编辑｜Panda、张倩
通勤路上，你挤在地铁车厢里，手机举到耳边，微信语音那头是同事在交代今天要交的方案细节。「关于那个…… 预算…… 三点之前……」声音断断续续地，关键信息大半都遗漏了。
在地铁、地下车库或者大会、演唱会现场，你是不是经常遇到这种情况？只要网络变差，微信通话就变成了一件折磨人的事情，卡顿、吞字、电流声让人莫名烦躁…… 怎么都 2026 年了，想打个微信电话把事情说清楚还那么难？网络差就听不清，这真的是铁律吗？
在今年 WAIC 中国电信的展台上，我们看到了反常识的一幕。展台上摆着两部正在通话中的手机，上面各自显示着一个局域网 IP 地址，音质听起来很清晰。然而，其背后的几个字「极窄带宽语音通话」却吸引了我们的注意。
「极窄」到底是有多窄？我们在现场听到了一个超乎想象的数字：0.266kbps
没错，超夸张。你可以查看你电脑上任意一个音频文件的码率，你几乎不可能找到如此低码率的文件。0.266kbps 确实是一项新的世界记录。
目前主流的音乐文件的码率通常为 320kbps，某些甚至可达到数千 kbps
那么，码率究竟是什么？其实从其单位也能看出来，kbps = kilo-bits per second，也即每秒多少千比特；也就是说，码率决定了一秒钟的语音里能装下多少信息。码率越高，声音细节越完整；码率越低，数据要挤过狭窄的通道，就得舍弃细节 —— 声音发闷、发飘、断断续续，都是这么来的。
在实际语音通话中，服务商通常会使用动态码率：网络好时用高码率，清晰流畅；一旦网络波动（比如地铁钻进隧道），就自动降到低码率，以保住通话不断。
那 0.266kbps 到底有多低？做个对照更能体会：移动通信的语音编码走过了 2G 的 AMR-NB、4G 的 AMR-WB，到今天 VoLTE 高清通话普遍采用的 EVS 编解码（这已是 3GPP 迄今性能最好的语音编码），但也需要在 5.9 到 128 kbps 区间工作，日常一通 VoLTE 高清通话大约需 15 kbps。而智传网（AI Flow）把这个数字压到了 0.266 kbps！
按过去的经验，这种码率顶多传输一些简单的文字指令，打电话是想都不敢想的事，极端情况下，对方说「飞流直下三千尺，疑是银河落九天」，你听得到的却是「飞…… 天」。但在中国电信这里，它不仅能清晰通话，甚至连音乐都能传 —— 仅相当于传统编解码技术 128 kbps 的 1/500；如果只传语音，码率还能更低。这也刷新了已知语音通信的最低码率纪录
可以说，中国电信的这项技术挑战了「网络差就听不清」的铁律。而这项技术也有个名字：智传网（AI Flow），由中国电信人工智能研究院（TeleAI）全自研原创打造。就在大会开幕当天，它从 230 多个项目中脱颖而出，拿下了今年 WAIC 的最高奖：卓越人工智能引领者奖（SAIL 奖），这个奖也被称为「AI 界的奥斯卡」。
此外，智传网（AI Flow）的核心技术生成式智能传输（Generative Transmission）还获得了首届 WAIC-Academic 最佳论文奖
那么，智传网（AI Flow）到底是什么？为什么能做到传统通信做不到的事？会对哪些领域带来深远影响？中国电信集团CTO、首席科学家、中国电信人工智能研究院（TeleAI）院长李学龙在 WAIC 中国电信人工智能生态论坛上进行了深度解析。
生成式智能传输：
把传「比特流」变成传「词元流」
智传网（AI Flow）是什么？其名字本身就已暗示：智代表人工智能，传是指通信传输，而网指网络技术。
表面看是一项技术，但背后融合了三大学科，这就不难理解为什么智传网（AI Flow）会诞生在 TeleAI。
TeleAI 是央企里第一家人工智能研究院。而中国电信这家公司本身就是通信起家的。也正因如此，通信的天花板在哪里、瓶颈卡在哪里，没有人比他们更清楚。智传网（AI Flow）就是他们把 AI 这套新工具，接进通信这门老手艺后长出来的东西。
