業務目標
明確要解決的性能、擴容、穩定性、覆蓋、互連或運維問題，並確認上線優先級。
一、電信專用推理模型
解決方案名稱：NVIDIA Nemotron 大型電信模型 (LTM)
模型規格：開源、300億參數的NVIDIA Nemotron LTM，基於Nemotron 3系列基礎模型構建。
核心能力：
理解電信專業術語，對故障隔離、修復方案規劃、變更驗證等工作流進行邏輯推理。
由AdaptKey AI利用開放電信資料集（包括行業標準文檔和合成日誌）進行微調。
部署特性：開放模型，運營商可完整瞭解訓練方法與所用資料。
可在本地網路環境中安全、快速部署，直接構建和運行AI智能體。
運營商可安全結合自身網路與運營資料，調整和擴展模型的電信推理能力，不犧牲資料控制權或安全性。
發佈渠道：作為GSMA新推出的「Open Telco AI」倡議的一部分，通過GSMA以開源形式發佈（包括模型、實施指南及代理式AI藍圖）。
二、AI智能體構建指南
解決方案名稱：網路運營推理智能體構建指南（NVIDIA與Tech Mahindra聯合發佈）
核心內容：微調特定領域專用推理模型，構建能安全執行網路運營中心 (NOC) 工作流的智能體。
教學框架（「像NOC工程師一樣思考」）：
聚焦高影響、高頻發生的故障類別。
將專家解決方案轉化為逐步操作流程。
將流程轉化為結構化的「推理軌跡」（記錄每一步操作、工具調用、結果與決策依據）。
微調工具：借助NVIDIA NeMo-Skills工作流，基於推理軌跡對模型進行微調，構建具備問題解決與推理能力的電信專用AI智能體。
三、節能應用藍圖
解決方案名稱：用於意圖驅動RAN能源效率的NVIDIA Blueprint
核心功能：集成多要素形成閉環，在保障服務品質前提下，系統性降低5G RAN能耗。
集成平台：VIAVI的TeraVM AI RAN場景生成器 (AI RSG)，用於生成合成網路資料（小區利用率、用戶吞吐量、流量模式等），並轉換為可查詢格式。
工作流程：
能源規劃智能體基於合成資料推理，生成節能策略。
在AI RSG中進行模擬驗證，安全驗證策略是否符合意圖，無需更改現網配置或影響用戶服務。
四、網路配置藍圖及應用案例
解決方案名稱：用於電信網路配置的NVIDIA Blueprint
應用案例1：Cassava Technologies
構建Cassava自主網路平台，優化非洲多廠商移動網路環境。
部署三個智能體：
智能體1：監控網路並推薦配置變更。
智能體2：應用變更並自動生成文檔與治理記錄。
智能體3：評估變更影響，出現意外後果時安全回滾。
應用案例2：NTT DATA（為日本一級運營商部署）
構建智能流量調控系統，應對中斷後用戶大規模重連引發的流量激增。
工作流程：AI智能體實時分析全網需求，決定在哪些小區、何時、以何種方式接納新用戶；隨網路狀況穩定動態調整決策，將人工配置流程轉變為資料驅動優化循環。
五、多智能體編排增強方案
解決方案名稱：多智能體編排框架（NVIDIA與BubbleRAN合作）
核心工具：
NVIDIA NeMo Agent工具套件 (NAT)
BubbleRAN代理式工具套件 (BAT)
集成平台：BubbleRAN將NAT與BAT集成至其Opti-Sphere平台，跨容器與工作負載管理網路監控、配置與驗證智能體，連接報告網路指標與流量狀態的工具，持續提出並驗證配置變更建議。
首個採用運營商：Telenor Group（用於提升其旗下Telenor Maritime的5G網路性能）。
WeChat
Profile