6G网络中的应用数量预计将越来越多，因此电信系统必须支持运营商的服务和商业模式的持续演进。更快速的服务创建和集成需要自主、动态且灵活的系统，在运行时处理运营商定义的新服务和意图。未来的电信系统将实现持续开发，允许在运行时编写、验证和部署新软件以实现新服务，而不中断现有服务。服务性能将在服务生命周期的每个阶段得到密切监控和保障。

服务生命周期管理（LCM）阶段	动机
服务创建与开发	加速新商业服务的开发
服务集成与部署	实现快速服务交付、最优配置和运行时集成
服务保障与可观测性	确保性能、恢复能力、稳健性、安全性、可信性和可观测性
服务运营与管理	降低复杂性，实现高效的编排和预测性维护，节约成本

表1：服务生命周期管理需求

应用间的交互和潜在冲突将通过弹性设计得到主动管理，以确保结果与服务目标保持一致。

为了开发新服务并应对日益增加的复杂性，AI已成为不可或缺的工具，使运营商能够提供差异化连接，推出增强的按需服务，满足甚至超越客户的预期。借助AI驱动的解决方案，运营商可以主动管理网络，简化运营流程，提升效率和客户满意度。此外，有了AI技术的加持，他们还能够在这个动态多变的行业格局中引领潮流，迎接充满希望和潜力的未来。

总之，将来的电信系统需要一个AI驱动的框架，在运行时以平滑的方式支持服务运营、集成、创建和保障。这在服务生命周期管理的各个方面都得到了体现，如表1所示。

与网络对话——范式转变

未来电信行业的愿景清晰可见：设计先进的系统，帮助人类创建并高效地管理复杂、互联的电信网络、服务和应用。这些系统必须满足运营需求，并支持广泛的商业目的和用例，如图1所示。

图1：与网络对话的愿景

这一愿景为突破我们的想象力极限，开发各种新应用和服务铺平了道路。它需要超越AI和机器学习（ML）技术范畴的先进自动化解决方案——这些AI/ML技术已被集成到产品中。

“与网络对话（TTYN）”是一个总括性术语，汇集了关键的AI技术和赋能技术，旨在构建能够满足上述关键需求的自主网络。TTYN的核心是多个自主网络智能体，它们无缝地协同运行，就好像是一个统一的系统。这些智能体共同分析电信系统的网络状态，发现异常情况及其根源，搜索解决方案，测试不同的解决方案组合，并决定应采取的行动。从本质上讲，这些智能体以编排有序的方式，基于学习到的知识来执行“感知、搜索、思考和行动”的操作循环。下面部分描述这个操作循环包含的四项任务：

感知：分析和评估网络状态，例如检测特定站点上的吞吐量下降。
搜索：从不同输入源检索关键信息，例如网络中的产品配置，或查找相关的客户产品信息（CPI）并总结关键细节。
思考：诊断问题、进行推理并决定针对任何已知问题的补救措施。
行动：实施纠正措施，如调整配置参数。

虽然这些任务最初可能需要人工干预指导，但最终目标是实现基于意图的自主运行，使系统可以独立运行而无需人类干预。最终的编排行为使系统能够在运行时进行动态调整和自我组织，以实现高层次的商业和服务意图。这种系统的自发智能确保了灵活性和动态行为。TTYN的自主工作流程与传统对话式AI中的聊天机器人交互有着根本区别。聊天机器人主要处理短期的单次交互；相反， TTYN工作流程则管理多步骤、长时间的任务，需要复杂且灵活的规划和执行。

TTYN框架整合了知识和智能体驱动的方法，可以将自然语言转化为有意义的智能。TTYN代表了电信产品、服务和网络管理的范式转变，因为它利用自主网络的三大AI技术支柱——生成式AI、代理式AI和基于意图的AI：

对话式AI：基于生成式AI和大语言模型（LLM），实现自然语言交互，提供可解释的洞见，促进网络与操作人员以及机器之间的透明沟通，以得出抽象的结论。
代理式AI：赋予自主实体以感知、思考和独立行动的能力，作为一个具有动态适应能力的统一系统运行。
基于意图的AI：编排这些实体，使其行动与总体商业目标保持一致，实现无缝的协调和执行。

TTYN的核心是一个任务转换模块，利用代理式AI和LLM，将高级任务或意图分解为较小、有意义的子任务。这些子任务可以按顺序或并行执行，确保有效地完成总体任务。

上述关键使能技术与现有的AI/ML解决方案协同工作，为TTYN用例提供了框架基础。下一部分将详细说明TTYN框架中的技术如何帮助实现对未来电信系统及服务的生命周期管理。

这些计划的顺利执行需要人类与AI智能体之间的密切交互，以实现无缝的协作。TTYN系统内的自主操作范围根据产品的准备情况和任务的性能要求进行灵活调整。这种灵活性确保任务能够可靠高效地得到处理，从而在自动化与人类参与之间实现最佳平衡。

