产业观察 on 红旗下的蛋

1995-2000 年，我在深圳遇到的那些通信公司

Sun, 27 Sep 2026 09:07:00 +0800

1995 年 11 月，我来到深圳。

那时候刚大学毕业，对通信行业几乎一无所知。

当时主要还是跟着做一些通信设计相关的事情：跑腿、接待、整理资料、画图、完成领导交办的工作。

那几年，跟着项目做过宝安邮电局的电缆设计，也参与过宝安电信大厦的5A设计、蛇口通讯公司赤湾机楼的一些设计协调工作。后来在高新区惠特普公司刚成立的时候，又做了一些深圳高新区的光缆网络设计的一些基础性工作。

当时没想那么多。

下面这些内容，一部分来自我自己的记忆，一部分是后来根据网上能找到的资料重新查的。二十多年过去了，记忆难免有偏差，网上资料也未必完整，所以就当作一次个人回忆和粗略整理，难免会有不准确的地方。

现在回头看，这些项目把我带到了几家很不一样的公司和单位。

有宝安邮电局以及后来的宝安电信局，是传统邮电体系里的地方电信单位；有深大电话，是经济特区改革中形成的电信企业；有蛇口通讯，是依托工业园区发展起来的通信体系；还有惠特普，负责高新区的电信业务和信息网络建设运营的专业公司。

而我当时看到的，其实没有这么复杂。

就是一个个院子、一座座机楼，一个个具体项目。

关外，宝安邮电局：一个大院子

宝安邮电局给我的印象，就是一个挺大的院子。

那时候邮政和电信还在一起。

我跟着做电缆设计，属于电信这一边，但一个大院子里，邮政和电信是在一起的。

1984 年，原宝安县邮电局改为深圳市邮电局宝安分局。到我 1995 年来到深圳时，宝安的通信网络还在不断建设，电话业务也是当时通信建设最主要的内容之一。

还有后来的宝安电信大厦的5A设计，那时刚开始流行5A智能化大楼的概念，我当时并不太懂，主要是跟着师傅打下手，跑跑腿、画画图，跟着做了一些基础的工作。

画图、改图、跑现场，具体到哪一段电缆怎么走，哪个地方放分线盒，和机房怎么衔接，更多想的是把手头的事情做好。

后来到了 1998 年，邮电分营，邮政和电信开始分开。

原来一个院子里的两套业务，慢慢变成了两个体系。

那时回关内要过南头关，好在我们工程车上有一块带着五角星的“人民邮电”的牌子，过关检查时就容易些，很多时候车子稍停，探头一看，摆手就让过了。车上这块牌子，让我们去关内关外很多地方都很方便。

多年以后再回头看，才发现自己当年做的那些电缆和机楼，正好碰上了传统邮电体系分开的那个阶段。

一个大院子，后来慢慢变成了两个体系。

关内，深大电话：电话卡和电话厅

深大电话和前面几家不太一样。

我没有在深大电话做过项目，和它没有工作上的接触。

但对它并不陌生。

在关内生活、工作，深大电话卡和街头的公用电话亭是经常遇到的。打电话、买卡、路过营业厅，它就在日常生活里。

后来才知道，1983 年，深圳市电信发展公司与英国大东电报局合作成立深大电话有限公司。它从一开始就带着经济特区的特点，是深圳早期中外合作发展电信业务的一种尝试。1988 年，又由中外合资转为合作经营，英方退出管理。

等我 1995 年来到深圳的时候，这家公司已经存在十多年了。

它和宝安邮电局很不一样。

宝安是传统邮电体系里的分支，深大电话则是在经济特区的特殊环境下形成的另一种电信企业。

我当时不会去想这些。

对我来说，它就是生活里的一张电话卡、一个街头电话亭。

现在再回头看，这个名字背后，其实也能看到深圳早期电信业的一种特殊发展方式。

关内，蛇口通讯：赤湾的一座机楼

蛇口通讯又是另外一种感觉。

我参与过蛇口通讯公司赤湾机楼的一些设计协调工作。

那时候在我眼里，就是一座通信机楼。

后来才知道，蛇口工业区很早就有自己的通信建设。

1981 年，蛇口工业区微波通信站建成，并实现了与香港的通信。

蛇口当时是一个特殊的工业区。这里企业多，和香港以及境外的联系也多，通信自然成了工业区运行的一项基础条件。

所以它很早就形成了自己的通信体系。

到了 1990 年代，这套体系依然存在。

现在回头看，蛇口通讯和宝安邮电局其实是两条不同的路。

一个是在传统邮电体系里发展起来的通信网络，一个则是在园区发展过程中自己建立起来的通信体系。

而我当年接触它们时，并没有意识到这一点。

我看到的，只是一边是宝安那个大院子，一边是赤湾的一座机楼。

高新区，惠特普：一张刚开始建设的光缆网

高新区又不太一样。

惠特普成立不久，我跟着做过一些光缆线路设计的基础工作，也参与过他们三网合一的一些建设方案。

那时候更多接触的是具体的光缆线路。

这时候，网络面对的已经不只是电话。

高新区需要的是一张服务园区的信息网络。

我对那个时期还有一个比较具体的记忆。

高新区开通了上星的电视转播，我印象比较深的是 Fashion TV。

但从后来高信网的发展来看，电话、数据、电视等不同信息业务，确实逐渐走到了一张网络上，“三网融合”也成为它后来发展的一个方向。

现在再看，当年做的那段光缆网络，和宝安的通信电缆已经不是完全一样的东西了。

它开始有点像后来所说的“信息网络”。

后来才知道，惠特普由高新区服务机构和中国电信深圳公司共同参与组建的。

还有一个鸿波：组织关系挂靠的地方

还有一个鸿波，电信的三产。

当时我的组织关系挂靠在那里，除此之外，我和鸿波没有业务上的往来。

所以这里也不用展开讲它。

再回头看这些公司：几条不同的路

这些公司和单位，我是在几年时间里一个个遇到的。

当时没有把它们放在一起想过。

宝安邮电局，就是一个需要做通信电缆设计的单位；深大电话，是生活里经常遇到的电话卡和电话厅；蛇口通讯，有一座需要协调设计的机楼；高新区，则是一张正在建设的信息网络。

后来这些单位各自发生了变化。

宝安经历了邮电分营，邮政和电信从一个体系里分开；深大电话则随着中外合作经营合同到期，最终退出了历史舞台；蛇口通讯后来成为中国电信控股的工业园区通信企业；惠特普后来更名为深圳高新区信息网有限公司，业务在原来的基础上增加了移动业务。

现在把这些名字重新放在一起，才发现，它们恰好对应了那个时期深圳通信业几条不同的路。

而我当时做的事情其实很简单。

只是跟着师傅做项目，交待什么就做什么，心思很单纯，事情也简单。不像现在，考虑多、事情杂。现在回头想想，挺怀念当年那种清爽和纯粹。

很多年以后，再把这些公司、院子、机楼和那些做过的项目串起来，才发现，1995—2000 年这几年，正好是它们交错变化的一段时间。

当时只是遇见。

现在再理一遍，觉得挺有意思。

“管道”焦虑三十年

Thu, 24 Sep 2026 07:15:00 +0800

其实这个焦虑不新鲜。我在运营商下游干了三十多年，管道焦虑每隔十年重演一次，深刻体会到每次传递给我们，都是更重的焦虑。

这里说的"管道"，不是指通信管道、光缆或承载网具体的一个网络，而是指整张庞大的电信网。

每次我都以为这次不一样，结果回头看，总有几分熟悉，但也总有几分不同。

互联网时代，运营商做过门户，做过信息港，起初是培育，后来是追赶。移动互联网时代，微信把短信和语音打没了，运营商喊管道化，于是做流量经营，做基地，做应用商店。云时代，怕被云厂商架空，三家都做云，天翼云、移动云，还有联通云。现在 AI 时代，怕被模型厂商和路由平台架空，于是做 Token 经营。

但每一次真正留下来的，还是那张网。 流量经营是管道焦虑的产物，最后成了运营商最赚钱的业务之一，可那只是把管道本身经营好了，人还在管道里。

第一幕，互联网时代，先是培育，后是追赶

九十年代中期，中国接入国际互联网。拨号上网的年代，163、169 是上网的号码，上网费加电话费，运营商躺着收钱。那时候谈不上焦虑。互联网本身就是电信技术的延伸，拨号要电信的线路，计费要电信的账单，接入要电信的端口，业务和技术的耦合度极高，运营商是当然的主导者。

最早的互联网业务，大多是运营商培育的。BBS 是电信局搭的，信息港是电信局做的。上海热线、广州视窗、天府热线、商都信息港，每个城市一个本地门户，本地新闻、聊天室、BBS，热闹过一阵。

那时候做这些，是业务培育，跟管道焦虑不沾边。互联网是新生事物，运营商有网络、有用户、有计费、有营业厅，先天优势摆在那里，做信息港是顺理成章的事。

那时谁也没想到，后来会有管道焦虑症。

转折发生在互联网普及之后。用户多了，创新就跑到应用层去了。门户、搜索、IM、电商，一个接一个冒出来。

这些业务有一个共同点，和电信技术的耦合度越来越低。新浪不需要电信的技术，腾讯不需要电信的技术，它们只需要电信的管道。

运营商第一次发现，自己从互联网的培育者变成了互联网的通道，价值在通道之外产生。管道焦虑，从这里开始。

于是开始追赶。中国电信推出互联星空，聚合 SP 内容统一收费。中国移动推出移动梦网，短信彩信、WAP、手机游戏，SP/CP 分成，运营商收通道费，SP 拿大头。联通有联通在信，网通有网通资讯。

结果很有意思。 凡是和电信能力高度耦合的业务，运营商往往更具有优势。凡是能解耦的业务，运营商就越来越容易被推到管道的位置。

门户没做成，新浪、搜狐、网易、腾讯把门户和 IM 做成了。互联星空没做成平台，SP 乱象丛生，短信陷阱、强行扣费，后来被监管整治。

但移动梦网意外成功了。短信增值业务爆发，春节短信拜年成为现象，巅峰时梦网注册用户过亿。

为什么？因为短信增值业务和电信技术高度耦合，短信通道是电信的，话费计费是电信的，SP 想卖东西，绕不开运营商。

后来梦网主体业务逐步收缩，最终全网短彩正式下线，一个时代彻底落幕。

第一幕最讽刺的地方在这里。运营商搭台，SP 唱戏，钱没少赚，但被养大的，是台下的互联网公司。

那几年，几家后来家喻户晓的互联网公司，移动增值业务收入占比极高，是移动梦网的分成救了它们。网易、新浪、搜狐同样靠短信分成熬过了互联网泡沫。

十几年后，这孩子用微信把运营商的短信和语音打没了。

国际对照，戏码差不多。

AOL 与时代华纳合并，接入商加内容商的世纪联姻，几年后爆出巨额商誉减值，成为史上最失败的并购之一。德国电信做 T-Online，法国电信做 Wanadoo，欧洲运营商的门户梦，后来剥离的剥离、衰落的衰落。

唯一做得像样的是 NTT DoCoMo 的 i-mode，推出后用户快速增长，开创了 emoji，话费代收让内容商放心入驻，是运营商做平台的巅峰之作。

但它是个封闭花园，用户只能上 i-mode 版的互联网，而不是完整的互联网。iPhone 一来，花园的墙就塌了。i-mode 活了二十多年，比任何一次向上爬都久，也终究没逃过被开放生态取代的命。

第一幕的教训，落在耦合度上。业务和电信技术耦合度高的时候，运营商是主导者。耦合度一旦降低，运营商就变成管道。移动梦网的成功和门户的失败，分野就在耦合度。

这个道理，我们当时不懂，后来懂了，也晚了。

只是那时候说的耦合，更多是技术和计费上的耦合；后来才明白，耦合还有客户、监管、合规这些维度，有些业务技术上可以解耦，商业和监管上却绕不开运营商。

第二幕，移动互联网，流量经营

微信上线一年后，点对点短信发送量见顶，运营商传出要对微信收费，舆论哗然，最后不了了之。话音收入开始下滑，运营商喊管道化。

应对分两路。一路向上爬。中国移动有飞信、九大基地、MM 商城，电信有天翼空间，联通有沃商店。

飞信最可惜，它比微信早几年，巅峰时注册用户规模超过5亿，但只对移动用户开放，给联通、电信用户发消息要按条收短信费，功能迭代慢半拍。后来改名和飞信，想转企业市场，又撞上钉钉和企业微信，最终停服。

九个基地散落全国，后来内容类五大基地整合为咪咕文化。应用商店全军覆没，App Store 和安卓市场不是运营商能打的仗。

这些项目的宣传一个比一个漂亮，但上线一个比一个安静。

另一路是流量经营。不往上爬了，把管道本身卖好。4G 一开，流量收入几年内就成了运营商的第一收入来源。这一轮，运营商靠把管道经营好活了下来，而且活得不错。

流量为什么能成？因为流量本身就是电信产品，用户用多少、怎么用，都绕不开那张网。耦合度又回来了。

这一轮运营商算是学乖了，不折腾了，反而活下来了。

国际对照，AT&T 不信这个邪。宣布巨额收购时代华纳，要做管道加内容，几年后宣布剥离，再与 Discovery 完成合并。巨额买来的教训是，运营商做内容，主场不在自己手里。

这一轮也让人第一次清楚看到： 赚到钱和拿到话语权，完全是两码事。

流量经营在收入上无疑是成功的。但在产业控制力上，运营商仍然更多是管道，而平台和控制点，长在操作系统、应用商店和超级 App 手里。

第三幕，云时代，三家做云

数据中心建了一堆，云厂商在上面跑，运营商怕自己变成房东，租客赚大钱，自己收租金。于是三家都做云。

这一轮是向上爬最成功的一次。三家云收入连续多年高速增长，靠政务云、国资云冲进第一梯队。天翼云做到千亿级别，混合云市场份额靠前。

到了后来，增速集体踩了刹车。几家云的增速明显放缓，而互联网云厂商普遍保持较高增速。阿里云份额继续上升，华为云、腾讯云也稳步扩张。

原因不复杂。政企上云的红利逐渐见顶了，而 AI 原生云对模型、平台和开发生态的要求，也不是传统运营商的优势所在。

运营商云爬上了云这座山，发现山顶上还是靠资源吃饭，从通信管道变成了算力管道。 爬得越高，看得越清楚，山顶上还是那张网。

但这一轮和以前不一样。云不是单纯的应用，它离网络、离机房、离客户现场更近。

在通用公有云那一层，运营商确实更像资源型管道，连数据中心之间的干线（DCI）也被大厂商自建分流掉了不少；但在政务云、行业云，以及"专线 + 云 + 安全"一体化交付这些环节，运营商在接入侧的物理覆盖、国资背景信任和监管法规壁垒，又构成了极高的耦合深度。

收入上，云已经是运营商的重要支柱；话语权上，有些环节还在争夺之中，远没到盖棺定论的时候。

第四幕，AI 时代，Token 经营

剧本又来了，但背景已经不同。顶级通用大模型是别人的，入口是别人的，运营商手里只有算力和那张网。

于是做 Token 经营，做算力分发，做算力网络，建智算中心。三大运营商也陆续推出 Token 套餐，把自己的模型、第三方模型和算力资源放进统一的平台里。

这次手里多了一张牌，算力。以前运营商只有管道，现在管道两头还连着机房。

但模型厂商和路由平台也在往上爬，OpenRouter 们正在把模型路由做成新的入口。

Token 经营到底是流量经营的翻版，还是门户的翻版，要等三五年才知道。 反正剧本我熟，等就是了。

但这一次，有些环节可能不一样。

纯转售模型 API、简单打包 Token 套餐，这些很容易退化成资源型管道，拼价格、拼带宽，最后回到"算力管道"的老路。

跨数据中心的连接、算力调度、企业级模型服务，以及合规和数据主权，这些东西都离不开网络、机房和本地化服务。运营商手里的这些资源，也许会形成新的控制点。

Token 能不能真正变成运营商的业务，收入只是一个方面。更值得看的，是哪些环节最终绕不开运营商。

剧本有相似之处，也有本质不同

剧本有相似之处。新技术来了，价值往上游和下游跑，运营商被夹在中间，于是焦虑，于是向上爬，于是发现爬上去的地方不全是自己的主场。药方也似，还是做平台，做入口，做生态。

而这种焦虑，也一次次传递给我们。运营商担心被云厂商架空，我们就研究云、算力、DCI；到了 AI 时代，又开始研究 Token、算力调度和 AI 入口。

但每一次真正留下来的，还是那张网。

回头看三十多年，运营商有过一次不再向上爬的应对，就是流量经营。它承认自己就是管道，把管道本身经营好。短信、流量这些与网络高度耦合的业务，最终都成了运营商的重要收入来源。门户、基地、应用商店、很多爬上去却都没站稳；云、Token 经营，则还在路上。

但我渐渐明白：管道不是问题，管道能力才是。

把管道经营好，不再是简单地卖带宽、卖流量。政策法规、物理部署和本地化服务这些东西，恰恰是运营商不容易被绕开的地方。

下一次技术变革来的时候，运营商大概还是会焦虑，还是会向上爬，这没什么可耻的，焦虑是活着的证明。

只是三十多年看下来，我越来越觉得，运营商未必非要成为每一轮新技术的主角。把自己的网络真正变成别人绕不开的基础能力，也许就已经够了。

三十多年，四幕戏，我一场没落。下一场开演的时候，我大概已坐在台下，看年轻人再演一遍。

从 Anthropic 报告谈起，一个不容忽视的安全问题

Sun, 13 Sep 2026 07:40:00 +0800

云端 AI 服务的可见性

近日，Anthropic 发布了关于模型输入风险、凭据滥用、供应链攻击、越权访问以及 AI 应用安全的研究和威胁情报报告，再次引发了业界对大模型安全问题的关注。

报告本身当然值得关注。但从另一个视角看，更值得关注的其实是报告背后的一个问题：为什么 AI 服务商能够发现、分析和还原这些攻击行为？

一个重要原因是，在现有主流云端 AI 服务架构中，用户与 AI 的交互发生在服务商控制的计算和服务环境中。用户请求最终需要进入服务端的计算链路，由模型完成 Tokenization、推理以及必要的工具调用；与此同时，服务侧还可能产生与请求相关的安全检测、会话信息、调用记录和其他遥测数据。具体哪些数据会被记录、保留多久、是否用于模型改进，取决于各服务商的产品策略、企业协议和合规要求；但从架构上看，服务侧至少需要获得足够的明文或明文派生数据，才能完成推理和基础的安全检测。

这些信息使服务商具备了对 AI 交互过程进行观测、关联和分析的能力，从而能够在一定条件下识别异常行为、分析攻击链条，甚至还原部分攻击过程。

当然，这并不意味着服务商可以任意查看所有用户数据，也不意味着所有请求都会被完整保存。具体能够看到什么、记录什么、保存多久，取决于具体服务的架构、产品策略和安全机制。

但从架构层面看，一个基本事实是明确的：只要 AI 推理发生在服务商控制的计算环境中，用户数据就必须进入一种能够被该计算环境处理和理解的状态。对于文本、代码、文档等数据而言，这通常意味着数据本身以人类可理解的形式进入服务端，或者经过 Tokenization 等处理后，仍然保留能够被模型解析和推理的信息，而不是像端到端加密那样始终保持为服务端无法理解的密文。

这与传统意义上的端到端加密通信存在一个根本区别。

在端到端加密场景中，服务提供者可以负责传输和转发数据，但通常无法获得应用层的明文内容；而在云端 AI 推理场景中，模型本身必须对用户输入进行计算，因此服务端计算环境必须能够获得并处理相应的数据。

这就带来了一个过去并不那么突出的安全问题：当数据进入计算环境之后，如何保护它？

这个问题对于企业用户尤其重要。

当企业把源代码、内部文档、客户资料、业务数据甚至核心知识交给 AI 进行分析时，安全边界已经不再只是“数据在网络上传输时是否被窃取”，而进一步涉及：

数据进入 AI 服务后的处理过程；
模型推理过程中的数据保护；
上下文、缓存和中间数据的安全；
AI Gateway、日志和监控等服务环节；
第三方代理、插件以及工具调用形成的新数据链路。

因此，AI 时代的数据安全边界正在发生一个重要变化：传统网络安全关注数据如何安全地传输和存储，而 AI 进一步提出了一个问题，数据如何在计算过程中保持安全。

这也是为什么 Confidential AI、可信执行环境、Confidential GPU、私有化 AI 以及安全 AI Gateway 等技术开始受到关注。

对于运营商而言，这意味着需要重新审视 AI 基础设施的安全边界，以及自己在这一新的安全边界中能够承担什么样的角色。

AI时代的数据安全边界正在发生结构性变化

在传统互联网体系中，数据安全的核心边界相对明确：

确保数据在网络传输过程中不被第三方获取。

因此形成了 HTTPS、TLS、VPN、IPSec 等成熟的网络安全体系。用户发送数据之前进行加密，数据通过网络传输，服务器收到以后再解密处理。对于中间网络而言，看到的主要是一段不可理解的密文。这种安全模型在过去几十年中非常有效。

但生成式 AI 改变了数据的使用方式。

企业今天交给 AI 的，往往已经不是普通的互联网信息，而是越来越有价值的生产数据：

源代码、内部文档、客户信息、网络配置、业务流程、生产数据以及企业知识库。

这些数据进入 AI 服务以后，不再只是“经过网络”。它们还要被：

理解、转换、计算、缓存和生成。

一次典型的 AI 请求，大致会经历：

用户 → API 网关 → 应用服务 → Token 化 → 模型推理 → GPU 计算 → 返回结果

用户请求通过 HTTPS 加密（TLS）传输到云端后，需要在服务端完成解密、解析和后续计算。文本经过 Tokenization 等处理后，进一步转换为模型可以计算的数值表示，进入推理引擎和 GPU 完成计算。

当企业应用的信息通过加密进入AI服务的入口后，转换成可被大模型计算的数据，之后的每一个环节都可能形成新的数据安全隐患。因此，AI 时代安全与传统网络的主要变化就在于：过去主要关注 数据在网络中是否安全 ，而现在还必须关注： 数据在计算过程中是否安全。

为什么数据到了 AI 服务端必须被“看见”？

LLM 的数据处理流程决定了这一点

大模型推理并不是简单地把一段文本送进一个“黑盒”。

一次典型的文本LLM 交互大致经历以下环节：

用户客户端通过 HTTPS（TLS）将文本请求发送到云端 API 网关；
TLS 在网关或负载均衡处终止，被解密为明文数据（包含 Prompt、上下文、参数等）；
服务将文本送入分词器（Tokenizer）转换为 Token ID 序列，再映射为高维向量（Embedding）；
这些向量以浮点数矩阵形式进入 GPU 显存，参与大模型计算。

在这个过程中： TLS 只保护“网络传输阶段” ，一旦到达云端网关就被解密，后续在应用层、推理引擎和显存中均以明文或明文派生形式（Token ID，向量等）存在；拥有服务器权限的运维人员、被攻破的服务进程、以及拿到日志/追踪数据的攻击者，都有能力读取这些内容。

这就是传统传输加密与 AI 计算之间的边界。

澄清误区：Token 化与向量不是加密

部分人存在一个误解：认为文本进入大模型前被分词并转成 Token ID（如把 “Hello” 转成

\[9906\]

），或者转成高维向量（Embedding），就相当于完成了“加密”，这种认识是错误的。

Token化（分词）是公开编码，而非加密，原因是分词只是基于公开词表（如 BPE 算法）进行的确切语义映射与离散化编码，类似将英文字母转为 ASCII 码。任何人拿着公开词表调用 decode() 函数，都能无损还原原始文本。

而向量则是保留明文语义，Embedding 是为模型计算设计的语义表示，保留了高精度的空间与语义关联。研究显示，在特定攻击模型和假设条件下，攻击者有可能从这些向量中部分反推原始文本或推断敏感属性，因此不能把向量化理解为“安全转换”。

所以Token化和向量依然属于“明文数据（plaintext）”的派生表示。只要数据以这种形式在服务侧流转或在显存中计算，数据泄露风险就依然存在。

为什么不能即时通信那样做“端到端加密”？

传统即时通讯的端到端加密（E2EE）要求服务器只做中转，不理解内容：客户端 A 加密，客户端 B 解密，中间服务器看到的只是一堆无意义的密文。

但大模型推理的基本条件就是“ 服务商的大模型必须深度理解文本 ”，总结下来，主要有两点制约了采用加密数据进行大模型计算。

• 语义破坏 ：现代加密算法（如 AES-256）的目标之一，是让不知道密钥的观察者无法从密文中识别原始数据的结构和规律，理想情况下，密文在统计上应呈现接近随机的特征。对于没有密钥的大模型而言，加密后的文本表现为近似随机的序列，其中原有的词汇、句法、语义和上下文关系都不可直接获得。将这样的密文直接用于普通大模型训练，模型无法从中学习原始数据所包含的语言和知识规律，因此无法训练出具有相应语义能力的模型。
• 计算局限 ：普通大模型的推理需要将输入转换为 Token，并进一步形成模型可以进行数值计算的表示，再通过 Transformer 的矩阵运算完成推理。AES 等传统加密产生的密文不能直接作为具有原始语义的输入参与这一过程；在没有专门隐私计算机制的情况下，数据需要先在受信任的计算环境中解密，再转换为模型可以处理的表示。

大模型要能工作，就必须“看懂”原始内容，这本身就决定了它在服务侧不可能处于传统意义上的加密保护状态 。问题也由此发生了变化，过去需要解决的是“ 传输过程中的数据保密 ” ，现在需要进一步解决" 计算过程中的数据保密 ”。这就是所谓的 计算安全 。

从传输安全走向计算安全：两条技术路线

如果希望 AI 在处理数据的同时，又尽可能减少计算环境对数据的暴露，目前大致存在两条技术路线。

全同态加密：密码学上的长期方向

全同态加密（FHE）的核心思想非常直接：允许直接在密文上进行加减乘除等运算，解密后的结果与在明文中计算完全一致。这是一个非常理想的方案。但问题在于计算效率。

现代大模型涉及巨量矩阵运算，同时还包含注意力机制和各种非线性计算。在这些复杂计算场景下，FHE 仍然面临较大的性能和工程成本。在当下，用 FHE 运行大模型生成一个词可能需要数十分钟，暂不具备商业实用性。因此现阶段更适合把它看成： 值得长期关注的密码学技术方向，而不是当前大规模通用 LLM 推理的主流工程方案 。

硬件机密计算（TEE / Confidential AI）：工程上的最佳现实解法

另一种思路完全不同。利用现代芯片（如 Intel TDX、AMD SEV-SNP、NVIDIA H100/B200、远程证明 + 密钥管理）在 GPU 和 CPU 内部搭建硬件级物理隔离的“黑盒飞地（Enclave）”。它并不试图让 AI 永远看不到数据。而是基于一个现实： AI 必须看到数据才能计算。 那么需要解决的就是： 能不能让只有可信计算环境看到这些数据？

这就是 Confidential Computing 和 Confidential AI 的核心思想。其原理就是：数据在用户端通过密钥加密；密文通过加密通道（如 attested TLS）进入芯片内部的硬件安全区；仅在飞地内部解密并计算，计算结果加密后再输出。这种方式的优势在于： 在 TEE 实现本身未被攻破、远程证明可信的前提下 ，哪怕云服务商的运维人员或操作系统被彻底攻破，也无法读取 TEE 内部的内存明文。其性能损耗通常仅在 2%–7% ，多数场景低于 5%，是目前较为可行的“硬件级安全计算端到端保护”方案。

需要强调的是，真正的“机密推理”不是简单打开某个 GPU 的安全功能，而是要把 CPU、GPU 和两者之间的数据传输一起保护起来，并在计算开始前确认整个环境是可信的。

防患于未然：应用部署层面的安全防护措施

在计算安全技术没有大规模应用普及之前，企业在部署 LLM 应用时，可以根据数据敏感程度采取分层防护措施。

客户端与网关侧：动态数据脱敏（Masking & Redaction）

在数据离开企业内网之前部署 AI 网关或脱敏中间件，利用规则和模型识别 API Key、身份证号、客户信息、财务数据等敏感内容，并用占位符（如 [USER_1] ）替换后再发送给公网大模型，返回结果后在企业内部完成还原。

这种方式对结构化敏感信息比较有效，但对于上下文中隐含的敏感信息，以及通过多轮对话逐步暴露的信息，仍然存在识别遗漏的风险。

云端服务侧：严格控制数据留存（Zero Data Retention）

对于需要使用公网大模型、但又不希望数据长期留存在服务商侧的场景，应优先选择具有明确数据留存和训练使用策略的企业级 API 服务，并通过合同、配置和审计等方式进行约束。

需要注意， ZDR 的核心是“不留存”或尽量减少留存，并不意味着数据在 GPU 中推理时就自动处于不可见状态 。如果对计算过程本身也有较高的安全要求，则需要进一步采用机密计算等技术。

部署形态侧：敏感场景采用本地私有化部署（Local LLM）

对于核心代码、重要内部资料以及高度敏感的业务数据，可以将模型直接部署在企业私有云或内部计算节点中，使用 Ollama、vLLM 等推理框架运行开源模型。

这种方式的核心优势是 数据不需要离开企业控制范围 。但本地部署并不意味着“天然安全”，企业仍需负责模型更新、系统安全、访问控制、数据管理以及 GPU 资源和运行成本。

因此，实际部署中可以根据数据敏感程度形成简单的选择：

一般数据 → 云端 AI

敏感数据 → 脱敏后使用云端 AI

核心数据 → 企业私有化部署

这比试图用一种技术解决所有 AI 数据安全问题，更符合目前的实际情况。

对电信运营商的深刻启示

作为拥有庞大网络基础设施、海量高价值用户数据以及承接大量政企信息化建设的运营商（如中国联通、中国移动、中国电信）来说，Anthropic 的报告提供了极具战略价值的启示。AI 时代，运营商参与 AI 安全，不能理解为增加一个新的安全产品，而应充分发挥自身在 网络、云、算力和边缘资源 方面的优势，逐步从“提供连接”向“提供可信的 AI 基础设施”延伸。AI 数据安全将成为运营商进入这一领域的重要切入点。过去运营商解决的是 “企业如何连接云” ，AI 时代可以解决 “企业如何安全地连接 AI” ，再进一步则是 “企业如何获得可信的 AI 计算环境” 。

