概述：2025年2月MWC上，德国电信（DT）与谷歌云发布了面向无线网的AI代理「RAN Guardian」；同年11月，这个多代理系统在德国现网正式上线。它持续扫描全德公共活动、预判话务冲击、自动给出并执行优化动作，官方称原本约一小时的处理流程缩短到几分钟。本文以DT为解剖样本，配合Verizon、Telus、中国移动的公开落地数据，回答一个一线工程师最关心的问题：AI代理（Agentic AI）和喊了多年的「AI网优」到底差在哪，这次是真闭环还是新瓶旧酒。
干过网优的人对这套流程再熟悉不过：告警或KPI劣化触发，系统给出一堆「建议值」，工程师评估、找窗口、改参数、观察效果、回填记录。过去几年的「AI网优」产品，绝大多数卡在第一环——AI能给建议，但评估靠人、执行靠人、担责还是靠人。业内管这叫「开环辅助」，说白了就是个高级副驾。
德国电信集团CTO Abdu Mudesir在2025年2月的联合新闻稿里把话说得很直白：传统的网络管理方式，已经无法满足5G及未来网络的需求。DT与谷歌云的合作选择了另一条路——不是再造一个「更聪明的建议引擎」，而是用大模型加推理框架，造出一批能自己「感知、判断、行动、学习」的AI代理（Agentic AI）。这个RAN Guardian代理在DT内部经过测试验证，以「类人协作」的方式检测网络异常，并执行自愈动作来优化无线网性能。
代际差异可以用三句话概括：
| 维度 | 传统AI网优（副驾） | AI代理（主驾雏形） |
|---|---|---|
| 输出物 | 参数建议清单，等人处理 | 可执行的动作方案，经批准后自动落地 |
| 工作触发 | 告警驱动，事后响应 | 事件预测驱动，事前介入 |
| 闭环方式 | 人评估、人执行、人回填 | 代理执行、代理留痕，人保留审批权 |
| 覆盖信息 | 网管数据为主 | 网监、性能、覆盖、库存，加上网外的公开信息 |
最后一行最容易被忽视，却是这次变革里最有意思的一点——AI代理第一次把网外的世界纳入了网优输入。这正是RAN Guardian最值得解剖的地方。
2025年11月，SDxCentral报道RAN Guardian正式上线，平台跑在谷歌Gemini 2.5之上，配套使用Cloud Run（无服务器算力）、BigQuery（数据仓库）和Firestore（实时数据库）。DT披露的工作方式，是一条典型的多代理流水线，分工大致是三段：
代理一：活动侦察。 持续扫描公开信息源——在线活动目录、社交媒体，识别德国境内即将举办的公共活动，估算规模、确定位置、自动分类，并对数据做核查。演唱会、球赛、集市、马拉松，这些历史上靠保障小组人肉排班盯表的「可预报话务洪峰」，现在是机器的日常作业。
代理二：影响评估。 拿到活动清单后，评估周边天线容量、现网参数能否扛住预期话务冲击，给出优化选项。按照DT官方新闻稿，它的输入是多源数据：网络监控数据、库存数据、性能数据、覆盖数据。
代理三：执行。 对经批准的建议动手——重新分配网络资源、调整配置，并把每个动作和结果记录归档，成为后续决策的养料。
注意这个定语：「经批准的」。DT没有把审批权交给AI，人仍然是签核人。整个架构画出来是这样的：
flowchart TD
S["公开信息源<br/>活动目录 社交媒体"] --> A["代理一：活动侦察"]
A -->|"规模 位置 分类"| B["代理二：影响评估"]
G["BigQuery数据湖"] --> B
N["网监 性能 覆盖 库存"] --> B
B -->|"优化建议"| H["人工审批闸门"]
H -->|"批准"| C["代理三：执行"]
C -->|"资源重分配"| R["现网RAN"]
C -->|"配置调整"| R
C -->|"动作与结果留痕"| K["运维知识库"]
R -->|"性能数据回流"| G
K -->|"历史案例反哺"| B
