<mark id="oztn4"></mark>
0
過去一年，幾乎所有人都在追問同一個問題： AI 大模型還能變得多聰明？Agent、多模態、端側部署，構成了 AI 產業最熱鬧的敘事。
但當 AI 開始進入眼鏡、汽車、機器人、攝像頭這些物理載體，開始在道路、工廠、家庭和人類交互之后，我們發現，現實世界和 AI 大模型之間，還有最后一公里的路沒有打通。
AI 眼鏡要識別眼前的文字，Robotaxi 要判斷周圍路況，機器人要決定下一步動作。它們依賴的不只是算法，也包括圖像、語音、位置、空間關系、設備狀態和環境變化等數據。
這些數據需要先由終端采集，再通過網絡上傳，交給云端或邊緣側模型處理。模型輸出的結果，也要通過網絡返回終端，才能轉化現實中的業務動作。
這使得移動網絡在 AI 時代承擔了新的壓力。
過去，網絡波動可能只是讓視頻緩沖幾秒；未來，同樣的波動可能導致實時識別失敗、遠程控制遲滯，或者智能體無法完成動作。
移動網絡不再只是單純的內容分發通道。它需要識別連接對象，理解業務類型，判斷實時性要求，也要在資源緊張時決定哪些連接需要優先保障。
物理 AI 時代的網絡，不能只是一條“更寬的管道”。
很長一段時間里，移動通信網絡服務的核心對象是人。
在語音時代，網絡解決的是通話連接，讓人在移動狀態下完成實時溝通。進入 3G、4G 時代后，智能手機和在線內容快速普及，移動網絡的主要任務轉向大帶寬數據傳輸。網頁、圖片、音樂、視頻、直播、游戲和在線會議，成為了移動互聯網時代最典型的業務形態。
智能手機也在這個過程中變成了高度集成的入口。過去由獨立設備完成的功能，例如 GPS、音樂播放器、相機、錄音機和部分辦公工具，逐漸被手機吸收到一個終端里。移動互聯網時代的一個基本特征，是終端形態向手機集中，人則是最主要的連接主體。
AI 的到來改變了這個前提。
大模型要理解現實世界，首先需要獲得更豐富、更連續的現實輸入。圖像、語音、位置、動作、空間關系、環境狀態和設備數據，都會成為模型識別、推理和反饋的基礎。
網絡服務的對象也開始從“人”擴展到“智能體”。云端出現大模型和生成能力，端側則出現了更多 AI 入口，手機里的智能體、AI 眼鏡、穿戴設備、攝像頭、機器人、車載終端、家庭設備、工業終端和各類傳感器，都可能成為移動網絡中的主動使用者。
這也改變了網絡承載的內容。過去，移動網絡主要承載信息流，服務圖文、視頻和應用數據的分發。AI 時代，網絡還要承載與推理、決策和反饋相關的數據流。它們對實時性、上行能力、連接穩定性和資源調度提出了更高要求。
連接對象的擴張，帶來的是連接規模的變化。未來移動網絡連接的不會只是手機用戶，還會包括分布在城市、家庭、交通、工業和公共空間中的大量智能終端。
華為 ICT BG 無線網絡產品線副總裁趙東對雷峰網(公眾號：雷峰網)表示，“預計到到 2035 年，可應用的智能體數量可能達到 9000 億級別，遠高于當前以人為中心的連接規模”。
這意味著，未來移動網絡面對的將是一個設備數量更大、分布更廣、連接更密集的系統。它需要服務的，也不再只是人的上網體驗，而是智能體持續感知、推理和反饋的全過程。
隨著服務對象變化，移動網絡所需具備的能力也在變化。
過去移動互聯網的主要流量方向是下行。用戶打開手機，從云端獲取視頻、圖文、音樂、游戲和網頁，網絡承擔的是內容分發任務。評價網絡好壞時，用戶最直接的感受也是下載是否夠快、視頻是否高清、直播是否流暢、游戲是否卡頓。
但 AI 時代的流量結構發生了變化，端側設備不再只是下載內容，還要持續上傳圖像、語音、環境信息和傳感數據，再等待大模型返回結果。移動網絡支撐的鏈路，也從相對單向的“信息獲取”，變成“端側感知、數據上傳、云端推理、結果反饋”的閉環。
因此，對通信網絡的要求不再只看下行帶寬，還要看上行能力、時延、抖動、穩定性和高并發連接能力。
在 MWC 上海展會現場，華為 ICT BG 就將 AI 時代對移動網絡的要求概括為了三個變化。
首先是連接范圍擴大。智能體不會只出現在人密集的地方。它們可能分布在城市基礎設施、家庭設備、工業現場、交通系統、能源網絡、商業空間和公共服務場景中。移動網絡需要覆蓋更復雜的空間，也要服務更多非手機終端。
其次是連接密度提高。在展館、商場、體育場館、交通樞紐、圖書館和工廠等場景中，手機用戶、攝像頭、AI 眼鏡、機器人、傳感器和其他終端可能同時接入網絡，并持續上傳數據。過去按照人的平均使用行為規劃網絡，已經難以應對這類高并發接入。
