網絡與AI如何相互成就？愛立信的戰略實踐與未來方向

/記得星標我/

比大部分人早一步看見未來

最近兩年，AI成了整個科技行業最熱門的話題，但落到通信行業，很多從業者或許有一些困惑——大家都在談AI，但很少有人能說清楚：AI到底能給通信行業帶來什么不可替代的價值？是跟風做幾個行業大模型，還是真正解決網絡運營中最核心的痛點？更進一步，當AI應用開始大規模爆發，網絡不再只是傳輸數據的管道，它的定位應該如何重新定義？通信企業的AI戰略，又該如何平衡當下的落地需求和未來十年的技術演進？

作為全球通信行業的核心參與者，愛立信用過去十幾年的持續探索和實踐，給出了一個清晰且系統的答案：AI與網絡不是簡單的技術疊加，而是深度綁定、相互驅動的共生關系。基于這一核心判斷，愛立信形成了“Networks for AI（面向AI的網絡）”與“AI for Networks（AI賦能網絡）”雙向驅動的完整AI戰略。這一戰略從4G時代開始萌芽，在5G周期逐步成熟落地，并將成為6G時代網絡架構的核心基石。

核心判斷：AI與網絡是相互依存的共生關系

愛立信對AI與網絡關系的判斷，是其整個AI戰略的出發點。正如愛立信官網明確提出的：“移動網絡需要AI，AI也需要移動網絡”。這不是一句營銷口號，而是對兩個行業發展底層邏輯的深刻洞察。

從網絡的角度看，傳統的運營模式已經走到了盡頭。隨著5G網絡的全球部署，連接設備數量、數據流量和網絡復雜度都在呈指數級增長。一張現代5G網絡包含數百萬個基站、數十億個參數，僅靠人力和傳統的規則化算法，根本無法實現精細化管理和持續優化。如果沒有AI的介入，網絡的運營成本會隨著規模擴大而失控，最終無法支撐未來的業務增長。

從AI的角度看，沒有移動網絡的支撐，絕大多數AI應用都無法實現規模化落地。現在大家討論的AI應用，無論是消費端的AR眼鏡、人形機器人，還是產業端的工業數字孿生、自動駕駛、遠程醫療，本質上都是“網絡依賴型”應用。它們對連接的要求已經遠超傳統的網頁瀏覽和視頻流媒體，需要穩定、可靠、確定性的網絡性能。沒有適配AI工作負載的網絡，再先進的算法和算力都無法轉化為實際的用戶體驗和產業價值。

基于這一判斷，愛立信的AI戰略沒有走“為AI而AI”的路線，也沒有把AI僅僅當作一個降本增效的工具。它始終圍繞網絡這個核心，形成了兩個相互支撐、缺一不可的戰略方向：一方面打造能夠支撐AI應用規模化運行的網絡基礎設施，另一方面用AI重構網絡自身的設計、建設和運營模式。

（圖片來源：愛立信網站）

Networks for AI：構建適配AI工作負載的網絡基礎設施

Networks for AI的核心，是回答“AI時代需要什么樣的網絡”這個問題。愛立信專家明確指出，與傳統互聯網應用相比，AI應用對網絡有三個獨特且確定性的要求，這三個要求也定義了未來網絡的演進方向。

第一是高可靠的上行帶寬。傳統網絡的流量模型以下行為主，上下行帶寬比例通常在1:4甚至1:8。但AI應用徹底打破了這個格局，大量終端需要實時上傳傳感器數據、高清視頻、點云數據等原始信息用于云端或邊緣推理。這就要求網絡不僅要提升整體帶寬，更要重構上下行資源分配機制，提供穩定、低抖動的上行連接。

第二是低且穩定的時延。對于大多數傳統應用來說，平均時延是最關鍵的指標。但對于與物理世界交互的AI應用來說，時延抖動比平均時延更致命。比如AR眼鏡的端到端時延如果波動超過10毫秒，用戶就會產生明顯的眩暈感；工業機器人的控制指令如果出現時延抖動，可能會造成生產事故。因此，網絡需要提供的不是“盡力而為”的低時延，而是“確定性”的低時延。

第三是超大規模的連接與計算卸載能力。未來將有數十億級的AI智能體和設備接入網絡，這對網絡的連接密度提出了前所未有的要求。同時，很多終端受限于體積和功耗，無法在本地完成復雜的AI推理任務，需要網絡提供實時的計算卸載服務。這意味著網絡不能再只做數據傳輸，還要成為分布式的算力平臺。

針對這些需求，愛立信認為5G已經打下了堅實的基礎。5G獨立組網（SA）、網絡切片、能力開放API等技術，能夠為不同類型的AI應用提供差異化的服務保障。在此基礎上，愛立信提出了“在合適的位置部署合適的算力”的原則。其算力網絡采用集中式與分布式協同的模式：集中式數據中心負責大語言模型訓練、大規模數據分析等非實時、高算力需求的任務；分布式邊緣節點則將算力下沉到靠近用戶的位置，將關鍵任務的時延控制在10毫秒以內。移動運營商將在這一架構中扮演核心角色，成為連接與算力一體化服務的提供者。