从工程视角看，这个架构有两处老辣的地方。其一，大模型并不直接骑在网管系统上，而是通过云上数据通道与北向接口读写，模型域和网络域之间留出了缓冲带；其二，「动作留痕、案例反哺」被设计成了流水线的一环，而不是靠工程师事后补纪要——这在传统割接和保障流程里，恰恰是最容易被偷懒省掉的环节。
timeline
title RAN Guardian 两年路线
2025年2月 : MWC发布 与谷歌云合作
2025年11月 : 德国现网上线 升级Gemini 2.5
2025年11月底 : Omdia确认代理专属KPI与防漂移机制
效果数字，DT官方只给了一个，但分量不轻：原先耗时约一小时的处理流程，现在几分钟完成。
Mudesir在上线时的表态带着明显的抢跑意味：我们是第一家在网络管理中依赖高度成熟AI代理的运营商，这是向自治、自愈网络迈出的一大步。注意，这是运营商的自我定位，属于厂商口径；但「第一个把代理型AI放进网管生产流程」这个说法，截至本文写作未见其他运营商提出有效异议。
比数字更值得琢磨的是DT在「治理」上的动作。市场分析机构Omdia在2025年11月底的文章里披露了两个细节：其一，DT为AI代理单独设立了一套KPI——响应时长、准确率这些针对「代理表现」的指标，和网络KPI分开考核；其二，DT持续监测代理行为，防止性能漂移（drift）。翻译成运维黑话：DT把AI当成一个新入职的员工做了岗位说明书和绩效管理，还配了试用期观察。这一步，市面上大量「网优AI」产品压根没做——模型上线即巅峰，三个月后悄悄劣化，没人发现，这在行业里并不是新鲜事。
场景选择也是教科书级的。RAN Guardian主打的是事件驱动型话务保障，这是网优工作里频率最高、模式最固定、风险最可控的一类：活动是公开可查的，话务模型是相对成熟的，动作空间（载频调度、参数调整、容量重分配）是有边界的。先在高频低风险场景把「感知—评估—执行—留痕」的闭环跑顺，再谈更激进的自治——这个路径选择，比「全网L4」的口号实在得多。
DT不是孤例。2025年前后，几个大运营商在「AI进网」上的公开账本已经能拼出一张行业地图。
Verizon：AI节能先见到钱。 据SDxCentral报道，Verizon与三星、高通合作，在高通Dragonwing RAN自动化套件的RIC（RAN智能控制器）上跑了AI节能应用（AI Energy Saving Manager），多种现网试验的数据是：平均节能15%，低话务时段单扇区最高35%。对一张动辄几万座基站的网来说，这个百分比直接对应电费单。背景是：MTN Consulting的统计显示，早在2020年运营商花在电力、燃料和水上的开销就占了资本开支的5.2%。
Telus：把RIC做成应用商店。 加拿大运营商Telus与三星合作完成了该国首个AI RIC部署，首批上线的应用来自三星CognitiV网络运营套件：KPI异常检测、RAN异常洞察、节能管理器、负载均衡管理器。Telus无线战略副总裁Bernard Bureau的规划是，未来几年每年新增十余款应用。把网络智能做成「应用生态」按年迭代，这个思路和手机应用商店的逻辑如出一辙。
中国移动：把AI写进网络本体。 2025年MWC上，中国移动发布「AI+NETWORK」战略，披露了另一条路线的进展：业务开通和变更监控等8个关键场景已达到L4自治网络水平；业务开通压缩到小时级，95%的资源分配一步到位；99%的装维只需一次上门；故障秒级发现、分钟级定位；网络变更先在数字孪生里仿真验证再实施。底座是自研的九天大模型——2023年10月发布，据国资委网站介绍是央企首个全自主可控的基础大模型，已衍生20多个行业大模型，网络域是重点方向之一，九天团队的研究工作也在arXiv上有公开论文（arXiv:2510.17918）。