从连接安全向 AI 使用安全延伸

通过增强AI智能网关能力，将 AI 访问纳入运营商现有的政企网络和安全服务体系。

重点不是运营商自己去做一个大模型，而是帮助企业解决AI 可以访问什么、数据能不能出去、应该使用什么模型，以及整个使用过程如何管理。将 AI 安全与政企专线、云联网、SD-WAN 等现有业务结合，逐步形成面向企业的 AI 安全接入能力。

从提供算力向提供可信 AI 计算环境发展

随着 GPU 算力逐步成为基础资源，单纯提供 GPU 的差异化空间将大大压缩。

运营商可以进一步强化 AIDC 的 可信计算和安全保障能力 ，面向金融、政务、能源、工业以及大型企业等高敏感客户，提供从网络连接到 AI 计算的一体化可信环境。

发展方向可以概括为： 从“卖算力”向“提供可信的 AI 计算服务”转变 。

发挥网络和边缘资源优势，发展分布式 AI

AI 的计算位置将不再全部集中于少数大型数据中心。

运营商应利用现有的省、市、县、园区和企业节点资源，根据业务对时延、数据安全和算力的不同要求，推动 AI 能力向网络边缘延伸。形成 中心算力负责通用 AI，边缘算力支撑低时延场景，本地算力承载高敏感业务 。通过云边协同，使运营商广泛分布的网络和机房资源转化为 AI 基础设施优势。

从单点能力建设走向云—网—边—算一体化

运营商最大的优势并不是掌握某一项 AI 安全技术，而是能同时掌握 网络连接、数据传输、计算资源和分布式节点 ，形成系统级的可信 AI 基础设施解决方案。通过逐步打通 AI 接入、网络连接、算力部署和安全管理，形成统一的 AI 基础设施服务体系，最终实现： 让数据去合适的地方、让 AI 在合适的位置计算，并让整个过程可控、可管、可信。

结语：AI时代的安全边界正在进入“计算内部”

AI 的发展正在改变数据安全的边界。

过去，重点是保护数据在网络传输和存储过程中的安全；现在，企业越来越多地将代码、文档、客户信息和业务数据交给 AI 处理，安全问题进一步延伸到了 数据进入计算环境之后 。因此，AI 时代的数据安全正在从： 传输安全 → 计算安全 → 全生命周期安全。

对运营商而言，在 AI 安全领域的演进可以归纳为一条主线： 从“保障网络连接安全”，向“保障 AI 使用安全”，进一步向“提供可信 AI 基础设施”演进。 其核心不是与专业 AI 厂商竞争模型和算法，而是发挥运营商 网络、云、算力和边缘资源的综合优势 ，成为企业 AI 应用与算力基础设施之间可信赖的连接者、服务者和安全保障者。

最终需要解决的核心问题其实也很简单： 让数据安全地到达 AI，让 AI 在可信的环境中计算。

中国电信智传网 AI Flow：极低速率“感官无差别传输”到底有多可信？

Wed, 02 Sep 2026 08:05:00 +0800

中国电信“智传网（AI Flow）”提出的生成式智能传输，并非单纯概念包装：其核心技术路线和部分极低码率实验结果具有较充分依据。但“0.02% 压缩率”和“感官无差别”不能理解为任意视频的 5000 倍无损压缩，而是面向感知与任务有效的生成式通信。

智传网（AI Flow）到底是什么

智传网是中国电信人工智能研究院（TeleAI）提出的生成式智能传输体系，其核心不是继续“把传统视频编码压得更狠”，而是 改变通信系统传输的信息对象 。

传统视频通信基本遵循：

原始视频 → H.264 / H.265 / H.266 等编码 → 比特流 → 网络传输 → 解码 → 视频

AI Flow 则更接近：

原始视频 → 语义 / 特征 / 运动信息提取 → Token / 紧凑表示 → 低码率网络传输 → 生成式模型 → 重建视频

也就是说，它利用 AI 模型的先验知识，在接收端“补全”大量没有显式传输的信息。

所谓“比特流向词元流转变”，真正含义是： 通信系统从传输完整数据，逐渐转向传输能够支撑目标任务的高价值信息。

从这个角度看，AI Flow 更接近“ 语义通信 + 生成式模型 + 通信系统 ”的融合。

“极低速率、感知近似无差异”的技术依据

目前公开资料中已经有几组代表性指标。

中国电信公开资料显示，在卫星等弱网环境下，AI Flow 视频传输带宽可控制在 14–144 Kbps 区间；
在相关应急通信测试中，展示了约 110 Kbps、720P 视频实时传输 的能力，并强调重建视频在清晰度、流畅度和业务效果上与原视频接近；
TeleAI 的生成式视频压缩（GVC）论文进一步给出更极端实验结果：在特定视频和实验条件下，码率可达 0.005 bpp ，主要实验结果约为 0.008 bpp ；部分视频序列上，相对传统方法达到相近感知质量所需码率可大幅降低；
公开资料中还出现了 0.02% 压缩率 等极端指标。

这些数据共同说明：

在特定视频内容、特定模型和特定感知目标下，生成式视频传输确实能够进入传统视频编码难以达到的极低码率区间。

但必须明确区分：

“0.02% 的极端实验码率”与“14–144 Kbps 的实际弱网测试”是两个不同层次的指标。

前者主要证明技术的理论和实验潜力，后者更接近完整通信系统的工程验证。

因此，目前更有工程意义的证据是 百 Kbps 级视频传输 ，而不是简单强调“5000 倍压缩”。

为什么如此低的速率在技术上是可能的？

关键不在于 AI 找到了一个“违反信息论”的新压缩算法，而在于：

接收端已经拥有大量信息。

以固定摄像机持续拍摄一条道路为例。

传统编码器需要不断编码：车辆、道路、建筑、天空、光照、纹理、人物、运动……虽然 H.265 等编码器能利用帧间相关性减少重复数据，但仍需通过码流表达足够多的像素信息。

生成式传输则可以进一步利用：

固定摄像机＋固定背景＋历史帧＋场景模型＋生成模型

那么网络真正需要传输的主要是：

车辆出现 → 位置变化 → 速度变化 → 人物运动 → 局部视觉特征

接收端利用已有模型和历史状态，将这些信息重新生成完整画面。

因此：

传输信息量＜最终呈现信息量

并不是系统“凭空创造信息”，而是：

📌 大量信息已经由模型、历史状态和共享先验承担

这正是生成式通信能够突破传统像素级编码码率限制的核心原因。

“0.02% 压缩率”究竟应该怎样理解？

如果把一段视频从 100 MB 变成 20 KB，却仍要求接收端逐像素、逐帧恢复原始视频，那么这种意义上的“5000 倍无损压缩”显然不成立。

AI Flow 的逻辑实际上是：

原始视频 ├─ 人眼真正需要的信息 ├─ 机器真正需要的信息 └─ 可以由模型预测的信息 ↓ 只传输前两类 → 接收端生成第三类

因此：

AI Flow 压缩的不是“原始信息本身”，而是“为了获得目标感知结果而必须通过网络显式传输的信息”。

这一区别非常关键。

如果目标是 人眼观看 ，某些像素级差异可以接受；
如果目标是 目标检测 ，只要目标位置、类别和运动状态准确即可；
如果目标是 事件识别 ，甚至不需要完整恢复视频，只需让接收端准确理解“发生了什么”。

因此，生成式通信的码率实际上与 任务目标 高度相关。

“感官无差别”是否意味着真的没有区别？

严格来说，不应理解为“无损”。

更准确的说法是：

主观感知近似无差异，或者感知质量接近原始视频。

例如原视频中一个人物拿着一个杯子。

AI 模型可能生成：

“一个人拿着一个杯子。”

在人眼看来，两幅画面可能几乎没有区别。但如果逐像素比较：

原始视频 ≠ AI 重建视频

甚至可能出现一些细节偏差，例如：

人脸细节变化
文字发生变化
Logo 被重新生成
细小纹理变化
物体边缘发生变化
快速运动时出现生成误差

因此：

📌 感知等效 ≠ 数据等价

这也是 AI Flow 与 H.265 / H.266 等传统视频编码体系之间最根本的区别之一。

真正值得关注的是“模型先验成为通信系统的一部分”

传统通信系统可以简单描述为：

Source → Encoder → Bits → Network → Bits → Decoder → Source

而生成式通信则变成：

发送端：视频 → Semantic Encoder → Token / Feature → 网络

接收端： Token / Feature → Generative Decoder ＋历史状态＋模型先验 → 视频

因此，通信系统实际上增加了一个过去没有的重要组成部分：

生成模型及其先验知识。

从这个意义上讲，AI Flow 并不是简单地“压缩得更厉害”，而是 把一部分原本需要由通信网络承担的信息传输任务，转移到了计算和存储上 。

可以表示为：

📌 Bandwidth ↔ Computation ↔ Memory

这也是生成式通信真正具有研究价值的地方。

这是否突破了 Shannon 信息论？

不能这样理解。

Token 最终仍然需要通过网络编码成 Bit：

Token → Binary Representation → Modulation → Physical Channel

因此 AI Flow 并没有从物理层面消除 Bit，也没有违反 Shannon 信道容量理论。

它真正改变的是：

通信系统究竟需要传输什么。

传统通信关注： 如何准确恢复数据

语义通信关注： 如何准确恢复信息含义

生成式通信进一步关注： 如何用最少通信资源获得有效感知或完成任务

因此更准确的说法不是：

“AI Flow 突破了信息论极限。”

而是：

AI Flow 突破了传统像素保真型视频传输模式的应用边界。

这两种表述的技术含义完全不同。

为什么监控、卫星和应急通信特别适合 AI Flow？

AI Flow 并不是对所有视频都同样有效。其优势最大的场景通常具有以下特征：

① 场景具有高度稳定性

例如：

固定摄像机 → 固定背景 → 有限运动目标

模型非常容易预测大量未变化的信息。

② 带宽非常昂贵

例如：

卫星通信
远洋通信
应急通信
空天地一体化通信
偏远地区通信

如果传统视频需要 1 Mbps，而生成式传输只需要 100 Kbps，那么牺牲一定计算资源换取 90% 的带宽节省，可能具有很高的经济价值。

③ 用户更关心“发生了什么”

监控视频往往不是为了逐像素分析，而是为了：

看清楚人、车、事件和运动。

这恰好与生成式通信的目标一致。

因此，AI Flow 目前最值得关注的商业价值，并不是马上替代互联网视频编码，而是：

在极端弱网条件下，把原本无法传输的视频变成“可用的视频”。

目前最大的工程限制是什么？

AI Flow 目前真正需要继续验证的，不是“能不能把码率做到很低”，而是能否同时满足：

📌 低带宽＋低延迟＋低功耗高质量＋高鲁棒性

这五个指标之间存在明显的 Trade-off。

① 计算成本

生成式视频重建显著依赖 AI 推理能力。

传统 H.265 解码可以在大量低功耗芯片上完成，而生成式视频解码需要更强的 AI 算力。

因此：

节省的是网络带宽，但增加的是计算资源。

② 实时性

生成式模型需要进行推理和生成，这可能增加端到端时延。

对于视频监控，问题可能不大；但对于远程操控、机器人、无人驾驶、实时互动等场景，则需要严格控制延迟。

③ 生成错误

传统视频解码的错误通常来自“数据损坏”。

生成式通信还可能出现“模型理解错了”，例如：

• 原始：红色车辆 → 生成：黑色车辆
• 原始：ABC123 → 生成：ABC128

对普通观看而言可能没有影响，但对于取证、工业检测、医学影像和高精度机器视觉而言，这种错误可能是不可接受的。

因此不能简单说 AI Flow 将取代 H.265/H.266

至少目前没有充分证据支持这一判断。

更可能出现的未来形态是：

AI Flow ├─ 极弱网 → 生成式传输 └─ 正常网络 → H.265 / H.266 ↓ 自适应选择

也就是说：

生成式传输更可能首先成为传统视频编码体系之外的一种新模式，而不是立即取代传统编码器。

特别是在正常宽带、移动互联网和视频平台场景中，H.265 / H.266 / AV1 等技术仍具有成熟的生态、硬件加速和确定性优势。

从运营商角度看，AI Flow 真正重要的不是“压缩率”

如果站在通信运营商的角度，AI Flow 真正值得关注的战略意义其实更深。

传统通信网络：

📌 传输数据

AI 通信网络：

📌 传输语义、Token、状态和任务信息

这意味着网络可能出现一个新的优化目标：

📌 Utility / Bit

即：

每一个 Bit 能够产生多少有效感知或智能价值。

未来甚至可以进一步演化为：

Bit/s → Token/s → Task/s → Inference/s → Intelligence/s

这意味着通信网络的价值评价体系可能从：

“能够传多少数据”

逐渐转向：

“能够以多低的通信成本产生多少有效智能。”

这可能比单纯的视频压缩技术本身更值得运营商关注。

对 AI Flow 的综合可信度评价

① AI Flow 是真实技术体系 ｜★★★★★
已有中国电信官方资料和论文支撑

② 采用生成式/语义传输 ｜★★★★★
技术路线明确

③ 通过计算换带宽 ｜★★★★★
核心机制成立

④ 14–144 Kbps 弱网视频 ｜★★★★☆
已有公开工程测试

⑤ 约 110 Kbps 传输 720P ｜★★★★☆
有实际演示/测试依据

⑥ ＜100 Kbps 传输 1080P ｜★★★☆☆
需要更多独立、可复现数据

⑦ 0.02% 极端压缩率 ｜★★★★☆
有论文实验依据，但属于特定条件

⑧ 普遍 5000 倍压缩 ｜★☆☆☆☆
不应由公开数据推导

⑨ 感知上接近原视频 ｜★★★★☆
与生成式通信目标一致

⑩ 像素级无损 ｜☆☆☆☆☆
技术目标本身就不是这个

⑪ 任意视频均适用 ｜★☆☆☆☆
泛化能力仍是主要问题

⑫ 已全面替代 H.265/H.266 ｜★☆☆☆☆
目前没有充分证据

⑬ 卫星/应急/监控应用价值 ｜★★★★★
与技术特点高度匹配

⑭ 成为未来通信新范式 ｜★★★★☆
技术方向具有较高战略价值

结论｜可信，但必须重新定义“压缩”

综合来看，中国电信智传网 AI Flow 的核心技术并不是“AI 把视频无损压缩了 5000 倍”，而是：

通过语义提取、紧凑表示、模型先验和生成式重建，把“传输完整视频”转变为“传输足以生成目标感知结果的信息”。

因此，0.02% 等极端码率具有实验技术依据，14–144 Kbps 的百 Kbps 级弱网视频传输也已经具有公开工程验证基础；但这些结果不能简单推广为所有视频均可实现数千倍压缩。

从技术成熟度看，AI Flow 已经越过“纯概念验证”的阶段，但距离成为面向任意视频、任意网络和任意终端的通用通信技术仍有明显距离。

其近期最现实的价值，是在卫星、应急、远洋、监控、空天地一体化等带宽极度稀缺的场景中， 以计算和存储换取通信带宽 。

更值得关注的是其背后的范式变化：

📌 从“传输数据” → “传输信息” → “传输语义” → “传输任务所需的信息”

如果这一方向持续成熟，那么 AI Flow 对运营商的意义将不再只是“又一种视频压缩技术”，而可能意味着通信网络开始从面向比特的网络，逐步向面向语义、状态和智能任务的网络演进。

参考资料

[1] 智传网（AI Flow）赋能视联网，破解空天地海弱网场景高清视频传输难题

[2] 从“光改”“云改”走向“智改”：WAIC 2026 透视中国电信 AI 范式革命

[3] 小耳朵·听世界 68：超神奇！不用传视频，屏幕也能变出高清画面？

[4] 中国电信人工智能研究院（TeleAI）发布智传网（AI Flow）关键突破

[5] 中国电信“翼锋·智传网（AI Flow）应急系统”为应急救援提供坚实保障

AI时代运营商光缆基础设施商业模式重构——从光传输服务到光纤资源与网络控制权开放

Mon, 31 Aug 2026 07:45:00 +0800

摘要

人工智能大模型的发展对数据中心互联（Data Center Interconnect，DCI）的传输容量、时延、可靠性和扩展能力提出了更高的要求。与传统企业专线和云连接业务相比，AI 训练、推理以及多数据中心协同对高通量的传输带宽持续占用程度更高，网络成本在整体基础设施成本中的重要性也随之上升。在这一背景下，当长期稳定的 DCI 容量需求达到一定规模后，持续向运营商租用高速电路的经济性可能下降，而租用暗光纤、采用托管光网络（MOFN）、长期 IRU，乃至参与建设专用光网络的经济性则可能逐渐显现。

因此，AI 对运营商网络商业模式产生的真正影响，并不是简单地把市场从"电路出租"推向"光纤出租"，而是使 网络基础设施的控制权开始具有独立的商业价值 。客户可以根据自身的规模和技术能力，在电路、波长、托管光网络、暗光纤、长期使用权以及联合建设等不同层级之间进行选择。运营商则需要从单纯销售带宽，转向对光纤、光层、路由、机房、电力以及运维能力等基础设施资源进行分层产品化和定价。

值得注意的是，光缆租用模式的成功不仅取决于"是否率先推出"，更取决于 运营商自身的光缆资源禀赋 。资源占优的运营商可能通过光缆租用进一步巩固市场地位，而资源薄弱的运营商可能面临"起个大早，干个晚集"的风险。

同时，结合三大运营商当前均具备自研模块化波分（电信叫DCI-BOX，移动叫极简OTN）设备的软硬件能力，运营商完全可以将“自研波分硬件 + 物理纤芯”进行深度打包。这种“软硬一体”的组合模式，既为客户大幅降低了自建光网络的设备采购门槛与技术对接成本，又避免了运营商陷入纯纤芯出租的“管道化”陷阱，为网络控制权分层开放探索出一条兼具毛利与粘性的中国特色演进路径。

国际市场已经出现这一趋势的不同形态。Verizon 与 Google 的大额暗光纤协议、Zayo 与 NVIDIA 以锚定客户推动长途光纤建设，以及香港电讯提供的 3.2Tbps AI DCI Superhighway，分别代表了物理光纤开放、基础设施投资前置以及高等级托管网络三种不同路径。与此同时，2026 年 ACG Research 对 Wavelength、MOFN 和 Dark Fiber 的 TCO 比较进一步表明，在较低带宽水平下波长服务具有成本优势，而进入多 Tbps 规模后，MOFN 和 Dark Fiber 的经济性开始增强。

由此可以认为，AI 时代运营商面临的核心问题并非是否放弃电路业务，而是如何识别不同客户的经济性拐点，并将网络控制权设计为具有不同价格、责任和服务边界的产品体系。运营商未来的角色，也可能由传统的"网络服务提供者"进一步演变为"网络基础设施资产运营者"。

关键词： 人工智能；数据中心互联；DCI；暗光纤；MOFN；光网络；TCO；网络控制权；电信运营商；基础设施资产

问题的提出：AI 正在改变 DCI 的价值结构

人工智能基础设施的发展正在使数据中心从相互独立的计算设施逐步演变为由高速网络连接起来的分布式计算系统。大模型训练需要在多个计算节点之间持续交换模型参数、梯度和中间状态；训练数据集、检查点以及模型副本也可能在不同数据中心之间进行传输；在推理阶段，模型部署又可能从单一数据中心扩展到多个区域和多个计算资源池。因此，AI 基础设施的计算能力与网络连接能力正在形成越来越紧密的耦合关系。

需要指出的是，AI 对网络的要求并不能简单概括为"必须使用微秒级网络"或者"必须实现绝对无损传输"。不同 AI 工作负载、不同网络架构以及不同训练并行方式对网络的要求存在明显差异。更准确的说法是，AI 集群通常更加敏感于网络吞吐、尾部时延、抖动、丢包以及拥塞，并且在大规模分布式训练中，网络性能下降可能转化为 GPU 利用率下降。因此，当计算集群规模不断扩大以后，网络已经从传统意义上的连接资源逐渐成为影响算力利用率的重要基础设施。

传统运营商提供的电路、专线和波长服务，本质上是将复杂的网络基础设施封装成一种标准化服务。客户购买的是一定的带宽、时延和可用性，而无需承担光纤、传输设备、线路维护以及光层故障处理等责任。这种商业模式的优势在于简单、稳定和可管理，也使运营商能够持续通过带宽升级获取增量收入。

然而，随着单个客户长期占用的 DCI 容量不断提高，这种模式可能出现一个重要的经济性变化。客户如果长期购买大量固定带宽，其累计支付的服务费用可能逐渐接近甚至超过直接控制底层光网络所需要承担的光纤租金、传输设备、运维以及冗余成本。在这种情况下，客户就有动力把网络控制边界向下移动，从购买"网络服务"转向购买"网络资源"。

这就是本文所讨论的 DCI 经济性拐点 。

因此，本文的核心问题不是"AI 是否需要更多光纤"，而是：

当 DCI 容量达到什么规模以后，客户购买运营商封装好的带宽服务将不再是最优解？

进一步的问题则是：

当客户开始愿意承担部分光层和网络运维责任以后，运营商应该开放多少控制权，以及如何对不同层级的控制权进行定价？

以及：

在三大运营商具备自研模块化波分设备的前提下，“自研硬件 + 纤芯”打包的融合模式如何重构 DCI 的商业边界与价值分配？

DCI 的经济性拐点：从"带宽价格"到"基础设施 TCO"

在传统网络业务中，客户通常根据所需带宽直接购买电路。例如企业需要 10G、100G 或 400G 连接，其主要决策变量是带宽价格、SLA 和服务商覆盖范围。对于一般企业而言，网络设备和光纤基础设施的规模相对有限，因此自行建设光传输系统所增加的资本开支和运维复杂度往往无法通过节省电路费用得到补偿。

但是，AI DCI 的经济性具有明显不同的特征。

假设客户需要长期维持一条高容量 DCI，传统电路模式的总拥有成本可以近似表示为：

电路 TCO = 带宽单价 × 带宽 × 租期 + 初装成本 + 其他服务成本

而暗光纤模式则可以近似表示为：

暗光纤 TCO = 光纤租金 + DWDM/相干光设备 + 光模块 + 机房及配套 + 运维成本 + 冗余成本 + 设备折旧

当 暗光纤 TCO < 电路 TCO ，并且这种成本优势能够持续覆盖客户承担的技术风险和资本成本时，客户才具有从电路转向暗光纤的经济动力。

因此，决定产品选择的并不是"AI"这个标签本身，而是几个更加具体的变量：长期带宽规模、线路距离、容量利用率、租期、设备成本、线路冗余要求、运维能力以及资本成本。

2026 年 ACG Research 对 AI DCI 光传输方案进行的 TCO 分析正是沿着这一逻辑展开。该研究比较了 Wavelength、Dark Fiber 和 MOFN 三种模式，认为较低带宽水平下 Wavelength 的 TCO 更具优势，而在多 Tbps 规模下，MOFN 和 Dark Fiber 的经济性开始增强；具体选择则受到带宽、距离、运营能力和增长需求等因素共同影响。

这意味着不存在一个适用于所有客户的"暗光纤拐点"。对于一条较短距离、长期高利用率的超大容量 DCI，客户自行建设光传输系统可能很快形成成本优势；对于距离较长、利用率较低或者需求存在较大不确定性的线路，即使带宽较高，运营商提供的托管服务仍可能具有更好的 TCO。

因此，所谓"AI 时代从电路转向光纤"，准确地说应该是：

当客户的长期容量需求、利用率和持续时间使底层基础设施的固定成本能够被充分摊薄时，网络控制权开始具有独立的经济价值。

这也是本文最重要的经济学基础。

技术推手：模块化波分加速拐点到来

传统的 DWDM（密集波分复用）系统通常是高度封闭、一体化的黑盒系统。电信运营商与企业客户必须绑定单一厂商的“WDM + OTN + 统一网管”。这种封闭体系不仅设备 CapEx 高昂、机房占用大、功耗高，且扩容与软件定义能力极差。如果客户在传统架构下尝试自建光网络或选择暗光纤模式，必须配备极其专业且庞大的光通信运维团队，成本与技术门槛极高。

然而， 模块化波分（Compact Modular Boxes） 的成熟，彻底打破了这一壁垒：

1. 软硬件解耦与开放光线路系统（OOLS）

解耦架构将“物理光缆+放大器/复用器（光层）”与“终端相干光模块/业务板卡（电层）”剥离。

业务层（Transponder） ：超大规模 AI 客户或云厂商可以直接在自研路由器/交换机上插拔标准的 800G/1.6T ZR+ 相干光模块 ，或者采购第三方白盒转接设备。
线路层（Line System） ：仅需租用运营商的物理光纤或点对点 OOLS 线路。
商业意义 ：客户不再需要为了升级带宽而整体更换昂贵的传统 DWDM 传输子架，从而 大幅降低了暗光纤模式下的 DWDM 设备 CapEx 与后续折旧成本 。

2.“自研波分 + 纤芯打包”：运营商提效防管道化的杀手锏

三大运营商当前在自研模块化波分/开放光传输设备上已具备成熟的技术沉淀（如自主定义的 Open-OTN 架构、DCI 盒式白盒设备与管控 API）。将“自研模块化波分硬件”与“暗光纤/专有光路”打包销售给 AI 客户，带来了三重商业赋能：

对客户：免去了向异构设备商采购昂贵传输子架的 CapEx，实现“开箱即用”；同时获得对外开放的自研 API（如 RESTconf/OpenCONFIG），可灵活进行光层监控与自配自调。
对运营商：摆脱了传统暗光纤出租“卖哑管道、低毛利”的困局，通过硬件销售/租赁+光路托管软件服务（SaaS/PaaS）提升了产品附加值，锁定了客户的生命周期价值（LTV）。
对生态：将原本黑盒的 DWDM 简化为标准化“网络基础设施积木”，降低了多 Tbps 规模下 DCI 基础设施的部署门槛。

3. 模块化波分（Compact Modular）降低运维与空间门槛

面向数据中心场景设计的模块化波分设备（如 1U/2U 盒式 DCI 设备）具备高密度、低功耗、标准 API（如 OpenCONFIG、NETCONF/YANG）以及“即插即用”的特点。

传统的波分系统需要复杂的人工光路调试与调纤，而模块化波分支持全自动的光层自适应调整与端到端可视化。
这使得 AI 企业的软件工程师能够像管理 IP 路由器或服务器一样，通过软件代码（NetOps/DevOps）直接调度光层波长与参数， 极大降低了客户接管光网络控制权所需的运维成本（OpEx） 。

4. 对 DCI 经济性拐点的直接影响

DWDM 解耦与模块化波分直接改变了暗光纤与托管网络（MOFN）的 TCO 计算公式：

由于设备资本开支（CapEx）与专业光网络运维门槛（OpEx）的双重下降， 的交叉点（拐点）被大幅左移 。

传统的 DCI 经济性拐点：

100G/400G 级 ——————–> 多 Tbps 级 (拐点) —> 客户转向暗光纤

设备解耦与模块化波分普及后： 100G/400G 级 —-> 800G/1.6T 级 (拐点提前) —————–> 客户转向暗光纤/MOFN

这解释了为什么超大规模 AI 客户不仅“想”要底层网络控制权，而且“能够”以极高的 ROI（投资回报率）接管光层。模块化波分使“控制权开放”从一种理论上的商业假设，变成了技术上高可行、经济上极具吸引力的现实选择。

为什么 SLA 保障服务不够？

一个不可避免的反驳是：如果运营商提供严格的 SLA 保障服务（如 99.999% 可用性、低时延、快速故障恢复），客户还有必要自建光网络吗？

对于大多数客户而言，运营商的 SLA 保障服务确实能够满足需求。但对于部分超大规模客户，即使运营商提供严格的 SLA 保障，其长期 TCO 仍可能高于自建光网络。此时， 网络控制权本身的经济价值开始显现 。

具体而言，超大规模客户自建光网络的额外收益包括：

自定义调制格式和 FEC ：根据训练任务特点优化光层参数；
快速扩容 ：无需等待运营商审批，自行增加波长或升级设备；
光层可观测性 ：实时监控光层性能，快速定位故障；
路由灵活性 ：根据计算拓扑优化光路选择。

而额外成本包括：

DWDM 设备投资 ：一次性资本开支；
运维团队建设 ：需要专业光网络工程师；
故障处理责任 ：需要自行承担光层故障修复。

当客户规模足够大、长期容量需求足够高时，自建光网络的额外收益可能超过额外成本，此时网络控制权开始具有独立的经济价值。

因此， SLA 保障服务与自建光网络并非简单的替代关系，而是适用于不同客户规模和经济性的两种模式 。

网络控制权分层产品体系

如果将网络控制权作为商业产品，可以构建一个从服务控制到基础设施控制逐步下沉的产品体系。

层级	产品	客户控制程度	典型客户	商业逻辑
L1	电路/OTN 专线	低	普通企业	购买封装后的网络服务
L2	波长服务	较低	中型云/AI 客户	购买独立波长容量
L3	自研波分 + 纤芯打包/托管光网络（MOFN）	中高	大型 /大中型AI 客户	租/购运营商自研波分（DCI-BOX/极简OTN）+纤芯，获得开放 API 控制权，运维双方分担/获得专用光网络能力，同时减少运维负担
L4	暗光纤	高	超大 AI 客户	客户自行建设光传输系统
L5	IRU/私有光网络	很高	超大规模云厂商	长期锁定物理网络资源
L6	联合建设/锚定客户	共同参与	超大 AI 基础设施客户	以长期需求支撑新增网络投资

第一层仍然是传统电路/OTN 专线 。客户购买的是封装后的网络容量和 SLA，运营商承担全部网络建设、设备配置和运维责任。这一模式最适合普通企业以及没有专业网络团队的客户。

第二层是波长服务 。运营商仍然负责光网络，但客户获得更加明确的独立波长资源。对于中型云客户和 AI 客户而言，这一模式能够在不增加大量运维负担的情况下提供较高的带宽扩展能力。

第三层是托管光网络（MOFN） 。客户开始获得一定的光层控制能力，而运营商继续承担相当部分的光传输运维责任。这一层适合已经具有较强网络能力，但又不希望完全承担光网络建设和运维责任的大型 AI 客户。

关于自研波分打包模式（L3）的商业定位与实践优势：在实际商业实践中，“自研波分 + 纤芯打包”填补了 L2（波长）与 L4（纯暗光纤）之间的巨大断层：

定位优势 ：相比纯暗光纤（L4），客户无需组建庞大的光传输硬件运维团队，也无需支付异构厂商的高昂设备溢价；相比纯波长（L2），客户获得了基于运营商自研设备开放 API 的“分钟级自动化开通”与“高精细度光层自观测”能力。
财务灵活性 ：可灵活采用“硬件一次性销售 + 纤芯月租”或“硬件与纤芯按月全打包（As-a-Service）”模式，极大适应了 AI 创业公司或中型算力集群的财务偏好。
责任边界清晰 ：运营商保障物理光纤与自研硬件底座的物理可用性，客户掌控业务调度与波长分配，实现了软硬件解耦下的最佳 SLA 平衡。

