随着5G/5G-A 向 6G 演进，万物互联时代的序幕已经拉开。通信网络正逐步融入工业互联网、智能电网、自动驾驶等各行各业，在提供超高速、低时延、广连接通信保障的同时，网络自身的运营和运维却面临日益严峻的挑战：海量设备和数据让人工运维难以为继，如何提升运维效率、保障用户体验成为燃眉之急。业界的答案之一，是为网络注入人工智能的基因，让网络具备自我“驾驶”的能力 – 也就是引入智能体（Agent）技术，实现网络的智能化、自动化转型，迈向高阶自治已成为产业共识。
产业方面的动作也在紧锣密鼓地推进。2025年6月，电信行业组织 TM Forum 联合全球75家领先伙伴发布了里程碑式的《自智网络白皮书7.0》，首次明确提出以网络智能体为核心的 Agentic 架构，推动通信网络与智能体、数字孪生等技术深度融合。该白皮书围绕高阶自智网络（AN L4）定义了20个高价值场景的目标状态和智能体能力，用 KBI/KEI 指标量化业务价值，并提供 IG150x 系列解决方案包作为部署指南，帮助运营商评估成效、加速实践。与此同时，3GPP、ETSI、IETF、CCSA 等标准组织也在各自领域制定无线、核心网、光传输、数通等单领域智能体的功能接口标准，与 TM Forum 标准一起构建起通用+专业结合的自智网络智能体标准体系。
在技术层面，为了实现Agentic 架构的愿景，最新的生成式 AI、大模型和数字孪生等技术正加速与网络智能体融合，释放出巨大的能量。一方面，超大规模的通信大模型、多智能体协同、智能交互、智能记忆、智能学习等生成式 AI 能力日渐成熟，为智能体赋予了强大的自主决策、自我闭环和持续学习能力，大幅提升了处理海量网络数据的效率。另一方面，数字孪生技术构建出高度逼真的网络数字镜像，使智能体能够实时精准地“感知”网络状态并进行仿真预测，从而制定更优的闭环决策方案。
运营商也在积极尝试高阶自治网络的早期应用，并取得了显著成果。例如，中国移动联合华为在无线网络引入了故障诊断智能体和NOC/FME Copilot 数字助手，将其融入故障处理流程中：一线维护工程师可以通过对话式交互获取智能知识问答和自助排障支持，现场作业效率显著提升。据统计，该方案减少了80%的后台运维支撑工作量，实现了“一故障一工单”的精准派单，上站维修次数大幅降低，平均修复时长（MTTR）下降了27%。可见在 AI 助力下，网络运维就像多了一位能干的智能助手，大大缓解了人工负担。
展望未来3～5年，自智网络智能体将从当前针对单一场景的自治，全面拓展到多场景、跨域协同的整网自治，通过跨场景、跨网络域的能力融合，实现全网络全流程的自主闭环管理，全面提升网络运营效率与服务质量，逐步释放整个网络的价值潜能。与此同时，不同厂商和生态的智能体也将能够基于统一的目标和任务无缝协作，共同应对复杂的网络问题——通信行业正加速迈向一个更加智能、高效、安全的高阶自智网络新时代。
什么是自智网络智能体？
简单来说，自智网络智能体（AN Agent）就是一种能够独立运作的“网络大脑”或自治实体。它可以根据自身对网络状态的感知和预定的目标自主作出决策并采取行动，无需人工干预。智能体通过执行自己设定的计划或任务来发挥作用，并且必须具备自我适应能力，能够从自身经验以及与环境的互动中不断学习和改进。
根据功能定位的不同，自智网络智能体主要分为两类：数字助手（Copilot）和自闭环智能体（Agent）。
数字助手（Copilot）：面向特定的运维角色，帮助完成特定任务的智能助手。它通常基于生成式AI，通过手机、PC 或平板等终端上的对话式界面（LUI）与人进行交互。数字助手能够提供智能知识问答和辅助决策支持，就像给工程师配备了一位随身的 AI 顾问，大幅提升工作效率并降低技能门槛。
自闭环智能体（Agent）：面向特定的通信网络场景，能够主动感知网络及环境状态，分析后作出适应性决策并执行控制动作，以实现用户目标的闭环系统。简单说，Agent 就是一个可以自主完成“监测-分析-决策-执行”全流程的网络机器人，不断从经验中学习优化。它作为任务的执行者，从监控分析到故障诊断、修复、优化、配置乃至仿真演练，全部自动闭环完成，是网络中的“自主工兵”。
