關鍵洞察
AI驅動型應用――涵蓋智慧手機、AI/AR智慧眼鏡和自動駕駛車輛――普遍具有上行傳輸較密集的特徵，會持續產生資料流量，挑戰傳統以下行業務為主的流量模式。
對許多電信商而言，上行流量成長已經超過下行流量，現場測量結果表明，在峰值負載下，上行容量出現限制。情境模擬進一步指出，在AI流量帶動下，2031年的上行流量將較2025年增加約3倍。
目前網路並非為持續的上行需求而設計，因此需要在設計理念上實現根本性轉變――短期可透過5G軟體和硬體增強來改善，長期則需要導入以6G為核心的新一代上行技術創新。
AI正在快速催生新案例並加速新應用和新裝置的設計。這使得超個人化（Hyper personalization）體驗成為可能，從而提升應用程式黏著度，並催生出全新的、完全自主的代理型AI系統。隨著新案例的採用不斷增加，對網路效能的要求也顯著提升。這些服務將同時增加上下行流量，但對上行的影響尤為明顯，重塑了網路效能和設計的優先順序。
上行流量持續攀升
過去，行動網路在設計和容量規劃上一直以下行為主，主要來自影音串流、網頁瀏覽等內容消費需求。針對2025年全球55家電信商行動網路流量成長的分析顯示[1]，在比較整體網路的上下行流量成長率後，可以觀察到一項明確且一致的趨勢：對大多數電信商而言，上行流量的成長速度快於下行流量，在許多情況下甚至明顯更快：
- 在55家電信商中，有43家的上行成長率高於下行。
- 在55家電信商中，有17家的上行成長率超過下行的1.5倍。
儘管從絕對的流量規模來看，下行仍佔主導，但流量模式的變化已開始顯現，上行流量不斷增加。當然，不同市場對新裝置與新應用的採用速度並不相同。在採用速度較快、採用程度較高的市場中，上行容量將更早面臨壓力，因此需要更積極的網路升級措施來因應需求成長。
短期發展：AI智慧手機與使用行為改變帶動上行需求成長
在短期內，大規模的上行流量成長主要由智慧手機應用驅動[2]，隨著智慧手機使用者行為的演變，上行需求也持續增加。隨著每年數以億計的4G裝置升級為5G智慧手機，支援高解析度（1080p及以上）的終端數量也持續增加。由於一次典型的智慧手機高畫質（720–1080p）視訊通話，每路上行可產生約1–3 Mbps的流量，每一次裝置升級都實際提升了潛在的上行負載，從而推動整體上行流量穩定成長。
使用者生成內容――特別是短影音與手機直播，以及手機到雲端的資料備份――同樣在推動上行用量增加。此外，數位原生世代的人口規模持續擴大，越來越多的人花更多時間使用智慧手機，若以全球平均來看，這些行為變化正進一步放大上行流量的成長趨勢。
中期發展：AI/AR智慧眼鏡和AI代理系統帶來額外上行成長
AI和AR智慧眼鏡市場仍處於早期階段，但成長相當迅速。2025年全球出貨量約為1,000萬台，多家分析機構預測，未來幾年該市場將保持強勁的雙位數成長。這類裝置所搭配的服務，往往對網路上行效能有更高要求。根據具體應用的不同，上行吞吐量需求大致在1–10 Mbps之間。由於攝影機畫面、音訊以及各類感測器資料需要持續回傳至雲端AI平台進行即時處理時，上下行流量比通常為1:8（上行佔據明顯主導 ）。 然 而，由於 AI/AR智慧眼鏡受限於電池續航力，裝置製造商（OEM）往往採用較積極的任務間歇運作機制(duty-cycling schedule)，以延長續航時間，這會進一步提高瞬時上行頻寬需求。
長期發展：自動駕駛汽車、AI代理和無人機驅動未來上行成長
單一5G網路可支援多種自動駕駛車輛應用場景，包括（近）即時訓練資料蒐集、自動駕駛遙測，到遠端協助、未來車聯網（V2X）安全訊息傳遞以及「車輛即感測器（Vehicle-as-a-Sensor）」等應用：
- 自動駕駛遙測：遙測應用通常需要1至10 Mbps的間歇性上行傳輸能力，且在車輛運行期間幾乎持續進行，但不具備嚴格的即時延遲要求；真正攸關安全的控制功能仍在車輛本地端完成。目前的遙測資料主要包括基礎運動學和定位資訊、車輛運作狀態資料以及周遭環境資訊與感知相關的中繼資料。
- 遠端協助：通常需要數Mbps級別的即時影像上傳能力，延遲需低於100毫秒，可靠性極高，但在車輛運作時間中所佔比例通常不到1%。
- V2X與「車輛即感測器」：未來車輛將能形成一個分散式感測網路，可用於多種用途，例如提供安全訊息和空間資料蒐集。這將大幅提升對上行和下行容量及可靠性的要求。
