GTC25 电信行业领先企业启用代理式 AI 优化网络运维

  全球电信网络每天需支持数百万用户连接，平均每分钟产生超过 3,800 TB 数据。

  基站、路由器、交换机及数据中心产生的海量实时数据，包括网络流量信息、性能指标、配置与拓扑等，具有非结构化与高度复杂性。传统自动化工具常难以处理此类数据的实时大规模工作负载。

  为解决这一挑战，NVIDIA 在 GTC 上宣布，其合作伙伴正基于NVIDIA AI Enterprise软件平台的NVIDIA NIM与NeMo微服务，开发专为电信行业定制的大型电信模型（LTMs）与 AI 智能体。这些 LTMs 与 AI 智能体将推动在网络运维中实现下一代 AI。

  大型电信模型（LTMs）是基于电信网络数据训练的多模态大型语言模型（LLMs），是开发网络AI 智能体的核心。这些智能体可自动化复杂决策流程、提升运维效率、提升员工生产力并优化网络性能。

  这一进展意义重大。NVIDIA 近期开展的电信行业调查显示，40% 的收房的人说正在将 AI 引入网络规划与运维。

  正如 LLM 理解并生成人类语言，NVIDIA BioNeMo NIM微服务理解用于药物发现的生物数据语言一样，LTM 现在帮助 AI 智能体能够掌握电信网络的语言。

  NVIDIA AI Enterprise 还提供一系列工具与蓝图，帮助构建可简化网络运维、减少相关成本并提升效率的 AI 智能体，同时优化网络关键性能指标，例如：

  软银集团开发了基于大规模 LLM 基础模型的新型 LTM，并使用其自身的网络数据对该模型进行了训练。该模型以 NVIDIA NIM 微服务形式提供，最初专注于网络配置，可自动调整网络以适应流量变化（如体育场馆大型活动期间）。软银集团还推出网络智能体蓝图，加速 AI 在电信运维中的普及。

  Tech Mahindra 利用 NVIDIA 代理式 AI 工具开发 LTM，以助力解决关键的网络运维问题。其自适应网络洞察工作室可提供网络问题的全景视图，生成不同详细程度的自动化报告，为信息技术团队、网络工程师和公司高管提供信息并给予协助。

  此外，Tech Mahindra 主动网络异常解决中心可以通过 LTM 自动处理大量网络事件，减轻工程师负担并提升效率。

  Amdocs 的网络保障智能体（由 amAIz Agents 驱动）能够自动化执行故障预测等重复任务，还能针对网络问题开展影响分析，制定预防的方法，并提供分步指导解决方案。另外，公司推出的网络部署智能体，通过自动化集成、部署任务与互操作性测试，简化了开放式无线接入网（RAN）的采用流程，同时为网络工程师提供有价值的见解。

  BubbleRAN 正在云原生基础设施上开发自主的多智能体 RAN 智能平台。在这样的平台上，LTMs 观察网络状态、配置情况、可用性以及关键绩效指标，辅助行网络监控和故障排除。平台还通过高级操作工具，实现了网络重新配置和策略实施过程的自动化。其 AI 智能体利用先进的检索增强生成管道和电信专用 API，实时解答 5G 部署有关问题，以实现用户需求。

  ServiceNow 基于 NVIDIA DGX Cloud 上的 NVIDIA AI Enterprise 而构建的电信 AI 智能体，通过生成问题解决方案手册，并在潜在的网络中断发生前进行预测，来提升了工作效率。这有助于通信服务提供商缩短问题解决时间，并提升客户满意程度。这些新的、可以直接用的 AI 智能体还能对网络事件做多元化的分析，找出网络中断的最终的原因，以便更快地处理问题，并避免在未来发生类似的情况。