GenAI 對上行、下行流量和網路規劃的影響

AI原生多模態應用案例的出現

AI與生成式AI技術正快速重塑消費者與企業市場格局，催生出能夠同步處理多種資料登錄的AI原生多模態應用。

AI正透過具有生成式AI功能的智慧手機帶來高度個性化的用戶體驗。使用者能夠更快速地獲取所需資訊，內容創作也變得更加便捷。這樣就可以有效提升用戶參與度和留存率。而智慧眼鏡和擴增實境（AR）眼鏡則透過將大型語言模型（LLM）和高斯潑濺渲染（Gaussian splatting）¹等計算密集型任務卸載至雲端處理，實現了豐富的擴增實境體驗。值得注意的是，AI代理和多模態大語言模型的出現，正引領智慧助手進入新時代——這些助手依賴以上行鏈路為主的影片和語音處理技術，提供即時且具有情境感知能力的交互體驗。

這些創新正共同推動向AI原生平臺及生態合作體系的根本性轉變，其中智慧化的多模態介面正在重新定義人類與機器的對話模式。所有這些新興應用案例都需要高效能網路連接。

個人化AI代理的興起

在這些新興應用案例的交匯處，一種高度個人化的虛擬和實體AI代理正在迅速發展。這些AI代理透過智慧手機、AR眼鏡和其他可穿戴裝置使用，或作為伴侶機器人使用，代表了人機對話模式的根本性變革。

AI代理可作為消費者的高度個性化助手，提供主動排程、即時語言翻譯、沉浸式導航、適應性學習以及跨終端裝置（如智慧手機、AR眼鏡或筆記型電腦）的內容策劃等服務。在企業環境中，AI代理能夠自動執行工作流程、管理日常溝通、協助知識檢索，並透過即時推薦為第一線員工提供支援，有效充當員工與複雜系統之間的智慧介面。

另一方面，實體AI代理，如服務機器人或自主機器人，也可在企業環境中發揮作用，承擔物流、監控、倉儲操作甚至客戶服務等角色，處理重複、危險或時間敏感性的任務，同時不斷從環境中學習並適應環境。對於消費者而言，這些代理可提供結合類人行為的物理支援，協助完成多種任務。

當前，隨選型AI代理（由用戶啟用）與常駐主動型AI代理（提供主動輔助）之間正出現一個關鍵差異。到2030年，個人化AI代理將無處不在，廣泛滲透到我們的終端裝置、環境和互動中。從計算需求、延遲敏感性和網路資源使用方面來看，不同類型的AI代理會帶來不同的獨特挑戰。值得注意的是，主動型AI代理將消耗更多資源，同時需要謹慎管理以確保使用者隱私和安全。

網路、終端裝置與內容的融合

AI代理和AI原生應用的興起得益於三大核心要素的商業協同：網路、終端裝置和內容。

目前的5G網路正超越一般的行動寬頻，提供多種差異化能力，包括確定性延遲、高效能上行鏈路、進階的切換機制和超可靠邊緣接入。開發者現在可透過API利用這些能力。

終端裝置也已成熟，足以支援AI原生體驗。智慧手機正演變為包含增強型感測器和專用AI加速器的多模態AI終端。同時，AR裝置正朝兩個方向發展：一是輕便、具攝影功能的智慧眼鏡（適合日常使用），二是更具沉浸感的全端系統（專為豐富、持續的互動設計）。這些裝置被用作AI代理的感測器資料獲取中心和服務交付端點，實現情境感知、隨時可用的協助工具。

最後，生成式AI能力的顯著提升，讓內容以前所未有的規模和品質被產出（包括文本、圖像及沉浸式環境）。多模態媒體，包括2D、3D和容積多維成像內容（例如，透過神經輻射場2或高斯潑濺等三維影像渲染技術實現） ，正在開創全新的互動模式。這些內容形式特別適用於沉浸式AR環境和實體AI代理，使其能夠在具有豐富空間資訊的複雜場景中進行認知推論並執行操作。

網路流量特徵的演變趨勢

隨著AI和生成式AI技術深度融入個人化與沉浸式體驗，網路流量的質量特徵正在發生根本性變化。AI原生工作負載帶來了更具雙向性、情境敏感性的新型流量特徵，從而導致上行鏈路需求顯著成長：

• 下行鏈路為主的個人化內容成長：
  生成式AI支援大規模創造超個人化內容（涵蓋娛樂至教育等領域）並即時適配每位用戶的需求。這一趨勢顯著提升了用戶參與度、留存率及內容使用量（目前已有實證）。然而，儘管此類應用增加了下行鏈路負載，但現有的5G頻譜資源仍可有效應對流量壓力。
• 上行鏈路為主的沉浸式互動流量成長：
  AI對流量模式的根本性重塑體現在即時沉浸式互動場景中，尤其是AR體驗--包含多模態助手或AI代理的情況下。此類系統需要持續上行鏈路來傳輸影音串流、感測器資料及對話指令，進而實現情境推理與即時自我調整。雖然生成式AI從雲端向終端/邊緣計算的遷移（透過縮短延遲）加速了這一趨勢，但仍需持續上行鏈路支持個人化適配與環境感知。AI代理還可能從多種其他來源獲取額外資訊，這也會增加流向AI代理的流量。
• 語義壓縮技術：基於數位化身（avatar）的新興通訊方式代表了一種新的流量優化方法，透過傳輸高級語義資料而非影音數據來實現。如果在裝置端實現，這可以顯著降低資料傳輸率，特別是在受控環境中。然而，由於採用範圍可能侷限於封閉的生態合作體系和企業應用案例，預計其在短期內對整體流量的影響仍然有限。

