芯耀
与非AI
354
最近两年，AI成了整个科技行业最热门的话题，但落到通信行业，很多从业者或许有一些困惑——大家都在谈AI，但很少有人能说清楚：AI到底能给通信行业带来什么不可替代的价值？是跟风做几个行业大模型，还是真正解决网络运营中最核心的痛点？更进一步，当AI应用开始大规模爆发，网络不再只是传输数据的管道，它的定位应该如何重新定义？通信企业的AI战略，又该如何平衡当下的落地需求和未来十年的技术演进？
作为全球通信行业的核心参与者，爱立信用过去十几年的持续探索和实践，给出了一个清晰且系统的答案：AI与网络不是简单的技术叠加，而是深度绑定、相互驱动的共生关系。基于这一核心判断，爱立信形成了“Networks for AI（面向AI的网络）”与“AI for Networks（AI赋能网络）”双向驱动的完整AI战略。这一战略从4G时代开始萌芽，在5G周期逐步成熟落地，并将成为6G时代网络架构的核心基石。
- 01 -核心判断：AI与网络是相互依存的共生关系
爱立信对AI与网络关系的判断，是其整个AI战略的出发点。正如爱立信官网明确提出的：“移动网络需要AI，AI也需要移动网络”。这不是一句营销口号，而是对两个行业发展底层逻辑的深刻洞察。
从网络的角度看，传统的运营模式已经走到了尽头。随着5G网络的全球部署，连接设备数量、数据流量和网络复杂度都在呈指数级增长。一张现代5G网络包含数百万个基站、数十亿个参数，仅靠人力和传统的规则化算法，根本无法实现精细化管理和持续优化。如果没有AI的介入，网络的运营成本会随着规模扩大而失控，最终无法支撑未来的业务增长。
从AI的角度看，没有移动网络的支撑，绝大多数AI应用都无法实现规模化落地。现在大家讨论的AI应用，无论是消费端的AR眼镜、人形机器人，还是产业端的工业数字孪生、自动驾驶、远程医疗，本质上都是“网络依赖型”应用。它们对连接的要求已经远超传统的网页浏览和视频流媒体，需要稳定、可靠、确定性的网络性能。没有适配AI工作负载的网络，再先进的算法和算力都无法转化为实际的用户体验和产业价值。
基于这一判断，爱立信的AI战略没有走“为AI而AI”的路线，也没有把AI仅仅当作一个降本增效的工具。它始终围绕网络这个核心，形成了两个相互支撑、缺一不可的战略方向：一方面打造能够支撑AI应用规模化运行的网络基础设施，另一方面用AI重构网络自身的设计、建设和运营模式。
- 02 -Networks for AI：构建适配AI工作负载的网络基础设施
Networks for AI的核心，是回答“AI时代需要什么样的网络”这个问题。爱立信专家明确指出，与传统互联网应用相比，AI应用对网络有三个独特且确定性的要求，这三个要求也定义了未来网络的演进方向。
第一是高可靠的上行带宽。传统网络的流量模型以下行为主，上下行带宽比例通常在1:4甚至1:8。但AI应用彻底打破了这个格局，大量终端需要实时上传传感器数据、高清视频、点云数据等原始信息用于云端或边缘推理。这就要求网络不仅要提升整体带宽，更要重构上下行资源分配机制，提供稳定、低抖动的上行连接。
第二是低且稳定的时延。对于大多数传统应用来说，平均时延是最关键的指标。但对于与物理世界交互的AI应用来说，时延抖动比平均时延更致命。比如AR眼镜的端到端时延如果波动超过10毫秒，用户就会产生明显的眩晕感；工业机器人的控制指令如果出现时延抖动，可能会造成生产事故。因此，网络需要提供的不是“尽力而为”的低时延，而是“确定性”的低时延。
第三是超大规模的连接与计算卸载能力。未来将有数十亿级的AI智能体和设备接入网络，这对网络的连接密度提出了前所未有的要求。同时，很多终端受限于体积和功耗，无法在本地完成复杂的AI推理任务，需要网络提供实时的计算卸载服务。这意味着网络不能再只做数据传输，还要成为分布式的算力平台。
针对这些需求，爱立信认为5G已经打下了坚实的基础。5G独立组网（SA）、网络切片、能力开放API等技术，能够为不同类型的AI应用提供差异化的服务保障。在此基础上，爱立信提出了“在合适的位置部署合适的算力”的原则。其算力网络采用集中式与分布式协同的模式：集中式数据中心负责大语言模型训练、大规模数据分析等非实时、高算力需求的任务；分布式边缘节点则将算力下沉到靠近用户的位置，将关键任务的时延控制在10毫秒以内。移动运营商将在这一架构中扮演核心角色，成为连接与算力一体化服务的提供者。
- 03 -AI for Networks：用AI实现网络的自主化运行