TTYN的优势

TTYN能够帮助新兴企业把握增长机遇，化解运营商面临的挑战，包括更高的网络复杂性、更大的客户体验需求和不断增加的运营成本。TTYN解决方案彻底改变了运营商控制其基础设施的方式，将复杂的网络转变为响应迅速的智能系统，使操作人员可以直接询问和发出命令，同时解决表2中列出的关键痛点。

类别	说明
网络复杂性管理（运营与管理）	理解网络数据并据此采取行动：TTYN使操作人员能够通过自然语言与网络进行交互，直接查询状态、性能和问题。使用自然语言，直接与网络进行交互，将多个碎片化解决方案的故障排除时间从数小时缩短至几分钟。借助AI赋能的指导和知识，将初级工程师转变为网络专家。在客户受到影响之前主动识别服务降级模式。
差异化服务（集成与部署）	配置、部署和管理动态变化的差异化服务。持续适应客户需求，同时不断优化其体验。通过更高的服务可靠性减少客户流失。
运营效率（运营与管理）	即时访问跨系统和领域的相关网络洞见，将平均修复时间缩短60%至70%。通过自动完成常规诊断和故障排除任务来降低运营成本。将海量数据流转化为清晰、有意义的智能。最大限度地减少服务中断及其对收入的影响。
客户体验提升（保障）	在客户受到影响之前预测并防止网络/服务问题。从端到端快速识别、解决网络问题并完成恢复，减少客户投诉。对服务质量查询做出更快速、更准确的响应。发现网络优化机会，提升服务质量。
保护收入（服务创建）	在不中断其他服务的情况下，最大限度地缩短服务开发和验证所需时间。加速新应用和业务流程的测试。帮助更轻松地推出新的差异化服务。

表2：TTYN的优势

TTYN——主要技术支柱

关键AI功能

为了实现上述愿景并满足客户需求，TTYN引入了一套基于三大关键AI技术支柱的整体解决方案：对话式AI、代理式AI和基于意图的AI。该框架以支持数据和知识处理、AI/MLOps的多种功能以及确保安全性、透明度和可扩展性的可靠特性为补充，如图2所示。

图2：自主网络的技术支柱

对话式AI和大语言模型（LLM）

对话式AI专注于创建主要通过自然语言和多模态输入与人类进行交互的系统，实现流畅且具有上下文感知能力的通信。对话式AI的扩展将支持智能体之间的通信。这些系统利用多种先进技术，包括自然语言处理（NLP）、生成式AI、LLM、机器学习、提示工程、基于检索的技术和对话管理，以确定提示的上下文和意图范围。此外，在生成式AI的支持下，它们还可以生成任务的初步计划，作为编排并实现意图及任务的蓝图。这一计划为与基于意图的AI和代理式AI进行协作奠定了基础，实现人类与高级系统能力的交互。运营商可以用简单的英语与网络通信，获得清晰、可解释的洞见，了解系统操作、决策和行动。这样就可以减轻操作人员的认知负担，提高透明度，同时简化复杂电信网络的管理。

代理式AI

代理式AI涉及用于在动态环境中执行任务或实现意图的自主智能体。通常，这些智能体以强化学习、规划算法和适应性决策框架为指导，执行实现系统级目标所需的操作。它们作为一个编排系统的一部分运行，通过协作实现用户定义的意图或实时适应变化。不同的自主智能体可以执行不同的任务，包括网络状态分析（感知）、数据分析和检索（搜索）、根本原因和冲突解决分析（思考）以及自主任务执行（行动）。借助对话式AI，LLM可以解析非结构化和结构化输入并将其转化为有意义的洞见，进而实现智能体之间的动态通信，实时理解数据。此外，LLM还可以作为中介，在不同机器语言、API或协议之间进行转换，确保在来自不同系统、具有任务依赖关系的智能体之间实现无缝集成和通信。多个智能体形成一个统一的系统，具有动态适应能力，可以实现高层次商业和服务意图。

基于意图的AI

基于意图的AI注重识别意图并将它们分解为有意义的意图或子意图。它结合意图识别、上下文分析和预测等技术，将复杂的目标分解为多个可管理的任务。这些子意图进一步映射到系统功能或自主智能体，确保与服务意图及用户需求的高度统一。它与对话式AI协同，将初步计划细化为多个结构化的意图，实现无缝的编排。为此，基于意图的AI提供协调层，确保自主智能体的行为与总体服务意图及商业目标保持一致。通过将高层次意图转化为有意义的步骤，它可以实现无缝协作，确保高效的服务交付和网络管理。