這些新興的雙向流量類型包括即時查詢、串流式上下文（streamed context）、推論輸入和輸出以及編排指令。這導致了一種與傳統流量模式截然不同的新流量特徵，體現在流量大小、峰值與平均的特性、延遲要求，以及封包大小和頻率等方面。

並非所有生成式AI流量都會帶來影響

隨著生成式AI持續快速融入日常應用，必須認知到並非所有基於生成式AI的體驗都會對網路流量產生顯著影響。雖然未來幾乎所有應用（從生產力工具到創意平臺）都將以某種形式在裝置端或雲端結合生成式AI，但只有部分應用會推動行動流量的成長：即那些既廣泛普及又需要以高資料傳輸率使用雲端或內容的應用。為了準確評估具體影響，可忽略以下三類應用：

• 資料傳輸率較高但採用率較低的應用，如專業影音編輯和雲端3D渲染等。這些應用對頻寬的需求很高，但使用場景較為小眾，因此可透過網路峰值容量規劃來消化。
• 採用率較高但資料傳輸率較低的生成式AI應用，以文本聊天機器人為典型代表。這些應用雖然採用率較高但資料需求較小。
• 採用率和資料傳輸率都較低的應用，例如偶爾使用的即時語音翻譯等。

真正會對網路流量產生重大影響的是資料需求量大且高度普及的應用，典型代表包括：

• 基於影音的AI助手 - 依賴即時影音串流進行互動，需要持續的上/下行流量支持，以及必須依託雲端實現的語義理解功能（裝置端生成式AI模型難以滿足）。
• 由先進生成式AI驅動的沉浸式遊戲或遊戲化環境，可能融合多用戶串流傳輸與動態、程式化及容積渲染內容生成技術。

憑藉搭載常駐助手（always-on assistants）的擴增實境（AR）裝置實現的體驗，這些應用類別將成為新增網路流量的核心驅動力。其資料密集型特徵既來自內容渲染需求，也源於持續的AI推理計算和環境互動行為，從而形成持久的上行鏈路與下行鏈路頻寬需求。

這類具備高資料傳輸速率和高採用率的新興應用，預計將引領下一波流量成長浪潮，進而對頻譜資源規劃、網路架構設計、資本投入及生態合作體系產生深遠影響。

雖然未來AR眼鏡可能支援大量使用上行鏈路的視訊通話和大量使用下行鏈路的串流媒體傳輸，但此類應用會形成增量流量還是替代現有流量仍無法確定，故本文不予討論。

上行鏈路、下行鏈路及未來頻譜影響分析

為了準確測算全球平均使用時長及對應的上下行速度需求，本研究採用柏拉圖分佈（Pareto）與冪律分佈（power distribution law）模型進行量化分析。具體方法如下：假設未來使用智慧終端機或AR頭戴式顯示器的用戶中，20%屬於重度用戶（包括開發者、重度遊戲玩家及網紅），80%為普通用戶（主要使用導航功能或只是偶爾使用AI助手）。此外，本研究假設重度用戶日均5G使用時長為100分鐘，而普通用戶日均使用時長為10分鐘。

假設未來某個時候，AR頭戴式裝置的普及率達到20%，平均每天使用時間約為5.6分鐘。若部署中等效能的AI代理服務（上行鏈路0.7Mbps，下行鏈路2Mbps），預計將推動上行鏈路流量成長約47%，下行鏈路流量成長約14%。這一成長趨勢要求電信商進行精準的網路容量規劃與優化，提升上行傳輸效能，並配置額外的頻譜資源。

AR裝置的市場滲透率雖存在預測差異，但普遍呈現快速成長態勢。最樂觀的預測顯示，到2028年，美國成年人口AR裝置持有率可達20%，而相對保守的預測則認為這一里程碑將延後實現。需要特別強調的是，考慮到該技術將在未來數年持續普及，20%的人口滲透率實際上是一個偏保守的長期預測值。本研究中，流量影響分析針對採用率分別為10%、20%和40%的三種場景進行。

對於不同品質等級的AI助手，上行與下行頻寬需求成長情況如圖16所示。可以看出，預計的需求成長幅度很大；然而，基於網路切片的差異化連接技術有望提升頻譜利用效率，從而為這些及其他高頻寬、互動式應用提供高品質連接保障。
擴增實境（AR）技術預計將推動免持及行動場景下的使用需求，因此相較於僅限室內使用的Wi-Fi，5G網路可能承載更高比例的流量。

總結來說，本研究量化分析了基於5G網路的AR眼鏡運行AI助手應用所導致的上行與下行流量成長。需要特別說明的是，本研究聚焦於計算和預測平均速度成長，而非分析詳細流量分佈或區域差異。同時，分析資料基於人口平均值，並未考慮峰值需求場景。