智原生（AI-Native）技术详解：AI重塑ICT系统的“规、建、维、优”

通信世界网消息（CWW）

引言：ICT 系统的 “智变” 热潮

随着数字化的持续快速发展，传统 ICT 系统设施规模与复杂度激增，其业务需保证 7×24 小时连续服务、高效交付变更及快速故障恢复，在行业技术知识更新快且跨域协作频繁下，单领域专家难以应对，ICT 系统大运维（规、建、维、优）面临诸多挑战。

AI 技术从早期的逻辑推理到专家系统，再到当下的机器学习，智能化能力持续演进，尤其随近几年大模型技术的快速发展，推动智能体基于大模型技术构建 “感知‑决策‑行动‑学习” 的自闭环能力。当下在很多领域通过大模型结合检索增强生成等技术，已经出现很多实用应用落地。可以说 AI 的逻辑推理与自主决策能力已达到实用水平，能在复杂场景中自主规划、执行任务并动态优化，通过 AI 技术让 ICT 系统大运维实现全面智能、自愈成为可能。

新华三将通过 AI 技术强化全系列产品智原生（AI‑Native）能力，为 ICT 系统 “规、建、维、优” 实现全面智能、自愈提供技术支撑。

智原生 (AI‑Native) 架构基础解析

在 ICT 系统所在数据中心、数字园区、广域网场景中，通过 AI 技术结合新华三云、网、安、算、存、端及配套运维软件，将 ICT 行业知识记忆后，建立一个可以对 ICT 系统进行场景规划、工具调用（如：ICT 系统采集工具、ICT 系统拓扑工具、ICT 系统控制工具等），并在面对具体规、建、维、优细分场景时可以智能的采取对应的行动，即实现了 ICT 系统的智原生，我们称之为灵犀运维智能体。当前 ICT 智能体实现典型业务场景如：ICT 知识问答、故障诊断、智能问询、智能巡检、故障预测、告警降噪 / 根因分析、安全载荷分析等。

ICT智能体技术将持续向设备端、云端同时演进。在 设备端通过AI算法及端侧小模型逐步实现AI可管、可 控，向“设备即智能体”方向演进。在云端，通过大模 型、多模型结合实现网络智能体、安全智能体、云智能体 等ICT领域智能体，各领域智能体可再次整合实现ICT智 能体，进而将能力外溢支撑各行业。并由提供平台能力向 提供独立智能体能力方向演进，智能体间可进行多智能体 协同。

在设备端，基于传统机器学习算法 (如: Holt‑Winters、Greedy 等)、深度学习算法 (如: XGBoost、LSTM 等)、强化学习算法 (如：DQN 深度强化学习算法) 结合设备端 ICT 业务数据与设备深度融合，实现设备即智能体的智原生演进，典型应用场景如：硬盘故障预测、内存故障预测、智能能耗管理、智能风扇调节、AI 射频调优、AI ECN、IPCC、光模块预测、关键 KPI 指标预测等。让 AI 真正赋能到 ICT 各个业务场景中，网元设备具备感知、分析和自主决策等智能能力，实现真正的设备及网元智能体。

图1 大模型及相关技术演进

在云端，基于大模型不仅可以提供各类 ICT 系统知识问答能力，同时结合 RAG、ICT 各类工具能力实现的智能体，可以针对 ICT 系统任务进行理解、规划，通过调用对应的工具能力获取设备静态及实时数据，并结合大模型强大的推理、思考能力进行实时分析，生成相关任务结论输出。典型应用场景如：智能排障、告警聚合 / 根因分析、智能巡检、智能配置变更、运维工具智能辅助、载荷分析、钓鱼软件分析识别等。AI 技术在深入融入云端 ICT 各业务场景中，统筹管理某个专业领域的设备和资源，实现各个场景化的单体业务领域智能体。并由提供平台能力向提供独立智能体能力方向演进，智能体间可进行多智能体协同。

