文｜ IT时报 郝俊慧 综合报道

编辑｜孙妍

速读新闻

1、一个要让基站成为AI计算节点，一个预测通信带宽需求暴涨千倍，电信运营商的新机会在哪里？

2、网络智能化、企业AI连接、边缘计算，这些都是值得运营商探索的新领域。

3、马斯克押注卫星通信，黄仁勋推动AI-RAN，对于运营商而言，关键不在于选择支持谁的技术路线，而是判断这些变化能否改善自身经营。

一个盯着地面基站，一个望向太空卫星。

10月21日，在德国柏林举行的GTC大会上，英伟达创始人兼CEO黄仁勋谈到了通信网络的另一种可能：未来的基站不仅传输数据，还可以承担AI计算任务，成为分布式AI基础设施的一部分。

SpaceX创始人埃隆·马斯克则在近日的财报会上预测，随着AI智能体数量迅速增长，未来三到五年，通信带宽需求可能达到目前的1000倍。为了迎接这种变化，他计划通过新一代星链卫星扩大网络容量，进一步发展手机直连卫星和地面通信业务。

黄仁勋想把计算能力放进通信网络，马斯克则希望建设能够承载更多AI连接的网络。两人各有自己的商业算盘，却在同一个时间点，把通信推到了AI产业发展的重要位置。

过去十多年，移动互联网带动通信流量持续增长，但流量增加并不总能带来相应的收入。如今，当AI从聊天工具走向自主执行任务的智能体时，通信网络会不会迎来新一轮增长？已经拥有大量机房、光纤和边缘节点的电信运营商，又能从中获得什么？

AI智能体会带来千倍流量？

在SpaceX财报会上，马斯克给出了两个相当惊人的预测。

第一个是供给端。随着新一代星链卫星陆续部署，他预计未来约三年，整个星座的通信带宽可能达到目前的100倍。第二个是需求端。未来三到五年，AI智能体可能推动通信带宽需求增长至目前的1000倍。

在马斯克看来，AI智能体的数量未来可能超过人类，而且单个智能体所使用的通信带宽也可能超过普通用户。这意味着，未来的网络不仅需要服务手机、电脑和各种智能设备，还可能承载大量由AI自主发起的信息交换。

这一预测的确足够大胆，也有值得商榷的地方。

AI智能体确实可能改变网络流量的构成。与人类用户不同，它们可以持续调用外部服务、访问数据库、执行程序，并与其他智能体交换信息。过去需要人工操作的业务流程，未来可能由多个智能体在后台自动完成。

但AI消耗的Token数量，并不能直接换算成通信网络中的流量。模型推理、数据存储以及部分工具调用，可能都发生在同一座数据中心内部。即使AI使用量大幅增长，新增的数据交换也未必全部进入公众通信网络。

对于电信运营商来说，更值得关注的是另一类场景。当AI智能体需要跨云平台、跨企业系统运行，或者直接控制汽车、机器人和工业设备时，网络连接、传输时延和安全保障就成为应用能否正常运行的重要条件。

这类需求与普通手机用户观看视频、浏览网页有明显区别。企业需要的可能不是更多通用流量，而是能够保障业务连续性、连接不同系统并满足安全要求的专网服务。

马斯克对千倍带宽的预测能否兑现，目前还无法判断。不过，他正在为这种需求增长提前布局。

SpaceX计划借助星舰的发射能力，部署容量更大的星链卫星，并继续推进手机直连卫星技术。这项业务一旦成熟，星链的市场也将不再局限于偏远地区的宽带接入，而是有机会进入更广泛的移动通信市场。

卫星通信仍然存在频谱、终端成本和网络容量等限制，尤其在人口密集的城市，地面蜂窝网络仍有明显优势。未来更可能出现的是，卫星网络与地面网络相互补充，而不是前者完全取代后者。

马斯克看中的是，AI时代可能出现的庞大连接需求。而黄仁勋的注意力，则落在了现有通信网络上。

黄仁勋想让基站运行AI

10月21日，英伟达与诺基亚，以及多家电信运营商公布了AI-RAN合作进展。值得关注的是，诺基亚、英伟达和美国运营商T-Mobile在华盛顿州贝尔维尤的商用5G现网中，完成了全球首次商用网络AI-RAN通话。

这项测试采用诺基亚的无线设备和软件，以及基于英伟达加速计算平台的服务器，连接商用5G核心网与终端。三家公司还计划进一步验证，AI算法与无线接入网业务能否在同一计算平台上协同运行。

AI-RAN并不是简单地给基站安装一个大模型。无线接入网需要实时处理信号、估计信道状态、分配频谱资源，传统通信设备为此采用了大量专用算法和硬件。引入AI之后，部分无线处理环节有望根据网络环境动态调整，提高频谱利用效率。