（圖片來源：愛立信網站）

AI for Networks：用AI實現網絡的自主化運行

AI for Networks的核心，是回答“如何用AI管理日益復雜的網絡”這個問題。愛立信認為，AI在網絡中的應用正在經歷一場根本性的轉變，從“局部工具”走向“原生內核”。

過去，網絡中的AI應用多是零散的。工程師會在某個局部環節添加一個算法，比如用AI預測基站流量，或者用AI識別網絡故障。這種方式雖然能解決一些特定問題，但無法應對系統性的復雜度。更嚴重的是，不同環節的算法可能會有不同的優化目標，甚至會產生策略沖突，反而增加了網絡的管理難度。

現在，愛立信正在推動AI向端到端的網絡智能演進。也就是將AI貫穿于網絡的物理層、無線接入網、核心網、運營支撐系統等所有環節，實現從網絡規劃、建設到運維、優化的全流程智能化。

實現端到端智能的關鍵，是意圖驅動的網絡管理模式。傳統的網絡管理是任務驅動的，工程師需要逐個配置網絡參數，告訴網絡“做什么”和“怎么做”。而在意圖驅動模式下，運營商只需要給出高層的業務目標，比如“降低某區域網絡能耗10%”“提升某體育場演唱會期間的用戶吞吐率”。網絡會通過AI自動將這個高層意圖分解為多個低層級的子意圖，再協調網絡中的各個智能體執行具體的技術動作，最終達成預設目標。

這種模式已經在現網中得到了驗證，并取得了可量化的收益。愛立信的數據顯示，AI已經幫助現網實現了約10%的頻譜效率提升，相當于在不新增頻譜和基站的情況下，多承載10%的業務流量；用戶吞吐率提升約20%，顯著改善了高密度場景下的體驗；網絡能耗降低14%-33%，對于電費占運營成本30%-40%的5G網絡來說，這是非常可觀的成本節約；此外，AI還幫助提升了25%的5G有效覆蓋范圍。

- 04 -

支撐戰略落地的四大核心基礎

為什么愛立信的AI戰略能夠走出一條有自身特色的道路？我認為離不開其長期積累的四大技術基礎。這些基礎不是一蹴而就的，而是愛立信過去十幾年持續投入的結果。

首先是自研芯片。為了提升網絡側AI推理的效率和能效，愛立信研發了Ericsson Silicon系列芯片。該芯片針對網絡AI工作負載進行了深度優化，能夠在提供高性能推理能力的同時，保持業界領先的能效比，避免了網絡智能化帶來的算力成本爆炸。

其次是開放性。愛立信強調，網絡必須具備開放性，避免被單一技術路徑或廠商鎖定。其AI解決方案支持在不同廠商的硬件平臺上運行，同時通過開放API將網絡能力和AI能力輸出給第三方開發者，構建開放的產業生態。

第三是可信AI。愛立信專家指出，AI如果配置不當，可能會出現自主異常行為。因此，愛立信從設計之初就將可信AI納入系統架構，通過AI可解釋性技術和系統安全護欄，確保AI在網絡中的應用是可控、可靠的。同時，愛立信建立了覆蓋軟件全生命周期的安全體系，保障網絡和AI應用的安全。

第四是數字孿生技術。數字孿生可以構建與真實網絡高度一致的虛擬環境，讓愛立信能夠在不影響現網運行的情況下，安全地測試和優化AI模型，模擬各種極端場景下的網絡表現，降低AI模型現網部署的風險。

- 05 -

未來演進：從5GAI增強到6G AI原生

愛立信的AI戰略是一個長期的、持續演進的規劃，當前正處于從5G AI增強向6G AI原生過渡的關鍵階段。

在5G周期的后半段，愛立信正在將AI原生地融入所有5G產品和功能中，進一步深化端到端網絡智能，同時持續提升網絡對AI應用的支撐能力。這些在5G中驗證過的技術和架構，也將成為6G設計的基礎。

對于6G，愛立信的愿景是打造完全AI原生的網絡。與5G中“在現有網絡架構上添加AI能力”不同，6G將從設計之初就以AI為核心，將AI嵌入到網絡的每一層和每一個節點。6G網絡將具備自學習、自預測、自適應和自進化的能力，能夠支撐個人XR、全息通信、全自動駕駛、全域數字孿生等下一代AI應用。

目前，愛立信正在積極參與全球6G標準的制定工作，推動AI原生網絡的技術標準化，確保未來6G網絡能夠實現跨廠商、跨國家的互聯互通。

（圖片來源：愛立信網站）

愛立信的AI戰略最鮮明的特點，是始終立足于通信行業的本質需求。它沒有追逐短期的技術熱點，也沒有脫離自己的核心業務去做不擅長的事情。它圍繞“AI與網絡雙向共生”這一核心規律，構建了從底層硬件到上層應用、從現網落地到未來演進的完整體系。

當前，AI與網絡的融合才剛剛起步。愛立信通過Networks for AI與AI for Networks的雙向驅動，正在推動通信網絡從單純的信息傳輸管道，向支撐AI時代的智能基礎設施升級。這不僅是愛立信自身的戰略選擇，也為整個通信行業的AI發展指明了方向。