概述：思科与Omdia在2026年9月发布的一项千人调研给出了一道算不平的账：企业平均每天产生约4100条监控告警，想靠人手清完当天积压，得配约100名IT专家——而近一半告警没被真正排查就关了单。与此同时，超过一半受访企业已让AI代理直接在生产网络上执行动作。本文以思科AgenticOps与Deep Network Model这套“AI同事”方案为主线，结合官方发布与Forrester、Omdia数据，拆解AI网管助手到底能干什么、宣传水分在哪，以及通信运维人的活儿该怎么变。
干了十八年核心网，我对NOC（网络操作中心）最大的感受就俩字：淹没。告警屏从左滚到右，value全在中低级别里泡着，真正要命的那条红色，往往是被二十条黄色陪衬着一起蹦出来的。
这不是中国机房独有的病。2026年9月23日，思科联合分析机构Omdia发布了《The Impact of Agentic AI on Network Operations》调研报告，样本是全球1000名IT与网络运维负责人（所在机构员工数500人以上，覆盖北美、西欧、亚太）。几个数字值得每一位值班过的同行细品：
| 指标 | 调研数据 |
|---|---|
| 平均每日监控告警与事件量 | 约4100条，其中过半与网络相关 |
| 人工清完当日网络告警积压所需人力 | 约100名IT专家 |
| 未经调查即关闭的网络告警 | 接近一半 |
| 排查时间耗在误报上的比例 | 与前者几乎相当 |
| 认为现有（非代理式）AIOps工具存在明显不足 | 95% |
| 性能问题横跨多个域、需在10个以上工具间关联取证 | 92% |
| 认为当前变更流程跟不上业务速度 | 57% |
数据出自Cisco与Omdia联合调研，调研由Omdia独立执行，属于厂商委托但样本量过千的行业研究——数字本身未必精准对应每家机房，但量级和我们一线体感是对得上的：告警的增长是乘法，人手的增长是加法，这道账早就算不平了。
还有一个容易被忽略的变量：AI自己也在给网络加压。同一份新闻稿里，思科基于自家遥测的分析称，AI流量正以每六个月翻一番的速度增长；而思科测试发现，代理式AI执行任务时产生的总网络流量最多可高出450%。也就是说，你请来的AI同事上班第一天，先给网络添了一把活儿。运维体系的承压能力，必须按这个新常态重新校准。
思科给的答案叫AgenticOps，代理式运维。2025年6月10日在官方博客首次提出，定位是“由AI代理驱动的IT运维新范式”：把实时遥测、自动化能力和领域专家经验，转化成端到端的智能动作。到2026年2月10日Cisco Live EMEA阿姆斯特丹站，思科发布了一轮跨产品线的扩展，这套体系才算完整亮相。
拆开看是三件东西：
第一件，Deep Network Model（网络专用大模型）。这是整套方案的地基。据思科官方博客和BizTech Magazine的报道，这是一个专为网络运维训练的专用LLM，语料来自思科数十年的网络知识、4000万token级别的专业内容，外加3000多条从思科专家那里采集的“推理轨迹”（reasoning traces，即专家排障时的思考路径），思科宣称其在排障与配置任务上的准确率比通用大模型高20%。20%这个数是厂商自述口径，未经第三方复核，但“用专家推理轨迹喂模型”这个思路值得记一笔——它意味着老师傅的排障手艺第一次可以被规模化复制。
第二件，AI Canvas与AI Assistant。AI Canvas是把网络、安全、可观测性拉进同一个界面的操作台，思科称其为"Cloud Control"统一运营平台；AI Assistant则是那个"AI同事"本体，2026年2月的更新里加了一个关键能力：Agentic Workflow Creation——用自然语言创建生产级的确定性自动化工作流。注意"确定性"这个词，后面第四节还会用到。
第三件，三类代理式场景。2026年2月发布的重头戏：
| 能力 | 官方描述 | 关键词 |
|---|---|---|
| Autonomous Troubleshooting 自主排障 | 跨园区、分支、工业网端到端排查连通性与体验问题，官方称“把MTTR压缩到分钟级”，并行验证多个假设、执行确定性修复，措辞是"CCIE级精度" | 多假设并行验证 |
| Continuous Optimization 持续优化 | 基于端到端实时状态自主调优RF、QoS、路径与控制面，在用户感知劣化前动手 | 自主调参 |
| Trusted Validation 可信验证 | 变更前对照现网拓扑、配置与遥测做风险评估，识别影响面与"爆炸半径"，含合规校验 | 爆炸半径 |
发布节奏也值得注意：园区/分支/工业场景2026年2月起滚动上线；数据中心版本2026年6月受控可用；而对通信行业同行最有信号意义的一条是——面向运营商网络的Crosswork AI进入beta测试，官方表述是“在服务提供商网络中识别、诊断并解决复杂的多厂商问题”。这波AI运维浪潮，正从企业网涌进电信网。
思科这波声势不小，但“网管台前的AI同事”并不是新岗位。瞻博网络（Juniper）的Marvis虚拟网络助手，早在这轮AgenticOps浪潮之前好几年就已经上岗，而且攒下了第三方背书的实战数据。
Marvis的打法有三个特点，据瞻博官方文档：