行业的下一步。 据RCR Wireless 2026年3月报道，微软在MWC 2026期间透露，Vodafone、AT&T、Telefónica这些「前沿」运营商已在各自运营环节部署数百个AI代理，其中与Vodafone的一个用例把交付周期从数周压缩到分钟级。分析机构则预测，到本十年末AI-RAN相关支出将超过100亿美元。
| 运营商 | 方案 | 伙伴与底座 | 典型场景 | 公开效果 |
|---|---|---|---|---|
| 德国电信 | RAN Guardian Agent | 谷歌云 Gemini 2.5 | 活动话务保障、RAN自优化 | 一小时流程缩至几分钟 |
| Verizon | AI-ESM节能应用 | 三星+高通Dragonwing RIC | 基站节能 | 平均15%，单扇区峰值35% |
| Telus | CognitiV NOS RIC | 三星 | KPI异常、节能、负载均衡 | 加拿大首个AI RIC，年增十余应用 |
| 中国移动 | AI+NETWORK / 九天 | 自研为主 | 开通、变更监控、体验保障 | 8场景L4，开通小时级 |
五条线索放在一起看，方向已经收敛：谁都没有停在「AI给建议」这一层，都在往「AI执行、人审批」的半自动化推进；差别只在切入点——美国人从省钱（节能）切入，德国人从保收入（活动保障）切入，中国人从提效率（开通与变更）切入。
热闹归热闹，从一线视角看，这类系统要真正铺开，有三道坎绕不过去。
第一道：幻觉与误操作的代价不对称。 通用领域大模型说错话，顶多尴尬；网优代理改错一个参数，就是事故——「删错一个配置，半个国家离线」的故事这个行业听过太多次。RAN Guardian的解法是三层保险：审批闸门卡在执行前面、动作空间限定在资源重分配与配置调整这类白名单操作、每个动作强制留痕。中国移动的数字孪生先仿真再变更，本质上是同一思想的另一种实现——让AI的每一个动作，都要么有人签字，要么有沙箱兜底。3GPP与各标准组织在自治网络上的允许范围内，具体实现路径各家不同，但「人在回路」这个底线目前是行业公约数。
第二道：你得运维「运维AI」本身。 Omdia披露的代理KPI和防漂移机制，指向一个新命题：当代理承担了小时级的日常工作，它的性能劣化就成了新的故障源。响应时长涨了、建议准确率跌了、行为模式漂了，谁来发现、怎么告警、阈值怎么定？这要求运营商在网管体系里为AI代理建一套平行的可观测性设施——用运维AI的成熟说法，就是「评估AI的AI」。这层设施的投资，很多选型报告里还不容易看到，但它决定了系统能不能安全地跑三年。
第三道：数据边界决定能力上限。 DT新闻稿列出的四类输入——网监、性能、覆盖、库存——每一类背后都是一套数据治理工程：口径统一、质量校验、时效保证。代理二要做的影响评估，结论质量完全取决于这些数据的成色。垃圾进、垃圾出，这条铁律对大模型同样生效，甚至更严苛，因为大模型会把数据的脏东西「自信地」圆过去。
回头看RAN Guardian这条线，2025年2月发布、11月上线、随即被分析机构确认配套了KPI与防漂移机制——一年之内走完了从PPT到生产网的路。Mudesir给它的定位是「迈向自愈网络的一大步」，这话只说对了一半：现在的RAN Guardian还卡在「人审批」这一档，谈不上自愈；但它证明了一件事——在真实网络上，AI代理的闭环是可以跑通的，而且跑出了从一小时到几分钟的量级改善。
下一步的演进路径不难推：审批阈值动态化（低风险动作免签、高风险动作加签）、执行域逐步扩大、代理从RAN向传输、核心网等其他网络域复制——DT方面已经表示这套经验可以向其他域迁移。行业百亿美元级的投入预测摆在那里，但真正的分水岭从来不是预算，而是那个朴素的问题：敢不敢让AI在现网上按下回车。德国电信的答案目前是「敢，但要我签字」。这大概是现阶段最诚实的答案——也是网优工程师们暂时不必担心失业、却必须重新学习岗位的那声发令枪。
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。