从被动响应到智能体式韧性：信令风暴下的多时间尺度 AI-RAN 编排

下一代开放式无线接入网（Open RAN）和 AI-RAN 部署将 RAN 转变为一种解耦的、具备计算资源感知能力的平台，其服务连续性依赖于在不同时间尺度上运行的多个控制闭环。在这种环境中，韧性最适合被视为一个涵盖预判、吸收、适应、恢复和演进的生命周期。然而，现有机制仍局限于特定阶段，且鲜少在控制层级之间进行协调。本文认为，智能体式 AI 能够提供一个协调这一生命周期的编排层，将运营者意图转化为协同行动，同时将缓慢的语言模型推理排除在快速控制路径之外。我们以大规模接入引发的信令风暴为贯穿全文的研究案例，构建了一个离散事件 Open RAN 接入仿真器，用于刻画重试放大、共享计算资源争用以及非即时的资源配置过程，并提出了一个三层框架：服务管理与编排层的编排器制定常设策略，各站点的非实时智能体判断信令风暴并预判计划性人群聚集，而确定性的近实时闭环则落实每一项决策。实验表明，通过读取日历中的计划事件并提前配置资源，智能体式控制器仅使用配置完备的服务器池四分之一的容量，即可达到接近该服务器池的韧性水平。一旦突发流量到来，任何被动响应式权重设置都无法恢复这一效果。对于此前未见过的意图，自由文本形式的运营者意图能够以 94% 的精确匹配率转化为控制指令，且单条指令即可端到端地重塑实时运行行为。我们还量化了制约该机制的时延、成本和资源争用限制。补充材料提供了所推导的预判时间窗口定理的解析证明，以及由此得到的关于被动响应式资源配置局限的推论结果。