面向AI体验的网络

在发布后的前三年里，生成式 AI（GenAI）的使用量以惊人的速度增长，已经接近每周十亿活跃用户。其中相当大一部分使用都发生在智能手机上——一开始主要是基于文本的查询，随后逐步向更丰富的媒体交互转变。相应地，移动网络必须演进，以适应这一变化。

这种演进的未来，取决于三大技术支柱的融合：AI、云和移动通信。AI 模型正在不断演进，成为能够同时处理音频、图像、视频和沉浸式媒体的多模态系统，用这些媒介既作为输入也作为输出。集中式云基础设施在模型训练中发挥核心作用，同时更分布式的云能力正在兴起，以支撑推理过程。移动连接则处于理想位置，可以连接现有的 AI 赋能终端以及新一代 AI 原生终端，在这些终端上，网络可用性、可靠性和安全性至关重要。网络性能因此成为 AI 体验的决定性因素。

这种融合正在形成一个强大的经济与技术“飞轮”：一方面，AI 驱动新的网络需求；另一方面，先进网络又为消费者和行业解锁新的 AI 用例：

• 面向消费者：AI 为智能手机用户提供高度个性化的推荐和内容创作。此外，针对 AI/增强现实（AR）眼镜的产品市场匹配正在逐步清晰，终端上集成的摄像头可提供沉浸式感知。尤其重要的是，终端侧个人智能体正在出现，有望在未来触发更高的普及率和使用强度。

• 面向企业与行业：自动驾驶车辆（AV）高度依赖网络，特别是上行（UL）能力。机器人和无人机等也正在成为采用率不断提升的工业应用场景。采用 AI 的知识型员工在使用由企业统一管理的智能手机和笔记本电脑时，将需要值得信赖的网络连接。我们也预期物联网（IoT）将迎来“文艺复兴”，终端侧 AI 将在现场驱动新的应用。

现有应用与新兴应用的叠加预计会带来显著的业务量增长：下行方向的复合年增长率（CAGR）约为 15%，而上行方向则将达到显著的 30%。同时，网络被用作数据源也是一个新的发展趋势——网络不仅提供连接，还生成有价值的数据，用于提升体验。

网络正在通过三大技术使能能力来响应不断上升的需求：增强上行、差异化连接以及可编程的网络开放：

• 增强上行（Enhanced UL）：5G 独立组网（SA）和 5G Advanced 通过无线软件特性、站点与频谱升级以及上行 QoS 能力，显著提升上行覆盖和容量。
• 合适的中频与厘米波频谱：中频与厘米波频谱（包括未来 7–12 GHz 频段）对 AI 赋能业务量至关重要。
• 差异化连接：通过网络切片、用户设备路由选择策略（URSP）、高级调度，以及“按需质量（QoD）”和“按需专用网络”API，在会话级别为 AI 业务提供具备服务等级协议（SLA）能力的吞吐、可控时延和可靠性保障。
• 网络开放 API：为定位、认证和网络洞察等能力提供面向智能体的访问方式，使 AI 应用能够动态请求合适的连接，并利用网络数据源，例如基于无线的感知和终端定位。

如本白皮书后文所示，这些能力正在把网络转变为一个 AI 平台，并由此打造新的商业模式——基于上行性能的高级服务，通过 API 暴露的差异化连接，以及面向关键行业的高级服务能力。

要理解未来对网络的影响，需要聚焦那些既数据密集又具备广泛采用潜力的应用。爱立信的目标，是提供面向消费者和行业 AI 应用的领先网络，为其不断增长的需求进行优化。因此，本节先简要梳理新兴的 AI 用例，随后在后续章节中提出适配这些应用的网络解决方案。

AI 作为通用“催化剂”

AI，尤其是 GenAI，正在成为一类通用的“转型催化剂”，支撑当今广泛的应用场景：从面向消费者的应用，到面向行业的应用，例如医疗领域的 AI 驱动诊断、零售领域的动态定价算法、制造领域的预测性维护，以及交通领域的自动驾驶车辆等。

在消费者侧，(Gen)AI 赋能的高度个性化内容有望进一步提升用户留存；在企业和工业侧，AI 驱动的本地计算卸载、利用高效图形算法（如高斯算法和 Splatting 等）进行渲染，以及多模态大模型和 AI 智能体助手的涌现，都会对网络提出新的要求。嵌入式边缘 AI 能力正在物联网终端（如智能摄像头）中出现，本地数据预处理将带来更高质量的上报和控制。自动驾驶车辆需要上下行遥测，尤其是上行方向已经产生显著影响。自主移动机器人在工业场景中同样带来大量上行业务，未来将拓展至面向消费者的场景。

