怎么理解中國電信的五位一體、L型布局？

/記得星標我/

比大部分人早一步看見未來

AI 產業發展到現階段，運營商的角色定位越來越清晰，也越來越關鍵。從最初的通信管道提供商，到云時代的基礎設施服務商，再到如今 AI 浪潮下的能力輸出者，每一次轉型都伴隨著一套新的戰略框架。

中國電信去年將集團戰略從云改數轉升級為云改數轉智惠，而在7月18日召開的中國電信人工智能生態論壇上，中國電信董事長柯瑞文提出打造“算力、平臺、數據、模型、應用”五位一體智能云體系，構建“L”型布局，為客戶提供優質、安全、普惠的一體化智能服務，正是其錨定 AI 賽道的核心行動框架。

過去十年，運營商的核心主線是擺脫對傳統話音和流量業務的依賴，尋找第二增長曲線。云改數轉戰略推行多年后，中國電信的云業務已經做到一定規模，但云市場的競爭逐漸進入存量階段，單純賣云資源的增長空間正在收窄。

AI 大模型的爆發，給運營商帶來了新的產業機會。市場需求不再滿足于基礎的計算和存儲資源，而是需要從算力到模型再到應用的完整 AI 能力。這種需求結構的變化，倒逼運營商的整體戰略必須同步升級。

云改數轉智惠的核心，就是把企業的核心能力從云網連接轉向智能服務。五位一體和L 型布局，不是憑空提出的新概念，而是新戰略落地的具體抓手，本質是回答運營商在 AI 時代具體要做什么、怎么做的問題。

五位一體：縱向打透全棧能力

五位一體指的是算力、平臺、數據、模型、應用五個層級的一體化智能云體系，對應從IaaS 到 SaaS 的完整技術棧。它的核心目標，是打穿 AI 服務從生產到落地的全鏈路，形成一套可以閉環運營的 AI 基礎設施。

算力層是整個體系的底座。和傳統云算力不同，這一層正在向AI 原生算力底座升級。中國電信推出了通智超量一體彈性計算體系，配套 AI 統一數據存儲和高性能云網絡，優化算存網協同效率。大灣區真武萬卡智算集群的落地，就是算力層升級的標志性動作，核心是解決 AI 訓練和推理的規模化、低成本供給問題。

平臺層是算力的調度中樞，核心載體是息壤算力互聯調度平臺。當前國內算力資源分布分散，不同廠商、不同區域的算力難以靈活調配。息壤的作用就是把自有算力和第三方接入的算力統一管理，實現彈性調度。目前這套平臺調度的總算力規模超過91EFLOPS，在國內算力調度領域處于第一梯隊。對 AI 服務來說，高效的算力調度直接決定了 Token 分發的效率和成本。

數據層是運營商差異化優勢最明顯的環節。中國電信匯聚了超20 萬億 Token 的高質量訓練數據，覆蓋 14 個行業的細分數據集。一方面來自自身運營積累的海量數據，另一方面來自對接政企客戶過程中沉淀的行業數據。同時它還在牽頭打造國資央企領域的可信數據空間，解決數據流通的合規問題。對大模型產業來說，高質量合規數據是最稀缺的資源之一，這也是運營商做 AI 的核心底牌。

模型層承上啟下，核心產品是星辰大模型體系。這是央企范圍內首個全模態、全尺寸、全國產的大模型，也入選了年度央企十大國之重器。但模型層并非走完全自研的封閉路線，同時也會接入第三方主流大模型，做成統一的模型服務入口，給客戶提供更多選擇。

應用層是價值落地的最終環節，分為對內和對外兩個方向。對內，AI 應用已經累計幫助企業降本超過 20 億元，覆蓋運營、維護、管理等多個環節。對外，已經和超過 80 家央企達成 AI + 合作，服務行業客戶超過 3.7 萬家，消費端也推出了智鈴、智屏等面向個人和家庭的 AI 產品。

整體來看，五位一體不是五個層級的簡單堆疊，而是圍繞Token 的生產、調度、應用形成的完整閉環。每一層的建設，最終都服務于向客戶提供可落地的 AI 服務這個目標，本質上是一套完整的 Token 經營基礎設施。

L 型布局：橫向拓寬生態邊界

如果說五位一體是縱向的能力深度，L 型布局就是橫向的生態廣度。理解 L 型的關鍵，是看懂它的兩條邊。

L 型的豎邊，就是五位一體構成的全棧垂直能力。這部分是中國電信的核心優勢所在，也是必須自己做深做透的環節，是整個布局的根基。從算力底座到調度平臺，再到數據和基礎模型，這些底層能力決定了 AI 服務的上限，也是運營商區別于其他 AI 廠商的核心壁壘。

L 型的橫邊，是沿著技術棧向產業伙伴開放的生態邊界。簡單說就是，核心底座自己做，上層生態開放給合作伙伴一起做，不追求所有環節都自研閉環。

具體來看，開放體現在幾個層面。首先是能力開放，算力層接入第三方算力資源，模型層引入外部主流大模型，應用層搭建AI 應用商店，讓第三方開發者的產品可以快速觸達客戶。其次是資本協同，用投資的方式綁定產業鏈上下游的合作伙伴，從業務合作延伸到資本合作，讓生態的聯系更緊密。最后是國際化延伸，通過全球云節點和國際海纜網絡，把這套智能云能力輸出到海外市場，拓展空間邊界。