第三是連接質量要求提升。AI 業務對網絡波動更敏感。過去網絡體驗下降，影響的多是內容消費體驗；未來智能流轉失敗，可能直接導致一次識別、控制或業務執行無法完成。網絡需要從提供通用連接，進一步走向可保障、可調度、可感知的連接能力。
但現有移動網絡在這些方向上都有短板。
過去，移動互聯網長期以下行流量為主，網絡建設和用戶感知也更多圍繞下載速度展開。AI 終端普及后，圖像、視頻、語音和傳感器數據會持續從端側上傳。如果上行能力不足，智能體就無法把現實世界及時傳給云端模型，后續的推理和反饋也會被拖慢。
時延和穩定性也會成為新的壓力點。傳統移動網絡可以提供較好的平均體驗，但 AI 業務更在意關鍵時刻的確定性。實時交互、遠程控制、機器人協同和車載場景，不能只看平均速率。一次短暫抖動、一次連接中斷，都可能影響識別、決策或控制結果。
網絡本身的復雜度也在上升。5G、5G-A、多頻段、多制式、多場景和多類型終端疊加之后，運營商既要保證覆蓋和容量，也要識別不同業務的優先級和保障需求。進入 AI 時代后，業務類型和連接對象還會繼續增加，僅靠傳統人工經驗和被動排障，已經很難應對這種復雜度。
更關鍵的是，不同 AI 業務對網絡的要求并不相同。有些業務需要大上行，有些業務依賴低時延，有些業務強調高可靠，也有業務更看重連接密度和成本。網絡資源不能再按粗放方式平均分配，而要根據業務類型、場景優先級和實時網絡狀態進行調度。
因此，AI 時代對移動網絡的改造，不能只靠擴容完成。繼續增加帶寬、站點和頻譜，可以緩解一部分容量問題，但難以解決業務類型分化、資源實時調度和全網復雜度上升帶來的新問題。網絡需要具備更強的感知、判斷和調度能力，能夠識別不同業務的網絡需求，并在基站、全網管理和核心網層面形成協同保障。
這正是華為提出 AI for Network 的出發點。
趙東強調，在華為看來，AI 不只是跑在網絡之上的新業務，也應該進入網絡本身，成為提升無線效率、優化資源配置、降低運維復雜度和支撐新型業務經營的基礎能力。
“將 AI 引入到我們無線通信網絡，我們要思考三個主要的問題。第一個問題是 AI 的有效性，第二個是 AI 的可靠性，第三個就是將它引入的成本，如果成本過高的話，使得網絡無法負擔，它也最終不會在網絡里發揮作用”。
趙東認為，通信網絡是基礎設施，任何新技術進入其中，都必須先經過有效性、可靠性和成本三重檢驗。即除了資源調度、信道估計、波束控制、運維效率和業務保障，AI 進入網絡還要滿足兩個前提：可靠和可部署。
可靠，意味著它不能成為一個不可解釋、不可控、誤判頻繁的系統。可部署，則意味著成本和能耗必須可控。
華為的思路，是讓 AI 沿著移動通信網絡的結構逐層進入，先進入基站和物理管道，提升網絡效率；再進入全網管理系統，支撐自治運維和資源配置；最后進入核心網和運營商業務平臺，面向 AI 時代的新業務經營。
基站是這套改造的起點。
用 AI 改造基站，并不是把基站變成大算力平臺，而是把 AI 算法引入資源管理、信道估計、波束控制等通信鏈路內部，讓通信管道本身更高效、更節能，并在服務更多用戶的同時控制整體造價。
一個典型場景是資源調度。傳統網絡通常依賴復雜數學算法進行調度，但隨著用戶數量、小區數量和業務復雜度上升，傳統算法的求解壓力會越來越大。AI 可以在更大范圍、更細時間顆粒度下進行動態資源分配，讓網絡同時應對更多用戶、更多小區和更復雜的業務組合。
按照華為的設想，AI 可以支持十倍用戶數量、十倍小區數量，并把求解維度提升到過去的百倍級別。
信道估計和波束管理也遵循類似邏輯。
無線信道會受到距離、遮擋、反射、移動速度和環境變化影響。傳統測量方式需要在精度和業務開銷之間取舍。AI 可以用少量采樣數據恢復更完整的信道描述，在不顯著影響業務的情況下提高測量精度。
在此基礎上，AI 還可以結合用戶位置、移動趨勢和業務狀態，預測用戶接下來可能發生的變化，讓波束提前調整方向，更精準地分配無線資源。
隨著更多傳感器進入基站，基站也有機會理解周邊建筑、遮擋、反射和覆蓋變化，判斷信號應該往哪里發射。對城市高樓、室內空間、交通樞紐和復雜公共場景來說，這類能力會直接影響網絡體驗。
在單點基站之外，華為還希望用 AI 解決整張網絡的自治問題。
