面向5G-A与AI融合驱动的算网智一体化解决方案白皮书

发布单位：中移智库编制单位：中国移动通信研究院发布单位：中移智库 编制单位：中国移动通信研究院 前言 当前，全球正迎来以5G-A与人工智能为核心驱动的新一轮科技革命与产业变革浪潮。我国已进入加速培育新质生产力、深入推进新型工业化的关键阶段，推动5G-A与AI深度融合，构建“算力、网络、智能”一体化融合的新型基础设施，成为支撑千行百业数字化转型、实现高质量发展的战略基石。 随着企业数字化转型步入深水区，对网络与算力的需求不断提升，传统网络架构面临“多而不融、言而无策、静而不柔、治而不智、连而无感”等系统性挑战，难以支撑工业控制、智能制造等场景对低时延、高可靠、数据本地化与智能决策的极致需求。与此同时，尽管AI技术发展迅速，但其在边缘侧仍存在部署门槛高、资源协同难、业务适配弱等现实瓶颈。唯有通过“算-网-智”深度融合，实现从“连接赋能”到“智能赋能”的跨越，才能为实体经济注入强劲新动能。 在此背景下，中国移动积极响应国家战略部署，依托自身网络优势与技术创新能力，提出“5G-A×AI算网智一体化”解决方案。本白皮书系统阐述了以“算为引擎、网为根基、智为大脑”为核心的一体化架构理念，重点介绍了边缘智能核心网、异构算力平台、智能驱动中枢等关键技术体系，并结合在工业制造领域的真实案例，展现该架构在提升生产效率、优化运营成本、增强安全保障等方面的实际成效与价值。 015G-A与AI融合驱动发展的背景 1.1.政策导向和产业现状1.2.痛点与挑战0102 2035G-AxAI算网智一体化技术体系 03042.1.设计理念2.2.算网智一体化架构 306算网智的关键能力特性 3.1.1.轻量化与弹性部署3.1.2.跨异构适配3.1.3.云边模型与数据协同3.1.4.安全与高可靠运行06060707 3.2.赋能企业专网的边缘智能核心网08 3.2.1异构接入3.2.2意图化用网3.2.3一网多能3.2.4内生智能3.2.5多模态感知0808080909 3.3.智能驱动中枢与模型服务基座10 3.3.1赋能边缘智能的模型服务3.3.2智能体引领与业务生态共创1011 414应用案例 4.1.确定性时延PLC控制4.2.意图驱动智能专网管理1415 517展望 18缩略语列表 19联合发布及编制单位 20参考文献 5G-A与AI融合驱动发展的背景 1 1.1 政策导向和产业现状 5G-A与AI融合成新型工业化战略支撑。我国正处于加速发展新质生产力、推进新型工业化的关键阶段，5G-A与人工智能（AI）的融合将成为支撑产业转型和创新发展的核心动力。国家层面密集出台政策，为构建“算-网-智”一体化基础设施提供政策的引导和战略的支撑。国务院《关于深入实施“人工智能+”行动的意见》强调“人工智能+”与实体经济的结合，明确提出加快企业专网和工业互联网建设，强化AI在实时控制与机器视觉等方面的支撑；工信部“扬帆”行动升级方案聚焦5G与AI协同创新，推动工业现场网升级，加强典型场景示范，助力智能制造、智慧港口等高价值应用落地；此外，多部委联合推动的战略性新兴产业数字化转型方案，也强调以5G-A和AI为核心构建工业大脑和数字孪生平台，实现生产全流程智能化。 产业多元化发展现状。在5G-A与AI融合发展的过程中，运营商、设备商和垂直行业参与者需打破传统角色边界，联合探索“业务+连接+运维”三位一体的融合理念，释放企业AI算力与智能化结合的潜力。运营商应突破“网络管道提供商”的定位，不仅要强化算网智一体化平台构建，推动自身资产价值升级，更应整合5G-A网络、算力资源，精准匹配企业专网多样化需求；设备商也要通过平台化设计、智能化制造、个性化定制与网络化协同，提升网络传输效率与智能化水平，更要强化设备“靠近生产要素”的优势，使其具备更优的移动性、实时性、安全性与端边协同能力，为AI应用提供坚实的基础设施支撑；垂直行业参与者应主动联合运营商与设备商，深度参与行业需求定义、场景化应用开发、落地推广与生态共建，成为技术与业务融合的核心纽带。 