藉助全新開源大型電信模型與 NVIDIA Blueprint，電信運營商能夠利用自有數據訓練AI智能體，構建自主網絡。

自主網絡，即具備智能、可自我管理能力的電信運營系統，正從未來願景轉變為當前電信運營商的優先戰略。在 NVIDIA 最新發布的《電信行業 AI 發展現狀及趨勢》調研報告中，網絡自動化已成為投資回報率最高、最受重視的 AI 應用場景。

需要強調的是，自動化與自主化並不是一個概念。自主網絡不僅能夠執行預定義的工作流，更需理解運營商意圖、權衡各種因素，並自主決策應採取何種行動。而實現這一轉變的關鍵，在於基於電信數據微調的推理模型和 AI 智能體。

要實現真正的網絡自主，必須構建一個端到端的智能體系統，其中包含的關鍵組件包括電信網絡模型、可相互通信的 AI 智能體，以及用於驗證操作效果的網絡仿真工具。

在巴塞羅那世界移動通信大會 (MWC 2026) 前夕，NVIDIA 發布了一款開放的基於NVIDIA Nemotron的大型電信模型 (LTM)、一份構建網絡運營推理智能體的綜合指南，以及用於節能與網絡配置的全新NVIDIA Blueprint，該藍圖可通過多智能體編排幫助運營商邁向自主運營。

此外，作為 GSMA 新推出的OpenTelco AI 倡議的一部分，NVIDIA 將通過移動通信行業的權威組織 GSMA，以開源形式發布這款全新的 LTM 模型、實施指南及代理式 AI 藍圖，供全行業使用。

開放 Nemotron 3 大型電信模型為電信領域引入推理能力

要成功在電信運營中規模化部署生成式 AI 與代理式 AI，AI 模型必須能夠理解電信領域的專業語言，並對複雜工作流進行邏輯推理。為此，NVIDIA 與AdaptKey AI合作，推出了一款全新開源的、300 億參數的 NVIDIA Nemotron LTM，全球運營商均可藉此構建自主網絡。

該模型基於NVIDIA Nemotron 3 系列基礎模型構建，並由 AdaptKey AI 利用包括行業標準文檔和合成日誌在內的開放電信數據集進行微調，專門優化以理解電信術語，並能對故障隔離、修復方案規劃、變更驗證等工作流進行推理。

作為一款開放模型，Nemotron LTM 使電信運營商能夠完整透明地了解模型的訓練方法與所用數據，從而在本地網絡環境中安全、快速地部署，並直接基於此構建和運行 AI 智能體。同時，運營商還可安全地結合自身網絡與運營數據，針對模型的電信推理能力進行安全地調整和擴展，在不犧牲數據控制權或安全性的情況下，穩步邁向自主運營。

教會 AI 智能體像網絡工程師一樣思考

NVIDIA 與 Tech Mahindra 聯合發布了一份開源指南，指導電信運營商如何微調特定領域專用的推理模型，並構建能夠安全執行網絡運營中心(NOC) 工作流的智能體。

該指南提出了一套教學框架，旨在讓模型「像 NOC工程師一樣思考」：聚焦高影響、高頻發生的故障類別；將專家的解決方案轉化為逐步操作流程；再將這些流程轉化為結構化的「推理軌跡」，清晰記錄每一步操作、工具調用、結果與決策依據。這些軌跡成為模型學習的「思維範例」，使模型不僅知道「該做什麼」，更理解「為何這一系列檢查與修復步驟是安全且有效的」。

藉助NVIDIA NeMo-Skills工作流，運營商可基於這些推理軌跡對模型進行微調，從而奠定構建電信專用 AI 智能體的基礎——這些智能體將具備類似網絡工程師的問題解決與推理能力。

通過全新的意圖驅動能源效率藍圖使能效最大化

自主網絡依賴閉環運行：通過理解網絡狀態的模型，基於意圖採取行動的智能體，以及將仿真結果反饋回系統以驗證並優化決策的機制實現運作。NVIDIA 新推出的用於意圖驅動 RAN 能源效率的 NVIDIA Blueprint將這些要素整合在一起，幫助運營商在保障服務質量的前提下，系統性降低5GRAN 的能耗。

該藍圖集成了網絡測試與測量領域的領導者VIAVI的TeraVM AI RAN 場景生成器 (AIRSG) 平台，用於生成合成網絡數據，包括小區利用率、用戶吞吐量及其他流量模式，並將其轉換為簡潔、可查詢的格式。

隨後，一個能源規劃智能體會基於這些合成數據推理，生成節能策略，並在 AI RSG 中進行模擬驗證。這使得運營商可在閉環環境中安全地驗證節能策略是否符合其意圖，而無需更改現網配置或影響用戶服務。

全球運營商已開始部署用於網絡配置的 NVIDIA Blueprint

用於電信網絡配置的 NVIDIA Blueprint正被全球多家運營商採用。

Cassava Technologies正利用該藍圖構建Cassava 自主網絡平台，專為優化非洲多樣化的多廠商移動網絡環境而設計。該平台部署了三個智能體：一個用於監控網絡並推薦配置變更，一個負責應用變更並自動生成文檔與治理記錄，一個評估變更影響，若出現意外後果則安全回滾。

NTT DATA則藉助該藍圖，為日本某一級運營商部署智能流量調控系統。當網絡因中斷後用戶大規模重連引發流量激增時，該系統可幫助網絡平穩應對。

具體而言，一個 AI 智能體會實時分析全網需求，並決定在哪些小區、何時、以何種方式接納新用戶。隨着網絡狀況趨於穩定，智能體動態調整決策，將過去依賴人工配置的流程轉變為數據驅動的優化循環，從而打造更具韌性的移動網絡。

通過多智能體編排，演進網絡配置能力

為幫助電信運營商在 RAN 中設計、觀測並優化複雜的代理式工作流，NVIDIA 正在與BubbleRAN合作，利用NVIDIA NeMo Agent 工具套件(NAT) 與BubbleRAN 代理式工具套件(BAT) 這兩套互補的多智能體編排框架，增強用於電信網絡配置的 NVIDIA Blueprint。

BubbleRAN 正將 NAT 與 BAT 集成至其Opti-Sphere平台，以更靈活地跨容器與工作負載管理網絡監控、配置與驗證智能體，並將其連接至報告網絡指標與流量狀態的工具，從而持續提出並驗證配置變更建議。

Telenor Group將成為首家採用該藍圖與 BubbleRAN 合作的電信運營商，用於提升其旗下Telenor Maritime (集團全球海上連接服務提供商) 的 5G 網絡性能。

NVIDIA GTC 將於 2026 年 3 月 16 - 19 日在美國加州聖何塞及線上同步舉行，歡迎與我們一同探索下一代 AI 的無限可能。

會議內容和體驗將涵蓋代理式 AI、AI 工廠、面向科學的 AI、CUDA、高性能推理、開放模型、物理 AI、量子計算等諸多領域。