，中国移动将模型接入RAG后，智能问答准确率做到90%，大模型幻觉发生率压到3%；运维知识问答的平均准确率达到97%——注意，这个“高出行业均值20%”是中国移动的自评口径，听听就好，方向是对的。另一个实用功能是NL2SQL/NL2API：用自然语言直接查网管，覆盖1000多个场景。对一线工程师来说，这意味着“把某片区最近一周掉线率Top10的小区拉出来”这类活儿，不用再等人写报表了。
第二件：知识图谱。 RAG解决“说的话有没有出处”，知识图谱解决“说的东西对不对”——网元、单板、业务、地理位置之间的关系被固化成一张可校验的图，模型输出的每个实体都能在图上找到户口。TM Forum案例研究明确提到，中国移动与华为在构建百亿参数级行业大模型的同时，把知识图谱的自动构建与维护作为压制幻觉的关键手段。另据行业媒体报道，中兴通讯与中国移动在2026年6月TM Forum DTW Ignite大会上展示了“网络图谱模型”（Network Graph Model），同样是用知识图谱给大模型上户口，直接点名要解决LLM运维不可靠的问题——思路殊途同归。
第三件：大小模型协同。 大模型长于泛化，见多识广，但算得糙；小模型专精单项，算得准，但不会举一反三。中国移动的做法是搭建自主闭环工具链，让大模型负责理解、拆解、编排，小模型负责专项核算与判定。一句话：大模型当大脑，小模型当尺子，谁也别越位。
三件套装配完毕，效果如何？TM Forum案例研究给出了一组目前公开渠道里最细的数据，我按范围整理如下（数据提供方为中国移动与华为，属联合发布口径）：
| 范围 | 指标 | 公开数值 |
|---|---|---|
| 集团整体 | 数字员工折合全职人力（截至2024年底） | 相当于5500个全职岗位 |
| 集团整体 | 后端运维人力 / 一线装维人力 | 降幅超30% / 超5% |
| 集团整体 | 故障与投诉平均MTTR | 下降30% |
| 集团整体 | NOC自智等级（TM Forum ANL自评） | 3.2 → 4 |
| 广东·IP回传 | 智能体承担的后端/现场工作量 | 30% / 5% |
| 广东·IP回传 | 故障MTTR / 工单量 | 降25% / 降15% |
| 广东·家宽投诉 | 投诉MTTR / 投诉率 | 降50% / 降30% |
| 浙江杭州·无线网 | 覆盖规模 | 约2万个站点、超10万小区，月闭环8000+工单 |
| 浙江杭州·无线网 | 后端排障耗时 | 下降80% |
| 浙江全省·核心网 | 后端操作由数字员工完成 | 40% |
| 浙江全省·核心网 | 故障MTTR / 端到端投诉MTTR | 降87% / 降65% |
| 浙江全省·核心网 | 投诉预先拦截率 | 5% → 75% |
设备商侧的节奏也在加快。2026年3月MWC巴塞罗那上，华为宣布ADN（Autonomous Driving Network）方案升级三项核心能力，目标直指AN L4的规模部署；同一届展会上，华为与中国移动凭“AI+网络运维转型”方案拿下GLOMO“最佳AI驱动网络方案”奖。更早的MWC 2025，据telecoms.com刊发的合作内容，中国移动发布“AI+NETWORK”战略，称已在八个关键场景部署L4自治——一半面向业务开通（5G专线、政企专网等），一半面向网络状态监控。据Fierce Network报道，清华大学校园网自2024年9月起以L4模式运行，中国移动同期在广东完成了L4自治网络的试验。
把这些拼起来，能看到一条清晰的路径：2023年整体3.2级，先在广东、浙江两个省把故障管理和投诉处理两个高价值场景打穿，再自下而上复制到全国——先试点、后推广，和二十年前割接演练的路数并无二致，只是这次被演练的是AI。
单家运营商内部跑通了，新的问题马上浮出来：智能体越来越多，各家各说各话。无线域的agent、传输域的agent、家宽的agent，出自不同厂商、不同省份，一旦来一场跨域故障，你的agent叫我的agent，接口对不上，等于新的七国八制。
