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

人工智能体验正在成为移动网络运营商（MNO）在客户差异化竞争中的新焦点。随着AI技术的普及，网络性能的衡量标准从传统的吞吐量、延迟等指标，转向了更细致的AI相关关键绩效指标（KPI）。这些指标不仅影响用户体验，还直接关系到运营商的商业价值和竞争力。

主要观点

• 速度的重新定义：人工智能体验关注的是“第一个数据包到达的速度”以及“会话流畅度”，而不是单纯的数据传输速度。这意味着网络性能的衡量标准变得更加复杂和精细化。
• AI体验可衡量：P3的2026基准测试框架新增了专门用于AI服务的层级，用于测试AI端点的连接性和实时提示功能。通过真实提示运行，可以准确评估会话成功率、TTFT（首个令牌响应时间）和响应时间等指标。
• AI KPI对网络各层级有影响：TTFT、流媒体平滑度、多模态上行链路和终端可达性等指标不再仅由RAN（无线接入网）决定，而是涉及用户面功能（UPF）、互联网交换（IX）、服务质量（QoS）、边缘计算（MEC）等多层级网络组件。
• AI网络作为高管议程：对于CTO、CSO和CFO等高管，AI体验对网络的定义和运营提出了新的要求，涉及技术、商业和财务多个层面。

关键信息

AI相关KPI

跨市场表现

• 跨市场延迟差距在AI终端端大致为8-18毫秒。
• 在德国DriveTest样本中，领先运营商的TTFT约为0.94秒，落后运营商为1.11秒。
• 这些差异虽然在单次查询中不大，但在每日数亿次AI会话中，会显著影响用户体验。

治理举措

为确保AI KPI的有效治理，P3提出了以下五个关键举措：

1. 明确AI KPI责任归属：界定零售运营商、共享合作伙伴以及NetCo/ServCo架构中各KPI的责任主体。
2. 扩展共享SLA涵盖范围：将共享服务水平协议（SLA）的指标从覆盖率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：为调度器、QoS、切片、本地breakout和路由等控制功能获取安全配置权限，以确保AI KPI的稳定性。
4. 建立联合可观测性：通过跨RAN、传输、核心和云的联合可观测性，实现问题的快速定位和解决。
5. 保留零售差异化空间：通过针对AI的特定服务类别和企业级SLA，保留零售市场的差异化能力，避免共享层对商业故事的压制。

结论

人工智能时代的网络竞争已从传统的速度和覆盖转向AI体验的精细化管理和优化。运营商需在多个网络层级上进行协同治理，以确保AI服务的质量和用户体验。同时，AI KPI的引入为运营商提供了新的商业价值评估方式，有助于在B2B市场中实现差异化竞争和收入增长。