效果数据方面，Forrester受瞻博委托所做的TEI（总体经济影响）研究给出的结论是：采用Mist与Marvis VNA后，需要人工进一步排查的工单量在综合模型下减少70%。Gap公司（GAP、Old Navy母公司）的门店Wi-Fi案例则报告了85%的技术人员到店次数下降和更快的MTTR。瞻博并入HPE之后的营销材料里，这个口径甚至讲到了“工单最多降90%”——厂商数字看看就好，Forrester的70%是其中最经得起推敲的一个。
两家放一起看，路数差异很清晰：
| 维度 | 思科 AgenticOps | 瞻博（HPE）Marvis |
|---|---|---|
| 定位 | 代理式IT运维的"操作系统" | 虚拟网络助手+数字孪生拨测 |
| 专用AI | Deep Network Model网络专用LLM | Mist AI引擎（起家于WLAN） |
| 招牌动作 | 自主排障、RF/QoS自主调优、变更爆炸半径评估 | 主动拨测、根因定位、自然语言问答 |
| 公开效果 | 官方称MTTR压缩至分钟级；Omdia调研背书趋势 | Forrester TEI：需人工跟进工单降70% |
| 覆盖范围 | 园区/分支/工业、数据中心、运营商网（Crosswork AI beta） | 园区无线/有线接入为主 |
| 阶段 | 2025年6月首发，2026年起分场景GA | 规模商用多年，随HPE并购继续整合 |
对通信人而言还有第三股势力：华为iMaster系列、诺基亚的自动化套件都在做类似的事，各家官方材料都有各自的口径。具体能力边界与实测表现，以各厂家在贵司现网环境下的POC数据为准——这话我在行业里说了十几年，今天尤其适用。
前面全是阳光面，现在说阴影。AI运维助手这件事，技术上最难的不是回答问题，而是让它有资格动手。
思科那两份官方材料里藏着一组很诚实的对照。一面是意愿：调研显示80%的机构接受让AI在NetOps里承担高度甚至完全自主的角色，其中24%接受“无人监督”的完全自主；82%接受AI在未经人工预审的情况下做部分生产变更；84%预计12个月内走向AI主导的运维模式。听起来像是没人再要“人工在环”了。
另一面是条件：69%要求对代理的每个动作提供详细可解释性；36%把“全量可观测”（完整调用追踪+决策依据摘要+事后审计）定为最低可接受标准；86%认为单一集成平台（而不是再多一个烟囱工具）是唯一可行路径。
把两面拼起来，真实含义是：企业愿意放权，但只放给能自证清白的AI。这也解释了思科为什么反复强调"closed-loop execution with built-in oversight"（带内建监督的闭环执行）和"deterministic remediation"（确定性修复）——代理可以自主探索根因，但执行动作必须是可枚举、可回滚的既定剧本，不能让大模型现场发挥写配置。这个设计哲学，跟我们在“AI动网之前先撞一次墙”里聊过的变更沙箱是同一套逻辑：幻觉可以出现在诊断里，绝不能出现在变更单里。
还有一笔账容易被忽略：AI代理的每一次诊断都在拉遥测、发探测、跨域查数据，思科自己的测试说这最多带来450%的额外流量。把闭环做得越快，网络自己要扛的控制面开销就越大。大规模部署AI运维的运营商，迟早要给“AI自身的信令预算”立规矩——这是我在现网做信令风暴治理多年后，看到这个数字时的第一反应。
第一句：先把数据喂到嘴边。思科方案的全部魔力都建立在跨域遥测之上——网络、安全、应用、协作平台的信号汇进同一个池子。反观我们很多机房，网管北向接口各自为政，日志格式十年没统一，告警还是私有MML吐出来的字符串。这种数据地基，请哪个神仙模型来都是空转。上AI之前，先做北向治理和告警标准化，这笔投入没有捷径。
第二句：按爆炸半径设权限，而不是按上线时间表。调研里24%愿意无人监督的比例，放到通信生产网上必须再掂量。我的建议是三档走：先只读（AI给建议，人动手），再低风险自动（AI执行可枚举的确定性剧本，如端口环回、阈值类参数调整），最后才谈闭环。每一档都以“出过几次误判、回滚是否顺畅”为晋级依据，而不是厂商的GA时间表。
第三句：效果只认可验证指标。别被"MTTR压缩到分钟级"这类宣传词带走——问清楚基线是什么、样本多大、有没有你们现网的POC数据。Room & Board的高级网络工程师Mark Rodrigue在那份调研里的说法反而更实在：过去要在多个仪表盘间“人肉寻宝”的问题，现在几分钟内先给结论摘要、证据垫在底下，而且“它会把推理过程摆出来，我能顺着看懂每一环”。可解释、可追溯、可复核，这才是AI同事能留在NOC值班的理由。
回看这轮AgenticOps浪潮，最触动我的不是4100条告警的数学题，也不是20%的准确率提升，而是Deep Network Model那3000多条“专家推理轨迹”。思科做的事，本质上是把CCIE老师傅脑子里的排障直觉，变成可训练、可复制、可审计的数字资产。
通信行业的老师傅们，手里都攥着几套压箱底的经验：看告警先查哪三处、割接前必测哪两项、哪条信令丢了会连环炸。这些经验今天还锁在个人脑子里、散落在值班日志里。AI同事上岗的速度不会等我们——不等，不是让你焦虑被替代，而是提醒你：趁机器还在学徒期，把你的经验写下来、结构化、喂进去。下一代的NOC里，最先被淘汰的不是年纪大的工程师，是不肯留下痕迹的工程师。
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。