过去两年,围绕AI的讨论大多集中在模型、算力和数据中心。但当AI应用开始从云端走向终端,从实验室走向产业现场,一个更现实的问题正在浮现:如果AI要进入无人机、机器人、AI眼镜、工厂和大型活动现场,谁来保证它随时在线、稳定响应、可靠运行?
在Ericsson Forum China 2026媒体沟通会上,爱立信给出的答案是网络。
AI不只需要算力,也需要确定性连接
爱立信中国区总裁方迎在开场演讲中表示,从通信行业来看,以AI和Token经营为重心的新赛道正在开启。在这一轮变革中,移动连接“不是看客,而是主角”。

这一判断背后,是AI应用形态的变化。方迎提到,AI产业的重心正在走出智算中心,向网络侧、终端应用侧延伸。未来,包括具身智能、传感器、无人机、AI/AR眼镜等在内的各类终端,都将带来更分布式、实时化和场景化的连接需求。
这意味着,AI竞争不会只发生在模型参数和算力集群之间,也会体现在网络能否提供稳定体验之上。低时延、大带宽,尤其是大上行,高可靠、绿色安全,正在成为AI时代网络的新关键词。
爱立信将这一能力概括为“智能网络底座”,即把AI、云和移动网络深度融合,为个人与行业AI应用提供稳定高效的连接支撑。方迎特别强调,差异化连接是网络赋能AI的核心。近期,爱立信与中国运营商等产业伙伴完成了面向消费者的用户级和应用级切片测试。通过5G-A切片技术,游戏用户时延和智能眼镜AI识物的往返时延至少可以降低30%。
换句话说,当AI走向真实世界,网络不再只是连接管道,而开始成为AI体验能否成立的关键条件。
从卖流量到卖体验,运营商寻找新增长
网络价值被重新审视,也与运营商自身增长压力有关。
爱立信中国咨询服务部总经理莫文莉在演讲中指出,过去几年,移动数据流量收入的增幅持续低于流量本身的增幅。传统流量经营正面临不可持续的压力。她引用爱立信今年上半年面向全球电信行业455位技术领导者的调研称,在未来3到5年,接近一半受访者认为,新的收入增长机会主要来自两个方向:一是以5G专网为主的企业数字化服务,二是面向消费者的AI、XR、高清视频等应用的差异化连接服务。

这实际上意味着,运营商不能只卖“更多流量”,还要尝试出售“更好体验”。
在全球市场,差异化连接已经开始形成商业案例。莫文莉提到,全球已有超过90个5G SA网络商用,超过65款差异化连接商用案例推向市场。一些运营商从局部区域性能增强切入,例如大型赛事、F1大奖赛、高尔夫球赛等场景保障;另一些则进一步面向特定人群和特定应用推出服务,例如公共安全人员专属连接、不同速率的FWA套餐、视频通话和大型网络游戏保障等。
她还提到,新加坡电信5G+套餐推出6个月后,最高端的5G+Priority用户数增加了36%。在她看来,客户通常不会仅仅因为新技术而多付费,但如果体验真正提升,用户愿意为确定性服务支付溢价。
德州音乐节测试:切片走向消费级场景
在中国市场,差异化连接的一个典型案例,来自爱立信与中国移动在山东德州开展的测试。
在圆桌环节,爱立信东北亚区副总裁吴立东与中国移动设计院无线所技术总监张琪璇、爱立信中国区网络方案部总经理倪子铭,围绕这次测试展开交流。

张琪璇介绍,中国移动此前已构建5G-A网络差异化保障体系,围绕切片等技术赋能无线流量经营和体验变现。本次双方在德州重点验证了切片、资源预留等技术,覆盖人流密集高负荷场景,以及大上行、低时延重点业务。
她列举的场景包括高校校园、赛事活动、火车站,重点业务包括云游戏、AI眼镜、上行直播等。测试结果符合理论预期:超过95%的时间,用户上行速率可达到1Mbps以上,下行达到5Mbps以上。
德州音乐节是一个典型案例。张琪璇说,在给高价值用户配置无线切片后,用户全程全景都保持1Mbps以上速率。与之形成对比的是,没有配置切片的用户在上行直播中会出现卡顿;配置之后,直播“肉眼可见变得更流畅”。在音乐节极高负荷场景中,测试还观察到上行速率超过120Mbps、下行速率超过400Mbps。
切片技术并不是第一次出现在5G SA网络中,但过去更多服务于ToB行业用户。倪子铭指出,这次是在中国移动商用网上给ToC用户开启用户级切片。外场测试的价值在于,实验室难以复现真实网络中的动态人群、动态用户行为和多样场景。只有在外场,才能验证切片技术在大规模商用阶段究竟能提供怎样的用户保障。
从“尽力而为”走向“确定性保障”
倪子铭进一步解释,切片技术与现网能力的结合主要体现在两个方面。
第一,过去基于QoS的用户分级更多是一维分级,引入切片后,可以形成“切片+QoS”的二维分级。第二,依托灵活的软件架构,运营商可针对不同用户组定制参数配置,把载波聚合、时延调度、大上行等无线功能与切片分级结合起来,从而更灵活地释放网络能力。
在张琪璇看来,差异化连接的商业化仍要经历从小范围试点到预商用、再到扩大推广的过程。她提到,中国移动可先面向少量友好用户发放套餐包,将无线资源预留与切片叠加,在小范围用户中观察测试效果、预商用效果、流量变现和用户黏性提升,再逐步扩大到地市、省乃至全国范围。
这一路径折射出5G下半场的关键命题:网络如何从“尽力而为”走向“确定性保障”。
对于运营商而言,确定性体验不只是技术升级,也可能成为新的商业模式入口。张琪璇提到,未来低空无人机保障、具身智能承载,以及AI Token流量经营,都可以尝试和探索差异化连接,并通过市场检验技术的有效性和进一步赋能空间。
AI反向改造网络本身
AI对网络提出更高要求,同时也正在反向改造网络本身。
爱立信东北亚区网络产品线部门总经理Matteo Fiorani在演讲中把AI与网络的关系分为两组:AI for Networks和Networks for AI。前者是用AI赋能网络,包括在无线接入网中引入AI能力,以及通过AI实现自智网络,降低成本和复杂性;后者则是网络支撑AI,根据不同AI应用的业务要求提供相应网络能力。

