AI驱动移动网络中上行需求的快速增长

AI 正在快速催生新用例并加速新应用和新设备的设计。这使得超个性化成为可能，从而提升应用粘性，并催生出全新的、完全自智的智能体型 AI 系统。随着新用例的采用不断增加，对网络性能的要求显著提升。这些服务将同时增加上下行流量，但对上行的影响尤为明显，重塑了网络性能和设计优先级。

上行流量持续攀升

过去，移动网络在设计和容量规划上一直以下行为主，主要面向视频流服务、网页浏览等内容消费带来的下行主导型流量。对 2025 年全球 55 家运营商移动网络流量增长的分析显示1，比较了网络层面下行和上行的增长率，显示出一个清晰且一致的模式：对大多数服务提供商而言，上行流量的增长速度快于下行流量，在许多情况下甚至明显更快：

• 在 55 家运营商中，有 43 家的上行增长率高于下行。
• 在 55 家运营商中，有 17 家的上行增长率超过下行的 1.5 倍。

尽管从绝对流量规模来看，下行仍占主导，但流量模式的变化已开始显现，上行流量不断增加。显然，推动上行流量的新增设备和应用在各个市场的渗透速度不同。在那些新设备和应用采纳速度快、使用强度高的地区，上行容量将更早面临压力，需要尽快采取措施满足不断增长的需求。

近期：AI 原生智能手机和用户行为变化驱动上行增长

在短期内，大规模的上行流量增长主要由智能手机应用驱动，随着智能手机用户行为的演变，上行需求持续增加。随着每年数以亿计的 4G 设备被 5G 智能手机替换，支持高分辨率（1080p 及以上）的终端数量持续增加。
 
由于典型的智能手机高清（720–1080p）视频通话每路上行可产生约 1–3 Mbps 的流量，每一次设备升级都实际提升了潜在的上行负载，从而推动整体上行流量稳定增长。

用户生成内容——尤其是来自智能手机的短视频和直播，以及手机到云端的数据备份——同样在推动上行用量增加。此外，数字原生代的人群规模持续增长，越来越多的人花更多时间使用智能手机，当这些行为在全球人口层面进行平均时，其带来的上行效应将被进一步放大。

中期：AI/AR 智能眼镜和智能体 AI 系统带来额外上行增长

AI 和 AR 智能眼镜市场仍处于早期阶段，但增长迅速。2025 年全球出货量约为 1,000 万台，多家分析机构预测，未来几年该市场将保持强劲的两位数增长。围绕此类设备的服务，对网络上行性能提出了较高要求。根据具体用例不同，上行吞吐量需求大致在 1–10 Mbps 之间。当摄像头视频流、音频和传感器数据持续回传至云端 AI 进行实时处理时，上下行流量比通常为 1:8（上行占据明显主导）。然而，由于 AI/AR 智能眼镜受到能耗限制，设备原始设备制造商（OEM）往往采用激进的任务间歇调度策略(duty-cycling schedule)策略，以延长续航时间，这会进一步抬升瞬时上行需求。

长期：自动驾驶汽车、AI 智能体和无人机驱动未来上行增长

单个 5G 网络可以支撑范围广泛的自动驾驶车辆用例，从（近）实时训练数据采集和自动驾驶遥测，到远程协助、未来车联网（V2X）安全消息以及“车辆即传感器”等用例：

• 自动驾驶遥测：遥测业务需要间歇性的 1–10 Mbps 上行吞吐，在车辆运行期间几乎持续存在，但对严格的实时时延要求不高，关键的安全功能仍在车内本地执行。当前的遥测数据主要包括基础运动学和位置信息、运行状态数据以及周围环境数据和感知元数据。
• 远程协助：需要数 Mbps 级别的上行高清视频，时延低于 100 ms，可靠性极高，但在车辆运行时间中所占比例不到 1%。
• V2X 与“车辆即传感器”：未来车辆可以形成分布式的传感器集群，被用于多种用途，例如提供安全消息和空间数据采集。这将大幅提升对上行和下行容量及可靠性的要求。

对于商用无人机而言，其网络需求已相当严苛：自主飞行通常需要约 100 kbps、具有高可靠性和低时延特性的下行吞吐来承载指挥和控制业务，而飞行过程中的遥测和实时高清视频流，每路摄像头可产生数Mbps的上行流量。在其他企业用例中也可以观察到类似模式，包括 AI/AR 辅助现场服务、5G 原生笔记本电脑以及数量不断增长的各种智能设备。

