物理 AI 到来，移动网络该如何进化？

过去一年，几乎所有人都在追问同一个问题： AI 大模型还能变得多聪明？Agent、多模态、端侧部署，构成了 AI 产业最热闹的叙事。 但当 AI 开始进入眼镜、汽车、机器人、摄像头这些物理载体，开始在道路、工厂、家庭和人类交互之后，我们发现，现实世界和 AI 大模型之间，还有最后一公里的路没有打通。 AI 眼镜要识别眼前的文字，Robotaxi 要判断周围路况，机器人要决定下一步动作。它们依赖的不只是算法，也包括图像、语音、位置、空间关系、设备状态和环境变化等数据。 这些数据需要先由终端采集，再通过网络上传，交给云端或边缘侧模型处理。模型输出的结果，也要通过网络返回终端，才能转化现实中的业务动作。 这使得移动网络在 AI 时代承担了新的压力。 过去，网络波动可能只是让视频缓冲几秒；未来，同样的波动可能导致实时识别失败、远程控制迟滞，或者智能体无法完成动作。 移动网络不再只是单纯的内容分发通道。它需要识别连接对象，理解业务类型，判断实时性要求，也要在资源紧张时决定哪些连接需要优先保障。 物理 AI 时代的网络，不能只是一条“更宽的管道”。 移动网络的下一批用户，不只是人类 很长一段时间里，移动通信网络服务的核心对象是人。 在语音时代，网络解决的是通话连接，让人在移动状态下完成实时沟通。进入 3G、4G 时代后，智能手机和在线内容快速普及，移动网络的主要任务转向大带宽数据传输。网页、图片、音乐、视频、直播、游戏和在线会议，成为了移动互联网时代最典型的业务形态。 智能手机也在这个过程中变成了高度集成的入口。过去由独立设备完成的功能，例如 GPS、音乐播放器、相机、录音机和部分办公工具，逐渐被手机吸收到一个终端里。移动互联网时代的一个基本特征，是终端形态向手机集中，人则是最主要的连接主体。 AI 的到来改变了这个前提。 大模型要理解现实世界，首先需要获得更丰富、更连续的现实输入。图像、语音、位置、动作、空间关系、环境状态和设备数据，都会成为模型识别、推理和反馈的基础。 网络服务的对象也开始从“人”扩展到“智能体”。云端出现大模型和生成能力，端侧则出现了更多 AI 入口，手机里的智能体、AI 眼镜、穿戴设备、摄像头、机器人、车载终端、家庭设备、工业终端和各类传感器，都可能成为移动网络中的主动使用者。 这也改变了网络承载的内容。过去，移动网络主要承载信息流，服务图文、视频和应用数据的分发。AI 时代，网络还要承载与推理、决策和反馈相关的数据流。它们对实时性、上行能力、连接稳定性和资源调度提出了更高要求。 连接对象的扩张，带来的是连接规模的变化。未来移动网络连接的不会只是手机用户，还会包括分布在城市、家庭、交通、工业和公共空间中的大量智能终端。 华为 ICT BG 无线网络产品线副总裁赵东对雷峰网表示，“预计到到 2035 年，可应用的智能体数量可能达到 9000 亿级别