打造 AI 體驗的關鍵：網路效能

生成式AI問世後的前三年間，用戶規模快速成長，每週活躍用戶已接近 10 億。其中，相當比例的使用來自行動裝置，使用情境也從早期以文字查詢為主，逐步轉向更多影音等以多媒體為基礎的互動。因此，行動網路也必須隨之演進，以因應這項轉變。

未來的發展將有賴三大技術的融合：AI、雲端與行動網路。AI 模型持續強化，並逐步發展為多模態系統，以語音、影像、影片與沉浸式媒體作為輸入與輸出。集中式雲端基礎架構在模型訓練中扮演核心角色，同時，更分散的雲端運算能力也正逐步發展，以支援 AI 推論。行動網路則能有效連結既有的 AI 裝置及新興的 AI 原生裝置，而網路的可用性、可靠性與安全性將相當重要。

因此，網路效能將成為決定 AI 體驗的關鍵因素。AI、雲端與行動網路的融合，正形成強大的經濟與技術循環：一方面，AI 帶動新的網路需求；另一方面，先進網路則能為消費者與企業開啟更多 AI 應用。

• 消費者應用：AI 可為智慧型手機用戶提供高度個人化的推薦與內容創作體驗。此外，AI／AR眼鏡的產品市場契合度逐漸成熟，透過裝置上的攝影機感知周遭環境，提供更沉浸的體驗。更重要的是，裝置端的個人 AI 代理也逐漸興起，未來可能帶動大規模的使用。
• 企業應用：自駕車（AV）高度仰賴網路，尤其是上行（UL）能力；機器人與無人機等工業應用也正逐漸普及。隨著知識工作者開始在企業管理的智慧型手機與筆電上使用 AI，也將需要更加穩定可靠的網路。同時，我們預期物聯網（IoT）將迎來新一波發展，裝置端 AI 將進一步帶動各種實地應用。

不論是既有或新興應用皆持續普及，預計將進一步推升網路流量：下行流量年複合成長率（CAGR）預估為 15%，上行流量則將顯著成長至 30%。此外，「網路即資料來源」也成為新的發展方向——網路不再只是提供連接，更能產生具有價值的資料，進一步提升應用與使用者體驗。

為因應持續成長的需求，網路可透過三項關鍵技術能力加速演進：強化上行能力、差異化連接，以及可程式化的網路能力開放。

• 5G 獨立組網（5G SA）與 5G Advanced：可透過無線軟體功能、基地台與頻譜升級，以及上行服務品質（UL QoS），提升上行覆蓋與容量。中頻與釐米波頻譜，包括未來的 7–12 GHz 頻段，將成為支援 AI 流量的重要資源。
• 差異化連接：結合網路切片、使用者設備路由選擇策略（URSP）、先進排程，以及「隨選品質（QoD）」與「隨需專用網路（Dedicated Network on Demand）」API，針對不同 AI 工作階段提供符合服務等級協定（SLA）的傳輸速率、可控延遲與可靠性。
• 網路能力開放 API：讓 AI 代理能便利地存取定位、驗證與網路洞察等能力，使 AI 應用能依需求動態取得合適的連接能力，並運用網路提供的資料，例如無線感知與裝置定位資訊。

本白皮書將進一步說明這些能力如何讓網路轉型為 AI 平台，並創造以高品質上行能力、API 驅動的差異化連接，以及高階服務為基礎的新商業模式。

對網路影響最大的，將是同時具備高資料量需求與高普及率的應用。愛立信的目標，是打造業界領先、能因應消費者與產業 AI 應用需求持續成長的網路。因此，我們將先探討新興 AI 應用，並於後續章節提出支援這些新應用的網路解決方案。

AI：推動轉型的關鍵催化劑

AI正逐漸成為推動各領域轉型的關鍵力量，其中生成式 AI（GenAI）的影響尤其顯著。從消費者應用到各類產業情境，AI 正支撐日益廣泛的應用發展，包括醫療領域的 AI 輔助診斷、零售業的動態定價演算法、製造業的預測性維護，以及交通運輸領域的自駕車等。[1]