第四层是暗光纤 。客户租用物理光纤，自行部署 DWDM 或相干光传输系统。此时运营商的收入主要来自物理基础设施资源，而客户承担设备投资和光层运维责任。L4 与 L5 的区别在于租期和合同性质：暗光纤通常为短期或中期租赁（1-5 年），客户可提前终止；IRU 为长期不可撤销使用权（10-30 年），合同期内不可单方面终止，具有更强的资产属性。在实际商业实践中， 合同期限（如 5 年 vs 15 年）已不再是区分两者的绝对标准

第五层是 IRU 或私有光网络 。客户通过长期不可撤销使用权锁定物理网络资源，网络控制权进一步向客户侧转移。这种模式更加适合长期容量需求确定、网络价值较高的超大规模云厂商或超大规模 AI 基础设施客户。

第六层则是联合建设或锚定客户建设 。客户的长期容量需求成为网络建设的投资依据，运营商负责建设和运营网络，客户通过长期承诺获得容量保障，同时运营商可以利用剩余资源服务其他客户。

由此可以形成如下关系：

控制权越高，客户承担的 CapEx 和运维责任越大；控制权越低，运营商承担的基础设施成本越高，但可以获得持续性的网络服务收入。

因此，网络控制权本身实际上可以成为一种定价变量。

国际市场已经出现不同层级的商业实践

国际市场目前并没有形成"电路最终必然被暗光纤取代"的单一路线，而是正在形成包括 Wavelength、MOFN、Dark Fiber、IRU 以及 Anchor Build 在内的多层次商业实践。

2026 年 7 月，Verizon 宣布与 Google 达成价值超过 10 亿美元的多年期协议，为 Google 数据中心提供 Dark Fiber 连接。Reuters 报道称，Verizon CEO Dan Schulman 在公司业绩发布相关会议中表示，公司正在看到更多类似机会，并预计未来可能形成数十亿美元规模的相关业务。

这一案例的价值不在于合同金额本身，而在于运营商向超大规模客户开放了比传统电路更底层的物理网络资源。对于具有强大网络技术能力的 Hyperscaler 而言，Dark Fiber 允许其自行决定光传输设备和容量演进方式，从而将网络控制边界从运营商提供的"电路层"进一步下移到光层。

Verizon—Google 因而代表了一种典型的 Dark Fiber + 客户光层控制 模式。

与此同时，Zayo 的实践进一步体现了网络基础设施商业模式的变化。2026 年 4 月，Zayo 宣布已经获得一个 Anchor Customer，并据此推动超过 8,000 route miles 的新建和 Overbuild 网络。Zayo 当时明确表示，这些线路将由其建设、拥有和运营，而锚定客户的长期承诺为基础设施投资提供了需求支撑。

2026 年 8 月 6 日，Zayo 进一步宣布与 NVIDIA 合作建设超过 8,000 英里的新长途光纤，并扩展现有网络容量。Zayo 同时表示，其过去 18 个月已经推动超过 15,000 route miles 的 AI 相关建设和扩容。8 月 20 日，Zayo 又宣布扩大与 Corning 的长期光纤供应协议，以支持到 2030 年增加约 15,000 route miles 的网络建设计划，其中超过 8,000 英里的新长途光纤与 NVIDIA 的合作直接相关。

Zayo 的案例与 Dark Fiber 存在明显区别。Dark Fiber 主要解决的是"客户是否应该控制已有物理资源"的问题，而 Anchor Build 解决的是"当客户需求足够大时，谁来承担新增网络建设投资"的问题。

其商业逻辑可以概括为：

客户长期需求锁定 → 运营商获得投资确定性 → 运营商建设并拥有网络 → 客户获得长期容量保障 → 剩余资源继续服务其他客户。

因此，AI 客户不一定需要成为光纤资产所有者，也可以通过成为锚定客户影响运营商的网络建设方向。

香港电讯则代表了第三种路径。2026 年 7 月，HKT 宣布计划推出 3.2Tbps AI Data Centre Inter-connect Superhighway，用于连接香港多个数据中心，使 AI 基础设施提供商、大学和科研机构能够共享分布式计算资源。HKT 表示，该服务针对 AI 训练和推理等下一代工作负载，并采用面向 AI 的网络技术。

HKT 的模式并不是向客户出售 Dark Fiber，而是由运营商继续承担网络建设和运维责任，通过高容量光网络、低时延能力以及面向 AI 的网络技术，把复杂的底层基础设施重新封装成高等级 DCI 服务。

因此，HKT 所代表的并不是"客户控制权下沉"，而是另一种竞争策略：

如果客户愿意为高性能、低运维负担的网络服务付费，运营商仍然可以通过技术升级维持网络控制权，并提高托管网络的价值。

在 Verizon—Google、Zayo—NVIDIA 和 HKT 三个案例之外，MOFN 则构成了传统波长与 Dark Fiber 之间的重要中间层。2026 年 ACG Research 对 Wavelength、MOFN 和 Dark Fiber 的 TCO 分析显示，低带宽水平下 Wavelength 具有成本优势，而随着带宽进入多 Tbps 规模，MOFN 和 Dark Fiber 的经济性逐渐增强。

MOFN 的价值恰恰在于把"网络控制权"和"运维责任"拆分开来。客户可以获得专用光网络所带来的容量、隔离和一定程度的灵活性，但不需要承担完整 Dark Fiber 模式下的光传输设备建设和运维责任。

因此，国际市场实际上已经出现一个连续的商业体系：

产品形态	客户控制程度	典型经济逻辑
Circuit / OTN	低	购买封装后的网络服务
Wavelength	较低	购买独立波长容量
模块化波分+光纤/MOFN / Managed Optical	中等	获得专用光网络能力，同时减少运维负担
Dark Fiber	高	客户自行建设光传输系统
IRU / Private Optical Network	很高	长期锁定物理网络资源
Anchor Build / Joint Build	共同参与	以长期需求支撑新增网络投资

因此，国际市场真正出现的变化并不是"Dark Fiber 取代 Circuit"，而是网络控制权正在形成连续谱，并逐渐成为可以被单独定价的商业资源。

中国三大运营商所处的阶段：网络资源仍然高度封装

与美国等市场相比，中国基础电信运营商拥有更加庞大的光纤、管道、机房和传送网络基础设施，同时也拥有大量政企客户、云客户和移动用户。因此，中国运营商并不存在网络资源不足的问题，其核心问题更多是如何将庞大的基础设施资产转化为适应 AI 时代需求的新型商业模式。

尽管光纤出租是运营商一项常规业务，但运营商从商业本能出发， 更倾向于通过租用电路、专线等“主动服务”来获取更高利润、维持客户关系并避免自身被“管道化” 。目前，中国运营商仍然主要通过 OTN、专线、SD-WAN、算力网络和全光网络等方式向客户提供网络服务。也就是说，底层光纤和光传输能力仍然高度封装在运营商自己的网络体系之中。

这种模式在过去具有充分合理性。运营商承担网络建设和运维成本，同时通过专线、带宽升级和网络增值服务持续回收投资。客户则避免了自行建设光传输系统的资本开支和运维复杂性。

但是，AI 的发展可能改变这种平衡。

随着单个 AI 客户的 DCI 容量从数百 Gbps 向 Tbps 甚至更高水平发展，客户对网络的长期支付能力和对底层网络资源的控制需求都可能提高。对于部分超大客户而言，运营商继续按照传统带宽方式销售网络，可能使双方都无法获得最优的经济结果。

运营商需要面对的因此不是"是否出租光纤"这一单一问题，而是：

哪些客户已经跨过 TCO 拐点？哪些客户仍然适合购买托管网络？哪些客户应该获得更底层的物理资源控制权？

这实际上要求运营商从过去以产品为中心的销售方式，转向以客户 TCO 为中心的产品设计方式。

运营商的博弈处境：为什么必须开放控制权？

一个关键问题是：卖电路通常比租光纤更赚钱，运营商为何要主动开放导致自身收入摊薄的产品？

答案在于 客户自建光缆的外部选择 和 同业竞争压力 。

如果运营商坚持将所有网络资源封装成电路，而客户已经跨过 TCO 拐点，那么客户可能选择：

自建光缆 ：超大规模客户（如 Meta、Google 等）已有自建长距离光缆的实践；
第三方光纤提供商 ：如 Zayo、Lumen、Crown Castle 等专业光纤基础设施公司；
其他运营商 ：如果竞争对手提供更底层的光纤资源，客户可能转向竞争对手。

因此，运营商面临的选择不是"是否放弃电路收入"，而是：

在客户已经跨过 TCO 拐点后，如何避免将长期基础设施价值让渡给客户自建网络？

如果客户可以通过自建光缆、第三方光纤提供商或其他运营商获得更底层的资源，那么坚持将所有网络资源封装成电路，反而可能导致长期收入流失。

这也意味着，光缆租用模式的成功不仅取决于"是否率先推出"，更取决于运营商自身的光缆资源禀赋。

在电信市场，当某一运营商率先提出光缆租用业务时，其他运营商往往会迅速跟进。但这种"跟随策略"能否成功，取决于以下关键因素：

1. 光缆资源的数量和质量

如果运营商拥有更丰富的骨干光缆、城域光缆和本地接入光缆资源，特别是覆盖重要 AI 数据中心集群、算力枢纽节点的光缆路由，那么即使竞争对手后来跟进，客户在比较可用纤芯数量、路由多样性、物理隔离程度后，仍可能选择该运营商；
反之，如果运营商的光缆资源并不占优，即使率先推出光缆租用业务，客户在比较后仍可能选择资源更丰富的竞争对手，或者转向第三方光纤提供商。

2. 响应速度和交付能力

光缆租用业务对运营商的响应速度提出了更高要求。客户可能需要快速勘查路由、确认纤芯可用性、完成光纤跳接等；
如果运营商的资源管理系统（如 GIS 系统、纤芯资源管理系统）不够完善，导致响应速度慢、交付周期长，即使率先推出业务，也可能在客户体验上落后于竞争对手。

3. 维护质量和故障处理能力

光缆租用模式下，运营商仍需负责物理光纤的维护（如光缆故障修复、路由保护等）；
如果运营商的维护团队响应慢、故障修复时间长、路由保护能力弱，客户即使选择了光缆租用，也可能在后续使用中体验不佳，转而选择其他运营商或自建光缆。

4. 网络覆盖的地理优势

对于 AI 数据中心而言，光缆的价值不仅在于"有没有"，更在于"在哪里"；
如果运营商的光缆经过重要 AI 数据中心集群、算力枢纽节点、电力充裕区域，那么其光缆资源的战略价值会显著提升；
反之，如果光缆路由远离 AI 数据中心集中区域，即使价格便宜，客户也可能因为需要额外建设"最后一公里"而放弃选择。

因此，运营商在决定是否推出光缆租用业务时，需要首先评估自身的光缆资源禀赋：

如果自身光缆资源在数量、质量、覆盖范围上具有明显优势，那么率先推出光缆租用业务可能形成"先发优势 + 资源优势"的双重壁垒；
如果自身光缆资源并不占优，那么盲目跟进可能导致"起个大早，干个晚集"——率先推出业务，但客户在比较后仍选择竞争对手。

这也意味着，光缆租用模式可能加速运营商之间的分化：

光缆资源丰富的运营商（如拥有"新八纵八横"骨干网、城域光缆覆盖广、接入能力强的运营商）可能通过光缆租用业务进一步巩固市场地位；
光缆资源相对薄弱的运营商可能面临两难选择：不推出光缆租用可能流失超大客户，推出后可能因资源劣势而难以形成竞争力。

对于中国运营商而言，这一竞争动态尤为重要。三大运营商均拥有庞大的光缆网络，但在具体区域、具体路由上的资源禀赋可能存在差异。未来，运营商可能需要：

首先盘点自身的光缆资源禀赋，识别具有竞争优势的路由和区域；
在资源占优的区域率先推出光缆租用业务，形成局部优势；
在资源不占优的区域，谨慎评估是否跟进，避免"起个大早，干个晚集"。

对于弱势运营商，在光纤租用领域的最大困境并非创新不足，而是同质化竞争下的护城河缺失。

由于干线光缆通过共建共享实现了高度同质化，物理网络资源本身难以构成壁垒。弱势运营商若率先推出创新的商业模式，极易被拥有更强规模优势和政企关系的强势跟随者快速模仿，并可能通过价格战或捆绑策略实现“后发先至”式的反噬。因此，弱势运营商不缺创新的点子，缺的是 将创新根植于自身不可复制的资源禀赋之中 。弱势运营商应放弃纯纤芯价格战，转向“自研模块化波分（DCI-BOX/极简OTN）+ 纤芯 + 算力 + 安全”深度捆绑方案。通过提供贴合 AI 客户需求的标准化盒式设备与开放 API 服务，将安全增值与自研开放设备融合，向“智能基础设施资产运营商”演进。

真正的护城河不在于“租光纤”这一动作本身，而在于“光纤+算力+安全”的深度捆绑能力。 弱势运营商可以效仿Zayo与NVIDIA的“锚定客户”模式，为头部AI客户提供定制化的“光纤+算力”一体化方案，而非简单的纤芯出租。可以考虑将“安全”等其他增值服务作为核心卖点嵌入光纤服务，提供对手难以在短期内复制的增值体验。此外，还可探索与行业外企业合作获取优势路由，以较低成本扩充资源池，构建差异化的网络覆盖。弱势运营商而应致力于成为“智能基础设施资产运营商”。唯有将光纤资源与算力、安全、定制化服务等能力融合，提供高价值的整体解决方案，才能在同质化的竞争中，真正构筑起一道让对手难以逾越的护城河。

监管边界：网络控制权开放的约束条件

在中国市场，网络控制权向客户开放还需要考虑电信业务、网络安全、数据安全以及跨境数据等监管要求。

需要特别区分的是，AI 企业租用暗光纤并自行部署 DWDM，本身并不当然构成电信业务经营行为。是否涉及电信业务经营许可，关键仍在于实际业务模式以及是否利用相关网络向第三方提供属于电信业务范畴的服务。因此，不能简单地因为企业"拥有光纤"或者"自行建设 DCI"就认定其需要取得 IDC 或 ISP 许可证。

如果 AI 企业仅连接自有数据中心，网络主要用于自身业务，并不向公众或者第三方提供电信连接服务，其法律性质与利用网络开展对外经营性电信业务存在明显区别。

与此同时，如果相关数据中心或网络设施涉及关键信息基础设施、重要数据处理、数据跨境等场景，则需要根据实际主体、数据类别和业务性质适用相应的网络安全和数据安全监管要求。

因此，监管因素更适合被视为网络控制权商业模式的 边界条件 ，而不是决定商业模式经济性的核心变量。

对于运营商而言，未来如果开放 Dark Fiber、Spectrum 或 Private Optical Network，需要通过合同明确资源使用范围、设备责任、故障责任、网络安全责任和禁止转售等事项，但也应避免把普通的企业自用网络建设简单等同于电信业务经营。

从"网络服务商"到"网络基础设施资产运营商"

AI 对运营商最大的影响，并不是使网络价值下降，而是使网络价值的构成发生变化。

过去，运营商主要通过带宽、专线、OTN 和 IP 网络向客户出售连接服务。网络的价值主要体现在"能够提供多少带宽"和"能够提供什么 SLA"。

未来，网络价值可能进一步向更加底层的基础设施迁移，包括光纤资源、物理路由、光层资源、机房、电力以及跨数据中心的地理位置关系。

特别是在 AI 基础设施时代，网络的价值越来越与"在哪里拥有网络"联系在一起。

一条经过重要 AI 数据中心集群、拥有多条物理路由、具备充足纤芯资源并连接多个电力和算力节点的光纤基础设施，其价值已经不再只是传统意义上的"传输管道"。它实际上成为 AI 基础设施体系的一部分。

因此，运营商未来可能形成一种新的商业逻辑：

机房 + 电力 + 光纤 + 路由 + 光传输 + 网络运维 → AI Infrastructure Connectivity（AI 基础设施连接服务）。

这种产品不再简单出售某一条 100G 或 400G 电路，而是向 AI 数据中心提供一套能够长期支撑算力部署的基础设施连接能力。

在这一模式下，运营商最大的竞争优势恰恰不是某一项单独技术，而是其同时拥有光纤、管道、机房、电力接入、网络运营和全国性基础设施组织能力。

结论：AI 改变的不是网络需求，而是网络价值的分配方式

AI 时代，运营商面对的并不是一个简单的"电路出租还是光纤出租"的二选一问题。

真正发生变化的是，当 DCI 的容量规模、利用率和持续时间达到一定水平以后，客户开始发现：继续购买运营商封装好的带宽服务，未必是长期 TCO 最优方案。此时，物理光纤、光层、频谱、路由以及长期使用权本身开始具有独立的经济价值。

国际市场已经出现这一变化的不同表现。Verizon 与 Google 的 Dark Fiber 合作表明，超大规模客户正在直接购买更底层的物理网络资源；Zayo 与 NVIDIA 的合作表明，AI 客户的长期需求甚至可以成为运营商新建网络的投资锚点；HKT 的 3.2Tbps AI DCI Superhighway 则说明，运营商仍然可以通过提高托管网络的技术能力，在不开放底层物理控制权的情况下满足 AI 客户需求。

因此，未来网络商业模式更可能表现为一种连续演进，而不是简单替代：

Circuit → Wavelength → MOFN → Dark Fiber → IRU / Private Optical Network → Anchor Build。

其中不存在一个对所有客户都适用的最优模式。真正决定产品选择的是客户的长期容量、线路距离、利用率、租期、资本成本、技术能力和运维能力。

由此可以形成全文最核心的判断：

AI 并不会简单地把运营商从"卖带宽"推向"卖光纤"；真正发生的变化，是当 DCI 长期容量需求跨过经济性拐点后，客户开始有动力购买更底层的物理资源和网络控制权。

三大运营商自研模块化波分（DCI-BOX / 极简 OTN）设备的成熟，为这种控制权转移提供了一种理想的中间态——“设备 + 纤芯”打包模式。它既让客户享受到了接近暗光纤的自主性与低成本，又让运营商保留了硬件与服务价值链。

对于运营商而言，正确的战略并不是拒绝这种变化，也不是简单地把光纤租出去，而是 把网络控制权本身产品化、分层化和定价化 。

在这一过程中，运营商的角色并非由"网络服务商"退化为"光纤出租商"，而是进一步向 网络基础设施资产运营商 演进。其核心资产也将从单纯的带宽能力，扩展为光纤、路由、光层、机房、电力以及跨数据中心的基础设施连接能力。

从这个意义上说，AI 对运营商网络商业模式最深刻的影响，不是让运营商卖更多带宽，也不是简单地让运营商出租更多光纤，而是 推动网络价值从"服务层"向"基础设施层"重新分配 。

运营商真正需要出售的，最终不是某一个固定的网络产品，而是 不同等级的网络控制权 。

中英文对照

英文	中文	说明
Circuit / OTN	电路/OTN 专线	传统封装好的网络服务
Wavelength	波长服务	独立波长资源
MOFN / Managed Optical	托管光网络	专用光网络 + 运营商托管运维
Dark Fiber	暗光纤	客户租用物理光纤，自行部署设备
IRU	长期不可撤销使用权	10-20 年长期锁定物理资源
Private Optical Network	私有光网络	客户专属的光网络
Joint Build / Anchor Build	联合建设/锚定客户建设	客户长期需求支撑网络投资
Hyperscaler	超大规模云厂商	AWS、Google、Microsoft、Meta 等

参考资料

Reuters, Verizon lifts annual forecasts, signs $1 billion fiber deal with Google, 24 July 2026.
Zayo, Zayo Secures Anchor Customer to Accelerate Network Expansion Across Critical AI Corridors, 16 April 2026.
Zayo, Zayo Teams with NVIDIA to Scale Critical Network Capacity for AI Factories, 6 August 2026.
Zayo, Zayo Stays Ahead of AI Infrastructure Demand Through Long-Term Fiber Supply Agreement with Corning, 20 August 2026.
HKT, HKT to launch ultra-low latency 3.2Tbps AI Data Centre Inter-connect Superhighway to support Hong Kong’s AI development, 17 July 2026.
ACG Research, Choosing the Right Optical Transport for the AI Era: A TCO-driven decision framework for AI Data Center Interconnect, 12 June 2026.
Zayo, The 2026 Bandwidth Report.

从联通云API文档，看"算力一张网"的落地现状

Thu, 27 Aug 2026 07:30:00 +0800

导语： 2026年8月，中国联通在中期业绩报告中系统阐述了"六张网"战略布局，明确将新一代通信网与算力网作为核心抓手，提出构建面向Token高效供给的AI算力分发网络（AIDN），实现算力资源的灵活调度与广域分发（见落实“六张网”部署：中国联通统筹建设新一代通信网和算力网）。与此同时，联通云官网的AI服务API文档，则从另一个侧面勾勒出这一宏大战略在落地过程中的真实轮廓。

战略蓝图：算网一体的宏大叙事

在2026年半年度业绩报告中，联通交出了一份可圈可点的答卷：上半年营收2014亿元，经营现金净流入333亿元创近年同期新高。其中，算力领域投资占比达37%，同比增长超80%，成为资源倾斜的核心方向。

更值得关注的是战略层面的清晰表述。联通明确将"算力网"和"新一代通信网"定位为"六张网"的两大核心支柱，并提出 AIDN（AI算力分发网络） 作为算网一体战略的核心抓手——依托全国性光网络与骨干传输资源，实现算力资源的灵活调度与广域分发，把算力转化为可度量、可交易、可按需获取的标准化数字服务。

在组织层面，联通同步推进机构改革，管理部门数量缩减近四成，坚持"一个中国联通"，为算力战略落地释放组织活力。

战略方向清晰，资源投入坚决，组织保障到位。这是联通对外传递的强烈信号。

落地现状：API文档中的"碎片化"拼图

然而，当开发者打开联通云官网的AI服务API文档时，看到的画面与战略表述之间存在着一段值得关注的落差。

首先，API域名按物理节点割裂。 开发者面对的不是统一的API网关，而是五个分散的入口：

云区域	域名
呼和浩特基地二区	https://aigw-nmhhht.cucloud.cn
武汉四区	https://aigw-hbwh4.cucloud.cn:8443
济南五区	https://aigw-jnzs5.cucloud.cn:8443
贵阳基地二区	https://aigw-gzgy2.cucloud.cn:8443
上海二十二区	需联系客户经理获取

理想中的"一个联通"AI服务，应当对外提供统一的API入口，后台的"算网大脑"自动完成跨域的资源感知和负载均衡。但当前的产品形态，仍以算力节点为中心，而非以用户服务为中心。

其次，算力资源与模型分布严重不均。 各区域支持的模型数量差异显著：

云区域	模型数量	覆盖范围
贵阳基地二区	27个	DeepSeek全系、GLM全系、Qwen全系、Kimi全系、MiniMax、向量及视觉模型
呼和浩特二区	7个	DeepSeek-R1/V3、蒸馏模型、向量模型
武汉四区	8个	DeepSeek-V3、glm-5、Qwen-235B、kimi-k2.5、MiniMax
上海二十二区	4个	DeepSeek-R1/V3、Qwen-397B/235B
济南五区	5个	DeepSeek-V3.2/V3.1/V3、MiniMax

贵阳基地二区承载了27个模型，几乎覆盖所有品类；而其他四个区域合计仅24个模型，且23个模型仅在一个区域单点部署。这种格局意味着，即便统一网关建成上线，算力调度算法的腾挪空间也十分有限——大部分请求只能路由到贵阳，跨域容灾和负载均衡的能力受到极大制约。

建设与运营：跨专业协同的现实挑战

上述现状可以拆解为两个层面的现实问题：

建设层面：算力资源分布不均衡。 贵阳二区集中了绝大部分模型能力，其他区域相对薄弱。这种格局有其客观现实背景——IDC布局的历史积累、电力与土地成本差异、扩容便利性等因素，决定了资源不可能绝对均匀分布。但对于"算力一张网"而言，资源分布的严重不均直接制约了跨域调度的有效性。AIDN要实现"算力资源的灵活调度与广域分发"，前提是各区域必须具备可调度的资源冗余。

运营层面：API服务入口与软件能力待统一。 五个域名、部分区域甚至需联系客户经理获取接入方式，意味着开发者必须理解底层资源分布才能完成调用。统一API网关的建设不仅是网络连通问题，更是涉及跨域计费、利益结算、系统调度以及软件工程能力的系统性难题。重资产投资能迅速堆砌出算力规模，但统一网关与智能路由等"软能力"的打磨，往往滞后于硬件建设一步。当前的多域名状态，正是这一过渡期的阶段性呈现。

AISN框架审视：从经营资源到经营能力

跳出联通个案，可以从《
从 OpenRouter 到运营商 AI 服务网络系列二：运营商如何从"卖 Token"走向"卖 AI 价值"？》建议的运营商在AI时代的服务演进的四层框架—— AISN（AI Service Network，AI服务网络）以及核心原则来审视联通当前的AI服务现状。

AISN将运营商的AI服务能力划分为四个递进层次：

层次	经营对象	用户感知
L1 Token经营	计量计费，按Token售卖	感知算力节点和区域
L2 AI能力经营	标准化AI能力调用	不关心底层算力在哪
L3 AI任务经营	端到端任务完成	只提需求，不关心模型组合
L4 AI价值经营	业务结果交付	只为最终效果买单

该框架的核心原则是：后台经营资源，前台经营能力；后台调度算力与网络，前台交付任务与结果。

可以有以下的结论：

当前处于典型的L1阶段。 API域名按节点割裂、开发者需手动选择区域——这些现象的本质是：底层算力资源的分布细节被直接暴露给了前端用户。开发者需要理解"呼和浩特二区有什么模型、武汉四区有什么模型"，而不是简单调用一个AI能力。这正是AISN框架所反对的——后台的资源调度逻辑，不应成为前台用户的负担。

AIDN的目标是迈向L2。 联通提出的AIDN，其战略意图正是在底层物理算力节点和前端开发者之间搭建一个智能中间层，屏蔽异构算力与物理位置的差异，让开发者面对统一入口、自动路由的标准化服务。这与AISN框架中L2"AI能力经营"的理念高度吻合。

但从L1到L2的跨越，联通面临两个现实约束： 一是资源分布的均衡性——当前贵阳二区承载了28个模型，其他区域合计仅19个，单点部署多，调度算法腾挪空间有限；二是服务入口的统一性——五个域名尚未收敛，软能力建设仍需补课。这两个约束，是AIDN在联通自有资源范围内首先需要解决的问题。

联通显然已意识到这些问题。算力投资同比增长80%以上，AIDN建设推进中，机构改革也在为软件能力提升扫清组织障碍。从战略表态到资源投入，方向是明确的。

结语：从战略到落地，仍有鸿沟待越

联通拥有115万架标准机架、45EFLOPS智算规模、400G骨干传输双平面——这些重资产底牌是竞争对手难以复制的优势。AIDN的战略蓝图也指向了正确的方向。但战略的正确性，最终必须通过产品和服务来验证。

对于开发者而言，“算力一张网"不是一句口号，而是打开API文档时看到的是统一入口还是五个域名；是调用一个模型需要手动选区域，还是系统自动路由；是资源紧张时自动调度，还是开发者手动改代码。

联通云官网的API文档，忠实地记录了"算力一张网"战略在2026年这个时间节点的落地状态。它既不是终点，也不是起点，而是战略推进过程中的一个真实截面。按照AISN框架的演进路径，从L1的Token经营迈向L2的AI能力经营，联通需要在资源均衡布局和软件工程能力建设两个方向持续投入。API何时实现真正的统一入口，不仅是开发者的期盼，更将成为验证联通“算网一体化”战略真实进展速度的关键指标，值得后续持续跟踪。随着AIDN的逐步落地，这个截面会不断更新。届时，开发者看到的，将更接近联通在战略蓝图中描绘的那个"一个联通"应有的样子。

某运营商"全国一家亲"异地宽带光猫设备规则分析

Wed, 26 Aug 2026 17:06:00 +0800

背景

某运营商"全国一家亲"异地宽带业务于2022年前后推出，允许用户以异地某运营商手机号办理目标城市的宽带，合账缴费，资费显著低于本地套餐（300M低至30—40元/月，500M低至60—80元/月）。

笔者于近期通过该业务办理了异地宽带，从App提交需求到上门交付仅用2天，业务体验本身值得肯定。但在与客户经理和智家工程师的沟通中，发现光猫设备环节存在若干规则不透明、口径不统一的问题。虽已通过投诉渠道反馈并获客服回访，但核心疑问并未得到实质性解答。本文基于公开信息与法律法规，对相关问题进行梳理分析。

一、光猫设备获取方式的合法途径

根据现行法律法规，用户办理宽带业务时，光猫设备的获取方式有以下三种合法途径：

（一）运营商租用

运营商向用户提供光猫设备，用户支付押金，设备所有权归运营商，用户退网时返还设备、退回押金。这是行业最普遍的做法。

法律依据 ：《中华人民共和国电信条例》第三十一条规定，“电信用户申请安装、移装电信终端设备的，电信业务经营者应当在其公布的时限内保证装机开通”。该条款隐含了运营商有义务为用户提供必要的终端设备以保障服务开通，租用模式是履行该义务的常见方式。

（二）用户自备（自行购买）

用户自行购买已取得工信部入网许可证的光猫设备，用于接入某运营商宽带网络。

法律依据 ：《中华人民共和国电信条例》第四十一条规定：

电信业务经营者在电信业务经营活动中，不得有下列行为：（二）限定电信用户购买其指定的电信终端设备或者拒绝电信用户使用自备的已经取得入网许可的电信终端设备；

该条款明确了两层含义：一是运营商 不得限定 用户购买其指定的设备；二是运营商 不得拒绝 用户使用自备的、已取得入网许可的设备。用户自备光猫是法律赋予的权利。

（三）向运营商购买

用户选择向运营商购买光猫设备，一次性买断，设备所有权归用户。这是运营商提供的一种商业选择，本身不违法，但前提是用户自愿选择，而非被强制。

（四）小结：客服"必须购买某运营商提供的光猫"的说法不合规

综合上述三种合法途径，用户有权在"运营商租用"“用户自备"“向运营商购买"三种方式中自主选择。如果客服告知用户"该业务光猫需要用户购买（即必须购买某运营商提供的光猫）"，则存在以下合规问题：

