兴旺国际投资交通银行携手华为打造金融网络运维大模型，重构网络运维新范式

2025年政府工作报告指出，要激发数字经济创新活力，持续推进“人工智能+”行动兴旺国际投资，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用。人工智能已成为驱动新质生产力的重要引擎，为经济的高质量发展注入新的动力。交通银行积极践行大行责任，落实国家战略部署，应用人工智能技术，持续加大AI大模型在金融业务的创新应用，助力金融高质量发展。

随着银行数智化转型的加速，网络面临规模快速增长、业务灵活扩展、安全稳定可靠等多重挑战。如何借助大模型技术突破海量数据（维权）分析、专家经验沉淀、智能决策闭环等共性运维瓶颈，成为业界关注的热点问题。站在转型的十字路口，交通银行利用业界优秀大模型底座，全力革新网络运维体系，定义了全新的“网络运维大模型”架构，并携手华为积极探索全场景、全流程、全协同的智能运维实践。

基石之上

网络运维借助AI勇于破局

在人工智能大模型技术成熟之前，交通银行数据中心融合多平台能力，构建了基于规则引擎的网络可视化系统，实现了基于预制策略的网络设备评估、应用健康度自检、故障事件辅助定位等功能。但受技术限制，值班、变更等场景的分析工作仍然高度依赖运维专家经验判断，运维处置场景泛化水平亟待提升。

自ChatGPT引发全球大模型技术浪潮以来，交通银行便启动了大模型在运维领域的分析和探索，持续跟踪技术演进趋势，深度挖掘大模型在网络运维领域的应用价值。2024年10月，交通银行联合华为等头部厂商，成立网络运维大模型专项攻关组，以生产实际应用为导向，快速完成网络运维大模型架构设计，并建立大模型底座能力评估体系。2024年12月数据中心已对DeepSeek系列模型实施全维度性能验证与场景适配测试，并在2025年2月完成R1满血版模型私有化部署，有效提升了网络运维大模型底座支撑能力。

当前，交通银行基于DeepSeek等大模型，结合小模型协同与多工具联动，联合华为打造了针对值班处置、生产变更等场景的网络智能化运维新范式，实现关键场景运维流程闭环，有效提升网络运维效率，保障网络基础设施稳定运行，护航全行业务创新发展。

场景一：

值班处置-全天候自动化诊断与决策

值班处置是保障网络稳定运行的关键防线兴旺国际投资，但往往面临着工具协同不足、健康评估滞后、处置效率参差的痛点。交通银行网络运维大模型创新性构建了一套完整的值班处置流程，以华为网络智能体NetMaster和业界优秀大模型为底座，融合小模型、工作流及特色提示词工程能力，使大模型发挥最佳效果。

在流程设计环节，通过学习行内告警预案流程，自动生成告警处置工作流，支持自然语言灵活更新，降低了开发和维护成本。在告警处置过程中，值班智能体实时接收来自全行网络监测系统的告警信息，并对其进行根因分析和等级排序，由告警智能体匹配处置工作流。同时，基于大小模型协同，准确调用行内工具API，自动执行告警排查步骤，形成了值班告警分析到处置的全流程自动化闭环，有效提升告警分析和处置效率，减轻了值班人员的工作压力。

图：值班处置流程示意图

场景二：

应急抢修-多维度快速响应与协同处置

网络应急抢修是对突发事件的紧急排查和处理，也是日常运维工作中压力最大的场景。为了实现故障定位及修复的“快”和“准”，交通银行联合华为开发了多维度辅助定位工具，如日志采集和分析工具、变更可视化工具、拨测工具、一键自检工具等，但抢修效率仍高度依赖运维人员对关联信息的综合分析情况。

交通银行构建了“应急抢修智能体”，自动进行多维故障数据关联分析。在输入应用名称或网络区域名称后，应急抢修智能体并行提取告警平台实时告警数据、变更平台应用或区域变更数据、一键自检系统网络健康数据等，并将获取到的告警、变更、自检结果等信息进行关联分析，推理出故障根因。

同时，协同大小模型，创新引入最长公共子序列匹配小模型，进行相关数据降噪、冗余剔除，减少大模型输入token长度，提升推理性能。应急抢修智能体构建了两层大模型故障分析框架：第一层实现多维数据并行采集、治理及单领域异常信息关联分析，实现单领域故障根因判断；第二层根据故障场景自动生成推理思维链，再次进行所有单领域评估结果的综合分析和关联分析，辅助值班人员快速推导出最终根因。

图：应急抢修流程示意图

场景三：

生产变更-风险预判与变更智控引擎

生产变更是业务升级迭代的必经之路，也是引发故障和错误的高危环节。通过技术手段实现变更配置自动生成、配置正确性审核、变更影响仿真等来降低变更风险迫在眉睫。

交通银行通过大模型能力整合网络运维领域知识库，含技术方案、配置最佳实践、历史配置等核心语料，提供智能化配置生成与优化服务。同时，创新性构建了语法合规性、配置冲突检测、业务逻辑验证等多层校验机制，保证配置校验维度的完整性。从而既帮助运维人员从繁琐的配置检查中解放出来，又提高了脚本编排效率及配置正确率，降低变更风险。

此外，通过引入华为iMaster NCE网络数字地图的数字孪生技术，实现生产网络信息实时同步，构建了涵盖地理位置、物理拓扑、逻辑拓扑、应用拓扑的四维网络模型。基于该模型，实现配置变更基于现网信息的仿真预演，如通过模拟路由表和转发表，检查变更前后应用访问路径，提前发现并规避IP地址冲突、黑洞路由、路由环路等潜在问题，全方位多维度评估变更影响，确保变更操作安全可靠。

图：变更流程示意图

拾级而上

大模型智能运维未来潜力无限

面对数据量激增、技术快速演进和运维环境复杂化的三重挑战，大模型智能运维仍需持续创新与迭代，交通银行将携手华为，通过推进多模型协同能力、结合大模型分析总结能力与小模型敏捷性优势、扩充多维源数据和优化长序列处理能力等技术路径，深化大模型应用能力，推动从 “被动运维” 到 “主动预判”，从 “局部优化” 到 “全局统筹” 转型，保障网络稳定和业务连续性。

智启未来，大模型必将在网络运维领域释放巨大潜能，为交通银行数智化转型保驾护航兴旺国际投资，书写金融高质量发展的新篇章。