过去一年，几乎所有人都在追问同一个问题： AI 大模型还能变得多聪明？Agent、多模态、端侧部署，构成了 AI 产业最热闹的叙事。

但当 AI 开始进入眼镜、汽车、机器人、摄像头这些物理载体，开始在道路、工厂、家庭和人类交互之后，我们发现，现实世界和 AI 大模型之间，还有最后一公里的路没有打通。

AI 眼镜要识别眼前的文字，Robotaxi 要判断周围路况，机器人要决定下一步动作。它们依赖的不只是算法，也包括图像、语音、位置、空间关系、设备状态和环境变化等数据。

这些数据需要先由终端采集，再通过网络上传，交给云端或边缘侧模型处理。模型输出的结果，也要通过网络返回终端，才能转化现实中的业务动作。

这使得移动网络在 AI 时代承担了新的压力。

过去，网络波动可能只是让视频缓冲几秒；未来，同样的波动可能导致实时识别失败、远程控制迟滞，或者智能体无法完成动作。

移动网络不再只是单纯的内容分发通道。它需要识别连接对象，理解业务类型，判断实时性要求，也要在资源紧张时决定哪些连接需要优先保障。

物理 AI 时代的网络，不能只是一条“更宽的管道”。

移动网络的下一批用户，不只是人类

很长一段时间里，移动通信网络服务的核心对象是人。

在语音时代，网络解决的是通话连接，让人在移动状态下完成实时沟通。进入 3G、4G 时代后，智能手机和在线内容快速普及，移动网络的主要任务转向大带宽数据传输。网页、图片、音乐、视频、直播、游戏和在线会议，成为了移动互联网时代最典型的业务形态。

智能手机也在这个过程中变成了高度集成的入口。过去由独立设备完成的功能，例如 GPS、音乐播放器、相机、录音机和部分办公工具，逐渐被手机吸收到一个终端里。移动互联网时代的一个基本特征，是终端形态向手机集中，人则是最主要的连接主体。

AI 的到来改变了这个前提。

大模型要理解现实世界，首先需要获得更丰富、更连续的现实输入。图像、语音、位置、动作、空间关系、环境状态和设备数据，都会成为模型识别、推理和反馈的基础。

网络服务的对象也开始从“人”扩展到“智能体”。云端出现大模型和生成能力，端侧则出现了更多 AI 入口，手机里的智能体、AI 眼镜、穿戴设备、摄像头、机器人、车载终端、家庭设备、工业终端和各类传感器，都可能成为移动网络中的主动使用者。

这也改变了网络承载的内容。过去，移动网络主要承载信息流，服务图文、视频和应用数据的分发。AI 时代，网络还要承载与推理、决策和反馈相关的数据流。它们对实时性、上行能力、连接稳定性和资源调度提出了更高要求。

连接对象的扩张，带来的是连接规模的变化。未来移动网络连接的不会只是手机用户，还会包括分布在城市、家庭、交通、工业和公共空间中的大量智能终端。

华为 ICT BG 无线网络产品线副总裁赵东对雷峰网表示，“预计到到 2035 年，可应用的智能体数量可能达到 9000 亿级别，远高于当前以人为中心的连接规模”。

这意味着，未来移动网络面对的将是一个设备数量更大、分布更广、连接更密集的系统。它需要服务的，也不再只是人的上网体验，而是智能体持续感知、推理和反馈的全过程。

新时代，需要新的网络基础设施

随着服务对象变化，移动网络所需具备的能力也在变化。

过去移动互联网的主要流量方向是下行。用户打开手机，从云端获取视频、图文、音乐、游戏和网页，网络承担的是内容分发任务。评价网络好坏时，用户最直接的感受也是下载是否够快、视频是否高清、直播是否流畅、游戏是否卡顿。

但 AI 时代的流量结构发生了变化，端侧设备不再只是下载内容，还要持续上传图像、语音、环境信息和传感数据，再等待大模型返回结果。移动网络支撑的链路，也从相对单向的“信息获取”，变成“端侧感知、数据上传、云端推理、结果反馈”的闭环。

因此，对通信网络的要求不再只看下行带宽，还要看上行能力、时延、抖动、稳定性和高并发连接能力。

在 MWC 上海展会现场，华为 ICT BG 就将 AI 时代对移动网络的要求概括为了三个变化。

首先是连接范围扩大。智能体不会只出现在人密集的地方。它们可能分布在城市基础设施、家庭设备、工业现场、交通系统、能源网络、商业空间和公共服务场景中。移动网络需要覆盖更复杂的空间，也要服务更多非手机终端。

其次是连接密度提高。在展馆、商场、体育场馆、交通枢纽、图书馆和工厂等场景中，手机用户、摄像头、AI 眼镜、机器人、传感器和其他终端可能同时接入网络，并持续上传数据。过去按照人的平均使用行为规划网络，已经难以应对这类高并发接入。