排除了用户自备的权利 ，涉嫌违反《电信条例》第四十一条第（二）项"不得拒绝电信用户使用自备的已经取得入网许可的电信终端设备”；
排除了运营商租用的选项 ，将"购买"作为唯一途径，限制了用户的自主选择权，涉嫌违反《消费者权益保护法》第九条"消费者享有自主选择商品或者服务的权利”；
以口头方式告知 ，未在公开渠道以显著方式公示，不符合《消费者权益保护法》第二十六条关于格式条款告知方式的要求。

二、用户要求运营商提供光猫租用是否必须满足

（一）问题分析

用户要求运营商提供光猫租用（付押金、退网时返还设备并退回押金），这一要求是否必须满足，需要从两个层面分析。

（二）法律层面

《中华人民共和国电信条例》第三十一条规定，运营商应当保证装机开通。但该条款并未明确规定运营商必须免费或以租用方式提供光猫设备。

《电信条例》第四十一条禁止运营商拒绝用户自备设备，但并未反向规定运营商必须提供租用服务。

结论：现行法律法规并未强制要求运营商必须向用户提供光猫租用服务。运营商可以选择"仅提供购买"或"仅允许自备"等模式，但前提是：

该规则必须在用户办理前 以显著方式公开告知 ；
不得以"必须购买"为由 拒绝用户自备 已入网许可的设备。

（三）行业惯例层面

据华龙网2023年报道，三大运营商（某运营商、移动、电信）的宽带业务普遍采用"免费租用"模式，光猫设备所有权归运营商，用户退网时需归还。北京某运营商客服明确表示"光猫是免费租用给用户的"，北京移动、北京电信客服也有类似表述。

结论：虽然法律未强制要求运营商提供租用服务，但租用模式是行业通行做法，也是用户基于行业惯例的合理预期。如果某运营商在"全国一家亲"异地宽带业务中采用与本地宽带不同的设备政策（如仅提供购买），应当在用户办理前明确告知，否则可能构成对消费者合理预期的违背。

三、自备光猫型号未公示的问题

（一）问题描述

客户经理告知用户可以自备光猫（含向某运营商购买），但某运营商未在任何公开渠道公示符合入网要求的设备型号清单。装机师傅上门时，可能以"不符合入网要求"为由拒绝使用自备设备，转而推销某运营商提供的光猫。用户在现场处于信息劣势，难以判断自备设备是否确实不兼容。

（二）技术背景

光猫能否入网取决于以下技术因素：

PON协议匹配 ：GPON / EPON / 10G-EPON / XG-PON，需与当地局端OLT设备匹配；
认证方式 ：LOID认证、Password认证、MAC认证、SN认证等，各地某运营商采用方式不同；
VLAN配置 ：需与局端数据配置一致。

由于各地某运营商网络设备型号和配置存在差异，理论上确实无法给出全国统一的兼容清单。但某运营商完全可以在省级层面公示本省兼容的光猫型号，或提供自备设备兼容性查询渠道。

（三）法律分析

《中华人民共和国消费者权益保护法》第八条规定：

消费者享有知悉其购买、使用的商品或者接受的服务的真实情况的权利。消费者有权根据商品或者服务的不同情况，要求经营者提供商品的价格、产地、生产者、用途、性能、规格、等级、主要成份、生产日期、有效期限、检验合格证明、使用方法说明书、售后服务，或者服务的内容、规格、费用等有关情况。

某运营商允许用户自备光猫，但不公示兼容型号清单，导致用户无法事前了解自备设备是否可用，实质上削弱了自备权利的可操作性。用户在装机现场面对师傅的"不符合入网要求"判断时，缺乏任何依据进行核实或申诉，知情权未获保障。

（四）现实情况

目前，某运营商未在任何公开渠道（官网、App、营业厅）公示兼容光猫型号清单。用户自备光猫能否使用，完全取决于装机师傅现场判断。恩山无线论坛、V2EX等社区有大量用户讨论自备或更换光猫的经验，均为民间实践，无官方指导。

四、客服与客户经理说法不一致的问题

（一）问题描述

投诉回访客服告知，“全国一家亲"异地宽带业务的光猫需要用户购买（一次性买断）；而此前客户经理在电话沟通中明确表示可以自备光猫。两个口径相互矛盾，用户无法确定哪个是某运营商的实际政策。

（二）某运营商官方公开信息

在某运营商App"异地同享专区"及官方推广文章中，对光猫费用的表述为：

“因地区差异，各省宽带资费政策，光猫/机顶盒设备费用及一次性安装调测费等具体费用、费用项有所不同，请以工作人员告知为准，或详询10010。”

该表述将光猫费用的决定权完全下放至各省分公司乃至一线工作人员，未在公开渠道给出统一规则。这种制度设计本身就是口径不一致的根源。

（三）法律分析

《中华人民共和国电信条例》第三十条规定：

电信业务经营者提供服务的种类、范围、资费标准和时限，应当向社会公布。

光猫设备的归属方式（购买/租用/自备）和费用标准，属于服务范围与资费标准的重要组成部分，应当由某运营商在公开渠道统一公布，而非依赖各省分公司或一线工作人员口头告知。口径不一致的根本原因在于某运营商未履行向社会公布服务信息的法定义务。

五、仅为口头沟通、未有文字版本的问题

（一）问题描述

无论是客服还是客户经理，关于光猫设备规则的所有沟通均为电话口头交流，未提供任何文字版本（如短信、邮件、App消息等）。用户无法留存证据，也无法在事后核实被告知内容的准确性。

（二）法律分析

《中华人民共和国消费者权益保护法》第二十六条规定：

经营者在经营活动中使用格式条款的，应当以 显著方式 提请消费者注意商品或者服务的数量和质量、价款或者费用、履行期限和方式、安全注意事项和风险警示、售后服务、民事责任等与消费者有重大利害关系的内容，并按照消费者的要求予以说明。

光猫是购买还是租用、费用多少、自备条件等，属于与消费者有重大利害关系的内容。“显著方式"通常指书面形式、电子合同中的加粗/弹窗提示、App页面的明确告知等，口头告知不符合"显著方式"的法律要求。

《中华人民共和国民法典》第四百九十六条规定：

采用格式条款订立合同的，提供格式条款的一方应当遵循公平原则确定当事人之间的权利和义务，并采取合理的方式提示对方注意免除或者减轻其责任等与对方有重大利害关系的条款，按照对方的要求，对该条款予以说明。提供格式条款的一方未履行提示或者说明义务，致使对方没有注意或者理解与其有重大利害关系的条款的，对方可以主张该条款不成为合同的内容。

光猫设备规则属于宽带服务合同中的格式条款。某运营商仅通过口头方式告知，未采取合理方式提示用户注意，用户可以主张该条款不成为合同内容。

（三）现实影响

口头沟通带来的问题包括：

无法核实 ：用户无法在事后确认被告知的内容是否准确；
无法举证 ：发生争议时，用户缺乏书面证据；
口径随意 ：不同客服、不同时间可能给出不同说法，用户无所适从；
规避责任 ：口头告知使运营商可以随时否认或变更此前说法。

六、结论与建议

（一）主要问题

1. 客服"必须购买某运营商光猫"的说法不合规 ：法律允许用户通过租用、自备、购买三种方式获取光猫，客服的说法排除了租用和自备选项，涉嫌违反《电信条例》第四十一条和《消费者权益保护法》第九条；
2. 租用模式虽非法律强制要求，但属行业惯例 ：某运营商若在异地宽带业务中采用不同政策，应提前明确告知；
3. 自备光猫型号未公示 ：用户自备权利因信息缺失而被架空，知情权未获保障；
4. 客服与客户经理口径不一致 ：根源在于某运营商未履行向社会公布服务信息的法定义务；
5. 仅口头告知、无文字版本 ：不符合《消保法》第二十六条"显著方式"和《民法典》第四百九十六条"合理方式提示"的要求。

（二）改进建议

统一规则 ：某运营商集团层面应明确"全国一家亲"异地宽带业务的光猫设备规则，统一"购买/租用/自备"的政策口径；
公开信息 ：在App办理页面显著位置公示光猫费用标准、自备条件及各省兼容设备查询方式；
保障自备权利 ：建立自备光猫兼容性查询渠道，确保用户自备已入网许可设备的权利可实际行使；
规范告知义务 ：在用户提交办理申请前，以书面或电子形式明确告知设备相关条款，避免仅依赖口头告知；
建立口径统一机制 ：确保客服、客户经理、装机师傅等各环节人员对设备政策的表述一致。

从 OpenRouter 到运营商 AI 服务网络系列三：运营商 AI 转型的最大瓶颈是什么？

Wed, 26 Aug 2026 07:45:00 +0800

【导语】

上篇回顾：AISN 框架与四层演进路径。运营商目前所处的困境就是AI 系统开发能力不足。如何平衡重资产投入与系统开发投入？本文是"从 OpenRouter 到运营商 AI 服务网络"系列推文之三（终章）。

Token 经营的本质：从资源计量到 AI 价值经营

Token 究竟是什么

Token 究竟是新的计费单位、AI 能力的计量单位，还是未来 AI 任务价值结算的中间单位。在 AISN 战略中，Token 被视为智能服务的统一计量单位，其意义远超技术层面的 Token 计算。Token 经营的提出，标志着运营商计量体系从传输量向智能处理量的根本性转变。若将 Token 简单类比为 AI 时代的流量，则运营商确实难以摆脱管道角色，因为这意味着仍然以传输逻辑理解智能服务。然而，Token 的本质并非网络数据传输量，而是模型处理、生成和计量过程中的基本资源单位。它可以作为 AI 模型调用的重要计量与结算基础，但不能直接等同于 AI 服务的商业价值。相同数量的 Token，在不同模型、不同任务和不同业务场景下可能产生完全不同的价值。因此，Token 更准确的定位是 AI 服务的资源计量单位和商业计价基础，而不是最终的价值单位。随着 AI 服务从模型调用向 Agent 和任务执行演进，Token 可能逐渐成为后台资源结算单位，而用户前台购买的则是 AI 能力、任务执行和最终结果。因此，Token 经营不是流量经营的延伸，而是智能经营的起点。

竞争不是谁的 Token 套餐便宜

如果只是九块九买一千万 Token，运营商很容易陷入 Token 价格竞争。随着模型效率提升、推理成本下降和模型供给增加，单位 Token 的市场价格可能持续下降。因此，如果运营商仅以 Token 数量和价格作为竞争核心，容易陷入同质化的价格竞争。更重要的竞争方向应是扩大 AI 任务需求，并提高单位 Token 所支撑的业务价值。真正应该竞争的是谁能创造更多 Token 需求，以及谁能让单位 Token 产生更高的业务价值。

Token 是不是终极经营单位

初级阶段可能表现为"用户—Token—计费"，但随着 AI 服务向 Agent 和任务执行演进，经营关系可能逐步转向"用户—Agent—任务—结果—价值"。在这一过程中，Token 并不会消失，而更可能退居后台，承担模型调用、算力消耗和服务结算的统一计量功能。用户真正购买的则可能从 Token 数量逐渐转向客服任务、代码开发、合同审核、数据分析等具体 AI 服务。因此，Token 更可能成为 AI 服务体系的后台统一计量与结算层，而不是长期面向用户的最终商品；真正的前台经营对象将随着 AI 服务成熟度提高，从 Token 逐步转向 AI 能力、AI 任务和业务结果。如果运营商长期以Token作为业务的计费单位，那恐怕还逃不脱”管道“的命运。

关键制约：AI 系统开发能力的短板与平衡策略

运营商的能力结构失衡

运营商现有的能力结构呈现明显的偏科特征。在强项方面，运营商拥有算力基础设施、网络基础设施、用户接入、云和企业级计费结算体系等重资产及基础运营能力；在相对薄弱的方面，则主要表现为 AI 业务系统开发、互联网产品设计、开发者生态运营、模型与 Provider 生态 BD、AI 应用孵化和快速产品迭代能力。OpenRouter 的强项在于 AI 系统开发、开发者生态运营、互联网产品迭代和模型生态组织能力；其相对弱项则在于不拥有运营商意义上的大规模自建算力基础设施、全国性通信网络以及移动、固网和政企渠道体系。

AI 系统开发能力的战略价值

AI 业务系统与生态能力不是锦上添花，而是将运营商重资产转化为业务价值的关键能力。没有统一 API、智能路由、计量计费、开发者平台和运行数据闭环，算力难以形成规模化调用；没有开发者生态和 AI 应用生态，用户接入资源难以转化为持续 AI 需求；没有任务编排和服务质量保障，模型、算力和网络资源也难以进一步形成面向任务结果的产品。因此，运营商真正需要补齐的不是单一的软件开发能力，而是将基础设施、AI 资源和用户需求连接起来的业务系统与生态运营能力。

核心矛盾：重资产投入与系统开发投入的资源平衡难题

运营商面临的核心问题并非重资产投入与系统开发投入之间简单的零和博弈，而是如何在资本投入、研发投入和业务收益尚未完全确定的情况下优化能力建设节奏。过度倾向重资产，可能导致算力供给增长快于 AI 需求增长；过度强调软件能力，又可能削弱运营商已有基础设施的差异化优势。因此，真正需要解决的是资本性基础设施建设与业务能力建设之间的动态平衡，以及两者如何形成协同效应。

基于上述分析，本文提出以下可能的能力建设路径。需要说明的是，这些路径属于战略推演和建议，而非对运营商实际组织和投资决策的事实判断。

四项平衡策略

平衡策略一：分阶段投入，推动重资产与系统能力协同演进

运营商不宜试图在短期内同时完成大规模基础设施建设和完整的 AI 系统能力建设，而应根据 AI 需求增长、模型成本变化、算力利用率和业务成熟度，分阶段推进两类能力建设。这里的"分阶段"并不意味着重资产投入逐步退出、软件能力取而代之，而是指随着业务成熟度提高，投入重点由单纯扩大资源规模逐步转向资源效率提升、系统能力增强以及二者的协同优化。

第一阶段为能力验证期（1-2 年） 。核心目标是验证 Token 经营和模型聚合模式。重资产投入重点是 AIDC、智算中心和算力网络建设。系统能力建设重点不追求全面铺开，而是优先建设统一 API 入口、模型接入、基础计量计费、Token 结算和运行监控等最小可行能力，打通"模型—算力—调用—计量—结算"的基本闭环。该阶段的核心目标不是形成完整的 AI 服务生态，而是验证 Token 经营和模型聚合模式，形成可持续的 AI 服务调用需求，并观察算力供给与实际需求之间的匹配关系。

第二阶段为协同发展期（2-4 年） 。核心目标是提升算力、网络与 AI 系统的协同效率。随着 AI 服务调用规模扩大，运营商应继续完善算力网络和异构算力资源，同时明显加强智能路由、开发者平台、模型与 Provider 生态、运行数据分析以及 AI 应用孵化等系统能力建设。在这一阶段，竞争重点逐步从"拥有多少算力"转向"如何更有效地组织和使用算力"，通过模型路由、算力调度和网络感知等机制提高资源利用率、服务稳定性和单位 Token 的业务价值，逐步形成"重资产基础设施 + AI 系统能力"的组合竞争力。

第三阶段为价值经营期（4 年以上） 。核心目标是从资源规模扩张转向资源效率和任务服务能力提升。当 AI 服务形成较大规模的稳定需求后，算力基础设施仍然是运营商的重要战略资产，但投入重点可以逐步从单纯规模扩张转向异构算力优化、资源利用率提升、节点布局优化和网络协同。同时，更多系统能力应向 AI 任务编排、Agent 协同、行业知识服务、服务质量保障和结果评价体系延伸，使运营商能够从提供模型和算力资源进一步转向提供 AI 能力、AI 任务乃至业务结果。

因此，三个阶段并不是简单的"重资产优先、软件优先、重资产退出"的线性过程，而是重资产能力持续存在、系统能力持续增强、二者协同程度不断提高的演进过程。其基本变化可以概括为：第一阶段解决"有没有 AI 服务能力"的问题；第二阶段解决"能不能高效组织 AI 资源"的问题；第三阶段解决"能不能围绕用户任务和业务结果创造更高价值"的问题。

上述阶段划分属于本文提出的战略分析框架，而非对运营商实际投资节奏的预测。实际推进速度取决于 AI 需求增长、模型推理成本下降速度、算力利用率、市场竞争格局、监管环境以及运营商自身资本和研发投入能力。

平衡策略二：借力外部生态，避免全部自建

建议运营商不要试图全部自建 AI 系统开发能力，而应该借力外部生态。与互联网公司合作，引入互联网公司的 AI 系统开发能力，运营商提供算力、网络、用户接入，互联网公司负责系统开发、开发者生态、应用运营，通过调用量、服务收入或项目收益等方式建立利益共享机制。与 OpenRouter 及类似 AI Gateway、模型路由平台开展合作，借鉴其模型聚合、智能路由、开发者服务和运营机制，结合运营商本地算力、网络及政企渠道，快速验证相关业务模式。更好的方式是投资或收购具有 AI 系统开发能力的创业公司，快速获得技术团队和产品能力，避免从零开始自建的高成本和时间成本。这种AI系统开发的核心能力运营商必须自己掌握。开源加自研结合，核心系统如智能路由、计量计费自研，非核心系统如 API 网关、监控系统采用开源方案，降低系统开发成本和时间。

平衡策略三：组织变革，建立互联网化的研发体系

运营商的传统研发体系不适合 AI 系统开发，需要进行组织变革。建议建立独立的 AI 产品研发部门/子公司，独立于传统网络与 IT 部门，采用互联网公司的研发模式，包括敏捷开发、快速迭代，独立的预算和考核机制。引入互联网人才，从互联网公司引进 AI 产品、系统开发、开发者运营人才，提供有竞争力的薪酬和激励机制，建立技术与业务的复合型团队。建立试错文化，允许快速试错、快速失败、快速迭代，不追求一次性完美，而是小步快跑，建立数据驱动的产品优化机制。需要指出的是，运营商作为央企在组织变革中面临的体制性障碍，如薪酬体系、考核机制、决策流程等与互联网公司的根本差异，本研究未充分讨论，这是局限之一。

平衡策略四：聚焦核心场景，避免全面开花

运营商不应该试图在所有 AI 场景上都自建系统开发能力，而应该聚焦核心场景。聚焦政企市场，政企客户是运营商的传统优势市场，政务、医疗、工业、金融等行业具有较强的数字化基础和专业 AI 需求，在满足合规、安全和 ROI 要求的情况下具有较明确的商业化空间，集中资源打造政企 AI 服务能力，避免与互联网公司在 C 端市场正面竞争。聚焦网络加算力协同场景，发挥运营商网络加算力的独特优势，开发网络感知型 AI 服务，如低时延推理、边缘 AI，避免与互联网公司在纯软件领域竞争。聚焦任务结果而非技术实现，从用户视角设计产品，聚焦任务结果，如合同审核、代码生成、数据分析等具体场景，避免陷入技术自嗨，开发用户不关心的功能。

研究局限与后续方向

研究局限

本研究在以下维度存在局限。第一，缺乏对转型财务可行性的量化分析。文章提出了分阶段投入策略，但没有估算各阶段的投入规模、预期回报和投资回收期。运营商高层决策需要财务数据支撑，这一缺失降低了建议的可操作性。第二，未充分讨论监管合规和组织变革的体制性障碍。运营商作为央企，在 AI 服务中面临数据安全、模型合规、内容审核等监管要求，这些既是约束也可能是差异化优势。同时，运营商在组织变革中面临的薪酬体系、考核机制、决策流程等体制性障碍，本研究着墨甚少。第三，对 Stripe 收购 OpenRouter 后竞争格局的变化评估不足。Stripe 收购 OpenRouter 后，OpenRouter 获得了全球最大的支付基础设施能力，其 Token 计量与结算能力将大幅增强，这可能对运营商的 Token 经营构成直接竞争，本研究未对此展开分析。第四，缺少对市场时间窗口的判断。文章提出了分阶段演进路径，但没有评估市场留给运营商的时间窗口有多长。如果互联网公司或 Stripe/OpenRouter 提前占据 AI 服务网络的生态位，运营商的转型窗口可能关闭。第五，本文对运营商用户接入优势向 AI 用户入口转化的机制讨论仍不充分。运营商拥有庞大的移动、固网和政企客户基础，但用户规模并不自动等同于 AI 服务使用规模，二者之间还存在产品入口、用户习惯、应用生态和服务体验等转化环节。第六，本文对网络资源在 AI 推理调度中的实际价值缺乏量化分析。不同 AI 任务对网络时延、带宽和节点位置的敏感程度存在显著差异，网络是否能够形成可持续的 AI 业务溢价，需要结合实际业务场景进一步验证。

后续研究方向

后续研究可在以下维度进一步深入。第一，补充财务可行性量化分析，估算各阶段投入规模、预期回报和投资回收期，为运营商高层决策提供数据支撑。第二，深入讨论监管合规与组织变革的体制性障碍，分析运营商作为央企在数据安全、模型合规、内容审核等方面的约束与差异化优势，以及薪酬体系、考核机制、决策流程等与互联网公司的根本差异。第三，评估 Stripe 收购 OpenRouter 后竞争格局的变化，分析 OpenRouter 获得支付基础设施能力后对运营商 Token 经营的潜在冲击。第四，判断市场时间窗口，评估互联网公司或 Stripe/OpenRouter 提前占据 AI 服务网络生态位的可能性，为运营商转型提供时间维度的参考。

【终章结语】

OpenRouter 获 Stripe 超 80 亿美元收购，验证了 AI 资源编排中间层的商业价值。对运营商而言，简单算力堆叠与粗放 Token 转售均非长久之计，真正难以复制的优势在于海量终端接入、全国性网络、梯次化智算布局、企业级计费体系与政企渠道资源的综合整合能力。

本文提出，运营商应从 Token 经营向 AI 能力、AI 任务与价值经营演进，通过分阶段投入、借力外部生态、组织变革与聚焦核心场景，形成重资产与系统开发的组合竞争力。关键制约并非软件开发人员数量不足，而是 AI 业务系统、产品运营和生态组织能力相对不足。

当前，运营商正站在 AI 转型的关键十字路口。若仅将 Token 经营视为终极目标，而忽视向 AI 能力、AI 任务与价值经营的演进，未能真正形成以 AI 服务为核心、以业务结果为导向的运营模式，则即便拥有海量算力、网络与用户接入资源，最终仍可能陷入"新管道化"困境——从"流量管道"演变为"Token 管道"，难以摆脱价值传递者而非价值创造者的角色定位。反之，若能将重资产优势与系统开发能力有机结合，从"卖资源"转向"卖服务"、从"卖 Token"转向"卖结果"，运营商有望在 AI 时代重塑自身生态位，真正成为 AI 服务网络的价值创造者与主导者。

最终，运营商的成功在于是否形成重资产与系统开发的组合竞争力。运营商能否从 Token 经营走向 AI 能力与任务经营，取决于能否将算力、网络、用户接入和软件生态组织成面向用户价值的 AI 服务体系。

这才是 AI 时代运营商真正的护城河。

数据来源说明 ：本文涉及 OpenRouter 的数据主要来源于 OpenRouter 官方文档与博客、公开行业报道；涉及三大运营商的数据主要来源于公司公开披露及行业媒体报道。部分战略概念，如 AISN、Token 经营、AI 能力经营、AI 任务与价值经营，为本文提出的战略构想。本研究在财务可行性量化分析、监管合规与组织变革体制性障碍、Stripe 收购 OpenRouter 后竞争格局变化、市场时间窗口判断等维度存在局限，后续研究需进一步补充完善。

从 OpenRouter 到运营商 AI 服务网络系列二：运营商如何从"卖 Token"走向"卖 AI 价值"？

Tue, 25 Aug 2026 08:34:00 +0800

【导语】

上篇回顾：OpenRouter 获 Stripe 超 80 亿美元收购，验证了 AI 资源编排中间层的商业价值。运营商不能简单复制 OpenRouter，而应将重资产优势与系统开发能力结合。本文提出 AISN（AI 服务网络）框架，分析运营商如何从 Token 经营向 AI 能力、AI 任务与价值经营演进。本文是"从 OpenRouter 到运营商 AI 服务网络"系列推文之二。

AISN 战略框架：运营商 AI 转型的理论基础

AISN 的概念提出

AI Service Network（AISN，AI 服务网络）是本文提出的用于描述电信运营商在 AI 时代战略转型的理论框架。AISN 的核心理念是，运营商不应仅仅停留在"卖算力"或"卖 Token"的层面，而应构建一个贯穿"用户接入—网络传输—算力调度—模型路由—智能服务"的全链路 AI 服务网络，实现从"连接运营商"向"AI 服务网络运营者"的战略跨越。

AISN 概念的提出基于三个关键判断。第一，AI 时代的价值创造不再局限于单一资源（如算力、模型、网络），而在于资源的智能编排与协同。第二，用户关心的不是后台使用了哪个算力节点或哪个模型，而是任务是否快速、准确、稳定地完成。第三，运营商的真正优势不在于拥有多少 GPU 或带宽，而在于能够将海量终端接入、全国性高品质网络、梯次化智算布局、成熟的企业级计费体系与全域政企渠道进行多维融合。

AISN 与 OpenRouter 的关系

AISN 概念受到 OpenRouter 运营模式的启发，但两者存在本质差异。OpenRouter 是轻资产的 AI 模型聚合与路由平台，其核心能力在于模型聚合、API 网关、智能路由、统一计量计费、开发者生态与应用生态。而 AISN 是重资产的 AI 服务网络，运营商在 OpenRouter 式的能力基础上，进一步整合算力基础设施、网络基础设施、用户接入资源、政企渠道等重资产优势，形成"AI 能力平台 + 算力网络 + 用户入口"的新型运营模式。

简言之，AISN 与传统算力网络的区别在于其核心调度对象不同。算力网络主要解决算力资源的发现、调度和供需匹配问题，其核心对象是算力资源；AISN 则进一步将 AI 任务作为调度对象，将任务需求、模型能力、算力状态、网络状态、服务质量和用户需求纳入统一决策。因此，算力网络主要解决算力资源的发现、状态感知、供需匹配和资源调度问题，其核心关注对象是算力资源，而 AISN 进一步试图回答"一个 AI 任务应该由什么模型、在哪个算力节点、经过什么网络路径，以什么成本和服务质量完成"。OpenRouter 的优势是轻资产地组织 AI 能力，而 AISN 的目标是利用重资产优势，再补上 OpenRouter 式的业务开发和生态组织能力，形成差异化竞争力。

AISN 的核心能力

AISN 的核心能力包括五个维度。第一是统一 API 入口，提供兼容行业标准的接口，屏蔽底层算力、模型、网络的差异，降低开发者集成成本。第二是任务感知与智能路由引擎，根据任务类型、模型能力、算力状态、网络状态、成本和服务等级要求，在具备相应资源控制能力和实时状态数据的前提下，实现模型路由、算力路由和网络路径的协同优化。其核心并非简单选择最快或最便宜的资源，而是针对具体 AI 任务寻找满足质量、时延、成本和可靠性约束的最优执行路径。第三是计量计费体系，以 Token 为基本计量单位，支持按任务、按能力、按结果等多种计费模式，实现从"传输量"向"智能处理量"的计量转变。第四是开发者生态，提供完善的文档、SDK、示例代码，降低开发者集成成本，形成需求侧飞轮。第五是任务编排与结果保障，从"卖资源"转向"卖任务结果"，承诺响应时间、准确率、成本等业务指标，实现从技术语言向用户语言的转换。

AISN 的四层演进路径

AISN 的经营对象可以进一步划分为四个层级，体现运营商从资源计量向价值交付的逐步升级。

第一层是 Token 经营 。以 Token 作为统一计量和结算单位，建立不同模型、算力和 AI 服务之间相对统一的计量、计价和结算体系，使 AI 资源能够进入标准化商业运营。

第二层是 AI 能力经营 。将模型、Token、算力和 Agent 等资源进行组合，形成可以直接调用和购买的标准化 AI 能力，如文本生成、代码生成、知识问答等。

第三层是 AI 任务经营 。围绕合同审核、代码开发、数据分析、客服处理等具体任务提供端到端服务，用户购买的不再是某个模型或 Token 数量，而是能够直接完成的 AI 任务。

第四层是 AI 价值经营 。在具备行业 Know-how、业务数据和结果评价能力的场景中，从任务交付走向业务结果和价值交付，如合同风险识别、审核效率提升和合规风险降低等综合服务。

这一演进路径的核心变化可以概括为：Token 解决"如何计量"，AI 能力解决"提供什么"，AI 任务解决"完成什么"，AI 价值解决"产生什么结果"。Token 并不是这一体系的终点，而更可能是 AI 服务商业化的基础计量层。随着 AI 模型、Agent 和行业应用不断成熟，运营商的经营对象有可能逐步从 Token 向 AI 能力、AI 任务和业务价值迁移。

四层经营对象：从用户视角的演进路径

运营商最终应该经营什么，可以从四个层级理解。这四个层级并不是相互替代的关系，而是逐层叠加的关系：Token 是计量与结算基础，AI 能力是标准化产品，AI 任务是服务化产品，AI 价值是结果化产品。因此，运营商未来并不是放弃 Token 经营，而是在 Token 经营基础上进一步向更高层级延伸。Token 可以继续作为后台统一计量和结算机制，而前台经营对象则逐渐从 Token 转向 AI 能力、AI 任务和最终业务价值。

从用户视角看，四层经营对象对应着不同的产品形态和价值感知。随着经营层级提高，用户与底层技术资源之间的距离逐渐增加，用户购买的对象也从资源使用量逐步转向 AI 能力、具体任务和最终业务结果。

第一层是 Token 经营 。经营对象是 Token 及其计量、计价和结算服务。用户感知的是"我购买了一定数量的 Token"或者"按照 Token 使用量付费"，运营商提供的是模型调用、计量、计费和结算能力。这一层的产品逻辑仍然比较接近传统通信行业的资源计量模式，用户需要理解 Token 是什么以及不同模型的 Token 价格，产品差异化主要来自价格、模型供给、稳定性和服务能力。

第二层是 AI 能力经营 。经营对象是由模型、Token、算力和 Agent 等资源组合形成的标准化 AI 能力。用户不再需要直接关心使用多少 Token 或者后台使用了什么算力，而是购买一个可以直接调用的 AI 能力，例如文本生成、代码生成、知识问答、图像理解或多模态分析。运营商后台负责模型选择、算力调度、Token 计量和服务保障，用户前台感知的是 AI 能力本身。

