人工智能时代的网络_4页_925kb

报告摘要

人工智能时代的网络总结

核心内容

随着人工智能（AI）技术的快速发展，网络运营商（MNO）正在将AI体验作为客户差异化竞争的新焦点。这一趋势标志着网络领导力的定义正在从传统的覆盖范围、语音可靠性、吞吐量、视频质量和游戏延迟，转向更关注AI服务的性能指标，如首包延迟、流媒体流畅度、多模态上行链路和一致性等。

主要观点

速度的重新定义
- 传统网络性能指标依然重要，但AI工作负载关注的是另一种速度，即首包延迟、流媒体流畅度、多模态提示上传的可靠性以及速度的一致性。
- AI体验的关键在于首包延迟（TTFT）和流媒体平滑度等指标，这些指标能更准确地反映用户对AI服务的感知。
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，测试AI端点的连接性、实时提示功能等。
- 该框架测量延迟、抖动、成功率和百分位数性能，并通过DriveTest流程运行真实提示，以评估会话成功率、TTFT和响应时间。
网络竞争力的关键绩效指标（KPI）
- P3预计未来几个基准周期内，六个KPI将成为网络竞争力的主要驱动因素：
  - TTFT（首令牌响应时间）
  - 令牌流平滑度（流媒体平滑度）
  - 多模态上行链路（上传吞吐量）
  - 终端可达性（服务可达性）
  - 一致性得分（会话级一致性）
  - 边缘人工智能延迟（MEC与公共云延迟对比）
AI网络是端到端性能系统
- 对于首席技术官（CTO），AI体验将网络重新定义为一个端到端的性能系统，涉及RAN、核心网、传输网和云等多个层级。
- 会话级别的成果必须涵盖这些层级，而不能仅关注单一领域。
AI KPI与B2B市场密切相关
- 对于首席战略官（CSO），AI工作负载的领先网络是与B2B市场相关的差异化方向，如联络中心语音AI、现场多模态助手和CPaaS路由等。
- 在共享层市场中，AI KPI也映射到选择性去共享或高级SLA层级的案例。
治理举措
- 在共享层市场中，AI KPI对调度器、QoS、路由等控制功能敏感，且对不透明行为容忍度低。
- 为确保AI服务的质量，需要采取以下治理举措：
  - 明确AI KPI在零售运营商、共享合作伙伴及NetCo/ServCo架构中的责任归属。
  - 扩展共享SLA的涵盖范围，包括抖动、最坏情况上行性能和会话级一致性。
  - 为影响AI KPI的控制功能获取安全配置权限。
  - 建立跨RAN、传输、核心和云的联合可观测性。
  - 通过特定服务类别和企业级SLA保留零售差异化空间，防止共享层影响商业故事。