1.2 痛点与挑战 在推进5G-A×AI算网智一体化的过程中，5G专网存在部署不灵活、自运维难度高等问题，以及传统算力平台的负载适配不足与资源协同较差，以上问题均成为亟待突破的关键。 企业专网面临系统性挑战：网络接入“多而不融”，园区内5G、Wi-Fi、有线等异构网络并存，形成数据孤岛，难以实现接入的统一；业务需求“言而无策”，生产线的高层意图无法被网络理解与实时响应，从“需求”到“配置”仍需人工逐条配置，业务敏捷性严重受阻；网络资源“静而不柔”，一张专网难以同时高效承载差异化的业务场景，资源僵化闲置或者隔离不足相互干扰，均无法实现“一网千面”的精准供给；运维管理“治而不智”，仍依赖人工经验进行被动响应，缺乏预测性维护与主动优化能力，智能化水平滞后；网络能力“连而无感”，仅能提供基础连接服务，无法原生支撑定位、感知等融合应用，制约了智能化的深度与广度。 融合技术拐点催生架构协同：下沉核心网虽解决了集中式核心网难以快速处理边缘侧海量数据的问题，契合企业专网本地化、实时化诉求，但“网算分离”的模式仍会导致网络资源与边缘算力适配滞后、数据流转效率低。唯有通过整合网络、算力、AI与业务的协同架构，才能将技术优势转化为实际业务支撑能力，匹配企业对实时性与本地化的核心要求。 业务卡点破解依赖架构创新：企业专网面临双重业务挑战，一是工业控制等场景对端到端时延低于1ms、可靠性达99.999%的极致要求，单靠网络优化无法满足；二是智能制造、低空经济等行业需求差异显著，且长期数据孤岛导致资源与数据难以共享，分散模式难以适配差异化场景与全链条流转需求。而打通“网络-算力-AI-业务”联动的架构，既能整合资源响应极致指标，又能打破数据壁垒，成为破解业务卡点的关键。 25G-AxAI算网智一体化技术体系 2.1 设计理念 面向推动新型工业化、培育新质生产力的核心战略，中国移动创新构建了5G-AxAI算网智一体化技术体系，该体系以“算为引擎、网为根基、智为大脑”作为核心理念，强化“连接+算力+能力”深度融合，推动数字基础设施从“被动支撑”向“主动赋能”跃迁，同时助力千行百业实现数字化转型与高质量发展。 算为引擎：面对UPF转发与AI推理等差异化负载，算力平台需突破通用架构局限。通过轻量化内核、异构计算与云边协同，实现CPU/GPU/NPU等多样化算力资源的统一池化与智能调度，使算力灵活流动，紧密协同网络需求与AI任务，成为驱动业务智能的强劲引擎。 网为根基：5G-A网络不再仅是数据传输的管道，而是演进为具备内生智能的“感知-保障”系统。通过异构接入、一网多用等多维能力，网络能够主动感知业务意图（如低时延、高可靠）和实时状态，并动态调动资源予以精准保障，为算力调度与AI应用提供确定性、高性能的连接服务。 智为大脑：智能（AI）不再是以外挂工具的形式存在，而是深度内生于网络与算力基础设施的核心。借助大模型、智能体（Agent）与知识增强等能力，系统能够理解自然语言意图，实现从网络配置、故障诊断到业务优化的闭环自治，将运维人员从繁琐低效的劳动中解放，并大幅降低企业用网和用智的门槛。 5G-AxAI算网智一体化技术体系以智能5G-A网络为根基，使其成为可感知业务意图、动态调优的神经脉络；以异构融合的算力平台为引擎，打破资源壁垒，实现算力随业务需求智能流动与弹性供给；并以原生内嵌的AI能力为大脑，贯通感知、决策与执行闭环，将复杂运维与业务优化转化为“业务目标驱动”的自主过程。三者深度融合，互为支撑，共同推动基础设施从标准化供给迈向场景化赋能，为产业数字化注入全新活力。 2.2 算网智一体化架构 围绕上述设计理念，本文构建了如图1所示的算网智一体化架构。该架构以边缘智能核心网为枢纽，通过算力平台的弹性支撑与智能驱动中枢的赋能调度，实现算、网、智的闭环协同，为企业提供端到端、全流程的智能化专网服务。 