第三层是 AI 任务经营 。经营对象进一步从通用 AI 能力转向具体业务任务。用户不再购买某一个模型或者某一种 AI 能力，而是直接提出"帮我完成什么"。例如，用户提出合同审核、代码开发、数据分析、客服处理等任务，由 Agent 自动选择和组合相应的模型、工具、算力和业务流程完成任务。此时运营商的核心能力从模型和算力资源管理进一步转向任务编排、过程控制和结果保障。

第四层是 AI 价值经营 。经营对象进一步从"完成任务"转向"产生业务价值"。用户关注的不再是调用了多少 Token、使用了什么模型，甚至也不只是任务是否完成，而是任务最终为业务带来了什么结果。例如，合同审核服务最终关注的是风险识别和审核效率提升，客服服务最终关注的是客户满意度、人工成本和问题解决率，数据分析服务最终关注的是决策效率和业务收益。此时运营商提供的已经不只是 AI 技术服务，而是围绕业务目标提供结果和价值交付。

因此，从用户视角看，四层经营对象可以概括为：Token 层——我买多少 AI 资源？能力层——我能获得什么 AI 能力？任务层——AI 能帮我完成什么？价值层——AI 最终为我创造什么结果？

这四个层级并不是相互替代，而是逐步叠加。Token 仍然可以作为后台统一计量和结算机制，AI 能力则构成标准化产品，AI 任务构成服务化产品，而 AI 价值则代表更高层次的结果化服务。用户越向上层迁移，对底层技术的直接感知越弱，对任务完成质量和业务结果的关注越强。

因此，运营商在产品设计中应遵循一个基本原则： 后台经营资源，前台经营能力；后台调度模型、算力和网络，前台交付任务和结果。 这也意味着，运营商的技术能力越强，理论上越不应该让用户承担理解底层复杂性的成本。真正优秀的 AI 服务网络，应当将模型、算力、网络和 Token 等复杂资源隐藏在后台，通过统一的产品和服务界面向用户提供简单、稳定、可预期的 AI 能力和业务结果。

用户视角下的产品设计逻辑：从技术语言到用户语言

用户真实决策逻辑：质量、时延、可靠性与综合成本

从用户角度看，一个关键判断完全成立，即用户不关心哪个算力节点，用户关心的是任务有没有快速、准确、稳定地完成。在价格可接受范围内，用户会优先选择更强的模型能力、更低的延迟、更高的成功率、更好的上下文理解。用户通常不会单独以算力节点作为 AI 服务的选择依据，而更关注任务质量、响应速度、稳定性和综合成本。对于高价值任务，质量和可靠性通常具有更高权重；对于大规模、低价值或成本敏感型任务，价格因素的重要性则会显著提高。因此，运营商的 AI 产品不应将后台算力节点作为主要卖点，而应将资源调度能力转化为用户可以感知的质量、时延、可靠性和成本优势。算力节点是后台实现，不是前台卖点。用户不会问我的请求是在张家口 AIDC 跑的还是在长三角 AIDC 跑的，用户关心的是我的任务有没有快速、准确、稳定地完成。需要指出的是，对于政务、金融、医疗等对数据主权、数据驻留、安全合规或专属算力有明确要求的场景，算力位置本身可能成为用户可感知的产品属性。因此，“算力节点不可见"主要适用于一般性的 AI 服务消费场景，而不是所有企业级和行业级 AI 场景。

运营商不能把算力节点选择当成产品卖点

如果运营商在产品设计中强调"我们的 AI 服务调度了张家口 AIDC 的 GPU 资源，通过低时延网络实现资源协同”，这种产品表达容易陷入技术导向，自以为是的理解了用户的真实需求。用户其实真正关心的是 AI 能否完成任务、响应速度如何、结果质量如何以及综合成本是多少。因此，运营商的产品设计应该从算力节点转向任务结果，不是我们调度了哪个 AIDC，而是我们帮你完成了什么任务，花了多少时间，多少钱，输出的质量如何。

运营商的算力调度能力应该藏在后台，而不是推到前台

运营商的真正优势是可以把用户请求调度到最优算力节点，可以通过网络感知选择最佳路径，可以通过边缘节点降低端到端延迟。但这些能力应该作为后台优化机制，而不是前台产品卖点。前台产品应该聚焦于任务类型、服务质量、价格透明度。后台优化才是运营商的差异化竞争力，同样的任务，运营商可以通过智能调度实现更低成本、更高稳定性，但用户感知到的是更快、更稳、更便宜，而不是调度了哪个 AIDC。

运营商应该学习 OpenRouter 的用户语言，而不是坚持技术语言

OpenRouter 的成功在于它不跟用户讲 Provider 路由、负载均衡、边缘节点，它跟用户讲一个 API 访问所有模型、自动选择最优模型、失败自动切换。这是典型的用户语言，用户听得懂、用户关心、用户愿意为此付费。运营商应该学习这种语言转换，从算力节点调度转向任务结果保障，从网络时延优化转向响应速度提升，从异构算力混训转向模型能力更强。

【结语】

AISN 是运营商 AI 转型的目标框架，但运营商面临关键制约：AI 系统开发能力短板。运营商真正缺的不是基础设施，而是互联网 AI 业务开发能力。

当前，运营商正站在 AI 转型的关键十字路口。若仅将 Token 经营视为终极目标，而忽视向 AI 能力、AI 任务与价值经营的演进，未能真正形成以 AI 服务为核心、以业务结果为导向的运营模式，则即便拥有海量算力、网络与用户接入资源，最终仍可能陷入"新管道化"困境。反之，若能将重资产优势与系统开发能力有机结合，运营商有望在 AI 时代重塑自身生态位。

数据来源说明 ：本文涉及 OpenRouter 的数据主要来源于 OpenRouter 官方文档与博客、公开行业报道；涉及三大运营商的数据主要来源于公司公开披露及行业媒体报道。部分战略概念，如 AISN、Token 经营、AI 能力经营、AI 任务与价值经营，为本文提出的战略构想。

从 OpenRouter 到运营商 AI 服务网络系列一：Stripe 80 亿美元收购 OpenRouter，运营商能学到什么？

Mon, 24 Aug 2026 09:54:00 +0800

【导语】

2026 年 8 月，支付巨头 Stripe 宣布以超 80 亿美元收购 AI 模型聚合平台 OpenRouter，验证了 AI 资源编排中间层的商业价值。与此同时，中国电信、中国移动、中国联通相继推出 TokenHub、MoMA、元景 MaaS 等 Token 服务平台。运营商是在简单复制 OpenRouter，还是在探索差异化路径？本文是"从 OpenRouter 到运营商 AI 服务网络"系列推文之一。

OpenRouter 是什么？

OpenRouter 是一个 AI 模型聚合与智能路由平台。截至 2026 年 8 月，OpenRouter 已连接 500 多个模型和 80 多个 Provider，服务超过 1000 万用户，每日处理 Token 规模超过 10 万亿。

OpenRouter 通过统一 API、智能路由、透明计费与生态飞轮机制，成为开发者与企业连接多家模型的重要入口。开发者只需接入一个 API，就能调用全球 500 多个模型，无需分别对接 OpenAI、Anthropic、Google 等不同厂商。

2026 年 5 月，OpenRouter 完成 1.13 亿美元 B 轮融资，当时估值约 13 亿美元。2026 年 8 月，Stripe 正式宣布收购 OpenRouter，交易对价据公开报道超过 80 亿美元。上述变化表明，AI 模型聚合、智能路由、统一计量与结算正在形成具有独立商业价值的基础服务层。

OpenRouter 的核心能力：不止是多模型 API

OpenRouter 的核心能力并不只是多模型 API，而是模型聚合、API 网关、模型路由、统一计量计费、开发者生态与应用生态的综合体。

统一 API 抽象机制 ：OpenRouter 通过统一 API 抽象机制屏蔽不同模型厂商的接口差异，使开发者能够以 OpenAI Chat Completions 格式调用全球五百余个模型。智能路由引擎通过对模型能力、延迟、成本、可用性等多维度的实时评估，实现动态模型选择与自动回退机制。

透明计费模式 ：在计量体系方面，OpenRouter 以 Token 为主要计量单位，但并非所有模型和模态均仅按 Token 计费，部分服务还存在按请求、图像等计费方式。对于模型推理本身，OpenRouter 通常采用 Provider 价格透传机制，不对底层推理价格加价；其公开披露的商业化机制包括用户购买平台 Credits 时的平台服务费，以及部分 BYOK 场景的平台费用。因此，OpenRouter 的商业模式并不是简单的 Token 差价销售，而是围绕模型聚合、路由、计量、结算和开发者服务形成的平台化商业模式。

数据飞轮 ：OpenRouter 的竞争壁垒不仅来自模型和 Provider 数量，更来自调用规模形成的数据反馈机制。大量真实请求能够产生模型性能、价格、延迟、稳定性和任务表现等运行数据，这些数据反过来改善模型选择和路由策略，并进一步提升平台的用户体验。因此，其生态优势不仅表现为双边市场效应，也表现为"调用规模—运行数据—路由优化—用户增长"的数据飞轮。

OpenRouter 的生态定位：模型、Provider 与应用之间的中间层

OpenRouter 在生态中的定位是模型、Provider 与应用之间的中间层。对模型厂商与 Provider 而言，OpenRouter 降低获客成本、触达长尾用户、获得真实使用数据，性能更好的 Provider 会获得更多流量。对开发者而言，OpenRouter 降低集成成本、获得更优性价比、避免单一厂商锁定。对 OpenRouter 自身而言，双边平台效应显著，模型与 Provider 越多则开发者越多，路由数据越多则路由越优。

OpenRouter 的模式本质上是一种资源编排型运营模式，其核心竞争力不在于持有大规模算力，而在于对模型、Provider 和服务路径进行智能选择与调度。这一模式为运营商 AISN（AI Service Network，AI 服务网络）战略提供了重要参照，但也揭示了一个关键问题，即 OpenRouter 的轻资产模式与运营商的重资产模式存在本质差异，运营商不能简单复制 OpenRouter 的路径。

三大运营商 Token 模式比较：中国版 OpenRouter 还是 AI 能力交易平台？

中国电信 TokenHub：Token 服务与 AI 服务平台

中国电信推出 TokenHub，定位为 Token 服务与 AI 服务平台。其核心能力包括天翼云算力分发网络平台息壤、智算基础设施平台云骁和一站式智算服务平台慧聚。中国电信 2026 年中期业绩公告显示，星辰 TokenHub 汇聚了 142 个大模型，息壤平台 2.0 已支持超 20 款异构芯片算力，自有加接入智算总规模超过 118.8 EFLOPS。从公开披露的产品构成来看，TokenHub 与息壤、云骁、慧聚等平台形成较强的算力与 AI 能力协同关系，因此其业务形态不仅包含模型聚合，也具有较强的算力聚合、资源调度和 AI 能力分发属性。与 OpenRouter 相比，其突出特征在于能够将模型服务与运营商自有及接入的智算基础设施结合起来。

中国移动 MoMA：模型聚合与路由平台

中国移动推出 MoMA，定位为模型聚合与路由平台。其在 WAIC 等场合对外展示了模型服务网 IoM、数联网 IoD、智能分发网 IDN、智能体互联网 IoA 等布局，目标是围绕模型、数据、智能体全链路提供可信供给和泛在互联服务。中国移动于 2026 年 5 月 8 日在移动云大会主论坛上正式发布移动模型服务平台 MoMA，集成超 300 款 AI 模型，首创智能路由引擎，支持成本优先、效果优先、均衡优先三种策略，可实现单位 Token 成本压降约 30%。MoMA 的意义并不只是模型数量超过 300 款，而在于其已经公开体现出"模型聚合—统一接口—智能路由—成本优化"的平台化特征，这使其在业务形态上已经明显接近模型聚合与 AI 路由平台，而不再只是传统意义上的模型资源目录。与 OpenRouter 相比，MoMA 的表述更偏智能网基础设施，但底层逻辑同样是把 AI 资源网络化、标准化、服务化。

中国联通元景 MaaS 加 Token 超市：AI 能力与 Token 价值运营平台

中国联通推出元景 MaaS 加 Token 超市，定位为 AI 能力与 Token 价值运营平台。其核心产品包括联通元景 MaaS 平台、万象数据工程平台、万悟智能体平台、联通魔方套餐、联通云犀、CubeAI 算网模一体化平台等。中国联通 2026 年中期业绩公告披露，其升级了联通元景 MaaS 平台，搭建了规模化"Token 超市"，汇聚 200 多款主流大模型，积累超过 500TB 高质量数据集。元景 MaaS 更接近 AI 能力交易平台，强调将算、网、智打包为一体化服务，转化为可计量的 Token，用户按需付费。与 OpenRouter 相比，元景 MaaS 更强调运营商的网络、算力和政企渠道优势。值得注意的是，Token 超市本身并不意味着 Token 将长期成为最终商品。其更重要的战略意义在于建立统一的 AI 能力计量、组合和结算体系，使不同模型和 AI 能力能够以相对统一的方式进入运营商的商业体系。随着 Agent 和场景化 AI 服务发展，Token 有可能逐渐退居后台，成为能力和任务服务的资源结算单位。

三大运营商与 OpenRouter 的关系：不是简单复制，而是差异化演进

从公开产品形态来看，三大运营商的平台已经表现出与 OpenRouter 相似的模型聚合、统一接口、Token 计量和智能路由特征，但其建设目标和资源基础并不完全相同。因此，更准确的判断是三大运营商并不是在简单复制 OpenRouter，而是正在吸收模型聚合与路由平台的部分机制，并尝试将其与运营商自身的算力、网络、接入、云和政企渠道结合起来。OpenRouter 的核心是模型市场与模型路由，而运营商可能发展为 AI 能力市场与 AI 基础设施路由。运营商与 OpenRouter 的关键差异在于，OpenRouter 采用轻资产加模型聚合加 API 加开发者生态模式，而运营商拥有算力、AIDC、IDC、云、网络、移动接入、固网接入、政企客户、渠道、边缘节点等重资产优势，但相对缺乏开发者生态、AI 应用生态、模型生态 BD（Business Development，商务拓展/生态拓展）、API 产品能力、开发者关系、AI 产品运营、用户增长、Agent 生态、快速互联网产品迭代能力。因此，核心矛盾是供给能力很强，但需求组织能力不足。运营商真正缺的不是基础设施，而是互联网 AI 业务开发能力。

运营商的真正优势：重资产如何转化为 AI 业务竞争优势

为什么不能简单复制 OpenRouter 的轻资产模式

OpenRouter 采用轻资产加模型聚合加 API 加开发者生态模式，而运营商不能也不应该简单复制。因为运营商最大的竞争优势恰恰是算力、网络与接入资源。因此，运营商应该研究如何把重资产优势转化为 AI 业务竞争优势，而不是试图把自己变成一个纯粹的轻资产模型中介。

运营商的三层差异化优势

运营商的真正优势可归纳为三层。第一层是算力，运营商可以掌握 GPU、AIDC、云、边缘算力，因此可以实现从模型路由到算力路由的升级，即不仅选择哪个模型，还选择哪个算力节点执行。第二层是网络。运营商可以将网络时延、带宽、网络负载、数据中心位置等网络和拓扑状态，与模型推理性能指标如 TTFT、TPOT 以及业务 SLA 共同纳入 AI 任务调度，从而形成网络感知的 AI 路由与资源编排能力。第三层是用户接入，这是运营商区别于多数 AI 基础设施平台的重要潜在优势。运营商同时拥有移动、固网、企业和政企客户等广泛的用户触点，因此具备将通信用户和政企客户转化为 AI 服务用户的潜在入口。但需要指出，用户接入资源并不会自动形成 AI 需求，运营商仍需要通过产品设计、应用生态和开发者服务将网络接入优势转化为实际 AI 使用规模。但网络感知调度的业务价值具有明显的场景依赖性。对于实时交互、边缘 AI、多轮 Agent 和多模态服务等对端到端时延敏感的任务，网络状态可能成为重要的调度变量；对于大量离线、批处理或异步推理任务，网络因素的重要性则相对有限。

真正缺的是需求侧飞轮

运营商目前已经具备较强的算力、网络、云和用户接入资源，但这些资源不会自动产生 Token 需求。真正需要建立的是"开发者—AI 应用—AI 用户—模型调用—Token 消费—算力消费—网络消费—收入—更多开发者"的需求侧飞轮。运营商需要解决的核心问题，不只是扩大 AI 供给，而是将已有基础设施转化为持续增长的 AI 服务需求。

【结语】

OpenRouter 获 Stripe 超 80 亿美元收购，验证了 AI 资源编排中间层的商业价值。对运营商而言，简单算力堆叠与粗放 Token 转售均非长久之计。运营商有重资产优势，如何转化为 AI 业务竞争优势？

数据来源说明 ：本文涉及 OpenRouter 的数据主要来源于 OpenRouter 官方文档与博客、公开行业报道；涉及三大运营商的数据主要来源于公司公开披露及行业媒体报道。部分战略概念为本文提出的战略构想。

算力网与新一代通信网——定义、内容与关系

Thu, 20 Aug 2026 18:04:00 +0800

概述

算力网与新一代通信网均被纳入国家"六张网"顶层部署。2026年4月28日，中共中央政治局会议明确提出"加强水网、新型电网、算力网、新一代通信网、城市地下管网、物流网等规划建设"，标志着两张网正式上升为国家战略。“十五五"规划纲要将其列为现代化基础设施体系的核心组成部分。2026年全年"六张网"及重点领域投资超7万亿元，“十五五"时期总投资预计超过10万亿元。

两张网分别对应数字经济的"算"与"传"两大核心能力——算力网解决算力"从哪来、怎么调度"的问题，新一代通信网解决数据"怎么传、多快传"的问题，二者深度融合构成"算网一体"体系。

算力网

（一）定义来源

时间	文件/场合	发布主体
2022年2月	启动建设国家算力枢纽节点通知	国家发改委等四部门
2023年10月	《算力基础设施高质量发展行动计划》	工信部等六部门
2023年12月	《关于深入实施"东数西算"工程加快构建全国一体化算力网的实施意见》	国家发改委、国家数据局等五部门
2024年12月	《国家数据基础设施建设指引》	国家发改委、国家数据局、工信部
2025年	“十五五"规划纲要	全国人大
2026年4月	中共中央政治局会议	中共中央
2026年5月	丁薛祥调研算力网建设讲话	国务院副总理
2026年6月16日	国家发改委民营企业座谈会	国家发改委主任郑栅洁

来源：国家发改委官网（ndrc.gov.cn）、新华社、央视新闻、中国政府网（gov.cn）

（二）定义

算力网（全国一体化算力网）是以"东数西算"工程为战略骨架，依托8大国家算力枢纽节点和10个国家数据中心集群，通过"新八纵八横"骨干光缆互联，将散落在全国各地的通用算力、智能算力、超级算力等多元算力设施连接成网，实现全国算力资源统筹调度、供需适配、集约高效利用的新型基础设施体系。算力是继热力、电力之后的新型基础资源，算力网被定位为"算力版的国家电网”，是支撑数字经济、人工智能等高质量发展的关键基础设施。

来源：“十五五"规划纲要；丁薛祥2026年5月调研讲话（新华社）；央视新闻2026年6月报道

（三）核心内容

1. 空间布局（“8+10+3"体系）

8大国家算力枢纽：京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏。

10个国家数据中心集群：各枢纽下辖。

3个算电协同发展区域：2026年6月，国家发展改革委政策研究室副主任、新闻发言人李超披露，我国加快构建全国一体化算力网，形成以8大国家算力枢纽、10个国家算力集群、3个算电协同发展区域为重点的"8+10+3"算力空间布局，“3"指最新布局的三个国家级算电协同发展区域，是本轮建设的战略亮点。

全国智能算力总规模已达188万PFLOPS（FP16），八大枢纽节点算力占比超80%。

来源：国家发改委"东数西算"工程启动通知（2022年2月）；国家发改委2026年6月新闻发布会；央视新闻2026年6月报道

2. 骨干网络

“新八纵八横"骨干光缆沿高铁线延伸。已规划建设181条"东数西算"干线光缆（来源：央视财经2024年7月报道），开通26个互联网骨干直联点。目标：1ms城市算力网、5ms区域算力网、20ms跨枢纽算力网。

来源：国家发改委等五部门《关于深入实施"东数西算"工程加快构建全国一体化算力网的实施意见》（2023年12月）；央视财经2024年7月报道；福建省经济信息中心报道

3. 建设原则

统筹布局、有序建设 ：注重供需适配、算电协同，加快形成全国一张网。

算力监测调度 ：提升算力接入和精准匹配能力，把分散的资源整合利用起来。

算电协同 ：统筹能源资源配置与算力设施建设，“以电强算、以算促电”，探索绿电直连。

安全韧性 ：提高设施、模型、数据、网络安全防护能力。

国产化 ：推动国产软硬件从"可用"迈向"好用”。

来源：丁薛祥2026年5月调研讲话（新华社）

4. 投资规模

算力网直接投资达万亿量级（含信息设备和土木建筑工程）。2026年"六张网"及重点领域投资超7万亿元。算力网投资具有乘数效应，带动AI、自动驾驶、低空经济、合成生物等产业。

来源：央视新闻2026年6月报道；国家发改委2026年6月16日座谈会（金融界报道）

5. 参与主体

基础电信企业：中国联通（华北廊坊数据中心）、中国移动（呼和浩特智算中心）、中国电信等电信运营商深度参与。互联网/科技企业：华为、腾讯、阿里等参与数据中心集群建设。地方政府：各枢纽节点所在省市配套建设。

来源：丁薛祥调研中国联通华北（廊坊）数据中心、中国移动呼和浩特智算中心（新华社2026年5月）

新一代通信网

（一）定义来源

时间	文件/场合	发布主体
2025年	“十五五"规划纲要	全国人大
2026年4月28日	中共中央政治局会议	中共中央
2026年5月	央视《新闻联播》“六张网"调研	央视/千龙网
2026年5月29日	中新网/央视新闻报道	中国信通院副院长王志勤
2026年6月	新华社/经济日报报道	中国信通院副所长赵文玉
2026年7月20日	国新办新闻发布会	工信部信息通信管理局局长谢存
2026年7月30日	中共中央政治局会议	中共中央

来源：中国政府网（gov.cn）、工信部官网、国新办发布会、新华社、央视新闻

（二）定义

新一代通信网是以新一代通信技术创新和新型应用需求为驱动，以高速泛在、全域智能、韧性安全、融合赋能等为特征，服务于经济社会数智化转型的"空天地海"一体化网络设施体系。它不仅包含由5G-A/6G网络、光网络和数据通信网络等构成的基础网络，以卫星互联网为主体的空间网络，涵盖工业互联网、低空智联网等的融合网络，还包括服务应急通信保障的应急通信网络。从5G、5G-A到未来6G的移动通信网，以及万兆光网、卫星互联网等，都属于新一代通信网范畴。

来源：中国信通院技术与标准研究所副所长赵文玉（新华社2026年6月报道）；央视财经/未来网2026年6月报道

（三）工信部定义的"四新"特征

连接对象新 ：从传统个人用户拓展到人、机、物、具身智能等多元主体。

覆盖范围新 ：突破传统地面限制，向空天地海一体化全域覆盖拓展。

连接能力新 ：实现确定性、稳定性等大幅提升，更好满足行业应用差异化需求。

网络功能新 ：由单纯的信息传输，向通信、感知、计算、智能、安全等多能力深度融合演进。

工信部信息通信管理局局长谢存强调：“新一代通信网不仅仅是传统意义上的网络升级，更是面向智能时代数字信息基础设施的一次关键革新。”

来源：工信部信息通信管理局局长谢存，国新办新闻发布会（2026年7月20日，21财经报道）

（四）核心内容

1. 网络体系构成

基础网络 ：5G-A/6G移动通信网、光网络（万兆光网/400G超高速光传输）、数据通信网络。

空间网络 ：以卫星互联网为主体（低轨卫星、天通卫星），实现空天地海覆盖。

融合网络 ：工业互联网、低空智联网、车联网等。

应急通信网络 ：服务应急通信保障的专用网络。

来源：中国信通院技术与标准研究所副所长赵文玉（新华社2026年6月报道）

2. 关键建设指标（截至2026年）

5G/5G-A： 5G基站510.2万个（全球最大），5G-A覆盖330个以上城市，未来五年将建成50万座5G-A基站。

来源：央视财经2026年6月10日报道

截至2026年4月末， 5G移动电话用户达12.62亿户 ，占移动电话用户比重68.7%（来源：新华社2026年5月27日报道）。截至2026年6月末，5G移动电话用户达12.88亿户，占移动电话用户的69.9%（来源：工信部2026年上半年通信业经济运行情况）。

万兆光网： 86个城市168个小区/工厂/园区试点，未来五年将建设100万个高速无源光网络端口。

光网络： 全国光缆线路7499万公里，400G超高速光传输系统规模部署。

固定宽带： 千兆及以上固定宽带用户2.53亿户。

移动物联网： 移动物联网终端用户29.76亿户。

卫星互联网： 技术试验卫星已发射，手机宽带直连卫星试验中。

6G： 第一阶段技术试验顺利完成，已批复6GHz频段6G试验频率，第二阶段试验推进中；目标2029年形成自主创新6G技术方案，2030年前后商用。

来源：工信部数据（国新办发布会2026年7月）；中新网/央视新闻2026年5月报道；央视新闻2026年3月报道；工信部2026年5月批复

3. 技术演进路径

5G： 全面商用，高速下载、eMBB/uRLLC/mMTC。

5G-A： 规模商用中，千兆上行、毫秒级时延、通感一体、超轻量化。

6G： 研发/试验阶段（2030年商用），效率与连接能力再提升10倍以上，“通感算智"深度融合。

来源：央视财经/未来网2026年6月报道

4. 经济带动效应

未来五年带动上下游总产出约7万亿元；拉动GDP增长约1.5个百分点；直接创造就业岗位超过百万。带动产业链：网络设备、智能终端、核心芯片、测试仪器等。

来源：央视财经2026年6月10日报道；21财经2026年7月报道

5. 赋能领域

已融入97个国民经济大类中的91个。累计建设2.5万余个"5G+工业互联网"项目。建成1260家5G工厂，平均产品质量提升20.5%，运营成本降低18.4%，平均产能增加24.7%。重点赋能：智能制造、智慧城市、智慧家庭、低空经济、具身智能、脑机接口、智能网联汽车。

来源：工信部数据（国新办发布会2026年7月）；新华社2026年6月报道

6. 下一步重点工作（工信部）

网络建设部署 ：统筹推进基础网络、空间网络、国际网络和融合网络建设，推动5G-A、万兆光网等规模商用，持续增加国际海缆通达方向，加快新型工业网络建设。

产业支撑赋能 ：加强6G移动通信、超高速光通信、海底光缆、卫星通信等核心技术创新攻关。

应用创新推广 ：深化5G、千兆光网在重点行业应用，深化脑机接口、具身智能、智能网联汽车与5G-A/6G、卫星互联网等融合发展。

来源：工信部信息通信管理局局长谢存，国新办新闻发布会（2026年7月20日）

##两张网的关系

（一）战略定位关系

算力网是数字经济的核心底座，解决算力"从哪来、怎么调度"的问题。新一代通信网是数据传输的"大动脉”，解决数据"怎么传、多快传"的问题。二者共同构成数字经济的"算"与"传"两大核心能力。

来源：综合"十五五"规划纲要、中共中央政治局会议部署

（二）功能协同关系

新一代通信网是其他五张网的信息通信连接和服务基座。为算力网提供高质量联算、入算的网络底座。支撑人工智能高质量训练推理。二者深度融合构成"算网一体"体系。

来源：中国信通院技术与标准研究所副所长赵文玉（新华社2026年6月报道）

（三）产业融合关系

加强算力网与新一代通信网的规划协同，推动5G、6G等新一代通信技术与算力网深度融合。为工业互联网、低空经济、智慧政务等各类数字应用提供支撑。算力网投资具有乘数效应，带动AI、自动驾驶、低空经济等产业；新一代通信网全面赋能智能制造、智慧城市、智慧家庭等领域。

来源：综合"十五五"规划纲要、中共中央政治局会议部署

主要引用出处汇总

“十五五"规划纲要——全国人大2025年审议通过
中共中央政治局会议——2026年4月28日、2026年7月30日
《关于深入实施"东数西算"工程加快构建全国一体化算力网的实施意见》——国家发改委、国家数据局等五部门，2023年12月（发改数据〔2023〕1779号）
《算力基础设施高质量发展行动计划》——工信部等六部门，2023年10月（工信部联通信〔2023〕180号）
《国家数据基础设施建设指引》——国家发改委、国家数据局、工信部，2024年12月（发改数据〔2024〕1853号）
丁薛祥调研算力网建设讲话——新华社，2026年5月18日
工信部国新办新闻发布会——工信部信息通信管理局局长谢存，2026年7月20日（21财经报道）
中国信通院副院长王志勤采访——中新网/央视新闻，2026年5月29日
中国信通院副所长赵文玉采访——新华社/经济日报，2026年6月
央视《新闻联播》“六张网"调研——千龙网，2026年6月14日
央视财经/未来网报道——2026年6月10日
国家发改委2026年6月新闻发布会——国家发改委政策研究室副主任李超，2026年6月18日
国家发改委民营企业座谈会——国家发改委主任郑栅洁，2026年6月16日（金融界报道）
界面新闻"六张网"分析报道——2026年
21财经"六张网"解读——2026年7月26日

AI 对广域网的影响——Cisco 2026 年度报告

Mon, 17 Aug 2026 15:00:00 +0800

报告概况

本报告由 Cisco Systems, Inc. 主导研究，联合 Opanga Networks 共同完成，属年度系列报告首期，后续将逐年更新。研究基于三类数据源：Cisco Crosswork Assurance User Experience 真实流量分析、Cisco 实验室对 AI Agent 的受控测试、以及 Gartner、IBM、McKinsey、Morgan Stanley、Omdia 等第三方机构的行业数据。

报告作者：Johan Gustawsson、Javier Antich、Waris Sagheer（Cisco）报告编号：C99-5828901-00 05/26

核心发现

AI 推理流量现状：体量较小但增速极快

OpenRouter 平台数据显示，2024 年 12 月至 2025 年 12 月期间，Token 消耗同比增长约 10 倍。两家服务提供商的 8 个月监测数据显示，AI 推理流量增长约 4 倍。若保持当前增速，预计 2035 年 AI 流量将占全网流量的 25%，成为重要组成部分。

传输层特征显著不同于传统 Web 流量

特征维度	AI 推理流量	传统 Web 流量	差异倍数
流持续时间（中位数）	1292 ms	643 ms	2 倍
流速率（中位数）	338 Kbps	3803 Kbps	Web 为 AI 的 10 倍
上行主导流占比	9%	0.5%	AI 高出 18 倍