之所以選擇L 型的結構，而不是全棧自研的垂直一體化，也不是完全輕資產的平臺模式，本質是由運營商的稟賦決定的。底層基礎設施是運營商的傳統強項，投入大、壁壘高，必須牢牢握在自己手里。上層的應用開發、細分場景模型，不是運營商的優勢領域，強行全自研反而效率低、速度慢。開放給生態伙伴，才能更快覆蓋更多場景，把整體蛋糕做大。

這是一種很務實的選擇。既守住了安全可控的底線，也避免了陷入封閉體系的內卷，在自主和開放之間找到了一個平衡點。

- 04 -

一體兩面的協同邏輯

五位一體和L 型布局不是兩個獨立的戰略，而是一體兩面的關系。

五位一體是內核，是L 型布局的支撐。沒有縱向打透的全棧能力，開放生態就沒有堅實的底座，所謂的合作就只能停留在資源置換層面，無法形成真正的合力。只有自己把核心能力做扎實了，才有吸引合作伙伴的籌碼，也才能在生態中掌握主導權。

L 型布局是外延，是五位一體能力的放大器。只靠運營商自己的團隊，能覆蓋的場景和客戶永遠有限。通過開放生態，把底層能力輸出給成千上萬的合作伙伴，可以觸達更多細分行業，落地更多定制化應用，把技術能力轉化為更大的市場價值。

兩者結合在一起，就構成了中國電信做AI 的完整路徑：縱向筑牢核心壁壘，橫向拓展生態邊界，最終指向 Token 經營這個核心目標。也就是把 AI 能力標準化、服務化，變成可計量、可按需使用的通用服務，像當年的帶寬和云資源一樣，輸送到千行百業。

- 05 -

站在整個通信和AI 產業的角度看，這套布局有它的獨特優勢，也面臨不少現實挑戰。

先看優勢。首先是云網融合的天然壁壘。純云廠商做算力，往往要單獨解決網絡連接的問題，而運營商本身就擁有覆蓋全國的網絡資源，可以做到算力調度和網絡調度協同。算力部署到哪里，高速網絡就可以同步開通到哪里，這種云網一體的能力，是其他玩家很難復制的。

其次是政企客戶的觸達能力。中國電信擁有覆蓋省市縣三級的銷售服務隊伍，和各級政府、央企國企有長期穩定的合作關系。AI 應用落地最難的環節往往不是技術，是客戶對接和項目交付，運營商在這方面有天然優勢。很多技術能力很強的大模型公司，最后也要和運營商合作來做行業落地，原因就在這里。

第三是安全可信的品牌背書。作為央企，中國電信在數據安全、網信安全領域的合規能力和信任度，在政務、金融、工業等敏感領域有明顯優勢。再加上量子安全、云堤防護這些配套能力，對安全要求高的客戶會更傾向于選擇運營商的方案。

再看挑戰。第一個挑戰是生態開放的尺度把握。開放的力度小了，生態伙伴沒有足夠的利益空間，做不起來；開放的力度大了，又容易失去核心話語權，最后淪為純管道。目前這套生態還在建設初期，利益分配機制、合作規則都還在磨合，能不能真正調動產業鏈的積極性，還需要時間驗證。

第二個挑戰是核心技術的積累厚度。大模型、算力調度、AI 框架這些核心技術，互聯網廠商和創業公司已經深耕多年，運營商起步相對晚一些。雖然有資源和資金優勢，但技術能力的追趕不是一蹴而就的，底層技術的實力最終還是要靠落地效果和行業口碑來證明。

第三個挑戰是內部組織的適配。從賣通信資源、賣云資源，轉向賣AI 解決方案，對企業的組織能力是全方位的考驗。前端銷售人員能不能理解 AI 方案，交付團隊能不能做好 AI 項目的實施和運營，后臺考核機制能不能匹配新的業務模式，這些都需要逐步調整，不是光有技術框架就能解決的。

- 06 -

五位一體和L 型布局，是中國電信基于自身資源稟賦，在 AI 時代交出的一份戰略答卷。它沒有照搬互聯網公司的發展模式，也沒有固守傳統運營商的管道定位，而是走出了一條帶有鮮明運營商特色的 AI 發展路徑。

這套路徑的核心邏輯，是把運營商最擅長的基礎設施能力，和AI 產業的需求結合起來，通過開放生態放大價值。它的終極目標，不是做一個和互聯網廠商競爭的大模型公司，而是做 AI 時代的綜合服務商，為全社會提供普惠、安全、可用的 AI 基礎設施。

對整個行業來說，這也是一次有價值的探索。運營商在AI 產業里到底該扮演什么角色，一直沒有標準答案。如果中國電信的這套模式跑通了，不僅會給其他兩家運營商提供參考樣本，也會重塑國內 AI 基礎設施市場的競爭格局。

接下來的一兩年會很關鍵。生態能不能做起來，落地案例能不能批量復制，內部組織能不能跟上節奏，都會直接決定這套戰略最終的落地效果。