英伟达利用智能体AI蓝图和电信推理模型推进自主网络发展

       智能化的自主网络——即能够自我管理的电信运营——正从未来愿景转变为电信运营商的当务之急。在英伟达最新发布的《电信行业人工智能现状报告》中，网络自动化被评为最具投资价值和投资回报率的人工智能应用案例。

      自动化与自主性有所不同。除了执行预定义的工作流程外，自主网络还必须理解运营商的意图，权衡利弊，并决定采取哪些行动。基于电信数据进行微调的推理模型和人工智能代理是实现这一转变的关键。

      要使网络实现自主运行，需要一个端到端的代理系统，该系统包含电信网络模型和人工智能代理等关键组件，这些组件可以相互通信，并使用网络仿真工具来验证操作。

      在巴塞罗那世界移动通信大会之前，NVIDIA 发布了基于 NVIDIA Nemotron 的开放式大型电信模型 (LTM)、用于构建网络运营推理代理的综合指南，以及用于节能和网络配置的全新 NVIDIA Blueprints，通过多代理编排帮助运营商迈向自主化。

      作为 GSMA 即将于明日启动的全新开放电信 AI 计划的一部分，NVIDIA 将通过移动通信行业组织 GSMA 发布新的开源 LTM、实施指南和智能 AI 蓝图作为开放资源。

      Open Nemotron 3 大型电信模型将推理引入电信领域 

      为了让电信运营商成功地在其运营中应用生成式和智能体人工智能，人工智能模型必须能够理解电信行业的语言，并能处理复杂的业务流程。NVIDIA 与AdaptKey AI合作发布了全新的开源 NVIDIA Nemotron LTM 模型，该模型拥有 300 亿个参数，全球运营商可以利用它来构建自主网络。

      LTM 基于 NVIDIA Nemotron 3 系列基础模型构建，并由 AdaptKey AI 使用包括行业标准和合成日志在内的开放电信数据集进行微调，经过优化，能够理解电信行业术语，并通过故障隔离、补救计划和变更验证等工作流程进行推理。

      作为一款开放模型，Nemotron LTM 让电信运营商能够完全透明地了解其训练方式和所用数据，从而支持在其网络内部安全快速地部署，并直接构建和运行代理。此外，它还允许电信运营商利用自身的网络和运营数据安全地调整和扩展针对电信环境优化的推理能力，使其能够在不牺牲数据控制或安全性的前提下，逐步实现自主运营。

      教会人工智能体像网络工程师一样推理

      NVIDIA 和 Tech Mahindra 发布了一份开源指南，向电信运营商展示了如何微调特定领域的推理模型，并构建能够安全执行网络运营中心 (NOC) 工作流程的代理。

      该指南概述了一个框架，用于训练模型像网络运营中心（NOC）工程师一样进行推理：重点关注高影响、高频率的事件类别，将专家解决方案转化为分步流程，并将这些流程转化为结构化的推理轨迹，记录每个操作、工具调用、结果和决策。这些轨迹成为模型学习的“思维示例”，使其不仅理解该做什么，还能理解为什么特定的检查和修复顺序是安全有效的。

      借助 NVIDIA NeMo-Skills 管道，运营商可以基于这些跟踪数据微调推理模型，为电信专用 AI 代理奠定基础，这些代理可以像网络工程师一样进行推理和解决问题。

      利用以意图为导向的新型节能蓝图最大限度地提高能源效率

      自主网络依赖于闭环运行：模型理解网络，代理根据意图采取行动，仿真则将结果反馈到系统中，以验证和优化决策。NVIDIA 全新的面向意图驱动的 RAN 能效蓝图将这些组件整合在一起，帮助运营商在保持服务质量的同时，系统地降低 5G 无线接入网 (RAN) 的功耗。

      该蓝图集成了网络测试和测量领导者VIAVI 的TeraVM AI RAN 场景生成器 (AI RSG) 平台，以生成合成网络数据（包括小区利用率、用户吞吐量和其他流量模式），并将其转换为简单、可查询的格式。

      然后，能源规划代理对合成数据进行推理，生成可在 AI RSG 中模拟的节能策略，使运营商能够在闭环中安全地验证节能策略，以满足其意图，而不会改变实时配置或影响用户。

      电信运营商开始运用 NVIDIA 网络配置蓝图

      NVIDIA 电信网络配置蓝图正被世界各地的运营商采用。

      Cassava Technologies 正在利用该蓝图构建 Cassava 自主网络，这是一个旨在优化非洲多样化、多厂商移动网络环境的智能体平台。该平台部署了三个智能体：一个用于监控网络并提出配置更改建议；一个用于应用更改并进行文档记录和管理；还有一个用于评估已做更改的影响，并在出现意外后果时安全地回滚更改。

      NTT DATA 正在实施该蓝图，将智能引入流量监管，帮助网络在用户中断后重新连接时管理流量激增，并正在与日本的一家一级运营商合作部署该蓝图。

      人工智能代理会实时监测网络需求，然后决定何时以及如何将新用户接入特定小区。随着网络状况趋于稳定，代理会调整其决策，将以往的手动配置转变为数据驱动的优化循环，从而构建更具弹性的移动网络。

      基于多代理编排的演化网络配置

      为了帮助电信运营商设计、观察和优化 RAN 中的复杂代理工作流程，NVIDIA 和BubbleRAN正在通过NVIDIA NeMo Agent Toolkit (NAT) 和BubbleRAN Agentic Toolkit (BAT)增强NVIDIA Blueprint 的电信网络配置功能，这两个工具包是用于多代理编排的互补框架。

      BubbleRAN 正在将 NAT 和 BAT 集成到其Opti-Sphere平台中，以便更灵活地跨容器和工作负载管理网络监控、配置和验证代理，并将它们连接到报告网络指标和流量状态的工具，以便它们可以持续地提出和验证配置更改。

      Telenor 集团将成为首家采用 BubbleRAN 蓝图的电信公司，以增强其为 Telenor Maritime（该集团的全球海上连接提供商）提供的 5G 网络。