NVIDIA 推进自主网络，推出 Agentic AI 蓝图和 Telco 推理模型
Source: NVIDIA AI Blog
请提供您希望翻译的具体文本内容，我将为您翻译成简体中文并保留原始的格式和技术术语。
为什么自主性很重要
-
自动化 ≠ 自主性
- 自动化 执行预定义的工作流。
- 自主性 要求网络 理解运营商意图、权衡利弊，并 决定行动。
-
关键推动因素
- 在电信数据上微调的 推理模型 和 AI 代理。
- 包含以下内容的 端到端代理系统：
- 电信网络模型。
- 相互通信的 AI 代理。
- 用于行动验证的网络仿真工具。
最近的 NVIDIA 公告（巴塞罗那 MWC 前）
| 公告 | 内容 | 重要性 |
|---|---|---|
| Open NVIDIA Nemotron‑based Large Telco Model (LTM) | 首个基于 Nemotron 架构的开源大规模电信模型。 | 为构建能够理解网络动态的推理代理提供基础。 |
| Comprehensive Guide for Building Reasoning Agents | 步骤式实现指南。 | 加速自主网络代理的开发。 |
| NVIDIA Blueprints | 预设计的多代理编排工作流，适用于： • 节能 • 网络配置 | 为运营商提供即用、经验证的模式，以迈向自主化。 |
与GSMA的合作
- Open Telco AI Initiative（明日发布）——由 NVIDIA 与全球移动通信协会 GSMA 共同发起的合作项目。
- NVIDIA 将通过 GSMA 发布以下开放资源：
- 开源 LTM。
- 推理代理的 实现指南。
- 用于能源效率和网络配置的 代理式 AI 蓝图。
这些资源旨在帮助运营商 加速向自主网络的转型，并释放效率、可靠性和创新的新水平。
开放的 Nemotron 3 大型电信模型为电信带来推理能力
为了让电信运营商在其业务中成功落地生成式和自主 AI，AI 模型必须能够 理解电信术语 并 在复杂工作流中进行推理。NVIDIA 与 AdaptKey AI 合作，发布了全新开源的 300 亿参数 NVIDIA Nemotron LTM，全球运营商可使用它来构建自主网络。
关键特性
- 基于 NVIDIA Nemotron 3 系列基础模型。
- 由 AdaptKey AI 使用开放的电信数据集进行微调，包括行业标准和合成日志。
- 针以下场景进行优化：
- 故障隔离
- 修复方案规划
- 变更验证
对电信公司的好处
- 完全透明——可访问训练数据和方法论。
- 安全的本地部署——在网络内部直接运行代理。
- 可定制的推理能力——可使用专有网络和运营数据扩展和适配模型。
- 通往自主运营的路径，且不牺牲数据控制或安全性。
教授 AI 代理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) 工作流的代理。
关键要点
- 关注高影响、高频率的事件 – 确定最常发生且对运营影响最大的事件类别。
- 将专家解决方案转化为逐步流程 – 将每个解决方案拆分为离散的操作、工具调用、结果和决策。
- 创建结构化推理痕迹 – 将流程记录为“思考示例”，记录工程师的每一步操作、执行原因以及预期结果。
这些推理痕迹成为训练数据，使模型不仅学习做什么，还了解为什么特定的检查和修复顺序是安全且有效的。
工作原理
- 收集专家知识 – 收集事件日志、运行手册和工程师笔记。
- 转换为推理痕迹 – 将每个解决方案编码为结构化痕迹（例如 JSON 或 YAML），包括：
- 操作描述
- 调用的工具或 API
- 预期结果
- 下一步的决策逻辑
- 使用 NVIDIA NeMo‑Skills 微调 – 使用 NeMo‑Skills 流程在痕迹上训练推理模型。
- 部署为电信专用 AI 代理 – 生成的模型能够对新事件进行推理、建议操作，并自主执行安全的 NOC 工作流。
好处
- 加速事件解决 – AI 代理可以处理常规、重复性任务，释放工程师去解决复杂问题。
- 一致性和安全性 – 结构化推理确保操作遵循经过审查、可重复的流程。
- 可扩展的专业知识 – 将资深工程师的知识进行编码并在组织内部共享。
欲深入了解，请参阅上方链接的完整 NVIDIA‑Tech Mahindra 指南。
Source:
最大化能源效率的全新意图驱动节能蓝图
自主网络依赖 闭环 工作流：
- 模型 – 了解网络状态。
- 代理 – 根据高级意图采取行动。