它到底新在哪儿？关键在于换掉了传输的「货物」。
最传统的通信本质上做的是符号搬运。你的声音被麦克风收进来，收到多少信息，就原原本本传多少比特；视频则拆成一个个像素点往外发。信息越清晰，数据量越大，占的带宽也越多。这是一笔省不掉的刚性开销。
带宽不够怎么办？只能压缩，而压缩又分为无损压缩和有损压缩。为了尽可能降低带宽，只能选择有损压缩，即丢弃部分细节。可压缩有极限，压到最后，就是我们熟悉的那种糊成一团、断断续续的体验。所以在旧框架里，这几乎是个死结：要清晰就得要带宽，没带宽就别想清晰。
不同程度的图像有损压缩示意，音频也是类似
智传网（AI Flow）的不同之处在于，它是一种借助智能完成的压缩。其核心技术叫生成式智能传输，思路可以概括成六个字：用计算换带宽
具体来说，发送端不再直接搬运声音本身，而是先用多模态大模型把这段语音「读懂」，把其中最核心的语义、声纹、特征等信息，凝练成一小串词元（Token）发出去；接收端收到这串词元后，再用生成式大模型把声音重新「生成」还原出来。传输的对象，就此从「比特流」变成了「词元流」。词元的体量远小于原始比特，带宽占用自然断崖式下降。
这套打法背后是 TeleAI 早就铺下来的理论地基。早在 2002 年，李学龙团队就提出了信容理论，揭示了计算、通信与存储之间可以相互折叠、彼此换算的关系。除此之外，团队对「噪声」的重新定义也为这套架构扫清了认知障碍——传统通信视噪声为洪水猛兽，而「正激励噪声」理论指出，当噪声与任务目标相关时，它反而能降低任务复杂度、起到正向驱动作用。这一认知让AI不再盲目地「丢弃」低码率下的细节，而是学会区分哪些是干扰、哪些是可用的线索。后来，多模态大模型成熟，「用计算换带宽」终于得以从纸面走进现实 —— 通信研究盯了几十年的编码和信道，天花板被 AI 捅破。
对智传网（AI Flow）来说，传语音其实只是一道「简单题」，毕竟语音的码率本来就不大。真正的考验是视频。
传统视频编码（从 H.264 到 H.265、H.266）本质上是在「找冗余」，即靠帧间预测和运动补偿，只记录前后画面里变化的部分。这套思路已经打磨到极致，H.266 在理想情况下甚至能把码率压到 H.264 的四分之一。但它再聪明，传的仍然是像素的差值，一旦带宽被压到临界点，残差信息不够了，画面就开始糊、开始丢帧。这是「搬运像素」这条路线绕不开的物理下限。
同样地，智传网（AI Flow）更换了这条路线：不再搬运像素差值，而是传词元。
发送端从视频流中抽出画面语义、动态特征，凝成轻量的词元流发出；接收端再把画面重新「生成」出来。结果相当夸张：一段 1080P、24FPS 的高清视频，不到 100kbps 就能稳定传输，而传统方式需要约 3.6Mbps—— 前者只有后者的 3%。如果说语音方向，智传网实现的是「用发信息的带宽打电话」，那在视频方向它就实现了「用打电话的带宽传高清视频」。
极致的压缩效率让「传词元」这件事的想象力没有止步于传画面。和世界模型联手之后，它甚至能传一个「世界」。
最近有多少人熬夜看世界杯？但无论你买的电视多大，你能看到的画面始终是导播给你切的那个角度，说白了就是一个三维世界的投影。
智传网（AI Flow）就不一样了，借助词元流，它能装下一场球赛的球员、足球、球场和动作轨迹之间的时空关系。当然，要把这样的词元流还原成画面，靠传统解码已经不够了，TeleAI 在接收端引入的，正是当下 AI 领域最热的技术之一：世界模型。
接收端也不再只是逐帧重建像素，而是根据词元流还原出一个可进入、可观察的三维世界 —— 同一次射门，你可以从全景俯瞰，可以贴身跟拍，甚至可以切换到门将的第一人称视角，重新看一遍。
视频链接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ
