NGMN 联盟发布了关于云原生电信运营进化的研报，提出将先进人工智能（AI）技术融入云原生网络操作的模式。报告基于 NGMN 云原生宣言和 CNCF 评估框架（CNMM），为移动网络运营商提供采用生成式 AI（GenAI）驱动的运营模式、实现可衡量的业务成果和提升运营成熟的实用指导。
报告定义了五个“AI 采用级别”，并利用 CNMM 的“成熟级别”作为引入 AI 到网络操作的基线。报告涵盖准备状态评估、分阶段采用、工具和框架、最佳实践、运营用例和组织转型等内容，强调行业合作、负责任的 AI 治理、技能发展和持续优化，以支持可扩展、弹性和自主的网络。
核心观点：
- 云原生成熟度评估：CNMM 框架帮助运营商评估其云原生采用程度，定义了五个成熟级别（从遗留到优化），涵盖人员、流程、技术和业务成果四个维度。
- AI 采用级别：报告定义了五个 AI 采用级别，每个级别对应 CNMM 的一个成熟级别，分别为：
- 级别 1 - 基础（意识，安全试点）：以基于规则驱动的机器人流程自动化（RPA）为起点，建立治理政策，进行沙盒试点。
- 级别 2 - 工作流（动态 AI 辅助）：扩展平台，加入 AI 服务、向量/RAG、GPU 调度、LLM 可观测性等；安全工具支持模型工件签名、策略即代码和机密计算。
- 级别 3 - 集成（生产 LLMOps，SLO 支持的服务）：标准化 LLMOps，将 GenAI 集成到运营工作流中，并使用 SLO 支持。
- 级别 4 - 闭环（自主-1，安全门控自动化）：引入安全闭环中的自主性，扩展多租户，高效推理/训练；持续评估，漂移检测，安全团队介入。
- 级别 5 - 优化（规模内负责任的自主性）：企业范围内，经过审计的、可持续的 GenAI，采用联邦治理和持续优化。
- 云原生成熟度要求：有效集成 Agentic AI 需要先评估云原生成熟度，不同级别 AI 采用需要不同的云原生基线。
- 工具和框架：实现 GenAI 驱动的运营模式需要以下工具和框架：
- 基础设施和平台：Kubernetes、OpenShift、K3s、网络功能生命周期管理、服务网格、MLOps/AIOps 平台。
- AI 模型和开发平台：LLM 平台、多模态框架、AI 代理框架、强化学习。
- 数据和可观测性工具：数据架构、数据管道、监控和遥测、向量知识数据库。
- 组织转型：AI 将改变组织内每个人的角色，需要重新定义角色和职责，并培养 AI 文化和技能。
- 成功因素：
- 明确定义的运营框架和人类-AI 角色清晰。
- 强固的数据和基础设施准备。
- 升级云原生平台以支持 GenAI。
- 衡量 AI 驱动的网络成果。
- 强大的 AI 治理和信任机制。
- 跨行业和标准协作。
研究结论：
Agentic AI 代表了网络运营的下一个章节，需要建立明确的路线图，通过整合先进的 AI 技术来进一步转型云原生电信运营。这不仅是技术转变，也是跨越整个组织的文化转变。成功采用 AI 需要定义清晰的操作框架和人类-AI 角色清晰，强大的数据基础设施，升级云原生平台，建立 AI 治理和信任机制，以及跨行业协作。
