2025年政府工作報告指出，要激發(fā)數(shù)字經(jīng)濟創(chuàng)新活力，持續(xù)推進“人工智能+”行動，將數(shù)字技術(shù)與制造優(yōu)勢、市場優(yōu)勢更好結(jié)合起來，支持大模型廣泛應(yīng)用。人工智能已成為驅(qū)動新質(zhì)生產(chǎn)力的重要引擎，為經(jīng)濟的高質(zhì)量發(fā)展注入新的動力。交通銀行積極踐行大行責(zé)任，落實國家戰(zhàn)略部署，應(yīng)用人工智能技術(shù)，持續(xù)加大AI大模型在金融業(yè)務(wù)的創(chuàng)新應(yīng)用，助力金融高質(zhì)量發(fā)展。

隨著銀行數(shù)智化轉(zhuǎn)型的加速，網(wǎng)絡(luò)面臨規(guī)?？焖僭鲩L、業(yè)務(wù)靈活擴展、安全穩(wěn)定可靠等多重挑戰(zhàn)。如何借助大模型技術(shù)突破海量數(shù)據(jù)分析、專家經(jīng)驗沉淀、智能決策閉環(huán)等共性運維瓶頸，成為業(yè)界關(guān)注的熱點問題。站在轉(zhuǎn)型的十字路口，交通銀行利用業(yè)界優(yōu)秀大模型底座，全力革新網(wǎng)絡(luò)運維體系，定義了全新的“網(wǎng)絡(luò)運維大模型”架構(gòu)，并攜手華為積極探索全場景、全流程、全協(xié)同的智能運維實踐。

基石之上

網(wǎng)絡(luò)運維借助AI勇于破局

在人工智能&大模型技術(shù)成熟之前，交通銀行數(shù)據(jù)中心融合多平臺能力，構(gòu)建了基于規(guī)則引擎的網(wǎng)絡(luò)可視化系統(tǒng)，實現(xiàn)了基于預(yù)制策略的網(wǎng)絡(luò)設(shè)備評估、應(yīng)用健康度自檢、故障事件輔助定位等功能。但受技術(shù)限制，值班、變更等場景的分析工作仍然高度依賴運維專家經(jīng)驗判斷，運維處置場景泛化水平亟待提升。

自ChatGPT引發(fā)全球大模型技術(shù)浪潮以來，交通銀行便啟動了大模型在運維領(lǐng)域的分析和探索，持續(xù)跟蹤技術(shù)演進趨勢，深度挖掘大模型在網(wǎng)絡(luò)運維領(lǐng)域的應(yīng)用價值。2024年10月，交通銀行聯(lián)合華為等頭部廠商，成立網(wǎng)絡(luò)運維大模型專項攻關(guān)組，以生產(chǎn)實際應(yīng)用為導(dǎo)向，快速完成網(wǎng)絡(luò)運維大模型架構(gòu)設(shè)計，并建立大模型底座能力評估體系。2024年12月數(shù)據(jù)中心已對DeepSeek系列模型實施全維度性能驗證與場景適配測試，并在2025年2月完成R1滿血版模型私有化部署，有效提升了網(wǎng)絡(luò)運維大模型底座支撐能力。

當(dāng)前，交通銀行基于DeepSeek等大模型，結(jié)合小模型協(xié)同與多工具聯(lián)動，聯(lián)合華為打造了針對值班處置、生產(chǎn)變更等場景的網(wǎng)絡(luò)智能化運維新范式，實現(xiàn)關(guān)鍵場景運維流程閉環(huán)，有效提升網(wǎng)絡(luò)運維效率，保障網(wǎng)絡(luò)基礎(chǔ)設(shè)施穩(wěn)定運行，護航全行業(yè)務(wù)創(chuàng)新發(fā)展。

場景一： 值班處置-全天候自動化診斷與決策

值班處置是保障網(wǎng)絡(luò)穩(wěn)定運行的關(guān)鍵防線，但往往面臨著工具協(xié)同不足、健康評估滯后、處置效率參差的痛點。交通銀行網(wǎng)絡(luò)運維大模型創(chuàng)新性構(gòu)建了一套完整的值班處置流程，以華為網(wǎng)絡(luò)智能體NetMaster和業(yè)界優(yōu)秀大模型為底座，融合小模型、工作流及特色提示詞工程能力，使大模型發(fā)揮最佳效果。

在流程設(shè)計環(huán)節(jié)，通過學(xué)習(xí)行內(nèi)告警預(yù)案流程，自動生成告警處置工作流，支持自然語言靈活更新，降低了開發(fā)和維護成本。在告警處置過程中，值班智能體實時接收來自全行網(wǎng)絡(luò)監(jiān)測系統(tǒng)的告警信息，并對其進行根因分析和等級排序，由告警智能體匹配處置工作流。同時，基于大小模型協(xié)同，準確調(diào)用行內(nèi)工具API，自動執(zhí)行告警排查步驟，形成了值班告警分析到處置的全流程自動化閉環(huán)，有效提升告警分析和處置效率，減輕了值班人員的工作壓力。