第三是连接质量要求提升。AI 业务对网络波动更敏感。过去网络体验下降，影响的多是内容消费体验；未来智能流转失败，可能直接导致一次识别、控制或业务执行无法完成。网络需要从提供通用连接，进一步走向可保障、可调度、可感知的连接能力。

但现有移动网络在这些方向上都有短板。

过去，移动互联网长期以下行流量为主，网络建设和用户感知也更多围绕下载速度展开。AI 终端普及后，图像、视频、语音和传感器数据会持续从端侧上传。如果上行能力不足，智能体就无法把现实世界及时传给云端模型，后续的推理和反馈也会被拖慢。

时延和稳定性也会成为新的压力点。传统移动网络可以提供较好的平均体验，但 AI 业务更在意关键时刻的确定性。实时交互、远程控制、机器人协同和车载场景，不能只看平均速率。一次短暂抖动、一次连接中断，都可能影响识别、决策或控制结果。

网络本身的复杂度也在上升。5G、5G-A、多频段、多制式、多场景和多类型终端叠加之后，运营商既要保证覆盖和容量，也要识别不同业务的优先级和保障需求。进入 AI 时代后，业务类型和连接对象还会继续增加，仅靠传统人工经验和被动排障，已经很难应对这种复杂度。

更关键的是，不同 AI 业务对网络的要求并不相同。有些业务需要大上行，有些业务依赖低时延，有些业务强调高可靠，也有业务更看重连接密度和成本。网络资源不能再按粗放方式平均分配，而要根据业务类型、场景优先级和实时网络状态进行调度。

因此，AI 时代对移动网络的改造，不能只靠扩容完成。继续增加带宽、站点和频谱，可以缓解一部分容量问题，但难以解决业务类型分化、资源实时调度和全网复杂度上升带来的新问题。网络需要具备更强的感知、判断和调度能力，能够识别不同业务的网络需求，并在基站、全网管理和核心网层面形成协同保障。

这正是华为提出 AI for Network 的出发点。

赵东强调，在华为看来，AI 不只是跑在网络之上的新业务，也应该进入网络本身，成为提升无线效率、优化资源配置、降低运维复杂度和支撑新型业务经营的基础能力。

华为的答案：让 AI 进入网络本身

“将 AI 引入到我们无线通信网络，我们要思考三个主要的问题。第一个问题是 AI 的有效性，第二个是 AI 的可靠性，第三个就是将它引入的成本，如果成本过高的话，使得网络无法负担，它也最终不会在网络里发挥作用”。

赵东认为，通信网络是基础设施，任何新技术进入其中，都必须先经过有效性、可靠性和成本三重检验。即除了资源调度、信道估计、波束控制、运维效率和业务保障，AI 进入网络还要满足两个前提：可靠和可部署。

可靠，意味着它不能成为一个不可解释、不可控、误判频繁的系统。可部署，则意味着成本和能耗必须可控。

华为的思路，是让 AI 沿着移动通信网络的结构逐层进入，先进入基站和物理管道，提升网络效率；再进入全网管理系统，支撑自治运维和资源配置；最后进入核心网和运营商业务平台，面向 AI 时代的新业务经营。

基站是这套改造的起点。

用 AI 改造基站，并不是把基站变成大算力平台，而是把 AI 算法引入资源管理、信道估计、波束控制等通信链路内部，让通信管道本身更高效、更节能，并在服务更多用户的同时控制整体造价。

一个典型场景是资源调度。传统网络通常依赖复杂数学算法进行调度，但随着用户数量、小区数量和业务复杂度上升，传统算法的求解压力会越来越大。AI 可以在更大范围、更细时间颗粒度下进行动态资源分配，让网络同时应对更多用户、更多小区和更复杂的业务组合。

按照华为的设想，AI 可以支持十倍用户数量、十倍小区数量，并把求解维度提升到过去的百倍级别。

信道估计和波束管理也遵循类似逻辑。

无线信道会受到距离、遮挡、反射、移动速度和环境变化影响。传统测量方式需要在精度和业务开销之间取舍。AI 可以用少量采样数据恢复更完整的信道描述，在不显著影响业务的情况下提高测量精度。

在此基础上，AI 还可以结合用户位置、移动趋势和业务状态，预测用户接下来可能发生的变化，让波束提前调整方向，更精准地分配无线资源。

随着更多传感器进入基站，基站也有机会理解周边建筑、遮挡、反射和覆盖变化，判断信号应该往哪里发射。对城市高楼、室内空间、交通枢纽和复杂公共场景来说，这类能力会直接影响网络体验。