消費者行為的轉變

在消費者市場，AI 正逐步改變使用者創作與內容消費的方式，而這項轉變也直接反映在網路流量型態上。

• AI 驅動高度個人化內容：AI 編輯、翻譯，以及影像與影片生成工具，讓幾乎每位使用者都能成為內容創作者，進一步推升下行流量。目前影片已占行動流量約 70%–75%。雖然 GenAI 目前僅約占整體網路流量的 0.06%，但 GenAI 工作階段的上行流量占比達 26%，顯著高於傳統網路約 10% 的水準。這項變化將對上行排程器、分時雙工（TDD）配置，以及中頻基地台密度等無線網路規劃帶來重要影響。[2]
• AI 帶動新型裝置普及，增加上行網路需求：以 Ray-Ban Meta 智慧眼鏡為例，AI 原生穿戴式裝置會持續擷取語音與影像，因此產生新的常態性上行需求，並透過雲端 AI 助理提供即時翻譯與即時視覺理解等功能。[3]這類裝置會將短暫擷取但具有高價值的資料上傳至網路，並依不同使用情境調整影像解析度。因此，網路必須具備穩健的上行容量、低延遲、穩定的往返時間（RTT）、嚴格的抖動控制，同時兼顧配對裝置的能源效率，以支援隨需或持續運作的多模態 AI。同時，也必須針對個別裝置提供可靠的 QoS，尤其是在移動切換或網路條件變動的情況下。
• 個人 AI 代理與雲端／邊緣運算架構整合：持續運作的個人 AI 代理正逐步突破傳統以手機應用程式為中心的模式，支援跨手機、筆電、眼鏡、汽車及智慧家庭系統等不同裝置無縫運作。這類 AI 助理會優先透過裝置端的小型模型處理基本任務，並將較複雜的查詢交由先進的 AI 雲端基礎架構處理。Apple Intelligence 與其他私有 AI 運算雲端的發展，即體現了這類架構。[4]

針對上述 AI 原生消費者應用，網路需具備以下特性：

• 支援裝置與鄰近邊緣或區域 AI 運算叢集之間日益頻繁、短時間且對延遲敏感的控制訊息交換。
• 強化鄰近人口密集區域之資料中心的本地分流能力，避免個人 AI 代理因跨區域資料傳輸而產生過長的網路往返時間（RTT）。[5]
• 提供定位資訊、感知等進階功能，以及安全與信任等輔助能力。

AI 賦能新興企業應用

5G、企業內部邊緣運算與低延遲 AI 推論的融合，正為產業與企業創造新的商業變現機會。這類應用通常由感測器與機器產生資料，再由邊緣 AI 進行即時分析，最後透過可靠的 5G 連接採取相應行動。以下為幾項主要應用：

• 自駕車（AV）：自駕車仰賴 5G 提供高速上行能力，以傳輸攝影機與光達（LiDAR）資料，支援模型訓練與保險等用途；車輛受困時也可透過網路進行遠端操控，並可搭配車聯網（V2X）訊號提升安全與協同能力。這類應用需要 5–30 Mbps 的上行速度，影片傳輸端到端延遲需低於 100 毫秒，控制訊息則需低於 20 毫秒。
• 5G 原生筆電：愛立信企業級 5G 連接方案可支援跨裝置的混合辦公與 AI 工作流程，提供安全且持續連線的雲端存取能力。隨著視訊分享與雲端 AI 互動增加，這類裝置將帶動更多上行流量，同時提升工作場所的移動性與生產力。[6]
• 物聯網迎來新一波發展： 隨著小型化、量化的大型語言模型等新興技術可直接在嵌入式裝置上運行，資料得以在本地進行預處理，而模型更新與推論也將帶來間歇性的高運算需求。同時，5G 可透過增強型行動寬頻（eMBB）、超可靠低延遲通訊（URLLC）、RedCap裝置及大規模機器型通訊（mMTC）等不同服務類型，支援多元的物聯網應用需求與運作模式。
• 網路即資料來源： 隨著 AI 應用越來越需要理解真實世界發生的事件，網路作為額外資訊來源的重要性也隨之提升，例如提供定位資訊，以及未來 6G 的無線感知能力。
• 垂直產業的邊緣與雲端整合： 製造、物流及公用事業等產業，正逐步採用整合邊緣 AI 的企業5G專網，以支援即時影像分析、自主化營運及預測性維護。智慧倉儲與智慧港口即是代表性案例，透過 5G 解決方案進一步提升營運效率。[6]