消费者行为的迁移

在消费者侧，AI 正在悄然重塑用户生产和消费内容的方式，这一变化直接反映在业务量模式上：

• AI 赋能的高度个性化内容：AI 编辑、翻译以及图像/视频生成，使几乎每一位用户都能成为内容生产者，从而显著提升下行业务量。视频已经主导移动数据流量，占比约 70–75%。虽然目前 GenAI 在网络中的总占比仅约 0.06%，但 GenAI 会话的上行占比却显著更高——约为 26%，而传统网络中上行占比约为 10%。这一变化将直接影响上行调度器、TDD 上下行配比以及中频宏站密度等无线规划环节。
• AI 推动新终端采用，带来新的上行压力：以 Ray-Ban Meta 智能眼镜为代表的 AI 原生可穿戴设备，会持续采集音频和图像，带来新的“始终在线”的上行需求。它们依赖云端助手完成实时翻译和视觉理解。这类终端以短小但高价值的数据流向上行方向发送，根据具体场景动态调整分辨率，需要强大的上行容量、低时延、稳定的往返时延（RTT）、良好的抖动控制，以及在伴随终端上实现高能效的多模态 AI能力，并在切换或网络条件变化时保证可靠的每终端 QoS。
• 跨终端的个人智能体与云边织构：始终在线的个人智能体正在取代传统“仅手机应用”的模式，通过无缝集成手机、笔记本、眼镜、车辆和家庭系统等多种终端。此类助手通常在本地通过小型终端侧模型处理基础任务，并将复杂请求上送至更高级的 AI 云基础设施。Apple Intelligence 等私有 AI 算力云即是这种架构的典型代表。

对于上述 AI 原生消费者场景，网络需要具备以下特征：

• 更高数量的短时延敏感控制交换，在终端与附近边缘或区域 AI 集群之间频繁发生；
• 强烈的本地“断点接入”诉求，将业务就近导入大型人口聚集区附近的区域数据中心，避免个人智能体承受跨洲 RTT；
• 额外的能力，例如定位与感知，以及辅助能力，如安全与信任机制。

AI 驱动的新兴企业应用

5G、园区边缘计算和低时延 AI 推理的融合，为行业与企业创造了可货币化的机会。通用的架构框架包括：由传感器和机器生成数据，本地边缘 AI 进行实时分析和推断，再通过可靠的 5G 连接驱动行动。典型用例如下：

• 自动驾驶车辆（AV）：依赖 5G 提供高比特率上行，用于传输摄像头和激光雷达（LIDAR）数据——既用于模型训练，也用于保险理赔等场景；在车辆停滞时，通过远程操控命令进行干预；在车路协同（V2X）场景中用于安全与协同信令等。这类应用通常需要 5–30 Mbps 的上行速率，端到端视频时延低于 100 ms，控制业务时延低于 20 ms。
• 5G 原生笔记本：例如爱立信 Enterprise Virtual Cellular Network（EVCN）解决方案，为混合办公与 AI 驱动工作流提供安全、始终在线的云访问，这将提升视频共享与基于云的 AI 交互带来的上行业务量，从而增强整体工作场所的移动性与生产力。
• 物联网“再出发”：运行在嵌入式终端上的小型或量化大模型，可在本地进行数据预处理，这会在模型更新和推理时带来计算密集型突发流量。5G 的多种业务类别——增强型移动宽带（eMBB）、超可靠低时延通信（URLLC）、轻量化 RedCap 以及大规模机器类通信（mMTC）——可以满足不同 IoT 设备的需求和行为模式。
• 网络作为数据源：随着 AI 应用越来越需要理解真实世界事件，网络作为额外信息源的作用日益重要，利用定位服务乃至未来 6G 中基于无线的环境感知能力，为应用提供上下文信息。
• 行业中的边缘云：制造、物流和公用事业等行业，正越来越多地利用与边缘 AI 集成的私有 5G 网络，进行实时视频分析、自主运行和预测性维护。智能仓储和港口即是典型案例，它们利用 5G 驱动的解决方案来高效优化操作。
  这些应用需要将业务就近导出至边缘 AI，以获得及时响应；需要在某些场景中使用具有时间敏感特性的网络（例如满足 20 ms 以内控制环路时延的 TSN）；还需要针对每个切片具备可观测性，以满足 SLA 级别的结果。

要满足 AI 应用不断增长的需求，采用 5G SA 技术至关重要。该架构能够支持会话级断点接入、网络切片以及优化的无线维度规划等能力。当前的 5G 网络已经能够为部分应用提供良好性能，例如依赖上行和下行多模态业务的智能眼镜与 AI 助手等。持续的网络基础设施演进进一步增强了 AI 驱动应用的性能和效率，包括改进上行通信、差异化连接，以及网络开放 API 等。