對於商用無人機而言，其網路需求已相當嚴苛：自主飛行通常需要約100 kbps、具高可靠性和低延遲特性的傳輸能力，以支援指令與控制功能，而飛行過程中的遙測資料和高畫質即時影像傳輸，則可能為每個攝影機產生數Mbps的上行流量。在企業應用中也可以觀察到類似模式，包括AI/AR輔助現場作業、5G原生筆記型電腦以及數量不斷成長的各種智慧裝置。
每一個自主或支援AI的終端，實際上都會成為一個高度依賴上行傳輸的網路終端。當AI系統不斷嘗試「理解」和與實體世界「互動」時，網路本身也逐漸演變為關鍵的資料來源。定位資訊、時間同步資訊以及無線感測資訊，都可用來推斷豐富的環境情境資訊，包括空間幾何結構、物體移動狀態以及環境動態變化。這也進一步強化了市場對高效能、高可靠性上行連接能力的需求。
自主系統也可能演進為全新的應用類別。自主的軟體AI代理通常一直處於持續在線狀態，在上行鏈路上持續傳輸其所處物理環境的資訊。這類系統可以支援全新的服務形態，例如持續記錄個人生活、即時實體安全監控範圍，以及空間化廣告（Spatial advertising）等應用。所需資料速率因應用而異，從幾百kbps到數Mbps不等，但更重要的是，這會形成一種持續存在的上行背景負載，而目前網路並未針對這種負載進行容量規劃。
自主機器人（Droids）同樣可以視作代理式AI應用的一部分，它們如同數位世界中的軟體代理，能夠自主執行任務並與實體環境互動。機器人的空間感知能力，以及其他需要將運算卸載至網路或雲端的任務，預計將產生數Mbps級別的上行流量，而用於控制指令的下行流量通常低於1 Mbps。
圖20：AI流量對上行成長的影響
註：此處的百分比是指人工智慧設備使用者在城市地區人口中的滲透率，使用者密度為每平方公里 1,155 個使用者。
情境模擬：AI流量對上行成長的影響
目前預測顯示，全球行動數據流量將於2025至2031年間成長約一倍。為了評估新增的AI相關流量對特定區域上行需求成長的潛在影響，研究團隊以每平方公里1,155名用戶的典型都市人口密度為基礎，模擬三種不同情境，並設定不同的AI裝置普及率與應用使用程度。這些情境涵蓋多種新興AI裝置與應用，包括AI/AR智慧眼鏡、AI雲端遊戲、AI助理，以及用於不同產業應用的AI連網攝影機。分析表明，日益廣泛的AI驅動應用可以顯著改變流量結構，並加速行動網路上行流量的成長。
分析的三個情景包括:
- 低度採用：AI應用仍以智慧型手機為主，AI／AR智慧眼鏡的滲透率較低，因此額外產生的AI流量相較於原有流量成長幅度有限。
- 中度採用：基於智慧手機的AI應用已經具有較高的滲透率，AI/AR智慧眼鏡的應用開始呈現明顯成長，同時AI雲端遊戲和AI助理的使用已經開始被採用。新增AI流量使得2031年的上行流量較2025年高出3倍。
- 高度採用：AI應用在智慧手機上已非常普及，AI/AR智慧眼鏡擁有顯著滲透率，AI雲端遊戲和AI助理的使用也呈現強勁成長。新增的AI流量使得2031年的上行流量較2025年高出5倍。
根據AI應用採用的速度不同，上行流量相較於2025年基準可能出現顯著增加。預計這一成長不僅由消費者使用推動，也將受各類產業應用驅動。在中度採用情景中，分析假設：43%的使用者在智慧手機上使用AI助理，7%的使用者在智慧眼鏡上使用同樣的應用，2%的使用者參與AI輔助雲端遊戲，1%的使用者與AI助理進行互動。此外，該情景假設每平方公里部署80個AI輔助的聯網工業裝置，包括AI增強的監控攝影機、自動駕駛車輛和其他類似裝置。
AI驅動應用本質上具有高度上行傳輸特性，其主要來自即時互動、影像擷取以及持續的資料生成所驅動。為了確保良好的使用體驗，本研究假設相關應用平均需要1.5 Mbps的上行傳輸能力，以及0.5 Mbps的下行傳輸能力。然而，許多高要求應用在實際情況下所需的傳輸能力可能遠高於此。儘管預計上行流量的成長速度將快於下行流量，行動網路整體仍將保持下行佔主導的特徵。在上行流量高成長情景下，AI應用將占整體新增流量的20%；而在中度成長情境下，其占比約為8%。
上行效能成長速度無法跟上新興服務需求