這些應用需要透過本地分流連接邊緣 AI，以確保即時回應；同時透過時間敏感型網路，滿足例如低於 20 毫秒的控制迴路時限要求，並能掌握個別網路切片的運作狀態與服務效能，以確保符合SLA的要求。

為因應 AI 應用持續成長的需求，採用 5G SA 技術至關重要。5G SA 可支援工作階段分流、網路切片及無線網路資源最佳化等能力。目前的 5G 網路已能為 AI 智慧眼鏡等應用提供順暢體驗，支援其 AI 助理所需的上下行多模態流量。隨著網路基礎架構持續演進，上行通訊、差異化連接與網路能力開放 API 等能力，也將進一步提升 AI 應用的效能與效率。

強化上行能力

對生成式 AI、代理式 AI，以及AR、混合實境MR與VR等新興 AI 服務而言，上行效能至關重要。這些應用也是推動差異化連接與 5G 商業變現的重要動力。透過提升上行覆蓋、容量及上行 QoS，可進一步改善整體上行效能。

在 6G 到來之前，電信商現在即可部署 5G 與 5G Advanced 功能與解決方案，提升上行能力：

• 覆蓋與容量：可透過四種方式改善上行效能：
  • 導入無線與基頻軟體功能
  • 優化基地台配置
  • 增設大型基地台、街道型基地台或室內基地台，改善上行鏈路條件
  • 增加合適的新頻譜，進一步提升整體上行覆蓋與頻寬
• 上行 QoS：為滿足新興 AI 應用對上行通訊即時性的需求，多項先進網路功能至關重要，包括低延遲、低封包遺失、動態調整傳輸速率（UL L4S）、上行延遲狀態回報（UL DSR）、微調上行緩衝區狀態回報（UL BSR），以及低延遲移動性等。

頻譜配置：AI 演進不可或缺的關鍵資源

隨著更多頻譜釋出，網路功能必須充分運用不同頻段的特性，在上行與下行排程之間取得最佳平衡，同時考量電波傳播特性、天線設計，以及電池效率、低延遲等不同應用需求。

如同資料中心需要充足能源，頻譜資源對 AI 功能的發展同樣至關重要。主要考量包括：

• 合適的中頻／釐米波頻譜：具執照且可使用完整發射功率的中頻與釐米波頻譜，是支援 AI 驅動流量及未來連接需求的重要基礎。5G 頻譜持續演進，加上未來 6G 在 7–12 GHz 頻段的發展，將對 AI 網路能力產生重大影響。
• 更多頻譜資源：為支援上述新興應用及其帶來的經濟成長，每家電信商未來可能需要多達 1 GHz 的中頻／釐米波頻譜。
• 合適的監管環境：監管框架應允許不同頻段具備彈性運用空間，包括在網路中立性及不同世代行動通訊技術的頻譜使用方面，以創造最佳經濟效益。

差異化連接：解決方案與實現方式

AI 應用需要仰賴網路資訊才能有效運作，而網路還可根據不同應用的需求，動態調整所提供的服務，進一步提升 AI 應用的價值，這就是所謂的「差異化連接」。這項能力對即時、多模態通訊尤其重要，例如智慧眼鏡將影像即時傳送至 AI 運算系統時，網路效能的最佳化至關重要。透過差異化連接，AI 應用可動態調整所需的網路配置，在使用者體驗與網路效率之間取得最佳平衡。

