熬立：网络智能体打造L4运维新模式_

【通信产业网讯】（记者胡媛）随着DeepSeek大模型低成本高性能，引发“破竹”效应，国内头部企业推出全球领先人形机器人，推动具身智能突破。当前，AI广泛渗透和应用于各垂直领域，在金融、电信渗透率超过60%，互联网高达89%。

中国信息通信研究院总工程师、SNAI推委会主席熬立在“2025云网智联大会”上表示，随着模型能力的增强，行业关注点正逐浙从单纯追求更大规模和更快训练速度，转向如何更高效、更经济地部署这些模型以执行实际任务，以及如何让模型具备更强的自主解决问题的能力。AI Agent的规模商用标志着技术范式从工具赋能跃迁至自主智能体协作网络，催生人机共生的新型生产形态。

网络和AI双向融合赋能

自智网络是网络与AI融合技术，提供通信、感知、计算、智能、大数据、安全等一体融合的新一代信息服务。熬立认为，自智网络作为AI与网络的深度融合，不仅是AI技术赋能网络焕新的最佳实践(Al for Network)，也是网络助力AI发展的必然选择(Network for AI)。

在Network for AI领域，一方面，智算应用爆发持续推动网络服务升级，网络成为支撑AI普惠的神经元。使算间互联实现大宽带立体组网、高品质传输、差异化和弹性敏捷；另一方面，网络成为提升AI集群整体性能、强化推理效果的关键。工信部要求，2025年，算力规模超过300EFLOPS，智算占比35%。数据显示，未来三年，推理智算增速将达到训练算力的近4倍，到2028年推理将超过训练的智算规模。

在Al for Network领域，一方面，AI赋智推动网络基础设施全面升级，以智赋网、以智强网，打造品智联接。AI原生网络(Al-Native Network)是网络架构的范式变革，其核心理念是让AI技术深度融入网络的每个环节，实现网络的自感知、自决策、自优化和自演进，从连接管道”到“智能体”的跃迁；另一方面，网络Agent融入规、建、维、优，改变运维流程，实现效率提升。为了更好的赋能新业务发展、应对“营收放缓、OPEX持续增长”带来的挑战，全球运营商持续加大在AI/GenAI上的投入，旨在打造运营运维Agent，重塑“规建维优营”生产流程。

在熬立看来，自智网络进入L4新阶段，应聚焦价值场景打造智能体，实现无人化、少人化。网络智能体面向场景自治，应模型算法协同，打造L4运维新模式。

三大挑战

熬立指出，网络智能体规模发展面临技术实现、应用评估，以及生态培育多方面挑战。

第一，技术实现层面。网络多模态数据处理复杂，需融合日志(文本)、流量(时序数据)、拓扑(图数据)，及用户行为等多模态数据，智能体感知能力要求较高。多智能体交互机制不明确，跨层跨域多智能体场景下智能体间协同需求、协作机制复杂。实时性与安全性矛盾，故障处理等场景需要高实时响应，但智能体依赖的AI推理决策缺乏可视化解释，敏感操作对网络安全带来一定风险。

第二，应用评估层面。场景挖掘及覆盖不足，现有场景集中在故隐诊断、业务发放等，未覆盖网络全生命周期场景。跨场景迁移性差，基本均为单场景定制，泛化能力较差。综合评估体系缺乏，缺乏覆盖智能体功能、性能、安全、可靠性等多维度的综合评估方法，难以量化评估智能体应用效能。

第三，生态培育层面。概念内涵尚未形成共识，业界智能体定义不一（Copilot/Agent），智能体形态内涵及能力要求有待明确统一。商用部署有待推进，当前仍以试验为主，需加快试点及规模化部署应用。跨厂商互操作障碍，跨厂商场景下智能体协作存在互通问题，需开发统一接口或上层协同智能体。

熬立建议，亟需加快网络智能体技术研发及应用验证工作，推进实现L4+高阶自智网络。一方面，推进技术研究及标准化牵引关键技术成熟。即引导产业共识，明确网络智能体概念内涵、功能架构、部署模式、相关接口要求、多智能体协同机制等；另一方面，加快应用试点评估验证推动规模部署进程。即激发产业活力，选取典型应用场景，加速现网应用试点验证，综合评估网络智能体功能、性能、安全性等，促进产业生态成熟。