移动网络正加速迈向“Mobile AI”时代，AI与移动通信的融合推动网络流量结构发生深刻变革，从“人-人协作”向“人-机协同”以及“机-机智能体交互”演进。AI业务带来的大上行、多模态、低时延、高算力需求，对网络架构提出系统性挑战。
1. Mobile AI带来的网络流量变化
- 南北向流量结构变化：设备与网络数据交互频率和内容复杂度提升，视频、图像、文本等多模态数据上行传输激增，单个AI应用所需上行速率超过20 Mbps。
- 东西向流量快速跃升：分布式AI系统要求多个智能体之间频繁交换模型参数、推理结果和数据片段，东西向流量内容由多媒体扩展为“模型-数据-算力-token”。
- 网络响应面临挑战：实时语音交互、具身机器人操控等场景要求网络确保端到端往返时延（RTT）小于20 ms，推动网络架构向超低时延、高确定性方向演进。
2. Mobile AI网络新需求
- 算力调度成为网络和业务的双重需求：网络需要在各层级节点部署AI能力，实现算力“随业务而动”，并具备快速、敏捷、高效的调度能力。
- 数据与模型的网络级协同处理能力：数据生成与消费分布更加动态化、碎片化，模型执行位置从集中处理演变为分布协同，需要实现数据路径与算力路径的协同规划。
- 新型商业模式的探索：传统以流量计费为核心的商业模式正面临高原期，运营商亟需探索连接、算力、服务融合的新价值体系，实现从“连接提供者”向“智能服务平台”的角色转型。
3. Net4AI：应用与技术的双向奔赴
- AI应用需求：生成式AI、多模态问答AI以及智能体（Agent）等技术正引起社会深刻变革，AI手机、智能驾驶、智能机器人、AIoT等应用场景日益广泛。
- 网络新型技术：大上行技术（上行链路增强技术、上行载波聚合）、全频段M-MIMO、连接增强（蜂窝无源物联网技术）、通算融合等技术将提升网络性能，支撑AI业务发展。
4. AI4Net：AI与移动网络的双向赋能
- 网络智能化发展趋势：网络智能化正从外挂叠加向内生一体转变，AI技术推动网络由传统的自动化管理向智能化自优化演进。
- 智能化应用案例：多意图多维度协同节能、差异化体验保障等案例展示了AI在网络节能和体验保障方面的应用效果。
- 构建自进化的通信大脑：AI逐步演化为通信系统内部不可或缺的核心决策引擎，通信系统正在逐步构建任务分级的算力分布架构。
- 通信大模型：大模型在电信领域具有强大的自然语言理解能力，能够将传统规则驱动的指令交互方式转化为意图驱动的交互模式，实现网络配置和操作的智能化。
- 数字孪生技术：无线数字孪生系统（RDTS）通过构建与物理网络高度映射的虚拟模型，实现对网络状态、性能、行为及操作过程的实时仿真与预测，为网络优化提供可量化、可模拟的决策基础。
5. 构建Mobile AI商业新范式
- 连接+算力双向协同：运营商需要实现连接与算力的深度协同融合，构建“B（Byte）+C（Computing）双轮驱动”的新范式，提供定制化的网络能力服务，挖掘连接流量更深层次的价值。
- 体验变现：运营商需要从“以量变现”转向“以体验变现”，通过对智能服务质量分级定价、差异化提供AI能力，开辟新的价值增长曲线。
6. 未来展望
- 流量流向边缘，网络重心由中心向边迁移：业务生成与响应的重心正加速向网络边缘迁移，边缘成为网络价值的新承载点，运营商需重塑流量感知与控制策略，推动网络流量组织从“云为中心”向“边云协同”演进。
- 从管道到平台，运营商向TechCo转型需掌控生态主导权：运营商要从传统的“连接提供者”向“平台赋能者”转型，主动构建和主导以智能为核心的业务生态，成为驱动AI业务落地的关键使能者。