在单点基站之外，华为还希望用 AI 解决整张网络的自治问题。

这解决的是运营商正在上升的运维压力。站点分布在楼宇、地下室、山地、乡村、交通沿线和城市高密度区域，维护往往需要大量现场人力。随着 5G、5G-A、多频段、多制式和多类型终端叠加，网络复杂度继续提高，传统人工经验和被动排障已经难以支撑未来的网络规模。

网络自治的目标，是在站点不断电、传输不中断、硬件不损坏的前提下，尽量减少人工维护。

AI 可以持续感知网络状态，识别异常体验，预测拥塞和故障风险，并自动完成部分参数调整和资源配置。网络运维也会从“人找问题”，逐步转向“网络发现问题、定位问题、处理问题”。

再往上，AI 还会进入核心网和运营商业务平台。

过去，核心网主要承载通话和分组数据业务，是连接管理和数据转发的关键系统。AI 时代，核心网可以进一步引入算力、存储、模型和生成能力，发展新的核心网业务。

华为将这一平台称为 Agenty Core，希望在核心网原有的用户面、信令面之外增加 AI 面，并引入 AI Service Function。

AI Service Function 可以管理跨固定宽带和移动宽带的业务能力，包括语音、记忆、意图理解和体验管理等模块。对运营商来说，这意味着核心网不只承担连接和转发，还可以参与智能分发、体验保障和新业务生产。

是连接入口，也是体验保障入口

当然，技术升级最终都要落到商业场景中。AI 时代，网络设备商和运营商应该以什么角色参与其中，也是华为试图回答的问题。

AI 进入移动网络之后，运营商最直接的机会仍然来自连接和流量。

智能体数量增加，意味着网络连接对象会继续扩大。手机里的智能体、AI 眼镜、机器人、车载终端、摄像头、穿戴设备、工业终端和各类传感器，都需要持续接入网络。它们要把图像、语音、位置、环境和设备状态上传到云端模型，也要接收模型返回的结果。对运营商来说，这会带来更多连接、更高连接密度和更多上行流量。

但 AI 带来的变化不会只停留在流量增长上。智能业务对网络能力的要求会分层。普通智能问答、非实时交互和一般内容生成，对网络保障的要求相对有限，可以按照普通信息分发处理。实时控制、具身智能、自动驾驶和多模态实时交互等场景，则对速率、时延、同步性和可靠性提出更高要求。

这意味着，不同智能业务对应的网络价值不同。越重要、越实时、越依赖完整性的智能流转，越需要更高等级的网络保障，也越可能形成付费空间。运营商未来的商业模式，可以从卖流量，进一步走向卖体验保障。

在实时交互、远程控制、具身智能、车载智能、工业现场和多模态协同等场景下，运营商如果能够提供完整、稳定、同步的传输保障，就有机会获得新的付费空间。

华为正在与中国移动、中国电信合作，在 5G-A 网络中推进分层管理。基础用户获得基础服务，高阶用户获得倍数关系的确定性服务。这里强调的是相对保障：如果基础用户在某个场景下只有 1Mbps，高阶用户可以获得两倍速率；如果基础用户只有 1K，高阶用户也对应获得两倍。

进一步的能力是动态切片。传统网络切片通常需要预设资源，并与 OTT 业务方逐一签约，落地难度较高。动态切片则可以基于网络资源预估和用户业务状态，动态调用所需 RB 资源，保障高阶业务体验。

这样一来，运营商可以形成新的分层经营模型，基础流量提供普遍连接，倍速套餐提供相对体验保障，专属动态切片则面向高价值业务提供更确定的网络能力。

AI 终端的普及，也会改变运营商参与市场的方式。过去，运营商更多通过补贴手机等终端来扩大用户规模。未来更可能的路径，是通过套餐、eSIM、网络入口和体验保障能力，把终端、连接和服务绑定在一起。

例如，AI 眼镜可以和专属上行套餐绑定，机器人控制可以和安全专网绑定，车载智能可以和低时延保障绑定。运营商不只是提供接入，还可以参与智能终端的使用场景设计。

核心网侧的 AI 能力，也会给传统通信业务带来新的入口。通话业务可以叠加防诈骗、安全识别、静密通话、降噪和语音增强等能力，让运营商在原有通信服务之上提供更高层级的体验和安全保障。

这样看，运营商不再只是“卖 SIM 卡”的渠道，而是可以围绕智能体的使用场景，提供连接、体验、安全和业务保障。

这正是 AI 时代移动网络最大的变化，它改变了移动通信网络的基本任务。

过去，网络主要解决人如何更快、更稳定地获取信息；未来，网络还要支撑智能体如何感知现实、理解环境、完成推理并执行反馈。

在这个过程中，AI 既是网络需要承载的新业务，也是改造网络自身的新工具。