要點

●   簡化通信云架構對于實現更快速高效的云原生遷移至關重要。通信運營商對演進至現代化云原生架構表現出極大興趣；然而部署云原生解決方案的復雜性已成為關鍵挑戰。  

●   通信運營商將通過人工智能(AI)能力增強本地云平臺，以提供差異化服務體驗并實現敏捷運營。隨著AI應用的日益普及和數據審查的加強，通信運營商需要在構建本地AI能力和利用公有云基礎設施之間取得平衡。 

●   代理式 AI 技術并非通信網絡自動化的萬能解決方案。對于配置和監控等網絡運維工作，基于規則的系統仍是更優選擇。這類系統為穩定、明確定義的任務提供簡潔性、可靠性和可預測性，在這些場景中，動態決策的風險往往超過潛在收益。 

●   為實現L4級網絡自智，運營商應采取分階段實施路徑。到2027年，運營商將在各獨立域內擴展AI驅動的自優化能力，同時提升實時意圖轉譯水平。2028至2030年間，跨域閉環自動化將開始實現無線接入網、傳輸網與核心網的協同自智。 

給通信運營商的建議 

通信云的實施需要周密規劃，以簡化其部署和運營。應部署并遷移至面向未來的平臺，該平臺需支持虛擬機與云原生網絡功能共存，采用統一管理層，并提供高級應用功能與能力（如無服務器計算、流水線、服務網格等）。 

利用自動化技術完成虛擬機和容器遷移，可顯著提高效率、減少錯誤并加快云遷移進程。自動化工具能夠優化評估、規劃、配置、遷移及遷移后等各個階段的工作流程。 

在部署代理式 AI前，通信運營商應當投入建設高質量、實時、標準化的數據管道和健全的數據治理策略。若缺乏可信、統一的數據，智能體系統將基于錯誤輸入產生不可靠的結果。 

給供應商的建議 

增強現有通信云平臺解決方案以支持AI/ML工作負載。公有云提供了成熟的生態來部署AI和生成式AI解決方案，但通信運營商需要將部分能力部署在本地環境中。 

云原生平臺必須優先考慮靈活性和抽象性。供應商應通過提供標準化API和資源定義，簡化云原生架構的部署和管理復雜性。諸如Crossplane等工具可借助Kubernetes原生接口，實現跨異構環境的統一基礎設施編排。 

設計代理式 AI平臺、智能體及智能體編排層時，應確保其開放性、模塊化特性，并符合行業標準API和協議（如TM Forum、MCP、A2A）。 

延伸閱讀

以上為中文編譯節選內容，如有任何疑義或需閱讀完整英文內容，敬請參考Omdia英文報告《2026 Trends to Watch: Telco cloud and network automation》。 Omdia訂閱客戶可在Knowledge Center中閱讀更多來自Inderpreet Kaur和James Crawshaw的觀點與報告，或是通過Ask an Analyst服務就您關心的課題向分析師進行咨詢。