增强上行

上行性能对于新兴 AI 服务至关重要，例如 GenAI 和智能体型 AI 应用，以及增强现实、混合现实与虚拟现实（AR/MR/VR）等用例。这些用例也是差异化连接与 5G 变现的关键驱动因素。

上行性能可以通过提升覆盖与容量，以及改进上行 QoS 来增强。在 6G 到来之前，运营商已经可以部署多项 5G 与 5G Advanced 功能与解决方案，以提升上行能力：

• 覆盖与容量：提升上行性能的途径主要包括：
  • 在无线与基带侧引入软件特性；
  • 优化站点配置；
  • 增加宏站、街站和室内站点，以改善上行链路预算；
  • 引入合适的新频谱，以获得更好的上行覆盖与带宽。
• 上行 QoS：为满足新兴 AI 用例在上行通信中对响应性的需求，多项高级网络特性至关重要，例如低时延、低丢包、可扩展吞吐（如 UL L4S）、上行时延状态报告（DSR）、上行精细化缓存状态报告（BSR）、以及低时延移动性等。上行 QoS：为满足新兴 AI 用例在上行通信中对响应性的需求，多项高级网络特性至关重要，例如低时延、低丢包、可扩展吞吐（如 UL L4S）、上行时延状态报告（DSR）、上行精细化缓存状态报告（BSR）、以及低时延移动性等。

频谱分配：AI 演进的关键资源

随着额外频谱的分配，网络特性需要充分利用各频段的物理特性，在上行与下行调度之间取得最佳平衡，同时考虑传播特性、天线设计以及用例需求（例如终端功耗、低时延等）。频谱分配对实现 AI 功能的作用，如同数据中心的能源需求一般关键。主要考量包括：

• 合适的中频/厘米波频谱：持牌全功率中频与厘米波频谱是支撑 AI 驱动业务量以及未来连接需求的基础。5G 频谱的持续演进，以及 7–12 GHz 频段中新兴的 6G 发展，将深刻塑造 AI 网络的功能。
• 更多的频谱资源：为了支撑前文所述的新兴用例，实现合理的经济增长，每家运营商在中频/厘米波频段可能需要最多约 1 GHz 的频谱资源，以满足 AI 业务量需求。
• 合理的监管框架：监管应允许在各频段灵活使用频谱，在网络中立性和不同代际（G）频谱使用方式之间取得合理平衡，从而实现最佳经济回报。

差异化连接：方案与路径

AI 应用依赖网络信息来有效运行，而网络还可以通过动态调整通信服务以满足特定应用需求，进一步提升价值——这就是所谓的差异化连接。这一能力对于实时、多模态通信尤为关键，例如从智能眼镜向 AI 引擎发送视频流，在此类场景中，优化的网络性能至关重要。

通过差异化连接，AI 应用可以动态调整网络配置，在用户体验与网络效率之间取得最优平衡。差异化连接将多项 5G SA 能力结合在一起——包括高级无线调度、资源划分、网络切片、URSP、网络发起的 QoS 以及核心网 API——在终端、应用和网络之间提供端到端的定制化性能。

高性能可编程网络将高级大规模 MIMO、波束赋形以及基于意图的服务感知自动化等能力结合起来，使运营商能够动态配置与管理性能，为 AI 应用提供可保障的吞吐、可控的时延以及高可靠性。这为差异化连接产品打开了新的机会空间，也使 AI 应用能够将关键业务流量引导至对应的性能等级，以提升用户体验并提高网络利用效率。

网络开放 API

网络开放 API 为差异化连接、定位、安全与认证以及网络洞察等能力提供访问接口，从而将网络转变为一个创新平台。借助这些 API，AI 应用可以构建“网络增强型”服务，获得更灵敏的响应性能，并利用网络提供的额外信息做出更好的决策与推荐。

AI 负载可以调用信息类 API（例如位置、连接状态）、事务类 API（例如切片预约、上行调度请求或消息）或将多个 API 进行编排，以满足应用对上下文和连接质量的综合要求。差异化连接 API——如“按需专用网络（Dedicated NW on demand）”和“按需质量（Quality on Demand）”API——同样属于事务型接口，可以服务于广泛的 AI 与非 AI 应用，在高负载条件下依然提供通信质量，并为特定连接需求（如速率与时延）提供 SLA 级保障。

