NVIDIA推出代理式AI蓝图与电信推理模型

借助全新开源大型电信模型与 NVIDIA Blueprint，电信运营商能够利用自有数据训练 AI 智能体，构建自主网络。

自主网络，即具备智能、可自我管理能力的电信运营系统，正从未来愿景转变为当前电信运营商的优先战略。在 NVIDIA 最新发布的《电信行业 AI 发展现状及趋势》调研报告中，网络自动化已成为投资回报率最高、最受重视的 AI 应用场景。

需要强调的是，自动化与自主化并不是一个概念。自主网络不仅能够执行预定义的工作流，更需理解运营商意图、权衡各种因素，并自主决策应采取何种行动。而实现这一转变的关键，在于基于电信数据微调的推理模型和 AI 智能体。

要实现真正的网络自主，必须构建一个端到端的智能体系统，其中包含的关键组件包括电信网络模型、可相互通信的 AI 智能体，以及用于验证操作效果的网络仿真工具。

在巴塞罗那世界移动通信大会 (MWC 2026) 前夕，NVIDIA 发布了一款开放的基于NVIDIA Nemotron的大型电信模型 (LTM)、一份构建网络运营推理智能体的综合指南，以及用于节能与网络配置的全新NVIDIA Blueprint，该蓝图可通过多智能体编排帮助运营商迈向自主运营。

此外，作为 GSMA 新推出的Open Telco AI 倡议的一部分，NVIDIA 将通过移动通信行业的权威组织 GSMA，以开源形式发布这款全新的 LTM 模型、实施指南及代理式 AI 蓝图，供全行业使用。

开放 Nemotron 3 大型电信模型为电信领域引入推理能力

要成功在电信运营中规模化部署生成式 AI 与代理式 AI，AI 模型必须能够理解电信领域的专业语言，并对复杂工作流进行逻辑推理。为此，NVIDIA 与AdaptKey AI合作，推出了一款全新开源的、300 亿参数的 NVIDIA Nemotron LTM，全球运营商均可借此构建自主网络。

该模型基于NVIDIA Nemotron 3 系列基础模型构建，并由 AdaptKey AI 利用包括行业标准文档和合成日志在内的开放电信数据集进行微调，专门优化以理解电信术语，并能对故障隔离、修复方案规划、变更验证等工作流进行推理。

作为一款开放模型，Nemotron LTM 使电信运营商能够完整透明地了解模型的训练方法与所用数据，从而在本地网络环境中安全、快速地部署，并直接基于此构建和运行 AI 智能体。同时，运营商还可安全地结合自身网络与运营数据，针对模型的电信推理能力进行安全地调整和扩展，在不牺牲数据控制权或安全性的情况下，稳步迈向自主运营。

教会 AI 智能体像网络工程师一样思考

NVIDIA 与 Tech Mahindra 联合发布了一份开源指南，指导电信运营商如何微调特定领域专用的推理模型，并构建能够安全执行网络运营中心 (NOC) 工作流的智能体。

该指南提出了一套教学框架，旨在让模型“像 NOC 工程师一样思考”：聚焦高影响、高频发生的故障类别；将专家的解决方案转化为逐步操作流程；再将这些流程转化为结构化的“推理轨迹”，清晰记录每一步操作、工具调用、结果与决策依据。这些轨迹成为模型学习的“思维范例”，使模型不仅知道“该做什么”，更理解“为何这一系列检查与修复步骤是安全且有效的”。

借助NVIDIA NeMo-Skills工作流，运营商可基于这些推理轨迹对模型进行微调，从而奠定构建电信专用 AI 智能体的基础——这些智能体将具备类似网络工程师的问题解决与推理能力。

通过全新的意图驱动能源效率蓝图使能效最大化

自主网络依赖闭环运行：通过理解网络状态的模型，基于意图采取行动的智能体，以及将仿真结果反馈回系统以验证并优化决策的机制实现运作。NVIDIA 新推出的用于意图驱动 RAN 能源效率的 NVIDIA Blueprint将这些要素整合在一起，帮助运营商在保障服务质量的前提下，系统性降低 5G RAN 的能耗。

该蓝图集成了网络测试与测量领域的领导者VIAVI的TeraVM AI RAN 场景生成器 (AI RSG) 平台，用于生成合成网络数据，包括小区利用率、用户吞吐量及其他流量模式，并将其转换为简洁、可查询的格式。

随后，一个能源规划智能体会基于这些合成数据推理，生成节能策略，并在 AI RSG 中进行模拟验证。这使得运营商可在闭环环境中安全地验证节能策略是否符合其意图，而无需更改现网配置或影响用户服务。

全球运营商已开始部署用于网络配置的 NVIDIA Blueprint

用于电信网络配置的 NVIDIA Blueprint正被全球多家运营商采用。

Cassava Technologies正利用该蓝图构建Cassava 自主网络平台，专为优化非洲多样化的多厂商移动网络环境而设计。该平台部署了三个智能体：一个用于监控网络并推荐配置变更，一个负责应用变更并自动生成文档与治理记录，一个评估变更影响，若出现意外后果则安全回滚。

NTT DATA则借助该蓝图，为日本某一级运营商部署智能流量调控系统。当网络因中断后用户大规模重连引发流量激增时，该系统可帮助网络平稳应对。

具体而言，一个 AI 智能体会实时分析全网需求，并决定在哪些小区、何时、以何种方式接纳新用户。随着网络状况趋于稳定，智能体动态调整决策，将过去依赖人工配置的流程转变为数据驱动的优化循环，从而打造更具韧性的移动网络。

通过多智能体编排，演进网络配置能力

为帮助电信运营商在 RAN 中设计、观测并优化复杂的代理式工作流，NVIDIA 正在与BubbleRAN合作，利用NVIDIA NeMo Agent 工具套件(NAT) 与BubbleRAN 代理式工具套件(BAT) 这两套互补的多智能体编排框架，增强用于电信网络配置的 NVIDIA Blueprint。

BubbleRAN 正将 NAT 与 BAT 集成至其Opti-Sphere平台，以更灵活地跨容器与工作负载管理网络监控、配置与验证智能体，并将其连接至报告网络指标与流量状态的工具，从而持续提出并验证配置变更建议。

Telenor Group将成为首家采用该蓝图与 BubbleRAN 合作的电信运营商，用于提升其旗下Telenor Maritime (集团全球海上连接服务提供商) 的 5G 网络性能。

NVIDIA GTC 将于 2026 年 3 月 16 - 19 日在美国加州圣何塞及线上同步举行，欢迎与我们一同探索下一代 AI 的无限可能。

会议内容和体验将涵盖代理式 AI、AI 工厂、面向科学的 AI、CUDA、高性能推理、开放模型、物理 AI、量子计算等诸多领域。