万万没想到，这家央企竟让香农和图灵又“握了一次手”

金磊 发自 WAIC
量子位 | 公众号 QbitAI

有点意思，能让香农和图灵又握上一次手的，竟然是一家央企。

他们俩握手是什么意思呢？

这两位大师，一位定义了“信息”如何高效、准确地传递，另一位则开启了“智能”如何被创造和模拟的探索。

而二人的握手，则是信息技术和通信技术的一次融合。

例如当你身处浩瀚的海洋之上，这里是传统通信的“死亡地带”，卫星信号微弱且昂贵，别说视频通话，连发一张清晰的图片都可能要耗费半天。

然而现在，正因为他俩的“握手”，在海上流畅地打视频电话已经变成一种现实：

这背后，并非是电信公司发射了什么超级卫星，或者铺设了跨洋光缆。实际上，船员的手机与外界交换的数据量，仅仅是传统视频通话的百分之一，甚至千分之一。

这，就是由中国电信人工智能研究院（TeleAI）研发布局的智传网（AI Flow），不是你以为的简单数据传输，而是让智能体之间互相连接，高效协作，突破单模型的性能极限，实现连接与交互的智能涌现！

技术一经发布，可谓是惊呆了外国友人，有位网友给出了这样的评价：

• 重大突破：一个可能重塑GenAI工作方式的AI框架。

那么智传网到底是如何打破传递智能的“壁”的呢？

就在刚刚的WAIC中，中国电信集团CTO、首席科学家、TeleAI院长李学龙用一个论坛的时间，从算力匮乏、数据稀缺、通信受限三个关键挑战出发，提出了智传网三律（即信容律、同源律和集成律）来逐一击破。

智传网三律之“信容律”

智传网的第一个基石，是信容律（Law of Information Capacity）。

一千多年前，苏轼在《题西林壁》中写道：“横看成岭侧成峰”。同一座庐山，观察角度不同，形态便截然不同。

从智传网角度来看，信息也是如此；它既可以是在信道中高速奔跑的比特流，也可以是潜藏在AI模型参数里的知识与规律。

信容律，正是揭示了这两种形态之间转换与度量的法则。

用一个更通俗的比喻：假设你和朋友各有一本一模一样、内容极其详尽的“密码本”（可以理解为两个同源的AI模型）。

现在，你想告诉朋友一个复杂的故事，比如《大闹天宫》。传统方式下，你得把整个故事的文字（数据）一字不差地吼给对方。如果环境嘈杂（带宽低），信息很容易失真。

但有了“密码本”，你只需喊出几个“暗语”：“猴王出世”、“龙宫夺宝”、“大闹天宫”（可以理解为生成指令）。朋友听到这几个指令后，翻开自己的密码本，就能迅速、准确地还原出整个宏大的故事。

在这个过程中，你们用“翻书查阅”这个动作（计算），极大地减少了需要“吼”出去的内容（带宽）。这就是“计算换带宽”的核心思想。

信容律第一次在理论上打破了通信与计算的边界，让我们可以用统一的标尺去度量它们。

现在再回头看刚才我们提到的远洋视频通话的例子。

船上的服务器和岸上的集群，都装载了经过“同源训练”的多模态大模型。通话时，两者之间不再传输原始信息，而是传输模型提取的特征，这些特征可能是指令描述、背景结构、运动信息，几何参数等。这些特征通过微弱的卫星信号传到接收端，由多模态生成大模型根据这些特征，实时地“画”出（生成）高清视频画面。

通信的过程，从“像素搬运”变成了“意义理解与艺术重建”。

智传网凭借这项“生成式智能传输”技术，在现有条件下，已经成功将视频通信的带宽占用降低了一到两个数量级。

这不仅是远洋通信的福音，未来高铁上将不再有信号盲区，飞机上依然可接入流畅的视频会议，甚至在偏远的山区，人们都有望享受到稳定流畅的连接。

这，就是信容律的魔力。

智传网三律之“同源律”

