2025年3月28日，上海移動聯合華為發布了基于DeepSeek的核心網MoM(Mixture of Model)運維智能體試點方案，開創性地將快思考、慢思考大模型混合架構融入運維領域，實現了網絡事件的智能化分級處理，簡單問題快響應，復雜推理慢思考。傳統通信大模型在處理如分類和總結等簡單問題時優勢明顯，但在處理如時序數據異常識別和故障診斷等邏輯推理類任務時比較乏力。此次雙方在DeepSeek推理大模型方面的合作探索，旨在有效解決快思考的直覺陷阱，實現復雜問題的深度處理，為核心網運維轉型注入新的動力，標志著核心網運維智能體正式進入了新階段。

　　DeepSeek大模型自推出以來，憑借其高性能推理、低成本部署和廣泛適用性迅速成為行業焦點，在數學、代碼等強推理領域表現突出，其慢思考模型可以很好的解決強推理的問題，但核心網運維場景復雜多變，需求不盡相同，運維人員面臨既要處理快，又要分析準，還要強推理的多重壓力。采用單一模型對于響應實時能力和強推理能力無法兼顧，不能覆蓋所有的核心網運維場景。

　　上海移動和華為基于對核心網運維領域的深刻理解，以及在大模型/智能體技術方面豐富的技術和實踐積累，圍繞核心網運維的關鍵痛點和場景，積極探索DeepSeek在核心網運維專業的應用，首創了真正適用于核心網運維領域的MoM(Mixture of Model)智能體架構，充分整合了傳統通信大模型快思考和DeepSeek推理類大模型的慢思考優勢。

　　簡單問題快響應：針對告警處理，投訴分析，配置生成等高頻場景所需的分類、提參和總結類任務，基于通信專業模型實現快思考，秒級輸出結果，并保證90%以上的準確率。

　　復雜推理慢思考：針對網絡變更，網絡優化，日常運維分析等場景所需的規劃、推理類任務，基于DeepSeek推理模型實現強邏輯思考規劃，輔助運維人員實現復雜任務處理。

　　一次思考，長期收益：新場景第一次通過慢思考形成思維鏈(CoT：Chain of Thought)，后續類似問題可以基于CoT實現快輸出，實現系統整體效率最優。

　　相對于傳統的單模型智能體架構，MoM可以突破場景限制，實現核心網6大運維場景(告警處理、投訴處理、應急搶通、網絡變更、業務開通、日常運維)全場景AI+覆蓋。上海移動和華為首階段創新圍繞基于自然語言推理的告警壓縮、基于強推理的時序數據異常識別和基于思維鏈CoT的故障診斷三大價值場景展開，應用后預計平均推理時延降低50%，資源消耗降低30%。

　　基于自然語言推理的告警壓縮：日常運維中常常會出現因網絡異常導致的海量網元告警，數量短時間內可能達到萬級，運維人員需要快速判斷根因告警的收斂、壓縮、根因溯源，壓力巨大。通過引入DeepSeek的強推理能力，實現網絡拓撲自動理解，千級告警分鐘級溯源，緩解運維人員在處理海量告警問題時的壓力。

　　基于強推理的時序數據異常識別：核心網的KPI數據屬于典型的時序數據，很多故障現象和業務變化等都隱藏在時序數據中，傳統處理方式需要人工借助專用的工具進行時序數據的分析，從中找到異常根因或者規律。DeepSeek的引入實現了對時序數據的自動、例行分析，借助強大的代碼生成能力，同步實現異常數據圖表的可視化。

　　基于思維鏈CoT的故障診斷：面向KPI劣化等復雜故障場景，傳統方式主要依賴運維專家基于經驗和故障線索進行推演，存在耗時長、技能要求高等問題。DeepSeek引入后，通過KPI劣化場景定界CoT激發DeepSeek在核心網運維領域定界的強推理能力，實現異常線索的快速推理，在初期給運維人員提供診斷建議，后期經過長期的CoT積累和運營后實現KPI劣化場景自動診斷。

　　上海移動與華為此次在核心網MoM(Mixture of Model)智能體架構上的技術突破破解了運維領域的效率-精度悖論，標志著核心網運維智能體進入了新的階段。面向未來，中國移動與華為將持續加大在大模型和智能體等新技術方面的探索投入，最大程度激發AI在核心網運維方面潛力，推動核心網加速邁向自智網絡(AN)L4。