李学龙在演讲中用了柏拉图的比喻：传统视频里，观众是洞穴中看影子的囚徒；而智传网（AI Flow）让你走出洞穴，自由翱翔。对赛事直播来说，这也许意味着一件不小的事：「导播决定你看什么」的时代，正在出现裂缝。
这就是「传比特」和「传词元」的本质区别，前者很快触及天花板，而后者的应用边界才刚刚开始探索。
当然，画面是 AI「生成」出来的，一个自然的疑问是：它能信吗？毕竟，一个不可信的东西，你传得再快、再清晰有什么用？
这方面，TeleAI 给出的回答是双重保障。一方面，团队对重建的通信速率与理解性能做了系统评估，无论是下游任务的理解能力，还是原始音视频的重建质量，都达到国际领先水平；另一方面，可信溯源技术会给每一段重建视频打上「不可磨灭的数字烙印」，确保无论从哪个视角观察，事件的真实性都不会被篡改。
这其中，藏着一次迟到七十多年的突破。早在信息论奠基之初，香农和韦弗就把通信分成了三层：符号层，关心一串比特能否准确送达；语义层，关心意思有没有传对；效用层，关心接收方拿到信息后能不能真正把事情办成。传统通信八十年来主要在啃第一层。
而智传网（AI Flow）想做的是让同一串词元贯通三层：它既是精准重建画面的特征数据（符号层），又是可被理解、推理的语义向量（语义层），还能直接驱动一次救援决策或一个机器人动作（效用层）。
以灾区救援为例，一棵树的纹理还原得准不准，优先级其实很低；「哪里有人、道路断没断、房子会不会塌」，才是效用层真正在乎的东西。
所以，智传网（AI Flow）真正的意义，不只是把声音、画面压缩得更小，而是让信息以「可信可用」的形态抵达原本到不了的地方，去发挥它应有的效用 —— 这对 AI 来说，正是当下最紧迫的一道关卡。
天空地海：低带宽链路下实时传输音视频
这几年 AI 的演进有一条清晰的主线：从大模型，到智能体，再到具身智能，能力越来越强，也越来越需要突破物理边界「走出去」，走进天空、荒野、深海这些人和网络都难以抵达的地方。可传统通信的覆盖，高度依赖基站、光纤和稳定电力，一旦离开这些基础设施，连接就会迅速崩塌。
智传网（AI Flow）要做的，是让一批硬件终端摆脱这种束缚，把智能送到更远的地方。TeleAI 把这件事拆成了天、空、地、海四个方向。
先看「天」和「空」。当下业界都在喊「算力上天」，但算力上天的意义究竟在哪？过去，卫星在通信网络里扮演的角色几乎没变过，它就像一面挂在天上的镜子，只负责把信号反射回去，大部分的「思考」都发生在地面。算力上天真正的价值，就是让卫星从「管道」变成「节点」：信息还在轨道上，就被读懂了。
道理成立，但怎么落地？智传网（AI Flow）提供了实现的可能。星地链路的特点是地面终端功率小、天线小，往卫星发信号（上行）的带宽很紧张；而卫星往地面广播（下行）的带宽相对宽裕。顺着这个天然的不对称，智传网（AI Flow）把最吃算力的解码模型部署到在轨卫星上 —— 终端只管把轻量词元发上去，重活留给天上。目前，这一应用方向还在推进过程中。
而顺着这张网往下，就到了「空」这一层 ——轻小型无人机直连卫星，传输高清视频，这是国内首次
视频链接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ
轻小型无人机是低空勘察的核心装备，却长期被物理瓶颈死死卡住：想传得快、传得清，就得背更重、更耗电的通信设备，可设备一重，续航和机动性就得打折。过去它还必须先把画面传给地面的临时接收站，再由地面转发上星，而这意味着无人机不能飞得太远，只能围着地面设备打转。
而 TeleAI 在国内首次做到：给无人机装上一个生成式智能传输的「盒子」和一套小型卫星通信设备，让它直接连上卫星。