数字助手和自闭环智能体两者相辅相成，共同增强网络的自治能力。一方面，数字助手基于强大的语言理解和生成推理能力，负责接收人类意图并协调网络资源，让过去菜单式的人工操作演进为对话式的智能交互，成为人类的“增强型伙伴”；另一方面，自闭环智能体作为执行者自动发起并完成任务，从而让运维从以人为中心转向以智能体为中心。两者配合之下，构建出智能时代人机共生协同的新形态，人类更多扮演决策者和监督者的角色，智能体则成为具体操作的主力。
一、高阶自智网络架构：让智能体挑起大梁
随着智能体技术的发展，网络架构也在发生深刻变革——从传统以人为中心的管理模式走向以智能体为中心的新型架构。为了实现 L4 级高阶自治网络，业界提出了一种Agentic（智能体化）架构的理念：在网络各层面部署面向不同场景的自闭环智能体，并通过上下协同来实现端到端的闭环控制。
具体来说，自智网络通常划分为多层次多域，包括用户业务层、服务编排层、网络控制层、设备资源层等。在最新的自智网络L4 参考架构中，每一层都分布有相应的智能体，负责该层面的自治任务。同时，不同层级的智能体通过标准接口协同配合，实现跨层级的闭环管理。特别是网络控制层的智能体尤为关键——它作为单域自治的核心，统筹管控该域内的所有网元，自动将高层下达的业务意图转化为具体的网络配置并执行，从而实现业务意图的自动兑现和网络运维的智能化。
2025 年发布的 TM Forum 白皮书7.0 对这种架构进行了详细阐述，明确了各层智能体的划分及协同方式，并强调要有清晰、结构化的方法去设计、构建和集成这些智能体，使其能够在整个网络中协同工作。为此，TM Forum 协同产业伙伴制定了一系列解决方案包（Solution Package），围绕通信网络的“维护、优化、运营”三大类高价值场景，定义了智能体的分层功能架构与协同机制、智能体所需的关键技术、智能体与网络设备及OSS系统的交互规范，以及跨厂商合作的标准与生态等内容，为自智网络智能体提供了从需求定义到落地实施的全链路指导。这些指南相当于给运营商提供了一份“说明书”，帮助行业将复杂的自治网络架构理念转化为可实践的落地方案。
二、关键技术：让网络智能体更聪明
要让自智网络的智能体真正“聪明”起来，离不开一系列前沿技术的加持。当前有六大关键技术领域正在为网络智能体赋能：
1、通信大模型：从通用大语言模型演进到面向通信领域的专用大模型。通过将电信网络的专业知识和海量历史数据融入训练，打造对通信业务了如指掌的AI“大脑”。这些模型能够理解电信专业术语和网络拓扑，具备更强的逻辑推理和问题诊断能力，成为智能体决策的核心引擎。
2、数字孪生：构建网络的数字映射和仿真环境。从多源数据融合感知入手，为物理网络打造一个高度逼真的“数字孪生体”。借助它，智能体可以对网络状态进行实时监测、回放和预测，提前模拟各种业务场景和配置变更对用户体验的影响，相当于给网络配备了一座实时沙盒和“预演场”。
3、智能协同：从单智能体走向多智能体协同。单个智能体有其局限，而多个智能体协同工作则能取长补短，应对更复杂的任务。在协同机制下，不同功能的智能体可以像团队一样分工合作，彼此交流信息、共享知识，共同完成跨域、跨层级的复杂任务，实现“1+1>2”的效果。
4、智能交互：从机器辅助人过渡到人辅助机器。借助先进的人机交互技术，智能体正变得更加善解人意，能够通过自然语言与人沟通，让人机交互像聊天一样顺畅。随着智能体决策能力增强，未来在人网互动中，机器将承担主要决策职责，人类更多扮演监督和确认角色，必要时进行干预。这种角色转变意味着网络运营将越来越省心，AI 成为主角，人类退居辅助。
5、智能记忆：从碎片化知识走向自组织记忆。网络运维涉及海量的配置、告警、工单和经验知识。智能体需要一个强大的“记忆库”来存储和管理这些信息。通过知识图谱、自主学习等技术，智能体可以将零散的数据转化为有结构的知识，形成自组织的知识体系。在面对新问题时，它能够快速检索类似历史案例并借鉴解决方案，做到有备而战。
