NVIDIA 推出代理式 AI 蓝图与电信推理模型，推动自主网络发展（下）
接上篇：NVIDIA 推出代理式 AI 蓝图与电信推理模型，推动自主网络发展（上）
教会 AI 智能体像网络工程师一样思考
NVIDIA 与 Tech Mahindra 联合发布了一份开源指南，指导电信运营商如何微调特定领域专用的推理模型，并构建能够安全执行网络运营中心（NOC）工作流的智能体。
该指南提出了一套教学框架，旨在让模型“像 NOC 工程师一样思考”：聚焦高影响、高频发生的故障类别；将专家的解决方案转化为逐步操作流程；再将这些流程转化为结构化的“推理轨迹”，清晰记录每一步操作、工具调用、结果与决策依据。这些轨迹成为模型学习的“思维范例”，使模型不仅知道“该做什么”，更理解“为何这一系列检查与修复步骤是安全且有效的”。
借助 NVIDIA NeMo-Skills 工作流，运营商可基于这些推理轨迹对模型进行微调，从而奠定构建电信专用 AI 智能体的基础——这些智能体将具备类似网络工程师的问题解决与推理能力。
通过全新的意图驱动能源效率蓝图使能效最大化
自主网络依赖闭环运行：通过理解网络状态的模型，基于意图采取行动的智能体，以及将仿真结果反馈回系统以验证并优化决策的机制实现运作。NVIDIA 新推出的用于意图驱动 RAN 能源效率的 NVIDIA Blueprint 将这些要素整合在一起，帮助运营商在保障服务质量的前提下，系统性降低 5G RAN 的能耗。
该蓝图集成了网络测试与测量领域的领导者 VIAVI 的 TeraVM AI RAN 场景生成器 (AI RSG) 平台，用于生成合成网络数据，包括小区利用率、用户吞吐量及其他流量模式，并将其转换为简洁、可查询的格式。
随后，一个能源规划智能体会基于这些合成数据推理，生成节能策略，并在 AI RSG 中进行模拟验证。这使得运营商可在闭环环境中安全地验证节能策略是否符合其意图，而无需更改现网配置或影响用户服务。
全球运营商已开始部署用于网络配置的 NVIDIA Blueprint
用于电信网络配置的 NVIDIA Blueprint 正被全球多家运营商采用。
Cassava Technologies 正利用该蓝图构建 Cassava 自主网络平台，专为优化非洲多样化的多厂商移动网络环境而设计。该平台部署了三个智能体：一个用于监控网络并推荐配置变更，一个负责应用变更并自动生成文档与治理记录，一个评估变更影响，若出现意外后果则安全回滚。
NTT DATA 则借助该蓝图，为日本某一级运营商部署智能流量调控系统。当网络因中断后用户大规模重连引发流量激增时，该系统可帮助网络平稳应对。
具体而言，一个 AI 智能体会实时分析全网需求，并决定在哪些小区、何时、以何种方式接纳新用户。随着网络状况趋于稳定，智能体动态调整决策，将过去依赖人工配置的流程转变为数据驱动的优化循环，从而打造更具韧性的移动网络。
通过多智能体编排，演进网络配置能力
为帮助电信运营商在 RAN 中设计、观测并优化复杂的代理式工作流，NVIDIA 正在与 BubbleRAN 合作，利用 NVIDIA NeMo 智能体工具包（NAT）与 BubbleRAN 代理式工具包（BAT）这两套互补的多智能体编排框架，增强用于电信网络配置的 NVIDIA Blueprint。
BubbleRAN 正将 NAT 与 BAT 集成至其 Opti-Sphere 平台，以更灵活地跨容器与工作负载管理网络监控、配置与验证智能体，并将其连接至报告网络指标与流量状态的工具，从而持续提出并验证配置变更建议。
Telenor Group 将成为首家采用该蓝图与 BubbleRAN 合作的电信运营商，用于提升其旗下 Telenor Maritime（集团全球海上连接服务提供商）的 5G 网络性能。