在这套方案下，无人机以平均约 60 kbps 的带宽就能实时回传 720P 视频，而同样的画面用传统 H.264 编码大约需要 2 Mbps。挣脱了基站和光纤的羁绊，无人机实时回传的范围一下子变大了。从此，断网不再意味着失联，生命线被重新搭起，「信息孤岛」这个词，第一次在物理意义上被拆掉了。
再看「地」，也就是机器人。人类把机器人造出来，目的之一就是让它们去我们去不了的地方，完成对我们有危险或我们不愿意做的任务。但由于机器人的自主性依然有限，人去摇操机器人是当下最好的选择。但这一摇操半径，经常因无法忍受的网络延迟被锁死在一个小小的范围内。智传网（AI Flow）实现的突破在于：通过传词元这种高效的传输方式，它把端到端时延压缩到 20—50 毫秒（最新已降到 20 毫秒），首次让机器人的远程遥操作半径覆盖到全国范围；即便在没有基站的荒野，也能靠卫星链路实现千里之外的画面实时回传和精准操控。
此外，机器人要走进复杂环境干活，光靠单打独斗还不够，关键在于机器与机器之间能不能高效协同。智传网（AI Flow）的不同之处在于：它依托统一编码的词元流，可以让不同型号、不同厂商的机器人共享同一套环境感知。
视频链接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ
TeleAI 自研的人形机器人，以及像宇树这样的合作伙伴的机器人，都能接入这张网：一台机器人发现的路况，可以同步给另一台；一台学到的经验，可以变成整个机器人网络的共识。多台设备由此减少重复感知与重复计算，逐步走向分布式群体智能
最后是「海」或者说「水」。我们生活在一个被水包围的世界，很多活动都在水里展开。可在无线通信意义上，任何一片水域都是一块「信号黑洞」，因为电磁波在水里衰减极快，几乎传不了几米；换光通信，清水里能传得远，可水一浑浊就瞬间失效。于是只能退回到声波，因为声学链路是浑浊水体里唯一还能远距离传输的载体，但它本身带宽极窄。智传网（AI Flow）做的，是在这条狭窄的声学链路上，硬生生跑通了实时高清视频。
依托智传网（AI Flow）与自研的高速声通信模组，TeleAI 首次实现了在任意水体中的远程无线实时视频传输，可在超过 10 米的距离上稳定回传 720P 高清画面，应用于水下巡检、生态监测、应急搜救等场景，为这些极端环境提供了稳定、实时的无线视觉通信能力。
这套核心载荷，目前已经搭载在 TeleAI 自研的「空海跨域潜航器」上。我们可以把它理解成一台能从空中扎进水里的无人机，未来还将随着与中国船舶集团的合作，出现在更多平台上。
视频链接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ
卫星、无人机、机器人、潜航器，形态各异，但智传网（AI Flow）让它们说上了同一种语言 —— 词元。过去，每往一个新空间拓展，通信方案就得重新造一套；而现在，同一套词元流从天到地、海一路通用。这意味着一件事：机器能抵达的地方，智能就能抵达；过去网络到不了的地方，从此不再是智能的禁区
当然，让终端走得远只是上半场。这些被送出去的能力，最终要在一个个真实的场景里兑现价值 —— 这是智传网（AI Flow）要回答的下一个问题。
三个规模化落地场景
TeleAI 目前跑得最实的，是应急、存储和隐私三块。
第一块是应急救援。今年全球极端天气频发，洪涝灾害往往带来「断路、断电、断网」的三断困境，灾区瞬间被切割成一座座信息孤岛，而救援最大的难处，常常不是没有力量，而是不知道现场究竟发生了什么。
智传网（AI Flow）在这里派上了大用场。中国电信打造的「翼锋·智传网（AI Flow）应急系统」，只需在手机上装一个 App，一线人员就能在极窄的卫星链路下把现场画面传回后方 —— 传一张图只要约 9.6 kbps，配合应急救援车提供的约 110 kbps 带宽，就能实时回传 720P 高清视频。