每一个自治或支持 AI 的终端，实际上都成为一个上行密集型的接入点。当 AI 系统不断尝试“理解”和“交互”物理世界时，网络本身也逐渐演变为关键的数据源。定位、定时以及基于无线电的感知信息可以被用来推断丰富的环境上下文——从空间几何结构和物体运动，到各种情境动态。这进一步强化了对稳健、高性能上行连接的需求。

自主系统也可能演进为全新的用例类别。自主的软件 AI 智能体通常几乎一直处于“在线”状态，在上行链路上持续传输其所处物理环境的信息。这类系统可以支持全新的服务形态，例如“记录我的一生”的持续记录服务、实时物理安全防护圈，或者空间广告机会。所需数据速率因应用而异，从几百 kbps 到数 Mbps 不等，但更重要的是，这会形成一种常驻的上行背景负载，而当前网络并未针对这种负载进行容量规划。

自主机器人同样可以视作智能体用例的一部分，因为它们执行任务并操控物理环境的方式，与数字域中的软件智能体类似。机器人的空间智能能力，加上其他需要算力卸载的任务，预计将产生数 Mbps 级别的上行流量，而用于控制指令的下行流量通常低于 1 Mbps。

场景建模：AI 流量对上行增长的影响

当前预测显示，2025 年至 2031 年间，全球移动数据流量将大约翻一番。为了评估新增 AI 相关流量对某一地理区域上行增长的潜在影响，我们基于典型城区 1,155 名用户/平方公里的用户密度，构建了三个情景，对 AI 设备渗透率和应用使用情况设置了不同假设。这些情景考虑了多种新兴 AI 使能设备的组合，包括 AI/AR 智能眼镜、AI 云游戏、AI 助手以及用于不同行业场景的 AI 赋能连接摄像头。分析表明，日益广泛的 AI 驱动应用可以显著改变流量构成，并加速移动网络上行流量的增长。
 

分析的三个情景包括：

• 温和情景：AI 使用受到限制，主要基于智能手机，AI/AR 智能眼镜的渗透率较低，因此新增 AI 流量相对于预期的基线增长仍然较小。
• 中等情景：基于智能手机的 AI 使用已经具有较高的渗透率，AI/AR 智能眼镜的应用开始呈现明显增长，同时 AI 云游戏和 AI 助手的使用已经启动。新增 AI 流量使得 2031 年的上行流量较 2025 年高出 3 倍。
• 高增长情景：AI 使用在智能手机上已非常普及，AI/AR 智能眼镜拥有显著渗透率，AI 云游戏和 AI 助手的使用也呈现强劲增长。新增 AI 流量使得 2031 年的上行流量较 2025 年高出 5 倍。

根据 AI 应用采纳的速度不同，上行流量相较于 2025 年基线可能出现显著增加。预计这一增长不仅由消费者使用推动，也将受各类行业应用驱动。在中等采纳情景中，分析假设：43% 的用户在智能手机上使用 AI 助手，7% 的用户在智能眼镜上使用同样的应用，2% 的用户参与 AI 辅助云游戏，1% 的用户与 AI 助手进行交互。此外，该情景假设每平方公里部署 80 个 AI 辅助的联网工业设备，包括 AI 增强的安防摄像头、自动驾驶车辆和其他类似设备。

AI 驱动用例天然更偏重上行，由实时交互、视频采集和持续数据生成所驱动。为了确保良好的用户体验，分析假设各种应用的平均上行吞吐需求为 1.5 Mbps，对应的下行吞吐需求为 0.5 Mbps。对许多要求苛刻的用例而言，实现理想用户体验所需的实际速率很可能远高于此。
 
尽管预计上行流量的增长速度将快于下行流量，移动网络整体仍将保持下行占主导的特征。在上行流量高增长情景下，AI 支持的应用预计占总流量增量的 20%；而在上行中等增长情景下，则预计占 8%。

上行性能未随新业务同步扩展

未来几年，上行流量的预期增长将对网络的容量规划、部署和运维产生深远影响。网络通常是基于第 5 百分位阻塞用户(outage users)（即确保 95% 用户获得足够或更好体验所需的最低性能）进行规划，这体现在单位面积上行流量（Mbps/平方公里）与第 5 百分位单用户吞吐量（Mbps）之间的关系上。