AI for Networks的核心，是回答“如何用AI管理日益复杂的网络”这个问题。爱立信认为，AI在网络中的应用正在经历一场根本性的转变，从“局部工具”走向“原生内核”。
过去，网络中的AI应用多是零散的。工程师会在某个局部环节添加一个算法，比如用AI预测基站流量，或者用AI识别网络故障。这种方式虽然能解决一些特定问题，但无法应对系统性的复杂度。更严重的是，不同环节的算法可能会有不同的优化目标，甚至会产生策略冲突，反而增加了网络的管理难度。
现在，爱立信正在推动AI向端到端的网络智能演进。也就是将AI贯穿于网络的物理层、无线接入网、核心网、运营支撑系统等所有环节，实现从网络规划、建设到运维、优化的全流程智能化。
实现端到端智能的关键，是意图驱动的网络管理模式。传统的网络管理是任务驱动的，工程师需要逐个配置网络参数，告诉网络“做什么”和“怎么做”。而在意图驱动模式下，运营商只需要给出高层的业务目标，比如“降低某区域网络能耗10%”“提升某体育场演唱会期间的用户吞吐率”。网络会通过AI自动将这个高层意图分解为多个低层级的子意图，再协调网络中的各个智能体执行具体的技术动作，最终达成预设目标。
这种模式已经在现网中得到了验证，并取得了可量化的收益。爱立信的数据显示，AI已经帮助现网实现了约10%的频谱效率提升，相当于在不新增频谱和基站的情况下，多承载10%的业务流量；用户吞吐率提升约20%，显著改善了高密度场景下的体验；网络能耗降低14%-33%，对于电费占运营成本30%-40%的5G网络来说，这是非常可观的成本节约；此外，AI还帮助提升了25%的5G有效覆盖范围。
- 04 -支撑战略落地的四大核心基础
为什么爱立信的AI战略能够走出一条有自身特色的道路？我认为离不开其长期积累的四大技术基础。这些基础不是一蹴而就的，而是爱立信过去十几年持续投入的结果。
首先是自研芯片。为了提升网络侧AI推理的效率和能效，爱立信研发了Ericsson Silicon系列芯片。该芯片针对网络AI工作负载进行了深度优化，能够在提供高性能推理能力的同时，保持业界领先的能效比，避免了网络智能化带来的算力成本爆炸。
其次是开放性。爱立信强调，网络必须具备开放性，避免被单一技术路径或厂商锁定。其AI解决方案支持在不同厂商的硬件平台上运行，同时通过开放API将网络能力和AI能力输出给第三方开发者，构建开放的产业生态。
第三是可信AI。爱立信专家指出，AI如果配置不当，可能会出现自主异常行为。因此，爱立信从设计之初就将可信AI纳入系统架构，通过AI可解释性技术和系统安全护栏，确保AI在网络中的应用是可控、可靠的。同时，爱立信建立了覆盖软件全生命周期的安全体系，保障网络和AI应用的安全。
第四是数字孪生技术。数字孪生可以构建与真实网络高度一致的虚拟环境，让爱立信能够在不影响现网运行的情况下，安全地测试和优化AI模型，模拟各种极端场景下的网络表现，降低AI模型现网部署的风险。
- 05 -未来演进：从5G AI增强到6G AI原生
爱立信的AI战略是一个长期的、持续演进的规划，当前正处于从5G AI增强向6G AI原生过渡的关键阶段。
在5G周期的后半段，爱立信正在将AI原生地融入所有5G产品和功能中，进一步深化端到端网络智能，同时持续提升网络对AI应用的支撑能力。这些在5G中验证过的技术和架构，也将成为6G设计的基础。
对于6G，爱立信的愿景是打造完全AI原生的网络。与5G中“在现有网络架构上添加AI能力”不同，6G将从设计之初就以AI为核心，将AI嵌入到网络的每一层和每一个节点。6G网络将具备自学习、自预测、自适应和自进化的能力，能够支撑个人XR、全息通信、全自动驾驶、全域数字孪生等下一代AI应用。
目前，爱立信正在积极参与全球6G标准的制定工作，推动AI原生网络的技术标准化，确保未来6G网络能够实现跨厂商、跨国家的互联互通。
爱立信的AI战略最鲜明的特点，是始终立足于通信行业的本质需求。它没有追逐短期的技术热点，也没有脱离自己的核心业务去做不擅长的事情。它围绕“AI与网络双向共生”这一核心规律，构建了从底层硬件到上层应用、从现网落地到未来演进的完整体系。
当前，AI与网络的融合才刚刚起步。爱立信通过Networks for AI与AI for Networks的双向驱动，正在推动通信网络从单纯的信息传输管道，向支撑AI时代的智能基础设施升级。这不仅是爱立信自身的战略选择，也为整个通信行业的AI发展指明了方向。