成因分析 AI 推理采用逐 Token 生成方式，相当于在数据流上施加"整形器"，导致流持续时间延长、速率更平滑。推理请求通常携带大量上下文，致使上行流量显著增加。Agentic AI 执行任务时持续积累上下文状态，进一步加剧上行增长。

网络影响

流感知网络系统（防火墙、入侵检测、DPI）面临流表状态规模与分散度双重增长，需向分布式架构演进（如 Cisco Hypershield）
中位速率与峰均比差异要求差异化 QoS 策略
无线接入网容量规划需重新评估上下行对称性假设

传输层协议分布

AI 推理服务同时使用 TCP 与 QUIC。按流数量计，两者接近 50% 对 50%；按数据量计，QUIC 占 57%。QUIC 的加密特性给 DPI 系统的应用层流量识别带来挑战。

网络延迟：当前非主要瓶颈

端到端 AI 推理延迟主要由模型处理时间决定，通常在数百毫秒至数秒范围。网络延迟目前仅占 20-50 ms，尚不足以证明大规模向边缘推理迁移的合理性。但随推理硬件加速发展，网络延迟重要性将上升。测量与保障 AI 推理体验已成服务质量感知关键。

延迟模型

1

延迟 = TTFT（首 Token 时间）+ TPOT（每 Token 生成时间）× 输出 Token 数

OpenAI GPT-5.2：约 9 ms/Token → 100 Token 约 1 秒，600 Token 约 5.4 秒
Anthropic Claude Opus 4.5：约 20 ms/Token

Agentic AI 流量模式

AI Agent 的三大数据源与目的地

• Agent 本身 ：Agent 代码运行位置
• AI 模型 ：推理发生位置
• 工具/数据源 ：Agent 调用的外部工具与数据

实证测试结果（以 Langchain Open Deep Research Agent 为例）

测试任务：收集 Cisco 公开 IR、社交媒体、新闻、合作伙伴、高管信息等。

Agent 触发总流量：26.8 MB
分析 Web 来源数：44 个
Agent 驱动流量增长：450%（相较人工执行同任务）
其中 70% 为 AI 推理流量

Agent 的"脊髓"概念

Agent 代码与 AI 模型间的网络路径称为 Agent 的"脊髓"——关键依赖路径：

• 任何网络降级直接损害 Agent 功能
• 该路径需高弹性、可观测性与差异化处理（QoS、路径安全）
• Agent 以软件速度而非人类速度运行，网络资源消耗呈数量级增长

Agentic AI 流量模式关键特征

• Agent 是网络"超级用户"，以软件速度消耗云与网络资源
• AI 推理流量不仅是流量主要组成，更是 Agent 运行的关键路径流量
• Agent 部署位置灵活（端侧/本地/私有 DC/公有云），推理路径可能跨越多网络域
• 工具调用通过 MCP 等协议与多外部系统交互

企业级 Agentic AI 采用预测与网络影响（2026-2035）

关键时间节点

年份	里程碑	数据来源
2026	40% 企业应用集成任务特定 AI Agent	Gartner
2027	80% 高管认为 Agentic AI 关乎公司生存	Cisco/Omdia
2027	67% 企业领导者预期 AI Agent 将自主决策	IBM
2028	1/3 用户交互从传统应用转向 Agentic AI 界面	Gartner
2029	80% 常规客服问题由 AI Agent 自主处理	Gartner
2035	Agentic AI 驱动约 30% 企业应用软件收入（>4500 亿美元）	Gartner

企业流量增长预测

无 Agentic AI 场景：2026-2035 年企业流量增长约 2.5 倍
有 Agentic AI 场景：企业流量增长约 9 倍
核心驱动力：自主任务执行与推理密集型工作流

采用曲线特征

2024-2025 年：萌芽期（<5% 企业应用含 AI Agent）
026-2028 年：快速采用期（从实验走向战略）
2029-2032 年：爆发增长期（AI 推理流量 CAGR 约 25%）
2033-2035 年：成熟普及期（AI Agent 成企业运营标准组件）

消费者 AI 与 Agentic AI 采用预测与网络影响（2026-2035）

当前采用现状

2025 年中：61% 美国成年人过去 6 个月使用过 AI，约 19% 日活
全球约 17-18 亿人曾使用 AI 工具，其中 5-6 亿日活用户
2025 年底：约 23% 美国人过去一个月通过 AI 完成购买（Morgan Stanley）

关键预测

年份	预测	数据来源
2030	AI 驱动购买占美国消费者交易 46%	Cognizant/Oxford Economics
2030	Agentic shoppers 占美国电商支出 10-20%	Morgan Stanley
2030	AI Agent 协调全球零售收入 3-5 万亿美元	McKinsey
2030s 初	大多数消费者日常使用 AI 助手，如同使用互联网	综合预测
2035	AI 接近无处不在，覆盖 90-100% 互联网用户	综合预测

消费者流量增长预测

无 AI 影响场景：2025-2035 年网络流量增长约 4 倍
有 AI/Agentic AI 场景：流量增长约 6.6 倍（相较非 AI 场景增加 63%）
AI 推理流量预计占 2035 年总流量 25%

设备生态扩展

智能手机仍为主力终端。AI 正渗透至家居、可穿戴设备、汽车与 AR 界面。多设备普及使 AI 几乎随时随地可用。

物理 AI 的潜在影响

随机器人技术发展，物理 AI 将对网络基础设施产生重大影响。多数系统将结合嵌入式实时推理（即时动作）与云端推理（复杂推理）。从网络视角看，机器人可视为配备物理工具的 Agent。预计总体影响与数字 Agent 相当，后续报告将持续跟踪。

对网络规划与运营的关键启示

流量特征的根本性变化

AI 与 Agentic AI 不仅增加流量总量，更改变流量的形态、对称性、持续时间与关键性：

维度	传统假设	AI 时代新现实
流量模式	突发性、下行主导	平滑持续、上行增加
交互节奏	人类速度	软件速度
关键路径	无特定依赖	Agent-模型路径为"脊髓"
流持续时间	短（~643 ms）	长（~1292 ms）
安全需求	传统边界防护	分布式、流感知安全

网络架构演进方向

AI 推理路径将成战略性网络资产，需高弹性、可观测性与差异化 QoS 保障
流感知网络系统需向分布式架构演进，应对流表规模增长
接入网规划需重新评估上下行对称性假设，增加上行容量
安全系统需适应 QUIC 加密流量与 AI 流量新特征
网络延迟将随推理硬件加速而变得更重要

持续测量与保障

需建立 AI 特定 KPI 的持续测量体系
可使用 Cisco Crosswork Assurance 等工具跨网络端点测量 AI 推理 KPI
自适应网络架构对维持性能与用户体验至关重要

规划建议

传统规划假设（突发性、下行主导、人类节奏）需调整
2029-2032 年为 AI 推理流量爆发增长期（CAGR 约 25%），需提前布局
企业网络需为 9 倍流量增长做准备
运营商网络需为 6.6 倍流量增长做准备，其中 AI 推理占 25%

报告方法论

数据来源

Cisco Crosswork Assurance User Experience 真实流量分析
Cisco 实验室 AI Agent 受控测试
第三方行业报告（Gartner、IBM、McKinsey、Morgan Stanley、Omdia 等）

流量识别 通过实证测试训练模型，精确识别与追踪 AI 流量

预测模型 基于行业数据建立可重复测量框架与基线，逐年跟踪 AI 流量演进

报告周期 年度更新

关键数据汇总

指标	数值	时间节点
Token 消耗同比增长	10x	2024.12-2025.12
服务商 AI 流量增长	4x / 8 个月	2025.04-2025.12
AI 推理流持续时间	2x 传统 Web	当前
AI 推理流速率	1/10 传统 Web	当前
AI 上行主导流占比	9%（vs Web 0.5%）	当前
Agent 流量增幅	450%	实证测试
Agent 流量中 AI 推理占比	70%	实证测试
企业流量增长（无 Agentic AI）	2.5x	2026-2035
企业流量增长（有 Agentic AI）	9x	2026-2035
消费者流量增长（无 AI）	4x	2025-2035
消费者流量增长（有 AI）	6.6x	2025-2035
AI 推理占全网流量	25%	2035 年
AI 推理流量 CAGR（爆发期）	~25%	2029-2032

来源：Cisco Systems, Inc. “AI Impact on Wide Area Networks: Cisco 2026 Report” 合作：Opanga Networks

Token运营时代：三大运营商的战略分野、共识与迷思

Tue, 26 May 2026 12:57:00 +0800

当AI的认知能力开始像电力一样流动，谁来铺设新的电网？这不是未来学问题，而是正在发生的产业变局。

国家数据局局长刘烈宏3月24日披露，截至2026年3月，我国日均Token调用量已超过140万亿，相比2024年初的1000亿增长了1000多倍，比2025年底的100万亿又增长了40%多。面对这场数据洪流，中国电信、中国移动、中国联通已集体转向——它们试图将“Token”确立为AI时代的基础交换单元，从传统的“流量管道”向“认知服务的智能调度平台”跃迁。

观察它们的战略落子，可以清晰地看到三条截然不同的路径：联通重构网络、移动夯实算力、电信聚合生态。而这背后藏着一个根本性的认知分歧——Token，究竟是标准化的“电”，还是异质性的“认知服务”？

联通：网络架构的重构者

联通是三家之中最早、最系统地将Token提升至网络架构核心的玩家。2026年5月，在2026年世界电信和信息社会日大会的技术研讨会上，中国联通研究院副院长、首席科学家唐雄燕发表了《面向Token运营的互联网基础设施演进》的主题演讲，首次提出“Token Net”技术理念，推动算力智联网AINet向面向Token运营的智能互联网基础设施全面升级。

联通的战略重心落在“以网补算”上。其重点攻坚的TDN（Token分发网络）、PD分离推理架构与KV Cache广域分发调度，意在通过网络的智能路由能力，实现Token的低成本、高吞吐传输。在四川、上海、湖北等地，联通已推出Token Plan产品，提供600万、1200万、1800万Tokens三档可选，融合套餐价格从7.5元/月至359元/月不等。目前，中国联通智算规模已达45 EFLOPS，2026年算力投资占比超过35%。

联通想做的事很明确：成为Token时代基础协议的定义者。

移动：算力底座上的“商品”逻辑

中国移动的Token运营逻辑根植于其“算力网络”战略。2025年12月，陈忠岳从中国联通调任中国移动董事长；在其领导下，移动加速推进AI战略。5月8日，在苏州举行的2026移动云大会上，中国移动正式发布移动模型服务平台MoMA，接入DeepSeek、千问等超300款主流AI模型，首创Token集约化运营模式，通过统一API网关和智能路由机制，实现单位Token成本压降约30%。

移动的底气来自规模。根据2025年全年业绩，中国移动智算总规模已达92.5 EFLOPS（FP16）。其“算网大脑”已迭代至4.0版本，实现百万亿级Token的日调度能力，具备800GB高吞吐能力，建成1ms-5ms-20ms三级时延圈，已完成1500个边缘智算中心升级。

移动的打法本质上是一种“算力批发与零售”模式：用超大规模的算力底座压低Token的生产成本，再用MoMA平台统一分销。它的定位是AI时代的超级算力供应商。

电信：务实敏锐的MaaS聚合商

中国电信在战略表述上最为直白。董事长柯瑞文曾公开表态：“智能云体系就是Token经营体系”，“Token经营的本质就是为用户提供AI服务”。

依托天翼云的深厚积累，中国电信构建了从IaaS到MaaS的五层智能云体系，自有及接入智算总规模超过91 EFLOPS。其路径的核心是“星辰·MaaS平台”——这个类似“模型大卖场”的平台不仅提供自研的星辰大模型（已入选2025年度央企十大国之重器），还接入数十家主流模型，让用户统一按Token计费调用。

5月17日，中国电信正式推出全国Token套餐，个人及家庭用户最低9.9元/月可获得1000万Tokens，开发者及中小企业39.9元/月起。

更为重磅的是，今年4月，中国电信宁夏分公司发布《2026年“Token工厂”生成能力服务集中采购项目》，整体预估含税规模174.38亿元，划分11个标包，建设词元生成、算力归集、模型适配和智能调度底座。这是三大运营商中首个以“Token工厂”命名的百亿级集采项目，标志着Token运营从战略口号走向了规模化落地。

共识：不甘只做“机房房东”

尽管路径各异，但三大运营商在核心战略上高度一致：它们集体拒绝在AI产业链中被锁定在IaaS层——就是那个只提供机柜、电力和散热的角色。向上游的MaaS层、甚至更靠近应用的智能服务层攀爬，是它们共同的方向。

Token的计费颗粒度远小于云计算时代的“核·小时”或“GB·月”。这种细颗粒度的计费模式，让运营商有机会切入模型评测、服务路由、费用结算、生态聚合等高附加值环节，而不仅仅是收机柜租金。

从资本开支动向来看，三大运营商都在缩减传统网络投资，加注算力。中国电信2026年算力基础设施投资255亿元，同比增长26%，占总投资的35%；中国联通算力投资占比同样超过35%；中国移动也在持续扩大智算投入。资源重心的倾斜，已经不是信号，是事实。

“电网幻觉”：被忽视的认知陷阱

但这里有一个被普遍忽略的矛盾。不妨把它叫作运营商的“电网幻觉”。

第一个错觉：Token可以像“度电”一样标准化计费。

三大运营商的战略论述中，都暗含了一个前提——Token是同质化的、可标准计量的单元。这是典型的基础设施思维，可惜算力不像水电气那样，有一致的质量标准。现实是，GPT-4生成的1000个Token与Llama-3-8B生成的1000个Token，在认知价值、准确性和可靠性上差距悬殊。强制统一度量，就像要求名家手笔与印刷品按纸张面积付费，头部的品牌溢价会被抹掉。这恰恰是MoMA平台推行智能路由、压缩30%成本时必须面对的问题：成本压降的背后，谁来定义、谁来交付不同模型的认知质量？

第二个错觉：网络调度可以抹平模型能力的差异。

无论是联通的TDN，还是移动的算网大脑，技术逻辑都是同一套：通过智能路由、KV Cache缓存和算网协同，在广域网上实现Token的最优分发。延迟和吞吐量当然可以优化，但问题在于：当用户需要高价值认知服务时，“选对模型”远比“就近接入一个模型”重要得多。网络的低延迟救不了模型的认知低智商。用户对“数字专家”的指名购买意愿，天然强于对底层网络调度的感知。

第三个错觉：运营商天然具备互联网平台的运营基因。

三大运营商的底色，说到底还是“建机房、拉光纤、做调度”。Token运营看似时髦，但组织能力、人才结构和决策流程，和需要快速迭代、打造爆款、运营用户社区的互联网产品逻辑，存在明显的错配。喊出“Token运营”口号不难，但要在2C市场真正做好模型选品、用户体验设计、内容生态运营，这条路远比铺设光纤更考验功力。

破局：从“AI电网”到“AI超级应用市场”

看清陷阱，是为了找到真正的方向。运营商不该是强行缓存和路由Token的“国家电网”，而应该是聚合全网最聪明大脑、提供统一消费体验的“AI超级应用市场与证券交易所”。

在这个定位下，运营商的核心价值落在三个维度：

第一，信任中枢。由运营商对入驻模型进行分级、认证和评测，用自身的央企公信力替用户解决“选模难”的问题，让不同质量的模型获得差异化的定价与推荐位。

第二，交易平台。提供统一的计费、对账与结算服务——比如话费代扣，让用户无障碍地在不同模型间切换，让模型厂商专注于提升认知水平，不必自建复杂的商业系统。

第三，服务枢纽。将Token服务与通信、云、安全、边缘等多重能力深度整合——这是互联网大厂不具备的独特优势。

中国移动的MoMA平台、中国电信的星辰MaaS平台，已经具备了“模型大卖场”的雏形；中国电信174亿元Token工厂集采、中国联通Token Plan产品的推出，则意味着Token运营正在从概念走向市场。但真正的考验在于，运营商是否敢于放弃标准化计费带来的简单叙事，转而去经营远比管道复杂得多的“认知服务质量”。承认Token不是电，而是认知服务的度量衡，这是所有战略得以成立的前提。

Token运营的大幕刚刚拉开。正视“电网幻觉”，将重心从“传输”转向“服务”，从“调度”转向“信任”——如果能做到，它们完全有可能在AI时代定义一种全新的商业基础设施。反之，如果仍然沿着“度电”式的旧地图寻找新大陆，这场声势浩大的转型，或将止步于又一轮智算设备集采的狂欢。

增值税税率调整对电信运营商有何影响？

Sun, 01 Feb 2026 00:00:00 +0800

财政部、国家税务总局发布的《关于增值税征税具体范围有关事项的公告》（2026年第9号）规定自2026年1月1日起，在中国境内利用固网、移动网、卫星、互联网提供手机流量服务、短信和彩信服务、互联网宽带接入服务的业务活动，其增值税税目由"增值电信服务"改为"基础电信服务"，相应税率由6%上调至9%。中国移动、中国电信、中国联通三大运营商已发布公告，均明确此次调整"将对公司收入及利润产生影响"，并提出将强化运营和管理应对挑战。

对运营商的影响

收入结构和受影响业务规模

各运营商的流量、宽带业务收入占比甚高，其中"手机流量服务"和"宽带接入服务"均包含在新增税负之下。以2024年财报为例：

中国移动：主营业务收入8895亿元，其中"无线互联网"业务收入3859亿元（主要为手机数据），“有线宽带"收入1302亿元（合计3282亿元）。固定宽带用户1.97亿，宽带收入占比显著。
中国电信：服务收入4820亿元，其中移动通信服务收入2025亿元，固网及智慧家庭（含宽带）收入1257亿元（合计3282亿元）。固定宽带用户1.97亿，宽带收入占比显著。
中国联通：2024年营业收入3896亿元，其中"联网通信"基础业务收入约占76%（含移动和固定宽带等）；“算网数智"新兴业务占24%。据此保守估计，约有2960亿元基础通信业务收入受税率上调影响。

上述数据表明，三大运营商主要收入中，流量上网和宽带业务规模庞大，涉及增值税税率上调的收入规模巨大。下表概括各运营商相关指标及预估税负增量：

运营商	2024年主营业务收入 (亿元)	受增值税上调影响的业务收入(亿元)	2024年归母净利润 (亿元)	税率上调后增值税增量 (≈亿元)
中国移动	10408 (营业收入)	≈5161（流量3859 + 宽带1302）	1384	约155（5161×3%）
中国电信	5294 (经营收入)	≈3282（移动2025 + 宽带1257）	330	约98（3282×3%）
中国联通	3896 (营业收入)	≈2960（基础通信收入估计）	90	约89（2960×3%）

注：收入数据来自2024年财报，税负增量估算为相关收入×(9%-6%)。表中收入单位均为人民币亿元。

对营收、利润的短期影响

收入方面： 增值税的上调本身不直接减少运营商的营业收入（因为运营商收费通常未明确列税），但可能通过资费调整对用户施加。若运营商无法完全转嫁这部分成本，则相当于增加了经营成本。

利润方面： 影响更为明显。以中国移动为例，2024年归母净利润1384亿元，净利率约13.3%。若其受影响业务收入5161亿元全部按9%计税而无法抵扣额外成本，税负将增加约155亿元，这相当于将净利润降至约1229亿元（净利率降至≈11.8%）。同理，中国电信净利润330亿元，受影响业务收入3282亿元，增税约98亿元；中国联通净利润仅90亿元，受影响业务收入≈2960亿元，增税约89亿元。若三家运营商短期内完全吸收新增税负，其2024年净利润将被大幅压缩（联通几乎盈余被耗尽）。

各公司公告均指出"将对公司收入及利润产生影响”。但实际效果还取决于成本控制与转嫁幅度。综合考虑三家运营商2024年利润率差异：

中国移动利润率最高（约13%），财务实力强，抗风险能力最强；
中国电信中等（≈6%），受冲击较大；
中国联通较低（≈2–3%），面临的压力最大。

税负转嫁可能性

运营商能否将新增税负转嫁至消费者，需综合竞争态势和监管政策。一般而言，三大运营商竞争激烈，不宜大规模统一提价，但可在新资费和套餐设计上做微调。例如：

资费上调：可能针对流量、宽带套餐适度提价，如增加流量包价格或推出阶梯式资费。3%税率上调可能对应资费上调约2–3个百分点。
优惠调整：减少赠送流量、调整促销活动等，以减少成本支出。
其他业务侧转移：鼓励用户使用增值服务、云业务或数字化服务，提高非基础通信收入占比，以提高综合盈利。

不过，监管层可能关注通信服务价格变化，防止扰乱市场。2014年电信业"营改增"后，运营商在价格上较为谨慎，整体资费并未大幅上涨。这次增税幅度较小，若完全转嫁对用户影响有限，运营商更可能通过结构优化分摊成本。

对运营商员工的影响

税负上升意味着运营商的经营压力加大，各公司均强调"提质增效、降本增效”。在成本控制大背景下，可能对员工产生如下影响：

薪酬与福利趋紧：运营商可能控制薪资增长、谨慎分配年度奖金和股权激励，加大绩效考核力度。中国移动2024年职工薪酬已达1009亿元，占营业收入9.7%，可见人力成本占比较高。在税负增加情况下，公司可能压缩人均成本，提高薪酬与绩效挂钩的比例，限制非核心人员的薪酬增幅。
奖金激励机制调整：奖金和激励方案将更紧密地与公司利润和个人业绩挂钩。若利润受压缩，年度奖金池可能相应减少；同时可能推出更多股权或长期激励以锁定关键人才。
人员编制与岗位调整：业务重心或从传统通信转向云计算、大数据等新兴领域，运营商可能推动内部转岗和再培训，将员工从成熟业务线转移到增长较快的云网融合、算力服务等部门。对于低效冗余岗位，可能通过自然减员、提前退休、内部竞岗等方式优化团队。大规模裁员可能性较小，但部门重组、职能整合等组织架构调整会加快。
工作强度和压力：在强调精益运营和创新发展的背景下，员工工作压力可能增加，需要承担更多跨领域技能任务。同时公司也可能加大对科技人才的投入，部分员工有机会参与AI和云计算等前沿项目，需不断提升技能。

总之，运营商会通过更加精细化的成本管理来应对税负上升，员工的薪资激励和岗位安排会向效率更高、贡献度更大的方向倾斜。

对消费者的影响

资费变化：三大运营商可能会将部分税负通过小幅提高套餐资费或取消优惠活动转嫁给用户。由于税率上涨3个百分点并非巨大增幅，单个用户的月账单增长通常在个位数百分点。例如，原有100元资费套餐，提价到102~103元；但运营商更倾向于通过调整套餐档次或附加包形式来分摊，而非全网统一涨价。
不同群体差异：
- 低收入用户：他们通常选择最低端的套餐，对价格较为敏感。若资费微涨，这部分用户可能更加谨慎地使用流量，尽量通过Wi-Fi上网以节约成本。也可能促使运营商推出更具性价比的基础套餐或专项优惠来维稳用户。
- 重度流量用户：本身话费支出高，增值部分可能略有增长，但对资费变化承受能力较强。他们可能会选择更大流量包或无限流量套餐，以平摊每GB成本；同时也可能继续使用家中或公共Wi-Fi来尽量降低移动数据消耗。
- 企业客户：企业通常与运营商签订专属合同或大流量套餐，对价格敏感度高但也具有议价能力。面对运营商成本压力，企业客户可能在续签合同时要求更优惠的条款或寻求套餐优化。运营商也会考虑通过套餐升级、提供额外增值服务来留住大客户，而不会轻易加倍转嫁税费。
使用习惯调整：轻微的资费上涨可能促使部分用户更注重使用效率。例如，更多人在室内偏好使用Wi-Fi替代移动网络、延后下载大文件、利用流量包和夜间流量政策。短信和彩信上税后亦不利于传统短信收入增长，但现代用户早已普遍使用微信、QQ等即时通讯软件替代短信，影响有限；对于未智能手机用户影响较小且基数较低。
替代通信服务：增值税上调可能间接推动用户更多使用Wi-Fi和OTT（Over-The-Top）服务。家庭和公共场所免费Wi-Fi的使用率可能略增，以减少移动网络费用；微信视频通话、企业云会议、OTT消息等服务将继续替代部分传统业务，从而减弱对运营商基础通信业务的依赖。

总体来看，此次增值税率由6%升至9%的调整对消费者的直接影响相对有限（单月资费上涨几元），但可能会加速用户对套餐内容和通信方式的关注，促进运营商优化产品结构，提高服务性价比。

影响对比表

影响类别	中国移动	中国电信	中国联通
2024年收入(亿元)	主营业务收入8895	经营收入5294	营业收入3896
受影响业务规模(亿元)	手机数据+宽带≈5161	移动通信+宽带≈3282	基础通信≈2960（估算）
2024年净利润(亿元)	1384	330	90
增值税增量 (≈亿元)	≈155（5161×3%）	≈98（3282×3%）	≈89（2960×3%）
备注	利润率高，承压相对小；可通过降本续稳增长	利润率中等，增税冲击明显；需加快提升新增值业务	利润率最低，增税几乎耗净利润，需提速转型

注：以上估算仅供参考。表中数据均来自运营商2024年财报。实际影响还取决于运营商成本抵扣能力和价格策略。

小结

综合来看，增值税税率上调对三大运营商的短期盈利将造成实质性压力，特别是利润率较低的电信业。运营商难以完全通过价格传导税负，需要在成本端做文章，持续提高运营效率，发展云计算、数字化等新业务以改善业绩。同时，此次税改对运营商员工和用户亦带来连锁效应：企业或收紧人力资源成本和激励政策，用户则需适应可能的小幅资费调整和促销策略变化。运营商预期通过"降本增效"和创新服务来化解影响，在稳增长的同时保障用户体验和市场竞争力。

此次增值税率调整，表面上是税收政策的微调，实质上是推动电信行业从传统管道服务商向综合数字服务商加速转型的催化剂。它迫使运营商必须摆脱对基础通信业务的过度依赖，通过技术创新和业务重构来提升盈利能力。对于从业者而言，这意味着需要拥抱变化，提升在新兴技术领域的竞争力；对于消费者而言，则是在享受稳定服务的同时，适应一个更加精细化、数字化的通信消费环境。

中国联通与中国电信2026年度工作会议对比解读

Sat, 10 Jan 2026 00:00:00 +0800

站在规划交汇点的信息通信业

2026年，是中国信息通信业一个极具标志意义的年份。

这一年，国家“十四五”规划圆满收官，“十五五”规划全面启幕；这一年，人工智能、算力网络、5G-A（5G-Advanced）、量子通信等前沿技术，正从技术验证阶段加速走向规模化、体系化应用；这一年，电信运营商的角色，也正在发生根本性变化。

以中国电信、中国联通为代表的基础电信企业，正在从传统意义上的通信服务提供商，加速转型为数字化综合服务的国家队与主力军。 2026 年，既是规划切换的“起跑线”，也是新一轮技术周期真正发力的“临界点”。

在全球数字经济竞争显著加剧的背景下，两家运营商在 2026 年度工作会议中所展现出的战略布局，既高度同向，又各具侧重：

中国电信全面升级“云改数转智惠”战略，试图以 AI 与智能云 作为未来十年的核心引擎；
中国联通则以“守正创新、行稳致远”为总基调，明确“连接、算力、服务、安全”四大核心赛道，强调在高质量发展中的结构优化与差异化竞争。

本文基于两家运营商 2026 年度工作会议的公开信息，从战略基调、基础设施、AI 行动、新兴产业、经营逻辑与改革治理等多个维度，进行系统梳理与对比，力图呈现一个更清晰的行业全景。

战略基调与顶层设计：守正创新与智惠共生

中国联通：守正创新、行稳致远的转型定力

在 2026 年工作会议上，中国联通明确提出，将“守正创新、行稳致远”确立为“十五五”时期的发展主基调。

这一表述并非口号式修辞，而是清晰回应了当前复杂环境下的战略取向：既要坚守“姓党为民”的政治本色与央企责任，又要通过持续的技术与管理创新突破增长瓶颈。

联通将自身定位为从“基础管道提供商”向“数字化综合服务商”转型升级，并明确提出要做“信息通信事业国家队、主力军”。

在路径选择上，中国联通划定了四个履行央企责任的核心赛道：

连接：作为一切能力的基础
算力：作为新一轮增长的动力
服务：作为价值实现的出口
安全：作为不可逾越的底线与屏障

这种赛道式表述，意味着联通更强调边界清晰、重点聚焦、结构优化，通过差异化优势，在存量经营与新型算网数智业务之间寻找确定性增长空间。

中国电信：从“云改数转”到“智惠”的战略跃迁

相比之下，中国电信在 2026 年展现出更为鲜明的“代际升级”特征。

其核心战略从“云改数转”正式升级为“云改数转智惠”。这一变化，标志着中国电信不再停留在数字化转型阶段，而是全面进入智能化重构的新阶段。

“智惠”二字，构成了中国电信未来几年战略的核心关键词：

“智”：以人工智能为引擎，推动高水平科技自立自强
“惠”：以“数智惠民”为目标，让技术红利转化为社会价值

在中国电信的战略框架中，AI 不仅是工具，而是重塑企业流程、业务形态乃至社会运行方式的底层力量。其目标，是从网络服务商升级为智能底座的构建者与输出者。

战略主旨横向对比

维度	中国联通	中国电信
发展主基调	守正创新、行稳致远	云改数转智惠
战略表达	核心赛道聚焦	体系工程构建
企业角色	数字化综合服务商	智能底座构建者
规划特征	“十五五”稳健开局	AI 驱动第一阶段
价值取向	国家队、主力军	数智惠民、科技向善

基础设施筑基：算力网络与 5G-A 的不同打法

算力网络：从“规模”转向“效能”

进入 2026 年，运营商投资逻辑发生显著变化。资本开支总体趋稳，但结构性调整极为明显——算力网络与 AI 基础设施的战略权重持续上升。

中国联通在算力领域采取“适度超前、强调集约”的策略，继续推进全国一体化算力网建设，强化“5+4+31+X”布局，通过“大区牵引”提升云网融合的整体效率。

其重点不在于盲目扩张规模，而在于为未来可能爆发的智算需求，提前构建高效调度与资源协同能力。

中国电信则展现出更强的“技术原创性”。其“息壤”算力调度平台在 2026 年完成架构升级，实现跨厂家、跨区域、跨算力类型的全国级协同调度；同时，在多个城市率先部署国产万卡液冷算力集群，强化在能效比与国产化方面的领先优势。