基于网元智能体和领域智能体，横向打通数据链、纵向贯通控制链，实现多个领域智能体相互协作，共同实现更复杂的跨域业务目标如网络、存储、计算智能体协作提供端到端场景能力。首先，设备智能体通过 NetConf、SNMP、GRPC 等协议实现网元侧控制流、数据流与 ICT 系统工具打通。其次，ICT 系统工具通过 MCP 协议与云端 AI 中台打通。最后对于多领域间智能体通过 A2A 协议进行打通，从而建立多智能体协同的完整 ICT 智能体系。

ICT 智能体整体逻辑上需要四个层次，与用户直接进行交互的统一 Portal 交互入口层，通过该入口可以访问到业务系统内、系统间所需的各类业务。支撑用户交互层的是业务系统层，该层主要提供两类能力，第一是云、网、安、算、存、端各类管理工具软件。

图 2 新华三灵犀运维智能体

第二是支持规、建、维、优各阶段智能体业务。为实现业务层能力需要有强大的平台能力，该层首先是要具备系统间共享的数据中台，其涵盖各类 ICT 系统数据，如：各领域的告警、日志数据，知识数据、运维经验数据等。其次是支持多种模型、多种硬件架构的推理服务层，为智能体提供推理大脑。此外还要具备一个智能体技术支撑中台，用于智能体实现过程中的必备能力支撑，包括思维链编排能力、RAG 向量知识管理 \ 解析 \ 排序等相关能力、MCP/A2A 等相关标准协议支撑能力。最后是实现各智能体、工具软件所需的统一基础地盘能力，包含统一认证能力、统一权限管理、统一资源、容器化等。有了强大的平台支撑即可实现智能体能力，但要做到落地 ICT 系统运行，还需要具备多种部署能力，包括针对中小、分散建设的用户提供云部署模式，针对大型系统、数据要求高的用户提供完整私域部署模式，针对部分安全要求适中，需要云上资源的用户提供混合部署模式。

图3  ICT 智能体演进策略

基于如上智能体架构建立的端侧智能、云端智能，并实现云端多智能体协同的端到端能力，重塑 ICT 系统的规、建、维、优，实现智原生。

图 4 灵犀运维智能体架构

智原生重建 ICT “规、建、维、优” 应用场景

在一个 ICT 系统建设前，规划十分重要，系统规划一旦出现问题会对后期造成极其严重的影响，轻则影响系统的业务承载能力、稳定性，重则可能导致系统重新建设，造成严重的经济损失。因此，当前在一个 ICT 系统建设前会投入大量的人力、物力对系统进行充分的设计、验证、评估。通过为系统注入 AI 能力，ICT 智能体利用多年积累的 ICT 知识、专家经验，进行需求的快速理解、推理分析，输出系统设计初稿，再由专业人员给进行核实、校准即可，可以节省大量的系统设计时间。系统设计完成后，对于系统的验证仍需要投入大量的人力验证方案、合规检测等。通过 ICT 智能体中记忆的专家经验可快速输出验证方案，借助合规性文件通过 RAG 外部知识挂载，结合模型推理能力可以快速完成合规性检查。规划期，AI 还可以针对各个细节场景环境进行赋能，提升规划期效率。

系统建设期间往往现场工程师会根据具体的现场设备情况，实时确认相对适合的软件版本、对云、网、安等设备进行初始配置（脚本实现、手动），此过程不仅费时费力，还容易出错。借助大语言模型实现的 ICT 智能体，可以通过外接各供应商产品版本发布手册，结合模型推理、分析能力，实现精准版本推荐。对于常用的 Python、Shell、Bat 等脚本，当前模型已经具备准确的代码生成能力，可以很好的满足 ICT 领域使用。通过模型微调、结合 RAG 知识，可以实现快速的配置生成能力。借助 AI 能力，对建设期可以加快建设系统速度，简化工程师学习技能门槛。

