曾經被視為電信業遙遠目標的自主網絡，如今已成為當務之急。英偉達最新發布的《電信業人工智慧現況報告》指出，網路自動化是人工智慧投資報酬率最高、實際收益最大的應用場景，這顯示營運商能夠從人工智慧中獲得立竿見影的價值。
儘管許多電信業者已經實現了部分工作流程的自動化，但要真正實現自主運行，還需要更多努力。自主網路必須瞭解營運商的意圖，權衡各種方案，並在複雜的網路基礎設施中確定最佳行動方案。這一轉變依賴於專門針對電信數據和營運模式進行訓練的推理模型和人工智慧代理。
電信代理系統
向自主營運轉型需要的不僅僅是孤立的AI模型。電信業者需要完整的智慧體系統，其中包括：
- 能夠掌握領域語言和結構的電信專用網路模型
- 能夠相互溝通協調的人工智慧代理
- 網路模擬工具可在擬議變更影響實際環境之前對其進行驗證
在巴塞隆納世界行動通訊大會召開前夕，NVIDIA 發布了針對該框架的多項組件：一個基於 Nemotron 的開放式大型電信運營商模型 (LTM)、一份用於構建網絡運營推理代理的指南，以及用於利用多代理編排實現節能和網絡配置的全新 NVIDIA Blueprints。這些組件旨在幫助營運商在保持對基礎設施控制的同時，逐步過渡到自主網路。
作為GSMA全新開放電信AI計畫的一部分，NVIDIA正透過GSMA向大眾開放LTM、指南以及相關的智能體AI藍圖。這種方式為更廣泛的行動生態系統提供通用建構模組，而非專有解決方案。
開放式、電信最佳化推理模型
為了在電信生產環境中部署生成式和智慧體人工智慧，模型必須理解電信語言並透過實際網路流程進行推理。 NVIDIA 與顧問公司 AdaptKey AI 合作，推出了一個開源的、擁有 30 億參數的 Nemotron LTM 模型，全球營運商可將其用作建立自主網路的基礎。
LTM 基於 NVIDIA Nemotron 3 系列基礎模型構建，並由 AdaptKey AI 使用開放的電信資料集（包括行業標準和合成網路日誌）進行微調。這種微調主要針對電信的關鍵任務，例如：
- 識別多層和多供應商環境中的故障
- 制定補救計劃，包括決策路徑和回溯程序
- 驗證變更並在更新前後評估影響
由於 Nemotron LTM 是開放的，運營商可以全面了解其訓練過程和資料來源。這種透明性支援在電信環境中安全部署，使營運商能夠在自身安全邊界內建置和運行代理程式。此外，它還允許電信業者使用內部網路和營運資料調整電信最佳化的推理，從而在不洩露敏感資訊的前提下，根據其特定架構和策略自訂模型。
建構電信推理代理的開放指南
NVIDIA 和 Tech Mahindra 發布了一份面向營運商的開源指南，展示如何將特定領域的推理模型轉換為能夠安全執行網路營運中心 (NOC) 工作流程的代理。
該指南概述了一個框架，旨在幫助模型像網路營運中心（NOC）工程師一樣進行推理。它指導模型執行以下操作：
- 找出影響巨大、發生頻率高的事件類型，以便自動化能夠快速改善營運。
- 將專家工程師的解決方案轉化為清晰、循序漸進的步驟。
- 將這些程序轉換為結構化的推理軌跡，記錄每個操作、工具使用、觀察到的結果和決策點。
這些追蹤記錄作為模型的“思考範例”，詳細說明了應採取的行動以及特定檢查、升級路徑和被認為安全有效的解決方案背後的原因。借助 NVIDIA NeMo-Skills 管道，營運商可以利用這些追蹤記錄微調推理模型，並創建電信專用代理，這些代理能夠像經驗豐富的網路工程師一樣處理故障排除和維運工作。
閉環自主性與無線接取網能量優化
自主網路依賴閉環運作。模型必須理解網路狀態，智能體必須根據操作員意圖和模擬結果採取行動，回饋必須不斷改進未來的決策。
NVIDIA 最新推出的意圖驅動型 RAN 能源效率的 Blueprint 藍圖，正是以 5G 無線接取網路為例，闡釋了這項原則。此藍圖旨在幫助營運商在維持服務品質的前提下，系統性地降低 RAN 功耗。
此參考架構整合了 VIAVI 的 TeraVM AI RAN 場景產生器 (AI RSG)，該產生器可產生合成的 RAN 數據，例如小區使用情況、使用者吞吐量和流量模式。 AI RSG 將這些資料轉換為 AI 代理程式可以查詢的格式。
能源規劃代理分析合成資料以製定節能策略，然後在人工智慧響應式搜尋組 (AI RSG) 中進行測試。這種閉環機制使營運商能夠在實際場景中評估節能策略的效果，然後再影響實際配置，從而提供一種更安全的實現節能目標的方法，同時又不影響使用者體驗。
實際使用中的電信網路配置藍圖
NVIDIA 的電信網路配置藍圖已從概念過渡到實際應用，營運商正在使用它來將智慧 AI 引入生產環境。
Cassava Technologies公司正在應用該配置藍圖作為Cassava AI RAN的基礎，Cassava AI RAN是一個針對非洲多元化多廠商行動網路環境的代理平台。該平台包含三個專用代理：
- 一個監控和推薦代理，用於追蹤網路狀況並提出配置更改建議。
- 執行代理，負責實施已核准的變更，同時確保完善的文件記錄和管理。
- 一個驗證和回滾代理，用於評估變更的影響，並在變更造成意外後果時將其回滾。
這種多代理方法可以促進在各種無線電和供應商設定中實現更安全、更快速的配置週期。
NTT DATA 正利用同樣的方案來增強流量管理，尤其是在用戶斷網後重新連接以及網路需求突然激增的情況下。該公司與日本一家一級運營商合作部署了一套人工智慧代理系統，該系統能夠即時監控各個小區的需求，並做出准入控制決策，決定何時以及如何允許新用戶接入特定小區。隨著需求恢復正常，此代理系統會調整其操作，將人工流量管理轉變為資料驅動的最佳化循環，旨在提高網路在高峰期的彈性。
多代理編排
為了幫助營運商設計、追蹤和優化 RAN 中的多代理程式工作流程，NVIDIA 和 BubbleRAN 正在使用兩個整合框架更新 NVIDIA Blueprint for teleco networks：
- NVIDIA NeMo Agent Toolkit (NAT) 用於建立和協調 AI 代理程式。
- BubbleRAN Agentic Toolkit (BAT) 用於在電信級環境中協調這些代理程式。
BubbleRAN 將 NAT 和 BAT 整合到其 Opti-Sphere 平台中，該平台負責跨容器和工作負載的監控、配置和驗證代理程式。 Opti-Sphere 將代理程式與能夠揭示網路指標和流量狀態的工具連接起來，使代理能夠持續提出配置更改建議、模擬或驗證這些更改，並進行相應的調整。
挪威電信集團將成為首家採用 BubbleRAN 更新藍圖的電信營運商，從而提升其面向海事客戶的全球連接服務供應商 Telenor Maritime 的 5G 網路效能。此次部署將在充滿挑戰的連接環境中測試智能體編排和閉環運行，在這種環境中，不斷變化的網路狀況和高可用性要求凸顯了穩健、自主網路行為的重要性。
Amazon