两者在算力上的差异，本质上是：

联通：算力作为服务能力的一部分，强调适配行业
电信：算力作为国家级底座，强调平台与规模效应

5G-A 与 6G：稳扎稳打 vs 全域前瞻

在 5G-A 领域，中国联通更强调工程化与规模化落地，通过载波聚合、智能上行等技术，服务工业互联网、XR、低空安防等成熟场景。

中国电信则在 5G-A 的基础上，进一步拉开 6G 预研的空间维度，强调“空天地海一体化”，在语义通信、通感融合、卫星直连等方向持续投入，体现出更长周期的技术布局。

AI+ 行动：平台化与垂类化的分野

中国电信：大模型驱动的体系化“融智”

中国电信将“AI+”明确为 2026 年的核心抓手。

以“星辰”大模型为核心，其 AI 战略呈现出鲜明的体系化特征：一方面在内部通过 AI 优化网络运行、客服体系、能耗管理；另一方面以“平台+生态”的方式，向政务、央企、重点行业输出能力。

这种模式的优势在于集中度高、复制能力强，但对组织协同与模型泛化能力提出了更高要求。

中国联通：元景体系下的垂类精耕与普惠导向

中国联通在 AI 路径选择上更加克制而务实。

“元景”大模型并未追求单一超级模型的叙事，而是围绕数据、平台、智能体、安全等环节构建完整 AI 底座，强调“多模共生、快速落地”。

其重点应用集中在政务、医疗、工业等垂直场景，尤其面向专精特新中小企业，形成与中国电信大客户战略的差异化互补。

战略性新兴产业：量子与低空的不同站位

在量子通信领域，中国电信几乎形成“独占式领先”。从量子网络、量子云到量子终端，其战略意图是将量子安全能力，打造为高附加值的长期护城河。

中国联通则更多将量子能力视为“大安全体系”的重要组成部分，强调在政企和关键行业中的集成应用。

在低空经济领域，两家运营商路径不同但目标一致：通过 5G-A 通感一体化、边缘计算与 AI 调度，将通信网络升级为“可感知、可决策”的低空智联网。

经营与改革：效率曲线与规模曲线的选择

在传统通信业务趋于饱和的背景下：

中国联通强调存量经营、价值提升与精益管理，通过预算、司库、流程数字化提升边际效率；
中国电信则通过 AI 与云能力重塑基础业务体验，试图在规模基础上叠加智能溢价。

在改革治理层面，中国电信更强调科技型企业建设与人才结构调整；中国联通则通过“严标准、强执行”倒逼资源配置效率提升。

同向而行，各美其美

从 2026 年度工作会议可以清晰看到：

两家运营商在政治方向、国家使命与技术大势上高度一致；
在具体路径上，却形成了体系化与赛道化、规模化与效率化的差异。

中国电信更像一台持续加速的“智能底座发动机”；中国联通则更像一套稳态运行、不断优化结构的“高质量系统”。

未来几年，它们将在基础设施上协同共享，在技术研发上赛马竞争，在业务落地上各展所长——共同支撑中国数字经济迈入“十五五”的深水区。

PCDN现象初探及浅见

Fri, 19 Dec 2025 00:00:00 +0800

本人非专业人士，对PCDN现象仅作初步了解与粗浅梳理，理解难免有误、认识尚有不足，诚挚欢迎各位读者留言批评指正。

家宽上行被限速投诉增多：PCDN成为关键诱因

近期，关于“家庭宽带被限速、被停机、被误判”的讨论在各类论坛与社交平台明显增多，集中反映为：原本使用正常的家庭宽带，在未主动变更套餐或用途的情况下，突然遭遇上行限速、断网，甚至接到运营商核查电话或上门核验。

这一现象主要是由于运营商近阶段加大了对PCDN（Peer-to-Peer CDN）流量的识别和管控力度造成的后续影响。

值得注意的是，真正长期、大规模运行 PCDN 的“专业用户”，往往对限速或封停并不高调反应，转而通过更换线路、改为商宽、迁移至运营商监管薄弱区域等方式继续运行；而公开投诉、申诉的，更多是对自身行为合规边界认知不足的普通用户。其中既包括被误判的正常使用场景，也包括在未充分了解风险的情况下参与相关项目的用户，甚至不排除个别试图淡化自身违规行为、混淆视听的情况。

下面将从技术演进、商业模式与网络规划三个层面，对 PCDN 及其引发的争议进行初步的梳理。

PCDN 的演进路径：从后台技术到家宽灰色产业

PCDN 并非突然出现的“新事物”，而是伴随内容分发需求与带宽成本压力逐步演化的结果。其发展大致经历了三个阶段。

视频 App 阶段：作为传统 CDN 的补充技术

在早期阶段，部分视频网站与客户端应用为了降低自建CDN成本、改善用户体验，在客户端中引入P2P/PCDN机制。用户在播放内容的同时，将已缓存的数据片段上传给网络位置更近的其他用户，从而减少中心节点压力。

这一模式在技术形态上，与更早期的BT、eMule，以及后来的Windows更新“传递优化”等机制具有相似性。

该阶段的主要特征是：

对普通用户几乎无感，上行流量规模通常和App运行的数量相关；
PCDN 仅作为 CDN 的补充手段，而非主要承载方式；
不以用户侧持续、满载上行为目标。

因此，这一时期的 PCDN 尚未形成独立产业，对接入网的冲击也相对有限。

路由器阶段：PCDN 的前台化与收益显性化

随后，以“可收益路由器”“边缘盒子”为代表的产品出现，将原本隐藏在后台的 PCDN 机制前台化、产品化：

用户通过部署特定设备，向平台提供上行带宽和本地存储资源；
平台以积分、代金券或现金等形式向用户结算。

这一阶段的变化特点是：

家庭上行首次被明确包装为“可变现资源” ；
PCDN 从“按需参与”转变为“长时间在线运行”；
局部区域开始出现持续高上行特征，引起运营商注意。

大规模家宽阶段：灰色产业链的形成

在更进一步的发展中，一些平台在“边缘计算”“边缘算力”等概念包装下，大规模整合家庭宽带上行资源，以显著低于传统 IDC 或专线的成本构建分发网络。

这一阶段呈现出明显的产业化特征：

平台追求的是节点规模与可调度带宽总量；
用户关注的是设备投入与回本周期；
个别项目发展出“托管式 PCDN”等模式，仅以资金投入为门槛，承诺固定收益。

在缺乏透明运营与风险披露的情况下，此类模式存在较高的合规与金融风险，也加速了监管与舆论层面对 PCDN 的负面评价。

合规与风险：三方视角下的核心矛盾

运营商视角：资源模型与合约边界

从运营商角度看，PCDN 的核心问题主要体现在以下几个方面：

商业模型冲突 家庭宽带采用明显低于 租用基础电信运营商互联网接入资源 的资费，其前提是“非经营用途”和典型的“下行主导”使用模型。将其用于持续、规模化的内容分发，实质上形成了对企业级带宽的替代，破坏了既有成本与定价结构。
用途与合约边界变化 家庭宽带合同通常明确限定为个人、非经营用途。PCDN 节点对外提供有偿分发服务，已超出这一边界，涉及电信资源用途变更及增值电信业务合规问题。
接入网承载模型不匹配 以 PON 为代表的接入网，在设计上依赖流量的时间与方向复用。以 10GPON （XG-PON）为例，其PON带宽为下行 10 Gbps、上行仅 2.5 Gbps（共享），并非适用于面向同一分光域内大量用户长期满载上行的场景。持续高上行会直接放大为同 PON 口用户的体验波动。
结算与安全压力 大规模跨网、跨省上行流量会推高结算成本；部分流量内容与用途不透明，也带来安全与合规风险。

基于上述因素，运营商对 PCDN 采取识别、限速或停机措施，本质上属于网络与成本模型的防御性管理行为。

平台视角：成本驱动下的扩张逻辑

对 PCDN 平台而言，其吸引力来自显著的成本差异：

传统 CDN 节点需要承担机房、专线、电力等刚性成本；
家庭 PCDN 模式下，这些成本被转移至个人用户侧。

当平台以较低结算价格整合大量家宽上行时，其单位带宽成本远低于正规模式。这一差异，驱动部分平台在资质、收益预期与风险提示上采取模糊甚至激进策略，进一步放大行业争议。

个人参与者视角：收益预期与风险认知不足

多数普通用户参与 PCDN 的动机并不复杂：希望在不额外增加成本的情况下，抵消部分网费或电费。

家庭宽带被用于PCDN所带来的合约风险、网络风险与潜在法律风险，往往被忽视。一旦发生限速或停机，个人在平台与运营商之间缺乏有效的话语权。

需要特别警惕的是，那些以“托管PCDN”为名、仅要求资金投入的项目，其风险已明显超出通信技术范畴。另外，拿“网红直播也是用上行带宽赚钱”来辩护的，混淆了直播卖的是内容，带宽只是工具，而PCDN卖的是带宽，是将运营商基础设施（带宽）未经授权二次转售给第三方，这是PCDN的本质。

技术对抗与误伤问题

随着管控加强，部分 PCDN 流量开始在协议、端口与行为特征上向常见家庭应用靠拢，并辅以加密与混淆手段。更有的PCDN平台，运营的策略把集中部署改为“一机一户一地址”，更加淹没在家宽用户中了。

在缺乏平台协同标识的情况下，运营商只能依赖统计特征与行为模式进行识别。这不可避免地导致规则趋于宽泛，从而对云备份、家庭 NAS 同步、远程监控等正常高上行业务造成一定影响。

结果是，一种持续的博弈状态：识别规则越收紧，误伤概率越高；误伤越多，公众对网络治理的不满也随之上升。

破局思路：将需求引导回可控边界内

从技术角度看，靠近用户侧部署分发能力并无问题，问题在于当前模式建立在家庭宽带补贴套利与成本外溢之上，难以长期维系。

从网络规划视角看， 宽带接入网末端并不适合作为 CDN 或边缘分发节点的主要落点 。相比之下，OLT 所在的接入汇聚层在带宽可控性、调度能力和服务边界上更具优势。

若通过产品化方式，将部分真实存在的分发需求引导至接入汇聚OLT节点或边缘节点，并在资费、结算与责任主体上建立清晰规则，PCDN有可能从对抗性行为转变为可管理的补充能力。

后记：上行价值显性化后的制度选择

PCDN所引发的争议，本质上反映的是资本意识到家庭宽带上行的价值并力图变现，但现有的资费与治理体系业务、合作模式尚未完全适配这一变化，大概可参考出租车和网约车的解决办法。

在更高速率接入技术逐步普及的背景下，上行带宽不再只是附属能力，而正在演变为一种需要被正式定价、计量与监管的网络生产要素。

如何在保障普通用户体验、维持网络可持续性与允许合理创新之间取得平衡，取决于规则设计，而不仅仅是技术手段本身。

终结“下载思维”：付费上传，才是宽带服务的未来

Thu, 23 Oct 2025 07:45:00 +0800

在《别被宽带数字忽悠了：上传速度，才是未来的分水岭》中，我们说明了用户上网行为的变化，促使运营商要在上行速率业务上多做文章，才能实现差异化服务。

目前一个核心问题是当用户的上网行为逐渐从 “看”（消费） 转向 “发”（生产、交互、AI训练） 的时候，付费模式仍是上个时代的固定订阅制，没有做改变，这将束缚住新时代的 上传潜力 。

目前主流的宽带付费方式是 融合套餐制 ，本质上是一种“固定订阅”。这种模式在内容消费时代运行良好，但面对直播、远程办公、AI数据上传等场景，上传需求呈现出 突发性、非连续性和高带宽瞬时需求 的特征。 用固定的“大水管”去满足不规律的“水枪式”爆发需求，注定是低效的。

必须要采用一种新的计费方式与新兴的上行业务适配了。

想象一下，如果上传带宽能像云计算服务一样， 按需、实时、微付费 ，你的宽带体验会发生怎样的质变？

今天，我们要设想的，就是结合 x402 互联网原生支付协议 ，推出的全新宽带服务模式： 「按流量计费」的付费高速上传通道。

x402 支付，如何解锁上传的潜力？

x402 是由Coinbase开发，一种基于 HTTP 协议的 互联网原生开源支付标准 。它的名字来源于 HTTP 状态码 402（Payment Required，要求付费） 。简单来说，它允许服务器在收到客户端请求时，回复一个“请付费”的状态码，并附带支付细节（金额、支付方式），而客户端则可以在同一个 HTTP 请求头中完成支付验证。这使得交易可以直接嵌入到网页和 API 调用中，实现了 无摩擦、实时、极小额的支付 。官网：(https://www.x402.org/)

x402 协议的引入，并不是要替代现有的融合套餐，而是作为一种 补充机制 ，为上传场景提供更细粒度、更即时的付费能力：

极度微支付： x402 支持低至千分之一美分的实时结算。这使得 “按比特付费” 成为可能。
HTTP 原生嵌入： x402 直接利用 HTTP 协议（Status Code 402），支付无需跳转、无需信用卡、无需注册。支付动作与数据请求 同步完成 。
无摩擦、无需账户： 用户或 AI 代理可以直接用数字资产支付，无需预先与运营商建立复杂的账户体系。

总结：x402 提供的，是像水龙头一样“即开即用、用多少付多少”的上传能力， 补足传统套餐在弹性上的不足 。

业务设想：「Ascent Link | 价值宽带专线」

我们设想的这项新业务，是一条 独立的高速、低时延上传通道 ，名为： 「Ascent Link | 价值宽带专线」 。

它的高带宽、高优先级通道， 只在你真正需要高保障、高并发上传时出现 ，并在你上传完成后，实时结算费用并自动关闭。

场景痛点	传统宽带（订阅制）	Ascent Link（x402 驱动）
4K 直播推流	频繁卡顿、码率告警。为保障稳定，用户需购买更高套餐或企业专线。	首次推流时，App自动调用“ x402 支付请求 ” 。支付 0.05/小时，即时获得对称 500M 上传保障。
网红视频剪辑与发布	4K素材动辄几十GB，低上行速率几乎无法作业。上传一部片子耗费数小时。	剪辑软件后台通过 x402 自动支付 0.1/小时，临时启用 1G 对称带宽。实现 “分钟级” 素材上传与发布，赢得热度先机。
直播带货与多机位推流	多路视频并发上传，带宽波动造成掉帧和画质降级，影响商业转化。	实时推流引擎通过 x402 支付 0.08/小时，获取 “直播保障带宽” 。运营商承诺极低时延与带宽无波动，确保多机位画面稳定。
家庭安防数据备份	摄像头高清数据上传慢，高峰期堵塞，导致云端备份滞后。	摄像头AI代理通过 x402 自动支付 0.0001/GB，将关键视频流瞬间推送到云端。
AI 训练数据上传	个人开发者需上传 500GB 数据集，但上传速度只有 50M，耗时数天。	开发者工具调用 API，一次性支付 0.5，临时启用 2G 对称带宽，数小时内完成上传。
AI内容协作推理	模型训练、素材上传、参数更新，全依赖稳定上行，但易被家庭其他设备抢占带宽。	AI代理（Agent）自动支付 0.0002/MB，进行协作推理时的素材上传或参数更新。确保机器学习任务的实时性和稳定性。
旅游视觉孪生体验	实时传输VR画面到家庭，体验卡顿、画面失真。	旅游地VR设备通过 x402 按时延等级支付 0.15/分钟，获取 “低时延保障通道” ，将实时、高清、沉浸式的视觉流稳定传给远方的家人。

核心体验：支付即加速，加速即结算。

当你需要高带宽上行时，你的终端（无论是电脑、直播推流盒还是 AI 代理）将自动执行以下流程：

终端发起高优先级请求。
服务器响应 402： “当前高保障上传服务需要 X 费用，指定稳定币/网络。”
终端自动支付： 用户的数字钱包在 HTTP 头中完成签名支付。
服务器返回 200： 运营商网络 实时调整 QoS 策略 ，给予请求者最高的上传优先级和时延保障。

全程用户 无感、秒级完成 。这才是真正符合互联网效率的交易！

终结“上传的智商税”

这项业务的推出，将彻底终结“下载思维”对宽带服务的绑架：

公平计费： 普通用户无需为他们根本用不到的高速上传买单。只有真正的创作者、远程工作者、AI 代理，才为他们消耗的 “实时价值” 付费。
加速 AI 经济： AI 代理将成为新型宽带服务的最大客户。它们可以自主、实时地为数据交换、模型上传付费，开启 “机器间的微交易” 。
驱动技术对称化： 运营商终于有了一个 明确的营收驱动力 ，来投入资源将 50G PON 等新技术中的 对称带宽潜力 彻底释放出来。因为 “上传” 开始直接带来高精度、高价值的收入。

上传，不再是套餐里的“添头”，而是一项高价值、高精度计费的稀缺服务。

让带宽像空气一样自由流动

宽带服务的未来，不应该是一张僵硬的月度账单，而应该是一个 灵活、实时、可编程的价值交换网络 。

x402 协议让我们有机会将宽带的 “上行价值” 精确到每一个字节、每一秒钟。

当上传的价值被量化并实时交易，我们才能真正迈入一个数据双向流动、创新无处不在的“对称宽带时代”。

别被宽带数字忽悠了：上传速度，才是未来的分水岭

Wed, 22 Oct 2025 00:00:00 +0800

宽带升级的下一个关键：上行能力不容忽视

过去十年，宽带行业在下行速率上取得了显著进展。从百兆到千兆，再到如今的万兆接入，用户的下载体验不断提升，高清视频、大型文件传输、在线娱乐都变得更加流畅。

但与此同时，用户的使用模式也在发生深刻变化。用户上网，不再是被动的接受信息，而是主动参与到互联网流量的生产中。

远程办公、视频会议、直播创作、智能安防等新兴应用，对上传能力提出了更高要求。但受制上传带宽的限制，部分业务体验不佳， 上行带宽，正逐步成为影响用户体验的重要因素。

下行速率的“边际效益”正在递减

2024年底，千兆及以上宽带用户数已达到2.07亿户，占固定宽带总用户数的30.9%，固定宽带网络的平均下载速率（用户体验）达到99.14 Mbit/s。这一数据表明，主流宽带服务的下行能力已普遍迈入千兆门槛，足以覆盖绝大多数日常应用场景。

对于网页浏览、高清/4K视频点播、大型软件下载甚至云游戏等主流需求，100 Mbit/s以上的下行速率已绰绰有余。用户在实际使用中，往往难以感知从500M到1000M、甚至2000M带来的体验跃升——下行速率的“边际效益”正在显著递减。

这意味着，继续单一强调“下行速率翻倍”或“万兆入户”的营销叙事，可能无法显著提升用户的整体满意度。行业亟需跳出“唯下载速度论”，在“速率升级”之外，探索“体验升级”的新路径——而突破口，正藏在被长期忽视的上行能力之中。

上行能力：新场景下的关键支撑

最新的YD/T 3328-2023《公众固定宽带接入业务上下行速率配置要求》中规定，在签约下行速率大于200M时，上行速率最低为40Mb/s，小于200M时，上行速率最低按1：5配置，运营商上行速率也基本按这个要求，或根据宽带业务的资费情况向上一定范围内配置。总之，还是和下载速率或资费绑定的关系。

但随着用户行为从“内容消费”向“内容生产与互动”转变，上传能力的重要性日益凸显：

远程办公与教育： 多人视频会议、屏幕共享等场景对实时上传要求较高。
家庭安防： 智能摄像头需持续上传高清视频流至云端。
内容创作与直播： 高质量直播对上传码率和稳定性要求极高。
AI与边缘计算： 智能终端需将数据实时上传至云端进行分析处理。
网红视频剪辑与发布： 4K素材动辄几十GB，低上行速率几乎无法作业。
直播带货与多机位推流： 多路视频并发上传，任何带宽波动都会造成掉帧。
AI内容训练与协作推理： 模型训练、素材上传、参数更新，全依赖稳定上行。
旅游视觉孪生体验： 实时传输VR画面，让家人远程“身临其境”地共享旅途；未来的“沉浸式旅行分享”，将完全取决于上传通道的稳定与时延。

这些场景对上传速率、时延和稳定性提出了更高要求， 也为运营商提供了差异化服务的新机会。

认知错位：50G PON仍被“下载”绑架

虽然新一代接入技术如50G PON已经开始试点应用，但宣传的叙事口径仍被“ 下行营销 ”所绑架，这是对技术的浪费，更是未来创新的盲点所在。当前的“50G PON提速”，本质上仍是延续老思路来寻找新的收入增长点—— 由下行带宽的提升带动资费的增加，只是顺带“捎上了”上传能力的改善。

这种思路错在哪？它依然停留在“下载越快越好”的旧框架里，根本没有意识到互联网业务结构已经从消费向生产、从下载向上传的 迁移趋势 。

目前，运营商普遍采用XG-PON（非对称）接入，仅对商企用户采用XGS-PON（对称），如果全改成对称的，改造起来投资太大，这也是制约宽带上行产品百花齐放的一个因素。但在50G PON时代，是否可以利用上行速率的增加，来提供不同的上行带宽业务，而非继续玩“更大的下载速率”游戏，是需要认真考虑的。

服务创新：从“下载管道”到“互动平台”

未来的宽带服务，不再只是比谁下载更快，而是比谁能更好地支撑用户的双向互动和内容生产。

运营商可以探索：

针对远程办公、直播创作者等群体，推出 高上行定制套餐 。
在服务承诺中，强化 低时延 + 高上传 的体验指标。
结合AI、边缘计算等趋势，打造 面向未来场景的宽带解决方案 。

体验升级，从“上传”开始

随着用户需求的演进，上传能力正从“配角”走向“舞台中央”。运营商在继续夯实下行速率的同时， 也应主动布局上传性能的提升与服务创新 。

在“万兆时代”的新阶段， 上传体验应该成为用户评估宽带服务的新标准 ，这也是行业实现差异化竞争的新方向。

德勤退还澳政府款项：生成式AI误用引发咨询行业信任危机

Tue, 07 Oct 2025 00:00:00 +0800

德勤澳大利亚分公司近日同意向联邦政府退还44万澳元咨询费用，原因是其提交的一份社会福利合规报告中存在严重内容造假，且这些错误源于未经充分监督的生成式人工智能工具的使用。此事件被广泛视为政府咨询领域迄今最具代表性的人工智能问责案例之一，暴露了AI技术在专业服务中的系统性风险。

事件概述：AI生成内容导致虚假信息

根据澳大利亚就业与劳资关系部的确认，德勤在2024年7月提交的报告中使用了大型语言模型（Azure OpenAI GPT-4o）以“填补文档空白”。然而，该技术的使用并未在初稿中披露，且直接导致以下关键错误：

伪造司法引文 ：报告引用了联邦法院法官詹妮弗·戴维斯（Jennifer Davies）在“机器人欠债”（Robodebt）案件中的言论，但该引文并不存在。
虚构学术来源 ：报告列出至少12篇不存在的学术论文与书籍，构成严重的文献造假。
延迟披露AI使用 ：上述问题由悉尼大学学者克里斯托弗·拉奇（Dr. Christopher Rudge）于8月首次揭露，德勤随后才在更正版本中承认使用了AI模型。

尽管政府发言人表示这些错误未影响报告的主要结论，但报告的可信度和方法论完整性已受到广泛质疑。

问责焦点：专业透明度与AI治理缺失

该事件引发了对政府采购流程中人工智能使用规范的广泛讨论。关键问题包括：

技术使用未披露 ：德勤未在报告中说明AI参与内容生成，违反了基本的专业透明原则。
缺乏验证机制 ：报告内容未经过充分人工审核，导致AI“幻觉”（hallucination）现象直接进入正式文件。
政府回应不足 ：尽管德勤已退还部分款项，但其回应仅限于“已与客户解决”，缺乏对方法论失误的实质性反思。

工党参议员黛博拉·奥尼尔（Deborah O’Neill）批评称，政府在采购咨询服务时应主动询问是否使用AI，并要求对专业性和数据来源进行验证。

核心问题剖析：AI幻觉与专业信任的冲突

德勤案例揭示了生成式AI在专业咨询中的根本性风险：

幻觉现象系统性存在 ：大型语言模型在缺乏语境约束和专家监督的情况下，极易生成看似合理但实则虚假的内容。
方法论缺陷影响决策基础 ：当报告建立在未经验证的AI生成内容之上，其政策建议的可信度和可执行性将大打折扣。
专业服务的边界模糊化 ：AI工具的引入若无明确规范，将使“专业判断”与“自动生成”之间的界限变得模糊，削弱咨询行业的责任机制。

学者拉奇指出，若报告的基础方法本身存在缺陷且未被披露，其结论将缺乏可信度。行业观察者亦警告，在缺乏人工监督和可靠性验证的前提下大规模部署AI，将直接威胁专业服务的质量与伦理底线。

结语：AI应用亟需制度性约束

德勤事件并非技术失误的孤例，而是对当前AI应用模式的一次系统性警示。在专业服务领域，生成式AI的使用必须建立在明确披露、专家审核和责任归属的基础之上。否则，技术便利将转化为信任危机，最终损害的不仅是客户利益，更是整个行业的公信力。

新闻来源： https://www.ft.com/content/934cc94b-32c4-497e-9718-d87d6a7835ca

一场事关未来的“大考”：新规下的电信运营商，如何谋划“十五五”？

Wed, 24 Sep 2025 00:00:00 +0800

2025年，一个特殊的年份。它既是“十四五”规划的收官之年，也是“十五五”战略布局的开局之年。对于中国电信、中国移动、中国联通这三大央企运营商来说，这一刻尤为关键。

过去五年，三大运营商在千兆光网、5G、算力网络等新型基础设施建设上成果斐然，不仅巩固了全球领先的网络优势，更肩负起“东数西算”、算网融合等国家数字化战略的重任。

然而，新的挑战也接踵而至：AI、6G等前沿技术的酝酿突破，产业数字化需求井喷，以及复杂多变的国际环境。运营商们不仅要守住基础网络的“主阵地”，更要在算力、平台、应用和安全等新赛道上实现突破。

就在这个关键节点，国务院国资委印发了新版《中央企业发展规划管理办法》（以下简称“《办法》”）。这不只是一份文件，更是指导运营商谋划“十五五”大计、实现战略转型的制度利器。

本文结合运营商的发展重点对《办法》进行初步解读。

《办法》核心：运营商的“战略施工图”

新版《办法》构建了一套三级规划体系 + 闭环管理机制，其核心要点直指运营商未来的发展模式：

1. 三级规划体系，从集团到一线

总体发展规划：集团层面需将算力网络、6G前瞻、光传输升级、人工智能赋能等核心要素，清晰地纳入整体战略蓝图。
重点任务规划：针对专项任务，如“东数西算”枢纽工程、工业互联网平台、量子通信试点、IPv6规模部署等，需制定详细的执行方案。
企业子层级规划：各省公司、专业子公司要将集团的规划细化为可执行的落地路径，确保战略自上而下、一脉相承。这意味着，“十五五”的规划不再是躺在总部的“一份文件”，而是贯穿集团、省分、子公司、甚至每个项目团队的战略执行链条。

2. 闭环管理，确保“战略-投资-考核”三位一体

编制环节：集团层面的发展战略必须经过专家论证和党委会/董事会的严格把关，杜绝“空心化”规划。
执行环节：年度投资和建设预算必须与发展规划紧密挂钩，避免盲目投资或低效扩张。
评估环节：中期（如十五五第三年）将进行强制性评估，如检验5G用户普及率、千兆/万兆光网覆盖率、算力部署规模等关键指标完成情况。
调整环节：面对外部技术突破（如AI、6G）或环境变化，规划需建立“ 动态修正 ”机制。

3. 刚性约束：规划成为考核的“硬指标”

国资委将规划执行情况与负责人任期考核、投资监管、资本运作审批直接挂钩。对于那些规划滞后或偏离主业的行为（如非核心资产投资、低效多元扩张），将面临通报批评或约谈。新规明确，运营商董事长为规划执行的第一责任人，集团党委/董事会负有前置研究和决策责任。这大大提升了规划的严肃性和执行力。

从“软指导”到“硬约束”：新规新在哪？

维度	2004年“十号令”	2025年新版《办法》	对运营商的影响
规划层级	单一战略规划	总体 + 重点 + 三级体系	战略从总部落地到一线，形成闭环
考核机制	约束较弱	纳入预算、投资、绩效考核	与经营指标强绑定，考核更严
评估调整	制度较弱	明确中期评估+调整机制	可在6G研发、算力部署中灵活调整
责任追究	操作性弱	偏离主业/盲目投资可追责	对多元化和资本运作设“紧箍咒”
监管方式	以报送为主	全过程、全链条监督	数据化、透明化、强制化

由此可见，新《办法》对运营商的影响，是从“ 文件式规划 ”转向“ 执行型规划 ”，从“ 软指导 ”转向“ 硬约束 ”。

挑战与机遇：戴上“紧箍咒”，找到“定盘星”

新规的到来，对运营商而言既是挑战，更是机遇。

机遇：方向更聚焦，执行力更强

国家战略地位强化：算力网络、6G研发、AI基础设施等将明确写入“十五五”任务，运营商的战略定位更加清晰，也获得了更多政策支持。
投资方向更聚焦：资源不再“撒胡椒面”，而是集中在主责主业，有效避免了资源分散和低效扩张。
战略执行力显著提升：通过与预算、绩效、考核的深度绑定，规划不再停留在纸面，而是真正转化为实实在在的行动。

挑战：平衡与取舍的艺术

“刚性规划”与行业不确定性的张力：电信行业技术迭代迅速，6G、AI算力、卫星通信等随时可能出现颠覆性突破。如何在新规的刚性约束下，保留足够的“ 战略弹性 ”，是摆在运营商面前的一道难题。
考核压力加大：集团高层，特别是董事长、总经理的任期考核，将直接与规划完成度挂钩，责任更重，压力更大。
中长期目标与短期市场压力的矛盾：资本市场关注短期财报和股东回报，而规划强调长期战略。运营商需要巧妙地平衡两者，找到可持续的发展路径。

结语

在“十四五”收官、“十五五”开局的关键时刻，新版《中央企业发展规划管理办法》为运营商行业提供了制度红线与发展方向。对三大运营商而言，这既是战略执行的“ 紧箍咒 ”，更是引领转型升级、保障长期竞争力的“定盘星”。未来五年，谁能在这套“ 规划—执行—评估 ”闭环中跑得更快、做得更实，谁就将在算力网络、6G、数字中国建设的宏伟蓝图中占据制高点。