他举例说,物理AI、人形机器人、终端上的智能体、增强现实眼镜等,都会对网络提出不同需求。许多AI应用对时延和抖动敏感,也会产生更多上行流量。比如机器人场景,上行链路可能占到70%,下行占30%,端到端时延要求可达10毫秒,这与传统移动宽带业务完全不同。
为应对这些变化,爱立信正在把AI能力前移到无线和基带侧。Matteo Fiorani介绍,爱立信可在基带单元和射频单元内部进行AI推理,无需额外硬件。其自研ASIC具备AI推理能力,最新的大规模MIMO天线阵列中也加入神经网络加速器,以更高效地进行AI运算。
AI原生链路自适应是其中一个例子。该功能通过AI模型动态选择调制和编码方案,频率可达到每毫秒一次。Matteo Fiorani称,相关功能已在多个客户的商用网络中测试,用户速率提升可达到20%。这说明,AI不仅需要网络承载,也可以成为提升网络性能和效率的工具。
6G不是推倒重来,而是连续演进
面向6G,爱立信给出的判断并不是用6G简单替代5G,而是在5G、5G-A与6G之间建立连续演进。
爱立信全球先进技术主管兼亚太区首席技术官Magnus Ewerbring表示,未来五年,5G签约用户数仍将继续增长,5G和5G-A依然是运营商业务增长的重要基础。同时,产业也需要为6G做好频谱、标准和技术准备。

在媒体问答中,Magnus Ewerbring进一步表示,6G标准预计将在2029年完成,2029年中到下半年需要准备好系统和终端测试认证的相关规范。基于这一时间线,6G终端上市的合理时间可能在2029年底到2030年初。
但6G最显著的变化之一,是从设计之初就纳入AI。Magnus Ewerbring表示,当全面进入6G时代,网络将面向全原生AI设计,即6G从一开始就是AI技术驱动的原生AI网络架构。AI技术会持续导入6G网络架构,并参与网络进程和流程,以满足未来更广泛的通信业务需求。
值得注意的是,当被问到AI时代网络架构是否会因智能体通信发生颠覆性变化时,Matteo Fiorani给出的答案相对谨慎。他认为,进入6G后,网络架构未必会发生彻底改变,更可能是持续演进。原因在于,彻底改变架构对运营商意味着巨大投资,而收益并不确定。不过,物理AI等低时延应用会推动算力走向边缘,分布式智能将补充集中式大型数据中心,这会对架构产生影响,但不是一场颠覆性革命。
网络价值被重新定义
从德州音乐节的直播保障,到AI眼镜、云游戏、低空无人机、具身智能,再到未来6G原生AI网络,通信网络正在被赋予新的产业含义。
它不再只是“流量通道”,而是在AI应用规模化时,决定体验、效率和商业模式能否成立的关键变量。
对于运营商而言,这意味着新的增长机会;对于设备商而言,这意味着网络能力需要被重新设计、验证和商业化;对于AI产业而言,这意味着模型和算力之外,还必须回答一个更基础的问题:当AI真正进入真实世界,谁来保证它随时在线、稳定响应、可靠运行?
在爱立信看来,这个问题最终要回到网络本身:只有当网络具备更智能、更可区分服务质量的能力,AI应用进入真实世界后的体验才有可能被稳定保障。这或许正是5G下半场最值得关注的变化。
好文章,需要你的鼓励
这篇论文提出一种插件式2D动作接口,让已训练好的3D运动语言模型无需修改或微调即可直接理解2D姿态输入。实验证明2D输入效果媲美3D输入,且在真实视频场景下配合专门的降噪适配器,2D方案比3D姿态估计更省算力、更实用,为动作理解模型的现实部署提供了新路径。
研究团队让8种AI智能体独立完成100项真实科研任务,深度剖析800份研究轨迹后发现,即便是最强模型,也普遍存在"发现问题却不修正"的现象,背后根源指向AI缺乏检验自身产出、主动纠错的元认知能力。
WorldRover是一套面向可探索世界建模的合成视频数据引擎,基于虚幻引擎构建,能让同一段探索轨迹在保持路线与场景一致的前提下,重新渲染为多种视角和外观状态,并同步提供深度、光流、长程点追踪等丰富标注,最终发布WorldRover-10M数据集,含2190万帧、202.7小时视频。
这篇论文指出,现有多目标强化学习训练大模型时存在"一刀切"分配优化精力的问题,提出SA-MRPO方法,根据每个奖励目标的饱和程度动态调整其权重,在数学推理、自适应推理、代码生成等任务上均取得优于现有方法GDPO的效果。