智能体人工智能有潜力从根本上改变电信网络的运营方式,但前提是运营商必须在正确的基础上构建,引入云原生成熟度,并建立明确的路径来整合自治能力,而不牺牲可靠性或控制力。这是下一代移动网络联盟NGMN在其简报文件中提出的观点。
NGMN组织由移动运营商、供应商、制造商和研究机构组成的联盟。其使命是确保下一代移动网络基础设施、服务平台和设备满足运营商的要求,同时满足终端用户的需求和期望。
在题为"云原生新篇章——基于智能体AI的运营模式"的报告中,NGMN提供了指导原则、架构指南和战略见解,帮助移动网络运营商支持在电信网络运营模式中采用智能体AI。
NGMN表示,该组织正在为移动网络运营商提供一个框架,以支持在电信网络运营模式中采用智能体AI,帮助运营商在技术、流程、技能和组织文化方面进行转型。
NGMN指出,该文件将云原生成熟度级别映射到相应的AI准备阶段,概述了包括生成式AI和其更自主形式的智能体AI在内的人工智能如何逐步整合到电信运营模式中。这种分阶段的方法支持从早期AI实验通过标准化AI驱动工作流向完全智能体AI启用的自主网络运营的结构化转型。
该框架建立在NGMN的云原生宣言和已建立的云原生框架基础上,如云原生计算基金会CNCF的云原生成熟度模型CNMM,并引入了将基于智能体AI的能力整合到电信运营中的结构化方法。
该研究定义了五个渐进的AI采用级别,并将它们映射到CNCF CNMM阶段,供运营商评估其准备情况和所需的下一步行动,以逐步发展为更智能和自主的网络运营。对于每个AI采用级别,都有关于技术、人员、技能和组织文化方面所需内容的指导。报告还强调了"在运营商沿着这一旅程前进时,定义明确的转型目标和衡量业务成果的重要性"。
该出版物还突出了向AI驱动的运营模式转型不仅仅是技术转变,指出成功的采用需要在人员、流程和文化方面进行组织转型,包括新的技能集、负责任的AI治理和重新设计的运营工作流。AI启用的工具可以支持网络故障排除、容量规划和预测性运营等任务,实现更高效和有弹性的网络管理。
"智能体AI有潜力从根本上改变电信网络的运营方式,但前提是电信运营商要在正确的基础上构建,"NGMN联盟董事会主席、Orange集团首席技术官兼网络执行副总裁Laurent Leboucher表示。"AI采用不是孤立进行的;它依赖于云原生成熟度和整合自治能力而不牺牲可靠性或控制的明确路径。"
NGMN董事会成员、Telus无线技术和服务副总裁Bernard Bureau补充道:"云原生采用为将先进AI整合到电信运营中提供了必要基础。通过将云原生成熟度级别映射到AI采用阶段,NGMN为运营商提供了一个实用框架,以逐步引入AI启用的自动化,从早期实验到日益自主的网络运营。"
Q&A
Q1:智能体AI在电信网络运营中有什么作用?
A:智能体AI有潜力从根本上改变电信网络的运营方式。它可以支持网络故障排除、容量规划和预测性运营等任务,实现更高效和有弹性的网络管理,并逐步推动网络向完全自主的运营模式发展。
Q2:电信运营商采用智能体AI需要哪些基础条件?
A:运营商需要建立正确的基础,包括引入云原生成熟度,建立明确的路径来整合自治能力而不牺牲可靠性或控制。同时还需要进行组织转型,包括新的技能集、负责任的AI治理和重新设计的运营工作流。
Q3:NGMN提出的AI采用框架包含哪些内容?
A:NGMN定义了五个渐进的AI采用级别,并将它们映射到云原生计算基金会的云原生成熟度模型阶段。框架提供了技术、人员、技能和组织文化方面的指导,支持从早期AI实验向标准化AI驱动工作流和完全自主网络运营的结构化转型。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。