未來幾年，上行流量的預期成長將對網路容量規劃、部署和維運產生深遠影響。網路通常以「第五百分位中斷用戶（Fifthpercentile outage users）」作為規劃基準，也就是確保95%用戶能獲得足夠或更佳的服務體驗所需的最低效能門檻。此概念可透過單位面積上行流量（Mbps／平方公里）與第五百分位用戶上行吞吐量（Mbps）之間的關係來呈現。
圖21：上行容量落後於預期流量成長
圖21中的紅色運作點反映了目前許多電信業者的實際情況。在現有上行流量負載下，位於細胞邊緣的用戶仍面臨極低的上行吞吐量，顯示最低上行效能同時受到覆蓋範圍與容量限制。目前已可部署的短期上行增強技術，例如5G獨立組網與上行最佳化主細胞（Uplink-Optimized PCell Selection），能將效能推向圖中的綠色曲線（即理想狀態），但面對未來需求時，仍存在顯著差距。
即使導入更進階的上行增強技術，例如分頻雙工大規模陣列天線（FDD MU-MIMO）、跨站協同上行傳輸（站間UL CoMP）以及更寬的低頻段頻譜，目前（以及短期內）的網路配置仍無法在規模上滿足新興案例的最低或理想單一使用者上行傳輸目標。圖21的藍色曲線即呈現了這項挑戰，以及未來大規模支援新興應用場景所面臨的能力缺口。整體來看，該圖突顯出結構性失衡：上行容量並未跟上預期的流量成長和業務需求。如果不能大幅提升上行能力、更加高效地利用網路資源，電信商將難以為新興應用提供一致且穩定的使用體驗。
因應未來需求的網路演進方向
AI原生、感測器密集型（Sensor-rich）與沉浸式應用的興起，正推動行動網路從內容傳輸平台逐步演進為智慧型網路。然而，目前以影音串流為主、偏重下行傳輸設計的網路架構，並不適合需要持續上傳感測資料、影音內容與遙測資訊至雲端或邊緣運算平台的新型裝置。這項轉變意味著，上行能力正逐漸成為未來網路演進必須解決的關鍵瓶頸[3]電信商可先透過軟體驅動的上行增強技術，充分發揮既有網路資產價值，在無須大幅更換硬體設備的情況下，同時提升容量與覆蓋能力。下一步則是透過目標明確的無線網路演進，從根本改善上行鏈路預算與容量表現。例如部署具備更高接收分集能力的先進分頻雙工(FDD)無線設備（如8RX）、增加新的FDD頻段，以及導入Massive MIMO與先進天線系統，都能有效提升上行覆蓋與吞吐量。這些升級在中低頻段尤為重要，因為上行效能在這些頻段的限制最為明顯，提升後可以顯著增強整體網路容量。同時，電信業者也可優先部署能夠強化上行傳輸能力的解決方案，確保無線網路投資能符合日益明顯的上下行流量需求不對稱趨勢。
在無線設備升級之外，電信商還可以透過提升網路密度和頻譜資源，來支撐長期的業務成長，包括增加大型基地台和室內站點、重整既有頻譜資源，以及導入新的頻段，將成為提升單位面積上行容量的關鍵措施。
嵌入式AI也正成為RAN中不可或缺的一部分，電信級AI模型已展現優於高度優化傳統演算法的能力，在上下行頻譜效率與網路容量方面均帶來明顯效益。透過嵌入AI驅動的軟體，電信商已經在效能方面獲得了顯著收益，同時也為建構AI原生系統奠定了基礎。
從更長遠看，6G的能力，例如上下行解耦和基於競爭的上行接入，將實現更靈活、高效的資源利用，使網路能夠動態調適上行密集型流量模式，並在規模上支撐下一代即時應用。
以上行為核心的新商業模式
網路演進必須搭配新的商業模式。差異化連接能夠針對上行密集型服務定義清晰的效能等級，並搭配對應的服務等級協議（SLA）與價格。相較依賴「盡力而為」的上行容量，這類方案能將可靠性與可預測性轉化為可量化的商業價值。
高階差異化服務的設計與定價，旨在確保能夠持續提供具保障的服務成果。這包括在有需要的地方配置足夠的網路容量，並有選擇性地採用優先資源分配機制，特別是在資源競爭情境下，透過優先化管理可顯著改善服務表現。透過聚焦網路智慧能夠真正創造價值的場景，差異化連接為所有使用者的服務體驗帶來了可靠性和公平性。
藉助5G SA和網路API，應用程式與自動化系統可以即時請求所需的差異化上行效能服務，並依使用情況進行計費。這將支援多種商業模式，包括在流量高峰期間提供保證上行效能的活動型加值服務、為需要穩定效能的應用提供持續性的保證服務等級，以及直接嵌入應用程式中的API驅動使用模式。透過這些方式，上行連接能力成為一項獨立且以成果為導向的價值主張，並為以上行傳輸為核心的AI應用與服務建立可規模化的商業化基礎。