目前，网络 API 可以通过传统方式直接访问，也可以通过面向智能体的机制访问，例如基于 Model-Context Protocol（MCP）或 Agent-to-Agent Protocol（A2A）实现的“智能体工具接口”。对于应用开发者而言，AI 辅助查找合适的 API 以及理解相关开发生态与工具，比单纯接口本身更具价值。随着时间推移，这类面向智能体的接口支持有望演进为“电信级”智能体AI 平台，构建在现有网络之上，将网络数据源、开放 API、AI 服务以及网络自动化接口整合一体，用于构建协同应用，让应用所有者与网络所有者共同获益。

我们预计，无论 AI 应用运行在何处，它们都需要对自身所需的信息源与连接能力有清晰认知，并能够主动使用 API 来满足这些需求。这类应用在时延与质量方面具有一致的要求，并希望始终基于最新、最准确的信息进行决策。对于运营商与云服务提供商而言，这将打开新的商业模式——例如面向 AI 应用提供不同档次的连接能力或高级上行服务。

网络能力扩展：身份与定位

对连接设备进行户外定位，可以在消费者、企业、汽车、空域与机器人等多种细分市场中，基于物理位置打造新的货币化机会。相较于全球定位系统（GPS），5G 定位在面向任务关键型应用时可提供更加可靠、稳健且具成本优势的技术选项。该方案基于与终端无关的软件能力，适用于任何 5G 终端，从而降低进入门槛并扩大可服务市场规模。

在视距条件下，利用 5G 蜂窝网络高级特性可以获得适合消费者场景的位置精度；在此基础上，借助实时动态（RTK）广播等增强特性并配合 GPS，可以进一步提高定位精度。凭借高精度且经网络验证的位置数据，AI 应用可以获得更好的上下文信息，实现更安全、更准确的实时运行与决策。

行业数字孪生：与网络数字孪生的协同

如今，众多行业正在拥抱数字化转型和“数字孪生”理念，在虚拟世界中加速产品设计与开发、生产与装配工程自动化。在工业元宇宙中，基于 AI 加速的预测与仿真可以在多站点之间管理多种行业用例，结合 XR 仿真开展复杂场景分析。

工业数字孪生与网络数字孪生相互协同，共同创建一个对物理系统的全面数字复制体，将工业流程与其所依赖的通信网络和算力基础设施融合在一起。这种协同不仅优化单一实体，而是优化端到端系统，包括工业 IoT、物理资产、环境依赖以及连接它们的网络之间的适配性。通过这种整合，可以实现更优的性能、更精准的预测性维护，以及面向未来演进的反事实分析与仿真。

AI 使用正在快速扩张，媒体形式更加丰富，上行业务更为密集，且业务处理逐渐靠近用户——跨多种终端与云边节点分布。本白皮书展示了 AI、云与移动技术融合的路径：网络正在从“尽力而为的宽带管道”演进为可编程的 AI 平台。这些未来网络必须在增强上行、差异化连接和丰富的网络开放能力等方面取得突破，以支撑规模化的消费者与企业 AI 应用。

要实现上述愿景并抓住新兴 AI 经济带来的机会，需要在以下优先事项上采取行动：

• 优先推进以上行为中心的网络演进：加速部署 5G SA 和 5G Advanced，重点提升上行覆盖与容量。在规划、优化以及网络关键性能指标（KPI）体系中，将上行性能视为新的“核心度量”，让上行成为网络演进的新“通货”。
• 将差异化连接运营化为产品：通过网络切片、URSP、QoD 以及高级调度，面向 AI 负载提供会话级 SLA 能力。围绕 GenAI 应用、XR/AI 眼镜、自动驾驶车辆、无人机/机器人以及 AI 赋能的工业 IoT 等关键细分市场，设计面向高级上行和差异化连接的商业产品。
• 把网络暴露为数据与能力平台：部署并标准化网络开放 API，使定位、认证、感知以及网络洞察更易被 AI 智能体和应用开发者消费。构建隐私保护的数据产品，使运营商在“连接之外”贡献更大的价值，而不仅仅是提供原始带宽。
• 推动移动网络演进：如图示意，移动网络将从差异化宽带演进为开放的平台，暴露高级能力，并最终通过分布式计算与 AI 服务将应用“运行在网络之中”，从而将网络从简单的连接提供者转变为战略性生态合作伙伴。
• 采纳 AI 原生运营：通过可编程、云原生的网络功能，引入 AI 驱动的自动化，持续优化动态的 AI 业务模式和服务等级。在这一过程中，让网络演进与“面向 AI 体验的网络”的愿景保持一致，并最终实现 AI 原生网络。

通过上述行动，移动运营商可以完成本白皮书提出的多阶段转型路径：从增强连接，到可编程的 AI 就绪平台，再到真正的 AI 原生网络。率先完成这一演进的运营商，不仅能够在即将到来的 AI 业务浪潮中持续保持网络性能优势，还将为自己在全球 AI 经济中赢得战略性地位。