2025年AI-ICT赋能与重构白皮书_35页_14mb

AI-ICT 赋能与重构总结

核心内容

AI与ICT的融合发展已成为推动社会进步和产业升级的重要引擎。AI技术的快速演进，尤其是模型规模化、算力提升、通信网络优化，正在深刻改变ICT基础设施和应用场景。AI不仅在技术层面赋能ICT，也在战略层面推动ICT向更智能、更高效的方向演进。

主要观点

• AI规模化发展：AI模型的扩展律（Scaling Law）和“新摩尔定律”推动算力和模型的快速增长，算力需求年均增长达500%。
• 中美AI竞争格局：美国在模型和算力生态中仍占据主导地位，但中国通过政策支持和技术创新正在迅速缩小差距。
• 算力与通信失衡与再平衡：AI的发展使得计算与通信之间的比例失衡，需要网络进行深度优化以适应“神经网络流量”。
• AI与ICT的双向赋能：AI不仅赋能ICT基础设施，如网络运维、自智网络，也推动ICT向AI领域渗透，形成新的技术体系和应用生态。
• 智能体（Agent）的崛起：Agentic AI通过自主感知、规划和执行任务，成为推动数实融合的重要工具。
• 世界模型与数据开发：世界模型在理解物理世界和提升AI能力方面发挥重要作用，同时私域数据和合成数据的开发将为AI提供新的数据来源。

关键信息

1. AI规模化趋势

• 扩展律（Scaling Law）：随着算力、数据量和模型参数的增加，模型性能显著提升，但边际收益递减。
• 算力增长：算力年均增速达500%，芯片厂商和云厂商分别主攻GPU和ASIC，量子计算（QPU）成为未来发展方向。
• 模型参数量：如DeepSeek-V3参数量达671B，Qwen3等模型已具备全球影响力。
• 算力与能耗：大模型训练和推理带来巨大的电力消耗，未来需要高效能和低能耗的算力基础设施。

2. AI与ICT融合发展的技术需求

• 全能模型获取与部署：LLM、MLLM、VLA等模型成为网络和应用的基石，通过模型优化（如MoE、MLA）提升推理效率。
• AI框架：DeepSpeed、vLLM、SGLANG等框架在训练和推理中发挥重要作用，提供高性能和低延迟支持。
• 数据中心网络：从Scale up到Scale out，需要高带宽、低延迟的网络架构，如Fat-Tree、Dragonfly等。
• AI-RAN：AI技术正被用于无线接入网（RAN）中，如TDD、Massive MIMO等，实现网络智能化。

3. 智能体（Agent）与数实融合

• 智能体功能：Agent具备感知、规划、执行和反思能力，推动AI从“知行合一”向“数实融合”演进。
• 通信网络：Agent间通信依赖MCP、A2A、ANP等协议，构建开放的“智能体社会网络”。
• 应用场景：Agent在市场营销、设计研发、客户服务等多领域推动智能体体系发展。

4. 物理与具身智能

• 具身智能体：如人形机器人、智能汽车等，通过多模态大模型（MLLM）和VLA实现环境感知与任务执行。
• 网络需求：5G/6G、TSN等技术提升网络时延至μs级别，支持具身智能的高精度操作。
• 协同演进：物理与具身智能与ICT基础设施协同进化，推动社会和产业向“硅基生命”发展。

5. 战略思考与实施路径

• 战略方向：聚焦6G、算力网络、工业智能体、量子计算等7个重点方向，推动AI与ICT融合发展。
• 系统规划：从战略引领到生态合作，形成端到端可持续的发展闭环。
• 技术落地：通过夯实数据和技术基础，推动AI在通信、制造、交通等领域的深度应用。

技术需求图谱

未来展望

• AI与ICT的融合将加速全球智能基础设施的构建，推动社会向“智能时代”演进。
• 世界模型、量子计算、Agent智能体等技术将成为未来AI发展的重要方向。
• 算力与通信的协同优化将提升网络效率，推动AI在各领域的广泛应用。
• 中国在AI发展上正逐步实现从跟随到领先，特别是在模型、算力、应用场景等方面形成独特优势。