物理 AI 到来，移动网络该如何进化？

2026-07-18 05:39:33 [综合] 来源：盘星资讯网

过去的物理一年，行业焦点几乎全被 AI 大模型的到移动网智力边界所占据。Agent 智能体、络该多模态融合、何进化端侧部署，物理构成了 AI 产业最喧嚣的到移动网叙事主线。

然而，络该当 AI 真正嵌入眼镜、何进化汽车、物理机器人、到移动网摄像头等物理载体，络该深入道路、何进化工厂、物理家庭及人类交互场景时，到移动网我们意识到：现实世界与 AI 大模型之间，络该仍隔着“最后一公里”的鸿沟。

AI 眼镜需实时识别文字，Robotaxi 需精准判断路况，机器人需即时决策下一步动作。这些物理 AI 不仅依赖算法，更极度渴求图像、语音、位置、空间关系、设备状态及环境变化等多维数据。

数据流转闭环：
1. 采集：终端捕捉现实数据。
2. 上传：通过网络传输至云端或边缘侧模型。
3. 处理：模型进行推理与决策。
4. 反馈：结果通过网络返回终端，转化为现实业务动作。

这一闭环使得移动网络在 AI 时代承受前所未有的压力。过去，网络波动仅导致视频缓冲；未来，同样的波动可能引发实时识别失败、远程控制迟滞或智能体动作中断。

移动网络已不再是单纯的内容分发管道，它必须进化为能够识别连接对象、理解业务类型、判断实时性需求，并在资源紧张时进行优先级调度的智能基础设施。

用户重构：从“人”到“智能体”

长期以来，移动通信网络的核心服务对象是人。

2G/3G 时代：解决语音通话连接，实现移动状态下的实时沟通。
4G 时代：智能手机普及，网络转向大带宽数据传输。网页、视频、直播、游戏成为主流，终端形态向手机高度集中，人是唯一的连接主体。

AI 的到来彻底颠覆了这一前提。

大模型理解现实世界，需要更丰富、连续的输入。图像、语音、位置、动作、空间关系及环境数据，成为模型推理的基础。随之而来的是网络服务对象的根本性扩展——从“人”延伸至“智能体”。

云端：大模型与生成能力中心。
端侧：手机智能体、AI 眼镜、穿戴设备、摄像头、机器人、车载终端、工业传感器等，均成为移动网络中的主动使用者。

这种扩张改变了网络承载的内容结构：
* 过去：承载信息流（图文、视频、应用数据分发）。
* 现在：承载数据流（推理、决策、反馈相关数据）。这对实时性、上行能力、连接稳定性及资源调度提出了严苛要求。

连接规模的爆发式增长随之而来。华为 ICT BG 无线网络产品线副总裁赵东指出：“预计到 2035 年，可应用的智能体数量将达到 9000 亿级别，远超当前以人为中心的连接规模。”

未来移动网络面对的，是一个设备数量更大、分布更广、连接更密集的复杂系统。其核心任务不再是单纯优化人的上网体验，而是支撑智能体持续感知、推理和反馈的全过程。

基础设施升级：应对三大挑战

随着服务对象从人转向智能体，移动网络的能力需求发生结构性变化。

1. 流量结构逆转：从“下行主导”到“双向闭环”

过去，移动互联网流量以下行为主（用户从云端获取内容）。AI 时代，端侧设备需持续上传图像、语音、传感数据，并等待云端推理结果。网络链路从单向“信息获取”转变为“端侧感知 -> 数据上传 -> 云端推理 -> 结果反馈”的闭环。

因此，网络评估标准不再仅看下行带宽，更需关注：
* 上行能力
* 时延与抖动
* 连接稳定性
* 高并发处理能力

2. 华为在 MWC 上海提出的三大网络变革

连接范围扩大：智能体遍布城市基建、家庭、工业、交通、能源等非手机密集场景。网络需覆盖更复杂空间，服务更多非手机终端。
连接密度提高：在展馆、商场、工厂等高并发场景，手机、摄像头、机器人、传感器同时接入。传统基于人均使用行为的规划已失效。
连接质量要求提升：AI 业务对波动极度敏感。网络体验下降不再仅影响内容消费，更可能导致识别、控制或业务执行失败。网络需从“通用连接”走向“可保障、可调度、可感知”的连接。

