20260818-理特管理顾问-人工智能时代的网络_4页_923kb

人工智能时代的网络总结

核心内容

在人工智能（AI）迅速发展的背景下，移动网络运营商（MNO）正将AI体验作为差异化竞争的关键。传统的网络性能指标如覆盖范围、语音可靠性、吞吐量、视频质量和游戏延迟仍然重要，但AI体验强调的是速度、响应性、多模态交互能力和一致性，这些因素正在重新定义网络竞争力的标准。

主要观点

• AI体验成为新焦点：AI服务的体验指标，如首包延迟、流媒体平滑度、多模态上行链路和终端可达性，已成为MNO提升客户满意度和市场竞争力的重要考量。
• 速度的重新定义：AI体验中的“速度”不同于传统网络中的吞吐量，它关注的是端到端的响应效率，包括第一个数据包到达的时间、30秒内的流媒体流畅度、多模态提示上传的稳定性以及这些指标在不同时间和地点的一致性。
• AI体验可衡量：P3公司推出的2026基准测试框架新增了专门用于AI服务的测试层级，包括对延迟、抖动、成功率和百分位数性能的测量，以及真实提示的运行以评估会话质量。
• 网络性能的跨层影响：AI体验指标不仅受无线接入网（RAN）影响，还涉及用户面功能（UPF）、互联网交换（IX）、服务质量（QoS）、边缘计算（MEC）和云网等多个网络层级。
• AI网络作为高管议程：对于不同高管角色（如CTO、CSO、CFO），AI网络的性能和治理具有不同的战略意义，需在不同层面进行优化和管理。

关键信息

AI体验的关键绩效指标（KPI）

1. TTFT（第一个令牌响应时间）：衡量从发送提示到第一个响应标记的延迟，类似于标准托管模型的呼叫建立时间。
2. 令牌流平滑度：在30秒的响应期间，衡量令牌数每秒的持续性和间隔变化，类似于视频缓冲率。
3. 多模态上行链路：评估在1-5 MB有效载荷下的上传吞吐量，保持持续性能。
4. 终端可达性：衡量AI端点在可接受网络行为下的可访问性。
5. 一致性得分：衡量同时满足上述四个KPI最低标准的会话比例。
6. 边缘人工智能延迟：衡量拥有MEC的运营商在自建推理与公共云终端之间的延迟差异。

AI网络的治理举措

1. 明确AI KPI责任归属：在零售运营商、共享合作伙伴及NetCo/ServCo架构中，明确哪些KPI由谁负责，以及在哪些边界范围内。
2. 扩展共享SLA范围：将共享服务水平协议（SLA）从覆盖范围和吞吐量扩展到抖动、最坏情况上行性能和会话级一致性。
3. 获取控制功能的配置权限：确保调度器、QoS、切片、本地中继和路由等控制功能的配置权限，以优化AI KPI。
4. 建立跨层可观测性：通过联合可观测性系统，识别并解决网络各层级（RAN、传输、核心、云）的问题。
5. 保留零售差异化空间：通过特定服务类别和企业级SLA，确保零售网络在共享层中仍能保持竞争优势。

市场表现与数据

• 跨市场延迟差距：美国、德国和巴西的初步数据显示，AI终端之间的延迟差距在8-18毫秒之间。
• 德国TTFT对比：在德国DriveTest样本中，领先运营商的TTFT约为0.94秒，而落后运营商的TTFT为1.11秒。
• AI体验的商业价值：AI网络性能指标可为B2B合同带来可衡量的终端客户联系，从而实现变现，而不仅仅是依赖消费者ARPU。

结论

AI体验正在成为网络运营商的核心竞争力之一，其关键在于端到端性能的优化和跨层级的协同治理。运营商需重新审视传统KPI，引入新的AI相关指标，并通过技术、策略和治理手段提升AI服务的用户体验，以在日益激烈的市场竞争中占据优势。