人工智能时代的五大核心连接诉求

波士顿咨询集团（BCG）在2026年2月发布了《6G：人工智能与沉浸式连接的未来网络》报告，本文摘选其中部分内容，以供读者参考。

翻译不准确之处，敬请谅解。

关注公众号【5G行业应用】，回复“60923”可下载《6G: The Network for the Future of Al and Immersive Connectivity》原文。

（一）人工智能时代的连接

早期的互联网平台需要数年才能达到1亿用户规模。相比之下，主流生成式人工智能系统仅用数月就突破了这一门槛，这在很大程度上得益于全球连接与无线接入的支撑。

这种加速背后是更广泛的转变：人工智能正成为一种无处不在的通用能力，融入日常生活、产业与公共服务的方方面面——从移动设备上的人工智能助手，到人工智能驱动的交通调度等智能基础设施。随着人工智能在移动交互（如移动个性化智能体）中日益发挥基础性作用，并从独立的单点应用演变为持续运行的多模态智能体，无线连接将成为决定性能的核心因素。

两大结构性转变正在重塑需求：第一，数字体验正从以应用为中心的界面，转向以智能体为中心的系统，后者可跨工具、渠道与场景协调任务。这些智能体将依赖稳定、低时延的连接，实时维持上下文、调度最优工作流。第二，智能正从以设备为中心的计算，转向以人为中心的生态系统——手机、AR/XR可穿戴设备、汽车、笔记本电脑、环境传感器与支撑网络，共同构成一个持续运行、互联互通的整体。任务可能在一个设备上启动，在另一个设备上完成，这需要无缝的移动性，以及跨室内与广域网络的一致性能体验。

终端侧计算与连接能力一直协同运转、实时配合。如今，人工智能原生设备（如智能眼镜、推理优化笔记本电脑、个人智能体）无需插电即可在多样的物理场景中运行。（见图表7）用户如今期待连续、一致、即时的网络体验。但这些新兴技术要实现主流普及，网络的服务质量、时延与吞吐量都必须得到实质性提升。

（二）人工智能如何重塑网络需求

人工智能原生体验不仅改变了网络承载的流量规模，也从根本上改变了流量的需求特征。从历史上看，无线网络主要服务于下行主导型应用，即数据从网络传输到设备，例如视频流媒体、网页浏览。典型的上下行流量比例为90%下行、10%上行——上行指从设备向网络发送数据，例如上传照片、发送邮件、视频通话。

人工智能应用的流量特征则截然不同。多模态助手、AR/XR设备、人工智能生成内容，都带来了双向性更强、上行（用户生成内容）更密集的流量。早期测算显示，主流生成式人工智能应用已将流量比例调整为约74%下行、26%上行，而新兴人工智能场景可能会进一步推高上行占比。这与传统模式形成了巨大反差，标志着网络资源，尤其是由人工智能驱动的频谱利用方式，正在发生转变；同时，分布式传感器与交互界面技术的发展也在推动这一变化。

因此，到2030年，单连接移动数据总量预计将以每年百分之十几的速度增长。诺基亚、爱立信与ABI Research的综合分析显示，上行流量占比的增长速度将更快，预计上行需求的年增长率将达到20%–35%。这些预测反映了持续传输图像、视频以及雷达、激光雷达等传感器数据的应用正在快速普及。人工智能智能体、AR设备、XR设备实时传输数据流，共同推高了相关估算：在常见人工智能场景中，上行流量占总流量的比例将从如今的约10%提升至25%以上。如果AR设备中的个性化按需人工智能助手普及率达到40%，该场景的上行流量可能增长100%–150%。如果多种此类工作负载同时规模化落地，网络可能在本十年末就触及上行容量上限，导致网络拥塞与用户体验下降。

（三）横跨终端、边缘与云端的分布式智能

人工智能应用的普及与功能复杂度的提升，将需要越来越多的计算资源。随着计算需求加剧，以及永远在线人工智能助手等移动人工智能应用的演进，网络将根据任务复杂度，在不同环境间分配计算功能。工作负载将根据时延、隐私、带宽、能耗与成本约束动态迁移。这种分布式模式，要求网络性能比5G规模化落地时更具对称性、可预测性与可靠性。

单一的计算资源层——无论是终端、边缘还是云端——都无法满足大规模实时多模态移动人工智能的需求。相反，移动人工智能系统将运行在由三类环境紧密集成的平衡混合平台上（见图表8）：

终端侧计算：支撑需要近零时延的感知、推理与用户交互。这一层可将敏感数据保留在本地，减少跨网络传输的信息量。

运营商边缘计算：处理超出终端能力、但又无法接受超过运营商边缘时延的工作负载。例如，AR/XR渲染、XR感知工作负载，以及实时图像视频处理、对话式人工智能助手等人工智能工作负载，都可以在最小延迟下完成交互。这一层通过在靠近数据源的位置处理数据，减少向核心网的回传流量。

