自主网络——即能够智能、自我管理的电信运营体系——正从一个未来愿景转变为电信运营商当前的首要任务。根据英伟达最新的《电信行业人工智能现状报告》，网络自动化已成为投资回报率最高的AI应用场景。然而，自动化不等于自主化。真正的自主网络必须超越执行预设工作流，能够理解运营商意图，权衡利弊，并自主决定采取何种行动。
开源电信大模型：为网络注入推理能力
为实现这一目标，AI模型必须理解电信领域的专业语言，并对复杂工作流进行推理。为此，英伟达与AdaptKey AI合作，发布了全新的开源、拥有300亿参数的NVIDIA Nemotron大型电信模型。该模型基于Nemotron 3基础模型系列，并利用包括行业标准和合成日志在内的开放电信数据集进行了微调，专门优化用于理解电信术语，并执行故障隔离、补救规划和变更验证等工作流的推理。
作为开源模型，Nemotron LTM为电信运营商提供了模型训练和数据使用的完全透明度，支持在其网络内部进行安全、快速的本地部署，并允许运营商利用自身的网络和运营数据安全地适配和扩展模型，在迈向自主运营的同时不牺牲对数据和安全性的控制。
构建“网络工程师思维”的AI智能体
英伟达与Tech Mahindra共同发布了一份开源指南，指导电信运营商如何微调领域特定的推理模型，并构建能够安全执行网络运营中心工作流的AI智能体。该指南的核心框架是教会模型像NOC工程师一样思考：聚焦高影响、高频次的事件类别，将专家解决方案转化为分步程序，再将这些程序转化为结构化的“推理轨迹”。这些轨迹记录了每个动作、工具调用、结果和决策，成为模型学习的“思考范例”，使其不仅知道“做什么”，更理解“为何”特定的检查和修复序列是安全有效的。
蓝图引领：从能效优化到网络配置
自主网络依赖于“理解-行动-验证”的闭环操作。英伟达发布的新蓝图将这一理念付诸实践：
- 意图驱动的RAN能效蓝图：该蓝图集成了VIAVI的TeraVM AI RAN场景生成器平台，生成合成网络数据。一个能源规划智能体基于这些数据进行推理，生成节能策略，并在模拟环境中进行安全验证，帮助运营商在不影响现网配置和用户体验的前提下，系统性地降低5G无线接入网络的能耗。
- 电信网络配置蓝图：该蓝图正在被全球运营商采用。例如，Cassava Technologies利用它构建“Cassava自主网络”平台，通过三个协同工作的智能体（监控与建议、变更执行与治理、影响评估与回滚）来优化非洲多样化的多厂商移动网络环境。NTT DATA则利用该蓝图实现流量调控的智能化，帮助网络在中断后用户重新连接时管理流量激增。
多智能体协同：网络配置的进化
为帮助电信运营商设计、观察和优化跨RAN的复杂智能体工作流，英伟达与BubbleRAN合作，利用NVIDIA NeMo Agent Toolkit和BubbleRAN Agentic Toolkit对网络配置蓝图进行了增强，实现了多智能体编排。BubbleRAN已将其集成到Opti-Sphere平台中，以更灵活地管理网络监控、配置和验证智能体。Telenor集团将成为首家采用该增强版蓝图的电信公司，为其海事通信业务Telenor Maritime增强5G网络。
这一系列发布标志着电信行业向自主网络迈出了坚实的一步。通过开源模型、详细指南和经过验证的行业蓝图，英伟达及其生态伙伴正在为运营商提供构建下一代智能、自适应网络所需的核心工具与框架。