- 仿真 – 将结果反馈回来，以验证并完善决策。
全新的 NVIDIA Blueprint for intent‑driven RAN energy efficiency 将这三部分结合起来，使运营商能够系统性地降低 5G 无线接入网（RAN）的功耗，同时保持服务质量（QoS）。
关键组件
| 组件 | 角色 | 链接 |
|---|---|---|
| VIAVI TeraVM AI RAN Scenario Generator (AI RSG) | 生成合成网络数据（小区利用率、用户吞吐量、流量模式等），并以简洁、可查询的格式导出。 | VIAVI blog – AI RSG |
| Energy‑Planning Agent | 分析合成数据，制定节能策略，并将其反馈给 AI RSG 进行仿真。 | — |
| Closed‑Loop Validation | 运营商可以在仿真中安全测试策略，然后再将更改应用到真实网络，确保在不影响用户的前提下实现意图。 | — |
工作原理
- 数据生成 – AI RSG 生成覆盖各种流量条件的真实感合成 RAN 场景。
- 策略推理 – Energy‑Planning Agent 评估数据，识别机会（例如动态小区休眠、功率级别缩放），并提出策略。
- 仿真与验证 – 将提出的策略通过 AI RSG 运行，预测其对功耗和 QoS 的影响。
- 迭代细化 – 结果反馈给代理，代理调整策略，直至实现期望的意图（在保证 QoS 的前提下降低能耗）。
好处
- 可预测的能源节省 – 在任何现场部署之前即可量化降低幅度。
- 零服务中断 – 所有测试均在沙箱环境中完成。
- 可扩展的意图驱动自动化 – 策略可在数千个站点上快速部署，人工干预最小。
- 持续改进 – 闭环反馈使得随着流量模式变化能够不断优化。
准备好开始降低您的 RAN 能耗了吗？立即探索完整蓝图，开始构建意图驱动的节能工作流吧。
电信运营商将 NVIDIA 网络配置蓝图付诸实践
NVIDIA Blueprint for telco network configuration 正在被全球运营商采用。
值得关注的部署
| 运营商 / 合作伙伴 | 蓝图的使用方式 | 关键收益 |
|---|---|---|
| Cassava Technologies | • 构建了 Cassava Autonomous Network，一个面向非洲多供应商移动环境的自主平台。 • 实现了三个智能体： 1️⃣ 监控网络并推荐配置更改。 2️⃣ 在文档与治理的支持下执行更改。 3️⃣ 评估影响并安全回滚意外后果。 | • 优化异构网络。 • 实现自动化、可审计的配置循环。 |
| NTT DATA | • 将蓝图集成到流量调控中以加入智能。 • 帮助网络在用户因故障恢复后重新连接时管理流量激增。 • 已在日本一家一级运营商处部署。 | • 在需求高峰期间提升弹性。 • 将手动调优转变为数据驱动、适应性的过程。 |
工作原理
- 实时需求监控 – AI 智能体持续扫描各小区的流量。
- 决策制定 – 智能体决定何时以及如何在特定小区接纳新用户。
- 自适应优化 – 随着条件趋于稳定，智能体细化其策略，将传统的手动配置转化为自我优化、数据驱动的循环。
结果： 更具弹性和效率的移动网络，能够在无需人工干预的情况下自动适应负载模式的变化。
演进的网络配置与多代理编排
电信运营商现在可以通过 NVIDIA 与 BubbleRAN 的合作，在 RAN 上设计、观察并优化复杂的代理工作流。两家公司正基于 NVIDIA Blueprint for Telco Network Configuration 拓展以下内容：
这些互补的框架实现了多代理编排。
与 Opti‑Sphere 的集成
BubbleRAN 正在其 Opti‑Sphere 平台中嵌入 NAT 与 BAT。该集成提供：
- 灵活管理跨容器和工作负载的网络监控、配置和验证代理。
- 与报告网络指标和流量状态的工具无缝连接。
- 持续提出并验证配置更改。
首次部署
Telenor Group 将成为首家采用该蓝图并与 BubbleRAN 合作的电信运营商，以提升其面向海上全球连接的 Telenor Maritime 5G 网络。
了解更多
- Mobile World Congress – 探索电信领域代理 AI 的最新进展。
- 日期: 2026 年 3 月 2‑5 日
- 地点: 巴塞罗那
- Notice – 查看软件产品信息的服务条款。