移动通信网 林知远
网络运维正在从人工密集型模式走向智能体自治。江苏移动云网支撑中心谢晖在通信世界网系列视频中深度解读了该公司的AI-OTN方案，展示了这一创新架构如何贯穿规划、建设、运维、网络优化全流程，实现OTN光传送网络的端到端智能化管理。作为国内省级运营商中光网络规模最大的省份之一，江苏移动运营着覆盖全省13个地市的全光骨干网，承载着5G回传、政企专线、数据中心互联等核心业务流量。传统OTN网络运维长期面临告警海量、故障定位难、资源配置效率低等痛点，单次跨段故障的人工定位往往需要数小时，波道资源调度依赖人工核查板卡与纤芯信息，成为网络规模持续扩张下的突出瓶颈。AI-OTN方案的核心思路，是将大模型与网络专业知识深度融合，构建面向光网络的智能体体系，把过去分散在各专业岗位的经验转化为可自动化执行的能力。
【关键数据】
[1] 智能体故障定位时间从小时级压缩至分钟级
[2] 江苏移动全光网络覆盖全省13个地市
[3] TM Forum网络自治分级为L0至L5共六级
[4] 头部运营商普遍将L4级高度自治作为近期目标
[5] AI-OTN整体运维效率提升幅度达数倍量级
在技术原理层面，AI-OTN方案通过引入网络大模型与智能体框架，对OTN网络的海量运行数据进行建模分析。方案将网络拓扑、波道占用、光功率、误码率等关键参数纳入统一数据底座，智能体基于实时采集的性能数据与告警信息，自动完成故障关联分析、根因定位与修复建议生成。以光层故障为例，传统运维模式下工程师需要在数十条告警中人工梳理逻辑关系，而AI智能体可以通过告警风暴抑制、拓扑关联和光功率轨迹分析，将定位时间从小时级压缩到分钟级。在规划设计环节，智能体能够基于业务需求预测自动生成波道规划方案，对光放段衰耗、OSNR余量等光层指标进行仿真校验，避免人工规划中常见的资源碎片化问题。建设环节则通过自动化配置能力，将单站开通时间显著缩短，减少人工上站次数。
从竞争格局看，国内运营商在AI+光网络领域的探索已成竞速态势。中国移动集团层面已将AI-OTN纳入智慧光网络演进路线，江苏移动作为省级落地先行者，其方案在故障处理效率、资源利用率等指标上处于第一梯队。对比传统运维模式，AI-OTN方案将重复性运维工作大量交由智能体处理，人工介入聚焦于异常研判与方案审核，整体运维效率提升幅度可达数倍量级。在国际市场，AT&T、沃达丰等运营商也在推进基于AI的网络自治，TM Forum定义的L0至L5网络自治等级已成为行业共同参照，头部运营商普遍将L4级高度自治作为近期目标。江苏移动的实践表明，大模型技术与OTN专业知识的结合，是实现网络自治等级跃升的有效路径，也为设备厂商与运营商的协同创新提供了样本。
AI-OTN方案的落地涉及完整的产业链协同。上游看，方案依赖光传输设备厂商提供开放的网络北向接口与高质量数据采集能力，华为、中兴、烽火等国内厂商均已支持OTN网络的数字化管控，为智能体提供数据基础。中游的AI能力层，需要将通用的运营商知识图谱、故障案例库与大模型结合训练，江苏移动在本地积累了多年的故障工单与割接记录，成为模型微调的关键语料。下游应用侧，智能体输出直接对接运维流程系统，实现从发现、定位到派单、闭环的全链路贯通。成本结构方面，AI-OTN改造主要投入集中在数据治理、模型训练与系统集成三块，相较于新建网络动辄数十亿元的投资，存量网络智能化升级的边际成本较低，而节省的人力与提速的收益可在较短时间内覆盖投入，这也是省级运营商积极推进的直接动因。
在商业化与应用落地层面，AI-OTN方案已在江苏移动现网多个场景验证。故障处理场景中，智能体辅助的根因定位能力在骨干光缆中断、光放异常等典型故障中表现出稳定性能，故障平均处理时长明显下降。网络优化场景中，系统通过持续监测波道利用率与光层性能，自动识别可优化的低效路由，释放了宝贵的波道资源用于5G与政企业务承载。政企专线开通场景中，从客户需求到资源核查、路径计算的流程被大幅压缩，专线交付周期缩短带来的体验提升直接转化为商业竞争力。谢晖在解读中强调，AI-OTN的价值不在于替代人工，而在于重构人机协作边界——智能体承担高频、规则明确的工作，工程师转向复杂问题的决策与预案制定，这一分工模式已经在江苏移动的运维团队中逐步固化。
行业趋势层面，AI-OTN代表的智能体自治方向正在重塑光网络运维体系。国内运营商在算力网络战略下，对超大带宽、低时延光底座的需求持续增长，东数西算工程带动的跨区域DCI流量，使光网络规模与复杂度同步上升，传统人海战术已难以为继。中国移动、中国电信、中国联通均在推进自智网络演进，光层作为最难自动化的领域之一，其智能化突破具有全局意义。江苏移动的下一步计划是将AI-OTN能力从骨干网向城域网、接入网延伸，覆盖更广泛的网络层级，并探索智能体之间的多级协同，实现跨专业、跨厂商的统一调度。设备厂商也在同步升级，将智能体接口预置到新一代OTN设备中。当规划、建设、运维、优化四大环节全部纳入智能体体系，光网络的运营模式将从被动响应转向主动预防，运维效率的量级提升将由个案验证走向规模化复制。