這解決的是運營商正在上升的運維壓力。站點分布在樓宇、地下室、山地、鄉村、交通沿線和城市高密度區域，維護往往需要大量現場人力。隨著 5G、5G-A、多頻段、多制式和多類型終端疊加，網絡復雜度繼續提高，傳統人工經驗和被動排障已經難以支撐未來的網絡規模。
網絡自治的目標，是在站點不斷電、傳輸不中斷、硬件不損壞的前提下，盡量減少人工維護。
AI 可以持續感知網絡狀態，識別異常體驗，預測擁塞和故障風險，并自動完成部分參數調整和資源配置。網絡運維也會從“人找問題”，逐步轉向“網絡發現問題、定位問題、處理問題”。
再往上，AI 還會進入核心網和運營商業務平臺。
過去，核心網主要承載通話和分組數據業務，是連接管理和數據轉發的關鍵系統。AI 時代，核心網可以進一步引入算力、存儲、模型和生成能力，發展新的核心網業務。
華為將這一平臺稱為 Agenty Core，希望在核心網原有的用戶面、信令面之外增加 AI 面，并引入 AI Service Function。
AI Service Function 可以管理跨固定寬帶和移動寬帶的業務能力，包括語音、記憶、意圖理解和體驗管理等模塊。對運營商來說，這意味著核心網不只承擔連接和轉發，還可以參與智能分發、體驗保障和新業務生產。
當然，技術升級最終都要落到商業場景中。AI 時代，網絡設備商和運營商應該以什么角色參與其中，也是華為試圖回答的問題。
AI 進入移動網絡之后，運營商最直接的機會仍然來自連接和流量。
智能體數量增加，意味著網絡連接對象會繼續擴大。手機里的智能體、AI 眼鏡、機器人、車載終端、攝像頭、穿戴設備、工業終端和各類傳感器，都需要持續接入網絡。它們要把圖像、語音、位置、環境和設備狀態上傳到云端模型，也要接收模型返回的結果。對運營商來說，這會帶來更多連接、更高連接密度和更多上行流量。
但 AI 帶來的變化不會只停留在流量增長上。智能業務對網絡能力的要求會分層。普通智能問答、非實時交互和一般內容生成，對網絡保障的要求相對有限，可以按照普通信息分發處理。實時控制、具身智能、自動駕駛和多模態實時交互等場景，則對速率、時延、同步性和可靠性提出更高要求。
這意味著，不同智能業務對應的網絡價值不同。越重要、越實時、越依賴完整性的智能流轉，越需要更高等級的網絡保障，也越可能形成付費空間。運營商未來的商業模式，可以從賣流量，進一步走向賣體驗保障。
在實時交互、遠程控制、具身智能、車載智能、工業現場和多模態協同等場景下，運營商如果能夠提供完整、穩定、同步的傳輸保障，就有機會獲得新的付費空間。
華為正在與中國移動、中國電信合作，在 5G-A 網絡中推進分層管理。基礎用戶獲得基礎服務，高階用戶獲得倍數關系的確定性服務。這里強調的是相對保障：如果基礎用戶在某個場景下只有 1Mbps，高階用戶可以獲得兩倍速率；如果基礎用戶只有 1K，高階用戶也對應獲得兩倍。
進一步的能力是動態切片。傳統網絡切片通常需要預設資源，并與 OTT 業務方逐一簽約，落地難度較高。動態切片則可以基于網絡資源預估和用戶業務狀態，動態調用所需 RB 資源，保障高階業務體驗。
這樣一來，運營商可以形成新的分層經營模型，基礎流量提供普遍連接，倍速套餐提供相對體驗保障，專屬動態切片則面向高價值業務提供更確定的網絡能力。
AI 終端的普及，也會改變運營商參與市場的方式。過去，運營商更多通過補貼手機等終端來擴大用戶規模。未來更可能的路徑，是通過套餐、eSIM、網絡入口和體驗保障能力，把終端、連接和服務綁定在一起。
例如，AI 眼鏡可以和專屬上行套餐綁定，機器人控制可以和安全專網綁定，車載智能可以和低時延保障綁定。運營商不只是提供接入，還可以參與智能終端的使用場景設計。
核心網側的 AI 能力，也會給傳統通信業務帶來新的入口。通話業務可以疊加防詐騙、安全識別、靜密通話、降噪和語音增強等能力，讓運營商在原有通信服務之上提供更高層級的體驗和安全保障。
這樣看，運營商不再只是“賣 SIM 卡”的渠道，而是可以圍繞智能體的使用場景，提供連接、體驗、安全和業務保障。
這正是 AI 時代移動網絡最大的變化，它改變了移動通信網絡的基本任務。
過去，網絡主要解決人如何更快、更穩定地獲取信息；未來，網絡還要支撐智能體如何感知現實、理解環境、完成推理并執行反饋。
在這個過程中，AI 既是網絡需要承載的新業務，也是改造網絡自身的新工具。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
