英伟达表示电信运营商正逐步将开放模型纳入AI战略，89%受访者认为开放源代码模型和软件对公司AI战略重要。报告强调开放模型带来的可定制性、可审查性和多样化部署，但实际生产采纳仍面临治理、隐私与部署稳健性的挑战。
英伟达在10月6日发布的一篇官方博客中表示，电信运营商正越来越多地把开放模型作为人工智能战略的基础，应用范围从自主网络和客户服务，延伸至面向本地市场的AI服务。
英伟达援引其最新的《State of AI in Telecommunications》报告称，89%的受访者认为开放源代码模型和软件对本公司的AI战略重要。英伟达同时强调，开放模型的吸引力并不只是成本较低，还包括可定制、可审查，以及能够部署在公有云、私有基础设施和边缘环境中。
不过，这一数字应被理解为英伟达行业调查的结果，而不是独立统计机构对整个电信行业的验证。官方博客和报告也主要呈现受访企业对AI的看法与计划，不能据此推断所有运营商已经在生产环境大规模采用开放模型。
从降低成本到掌握模型控制权
在英伟达的描述中，运营商采用开放模型有几个相互关联的原因。开放权重和训练配方让企业可以针对网络运行、客户服务和行业术语进行微调；可见的模型组件则有助于企业进行评估、治理和合规审查；而更灵活的部署方式，则使模型能够靠近网络和用户运行。
这些因素对电信运营商尤其重要。运营商管理着持续运行的网络、敏感的客户数据和受到监管约束的基础设施。在这类环境中，企业关注的通常不只是模型回答是否准确，还包括数据是否离开受控环境、系统能否在本地运行，以及出现错误时谁能够检查和修正模型行为。
英伟达在今年早些时候发布的电信行业调查总结中称，90%的受访者认为AI正在帮助增加收入并降低成本，65%的受访者将网络自动化列为由AI推动的方向，77%的受访者预计AI原生网络会早于6G部署出现。这些数字同样来自英伟达的调查，反映的是企业预期和自我报告，而不是对实际网络效果的独立测量。
Nemotron被定位为电信专用开放基础
英伟达把Nemotron开放模型家族作为上述策略的技术基础之一。公司表示，Nemotron不仅面向代理式工作流提供推理能力，也支持语音应用，并开放模型权重、训练数据和训练配方。
官方博客还介绍了由AdaptKey基于开放电信数据集微调的300亿参数Nemotron 3 Large Telco Model。按照英伟达的说法，该模型面向网络配置、客户事件分流等电信专用任务，目标是让模型更好地理解电信行业术语和运营流程。英伟达同时发布了端到端微调配方，供运营商使用自己的网络、客户和流程数据进行适配。
这一路线的重点并不是单纯推出一个更大的模型，而是把模型放入运营商现有的数据管线、代理编排、运行时和安全控制中。英伟达称，其AI Enterprise软件和Agent Toolkit可以覆盖数据处理、开放模型、代理编排、安全运行时及仿真等环节。
这也解释了为什么运营商对模型“是否开放”的关注，往往会延伸到模型之外。AI Flux此前报道过NVIDIA Nemotron 3 Embed系列，其叙事同样不止于模型分数，而是强调检索质量、部署成本和智能体工作流之间的联系。对于电信网络而言，真正影响落地的往往是整套系统能否在延迟、成本和可靠性之间取得平衡。
SoftBank、AT&T和Indosat的不同路径
英伟达援引SoftBank高管的话称，该公司正在广泛使用包括Nemotron在内的开放基础模型，开发SoftBank Large Telecom Model，并将其用于网络运营、网络设计和整体管理等电信场景。
SoftBank在自己的技术文章中也解释了开放模型在其Large Telecom Model开发中的作用。公司表示，除了自研的Sarashina模型，也会使用包括NVIDIA Nemotron在内的外部开放模型；透明度、训练过程的可见性和对模型的控制，被视为其主权AI基础设施路线的一部分。SoftBank的表述说明，开放模型并不一定意味着放弃自研，而可能成为自研模型和行业专用模型的组成部分。
在美国，英伟达引用AT&T首席数据和AI官Andy Markus的话说，企业未来并不需要在所有场景中选择同一个模型，而是要根据性能、成本和控制要求，为不同工作负载匹配不同模型。由此看来，开放模型进入电信企业的方式可能不是全面替代闭源模型，而是与闭源模型并存，分别承担不同任务。
在印度尼西亚，Indosat Ooredoo Hutchison则将开放模型与本地语言和文化联系起来。公司介绍了Sahabat-AI开放模型家族，并表示希望借此让AI更好地适应印尼的语言、文化、数据和实际需求。对运营商而言，本地化模型不仅是技术问题，也与数据治理、国家语言和面向企业及政府客户提供本地AI服务的能力有关。
“开放”能否转化为稳定的生产能力
电信运营商采用开放模型的真正考验，仍然在生产环境，而不是模型发布页面。网络配置、故障诊断和客户服务都可能涉及高风险操作；如果代理能够调用网络工具或处理客户数据，企业还需要建立权限边界、人工审批、日志审计和回滚机制。
英伟达在博客中也承认，开放模型只是基础组件，把它们安全地带入自主电信运营还需要完整的平台和合作伙伴生态。公司提到，运营商需要在微调前对敏感数据进行匿名化处理，并使用保护隐私的合成数据；同时，还要把开放模型接入受治理的代理工作流，而不是直接让模型控制生产系统。
AI Flux此前在NVIDIA关于开放合成数据与智能体的讨论中提到，模型权重之外，数据、流程和评估同样决定智能体能否稳定工作。这一判断也适用于电信场景：模型是否开放，并不能自动解决数据质量、错误恢复、权限控制和责任归属问题。
从目前披露的信息看，电信行业对开放模型的兴趣正在从“是否便宜”转向“是否可控、可定制、可部署”。但调查中的战略意向与生产系统中的长期结果之间仍有距离。接下来需要观察的，不只是有多少运营商宣布采用开放模型，还包括这些模型能否在不同国家的监管、本地语言、网络架构和安全要求下持续运行。