3. 现有网络的短板与痛点

上行瓶颈：长期以下行为主的建设惯性，导致上行能力不足，阻碍智能体将现实数据及时上传，拖慢推理反馈。
确定性缺失：传统网络追求平均体验，而 AI 业务（如实时交互、远程操控）需要关键时刻的确定性。短暂抖动或中断即可导致决策失败。
复杂度失控：5G/5G-A、多频段、多制式叠加，使得网络复杂度呈指数级上升。仅靠人工经验和被动排障，已无法应对业务分化与资源调度难题。
资源分配粗放：不同 AI 业务需求各异（大上行、低时延、高可靠、高密度）。网络资源需根据业务类型、场景优先级及实时状态进行精细化调度。

结论：仅靠扩容（增加带宽、站点、频谱）无法解决 AI 时代的新问题。网络必须具备更强的感知、判断和调度能力，在基站、全网管理和核心网层面形成协同保障。

华为方案：AI for Network

华为提出 AI for Network的核心理念：AI 不仅是跑在网络上的新业务，更应进入网络本身，成为提升无线效率、优化资源配置、降低运维复杂度及支撑新业务的基础能力。

赵东强调，AI 进入通信基础设施需通过三重检验：
1. 有效性：能否切实提升资源调度、信道估计、波束控制及运维效率？
2. 可靠性：系统是否可解释、可控、低误判？
3. 成本可控：部署成本与能耗是否在可承受范围内？

华为的策略是分层引入 AI：
1. 基站层：提升物理管道效率。
2. 全网管理层：支撑自治运维与资源配置。
3. 核心网层：面向 AI 时代的新业务经营。

1. 基站智能化：从“管道”到“智能节点”

改造基站并非将其变为大算力平台，而是将 AI 算法嵌入通信链路内部：

资源调度：传统数学算法在用户数、小区数激增时求解压力巨大。AI 可在更大范围、更细颗粒度下进行动态分配，支持十倍用户、十倍小区规模，求解维度提升百倍。
信道估计与波束管理：
利用少量采样数据恢复完整信道描述，平衡精度与开销。
结合用户位置、移动趋势预测变化，提前调整波束方向，精准分配资源。
通过基站传感器感知周边建筑、遮挡及反射，优化信号发射策略，改善复杂场景（高楼、室内、交通枢纽）体验。

2. 网络自治：从“人找问题”到“网络自愈合”

面对站点分布广、5G/5G-A 多制式叠加带来的运维压力，AI 旨在实现自治运维：
* 持续感知：实时监测网络状态，识别异常体验。
* 预测预警：预判拥塞与故障风险。
* 自动优化：自动完成参数调整与资源配置。
* 模式转变：从“人找问题”转向“网络自主发现、定位、处理问题”，在不停电、不断网、不损硬件的前提下，大幅减少人工干预。

3. 核心网进化：Agenty Core

核心网将从连接管理向AI 能力中心演进：
* 引入 AI 面：在原有用户面、信令面之外，增加 AI Service Function。
* 功能扩展：集成语音、记忆、意图理解、体验管理等模块。
* 价值提升：核心网不仅负责转发，更参与智能分发、体验保障及新业务生产，实现跨固定宽带与移动宽带的统一管理。

商业闭环：从“卖流量”到“卖体验”

技术升级最终需落地于商业场景。AI 时代，运营商的角色将从单纯的连接提供商，转变为体验保障入口。

1. 连接价值分层

智能体数量激增带来连接对象扩大，但不同业务对网络的要求截然不同：
* 普通业务（智能问答、非实时交互）：按普通信息分发处理。
* 高价值业务（实时控制、具身智能、自动驾驶、多模态交互）：对速率、时延、同步性、可靠性要求极高。

商业模式转变：运营商可从“卖流量”升级为“卖体验保障”。越重要、越实时、越依赖完整性的智能流转，越需要高等级网络保障，从而形成新的付费空间。

2. 具体落地策略

分层管理：华为正与中国移动、中国电信合作，在 5G-A 网络中推行分层服务。基础用户获基础服务，高阶用户获倍数关系的确定性服务（如相对保障：基础 1Mbps vs 高阶 2Mbps）。
动态切片：突破传统预设资源切片的局限，基于网络资源预估和用户业务状态，动态调用 RB 资源，保障高阶业务体验，降低落地难度。
新经营模型：
基础流量：提供普遍连接。
倍速套餐：提供相对体验保障。
专属动态切片：面向高价值业务提供确定网络能力。

3. 终端与业务绑定

AI 终端普及将改变运营商的市场参与方式：
* 绑定策略：通过套餐、eSIM、网络入口和体验保障能力，将终端、连接与服务深度绑定。
* AI 眼镜<-> 专属上行套餐
* 机器人<-> 安全专网
* 车载智能<-> 低时延保障
* 场景延伸：运营商不再仅仅提供接入，而是参与智能终端的使用场景设计。