问题——人工智能从“可用”走向“无处不在”，网络承载能力面临重构压力。 当前，人工智能正从单点应用加速迈向实时交互、沉浸式体验与自主决策，应用场景也从数据中心扩展到工厂、车辆、供应链和个人终端。随着推理任务在更多场合实时发生，网络的要求不再只是“能连上”，还要“连得快、连得稳、连得可信”。传统以尽力而为为主的网络能力和治理方式，正越来越难支撑确定性时延、海量并发与跨域协同等需求。 原因——三重转变叠加，推动“AI原生网络”从概念走向部署。 一是推理形态从集中式大模型调用，转向更分布式的多智能体协作。多智能体要求不同节点频繁交换状态与结果，带动数据中心内部及数据中心之间的东西向流量明显上升，对低时延互联与同步提出更高要求。 二是算力供给从单纯扩容转向结构性优化。面向特定负载的加速、异构算力协同，以及推理能力向边缘与终端分布式部署，让“算力在哪里、数据在哪里、业务就近处理在哪里”成为工程常态。 三是网络演进目标从“带宽提升”扩展到“确定性能力+高可靠连接”。在工业控制、车联网、远程运维等场景，毫秒级甚至更低时延、可控抖动与高可用保障，决定了智能系统能否从辅助工具走向关键生产要素。 影响——技术飞轮加速，产业竞争焦点由模型延伸至基础设施与生态。 多重因素叠加下，人工智能产业化明显提速：算力硬件出货增长、数据规模扩张、5G独立组网推进、云边协同深化，以及资本与政策资源向关键环节集中。更关键的是，人工智能正在从“围墙内”的数据中心走向“围墙外”的现场与终端，形成“模型能力提升—新应用出现—基础设施投入扩大—能力再跃升”的自增强循环。由此，竞争不再局限于算法与应用，网络、能源、数据治理、安全合规与人才供给等系统能力，正成为地区和企业能否承接红利的重要变量。 在这个阶段，连接的重要性更凸显：如果智能体无法可靠、安全、实时地触达数据、设备与用户，应用价值就难以形成闭环。尤其在跨云、跨网、跨域协同场景中，互联互通能力直接影响分布式推理效率与服务体验。 对策——以5G独立组网为牵引，打造“算网协同、云边一体、安全可控”的底座体系。 业内普遍认为，可从以下方向提升承载能力与产业韧性： 其一，加快5G独立组网规模化应用，夯实网络切片、确定性时延与移动性管理能力，为工业互联网、车联网、智慧港口等场景提供可保障的连接服务。 其二，提升光传输与数据中心互联能力。面对训练与推理带来的跨地域大流量与低时延需求，应加强骨干网、城域网与数据中心网络的协同建设，提升东西向流量承载与调度能力。 其三，推进边缘计算与云边协同。将推理能力下沉到更接近数据源头的位置，可在保证实时响应的同时降低回传压力，并强化敏感数据本地化管理，提升工业与公共服务场景的安全与合规水平。 其四，前瞻布局面向下一代移动通信的关键能力。围绕感知融合、极致可靠与原生智能等方向开展预研与试验验证，为中长期演进留足空间。 其五，构建面向新型威胁的安全体系。随着智能体更深嵌入网络运行与关键业务流程，需同步推进身份认证、零信任架构、供应链安全与密码体系升级，增强对新型攻击的防护与恢复能力。 前景——基础设施条件将影响红利兑现速度，先行地区有望形成集聚效应。 多方研究认为，人工智能对经济增长具有明显拉动作用，但释放程度取决于底层基础设施、产业数字化基础与创新生态的成熟度。具备密集光纤覆盖、完善5G独立组网、较强算力供给与开放协同环境的地区，更可能率先形成“应用规模—数据沉淀—产业集聚”的正向循环，并带动制造、交通、能源、医疗、政务等领域效率提升与服务升级。同时，资源约束、能耗压力、数据治理与安全合规等问题仍将长期存在，需要在发展速度与风险防控之间保持平衡。
当人工智能从概念走向支撑经济发展的基础要素，其路径已逐渐明朗：技术突破只是起点，真正的竞争在于能否建立与之匹配的基础设施与生态。这场连接层面的变革，影响的不只是网速或算力，更关系到未来经济格局的重塑。历史经验显示，重大技术革命的受益者，往往是那些在基础架构上更早布局、并持续投入的参与者。