NVIDIAは代理型AIブループリントと電信推論モデルを発表し、自律型ネットワークの発展を推進

自主ネットワークは、知能と自己管理能力を備えた通信運用システムであり、未来のビジョンから現在の通信事業者の優先戦略へと変化しています。NVIDIAが最新発表した「通信業界におけるAIの現状と動向」調査報告書では、ネットワーク自動化は投資収益率が最も高く、最も注目されているAI応用シナリオとなっています。

自動化と自主化は同じ概念ではないことを強調する必要があります。自主ネットワークは、あらかじめ定義されたワークフローを実行できるだけでなく、運用者の意図を理解し、さまざまな要素を考慮し、自律的に意思決定を行う必要があります。この変革を実現する鍵は、電信データに基づく微調整された推論モデルとAIエージェントにあります。

本当のネットワーク自主性を実現するには、電信ネットワークモデル、相互通信可能なAIエージェント、操作効果を検証するネットワークシミュレーションツールを含むエンドツーエンドのインテリジェントエージェントシステムを構築する必要があります。

バルセロナで開催される世界移動通信会議（MWC 2026）を前に、NVIDIAはNVIDIA Nemotronを基盤とした大規模電信モデル（LTM）、ネットワーク運用推論エージェントの構築に関する総合ガイド、および省エネとネットワーク設定に役立つ新しいNVIDIA Blueprintを発表しました。これらは、多エージェントの調整を通じて運用者の自主運用を支援します。

さらに、GSMAが新たに推進するOpen Telco AIイニシアチブの一環として、NVIDIAはこの新しいLTMモデル、実装ガイド、エージェント型AIブループリントをオープンソース形式で公開し、業界全体での利用を促進します。

オープンNemotron 3大規模電信モデルに推論能力を導入

生成型AIとエージェント型AIの大規模展開を成功させるには、AIモデルは電信分野の専門用語を理解し、複雑なワークフローに対して論理的推論を行える必要があります。そのため、NVIDIAはAdaptKey AIと協力し、300億パラメータのオープンソース（300109）のNVIDIA Nemotron LTMを開発し、世界中の運用者が自主ネットワークを構築できるようにしました。

このモデルは、NVIDIA Nemotron 3シリーズの基盤モデルをもとに、AdaptKey AIが業界標準のドキュメントや合成ログなどのオープン電信データセットを用いて微調整を行い、電信用語の理解と故障隔離、修復計画、変更検証などのワークフローに対する推論を最適化しています。

オープンモデルとして、Nemotron LTMは、モデルの訓練方法や使用データを完全かつ透明に理解できるため、ローカルネットワーク環境で安全かつ迅速に展開でき、AIエージェントの構築と運用も可能です。さらに、運用者は自社のネットワークと運用データを安全に組み合わせて、モデルの電信推論能力を安全に調整・拡張でき、データの管理権や安全性を損なうことなく、自主運用に向けて着実に進められます。

AIエージェントにネットワークエンジニアのように考えさせる

NVIDIAとTech Mahindraは、特定分野に特化した推論モデルの微調整と、安全にネットワーク運用センター（NOC）のワークフローを実行できるインテリジェントエージェントの構築を指導するオープンガイドを共同で発表しました。

このガイドは、「NOCエンジニアのように考える」モデルを育成するためのフレームワークを提案します。高影響度の故障や頻繁に発生する故障の種類に焦点を当て、専門家の解決策を段階的な操作手順に変換し、それらを構造化された「推論軌跡」に落とし込みます。これには、各操作、ツールの呼び出し、結果、意思決定の根拠を明確に記録します。これらの軌跡は、モデルの学習における「思考例」となり、「何をすべきか」だけでなく、「なぜこの一連の点検と修復手順が安全かつ効果的なのか」を理解させることができます。

NVIDIA NeMo-Skillsワークフローを活用し、運用者はこれらの推論軌跡をもとにモデルを微調整し、電信専用AIエージェントの構築基盤を築きます。これらのエージェントは、ネットワークエンジニアのような問題解決と推論能力を備えます。

新しい意図駆動型エネルギー効率ブループリントで最大化

自主ネットワークは、閉ループ運用に依存しています。ネットワーク状態を理解するモデル、意図に基づいて行動するエージェント、シミュレーション結果をフィードバックして意思決定を検証・最適化する仕組みで動作します。NVIDIAが新たに発表した意図駆動のRANエネルギー効率向上用Blueprintは、これらの要素を統合し、サービス品質を維持しながら5G RANのエネルギー消費を体系的に削減します。

このブループリントは、ネットワークのテストと測定のリーダーであるVIAVIのTeraVM AI RANシナリオ生成器（AI RSG）プラットフォームを組み込み、セル利用率やユーザスループット、その他のトラフィックパターンを含む合成ネットワークデータを生成し、簡潔で問い合わせ可能な形式に変換します。

次に、エネルギープランニングのインテリジェントエージェントがこれらの合成データに基づき推論を行い、省エネ戦略を生成し、AI RSG内でシミュレーション検証を行います。これにより、運用者は閉ループ環境で安全に省エネ戦略の妥当性を検証でき、既存のネットワーク設定やユーザーサービスに影響を与えることなく、最適化を進められます。

世界中の運用者がNVIDIA Blueprintによるネットワーク設定を展開

電信ネットワーク設定用のNVIDIA Blueprintは、世界中の多くの運用者に採用されています。

Cassava Technologiesは、このブループリントを利用して、アフリカの多様な多ベンダー移動通信ネットワーク環境に最適化されたCassava自主ネットワークプラットフォームを構築しています。このプラットフォームには、ネットワーク監視と設定変更を推奨するエージェント、変更を適用し自動的にドキュメントとガバナンス記録を生成するエージェント、変更の影響を評価し、予期せぬ結果があれば安全にロールバックするエージェントの3つが導入されています。

NTTデータは、このブループリントを活用し、日本の主要運用者に対してインテリジェントなトラフィック制御システムを展開しています。ネットワークの中断後に大量の再接続が発生しトラフィックが急増した場合でも、このシステムはネットワークの安定運用を支援します。

具体的には、AIエージェントがリアルタイムで全体の需要を分析し、新規ユーザの受け入れ場所やタイミング、方法を決定します。ネットワーク状況が安定するにつれ、エージェントは動的に意思決定を調整し、従来の手動設定に依存したプロセスをデータ駆動の最適化ループに変換し、より堅牢な移動通信ネットワークを構築します。

マルチエージェント調整によるネットワーク設定能力の進化

電信運用者がRAN内で複雑なエージェント型ワークフローを設計、観測、最適化できるよう支援するため、NVIDIAはBubbleRANと協力し、NVIDIA NeMoエージェントツールキット（NAT）とBubbleRANエージェントツールキット（BAT）の2つの補完的なマルチエージェント調整フレームワークを活用して、NVIDIA Blueprintの電信ネットワーク設定機能を強化しています。

BubbleRANは、NATとBATをそのOpti-Sphereプラットフォームに統合し、コンテナやワークロードを越えたネットワーク監視、設定、検証のためのエージェントを柔軟に管理し、ネットワーク指標やトラフィック状況を報告するツールと連携させ、継続的に設定変更の提案と検証を行います。

Telenor Groupは、このブループリントとBubbleRANの協力を最初に採用する通信事業者となり、Telenor Maritime（グループの海上通信サービス提供者）の5Gネットワーク性能向上に役立てます。