# 一年省700万：大模型网优实战 **概述**：大模型进通信业，最先啃下的不是基站，不是核心网，而是网优工程师的案头工作。本文以TM Forum官方案例研究披露的中国移动联手诺基亚GenAI项目为主轴——覆盖广东、北京、福建三省1.9亿用户，年省700万美元运维成本——拆解它的三大痛点、技术架构、量化成果，以及从L3助手到L5大师的三级跳路线，并给一线网优工程师几条保命建议。 ## 目录 - 一、网优工程师的案头，比基站更先被AI攻陷 - 二、锚定案例：中国移动联手诺基亚的三省实验 - 三、钱省在哪里：一张表看懂700万美元 - 四、架构拆解：解耦与本地知识中心是命门 - 五、从助手到大师：自智网络的三级跳 - 六、31省规模化：MLOps才是真功夫 - 七、冷思考：为什么AI先吃的是案头活 - 八、给网优工程师的三条建议 - 参考来源 ## 一、网优工程师的案头，比基站更先被AI攻陷 干了十几年网优的人都熟悉这套日常：早上到工位先看 overnight 的 KPI 看板，发现某个区掉线率抬头，第一件事不是上站，而是翻案例库——这个告警组合以前谁处理过？翻手册、翻工单系统、翻微信群，运气好十分钟找到答案，运气不好一下午搭进去。找到方向之后是取数：登录大数据平台，面对几千张表，写 SQL、跑任务、导 Excel、画图、写报告。最后才是真正体现水平的动作——调参数、下方案。 残酷的事实是：这套流程里，真正需要“网优经验”的时间占比可能不到两成，剩下八成全是案头劳动。一个省公司几百号工程师，大半人力耗在查资料和做表上。这就是大模型进场时看到的缝隙——它不跟你抢割接刀，先把你桌上的报表抢了。 这不是我的判断，是有账本的。下面这个案例，是目前公开披露里数据最完整的一个。 ## 二、锚定案例：中国移动联手诺基亚的三省实验 本文的解读主轴，锚定 TM Forum（电信管理论坛）2024年8月发布的官方案例研究《China Mobile's new GenAI solution leads to $7 million in opex savings》（链接见文末参考来源[1]）。TM Forum 是自智网络分级框架的制定者，这份案例属于其 Excellence Award 获奖项目的整理稿，可信度在行业材料里属于第一梯队——但要注意，数据来源是中国移动与诺基亚的自报口径，这是所有厂商案例的通例，读的时候心里要有这根弦。 案例的要素很清楚： - **谁**：中国移动 + 诺基亚贝尔，自2022年起联合开发 GenAI 运维解决方案； - **在哪**：广东、北京、福建三省市公司，合计约1.9亿用户； - **干什么**：工单优化、现场测试辅助、4G/5G 网络性能优化； - **怎么干**：基于 TM Forum 的 AI in Operations 框架、自智网络框架和 eTOM 业务流程框架，用 LangChain 搭建开源解耦的大模型应用框架，接入开源大模型，并自建两个本地化的 LLM 知识中心。 中国移动要解决的是三个老得掉牙、但每年烧掉真金白银的问题： | 痛点 | 具体表现 | GenAI 方案 | | --- | --- | --- | | 知识难查 | 手册、案例库、报告散落各处，工程师查一次平均5到10分钟，复杂案例超过1小时 | 本地知识中心+自然语言智能问答 | | 取数贵 | 仅广东大数据平台就有3000多张表，400多名工程师天天做数据分析，一年成本约680万美元 | 自然语言生成 SQL，自动取数出报告 | | 开发慢 | 三省市约200名软件工程师，业务需求排队，动辄数天到数周 | DevOps 代码生成 | 站在2026年回看，这三个痛点没有一个过时。省公司网优部谁不是一边扛着 KPI，一边当“表哥表姐”？大模型挑的这三个口子，切口极小，痛感极大，见效极快——这是它能在两年内铺开的原因。 ## 三、钱省在哪里：一张表看懂700万美元 TM Forum 案例给出的量化结果，我原样搬过来，不做任何美化： | 指标 | 大模型上线前 | 上线后 | 折算收益 | | --- | --- | --- | --- | | 知识获取 | 平均5-10分钟，复杂超1小时 | 多数问题1分钟内完整回答 | 获取时间降80%，知识覆盖提升67% | | 日常数据分析 | 人工取数、手工出报告 | 自然语言生成并执行 SQL、自动出报告 | 效率提升72%，年省13545个工作日、250万美元 | | 数据开发 | 开发者手工做数据开发与探索 | 自然语言开发+智能分析报告 | 年省290万美元 | | 运维报告 | 制作周期多天 | 平均1天 | 120名工程师每人每月4份，年省11520个工作日、160万美元 | | 功能开发 | 需求排期数天到数周 | 平均5天 | 80名工程师人均月产2个功能，年省7680人日 | 合计：**每年网络运营成本节省约700万美元**。分项加总（290+250+160）约700万美元，账是对得上的。 怎么读这份账？我的看法是：这700万里没有一分钱来自“AI 调好了网络参数”，全部来自**把人的重复劳动压掉**。知识问答和 NL2SQL 是典型的“把5分钟变成1分钟×海量次数”的生意；报告自动化的本质是把“表哥表姐”从流水线上撤下来。对管理层这是降本的好故事；对工程师这其实是一份岗位说明书的重写通知——案头八成的工时，正在贬值。 ## 四、架构拆解：解耦与本地知识中心是命门 这个方案技术上并不炫，但有两个设计决策堪称教科书，值得抄。 **第一，模型解耦。** 基于 LangChain 的开源框架，大模型只是可插拔的一个组件，场景能力沉淀在编排层和工具层。广东移动网络运营中心系统架构师孟亮在案例中的原话是：方案架构开放、能力解耦，可灵活接入不同的底座模型。这句话翻译成运维语言就是：今天用 A 模型，明天换 B 模型，上面的问答、取数、报告流程一行不用改。过去两年基座模型换代三次，凡是把业务逻辑焊死在某个模型 API 上的项目都返了工——这个架构提前避了坑。 **第二，本地知识中心。** 不是把知识扔给公有云大模型，而是在省内自建两个 LLM 驱动的知识中心：一个全网共享的集中知识库，一个按租户隔离的私有知识库。运营商数据的安全红线、各省数据的归属问题，靠这个设计兜住。工程师的提问长这样：“这条传输链路有 7750 和 7401 两个告警，什么含义，怎么处理？"——知识中心检索+大模型组织语言，一分钟内给出处置建议。 整体数据流是这样的： ```mermaid flowchart TD A["网优工程师"] -->|自然语言提问| B["GenAI助手"] B --> C["LLM编排层
LangChain框架"] C --> D["本地知识中心
集中库+租户库"] C --> E["NL2SQL引擎"] C --> F["DevOps代码生成"] D --> H["故障处置建议"] E --> G["大数据平台
3000多张表"] G --> I["分析报告"] F --> J["自动化脚本"] H --> K["工程师复核"] I --> K J --> K K -->|确认后执行| L["生产网络"] ``` 注意最后那一环“工程师复核”。现阶段所有产出物——处置建议、分析报告、生成代码——都停在人在回路这一格。这不是保守，这是护栏，第七节我会展开。 ## 五、从助手到大师：自智网络的三级跳 这个项目不是一锤子买卖，中国移动给它画了一条清晰的三阶段路线，对应 TM Forum 自智网络等级： ```mermaid timeline title 中国移动GenAI运维三阶段路线 2023 : 智能助手阶段完成 : 达到L3 : 年省700万美元即此阶段成绩 2025 : 专家阶段 : 自动生成配置与优化指令 : 目标L4 2025以后 : 大师阶段 : 端到端自治运营 : 目标L5 ``` - **第一阶段“智能助手”**（2023年完成）：AI 出主意，人拍板。上文所有量化成果均产生于这一阶段，网络等级达到 L3。 - **第二阶段“专家”**：让大模型在复杂运维场景中自动生成网络配置指令和优化指令，并执行方案建议，冲击 L4。 - **第三阶段“大师”**：端到端自治运营流程，瞄准 L5。 第二阶段有没有落地动作？有。telecoms.com 在2025年11月报道（注：合作伙伴内容，即商稿口径），中国移动与华为合作建设覆盖端到端运维的无线自治网络——从天线、基站到 OMC 平台全链路嵌入 AI，作为其数据驱动运维转型的下一阶段，继续向 L4 自治网络推进。商稿要打折听，但它与中国移动一贯的对外口径一致：专家阶段确实在无线侧铺开了。 实验室里“大模型给网优出主意”的论文汗牛充栋，真正难的是给参数变更加护栏。想深入了解“怎么让 AI 在敢下手之前先沙盘推演”，可以看中国移动研究院的论文《Design of JiuTian Intelligent Network Simulation Platform》（arXiv:2310.06858，链接见文末[3]）：他们专门建了一个智能网络仿真平台，为无线 AI 应用提供仿真数据服务——说白了就是给 AI 修了个练靶场，任何优化指令先在仿真环境里过一遍，再决定要不要碰生产网。 ## 六、31省规模化：MLOps才是真功夫 一个省试点成功不叫本事，中国移动网络智能化平台（九天）做到了31个省全覆盖。这部分素材来自九天网络智能平台负责人梁小江在 DataFun 社区的技术分享（经 BestHub 整理，链接见文末[4]），讲的全是案例研究里不会写的脏活： - **为什么必须做平台**：中国移动有超过10万名运维人员，5G 切片带来个性化服务需求，各省基础设施和数据安全要求不同，必须“1+31”云边协同——集团一朵中心云管能力注册和监控，31个省边缘集群跑本地服务。 - **起步比你想的早**：2017年开始做智能定位，逐步扩展到故障处理、优化、调度、知识图谱，积累20多项 AI 能力；2020年在浙江试点，2021年商用，如今31省联网，能力商店支持“一省开发、全网订购”。 - **工程化的真坑**：跨省模型不通用（数据分布不同）、云端与边缘模型版本不一致、模型效果漂移没人管。他们的解法是 MLOps 全流水线：NVIDIA Triton 一键发布模型、Kubernetes 资源感知调度、Nacos 做服务注册、whylogs 做数据漂移监控，推理代码与模型文件分离挂载，换模型不停机。 - **流量尖峰怎么办**：网关限流+告警，工程师触发弹性扩容——前提是所有推理服务无状态化。 这段内容我的感悟是：行业叙事总把聚光灯打给大模型，但真正决定 AI 在网络领域能不能活的，是这些不起眼的管道工程。