英伟达GTC2025亮点：电信行业领先企业启用代理式AI优化网络运维

Amdocs、BubbleRAN、ServiceNow、软银集团与 Tech Mahindra 基于 NVIDIA AI Enterprise 开发大型电信模型与新型网络 AI 智能体

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、提高员工生产力并优化网络性能。

软银集团与 Tech Mahindra 已基于 NVIDIA AI Enterprise 构建了新型 LTMs 与 AI 智能体，而 Amdocs、BubbleRAN 与 ServiceNow 正通过新型 AI 智能体加强其网络运维与优化。

这一进展意义重大。NVIDIA 近期开展的电信行业调查显示，40% 的受访者表示正在将 AI 引入网络规划与运维。

LTMs：理解网络的“语言”

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。

合作伙伴基于 NVIDIA AI Enterprise 平台开发的 LTMs 具备以下特性：

专精网络智能：可理解实时网络事件、预测故障并自动化解决。

针对电信工作负载优化：依托 NVIDIA NIM 微服务，实现高效、精准与低延迟。

支持持续学习与适应：通过 NVIDIA NeMo 的后训练扩展能力，LTMs 可从新事件、警报与异常中学习，持续提升性能。

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、降低成本并提升效率的 AI 智能体，同时优化网络关键性能指标，例如：

减少停机时间：AI 智能体可提前预测故障，并增强网络韧性。

改善用户体验：AI 驱动优化可提升网速、减少中断并保障无缝连接。

强化安全：AI 实时扫描威胁，降低网络攻击风险。

行业领先企业推出 LTMs 与 AI 智能体

多家电信企业正利用 NVIDIA AI Enterprise 推进其最新技术。

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能够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、网络工程师以及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能够通过 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，制定预防措施，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。在这个平台上，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 部署相关问题，以满足客户需求。

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，从而提高了工作效率。这有助于通信服务提供商缩短问题解决时间，并提升客户满意度。这些新的、可以直接使用的 AI 智能体还能对网络事件进行分析，找出网络中断的根本原因，以便更快地解决问题，并避免在未来发生类似的情况。