6、智能学习：从预定义规则走向动态增强学习。传统网络系统依赖人工预定义规则或离线训练模型，难以适应瞬息万变的网络环境。而智能体引入强化学习、联邦学习等机制后，可以在实际运行过程中持续学习。它能够根据反馈不断优化策略，甚至通过仿真环境进行自我训练，逐渐提升应对新场景的本领，使网络运营如同拥有“成长”能力一般越用越聪明。
通信大模型的“三要素”：专属、预集成、共进化
在自智网络中部署AI大模型时，有三个关键要素不容忽视：专属性、预集成和共进化。
专属性：通信领域的大模型必须具备很强的行业专属特性，也就是对通信网络“内行”。只有高度专业化的模型才能在复杂多变的网络场景中保持可靠、精准，并输出可执行的决策。相较而言，通用大模型由于训练语料以开放互联网为主，通信专业知识和数据相对不足，往往无法直接用于指导具体的网络操作。因此，构建通信大模型需要补齐行业数据短板，注入专业知识，以确保模型决策具有可落地性和鲁棒性。
预集成：自智网络智能体中交付大模型的最优路径是预先集成。简单理解，就是将大模型作为智能体解决方案的一部分深度嵌入网络系统，而非一个独立的AI模块。通过在设计之初就考虑模型与网络应用的结合，避免了后期重复集成的麻烦，让模型的能力可以直接服务于特定场景的需求。预集成的大模型相当于“量身定制”，既充分发挥AI威力，又保证输出结果能无缝驱动实际网络操作。
共进化：自智网络智能体和其内置的大模型应当相互促进、共同成长。一方面，随着网络场景的拓展和数据的积累，大模型可以不断训练迭代，学习到新的知识和模式，能力愈发强大；另一方面，智能体在实际网络中应用越广泛，收集到的反馈数据越丰富，也能反哺模型的优化更新。这种“双向进步”确保了智能体的“大脑”和“躯体”始终协调匹配，随着环境变化同步演进，不断攀升网络自治的上限。
智能体如何交流？A2A 互联新范式
当网络中有多个智能体时，它们彼此之间以及与现有系统之间如何通信协作，也是高阶自治的一大挑战。当前业界在智能体集成和交互方面正涌现出多种范式：
1、基于自然语言接口的集成：面向数字助理Copilot 的一种集成方式。TM Forum 定义了 Copilot LPI（Language Programming Interface）作为典型代表，它通过自然语言开放数字助手的问答能力，可使多个 Copilot 之间或 Copilot 与 OSS 系统之间像“聊天”一样对接。这种基于自然语言的集成比传统的结构化 API 更加灵活自适应，降低了系统对接的复杂度，也减少了对 OSS 做二次开发的需求。
2、基于场景化API 的集成：这是当前最成熟、应用最广泛的智能体集成方式。智能体针对高价值场景提供预先定义好的结构化API 接口，通过标准的机对机方式与现网系统对接。这种范式的优点是接口规范明确，可靠性高，能够保证跨系统交互的确定性和性能，在网络开通、故障上报、用户体验保障等对可靠性要求高的场景中应用广泛。它保护了运营商既有投资，但由于接口是预定义的，灵活性相对有限，需要针对新场景开发新的API。
3、基于MCP 上下文协议的集成：MCP（Model Context Protocol）是一种开放协议，起初用于连接 AI 应用和外部工具，为 LLM 等模型提供标准化的上下文信息传递机制。在自智网络中，演变出的 MCP-T（面向通信领域的 MCP）协议被用于业务层智能体与网络层智能体之间的灵活集成。网络层智能体对外提供 MCP Server 封装能力，业务层智能体通过 MCP 接口即可按需调用网络层的功能模块，无需像传统 OSS 集成那样编写繁琐的适配代码，从而大幅提升跨层协同的敏捷性。不过由于 MCP 协议的技术定位，其在电信领域的应用也存在一些局限：例如不适合高实时性的事件订阅/通知，不支持多轮交互和双向协商机制，而且由于涉及 LLM 推理，在性能和效率方面仍面临挑战。