信容律的“密码本”魔法虽好，却引出了一个新问题：如果我的密码本是本牛津词典，而你的只是一本新华字典，那我们的沟通效率必然大打折扣。

换言之，如果云端是一个千亿参数的超级大模型，而手机端只有一个十亿参数的小模型，它们如何高效协同？

这就引出了智传网的第二个基石——同源律（Law of Familial Model）。

苏轼的诗又一次给出了精妙的启示：“远近高低各不同”。从不同距离、不同高度看山，山呈现出不同的样貌，但山的本质不变。

同源律描述的，正是一个“家族式模型”体系。这个家族里，有体型庞大、无所不知的“祖父辈”大模型（部署在云端），也有身手敏捷、反应迅速的“子孙辈”小模型（部署在手机、基站等边缘设备上）。

它们虽然大小、能力各不相同，但源于同一个核心技术和训练过程，拥有相同的“血脉”或“DNA”。小模型完美地继承了大模型的世界观和知识结构，只是在具体应用上做了轻量化适配。

这就像一个可以自由伸缩的“如意卷尺”。面对小任务，它能收缩成便携的小尺寸，在端侧快速响应；面对复杂任务，它又能延展成巨大的尺度，调用云端力量进行深度推理。

我们来看一个实际应用：新一代的AI手机助手。

可以明显看到，即便部署在手机端的小模型（假如1.5B），也能针对咳嗽这种细节做到敏锐捕捉。

这就是同源律发挥的作用，小模型不会把原始问题原封不动地扔给云端，而是将自己的初步思考结果打包成一个“中间推理结果”，传递给部署在基站或云端的“大哥”——一个7B甚至32B的同源大模型。

大模型在这个高度浓缩的中间结果上继续“接力推理”，它能调动更庞大的知识库，进行更复杂的分析，最终生成一份完美的方案，再返回给你的手机。

这种方式也能衍生出像刚才视频中展现的“超语义语音学”的能力，不仅听懂你说了什么，还能从你的语气、停顿中，理解你“声音背后的情绪”，让冰冷的AI变得有温度。

不同大小的家族模型可以根据资源需求，部署在端边云架构的不同节点上协同工作，让智能突破单个设备的限制，让大模型基于小模型的输出接力推理，在性能和效率间达到最优。

同源律揭示了大小模型间的合作效率，指导了家族式模型的训练。

智传网三律之“集成律”

有了高效的连接方式（信容律）和可伸缩的智能单元（同源律），智传网的终极图景——构建一个庞大的、能够自我进化的群体智能——便有了实现的可能。

这最后一步，由集成律（Law of Multi-model Collaboration）来定义。这次，苏轼的诗句是：“不识庐山真面目，只缘身在此山中”。

单个智能体的视角终究是有限的，只有跳出个体，将无数智能体连接、交互、协同，才能窥见一个前所未有的、更宏大的智能全貌。这种由连接而产生的“智能涌现”，正是集成律的核心。

智能体成员的能力越是多样、越是互补，协同产生的“1+1>2”的效果就越显著。一个由视觉专家、策略专家、生成专家组成的AI团队，远比三个一模一样的AI强大。

最关键的是，这套体系是“双向进化”的。云端大脑在解决难题中不断变强，同时，它会立刻把新学会的本事、新总结的规律，同步给网络中的每一个个人AI。

这意味着，一个AI的经验，瞬间就能变成所有AI的智慧。你的手机助手，每天都在悄悄地变得更聪明。

这种多智能体协同在反诈骗领域已经展现出惊人的威力，让我们来感受一下：

智联，已经开启新篇章

从信容律的“计算换带宽”，到同源律的“大小模型心意相通”，再到集成律的“三级智能协同进化”，智传网为我们描绘了一幅激动人心的未来画卷。

这不仅仅是通信技术的又一次迭代，它更像是为整个数字世界装上了一个全新的“神经系统”。这个系统的建立，其意义将是深远而广泛的。

这正是我们迈向一个更高效、更便捷、更具想象力的智能社会的必由之路。

香农与图灵的这次“握手”，由中国电信人工智能研究院促成，发生在中国，这本身就极具象征意义。它预示着，在以AI和通信深度融合为标志的新一轮技术浪潮中，我们正站在一个前所未有的历史机遇点上。

智传网，流淌的不仅是数据，更是智慧。而这股奔腾不息的智慧洪流，正将我们带向一个充满无限可能的未来。

[1]https://x.com/Rixhabh__/status/1943635929962512544
[2]https://www.arxiv.org/abs/2506.12479