模型只占两成功力，八成在数据治理、版本管理和灰度发布上。三万条告警也好，一百个省级集群也好，没有 MLOps，大模型就是一个昂贵的 Demo。 ## 七、冷思考：为什么AI先吃的是案头活 把前面所有信息合起来，回答一个大家最关心的问题：为什么大模型两年就吃下了网优案头工作，却迟迟不敢直接动网络？ 我的看法（注意，以下是作者观点，不是来源披露）：因为案头工作的容错空间大。报告写错了可以重写，SQL 取错了数可以重跑，知识答错了有人复核。而网络参数变更是不可逆的生产操作——一条邻区漏配能让掉话翻倍，一次脚本事故能放倒一个地市。AI 在低风险域攒下的信任，是它将来往高风险域走的路费。三阶段路线的本质，就是按风险等级逐级放权：先当参谋（L3），再当可以开处方的专家但药方要审（L4），最后才谈自治（L5）。 另一层冷思考：700万美元的账，节约的是“人日”，但没有回答“人去哪了”。三省市200名软件工程师、400多名数据分析师的岗位结构，会因为这个系统发生什么变化？参考来源[1]没有给出答案，所有厂商案例都不会给。但方向是明确的：纯取数、纯写报告的岗位在收缩，懂网络又懂提示词工程、能验收 AI 产出的复合岗位在涨价。这不需要悲观，但需要每个人提前表态——是当被替代的八成，还是当验收 AI 的两成。 还有一个容易被忽略的事实：这套方案用的是**开源大模型+本地部署**，不是调用海外 API。国资运营商的数据合规要求决定了这条路线没有第二个选项，这也解释了为什么近两年“电信行业私有化大模型”成为设备商竞标的标配项。 ## 八、给网优工程师的三条建议 以18年核心网与运维一线的过来人身份，给还在案头苦熬的同行三条实在建议： **第一，把你的经验写成 AI 读得懂的样子。** 案例库里那些“告警7750+7401，先查传输再查板卡”的处置经验，现在还躺在 Word 文档和老师傅脑子里。谁先把经验结构化成知识库条目，谁就是下一轮平台建设里不可替代的人。知识覆盖提升67%的背后，是有人喂了 AI 一口好粮。 **第二，抢 NL2SQL 和报告自动化的验收权，而不是抗拒它。** AI 生成的 SQL 和报告一定会铺开，抗拒没有意义。但“判断这份报告取数口径对不对、结论能不能支撑参数调整”的验收权，目前还牢牢在人手里——这是老网优经验最后的护城河，主动去拿。 **第三，盯住“专家阶段”的仿真验证能力。** L4 的门槛不在大模型多聪明，而在仿真靶场能不能高保真复现现网。谁懂仿真平台的参数标定、谁能设计灰度验证方案，谁就站到了下一阶段的入场口。参考来源[3]那个仿真平台，值得每个省公司网优部派专人去读。 大模型没有替代网优工程师，它替代的是网优工程师不想干的那部分。但请记住：不想干的部分被拿走之后，想干的部分的门槛，也跟着涨了。 --- ## 参考来源 1. [China Mobile's new GenAI solution leads to $7 million in opex savings（TM Forum）](https://inform.tmforum.org/research-and-analysis/case-studies/china-mobiles-new-genai-solution-leads-to-7-million-in-opex-savings) — 本文解读主轴：中国移动+诺基亚GenAI运维案例研究，三大痛点、量化成果、三阶段路线均出自此文（运营商自报口径） 2. [China Mobile Accelerates toward AI-powered L4 autonomous network（telecoms.com）](https://www.telecoms.com/partner-content/china-mobile-accelerates-toward-ai-powered-l4-autonomous-network) — 中国移动与华为无线自治网络合作，L4推进（注：合作伙伴内容/商稿） 3. [Design of JiuTian Intelligent Network Simulation Platform（arXiv:2310.06858）](https://arxiv.org/pdf/2310.06858) — 中国移动研究院智能网络仿真平台论文，AI优化指令的“沙盘推演”基础设施 4. [MLOps Implementation in Network Intelligence: Jiutian Platform Overview（BestHub/DataFun）](https://www.besthub.dev/articles/mlops-implementation-in-network-intelligence-jiutian-platform-overview-ca68eb0471f5) — 九天网络智能平台负责人技术分享：31省规模化、云边协同、MLOps工程实践 5. ["Jiutian" AI Large Model Unveiled（国资委英文站）](https://en.sasac.gov.cn/2024/12/30/c_18553.htm) — 九天大模型定位：央企首个全自研基础大模型的官方口径 --- > 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。