赋能边缘智能核心网的算力平台：作为一体化架构的底层支撑，通过轻量化与弹性部署实现资源按需分配与快速响应，依托跨异构适配能力对CPU/GPU/NPU/DPU等多元算力进行统一调度，支持云边模型与数据协同机制构建“边缘-区域-中心”三级算力体系，实现模型训练与推理任务的动态流转。同时，通过容器隔离、可信计算与多层冗余架构，保障平台的安全与高可靠运行，满足企业业务对隐私与稳定性的极致要求。 赋能企业专网的边缘智能核心网：通过五大关键能力构建的智能化网络基座。异构接入能力可破解网络“多而不融”的困境，实现5G、Wi-Fi等多制式网络的统一纳管与智能切换；意图化用网可解决业务需求“言而无策”的痛点，基于LLM将高层业务意图自动转化为网络策略，实现从需求到配置的零等待；一网多用能攻克资源“静而不柔”的难题，通过通感算一体化实现单设备多功能复用；内生智能可应对运维“治而不智”的挑战，通过智能体实现网络自优化与故障自愈，变被动响应为主动保障；多模态感知突破能力“连而无感”的限制，融合视觉、雷达与5G-A通感技术，为智能决策提供全域环境感知能力。 智能驱动中枢与模型服务基座：作为系统的“智慧大脑”，智能驱动中枢层深度融合大模型与行业知识，通过模型边缘适配技术解决通用大模型在边缘环境下的部署难题，依托硬件协同优化实现性能与能效的最佳平衡；基于参数化调节机制动态优化推理过程，确保服务质量与资源消耗的精准控制；通过智能体支撑框架构建多智能体协同体系，实现复杂任务的自动分解与执行；借助MCP Server与网络模型上下文协议将网络能力标准化、工具化，彻底打通“业务-网络-算力”的闭环。这一系列技术有效解决了企业面临的“技术融合难、运维复杂度高、业务创新慢”等核心痛点，显著降低了AI技术的使用门槛。 3算网智的关键能力特性 3.1 赋能边缘智算核心网的算力平台 3.1.1轻量化与弹性部署 轻量化与弹性部署能力作为边缘智能核心网演进的重要基础，要求边缘智算平台采用高度可定制、可裁剪的体系架构，支持对CPU、内存、GPU/NPU等异构资源的细粒度管理调度，实现模块化功能按需启停，以灵活组装业务组件，避免冗余资源占用，提升资源利用效率。平台可根据业务负载弹性扩展部署规模，从单节点轻量起步逐步扩容，通过实时调度算法保障高优先级任务（如工业控制、实时推理）的确定性低时延响应，满足严苛性能要求。 同时，强化进程与容器隔离机制，防止多业务干扰与资源冲突，保障复杂边缘环境下系统稳定和数据安全。其灵活裁剪和部署特性也支持不同硬件平台与算力架构的快速适配，为5G-A与AI融合场景下多样化智能业务提供可靠、高效的轻量运行支撑。在实际应用中，轻量化核心网既可云端部署以利用云资源弹性和高可用保障，也可本地一体机部署增强数据掌控，甚至采取云边混合模式以兼顾弹性扩展与数据安全。 3.1.2跨异构适配 跨异构适配能力通过深度融合CPU、GPU、NPU、DPU等多类计算单元，构建高效协同、灵活适配的混合算力体系，以满足UPF数据转发、AI模型推理等多样化业务负载需求。其中CPU承担通用控制计算，GPU擅长图形处理与大规模并行计算，NPU聚焦AI推理与训练加速，DPU则提供数据面的协议处理卸载与转发加速能力。各类算力单元协同工作，可显著提升复杂计算任务的执行效率和能效比。 通过统一接入与智能调度，异构资源可按需分配至最优计算单元，既满足5G-A核心网高吞吐、低时延的数据处理要求，也为AI应用提供充沛算力支撑，全面提升边缘智能核心网的业务承载能力和能源利用效率。平台针对不同芯片架构提供抽象适配，屏蔽ARM、x86等底层差异，简化AI算法与网络功能在异构环境中的迁移部署。 3.1.3云边模型与数据协同 云边模型与数据协同架构是赋能边缘智能核心网的关键基础，通过“边缘-区域-中心”三级协同体系，实现AI业务的高效部署与灵活调度，并兼顾低时延需求与资源集约管理，如图2所示。边缘层专注本地实时推理，如机器视觉检测、实时控制等高频业务，