場景二： 應(yīng)急搶修-多維度快速響應(yīng)與協(xié)同處置

網(wǎng)絡(luò)應(yīng)急搶修是對突發(fā)事件的緊急排查和處理，也是日常運維工作中壓力最大的場景。為了實現(xiàn)故障定位及修復(fù)的“快”和“準”，交通銀行聯(lián)合華為開發(fā)了多維度輔助定位工具，如日志采集和分析工具、變更可視化工具、撥測工具、一鍵自檢工具等，但搶修效率仍高度依賴運維人員對關(guān)聯(lián)信息的綜合分析情況。

交通銀行構(gòu)建了“應(yīng)急搶修智能體”，自動進行多維故障數(shù)據(jù)關(guān)聯(lián)分析。在輸入應(yīng)用名稱或網(wǎng)絡(luò)區(qū)域名稱后，應(yīng)急搶修智能體并行提取告警平臺實時告警數(shù)據(jù)、變更平臺應(yīng)用或區(qū)域變更數(shù)據(jù)、一鍵自檢系統(tǒng)網(wǎng)絡(luò)健康數(shù)據(jù)等，并將獲取到的告警、變更、自檢結(jié)果等信息進行關(guān)聯(lián)分析，推理出故障根因。

同時，協(xié)同大小模型，創(chuàng)新引入最長公共子序列匹配小模型，進行相關(guān)數(shù)據(jù)降噪、冗余剔除，減少大模型輸入token長度，提升推理性能。應(yīng)急搶修智能體構(gòu)建了兩層大模型故障分析框架：第一層實現(xiàn)多維數(shù)據(jù)并行采集、治理及單領(lǐng)域異常信息關(guān)聯(lián)分析，實現(xiàn)單領(lǐng)域故障根因判斷;第二層根據(jù)故障場景自動生成推理思維鏈，再次進行所有單領(lǐng)域評估結(jié)果的綜合分析和關(guān)聯(lián)分析，輔助值班人員快速推導(dǎo)出最終根因。

場景三： 生產(chǎn)變更-風(fēng)險預(yù)判與變更智控引擎

生產(chǎn)變更是業(yè)務(wù)升級迭代的必經(jīng)之路，也是引發(fā)故障和錯誤的高危環(huán)節(jié)。通過技術(shù)手段實現(xiàn)變更配置自動生成、配置正確性審核、變更影響仿真等來降低變更風(fēng)險迫在眉睫。

交通銀行通過大模型能力整合網(wǎng)絡(luò)運維領(lǐng)域知識庫，含技術(shù)方案、配置最佳實踐、歷史配置等核心語料，提供智能化配置生成與優(yōu)化服務(wù)。同時，創(chuàng)新性構(gòu)建了語法合規(guī)性、配置沖突檢測、業(yè)務(wù)邏輯驗證等多層校驗機制，保證配置校驗維度的完整性。從而既幫助運維人員從繁瑣的配置檢查中解放出來，又提高了腳本編排效率及配置正確率，降低變更風(fēng)險。

此外，通過引入華為iMaster NCE網(wǎng)絡(luò)數(shù)字地圖的數(shù)字孿生技術(shù)，實現(xiàn)生產(chǎn)網(wǎng)絡(luò)信息實時同步，構(gòu)建了涵蓋地理位置、物理拓撲、邏輯拓撲、應(yīng)用拓撲的四維網(wǎng)絡(luò)模型?；谠撃Ｐ停瑢崿F(xiàn)配置變更基于現(xiàn)網(wǎng)信息的仿真預(yù)演，如通過模擬路由表和轉(zhuǎn)發(fā)表，檢查變更前后應(yīng)用訪問路徑，提前發(fā)現(xiàn)并規(guī)避IP地址沖突、黑洞路由、路由環(huán)路等潛在問題，全方位多維度評估變更影響，確保變更操作安全可靠。

拾級而上

大模型智能運維未來潛力無限

面對數(shù)據(jù)量激增、技術(shù)快速演進和運維環(huán)境復(fù)雜化的三重挑戰(zhàn)，大模型智能運維仍需持續(xù)創(chuàng)新與迭代，交通銀行將攜手華為，通過推進多模型協(xié)同能力、結(jié)合大模型分析總結(jié)能力與小模型敏捷性優(yōu)勢、擴充多維源數(shù)據(jù)和優(yōu)化長序列處理能力等技術(shù)路徑，深化大模型應(yīng)用能力，推動從 “被動運維” 到 “主動預(yù)判”，從 “局部優(yōu)化” 到 “全局統(tǒng)籌” 轉(zhuǎn)型，保障網(wǎng)絡(luò)穩(wěn)定和業(yè)務(wù)連續(xù)性。

智啟未來，大模型必將在網(wǎng)絡(luò)運維領(lǐng)域釋放巨大潛能，為交通銀行數(shù)智化轉(zhuǎn)型保駕護航，書寫金融高質(zhì)量發(fā)展的新篇章。