自主網絡，即具備智能、可自我管理能力的電信運營系統，正從未來愿景轉變為當前電信運營商的優先戰略。在NVIDIA最新發布的《電信行業AI發展現狀及趨勢》調研報告中，網絡自動化已成為投資回報率最高、最受重視的AI應用場景。

需要強調的是，自動化與自主化并不是一個概念。自主網絡不僅能夠執行預定義的工作流，更需理解運營商意圖、權衡各種因素，并自主決策應采取何種行動。而實現這一轉變的關鍵，在于基于電信數據微調的推理模型和AI智能體。

要實現真正的網絡自主，必須構建一個端到端的智能體系統，其中包含的關鍵組件包括電信網絡模型、可相互通信的AI智能體，以及用于驗證操作效果的網絡仿真工具。

在巴塞羅那世界移動通信大會（MWC 2026）前夕，NVIDIA發布了一款開放的基于NVIDIA Nemotron的大型電信模型（LTM）、一份構建網絡運營推理智能體的綜合指南，以及用于節能與網絡配置的全新NVIDIA Blueprint，該藍圖可通過多智能體編排幫助運營商邁向自主運營。

此外，作為GSMA新推出的Open Telco AI倡議的一部分，NVIDIA將通過移動通信行業的權威組織GSMA，以開源形式發布這款全新的LTM模型、實施指南及代理式AI藍圖，供全行業使用。

開放Nemotron 3大型電信模型為電信領域引入推理能力

要成功在電信運營中規模化部署生成式AI與代理式AI，AI模型必須能夠理解電信領域的專業語言，并對復雜工作流進行邏輯推理。為此，NVIDIA與AdaptKey AI合作，推出了一款全新開源的、300億參數的NVIDIA Nemotron LTM，全球運營商均可借此構建自主網絡。

該模型基于NVIDIA Nemotron 3系列基礎模型構建，并由AdaptKey AI利用包括行業標準文檔和合成日志在內的開放電信數據集進行微調，專門優化以理解電信術語，并能對故障隔離、修復方案規劃、變更驗證等工作流進行推理。

作為一款開放模型，Nemotron LTM使電信運營商能夠完整透明地了解模型的訓練方法與所用數據，從而在本地網絡環境中安全、快速地部署，并直接基于此構建和運行AI智能體。同時，運營商還可安全地結合自身網絡與運營數據，針對模型的電信推理能力進行安全地調整和擴展，在不犧牲數據控制權或安全性的情況下，穩步邁向自主運營。

教會AI智能體像網絡工程師一樣思考

NVIDIA與Tech Mahindra聯合發布了一份開源指南，指導電信運營商如何微調特定領域專用的推理模型，并構建能夠安全執行網絡運營中心（NOC）工作流的智能體。

該指南提出了一套教學框架，旨在讓模型“像NOC工程師一樣思考”：聚焦高影響、高頻發生的故障類別；將專家的解決方案轉化為逐步操作流程；再將這些流程轉化為結構化的“推理軌跡”，清晰記錄每一步操作、工具調用、結果與決策依據。這些軌跡成為模型學習的“思維范例”，使模型不僅知道“該做什么”，更理解“為何這一系列檢查與修復步驟是安全且有效的”。

借助NVIDIA NeMo-Skills工作流，運營商可基于這些推理軌跡對模型進行微調，從而奠定構建電信專用AI智能體的基礎——這些智能體將具備類似網絡工程師的問題解決與推理能力。

通過全新的意圖驅動能源效率藍圖使能效最大化

自主網絡依賴閉環運行：通過理解網絡狀態的模型，基于意圖采取行動的智能體，以及將仿真結果反饋回系統以驗證并優化決策的機制實現運作。NVIDIA新推出的用于意圖驅動RAN能源效率的NVIDIA Blueprint將這些要素整合在一起，幫助運營商在保障服務質量的前提下，系統性降低5G RAN的能耗。

該藍圖集成了網絡測試與測量領域的領導者VIAVI的TeraVM AI RAN場景生成器(AI RSG)平臺，用于生成合成網絡數據，包括小區利用率、用戶吞吐量及其他流量模式，并將其轉換為簡潔、可查詢的格式。

隨后，一個能源規劃智能體會基于這些合成數據推理，生成節能策略，并在AI RSG中進行模擬驗證。這使得運營商可在閉環環境中安全地驗證節能策略是否符合其意圖，而無需更改現網配置或影響用戶服務。

全球運營商已開始部署用于網絡配置的NVIDIA Blueprint

用于電信網絡配置的NVIDIA Blueprint正被全球多家運營商采用。

Cassava Technologies正利用該藍圖構建Cassava自主網絡平臺，專為優化非洲多樣化的多廠商移動網絡環境而設計。該平臺部署了三個智能體：一個用于監控網絡并推薦配置變更，一個負責應用變更并自動生成文檔與治理記錄，一個評估變更影響，若出現意外后果則安全回滾。

NTT DATA則借助該藍圖，為日本某一級運營商部署智能流量調控系統。當網絡因中斷后用戶大規模重連引發流量激增時，該系統可幫助網絡平穩應對。

具體而言，一個AI智能體會實時分析全網需求，并決定在哪些小區、何時、以何種方式接納新用戶。隨著網絡狀況趨于穩定，智能體動態調整決策，將過去依賴人工配置的流程轉變為數據驅動的優化循環，從而打造更具韌性的移動網絡。

通過多智能體編排，演進網絡配置能力

為幫助電信運營商在RAN中設計、觀測并優化復雜的代理式工作流，NVIDIA正在與BubbleRAN合作，利用NVIDIA NeMo智能體工具包（NAT）與BubbleRAN代理式工具包（BAT）這兩套互補的多智能體編排框架，增強用于電信網絡配置的NVIDIA Blueprint。

BubbleRAN正將NAT與BAT集成至其Opti-Sphere平臺，以更靈活地跨容器與工作負載管理網絡監控、配置與驗證智能體，并將其連接至報告網絡指標與流量狀態的工具，從而持續提出并驗證配置變更建議。

Telenor Group將成為首家采用該藍圖與BubbleRAN合作的電信運營商，用于提升其旗下Telenor Maritime（集團全球海上連接服務提供商）的5G網絡性能。