云端计算：提供超大规模算力，用于模型训练、全局模型部署、任务调度，以及生成式人工智能等高负载工作，确保大规模应用群体的体验一致性。

随着计算能力与应用场景需求持续演进，跨终端、边缘与云端的任务分配将动态调整，形成针对性能、能耗与成本优化的混合计算环境。网络质量与集成度（无线与光纤），是实现这种分布式架构规模化无缝运行的关键——它负责维持上下文、引导数据路径，并确保在异构环境、无线与网络拥塞动态变化的场景下，性能依然可预测。要持续交付所需的服务质量，无线网络必须像底层的光纤网络一样可靠稳定。相关的性能要求已超出5G的设计参数，凸显了打造面向人工智能原生、分布式智能的6G网络的必要性。

（四）人工智能时代的五大核心连接诉求

6G是首个可全面支撑规模化人工智能原生工作负载的无线网络基础设施——这些工作负载以上行密集、时延敏感、依赖移动性（例如，在无Wi-Fi场景下移动使用的AR/XR、自动驾驶等）、具备空间感知为特征。这些工作负载将日益由可感知上下文、实时行动的智能体驱动。

6G将延续5G的技术进展，进一步提升性能、集成感知能力、融合人工智能混合架构，让人工智能系统得以持续、自主地运行。同时，6G将支撑边缘侧规模化持续采集真实世界数据，为实体人工智能（无人机、机器人、网联汽车）提供支撑，而这些实体将产生海量的新增真实数据。这些数据将用于训练和优化人工智能模型，成为人工智能成功与竞争力的核心驱动力。

要支撑无处不在的智能体应用，网络必须演进为智能自适应平台，能够协调计算资源，动态管理多变的工作负载，应对复杂多变的无线与网络拥塞环境：

上行带宽：人工智能智能体、AR/XR设备、传感器密集型环境在运行时会产生持续的上行需求。如今的大多数时分双工网络（上下行共用同一频段）采用固定的上下行时隙配比，整体偏向下行，且主要由视频业务驱动。因此，当前无线网络容量整体向下行倾斜，限制了上行能力。要规模化支撑人工智能工作负载，不仅需要更多频谱，还需要网络设计适配更高的上下行传输需求。

时延与抖动：交互式人工智能、同步工业机器人、无人机、沉浸式体验，越来越要求可预测、一致的响应能力（确定性时延）。当前20–40毫秒的典型移动时延已无法满足需求；许多人工智能原生工作负载要求时延低于10毫秒，部分场景甚至要求低于5毫秒，同时严格控制抖动。

覆盖与密度：人工智能体验必须在各类环境中都能正常运行。消费级应用（如按需人工智能助手）会在家庭、办公场所、公共空间等不同地点切换，同时跨越多台个人设备，如眼镜、可穿戴设备（如人工智能项链、智能手环）与智能手机；而工业人工智能应用可能横跨工厂、仓库与交通走廊。要实现所需的覆盖水平，需要更密集的网络部署、更好的室内穿透能力、多设备协同能力，以及非地面网络的深度融合，打造无处不在的多设备连续覆盖。

安全与隐私：人工智能的发展，必然会为恶意攻击者提供更多攻击无线网络等基础设施的先进工具。为应对未来的安全风险，下一代网络需要具备自适应的人工智能防御能力、零信任架构，以及后量子密码技术，在日益动态的威胁环境中保护数据、模型、设备与工作负载。

原生智能：随着数十亿智能设备与人工智能应用驱动网络流量日益动态化，传统的网络管理方式将不再适用。网络必须持续学习、预测需求、实时优化资源，以维持稳定的性能体验，提供差异化服务，高效利用网络与设备资源（包括能源）。

如果不能分配更多的授权移动频谱，同时推动软硬件技术进步，网络将面临拥塞、人工智能性能不稳定、用户体验下降等问题，制约下一代人工智能系统的普及与经济影响。在人工智能时代，连接是智能的基石。本十年内建成的网络，不仅决定了人工智能的性能水平，也决定了人工智能所能催生的创新速度与范围。

▎好书推荐

本书由吴冬升、曹溪主编。交通运输行业的数字化转型是一个复杂的系统工程，涉及多部门、多主体、多环节，需要从观念转变、系统布局、协同推进等方面入手，通过抓好场景规模化应用、数据赋能增值、体制机制创新和产业生态培育等重点工作，实现交通运输行业的高质量发展。本书对公共交通、物流和高速公路三个子项展开，并阐述第五生产要素对交通运输业发展驱动力的相关实践。详情：赠¥169.00书福利！《数字化转型与数据要素，汽车与交通产业新时代的驱动力量》新书出版

吴冬升 博士