电信运营商为何押注开放模型：NVIDIA 发布 300 亿参数 Nemotron 3 电信模型与微调配方

事件概述

2026 年 10 月 6 日，NVIDIA 官方博客发布了由 Kanika Atri 撰写的文章，题为《为什么电信运营商把 AI 战略建立在开放模型之上》。文章的核心判断是：电信运营商正越来越多地以开放模型作为 AI 战略的底座，原因不只是成本。开放模型让运营商能够在自动驾驶网络、客户服务等最关键的工作负载上做到可信、可控、可定制。NVIDIA 最新的《电信行业 AI 现状》（State of AI in Telecommunications）报告显示，89% 的受访者认为开源模型和软件对本公司的 AI 战略很重要。

需要说明的是，这是一篇厂商博客，立场与 NVIDIA 的产品路线高度一致。文中的调查数据、合作伙伴引语和产品发布都来自 NVIDIA 自己的叙述。读者应把它视为一份有价值的行业信号，而不是中立的第三方研究。下文尽量区分「原文给出的事实」与「我们的分析判断」。

开放模型的五重战略价值

文章把开放模型对运营商的价值归纳为五点。第一，以更低成本获得前沿水平的智能，让运营商把闭源模型留给价值最高的工作负载。文章引用 Artificial Analysis Intelligence Index v4.3.2 等独立基准，称领先的开放模型在推理、编程、科学和智能体任务上越来越有竞争力。第二，支持电信专属定制：开放权重和训练配方允许运营商用自己的网络数据、客户数据和行业数据做微调。

第三，实现可信 AI：运营商对模型制品和行为有更高的可见度与控制力，可以按照法规和业务政策去评估、调整和治理模型。第四，部署灵活且安全：团队可以按需裁剪和优化开放模型，让它们运行在公有云、私有基础设施和边缘环境。第五，创造本地化服务机会：运营商可以托管并微调开放模型，为企业和政府客户提供适配本地需求的 AI 服务。

从分析角度看，这五点中最具结构性的是第一点和第三点。第一点说的是「模型路由」思路：不是全部用开放模型，也不是全部用闭源模型，而是按工作负载价值分层。第三点说的是治理：电信是强监管行业，数据主权、可审计性和可解释性往往比单点精度更重要，而开放权重在这些方面天然占优。

技术与产品细节：Nemotron 与 Nemotron 3 LTM

NVIDIA Nemotron 系列开放模型面向智能体工作流，提供前沿级的推理性能，并带有支持语音应用的语音能力。其特点是开放权重、开放训练数据和开放训练配方，这比只开放权重的做法更进一步，因为运营商可以复现并改造整个训练流程。

文章宣布了 300 亿参数的 Nemotron 3 Large Telco Model（LTM）。该模型由 AdaptKey 在开源电信数据集上微调而成，目标是提升电信专属任务的准确率。它为运营商提供了一个开放的基线：能理解电信行业术语，并能在网络配置、客户故障分诊等电信运营流程中进行有效推理。

为了让运营商用自己的数据继续定制 Nemotron 3 LTM 及其他开放模型，NVIDIA 发布了完整的端到端微调配方。该配方基于 NVIDIA NeMo 开放库，覆盖从数据准备到微调的整条流水线，用于让开放模型适配运营商特有的网络、客户和流程。需要注意，原文没有给出 Nemotron 3 LTM 的具体基准分数或相对通用模型的提升幅度，只说「带来准确率提升」。企业在评估时应要求量化数据。

从模型到生产：平台层的重要性

文章强调，开放模型只是关键的构件之一，要让自治电信运营安全地进入生产，需要的不止是模型。运营商需要数据流水线，对敏感记录做匿名化，并生成保护隐私的合成数据集，用于模型微调。他们还需要一个能把开放模型变成受治理的、自治的智能体工作流的平台。

NVIDIA 给出的答案是端到端平台，由 NVIDIA AI Enterprise 软件和 NVIDIA Agent Toolkit 驱动，覆盖数据流水线、开放模型、智能体编排、安全运行时和仿真。文章同时指出，这个平台的每一层都有合作伙伴生态参与。这种表述意味着 NVIDIA 的商业逻辑并不是卖开放模型本身，而是以开放模型带动其软件栈与加速计算的采用。

运营商案例

SoftBank Corp. 的 Rajeev Koodli（首席研究员兼 SB Telecom America 高级副总裁）表示，开放模型让公司能在全球基础模型的快速进步之上，叠加多年积累的网络知识和运营经验。SoftBank 正在广泛使用开放基础模型，包括 NVIDIA Nemotron 等，来开发「SoftBank Large Telecom Model」，并将其持续用于网络运营、设计和整体管理等电信场景。

AT&T 的首席数据与 AI 官 Andy Markus 表示，AI 的未来不在于选择单一模型，而在于把每个工作负载匹配到性能、成本和控制力的合适组合。开放模型是这一思路的关键，AT&T 希望借助 NVIDIA，以业务所需的规模、可靠性和治理能力把模型选择策略落地到生产。

Indosat Ooredoo Hutchison 是印度尼西亚最大的电信运营商之一。其首席数据与 AI 官 Chirag Sukhadia 表示，对印尼这样的国家，开放模型的价值不止是获得强大的 AI，更在于让智能适应本国的语言、文化、数据和现实需求。该公司通过 Sahabat-AI 开源模型家族来践行这一点。

对开发者与企业的实际影响

对运营商的 AI 团队而言，最直接的变化是起点抬高了：有了电信领域的开放基线和官方微调配方，团队不必从零预训练，可以把精力放在数据治理与评测上。对企业客户而言，电信运营商若能托管并微调开放模型，就可能成为「本地主权 AI」的提供方，满足数据不出境、语言本地化和行业合规的要求。

对 AI 开发者生态而言，这是一个信号：垂直行业正在形成「开放基础模型加行业微调加治理平台」的标准做法。开放权重、开放数据和开放配方三者结合，降低了行业模型的复现门槛。

挑战与展望

首先是证据问题。89% 的调查数字来自 NVIDIA 自己的报告，原文未披露样本量与方法。其次，开放模型并非自动安全：可见性提高的同时，运营商也要承担评估、红队测试和持续治理的责任。再次，微调需要高质量的网络与客户数据，而这些数据高度敏感，匿名化与合成数据的质量将直接决定效果。

展望来看，随着国家 AI 战略推动运营商建设本地 AI 基础设施，开放模型很可能成为电信 AI 的默认选项之一，闭源模型则保留在少数高价值场景。GTC Berlin 将于 10 月 20 日至 22 日举行，届时可能出现更多电信相关的落地披露。我们建议读者关注两点：一是 Nemotron 3 LTM 的公开评测结果，二是自治网络智能体在真实网络中的故障率与回滚机制。