NVIDIA представила инструменты для автономных сетей: синтетические данные и GPU-симуляции

NVIDIA и партнеры на конференции TM Forum DTW Ignite 2026 в Копенгагене представили инструменты для перехода телеком-операторов от простой автоматизации задач к созданию полностью автономных сетей. Ключевым барьером, который преодолевает новая платформа, является нехватка безопасных данных: 54% операторов называют проблемы с данными главным препятствием для внедрения ИИ. Решение строится на генерации синтетических данных, защищенных средах выполнения агентов и ускоренном моделировании на GPU, что позволяет ИИ-агентам самостоятельно выявлять и устранять сбои, соблюдая строгие политики безопасности.

Синтетические данные как основа обучения

Обучение моделей, способных понимать специфику телеком-отрасли, требует огромных массивов информации. Однако реальные данные о сети и клиентах часто слишком чувствительны для прямого использования. Синтетические данные позволяют создавать копии реальных наборов данных, сохраняя их структуру и распределение, но без риска утечки конфиденциальной информации.

SoftBank Corp. уже внедряет технологии NVIDIA NeMo Safe Synthesizer и NVIDIA NeMo Anonymizer. Компания генерирует безопасные синтетические датасеты, отражающие структуру реальных показателей сети и конфигураций. Эти данные используются для дообучения крупных телеком-моделей и создания специализированных агентов для управления сетью.

Важный нюанс: Переход на синтетические данные снимает барьер доступа к информации для внутренних команд и внешних разработчиков, позволяя масштабировать обучение ИИ без риска нарушения приватности клиентов.

Безопасное развертывание автономных агентов

Автоматизация отдельных шагов уступает место автономным агентам, способным выполнять сложные задачи от начала до конца. Для работы в условиях строгих соглашений об уровне обслуживания (SLA) и регуляторных ограничений требуются защищенные среды выполнения.

NVIDIA предлагает NemoClaw (шаблоны для агентов) и NVIDIA OpenShell (защищенная среда выполнения). Эти инструменты задают правила поведения агентов, ограничивая их доступ к системам и обеспечивая возможность аудита.

Примеры внедрения от партнеров:

• AdaptKey: Тестирует агентов для самоисцеляющихся сетей 5G. Агенты обнаруживают проблемы с безопасностью и связностью, формируют запросы на исправление и передают их в платформу KeySmith для исполнения. Система охватывает ядро сети, радиодоступ (RAN) и биллинг.
• Amdocs: Разрабатывает агентов для проактивной поддержки клиентов. Система отслеживает баланс роуминга, предлагает клиентам варианты тарифов и выполняет действия в рамках утвержденных бизнес-политик. Также создаются агенты для анализа счетов и оценки готовности к миграции на новые биллинговые платформы.
• NTT DATA: Использует открытые модели NVIDIA Nemotron с NemoClaw для создания агентов, отслеживающих долгосрочные тренды деградации сети. При обнаружении аномалий они передают данные для глубокого анализа и предлагают конкретные меры по устранению.
• ServiceNow: Внедряет проект Arc для автономных центров управления сетями. Агенты собирают контекст из разрозненных систем (почта, логи, диагностика) и управляют полным циклом инцидента — от алерта до создания заявки. Все действия контролируются NVIDIA OpenShell и ServiceNow AI Control Tower.
• Tata Consultancy Services (TCS): Строит архитектуру «ИИ-сенсоров». Агенты на базе Nemotron и NVIDIA NV-Tesseract сканируют сеть на наличие проблем и при необходимости запускают углубленную диагностику, ускоряя путь от обнаружения аномалии до решения.

Стоит учесть: Внедрение агентов требует не просто установки софта, а пересмотра процессов управления изменениями, так как агенты получают право на выполнение действий в реальных системах, а не только на выдачу рекомендаций.

Ускоренное моделирование для проверки решений

Перед тем как ИИ-агент внесет изменения в живую сеть, его решения необходимо проверить. Ускорение симуляций на GPU позволяет создавать безопасные среды, близкие к реальности, для валидации рекомендаций агентов.

• Forsk: Интегрировал модель распространения радиосигналов в платформу Naos RAN. Использование GPU NVIDIA RTX PRO 6000 Blackwell Server Edition позволило увеличить скорость трассировки лучей в 200 раз по сравнению с CPU. Это создает цифровой двойник RAN для оптимизации сети в реальном времени, включая автоматическую настройку наклона антенн.
• VIAVI Solutions: Перенес симуляции сценариев RAN на GPU NVIDIA RTX PRO 6000 Blackwell Server Edition, что дало прирост пропускной способности симуляций на порядок. Операторы могут запускать высокодетальные сценарии в масштабе реального развертывания. Также выпущен «Blueprint» для валидации изменений в IP-сетях и сетях передачи данных.
• KDDI и KDDI Research: Совместно с NVIDIA, Keysight и Samsung Research America создают цифровой двойник RAN для эпохи 6G. На базе NVIDIA Aerial Omniverse Digital Twin и инструментов эмуляции Keysight в дата-центрах KDDI будут работать множественные автономные агенты. Они смогут безопасно тестировать сценарии «что если» — от оптимизации покрытия до новых функций интерфейса радиосвязи.

На фоне этого: Возможность проводить тысячи симуляций за время, которое раньше занимала одна, превращает цифровых двойников из инструмента планирования в активный механизм управления рисками перед каждым изменением в сети.

Операционные последствия и скрытые нюансы

На основе представленных данных можно выделить следующие практические аспекты для операторов связи:

• Зависимость от инфраструктуры: Реализация заявленных возможностей требует наличия мощных GPU-кластеров (например, серии Blackwell). Операторы без собственной ИИ-инфраструктуры столкнутся с необходимостью крупных капитальных затрат или перехода на облачные решения партнеров.
• Сложность интеграции: Внедрение агентов, таких как Arc от ServiceNow или решения TCS, требует глубокой интеграции с разрозненными системами (биллинг, RAN, CRM). Успех зависит от качества существующих API и стандартизации данных внутри оператора.
• Валидация политик: Безопасность агентов обеспечивается не только техническими средствами (OpenShell), но и четкостью прописанных бизнес-правил. Ошибки в настройке политик могут привести к некорректным действиям агентов в живом контуре.
• Эволюция роков: Переход от автоматизации к автономии меняет роль инженеров. Их задача смещается с ручного устранения инцидентов на управление политиками, контроль работы агентов и анализ долгосрочных трендов, выявленных ИИ.

Эти изменения указывают на то, что рынок телекоммуникаций движется к модели, где ИИ не просторует человека, а берет на себя рутинное управление сетью, оставляя людям контроль над стратегическими решениями и политиками безопасности.