2025年政府工作報告指出，要激發數字經濟創新活力，持續推進“人工智能+”行動，將數字技術與制造優勢、市場優勢更好結合起來，支持大模型廣泛應用。人工智能已成為驅動新質生產力的重要引擎，為經濟的高質量發展注入新的動力。交通銀行積極踐行大行責任，落實國家戰略部署，應用人工智能技術，持續加大AI大模型在金融業務的創新應用，助力金融高質量發展。

隨著銀行數智化轉型的加速，網絡面臨規模快速增長、業務靈活擴展、安全穩定可靠等多重挑戰。如何借助大模型技術突破海量數據分析、專家經驗沉淀、智能決策閉環等共性運維瓶頸，成為業界關注的熱點問題。站在轉型的十字路口，交通銀行利用業界優秀大模型底座，全力革新網絡運維體系，定義了全新的“網絡運維大模型”架構，并攜手華為積極探索全場景、全流程、全協同的智能運維實踐。

基石之上

網絡運維借助AI勇于破局

在人工智能&大模型技術成熟之前，交通銀行數據中心融合多平臺能力，構建了基于規則引擎的網絡可視化系統，實現了基于預制策略的網絡設備評估、應用健康度自檢、故障事件輔助定位等功能。但受技術限制，值班、變更等場景的分析工作仍然高度依賴運維專家經驗判斷，運維處置場景泛化水平亟待提升。

自ChatGPT引發全球大模型技術浪潮以來，交通銀行便啟動了大模型在運維領域的分析和探索，持續跟蹤技術演進趨勢，深度挖掘大模型在網絡運維領域的應用價值。2024年10月，交通銀行聯合華為等頭部廠商，成立網絡運維大模型專項攻關組，以生產實際應用為導向，快速完成網絡運維大模型架構設計，并建立大模型底座能力評估體系。2024年12月數據中心已對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，有效提升了網絡運維大模型底座支撐能力。

當前，交通銀行基于DeepSeek等大模型，結合小模型協同與多工具聯動，聯合華為打造了針對值班處置、生產變更等場景的網絡智能化運維新范式，實現關鍵場景運維流程閉環，有效提升網絡運維效率，保障網絡基礎設施穩定運行，護航全行業務創新發展。

場景一： 值班處置-全天候自動化診斷與決策

值班處置是保障網絡穩定運行的關鍵防線，但往往面臨著工具協同不足、健康評估滯后、處置效率參差的痛點。交通銀行網絡運維大模型創新性構建了一套完整的值班處置流程，以華為網絡智能體NetMaster和業界優秀大模型為底座，融合小模型、工作流及特色提示詞工程能力，使大模型發揮最佳效果。

在流程設計環節，通過學習行內告警預案流程，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絡監測系統的告警信息，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，基于大小模型協同，準確調用行內工具API，自動執行告警排查步驟，形成了值班告警分析到處置的全流程自動化閉環，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： 應急搶修-多維度快速響應與協同處置

網絡應急搶修是對突發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。為了實現故障定位及修復的“快”和“準”，交通銀行聯合華為開發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聯信息的綜合分析情況。

交通銀行構建了“應急搶修智能體”，自動進行多維故障數據關聯分析。在輸入應用名稱或網絡區域名稱后，應急搶修智能體并行提取告警平臺實時告警數據、變更平臺應用或區域變更數據、一鍵自檢系統網絡健康數據等，并將獲取到的告警、變更、自檢結果等信息進行關聯分析，推理出故障根因。

同時，協同大小模型，創新引入最長公共子序列匹配小模型，進行相關數據降噪、冗余剔除，減少大模型輸入token長度，提升推理性能。應急搶修智能體構建了兩層大模型故障分析框架：第一層實現多維數據并行采集、治理及單領域異常信息關聯分析，實現單領域故障根因判斷;第二層根據故障場景自動生成推理思維鏈，再次進行所有單領域評估結果的綜合分析和關聯分析，輔助值班人員快速推導出最終根因。

場景三： 生產變更-風險預判與變更智控引擎

生產變更是業務升級迭代的必經之路，也是引發故障和錯誤的高危環節。通過技術手段實現變更配置自動生成、配置正確性審核、變更影響仿真等來降低變更風險迫在眉睫。

交通銀行通過大模型能力整合網絡運維領域知識庫，含技術方案、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化服務。同時，創新性構建了語法合規性、配置沖突檢測、業務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，降低變更風險。

此外，通過引入華為iMaster NCE網絡數字地圖的數字孿生技術，實現生產網絡信息實時同步，構建了涵蓋地理位置、物理拓撲、邏輯拓撲、應用拓撲的四維網絡模型。基于該模型，實現配置變更基于現網信息的仿真預演，如通過模擬路由表和轉發表，檢查變更前后應用訪問路徑，提前發現并規避IP地址沖突、黑洞路由、路由環路等潛在問題，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

面對數據量激增、技術快速演進和運維環境復雜化的三重挑戰，大模型智能運維仍需持續創新與迭代，交通銀行將攜手華為，通過推進多模型協同能力、結合大模型分析總結能力與小模型敏捷性優勢、擴充多維源數據和優化長序列處理能力等技術路徑，深化大模型應用能力，推動從 “被動運維” 到 “主動預判”，從 “局部優化” 到 “全局統籌” 轉型，保障網絡穩定和業務連續性。

智啟未來，大模型必將在網絡運維領域釋放巨大潛能，為交通銀行數智化轉型保駕護航，書寫金融高質量發展的新篇章。