格伦·卢里：没有网络管道，AI 将无从实现

我在无线通信行业深耕36年，曾担任AT&T移动业务CEO，亲历了初代iPhone和iPad的发布。这些年来，我见证了几次整个行业乃至整个社会不得不同时重新审视自身的重要时刻。

AI无疑是最新一次重大变革，但大多数报道和讨论将其定性为一个关于模型和芯片的故事，而实际上，它应该是一个关于管道与网络的故事。

AI的每一个环节——训练模型、运行推理、智能体实时执行任务——都依赖于将数据从传感器、手机或工厂车间物理传输至处理器，再将结果传回，且速度必须足够快，以确保答案抵达时仍有意义。

模型获得了所有关注，但网络能否以足够的速度和低延迟完成这一往返传输，才是大多数行业外人士没有足够重视的真正瓶颈。

网络投资回报率的困局与转机

在5G时代的大部分时间里，网络投资的回报难以得到充分辩护。普华永道对5G经济学的分析显示，运营商的资产回报率仅为1.5%至4.5%，而行业基准为17%至20%。运营商承担了基础设施建设的成本，而其他公司却从中获益。

AI正在改变这一算法。近十年来，AI首次带来了一种真正无法在没有高密度、低延迟连接的情况下运行的工作负载，这种需求并不局限于少数几个超大规模数据中心，而是遍及各地。资本开始顺应这一逻辑流动。英伟达向诺基亚投资10亿美元，并携手合作将AI直接整合进无线接入网络，这一举动表明AI基础设施的资金正在流入网络本身，而不仅仅是其背后的数据中心。

宽带并非单一网络，而是多层融合

宽带并非一张单一的网络，它由光纤、陆地无线、卫星以及背后的电力和数据中心基础设施共同构成，任何一层都无法单独解决AI问题。

光纤和5G负责处理高密度场景，而卫星则弥补了两者在经济上无法覆盖的地理盲区。SpaceX的IPO申报文件披露，其直连手机服务已通过约30个运营商合作，每月覆盖740万台设备。这一能力在三年前几乎还不存在。

边缘计算的存在，正是因为往返遥远数据中心的延迟对于近实时AI应用而言过于缓慢。但如果没有足够的基础设施来供电，这些系统都将失去意义。国际能源署预测，到2030年，数据中心的电力需求将大约翻倍，仅美国新增的电力需求就可能与整个重工业的用电量相当。一个带宽超过其电力供应上限的网络，并不会因此变得更强大。

5G的教训与6G的抉择

经历了多代无线技术的演进，我认为5G真正的教训并不在于技术本身令人失望，而在于节奏出了问题。这个行业在商业变现方案形成之前，就提前多年构建了容量，之后才倒推出商业逻辑。

AI在一个关键方面有所不同：需求已经得到验证，且已有人为此买单。这消除了盲目建设的借口，但并不能消除建错方向的风险。

3GPP标准化进程已在推进6G的制定，而当前关于AI如何嵌入无线层的技术选择，将像十年前5G的决策一样难以逆转。

网络运营的静悄悄革命

最容易被低估的变化发生在网络运营内部。如今，一名网络工程师通常管理50个基站。而已在现场试验中的智能体AI系统，通过在人工介入之前完成故障检测和根因诊断，正将这一数字推向数百个。

谷歌云估计，智能体AI为电信运营商带来了600亿美元的市场机会，主要来源于这一转变所指向的自愈网络。类似的逻辑同样适用于客服领域——目前每次入站支持通话平均仍让运营商付出超过7美元的成本，而这类问题越来越多地根本不需要人工介入。

一些更有趣的应用场景完全位于核心网络之外。融合蜂窝、卫星和边缘推理的AI驱动传感器网络，现在可以在野火点燃后一分钟内完成探测，远在人类观察员能够察觉烟雾之前。这一切的实现，仅仅是因为无线、卫星和边缘计算被设计为协同运作的整体系统，而非各自解决独立问题的分散系统。

真正的机会在层与层之间的接缝处

最大的机会并不存在于任何单一层级内部，而在于各层之间的接缝处。智能路由流量的编排软件——横跨光纤、无线与卫星；使实时决策在物理上成为可能的边缘推理；以及作为电信业最紧张约束的电力基础设施，这些都是关键所在。

谁能构建出让融合对终端用户而言无感的智能系统，谁就能获取比任何单独构建某一层级的人都更多的价值。

这个行业已经拥有了所有必要的部件，但缺失的，是将它们作为一个整体系统来对待，而非四个各自独立的系统。在AI时代，在下一代标准将错误假设固化之前，把这件事做对，才是宽带行业眼前真正的机遇所在。

格伦·卢里于2021年8月加入Stormbreaker Ventures，担任风险合伙人，拥有逾30年规模化经营和领导数十亿美元级业务的丰富经验。他曾担任Synchronoss Technologies总裁、CEO及董事会成员，以及AT&T移动及消费者业务总裁兼CEO。

Q&A

Q1：为什么说AI发展的关键在于网络管道，而不只是芯片和模型？

A：AI的每个环节，包括模型训练、推理运行和智能体实时执行任务，都依赖于将数据在设备与处理器之间快速传输。模型固然重要，但如果网络无法提供足够的速度和低延迟，AI的实际应用就会受到严重制约。因此，网络基础设施才是AI大规模落地的真正瓶颈，而非仅仅是芯片算力或模型能力本身。

Q2：英伟达投资诺基亚10亿美元，背后的战略意图是什么？

A：这笔投资的核心目的是将AI能力直接整合进无线接入网络（RAN）。这意味着AI基础设施的资金流向正在从传统数据中心延伸到网络本身。英伟达此举表明，未来AI运算不会只集中在几个超大规模数据中心，而是需要遍布各地的高密度、低延迟网络节点来支撑。

Q3：智能体AI在电信运营中有哪些具体应用？

A：智能体AI正在显著提升网络运营效率。目前，一名工程师通常只能管理50个基站，而引入智能体AI系统后，通过自动完成故障检测和根因分析，管理规模可扩展到数百个基站。谷歌云估计这一方向为电信运营商带来约600亿美元的市场机会。此外，在客服领域，智能体AI也能大幅降低每次人工通话超过7美元的处理成本。