2026年6月25日，MWC上海期间，中国移动联合GSMA、华为等伙伴，在Linux Foundation Networking（LFN）社区正式发布OpenAN。按Mobile World Live刊发的新闻稿，这是全球首个专门面向电信运维智能体协作的开源项目，目标是为智能体之间的协作搭一个开放底座——让“agent指挥agent”有公共的语法，而不是每次对接都做一遍定制联调。
与之配套的是标准侧的反哺：按TM Forum案例研究，中国移动和华为把这次建“黑灯NOC”的经验写回了行业标准，包括把智能体与副驾的设计贡献进IG1345《Embracing Generative AI in Telecom》，升级IG1228的端到端故障管理用例，并向IG1373自愈域提交了新方案。开源管实现，标准管语言，两条腿走路——这套组合拳通信业其实很熟，SON当年就是这么起来的，只是这回主角从参数算法换成了大模型智能体。
数据热闹，但有几个问题值得每个准备上同类系统的团队先想清楚。
第一，3%幻觉要分场景看。 知识问答场景，97%准确率完全够用，答错了大不了再问一遍。可要是智能体生成的操作方案直接下发，3%就是每一百次操作错三次——生产网没有“大概对”。所以靠谱的架构一定是分级：问答全自动，分析半自动，下发必须过校验、过仿真、过灰度，而不是笼统地宣传“L4闭环”。
flowchart TD
A["工单或优化意图进入"] --> B["大模型理解与拆解"]
B --> C["RAG 检索规范与案例"]
C --> D["知识图谱校验实体"]
D --> E{"校验通过？"}
E -->|否| F["拒答并转人工"]
E -->|是| G["小模型专项核算"]
G --> H{"仿真推演达标？"}
H -->|否| B
H -->|是| I["灰度下发试点网元"]
I --> J["实网观察一个周期"]
J --> K["异常则自动回滚"]
J --> L["正常则写回知识图谱"]
这张流程图里真正的要点只有一条：大模型的输出在碰到生产网之前，必须穿过至少三道不依赖大模型自身的关卡——检索溯源、图谱校验、专项核算。任何一道缺席，所谓闭环就只是把幻觉自动化了。
第二，注意自评与联合署名。 ANL等级是运营商用TM Forum量表自评的；效果数据来自运营商与设备商的联合发布，双方都有动机把数字做好看。TM Forum的案例研究是目前公开度最高、细节最全的记录，连“5500人”这样敏感的数字都写了出来，诚意足，但数据提供方终究是当事双方。读这类数字的正确姿势是看趋势和结构，别把单个百分比当成可复现的承诺——尤其那个“折合5500个全职岗位”，是人力当量折算，不是裁员名单，其中约75%发生在网络运营条线，且按案例研究说法约占该条线人力的一成。
第三，复制不是拷贝。 案例研究里专门提到，各省公司的业务模式和数据分布不同，模型必须用本地数据重新训练适配。广东跑通的模型搬到别的省，数据治理、知识库构建、图谱维护一样都不能少，这是一笔持续投入而不是一次性工程。行业媒体在报道中国移动与华为的L4合作时也点破了关键：L4能力能不能从展room走向更多省、更多专业网，才是真正的考题。
第四，工程师的位置没有消失，而是挪了。 查告警、翻工单的手艺会贬值，但给图谱喂料、给小模型标数据、给闭环定验收标准、给下发方案把关的手艺正在升值。案例研究里有个细节很说明问题：广东超过9000名装维工程师配上了副驾，每天参与处理3000到4000个咨询——副驾不是替你开车，是让你坐进驾驶座。
回头看这三年：2024年TelecomGPT证明通信大模型“能考”，2025年中国移动把NOC推到自评L4证明“敢用”，2026年OpenAN开始解决智能体之间“怎么协作”。三步走完，大模型进生产网这件事从PPT落到了工单上。
但整场变革真正的技术主线，不是哪个模型更聪明，而是怎么让一个会犯错的系统被放心地放进生产环境——答案是老一套工程纪律的新组合：检索溯源、图谱校验、大小模型分工、灰度下发、自动回滚。3%的幻觉率不是终点，对问答场景它是及格线，对下发场景它还差着两个数量级。
对准备跟进的团队，我的建议只有一句：别先问“能不能上L4”，先问“我的知识库和图谱建好了没有、每一步下发谁来把关”。大模型进机房，快的不是手，是账——信任这本账，得一页一页记。
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。