ICT 系统建设后，运行维护是持久战，期间既要保证系统的稳定运行时间，又要在故障发生时降低故障恢复时间。日常运维工作复杂，不仅面对各厂商提供的专业运维工具学习成本高，而且还存在大量的重复性工作，如：日常巡检、报告输出等。通过 AI 技术，在端侧的预测能力，可以在故障发生前对网、安、算、存等硬件进行寿命、故障预测，提前发现问题做好备案，增强系统的稳定运行。对云业务资源使用情况进行预测，自动扩、缩容，在业务用户无感下，既保证业务稳定运行，又可节省不必要的开销成本。通过 ICT 智能体学习到的供应商多年沉淀运维经验，对于复杂、无明显告警的故障发生后，当前完全靠工程师经验，经验越丰富的老专家，排查效率高一些，但仍需要花费数小时时间。借助智能体强大的专家经验进行分析、规划需要排查的关键业务点，准确、快速的找到故障发生根因，并结合其强大专家经验生成处置建议，较传统排查方式效率从数小时提升至分钟级，大大降低故障恢复时间，减少经济损失。日常运维过程，面对大量重复性工作，如巡检，报告输出等，通过 AI 技术，智能体可以个性化、准确规划不同客户的巡检任务，并调用各类相关巡检工具对系统进行巡检，生成相关报告，及时提早发现各类问题，极大的减少了工程师重复劳作。

系统运行期，随着业务系统持续增加，基础设施修修补补，导致 ICT 系统更复杂、庞大。针对一个数年的 ICT 系统，其存在大量的优化空间，如：网络流量调优、系统能耗调优、网络控制调优等。通过端侧小模型，结合云侧大模型可进行持续的系统优化，如：在数字园区场景下，无线的 AP 射频调优，可提高无线用户使用体验。在智算蓬勃发展的今天，越来越多的网络采用 RoCE 网络，通过 AI 技术实现 AI ECN、IPCC 等智能调优，不仅可更好的提高网络利用率，同时也大大提高昂贵的 GPU 资源使用率。借助 AI 能力，面对各类复杂环境持续、智能调优成为可能。

当下，百行百业中，越来越多的企业通过 AI‑Native 对 ICT 系统进行智能化升级，提高其系统的智能、自愈能力。

行业实践案例深度解析

在电信行业，ICT 系统的稳定、可靠运行要求非常高，其核心系统对 SLA 要求 99.999%。运营、维护该系统面临众多挑战。今年多家电信运营商都加大了 AI 赋能 ICT 规、建、维、优的实践探索，如在某运营商已经和新华三深度合作，落地故障诊断、安全 / 网络告警聚合分析、智能巡检、LinSeer ICT 统一知识问答、安全运营智能报告生成、服务器智能预测等多个业务场景。部分场景准确性达到 90% 以上，对日常运维工程师提供辅助能力，极大提高了日常运维效率。

近年新能源汽车领域的企业间竞争日趋严重，各企业都在积极推进工厂办公环境和生产车间的数字化升级。在与国内多家大型车企的合作中，新华三通过 ICT 智能体赋能新建工厂园区网，极大提升了园区无线网络连接质量和用网体验，实现高效办公。

交通行业，尤其高速公路，日常联网收费系统复杂、压力大，安全要求极高。新华三通过 ICT 智能体提升了某省级高速公路信息系统安全防护能力，将一个覆盖范围达 7 万公里，包含 5 万多台设备的复杂系统，从 “人防 + 技防” 升级为 “智能驱动” 的主动防御，显著提升系统安全性。

挑战与未来展望

智原生（AI Native）架构重塑ICT系统的规、建、 维、优，任重道远。其ICT智能体形态在落地过程中，仍 面临着数据不统一、数据杂乱、模型对ICT垂直细分场景 理解不充分、模型推理性能较低、成本较高、部分场景出 现幻觉等不准确现象。这些问题都需要我们逐个进行细 化，拆解问题，训练、培养模型，逐渐循序渐进的增强 ICT智能体能力，根据业界AI技术的演进，相信未来一定 可以打造更加智能、高效、低成本的ICT智能体，为ICT 系统规、建、维、优各个环节提供智能保障，让系统逐渐 实现自治、自愈。