电信运营商全面转向开源模型构建AI战略，NVIDIA报告显示89%厂商视其为关键支柱

一句话结论

电信运营商正基于开源模型重构AI战略，89%受访企业将其列为核心，以实现对关键业务负载的信任、控制与定制。

关键要点

• NVIDIA《电信行业AI现状》报告显示，89%的受访电信运营商明确表示开源模型和软件对其公司AI战略具有重要性。
• SoftBank Corp.（软银公司）利用NVIDIA Nemotron模型等开源基础，结合自有网络知识，持续开发并推进其“SoftBank大型电信模型”在网管与设计场景的应用。
• NVIDIA发布拥有300亿参数的Nemotron 3大型电信模型（LTM），由AdaptKey在开源电信数据集上微调，显著提升电信术语理解与工作流推理精度。
• AT&T首席数据与AI官Andy Markus指出，未来AI竞争在于智能匹配负载与性能、成本、控制的组合，开源模型是实现该策略在生产环境中落地、确保规模与治理的基础。
• Indosat Ooredoo Hutchison通过其开源模型家族“Sahabat-AI”，将开源基础转化为适配印尼本地语言、文化与数据治理要求的AI能力，赋能本地开发者创造。

背景与事实

随着AI在电信核心业务中的渗透，模型的可信度、可控性与定制化能力取代单纯的成本考量，成为运营商选型的核心驱动力。NVIDIA最新发布的《电信行业AI现状》报告量化了这一行业共识：高达89%的受访者将开源模型与软件定位为公司AI战略的重要组成部分。对于电信运营商而言，开源模型的战略价值体现在五个维度：它允许运营商在最关键的负载——从自治网络到客户关怀——中建立信任、实施控制并进行深度定制，而非被动依赖黑盒闭源服务。

以SoftBank Corp.为例，该运营商展示了如何将开源模型作为底座，结合其多年积累的网络知识与运维专长，开发面向电信特定场景的AI能力。SoftBank首席研究员、SB Telecom America高级副总裁Rajeev Koodli表示：“开源模型使SoftBank Corp.能够基于全球基础模型的快速进展，叠加我们多年积累的网络知识与运维专长。我们正在广泛使用NVIDIA Nemotron模型等开源基础，开发SoftBank大型电信模型，持续为网络运维、设计及整体管理等电信特定用例进行优化。”

在工程实现层面，NVIDIA联合合作伙伴将开源模型转化为电信AI的实用构建模块。NVIDIA正式发布了参数规模达300亿的Nemotron 3大型电信模型（LTM）。该模型由合作伙伴AdaptKey基于开源电信数据集进行微调，在电信特定任务上实现了显著的精度提升。这一开源基线使运营商能够直接获得理解电信行业术语、有效推理网络配置与客诉分级等运维工作流的能力。为支持运营商用自身运营数据进一步定制Nemotron 3 LTM及其他开源模型，NVIDIA同步发布了完整的微调配方，详细指导端到端微调流水线，利用NVIDIA NeMo开放库将开源模型适配至特定运营商的网络、客户与业务流程。

然而，模型本身仅是基石，将自治电信运维安全地投入生产还需要更完整的平台支撑。AT&T首席数据与AI官Andy Markus指出：“在AT&T，我们认为AI的未来不是选择单一模型，而是将每个负载智能匹配至性能、成本与控制的正确组合。开源模型对该方法至关重要，借助NVIDIA，我们能在具备业务所需的规模、可靠性与治理能力的情况下，将该模型选择策略投入生产。”运营商需要能够匿名化敏感记录、生成隐私保护合成数据集的数据管道，以及将开源模型转化为受治理的自治智能体工作流的平台。NVIDIA提供由NVIDIA AI Enterprise软件与NVIDIA Agent Toolkit驱动的全栈平台，覆盖数据管道、开源模型、智能体编排、安全运行时与仿真环节，联合合作伙伴生态共同打通从模型优势到生产就绪AI工作流的路径。

在国家级AI战略框架下，开源模型赋予运营商构建本地化AI服务的基础。Indosat Ooredoo Hutchison作为印尼最大电信运营商之一，其首席数据与AI官Chirag Sukhadia表示：“对于印尼这样的国家，开源模型的价值超越了对强大AI的访问，而是将智能适配于本国的语言、文化、数据与现实需求。Sahabat-AI通过以开源模型为底座，构建了理解印尼并能面向本地应用开发的AI能力，使印尼人不仅能采用AI，更能围绕AI构建能力，按自身条件创造。”

影响分析

对于中文开发者与从业者而言，这一趋势意味着电信行业AI工程的重心正从“模型调用”转向“模型治理与定制”。运营商不再被动接受单一闭源API，而是需要构建包含数据管道、隐私保护合成数据生成、模型微调与智能体编排在内的完整工具链。这将直接推动对熟悉NVIDIA NeMo、Agent Toolkit等开源组件，以及具备电信领域数据标注与微调经验的工程人才的需求。

更重要的是，开源基线降低了垂直行业大模型的开发门槛。SoftBank、Indosat等案例表明，企业无需从零预训练，即可基于Nemotron等开源权重叠加领域知识，快速产出适配本地语言与合规要求的模型。对于国内电信及政企服务商，这意味着可以借鉴“开源底座+领域微调+平台治理”的路径，在保障数据主权与合规的前提下，加速自治网络、智能客服等核心场景的AI落地，而非受制于闭源模型的封闭生态与定制限制。

适用边界

上述结论主要适用于具备一定算力基础设施、数据工程能力与合规治理体系的电信运营商及大型企业。对于缺乏数据管道、无法承担微调与运维复杂度的小型企业或纯应用层开发者，直接采用“开源底座+深度定制”策略可能因工程门槛过高而不具可行性，仍更适合依赖现成的闭源API或轻量化模型。此外，涉及核心网络安全的自治工作流需通过NVIDIA安全运行时与仿真验证，未满足该治理与仿真条件的场景不宜直接投产。

孤本观察

从NVIDIA同步发布模型、微调配方与全栈平台的动作来看，行业竞争的焦点已悄然从“谁拥有最强基础模型”转移至“谁能将开源模型最安全、最合规地转化为电信自治工作流的生产力”，这标志着电信AI正进入工程化治理阶段。

来源：NVIDIA Blog