图中的红色工作点反映了当今全球众多运营商所面临的现实。在当前的上行流量负载下，处于小区边缘的用户体验到的上行吞吐量非常低，说明最低上行性能要求同时受到覆盖和容量的双重制约。已经商用的短期上行增强特性，例如 5G 独立组网（SA）和上行优化的主小区（PCell）选择，可以将性能提升至绿色曲线附近（即网络在今天理论上应处于的水平），但在面向未来需求时仍存在显著差距。

即便引入上行增强能力，例如先进多天线技术（FDD MU-MIMO）、站间协调上行传输（站间 UL CoMP）以及更宽的低频段频谱，当前（以及短期内）网络配置仍无法在规模上满足新兴用例的最低或理想单用户上行吞吐目标。这在图中以蓝色工作曲线以及服务新兴用例规模化落地时出现的性能缺口来体现。整体来看，该图突显出结构性失衡：上行容量并未跟上预期的流量增长和业务需求。如果不能大幅提升上行能力、更加高效地利用网络资源，服务提供商将在为新兴用例提供一致用户体验方面面临挑战。

面向未来需求的网络演进

AI 原生、传感器密集sensor-rich和沉浸式应用的兴起，正推动移动网络从传统的内容分发平台演进为智能网络。然而，围绕下行流媒体优化的网络，与那些持续上传传感器、视频和遥测数据至云端和边缘进行处理的设备并不匹配。这一转变使上行链路而非下行链路成为未来网络演进必须解决的关键瓶颈3。
 
运营商可以首先通过软件驱动的上行增强能力，最大化现有网络资产的价值，在无需进行大规模硬件变更的前提下，即刻提升容量和覆盖。

下一步，则是通过针对性的无线演进，从根本上改善上行链路预算和容量。部署具备更高接收分集能力的先进 FDD 无线（例如 8RX）、引入新的 FDD 频段，并利用 Massive MIMO 和先进天线系统，都可以显著提升上行覆盖和吞吐。这些升级在中低频段尤为重要，因为上行性能在这些频段受限最为明显，提升后可以显著增强整体网络容量。同时，服务提供商可以优先采用那些明确增强上行增益的解决方案，确保无线投资与新出现的流量需求不对称性保持一致。

在无线升级之外，运营商还可以通过提升网络密度和频谱供给，支撑长期的业务增长。增加宏站和室内站点、重耕现有频谱并引入新频段，将成为提升单位面积上行容量的关键举措。

嵌入式 AI 也正成为 RAN 中不可或缺的一部分，因为运营级 AI 模型已经在频谱效率和网络容量方面（无论上行还是下行）超越了高度优化的传统算法。通过嵌入 AI 驱动的软件，运营商已经在性能方面获得了显著收益，同时也为构建 AI 原生系统奠定了基础。

从更长远看，6G 的能力，例如上下行解耦和基于竞争的上行接入，将实现更灵活、高效的资源利用，使网络能够动态适配上行密集型流量模式，并在规模上支撑下一代实时应用。

面向上行为中心连接的新变现模式

网络演进必须与新的变现模式相配套。差异化连接能够针对上行密集型服务定义清晰的性能等级，并为每一级别匹配相应的服务级别协议（SLA）和价格。与其依赖“尽力而为”的上行容量，这些模式则将可靠性和可预测性转化为可计费的属性。

高级的差异化服务在设计和定价上确保能够持续交付可衡量的结果，包括在需求集中的场景下按需提供容量，并有选择地应用优先级策略，尤其是在资源竞争激烈、通过优化可以显著改善用户体验的情况下。通过聚焦网络智能能够真正创造价值的场景，差异化连接为所有用户的服务体验带来了可靠性和公平性。

借助 5G SA 和网络 API，应用和自动化系统可以在实时环境中请求并按量计费获取差异化的上行性能。这既包括在高峰需求期间提供有保障上行性能的事件型增值服务，也包括为需要持续一致性能的业务提供长期保障等级，以及直接嵌入应用中的 API 驱动用量模式。通过这些方式，上行连接得以作为独立的、以结果为导向的价值主张进行提供，并为上行密集型和 AI 驱动服务的规模化变现奠定可扩展基础。