对于运营商而言，这是一道成本题。如果AI能够在不显著增加设备投入的情况下改善网络性能，便可能减少扩容压力，提高现有网络资源的使用效率。

英伟达的目标还不止于此。

在黄仁勋描绘的网络架构中，运营商已经建设的机房、光纤、供电设施和边缘节点，也可以部署AI计算资源。原本主要负责处理通信业务的网络基础设施，有机会同时运行面向企业和终端设备的AI应用。

这与传统边缘计算的思路有相通之处。运营商多年前就开始建设边缘计算节点，希望将计算能力部署到更靠近用户的位置，满足工业互联网、车联网等应用的低时延需求。但边缘计算的商业化并没有想象中顺利，应用规模、设备利用率和运营成本始终是现实难题。

如今，物理AI和智能体的发展，可能为这些设施带来新的用途。

在英伟达公布的通信运营商合作案例中，德国电信正在推进面向工业的物理AI应用，法国Orange探索企业及应急响应场景的语音智能服务，芬兰Elisa则已经开展AI-RAN现场试验，尝试在共享加速计算平台上运行通信与AI业务。英国BT也计划进行相关现网测试。

这些尝试距离大规模商业化仍有距离，但已经可以清晰地看到，运营商不仅可以经营通信网络，也能经营网络中的AI计算能力。

问题在于，通信基站并不是天然适合运行AI的地方。GPU服务器需要额外的电力、散热和运维资源，部分基站的机房条件难以满足要求。即使能够部署，也需要考虑计算任务是否足够稳定，能否维持合理的设备利用率。

更何况，并不是所有AI应用都需要靠近终端运行。对于时延不敏感的任务，集中式数据中心仍然具有成本优势。

AI-RAN的价值要看实际落地后，它能否帮助运营商节省网络成本，或者创造足以覆盖新增投入的AI服务收入。这才是决定其商业前景的关键。

电信运营商能赚到“新钱”？

两位科技巨头的判断，恰好触及通信行业多年来面临的一个难题：网络承载的数据越来越多，运营商却未必能从流量增长中获得相应的收入。

移动互联网时代，视频、直播、移动支付等应用推动流量快速增长，也让运营商持续投入网络建设。与此同时，流量资费不断下降，运营商不得不寻找连接业务之外的增长空间。云计算、数据中心、算力网络和产业数字化，都是中国电信、中国移动、中国联通等运营商近年探索的方向。

AI带来的变化，可能让通信和计算之间的界限进一步模糊。

马斯克押注卫星通信，黄仁勋推动AI-RAN，背后都有各自的商业利益。星链需要更大的市场支撑卫星部署，英伟达则希望让GPU进入更多原本由专用通信设备占据的场景。对于运营商而言，关键不在于选择支持谁的技术路线，而是判断这些变化能否改善自身经营。

从现有进展看，网络智能化可能是最先产生实际收益的领域。通过AI改善信道估计、优化无线资源分配、减少人工运维，如果能够在商用网络中证明效果，运营商便有理由逐步引入相关技术。但新增计算设备的采购、耗电和维护成本，也必须纳入核算。

另一项值得试水的业务是企业AI连接。随着智能体逐步进入企业生产系统，跨云访问、数据传输、安全隔离和网络质量保障可能形成新的服务需求。运营商虽然拥有网络和客户资源，但能否将这些能力组合成企业愿意付费的产品，还需要具体项目来证明。

边缘计算的机会则更复杂。运营商拥有大量通信机房和网络节点，具备一定的部署基础；但AI计算对电力、散热和设备利用率的要求，与传统通信业务并不完全相同。即使在技术上可以把GPU放进网络节点，也不代表在商业上值得这样做。

这也是中国运营商需要认真研究AI-RAN的原因。它不仅涉及无线网络架构的变化，还可能改变未来通信设备的采购方式、网络软件的分工，以及运营商与芯片、云计算企业之间的关系。过去，运营商主要采购通信设备来建设网络；如果通用计算平台能够同时承担部分通信和AI任务，设备商、芯片厂商与运营商之间的价值分配也可能发生变化。

不过，目前这些变化仍处于探索阶段。一次AI-RAN现网通话证明了技术可行性，却不能直接证明规模部署的经济性；马斯克提出的千倍带宽需求，也尚不足以作为运营商未来投资规模的依据。

可见的是，AI工厂的建设越来越依赖电力、冷却、光纤和数据中心等基础设施。拥有这些资源的电信运营商，正在重新进入科技巨头的视野。

通信网络会不会成为下一轮AI竞争的重要战场，黄仁勋和马斯克已经给出了各自的判断。对于电信运营商来说，比判断流量会增长多少倍更紧迫的，是弄清楚下一笔收入究竟从哪里来。

排版／ 季嘉颖