要知道，过去在三断场景下，传一张高清照片都要几分钟，现场态势根本来不及送达指挥部。今年，这套设备已经投入到全国 31 个省份的一线防汛抗洪中，累计超过千余套。它让远方的指挥中心，第一次拥有了一双能抵达现场的「眼睛」。
视频链接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ
第二块是海量视频的存储。城市里的摄像头越来越多，4K、8K 设备不断普及，视频数据正在爆炸式增长。传统做法要完整保存每一帧画面，可大量监控画面长期「存而不用」，既吃存储空间，又难以按需调取。很多监控往往只能留存一周左右就得清空腾地方。
智传网（AI Flow）换了个思路：不再逐像素保存，而是把视频编码成精简的词元存下来，需要时再用生成式模型按需还原。
需要说明的是，传统视频压缩同样会利用前后帧的冗余，这不新鲜。智传网（AI Flow）的不同在于它进一步借助模型能力，把背景、人物、车辆、事件统一编码，因为固定机位的监控画面里，背景常年不变，系统就只留人和车这些真正动态的语义，而不是一帧帧去记录几乎没变的画面。
中国电信拥有全球最大的视联网，覆盖超过 1 亿路摄像头，正在规模化推广这项压缩存储技术。
效果是：在同等硬件条件下，存储空间可降低为传统方案的约 1/40，原本只能存一周的影像，如今能存下接近一整年。这项技术已在天翼视联的视联网上规模化落地，首批已有上千路摄像头接入。
第三块是隐私保护。在养老看护、校园防霸凌这类敏感场景里，人们既希望摄像头能及时发现危险，又不愿意自己的生活被赤裸裸地录下来、传上去。这是一对天然的矛盾。
视频链接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ
智传网（AI Flow）靠分层的语义词元流化解了它：在传输阶段就把敏感词元筛掉，让接收端能读懂「发生了什么」，却无法还原「看到了什么」。比如在养老场景中，系统能识别老人跌倒、挥手求助等异常行为并及时向后台报警，但原始影像无从恢复。用一句现场文案来说 ——「传的是词元，不是画面；认的是行为，不是人脸」。这套方案将在智云上海等平台上线，触达约 400 万终端用户。
从灾区到城市，从抢险到看护，这三块场景的共同点在于：智传网（AI Flow）关心的，已经不只是「传了多少数据」，而是「这些信息能不能帮人和机器把事情办成」。
通信，正在成为智能涌现的条件
从地铁里那通断断续续的电话，到灾区、深海和卫星轨道，智传网（AI Flow）在 WAIC 上讲的其实是一个关于「连接」的故事：那些因为带宽、距离和环境而被切断的连接，正在一条一条被接回来。
李学龙在演讲里说过一句让人印象很深的话：「智能的涌现，源于连接和交互。」他说，智人之所以繁衍壮大，靠的不是比尼安德特人更强壮的体格，而是语言和信息的交流互动，即连接让个体的聪明变成了集体的智慧。
AI 时代同样如此。大模型、智能体和机器人都不会孤立成长，只有当一个机器看到的世界能成为另一个机器的经验，当分散的感知与能力能够持续流动、融合，智能才可能真正涌现
七十多年前，香农用信息论教会人类如何把比特送得更远；今天，智传网（AI Flow）想回答的是另一个问题：当比特变成了词元，当连接无处不在，智能可以生长到多远？
值得玩味的是，AI 圈这些年一直在讲「压缩即智能」，即一个模型能把世界压缩得多好，某种程度上就代表它对世界理解得多深。智传网（AI Flow）把这句话反了过来：用智能去做压缩。它靠对世界的理解，把该传的意思拎出来、把冗余的比特扔掉，还在其分层网络架构中部署了一系列大小不同的家族式同源模型，希望实现基于连接与交互的智能涌现。压缩与智能，就此变成了一条真实跑在网络里的技术路径。
从这个意义上说，通信正在卸下「传输工具」的旧身份，成为智能得以涌现的条件本身。而智传网（AI Flow）所拓展的也不只是带宽的边界，更是智能能够抵达、连接与生长的边界。
热门跟贴