电信人工智能：2025年第二季度市场状况

核心观点与关键数据

• AI 部署现状：2024 年重点在于确立 AI 的战略意义，而 2025 年则聚焦于评估进展。GSMA Intelligence 通过分析全球 250 家电信运营商的公开 AI 部署情况，建立了行业基准，以追踪长期趋势。
• 部署阶段与目标：运营商的 AI 部署遵循分阶段实施策略，初期聚焦于易于实现的领域，如客户服务和网络。约 50% 的部署集中在客户服务（主要驱动因素为降本），20% 在网络。75-80% 的部署以降本为主要目标，而仅 10-20% 旨在驱动收入（如“网络 AI”）。
• 边缘推理趋势：在边缘运行推理相比云端处理 AI 工作负载具有多方面优势，包括成本节约（可能 30-40%）、更低延迟、网络弹性、数据主权和能源可持续性。早期用例主要集中在对企业客户（如数字孪生、机器人、工业物联网）的本地化部署，部分利用 GPU-as-a-service (GPUaaS)。
• 运营商优先事项：在 AI 投资需求中，63% 的运营商优先考虑技能提升，62% 关注网络容量，表明认识到 AI 将增加网络流量。
• 部署成熟度：60% 的 AI 部署已上线，40% 处于试验或规划阶段。与 3G/4G/5G 网络的线性演进不同，AI 可能呈现“循环中的循环”模式，试验阶段占比重大。
• 区域分布：分析涵盖了全球 250 家主要运营商（分布在 100 多个国家），其中约 50% 的国家包含两个或更多运营商的数据。亚洲太平洋地区部署数量领先，欧洲紧随其后。

关键数据

• 客户服务：占追踪 AI 部署的近 50%。
• 专业技能与网络容量：运营商优先考虑的 AI 投资领域。
• 部署状态：60% 已上线，40% 在试验/规划中。
• 收入目标：仅 10-20% 的部署旨在驱动收入。
• 边缘推理优势：成本节约（30-40%）、低延迟、网络弹性、数据主权、能源可持续性。
• 运营商平均 AI 部署数量：亚洲太平洋地区 3.9 个，欧洲 2.8 个。

研究结论

• AI 在电信业的应用日益普及，但主要集中在内部效率提升（降本）而非收入驱动。
• 边缘计算作为 AI 推理的部署方式正获得关注，但商业模式仍是挑战。
• AI 部署呈现分阶段特点，客户服务和网络是早期重点，未来将向更多领域和收入驱动模式扩展。
• 运营商需关注 AI 技能提升和网络容量准备，同时积极参与 AI 生态系统合作。
• 全球 AI 部署成熟度存在差异，但普遍处于从试验向商业化的过渡阶段。