4、基于A2A（Agent-to-Agent）协议的智能体互联：这是面向未来演进的新兴范式。简单地说，A2A 协议旨在让不同智能体之间直接对话与协作，好比为智能体之间制定了一种通用“语言”标准。尤其在跨域复杂任务协同、冲突决策等场景下，面向电信行业的 A2A-T 协议被寄予厚望——它支持智能体能力发现、任务协同、事件订阅通知机制以及多轮交互与双向协商等高级特性。基于统一的 A2A-T 接口和 Prompt 交互范式，不同智能体可以灵活表达协作意图和交互逻辑，无需为每个具体场景预先定义固定API，实现了智能体之间的高度解耦和灵活协同。更重要的是，A2A-T 引入了运行时智能协商机制：智能体可以在任务执行过程中自主多轮对话协商，动态调整策略分工，不再依赖人工撮合。对于运营商而言，A2A意味着不同厂商、不同类型的智能体能够“说”同一种语言，实现无缝合作，发挥出团队智能的合力来解决单个智能体无法应对的复杂问题。
标准与生态：迈向L4 的协同之路
要加速高阶自智网络的规模部署，标准体系和产业生态的协同至关重要。业界提出了多项举措来完善这方面工作：
1、推广端到端方案包标准：联合产业各方推进并扩展TM Forum 提出的 E2E Solution Package 系列标准，将高阶自治网络的场景、架构和流程设计细化为可操作的参考实践。通过这些方案包，明确不同场景下智能体的功能组件和协同机制，促进智能体生态的多样化发展，加速自智网络智能体的商用部署。
2、引入POC 快速验证模式：在标准制定过程中创新性地引入“POC（概念验证）快速验证”的新模式。也就是说，产业联盟在制定标准草案的同时，通过小规模原型试验来验证方案的可行性，边实践边修正标准。这种敏捷迭代的方式有助于加速和催熟自智网络智能体标准体系，繁荣智能体产业生态。在 POC 验证阶段，还鼓励复用各类成熟的 IT 开源成果或事实标准，实现跨行业的生态融合，加快智能体生态成熟。这一系列措施将提升标准的实用性和落地效率，使产业能更快共享标准红利。
3、共建开放互联生态：携手构建自智网络智能体互联互通的产业生态系统。运营商、设备厂商、软件服务商等需要加强合作，确保不同厂商的智能体能够兼容对接，真正做到标准一致、接口开放。这意味着建立统一的智能体通信协议和接口规范，避免各家各搞一套形成“烟囱式”孤岛。通过产业联盟、试点项目和互联互通测试等方式，逐步形成一个开放共赢的智能体生态圈，让高价值的智能体应用能够在全行业范围规模复制。
实践案例：从愿景走向现实
厂商层面，设备供应商也在积极推动自智网络技术的落地。以华为为例，其Autonomous Driving Network（ADN）智能体解决方案瞄准的是让网络实现“零等待、零接触、零故障”的极致用户体验，同时为运营运维人员打造“自配置、自修复、自优化”的智能网络。华为 ADN 架构采用三层智能开放体系，涵盖业务层智能、网络层智能和网元层智能：业务层汇聚通信领域知识资产，进行数据训练和模型生成，打造跨域协同的智能体；网络层在网络管控域引入数字孪生技术和专业算法，构建单域自治的智能体，实现业务意图的自动化兑现、网络运维的智能化以及网络能力的服务化开放；网元层则在设备侧嵌入轻量级智能推理模块，为网元提供短周期的融合感知、分析和推理能力，可实现微秒级的本地决策闭环。同时，华为面向不同运维角色和网络场景推出了丰富的智能体系列产品：如为一线维护工程师提供 FMEMate 数字助手、为网络监控人员提供 NOEMate 数字助手，以及面向特定场景的 FaultSpirit 故障智能体、OptimSpirit 优化智能体、WattSpirit 节能智能体、ProvSpirit 业务开通智能体等。这些智能体矩阵共同协作，构建起华为面向 L4 高阶自治网络的解决方案，为运营商迈向高阶自智网络提供了有力支撑。