差異化連接整合多項關鍵 5G SA 能力，包括先進無線排程、資源分配、網路切片、URSP、網路驅動 QoS，以及核心網路 API，為裝置、應用與網路提供量身打造的端到端效能。

高效能可程式化網路進一步結合先進Massive MIMO、波束成形，以及意圖驅動、服務感知的自動化能力。透過這些能力，電信商可動態配置與管理網路效能，依不同 AI 應用需求提供可保障的傳輸速率、可控延遲及高可靠性。

這不僅創造差異化連接服務的商業機會，也讓 AI 應用能將關鍵流量導向適合的網路效能層級，進一步提升使用者體驗與網路資源運用效率。

網路能力開放 API

網路 API 可開放差異化連接、定位、安全與身分驗證，以及網路洞察等能力，讓網路成為推動創新的平台。透過這些 API，AI 應用可運用網路能力打造反應更即時的服務，並結合網路提供的額外資訊，做出更精準的決策與建議。

AI 工作負載可運用定位、連接狀態等資訊型 API，也可使用網路切片預留、上行排程請求或訊息傳遞等交易型 API，或將多項 API 串接使用，直接整合至應用邏輯中，以滿足不同需求。

「隨需專用網路（Dedicated Network on Demand）」及「隨選品質（Quality on Demand）」等差異化連接 API，同樣屬於交易型 API。這些 API 可支援廣泛的 AI 與非 AI 應用，即使在網路高負載環境下，也能確保通訊品質，並針對速度、延遲等特定連接需求提供符合 SLA 的服務。

目前，開發者可以傳統方式直接存取網路 API，也可透過更適合 AI 代理使用的機制，例如採用模型情境協定（Model Context Protocol, MCP）或代理對代理協定（Agent-to-Agent Protocol, A2A）實作的代理工具介面。對應用程式開發者而言，除了 API 介面本身，透過 AI 協助尋找合適 API，以及完整的開發者生態系與工具，也同樣重要。

長期而言，這類適合 AI 代理使用的介面，可進一步發展為電信級代理式 AI 平台。此平台建立於既有網路之上，整合網路資料來源、網路能力開放 API、AI 服務，以及網路自動化介面，進而支援各種協作型應用，同時為應用服務提供者與網路營運者創造價值。

我們預期，無論 AI 應用部署於何處，未來都能主動掌握自身所需的資訊來源與連接能力，並透過 API 取得相應資源。這些應用對延遲與服務品質具有一致且明確的要求，也需要使用最即時、最精確的資訊。

對電信商與雲端服務供應商而言，這將開啟新的商業模式，例如針對 AI 應用提供不同等級的連接服務或高品質上行服務。

網路即資料來源：運用網路資料與洞察，為不同應用提供情境資訊與服務

電信商可透過 API 開放與網路相關的資料，例如移動趨勢、連接狀態或網路壅塞資訊，供 AI 推論使用，甚至進一步用於 AI 模型的微調與最佳化。

電信商也能提供真實世界的資訊，例如裝置定位、移動軌跡、特定區域內的使用者數量，以及無線感知資訊。整合式感測與通訊（Integrated Sensing and Communication, ISAC）等無線感知技術，是 6G 的新興能力之一，讓網路能掌握周遭環境特徵，或感知環境中的物體。更多相關資訊請參考。[7]

此外，電信商亦可協助企業客戶即時開放企業感測器資料。

擴展網路能力：身分驗證與定位

連網裝置的戶外定位能力，可依據 5G 裝置的實體位置，在消費者、企業、汽車、空域與機器人等領域創造新的商業變現機會。5G 定位可與全球定位系統（GPS）互補，為任務關鍵型應用提供更加可靠、穩健且具成本效益的定位技術。