这三大关键AI技术相得益彰，促成一个能够实现对话、编排、意图分解和自主执行的集成系统。表3更详细地描述了AI技术正如何帮助完成服务生命周期的管理。

不同AI技术的贡献
	对话式AI	基于意图的AI	代理式AI
服务创建	基于高级描述生成工作流程和代码片段，加速开发，减少新服务开发过程中的手动操作。	通过动态意图编排使网络运行与商业目标相统一，优化资源使用，确保符合服务创建意图。	在运行时添加针对特定技术和商业功能定制的新智能体（如5G网络切片、虚拟现实服务或物联网），促进新服务的开发。
服务集成	通过解释运营商的意图并生成部署脚本来简化配置，最大限度地减少意图不匹配错误。	将高级意图分解为有意义的步骤，自动完成编排操作，并确保不同组件间的无缝集成。	通过自主资源协调和组件同步、实时冲突解决（如资源争用）以及生成式AI驱动的路由决策实现流量控制，进而确保无缝的服务集成。
服务保障与可观测性	以用户友好的方式提供对性能指标和诊断结果的访问，缩短故障检测时间，增强监控透明度。	持续验证服务性能是否与商业和运营商意图相匹配，触发偏差纠正措施，确保可靠性。	利用可协调需求、监控网络条件、预测解决方案影响并解决冲突的自主智能体，确保无缝的服务保障。
服务保障与可观测性	以用户友好的方式提供对性能指标和诊断结果的访问，缩短故障检测时间，增强监控透明度。	持续验证服务性能是否与商业和运营商意图相匹配，触发偏差纠正措施，确保可靠性。	利用可协调需求、监控网络条件、预测解决方案影响并解决冲突的自主智能体，确保无缝的服务保障。

表3：AI技术与服务LCM间的映射关系

支持AI功能

为了充分发挥TTYN框架的潜力，该解决方案包括以下基本支持功能：

数据和知识生命周期管理：高效地处理数据采集、存储、处理和生命周期操作（DataOps），以及知识创建、相关性确定和更新（Knowledge PS）。
AI/MLOps：管理机器学习模型和流程的生命周期，包括LLM驱动的架构、检索增强生成（RAG）和动态适应智能体。
可信AI（TWAI）：通过防止意外输出、数据泄露和“幻觉”（hallucination），确保AI系统的透明度、可靠性和道德使用。可信AI包括强大的防护措施、安全响应调制和安全的模板输出，以遵守道德和安全标准。作为TWAI的一部分，数据隐私和安全至关重要。因此，提供商正采取重大措施，确保用于训练LLM模型的数据遵守内部隐私协议，并防止数据泄露。

要简化TTYN用例的演进，除了上述功能外还需要广泛的可重用性。TTYN解决方案应基于通用资产构建，如生成式AI库、AI/非AI智能体模板、AIOps和其他现有AI/ML功能，以实现一致且可扩展的解决方案。

应用类别和用例
TTYN框架可支持一系列用例，每种用例旨在改善网络运营、服务创建和系统集成。这些应用场景从人类参与环节（输入和反馈），逐步发展到人类监督环节（进行旁观监督），最终实现几乎无需人为干预的零接触操作。表4列出了用例示例类别的简短说明。

用例示例	分类	说明
与知识对话	搜索	帮助从公共标准、专有文档和帮助指南中检索信息，确保操作人员能够轻松访问关键知识。
与数据对话	感知/思考	利用历史或实时网络数据提供洞见，使操作人员能够感知并提取有价值的信息以改善决策。
与问题管理系统对话	感知/思考/行动	通过编排智能体和工具实现交互式故障排除（反应性和主动性），高效地管理问题。
与服务管理系统对话	感知/思考/行动	驱动基于意图的自动化服务编排，将业务和SLA要求转化为有意义的意图，并通过分层编排避免冲突。
与配置工具对话	思考/行动	简化业务支持系统内的产品和服务配置，实现无缝的目录和工具管理。

表4：TTYN的潜在用例示例

在实践中，这些类别的多个用例可以同时在网络中运行，涵盖来自不同供应商的广泛产品和解决方案。借助这些能力，TTYN可以重新定义网络运营，创建智能、具有自我组织能力且可信的系统，以满足当代电信服务的需求。

结论

TTYN利用生成式AI和智能体驱动的编排等先进技术，代表了电信网络运营的范式转变。它旨在将网络转变为能够自我组织、优化服务交付并快速适应动态市场需求的自主系统。TTYN能实现这一目标，是因为它能够通过自然语言输入实现运营商与网络节点之间的无缝通信，而不需要手动命令处理。这种自动化可以简化服务生命周期各个阶段的操作——从服务创建和集成一直到保障和运营。通过实现意图驱动的自动化，TTYN可以将业务目标转化为可操作的任务，由智能体高效地执行，进而减少人为干预并提升运营效率。TTYN不仅仅是技术变革——它是对网络服务和运营模式的重新构想，旨在打造一个主动、以目标为导向的先进系统，以灵活适应未来网络不断演变的需求。

爱立信正引领这一演变浪潮，与行业伙伴密切合作，定义和开发自主网络的构建模块。我们共同努力，为迎接一个充满变革可能的新时代铺平道路，通过更智能、可信而安全的网络为数字时代的用户提供无缝的连接。

The Ericsson Blog

Like what you’re reading? Please sign up for email updates on your favorite topics.

Subscribe now

At the Ericsson Blog, we provide insight to make complex ideas on technology, innovation and business simple.

与网络对话：掀起自主网络中的AI革命浪潮

与网络对话——动机