在运营商方面，高阶自智网络的蓝图正通过一个个实践案例逐步变为现实，全球多家运营商正携手厂商开展L4 级网络自治的探索，并取得了宝贵经验。比如在中东，Zain 集团作为该地区领先的运营商，与华为联合打造了面向 L4 的自智网络全栈 AI 架构，在无线和家庭宽带领域进行了深入合作，收获显著成果。以科威特 Zain 的无线网络为例，他们部署了故障诊断智能体并无缝融入故障运维流程。借助通信大模型的强大能力，一线工程师可以通过自然语言交互快速查询故障相关的拓扑和数据，智能体自动识别分析根因并给出排障建议。结果，在约 90% 的故障场景中，处理效率提升了 20%以上，每年预计可减少累计超过 2000 小时的站点业务中断时间。再如在约旦，Zain 引入了面向家庭宽带服务的智能保障方案，围绕宽带体验差的用户主动保障和用户投诉快速定位两个场景（下设 Wi-Fi 覆盖差、Wi-Fi 干扰大、速率不达标等 9 个子场景）部署了智能体组合，包括 FMEMate 数字助手、AssurSpirit 体验保障智能体和 CompSpirit 投诉处理智能体等。实施后效果显著：劣质体验用户的识别准确率达到90%，发现的问题100%得到解决，50%的受影响用户愿意升级至 FTTR 全光组网方案；运维处理效率提升了约20%，部分问题实现了远程自动闭环，用户投诉率也显著下降。这些创新举措让 Zain 朝着其“极致运营效率和卓越用户体验”的战略目标更进一步。
在亚太地区，泰国的AIS 自 2022 年起持续加大在自智网络领域的投入，与华为合作开展了一系列面向 L4 的实践，对故障管理、用户投诉处理、能源优化等高价值场景进行了系统化重构。例如在移动网络故障处理中，AIS 创新性地构建了故障智能体和一线维护 Copilot 助手（FME Copilot），重塑了端到端的故障处理流程。由智能体接管故障和隐患的实时感知、根因分析以及远程修复方案的输出；以无线基站退服故障为例，典型场景下有 80% 的小区退服故障能够通过智能体的智能补偿实现远程应急修复，需要上站的硬件故障则由 Copilot 智能助手指导现场工程师带齐备件一次上站解决，无需依赖 NOC 后台的多次协同。通过这种“智能体+助手”的组合，AIS 实现了一故障一工单的自服务式快速闭环，每张故障工单的平均修复时长明显降低。实际统计数据显示，该方案减少了80%的后端支撑工作量，MTTR 降低了27%。在家庭宽带投诉处理方面，AIS 则结合OLT智能板的应用感知能力，采用家宽体验保障智能体自动完成用户体验的主动感知评分、生成质差用户清单、自动定位部分根因并优化 Wi-Fi 类问题；对于需要上门处理的问题，则通过装维 Copilot 数字助手辅助完成。最终使宽带故障的平均修复时间缩短了50%，用户投诉率下降了30%。这些卓有成效的实践证明，即使复杂如通信网络，也正在一步步实现高度自治所带来的效率和体验飞跃。
高阶自智网络的探索也赢得了业界的高度认可。中国移动与华为联合创新的“基于通信大模型的自智网络解决方案”项目在 2025 年巴塞罗那世界移动通信大会（MWC）上荣获 GSMA 颁发的“最佳网络软件突破奖”和“CTO之选：杰出移动技术奖”两项大奖。同样地，AIS 与华为的联合创新实践在 TM Forum 数字化转型世界（DTW）峰会上连续三年斩获 Catalyst 创新项目的多项大奖，并在 FutureNet Asia 2025 大会上荣获“最佳网络 AI 奖”。这些荣誉进一步印证了高阶自智网络实践的巨大价值和行业影响力。
结语：迈向全自治网络的新征程
从以上可以看出，高阶自智网络（AN L4）正从蓝图变成现实。无论是顶层架构的明确、关键技术的成熟，还是标准生态的协同、商业案例的验证，都表明通信网络正驶向自主之路的新阶段。或许在不久的将来，我们将看到这样一个场景：网络故障刚出现苗头就被智能体预测并自动化解，资源调度和参数优化在无人干预下全天候进行，用户体验问题甚至在用户察觉之前已经解决。届时，庞大的通信网络仿佛拥有了自我驱动的“大脑”，以人类难以企及的速度和精度实现自我管理和优化。
当然，迈向完全自治的网络仍需克服诸多挑战，包括更复杂智能体间的协调、安全可靠的自动决策机制等。但可以确定的是，在产业各方的共同努力下，“自动驾驶”网络从愿景变为现实只是时间问题。一个更智能、高效、可靠的通信网络时代即将到来，我们拭目以待。
扫描下方二维码，添加智驾派小助理微信，免费领取以下材料
10个月宝宝每天需要喝多少奶粉？
