实时互动网
·
Omdia：2026年通信云与网络自动化的趋势观察
内容提要
通信云架构对云原生迁移至关重要，运营商需平衡本地AI能力与公有云基础设施。部署应简化，支持虚拟机与云原生功能共存，利用自动化技术提升效率。建议增强平台以支持AI/ML工作负载，确保开放性和模块化。
关键要点
-
通信云架构对云原生迁移至关重要，复杂性是关键挑战。
-
运营商需平衡本地AI能力与公有云基础设施，以提供差异化服务。
-
基于规则的系统在网络运维中仍然优于代理式AI技术。
-
运营商应分阶段实施AI驱动的自优化能力，逐步实现跨域自动化。
-
通信云的实施需简化部署，支持虚拟机与云原生功能共存。
-
自动化技术可提高云迁移效率，减少错误。
-
高质量、实时的数据管道和治理策略是成功的关键。
-
增强通信云平台以支持AI/ML工作负载，需在本地环境中部署部分能力。
-
云原生平台应优先考虑灵活性和抽象性，简化管理复杂性。
-
设计AI平台时需确保开放性、模块化，并符合行业标准。
延伸解读
云原生迁移的复杂性
通信云架构的复杂性是运营商在云原生迁移过程中面临的主要挑战。为了克服这一障碍，运营商需要制定详细的实施计划，确保在部署过程中能够有效管理资源和技术，避免因复杂性导致的效率低下和错误。
AI能力的平衡
在构建本地AI能力与利用公有云基础设施之间，运营商必须找到一个平衡点。过度依赖公有云可能导致数据安全和隐私问题，而完全依赖本地能力则可能限制灵活性和扩展性。因此，合理的资源分配和技术选择至关重要。
基于规则的系统优势
尽管AI技术日益普及，但在网络运维中，基于规则的系统仍然具有明显优势。这类系统在处理稳定、明确定义的任务时，能够提供更高的可靠性和可预测性，运营商在选择自动化方案时应充分考虑这一点。
延伸问答
通信云架构对云原生迁移的重要性是什么？
通信云架构对云原生迁移至关重要，能够实现更快速高效的迁移，尽管部署的复杂性是一个关键挑战。
运营商如何平衡本地AI能力与公有云基础设施？
运营商需要在构建本地AI能力和利用公有云基础设施之间取得平衡，以提供差异化服务体验和实现敏捷运营。
基于规则的系统在网络运维中有哪些优势？
基于规则的系统在网络运维中提供简洁性、可靠性和可预测性，适用于稳定、明确定义的任务。
如何实现AI驱动的自优化能力？
运营商应采取分阶段实施路径，逐步扩展AI驱动的自优化能力，提升实时意图转译水平。
自动化技术如何提高云迁移效率？
自动化技术可以优化评估、规划、配置、迁移及迁移后等各个阶段的工作流程，从而显著提高云迁移效率，减少错误。
设计AI平台时需要考虑哪些关键因素？
设计AI平台时需确保开放性、模块化，并符合行业标准API和协议，以简化管理复杂性。
