NVIDIA випустила модель AI агентів та модель телекомунікаційних висновків, просуваючи розвиток автономних мереж

自主на мережа, тобто телекомунікаційна система з інтелектом і здатністю до самоуправління, поступово перетворюється з майбутнього бачення у пріоритетну стратегію сучасних телекомунікаційних операторів. У найновішому звіті NVIDIA «Стан і тенденції розвитку штучного інтелекту в телекомунікаційній галузі» автоматизація мереж стала найприбутковішим і найціннішим застосуванням AI.

Варто підкреслити, що автоматизація і автономність — це не одне й те саме. Автономна мережа не лише виконує заздалегідь визначені робочі процеси, а й розуміє наміри оператора, зважує різні фактори та самостійно приймає рішення щодо дій. Ключовим для цього є модель висновків, налаштована на основі телекомунікаційних даних, та AI-агенти.

Щоб досягти справжньої автономії мережі, потрібно створити цілісну систему інтелектуальних агентів, яка включає модель телекомунікаційної мережі, взаємодіючі AI-агенти та інструменти для валідації роботи мережі.

Напередодні Всесвітнього мобільного конгресу (MWC 2026) у Барселоні NVIDIA представила відкриту масштабну телекомунікаційну модель на базі NVIDIA Nemotron (LTM), комплексний посібник з побудови інтелектуальних агентів для мережевих операцій та новий BluePrint для енергозбереження і налаштування мережі, який за допомогою мультиагентної оркестрації допоможе операторам перейти до автономної роботи.

Крім того, у рамках ініціативи GSMA Open Telco AI NVIDIA опублікує цю нову модель LTM, посібник з реалізації та агентський AI BluePrint у відкритому доступі для всієї галузі.

Відкритий Nemotron 3 масштабний телекомунікаційний модель для впровадження висновкових можливостей у галузі

Для успішного масштабування генеративного AI та агентських AI у телекомунікаціях потрібно, щоб моделі розуміли спеціалізовану мову галузі та могли логічно обґрунтовувати складні робочі процеси. Тому NVIDIA у співпраці з AdaptKey AI випустила нову відкриту (300109) модель NVIDIA Nemotron LTM з 30 мільярдами параметрів, яку можуть використовувати оператори по всьому світу для створення автономних мереж.

Ця модель побудована на базі серії NVIDIA Nemotron 3 і доопрацьована AdaptKey AI з використанням відкритих телекомунікаційних датасетів, включаючи стандартні документи та синтезовані журнали, для кращого розуміння телекомунікаційної термінології та логіки у таких робочих процесах, як ізоляція несправностей, планування рішень щодо відновлення, перевірка змін тощо.

Як відкритий модель, Nemotron LTM дозволяє операторам повністю контролювати методи тренування та використані дані, швидко і безпечно розгортати її у локальних мережах і безпосередньо створювати та запускати AI-агенти. Також оператори можуть безпечно поєднувати власні мережеві та операційні дані для безпечної адаптації та розширення телекомунікаційних висновкових можливостей моделі, не втрачаючи контроль над даними та безпекою.

Навчання AI-агентів мислити як інженери мереж

NVIDIA у співпраці з Tech Mahindra випустила відкритий посібник, який навчає операторів налаштовувати спеціалізовані моделі висновків і створювати інтелектуальні агенти, здатні безпечно виконувати робочі процеси Центру мережевих операцій (NOC).

Цей посібник пропонує навчальну рамку, яка дозволяє моделі «мислити як інженер NOC»: фокус на високовпливових і часто виникаючих видах несправностей; перетворення рішень експертів у покрокові операційні процеси; та перетворення цих процесів у структуровані «шляхи висновків», що чітко фіксують кожен крок, виклики інструментів, результати та обґрунтування рішень. Ці шляхи стають «зразками мислення» для навчання моделі, що дозволяє їй не лише знати, що робити, а й розуміти, чому ці перевірки і ремонти є безпечними та ефективними.

За допомогою робочого процесу NVIDIA NeMo-Skills оператори можуть налаштовувати ці шляхи для моделі, закладаючи основу для створення спеціалізованих AI-агентів, які матимуть схожі з інженерами мережі навички вирішення проблем і логіки.

Завдяки новому BluePrint для енергозбереження, орієнтованому на наміри, максимізується енергоефективність

Автономна мережа функціонує у замкненому циклі: модель, що розуміє стан мережі; AI-агент, що діє відповідно до намірів; та механізм зворотного зв’язку для перевірки і оптимізації рішень. Новий BluePrint NVIDIA для енергозбереження RAN, орієнтований на наміри, інтегрує ці елементи, допомагаючи операторам зменшити споживання енергії 5G RAN без шкоди для якості обслуговування.

Цей BluePrint включає платформу TeraVM AI RAN від лідера у сфері тестування та вимірювань VIAVI, яка генерує синтезовані дані мережі — зокрема, завантаженість клітин, пропускну здатність користувачів і інші потоки трафіку — у зручному для аналізу форматі.

Далі, інтелектуальний агент з енергозбереження робить висновки на основі цих даних, формує стратегії економії та перевіряє їх у симуляції в AI RSG. Це дозволяє операторам безпечно тестувати стратегії у замкненому середовищі, не змінюючи реальні налаштування мережі і не порушуючи сервіс.

Глобальні оператори вже впроваджують BluePrint для налаштування мережі

BluePrint NVIDIA для налаштування телекомунікаційних мереж уже застосовують у багатьох країнах.

Cassava Technologies використовує цей BluePrint для створення платформи автономної мережі Cassava, спеціально розробленої для оптимізації багатофакторних мобільних мереж у Африці. У платформі працюють три агенті: один для моніторингу мережі і рекомендацій щодо змін, другий — для застосування змін і автоматичного створення документації та управлінських записів, третій — для оцінки впливу змін і безпечного відкату у разі непередбачених наслідків.

NTT DATA, у свою чергу, за допомогою цього BluePrint розгортає систему інтелектуального регулювання трафіку для одного з великих японських операторів. Коли через збої відбувається масове повторне підключення користувачів і зростає трафік, ця система допомагає стабілізувати мережу.

Зокрема, AI-агент аналізує потреби мережі у реальному часі і визначає, у яких клітинах і коли потрібно приймати нових користувачів, а також яким чином. Зі стабілізацією мережі агент динамічно коригує рішення, перетворюючи ручне налаштування у дані, що оптимізуються у циклі, створюючи більш стійку мобільну мережу.

Мультиагентна оркестрація для еволюції налаштувань мережі

Щоб допомогти операторам проектувати, спостерігати і оптимізувати складні агентські робочі процеси у RAN, NVIDIA співпрацює з BubbleRAN, використовуючи інструменти NVIDIA NeMo для агентів (NAT) і BubbleRAN (BAT) — два доповнювальні фреймворки мультиагентної оркестрації для підсилення BluePrint.

BubbleRAN інтегрує NAT і BAT у свою платформу Opti-Sphere для більш гнучкого управління контейнерами і навантаженнями, моніторингу, налаштування і перевірки агентів, а також підключає їх до інструментів для звітування про мережеві показники і трафік, що дозволяє постійно пропонувати і перевіряти рекомендації щодо змін у налаштуваннях.

Telenor Group стане першим оператором, що застосує цей BluePrint у співпраці з BubbleRAN для підвищення продуктивності своєї глобальної морської мережі Telenor Maritime.