相關解決方案採用不受裝置類型限制的軟體設計，可支援各類 5G 裝置，降低導入門檻並擴大潛在市場。在視距（Line-of-Sight）環境下，5G 行動網路先進功能所提供的定位精準度，已可支援消費型應用。此外，透過即時動態定位（Real-Time Kinematic, RTK）廣播等先進功能，結合強化的 GPS 輔助精準定位，可進一步提升定位精準度。[8] 透過高精準度且經網路驗證的定位資料，AI 應用能取得更完整的情境資訊、提升決策能力，並實現更安全、更精準的即時運作。

產業數位分身：與網路數位分身協作

各產業正積極推動數位化與數位分身，在虛擬世界中加速產品設計與開發、生產，以及組裝工程自動化。透過 AI 加速預測與模擬，工業元宇宙中的多據點產業應用可藉由 XR 模擬進行管理。產業數位分身與網路數位分身的協作，則能建立更加完整的實體系統數位複製，將產業流程與其背後所需的通訊網路及運算基礎架構整合。

這項協作可同時考量產業情境及其所需的通訊網路，進一步支援效能最佳化、預測性維護及因果推論分析（counterfactual analysis）等模擬應用。

這樣的整合不只是針對單一環節進行最佳化，而是著眼於整個端到端系統，包括產業物聯網、實體資產、環境條件，以及連接這些要素的網路，並考量彼此之間的適應與協調能力。[9]

AI 應用正快速擴展，不僅涵蓋更豐富的多媒體內容，也帶來更高的上行需求；同時，隨著各類終端裝置與雲端邊緣持續發展，AI 也正逐步向使用者端靠近。本白皮書說明了 AI、雲端與行動通訊技術的融合，如何推動行動網路從盡力而為的寬頻連接，逐步轉型為可程式化 AI 平台。

未來的網路必須具備強化上行能力、差異化連接及豐富的網路能力開放等關鍵能力，以支援消費者與企業 AI 應用的大規模發展。為實現這項願景並掌握新興 AI 經濟帶來的機會，我們應優先推動以下發展：

• 以上行為核心推動網路演進：加速部署 5G SA 與 5G Advanced，並聚焦提升上行覆蓋與容量。同時重新檢視網路規劃、最佳化方式及網路 KPI，將上行效能提升為衡量網路表現的核心指標。
• 將差異化連接落實為商用服務：導入網路切片、URSP、隨需服務品質（QoD）及進階排程等能力，為 AI 工作負載提供工作階段層級的SLA。針對生成式 AI 應用、XR／AI 眼鏡、自駕車、無人機／機器人，以及 AI 賦能的工業物聯網等重點市場，推出高品質上行與差異化連接服務。
• 將網路打造為資料與能力平台：部署並標準化網路能力開放 API，讓 AI 代理與應用程式開發者能更容易運用定位、身分驗證、感知及網路洞察等資訊與能力。同時打造兼顧隱私保護的資料產品，讓電信商創造超越基礎連接服務的價值。
• 推動行動網路持續演進：如圖 4 所示，行動網路將從提供差異化寬頻服務，逐步演進為開放式平台，開放更多進階網路能力，最終透過分散式運算與 AI 服務，讓應用能直接在網路上運行，推動電信商從單純的連接服務供應商，轉型為生態系中的策略合作夥伴。
• 導入 AI 原生網路營運：如圖 5 所示，導入 AI 驅動的自動化能力，持續因應動態變化的 AI 流量模式與服務水準進行最佳化，並透過可程式化及雲端原生網路功能，推動網路持續演進，以支援 AI 體驗。透過上述行動，電信商可逐步完成本白皮書所提出的多階段轉型：從強化連接能力，邁向可程式化且為 AI 做好準備的平台，最終發展為 AI 原生網路。

率先推動這項轉型的電信商，不僅能因應未來 AI 流量快速成長所帶來的網路效能挑戰，更能在全球 AI 經濟中取得關鍵的策略地位。