中央企业发展规划管理办法：

http://www.sasac.gov.cn/n2588035/c33689673/content.html

搅动一池春水：模块化波分如何重塑光传输江湖

Tue, 16 Sep 2025 07:35:00 +0800

在光传输这个看似平静的江湖里，一股新的力量正在悄然崛起。它就是—— 模块化波分 。

电信称为“DCI-BOX”，移动称为“极简OTN”，联通称为“模块化波分”，个人认为联通的叫法最准确。

与传统设备的封闭“黑盒”不同，模块化波分主打 标准化接口 和 解耦架构 。它的出现，并不是要把老牌厂商彻底挤出局，而是像一条“鲇鱼”，在池水中激起涟漪，让僵化的市场重新活跃起来。

三方博弈：谁是变革的主角？

当下的模块化波分市场，可以说是一场“三国演义”。

新兴的模块化厂家 这些新玩家是搅动局面的急先锋。依靠开放灵活的设计和更具竞争力的价格，他们迅速赢得运营商的关注，直接挑战传统格局。
老牌设备厂商 并非没有相关产品，但这些产品大多卖给政企或海外客户，而不提供给国内的运营商。面对运营商引入“鲇鱼”的策略，他们有点尴尬：是坚守高利润的封闭模式，还是顺应趋势，把模块化波分真正引入国内运营商市场？
运营商的研究机构 商业化目的较弱，但积极投身研发。他们要掌握核心技术、引领标准，确保市场不会被单一阵营垄断。某种意义上，这些研究机构像一个“稳定器”，既不追求做大，却能保持市场活力。

三方角色互相牵制：新兴厂商不断进攻，研究机构推动开放，传统厂商则左右为难。整个生态因此处在动态博弈之中。

运营商的考量：不仅是“省钱”

很多人以为，运营商引入模块化波分是为了压缩成本。诚然，但背后有着更深层的逻辑。

摆脱被锁定的风险 传统设备的绑定效应太强，而模块化波分能让运营商自由的选择光层和电层，告别“一家独大”的局面。
优化全生命周期成本 不只是买设备便宜。更重要的是，模块化波分支持按需组合、快速升级，长期看能大幅降低运维成本。
平衡创新与稳健 新兴厂家带来灵活与低价，但运营商仍看重老牌厂商的技术积累和运维保障。理想的状态，是老牌厂商也能提供更开放的产品，让创新与稳定兼得。

模块化波分的进击

老牌设备厂商固守自身领域，面对运营商的需求毫不退让。这为模块化波分新兴厂家带来了天赐良机。与此同时，上层网络业务需求转向以大颗粒的点到点业务为主，电层交叉需求锐减，网络承载特点随之改变，这都为模块化波分的应用提供了良好契机。

模块化波分正逐步蚕食老牌厂商的领域。从最初的本地网内点到点应用，到环形组网，再到干线热点分流；从IDC互连，到承载业务网络互连，直至核心局/关口局互连，模块化波分的应用场景不断扩展。更有甚者，直接利用了老牌厂商的光层，通过模块化波分的电层开通本地及省内的大颗粒电路。模块化波分开放解耦的特点，让运营商通过自研的管控系统，用模块化波分搭建统一管控的光层底座，成为了一种可能。

结语：开放才是未来

模块化波分的崛起并不是一场颠覆，而是一场 赛道重构 。它通过“鲇鱼效应”，让市场更开放、更灵活，逼着所有玩家都必须参与进来。

未来的光传输产业，必然走向一个更加多元化、更具竞争力的新格局。对老牌厂商来说，这既是挑战，也是机会：谁能顺势而为，谁就能在新的游戏规则里继续占据核心。当年的光传输江湖，也曾有过“屠龙少年”，他们用创新打破旧的藩篱，创造了今天的高速网络。然而，当年的少年，是否已在岁月流转中，成为了自己曾经挑战的巨龙？

开放虽痛，却是未来唯一的船票。

极简运维：中国联通自研光纤智慧运营管理系统上线，故障定位精度达±5米！

Sat, 13 Sep 2025 00:00:00 +0800

在数字化转型加速的今天，网络稳定性与运维效率成为运营商的核心竞争力。中国联通子公司中讯设计，推出全新自研产品—— 光纤智慧运营管理系统 ，正式在 智慧供应链科创转化专区 上线，助力光缆网络运维迈入智能化新时代！

产品概览：一眼看懂光缆健康

系统首页集成了 故障告警分析、光缆健康度评价、故障工单指标、光缆运行全景视图 等功能，基于GIS地图与OTDR探测能力，实现 光缆故障精准定位 ，让运维人员一目了然，快速响应。

软硬一体：自主产权，性能卓越

硬件设备：智能监测，稳定可靠

• 光纤智能监测设备 ：1U高度，支持8/16通道，动态范围32dB，监测距离高达 100公里 ，定位精度 ±5米！
• 模块化设计 ：灵活配置，支持内外挂光开关，适配多场景部署
• 低成本高性价比 ：完全自主知识产权，设备售价仅为 5万元/台 ，远低于市场同类产品

软件平台：智能分析，全域覆盖

• 故障快速定位 ：结合GIS与光缆资源数据，实现从段落到标志点的精准定位
• 性能巡检与指标监控 ：支持定期/实时巡检，自动阈值告警，提升巡检效率
• 时延路径仿真 ：智能推荐最短时延路径，支撑业务快速开通
• 光缆健康度评价 ：多维度评估光缆状态，输出月/季/年报，支持PDF导出

四大核心优势

优势	说明
智能分析	性能在线纳管、指标综合分析
快速感知	故障定位精确、告警派单实时
经济高效	一键巡检、分级维护，降本增效
全域覆盖	支持在用与备用纤芯，多场景适用

应用场景广泛，实战效果显著

系统已成功应用于：

• 集团智能排障平台 ：覆盖265套波分系统，纳管光缆529条，提升排障效率与数据质量
• 客户业务监测 ：先于客户发现故障，实现主动运维，提升客户满意度
• 骨干网与备用光纤一体化监控 ：实现跨厂家统一纳管，打破系统孤岛

竞品对比：技术领先，合作灵活

对比项	中讯	市场竞品
设备价格	5万元/台	12–14万元/台
在用光纤管理	支持统一纳管	不支持
厂家依赖	低，独立部署	高，依赖厂家网管
扩展能力	强，支持定制开发	有限

合作与联系

如果您对" 光纤智慧运营管理系统 “感兴趣，欢迎联系产品负责人：

联系人：张先生

微信扫码咨询👇

中国联通光纤智慧运营管理系统，以 自主产权、智能运维、高效管理 为核心，助力构建更安全、更稳定、更智能的光网络基础设施。 智慧光网，联通未来！

不争“一时之快”，要谋“长久之道”，一个宽带后发者的破局逻辑

Thu, 11 Sep 2025 00:39:23 +0800

在这个言必称“万兆”的时代，我们选择了一条更为沉静的道路——不追逐表面的技术光环，而是俯身深耕，致力于为每一个小区、每一栋楼宇，铺设一条足以支撑20年演进的光纤网络。因为我们深信： 真正的宽带竞争力，不在于今日速度的巅峰，而在于明日能否持续稳健地奔跑。

引言：当万兆成为潮流，我们应去向何方？

2025年，“万兆小区”、“万兆工厂”、“50G PON”已成为行业热点。主流运营商争相展示技术实力，似乎不提“万兆”便落后于时代。

然而，作为一家后发运营商，资源有限，我们更需要冷静思考： 是否必须即刻追随“万兆”？用户最核心的需求究竟是什么？又该如何在技术迭代中稳健立足？

答案可能出乎意料： 当前最紧迫的，并非提速，而是重构底层逻辑。

我们选择了一条逆向路径—— 不求最快，但求最稳 。将焦点从“当下能提供多高的速率”转向“未来20年能否持续支撑技术演进”。这不仅是务实之举，更是战略上的清醒。

困境：一线营销为何难以回应客户？

“你们宽带什么时候能覆盖我们小区？” “有千兆吗？支持全屋Wi-Fi（FTTR）吗？” “别人都万兆了，你们才千兆，是不是太慢了？”

客户的日常询问，不断考验着一线营销人员的应变能力与专业素养。他们身处 用户高期望 与 网络现状 的夹缝之中，常常陷入两难：

承诺“有”，担心实际体验不佳，影响品牌信誉；
回答“没有”，则可能失去客户，错失市场机会。

压力由此传导：市场需要订单 → 销售需要资源 → 网络需要建设 → 工程追赶进度。最终形成“需求驱动、被动响应”的建设模式。

表面是“以市场为导向”，实则落入 战略陷阱 ：不断为短期需求投入，却忽视了长期能力的构建；忙于更换“电梯”，却未夯实“大楼地基”。

这不仅是执行层面的问题，更是战略方向的偏差。

本质思考：固定宽带的核心价值是什么？

要突破困局，必须回归本质： 固定宽带的根本价值何在？

我们认为其价值可分为三层，层层递进：

覆盖：可用性是服务的基石

没有覆盖，一切无从谈起。用户若无法接入，再快的速率也只是空谈。尤其在家庭市场， “有无”永远先于“快慢” 。

服务：良好体验决定用户留存

宽带与移动网络不同，承载的是家庭全天候连接、远程办公、在线教育及智能设备互联等刚性需求。用户对安装效率、故障响应、网络稳定性抱有极高期望。 服务即口碑，即留存率，即ARPU值的保障。

速率：重要但非决定性因素

速率是基础能力，但对大多数家庭用户，500M与1000M的实际体验差异并不明显。据宽带发展联盟2024年第四季度报告，固定宽带平均下载速率（用户体验）仅为99.14Mbit/s。过度追求“万兆”乃至“千兆”，犹如为家用车配备F1引擎——成本高昂而利用率低。

更关键的是，速率发挥依赖于底层网络架构。若根基不固，再强的OLT也难以施展全力。

结论：作为后发者，宽带发展应遵循——覆盖优先，服务并重，速率适度。

现实挑战：我们具备足够的实力吗？

必须正视现实，从基础数据看，我们仍处明显劣势：

指标	我方现状	行业头部
宽带用户占比	<5%	>30%
千兆用户占比	<1%	>15%
住宅覆盖率	刚达及格线	接近99%
OLT端口规模	不足行业1/10	大规模部署

更严峻的是， 宽带端口利用率偏低 ，表明当前投资尚未形成有效产出。与此同时，头部运营商已大规模推进FTTR、50G PON试点，通过融合套餐构建“网络+内容+服务”生态壁垒。

我们面临三重压力：

外部：技术代差扩大，市场份额遭受挤压；
内部：资源有限，建设易受短期需求干扰；
战略：若继续“按需建设”，将陷入“布局分散、投资低效”的恶性循环。

我们并非输在当下，而是输在过去的布局。而今天的选择，将决定我们能否拥有未来。

战略选择：双线并行，缺一不可

或许有人提议：既然差距显著，是否应放弃固网，专注移动？

答案明确： 不可偏废。

运营商的可持续发展需依靠“双轮驱动”：

移动网络 ：支撑泛在连接与万物互联；
固网宽带 ：承载家庭数字化、企业上云及算力调度。

缺失任一，都如在5G-A、6G、边缘计算及家庭AI终端爆发的时代独脚前行，必然失衡。

固网不仅是管道，更是 数字家庭入口、智慧城市底座、算力网络锚点 。未来的“云宽带”、“AI宽带”及“确定性网络”皆需以高质量光纤接入为基础。

因此，我们必须坚定投入固网，但 绝非盲目投入，而是战略性的精准投入 。

启示：何谓真正的“地基”？

将宽带建设比作盖楼，则：

光纤配线网（ODN） 如同楼的 钢筋结构 ，深埋地下，穿墙入户，一旦建成可使用15-20年，决定了楼的稳固性与未来扩展性。
光线路终端（OLT） 如同楼的“ 电梯 ”与“ 空调 ”，提供当前速度与服务，但可能因技术迭代每3-5年更换。

厘清这一点，战略便豁然开朗： 与其斥资频繁更换“电梯”，不如先筑牢“大楼地基”。

今日投入1元建设ODN，未来可支撑10G、50G乃至100G PON平滑升级；而今日投入1元于OLT，数年后或面临淘汰。

最好的技术升级，是让升级本身变得简单。 而让升级简单的前提，是拥有面向未来的物理网络底座。

破局战略：面向未来，构建可持续光网

基于以上思考，我们提出后发者的破局战略： “覆盖先行、服务驱动、弹性演进”

覆盖先行：确保用户“随时接入”

1.聚焦高需求区域

将有限资源集中于城市区域，这些地区需求密集，利于快速形成规模覆盖，积累用户基础与市场口碑。

连片建设，形成局部优势

采取“集中开荒”策略，在选定的区域实现连续、完整覆盖，避免零散投入。此举可提升资源效率，降低运营成本，并快速建立区域品牌影响力。

完善覆盖，保障快速接入

确保用户提出需求时能够迅速响应与安装，缩短等待时间。 “即插即用” 的体验对于获取新用户、提升满意度至关重要。

高标准建设，奠定长远基础

ODN是宽带网络的“地基”，按最高标准建设，确保低故障率、高稳定性及未来升级能力。虽初期投入增加，但长期看可降低维护成本，避免重复建设，实现 “一次投入，长期受益” 。

服务驱动：以“用心”赢得用户

1. 精细化运营，化覆盖为口碑

在覆盖区域重点确保用户“用得好”：

高效维护 ：建立定期巡检机制，保障网络稳定，最大限度降低故障率。
快速响应 ：优化安装与维修流程，及时响应用户需求，打造“随时在身边”的服务体验。
主动服务 ：定期回访，了解使用情况，提供个性化建议，变“一锤子买卖”为“长期关系”。

2. 差异化宣传：强调可靠性而非速率

在“万兆”喧哗中，独树一帜：

调整重心 ：宣传从“速率领先”转向 “覆盖全面、服务优质、价格实惠” ，突出可靠性。
理性引导 ：倡导 “够用即可，按需升级” ，传递“我们优先保障您能接入”的理念。

3. 灵活定价，抢占市场入口

不参与速率竞赛，意味着可投入更多资源至 更具竞争力的资费 ：

核心是“接入权” ：以优惠价格提供可靠网络，快速获取用户，夯实基础。
扩大用户规模 ：在速率感知差异不大的当下，价格成为重要选择因素，优惠资费是拓展市场的有效方式。

4. 突出长期价值：一张光网，支撑未来

宣传聚焦网络基础设施的持久价值：

彰显ODN优势 ：告诉用户我们打造的是 “百年基业” ，是高标准、可升级的物理网络。
描绘演进蓝图 ：清晰展示网络潜力—— “今日百兆，明日千兆，未来万兆，皆为可能” ，既体现价值，也管理预期，同时传递发展信心。

弹性演进：以“智慧”规划未来

1. 优化OLT布局：集中部署，提升效率

不追求OLT数量，而是构建 “广覆盖、少局点、高效率” 的网络：

集中化逻辑 ：借鉴“精耕细作”思路，依托优质ODN，将OLT集中部署，通过主干光缆连接，OLT局点覆盖更广区域，提升效率。
精简架构 ：集中部署减少局点数量，带来：
降低设备成本 ：采购与维护费用下降。
- 提高端口利用率 ：避免资源闲置。
- 简化运维 ：集中管理，提升效率。
逐步整合 ：对现有OLT局点，逐步实施 拆并割接 ，迁移用户至新局点，淘汰老旧设备，避免运维负担，确保架构统一。仅在无法割接时，评估后作为过渡部署。

2. 需求导向的设备采购：兼顾现状与未来

采购原则是 “按需购买，前瞻布局” ：

充分利用现有GPON ：在不再强调极致速率的策略下， 现有GPON设备可充分满足需求 ，显著减轻投资压力，同时ODN为未来升级预留空间。
新购设备标准：支持向50G演进 ：确需新购OLT时， 必须选择具备50G PON升级能力的10G PON设备 （可通过更换模块或“50G Ready”设计实现）。确保未来50G PON规模应用时，能以低成本升级，避免重复投资。

总结：从“速度追赶”到“战略突围”

在这个人人谈论“万兆”的时代，我们选择了一条不同的路—— 不急于炫技，而是沉下心来，为每一个小区、每一栋楼宇，铺设一条能用20年的光纤之路。

因为我们相信：

真正的宽带竞争力，不在于今天跑多快，而在于明天是否还能持续跑下去。

我们的破局之道，归结为三大战略支柱：

战略维度	核心理念	关键举措
覆盖先行	先筑最稳的地基	聚焦城区、连片建设、高标准ODN、“即插即用”
服务驱动	用“用心”赢下用户	精细化运维、快速响应、差异化宣传、价格优势
弹性演进	用“智慧”赢得未来	少而精OLT布局、利旧整合、采购支持50G升级的10G设备

最终目标： 通过 “覆盖、服务、演进” 三步走，在宽带市场走出一条 差异化、低成本、可持续 的突围之路。

我们不求一步登天，但求步步为营。只要地基打得牢，服务做得细，未来的“万兆”之路，我们才能走得更远、更稳。

后记：坚持就是胜利

宽带建设，从来不是一场短跑。

它会遭遇指标压力、投资限制、短期诱惑。有人质疑：“你们还在搞千兆？有人催促：“别家都万兆了！”

但我们知道， 快，不一定赢；稳，才能赢到最后。

前人种树，后人乘凉。吃水不忘挖井人。

只要方向正确，重要的就是—— 坚持走下去 。

我们铺设的不只是光纤，更是一条通往未来的路。 ——致每一位默默耕耘的宽带建设者

ODF智能运维：机器人自动维护的未来不是梦

Mon, 08 Sep 2025 00:00:00 +0800

你是否曾想过，未来光纤配线架的维护会是什么样子？不再需要工程师们亲临现场，手动完成繁琐的接线操作，而是由智能机器人精准、高效地处理一切。这并非科幻场景，而是国际电联（ITU）发布的 ITU-T M.3368 建议书所描绘的未来。

核心挑战：传统ODF维护的困境

ODF是光通信网络中用于端接、连接和分配光缆的关键物理基础设施。传统上，所有光纤跳接、改接或网络重构都需要维护人员亲临现场手动操作。这种模式不仅耗费大量的人力和时间成本，而且在日益密集和复杂的连接环境中，极易发生人为错误，另外，操作后的信息变更，经常缺失，导致光纤的连接信息不准确。因此，建立一套能够远程化、自动化、智能化的维护体系，成为业界迫切的需求。

什么是 ODF 智能维护？

传统的 ODF 维护模式依赖人工操作，耗时耗力，而且容易出错。ITU-T M.3368 提出的智能维护系统，希望采用自动化技术手段，彻底改变这一现状。

该建议书的核心在于引入了两个关键组件：

智能切换单元 (SHU) ：一种能够替代人工完成 ODF 现场维护操作的设备。它通常由移动机械臂 (MMD)、控制软件 (CS) 和本地操作终端 (LOT) 组成。SHU 可以根据指令，自动执行端口定位、光纤连接与断开等操作。
ODF 智能维护系统 (OSMS) ：一个远程软件系统，负责向 SHU 发出维护指令并进行交互，从而实现 ODF 的现场智能维护和 SHU 管理。

这套系统能够显著减少 ODF 现场维护中的手动操作工作量，节省大量的维护成本和时间。

OSMS:ODF Smart Maintenance System

SHU:Smart Handover Unit

LOT:Local Operation Terminal

CS:Control Software

MMD:Mobile Mechanical Device

ODF 智能维护如何工作？

ODF 智能维护架构主要由两部分组成：位于现场通信机房的 ODF-SHU 组合，以及远程的 OSMS 。

任务下达 ：OSMS 可以远程向多个 SHU 同时下达维护指令，并控制它们完成相应的 ODF 操作。
指令执行 ：SHU 的控制软件接收并解析来自 OSMS 的指令，然后控制移动机械臂执行光纤连接和切换等操作。
信息同步 ：SHU 的控制软件会自动记录 ODF 的光纤连接关系及其变化，并将这些信息同步到 OSMS，确保物理连接和数字记录的一致性。
资源管理 ：OSMS 负责管理和维护由 SHU 报告的 ODF 光纤连接关系表，从而实现对整个网络光纤资源连接拓扑的管理。

这种协同工作模式实现了光纤连接的快速、精准切换，从而可以根据业务需求灵活地调整网络连接和数据关系。

智能维护的四大功能要求

ITU-T M.3368 建议书详细规定了 SHU 和 OSMS 的功能要求：

SHU 功能要求

维护指令解析 ：SHU 必须能够解析 OSMS 或本地操作终端下达的指令，并发送给移动机械臂执行。
光纤连接关系管理 ：SHU 必须建立和维护一个 ODF 光纤连接关系表，并自动记录其变化。
光纤连接自动切换 ：SHU 必须支持根据维护指令自动建立光纤连接，并能精准完成光纤转移等操作。
光纤信息同步 ：SHU 必须能将自身的配置信息、告警信息和光纤连接信息同步给 OSMS。

OSMS 功能要求

SHU 配置管理 ：OSMS 必须能够收集和管理 SHU 的状态信息和静态配置信息。
光纤资源管理 ：OSMS 必须维护每个 ODF 的光纤连接关系表，并能及时更新整个网络的光纤资源连接拓扑。
维护任务管理 ：OSMS 必须支持维护任务的生成、管理、分发、反馈、审查和归档等功能。
SHU 告警管理 ：OSMS 必须能收集、存储、查询、分析和处理 SHU 的告警信息。

通过这套智能系统，光通信网络和数据中心的智能维护能力得到了显著提升。它彻底改变了传统的现场人工维护模式，为实现光纤网络的远程自动控制、在线监控和资源综合管理提供了强大的技术支持。

智能ODF的实践

建议书的发布并非空中楼阁，而是产业界多年探索、研发的结晶。如何有效的布放跳纤，避免形成“意大利面现象”（形容细线交织缠绕在一起的状态），是整套系统的难点和关键点。目前收集到的相关研究、产品简介如下：

2019年由北京邮电大学的杨正、魏世民等学者撰写的论文《Design and implementation of a small AODF》，发表于《The Journal of Engineering》。其核心目标是解决通信网络中光纤配线架（ODF）交叉连接这一尚未自动化的“痛点”，通过设计和实现一个 小型自动光纤配线架（AODF）原型 ，来降低运营商的运维成本并提升服务等级。论文的核心创新在于提出了一种新颖的结构模型和交叉连接方法，并成功制造了物理原型进行验证。
TeliSwitch的自动光纤配线架 (AODF)。该解决方案集成了硬件和软件，降低跳纤错误的风险，并减少运营商的运维时间与成本，已有商用。该种方式也是建议书列出的参考用例。

核心硬件：
圆形平台 (Circular Platforms): 用于有序管理进入机柜的光缆，是系统的基础结构。 - 微型滑轮 (Mini-Pulleys): 精确控制跳线（patch cords）的移动。 - 机械臂 (Robotic Arm): 引导跳线，确保从输入到输出的连接过程完全可复制且高度可靠。
- 专利技术： AODF 采用了 TeliSwitch 的专利技术，能够在 5分钟内 远程自动完成一次连接变更，极大地提升了效率。
- 集成化功能： 圆形平台可配备专用模块，直接进行 OTDR（光时域反射仪）测量 。这使得运营商可以在连接前或维护时段，远程检测线路的连通性和质量，确保线路正常。

武汉赫尔墨斯的光纤机器人HAI ROBOT，是一款智能机器人光纤物理层交换机，使物理光纤连接变得自动、远程、快速且无需人工现场干预。提供卓越的光学性能，低插入损耗，对传输协议、波长或者带宽速率透明。全光网络架构，支持单纤双向，采用可视化的物理连接方式，支持级联构建大规模的智能网络。

移动近10亿招标“极简网络”，联通将其升华为网络哲学，背后有何玄机？

Wed, 03 Sep 2025 07:32:00 +0800

一场关于“极简”的本质之争，正在三大运营商之间悄然上演。近期，广东移动近10亿元的“极简网络改造技术支撑”项目招标，再次将“极简”推向风口浪尖。然而，当我们深入剖析三大运营商在这一领域的实施路径时，却发现了一个令人深思的现象： 名称相同，但理念和做法却大相径庭。

移动与电信：项目式的“减法工程”

移动和电信对“极简”的理解，更倾向于一个具体的工程项目。他们的招标项目通常直接、明确，预算和改造站点数量清晰可见，主要聚焦移动基站及配套的精简。这是一种典型的项目化运作模式，聚焦于物理层面的设备简化，例如采用刀片电池和刀片电源，将基站CRAN化，从而减少机房和配套设施。这种模式的优点是目标明确、执行高效，能够迅速看到网络运营成本的降低和效能的提升，但其本质是一场“减法工程”，旨在解决眼前的问题。

联通：理念化的“重构哲学”

与此形成鲜明对比的是，联通的“极简”实践鲜有大规模的集中招标，查询其招标网站，也只有两条相关的机房招标公告，但搜索网站和公众号文章，却发现联通的"打造极简网络"工作，全国范围内正如火如荼的开展，贯穿网络建设的方方面面。联通将“极简”视为一种 贯穿网络全生命周期的核心哲学 ，而非一个孤立的技术项目。这种理念的引领，使得联通的“极简”实践更具系统性和长远性。

中国联通“极简网络”的深层内涵

中国联通的“打造极简网络”工作不仅仅是设备上的简化，而是一项系统性的工程，其核心内涵可以从以下几个方面重新阐述：

优化架构，夯实基础：联通的“极简网络”战略首先聚焦于网络架构的深层优化。这包括整合分散、小型化的机房，以构建一个更精简、更稳定的网络架构。通过淘汰老旧设备、更新关键设施（如发电机和电池），提升网络的整体可靠性和安全性，为用户提供一个坚实、可靠的基础网络服务。
效率至上，网络革新：为了提高网络效率，联通对移动网、宽带网和承载网进行优化改造。他们通过优化光缆结构和光纤交接箱的布局，缩短接入距离，优化承载网络，形成一刚一柔两张简洁的承载网。同时，联通积极推进2G、3G网络的退网，并精简冗余的4G基站，OLT局点的优化、老旧OLT的退网，最终构建一个以4G/5G、10G PON宽带和智能城域网/PeOTN网为核心的现代化精品网络，大幅提升了网络能力和运营效率。
能力升级，数据驱动： “极简网络”的实施也是一次内部能力的革命。联通鼓励自有员工参与到网络建设和改造中，以此提升团队的核心技术能力，降低对外部供应商的依赖。此外，还对网络资源进行的全面数据治理，为公司的数智化转型打下坚实基础，从而能更好地为用户提供高品质、个性化的服务。

“极简”背后的深层价值：超越技术的价值创造

联通的“打造极简网络”工作不仅限于技术层面，更延伸至组织能力、企业文化和战略发展等多个维度。这种超越技术的价值创造，是其与友商最大的不同。

通过 自主实施 网络精简、架构优化等工作，联通不仅降低了对外部供应商的依赖，更培养了员工的系统思维能力和自主创新能力。这种“自己动手”的方式，将极简理念内化为企业文化，让员工从被动执行变为主动创新。例如，某地市联通在实践中发现，通过“打造极简网络”工作，不仅节省了机房空间、降低了能耗，还能提高设备运行的稳定性和延长使用寿命，这正是从 “为极简而极简” 到 “为价值而极简” 的深刻转变。

此外，极简网络更是联通未来战略的基石。正如联通副总经理苗守野在2020年全球移动宽带论坛上所言，联通将从“ 极简网络、极致体验、极智服务”三个方面打造高品质目标网，极简网络为网络智能化发展奠定了基础，能更好地支持人工智能、大数据、云计算等新技术的应用。这与联通提出的 “5G+ABC端到端网络建设发展路线” 一脉相承，展现了其对未来网络演进方向的深刻洞察。

“极简”的真谛：复杂问题的简单化

真正的极简，不是简单的减少，而是通过系统思考实现复杂问题的简单化。当电信和移动还在为如何减少基站设备数量而努力时，联通已经将极简升华为一种网络建设的哲学。

这种哲学体现在：

战略高度： 将“极简 ” 作为企业长期发展策略。
方法论体系：各省/各地市形成了诸如“理、强、迁、退、评”等可复制、可推广的工作流程。
工作原则： 遵循“强基础，优网络，升安全，治数据” 指导原则。
文化内化：将极简理念融入日常工作，成为企业DNA的一部分。

通过极简网络工作，联通不仅实现了网络效能提升和成本降低，更重要的是培养了各级员工的系统思维能力和自主创新能力。这种内在能力的提升，对企业长远发展的价值不可估量。

结语：极简之路，道阻且长

当移动豪掷近10亿招标“极简网络”，电信大规模推进“极简基站”时，联通却选择了另一条路——将 “ 极简 ” 升华为网络建设的核心理念。这种差异，反映了三大运营商对“极简”本质理解的深刻分歧。

随着5G-Advanced技术的演进和6G研究的启动，网络智能化将成为必然趋势。在这一背景下，联通将“极简”作为网络建设理念而非项目推进的方式，虽然在短期内可能难以看到爆炸性的成效，但却是在默默锤炼内功，为未来智能化网络奠定坚实基础。真正的极简革命，不在于减少多少设备，而在于能否通过系统思考，将复杂问题简单化，让网络回归本质，让技术真正服务于人。中国联通的极简网络实践，正是这一理念的生动诠释。

本文参考的相关网络资源:

运营商	标题	来源
中国移动	广东移动2025-2026极简网络改造技术支撑招标公告	中国移动采购及招标网
中国联通	安庆联通桐城汇聚区打造极简网络工作案例	网易
中国联通	率先完成本地网极简网络工作	中国青年网
中国联通	沁县联通聚焦绿色发展，打造极简网络	搜狐
中国联通	【联通好网络畅享每一刻】打造极简网络驱动网络焕新	中华网
中国联通	璧山联通打造“极简网络” 共赢双碳未来	中国网
中国联通	中国联通苗守野：极简网络+极致体验+极智服务成就高品质5G赋能未来	新浪财经
中国电信	中国电信陕西公司2025年极简基站改造服务项目标包一招标公告	中国电信阳光采购网
中国电信	中国电信股份有限公司湖北分公司2024年极简基站改造服务项目招标公告	中国电信阳光采购网
中国移动	陕西移动咸阳分公司推进极简站改造助力“碳中和、碳达峰”战略	搜狐
行业讨论	三大运营商集体押注极简网络，是破局还是闯祸？	通信人家园（论坛）
中国联通	极简网络相关内容	微信公众号:通信菜园儿

2024工程咨询排名出炉：移动院领跑，老牌劲旅意外“失踪”

Thu, 28 Aug 2025 00:32:00 +0800

近日，中国工程咨询协会发布了2024年度工程咨询单位的权威排名。作为通信行业的从业者，我们最关心的是：在这份榜单中，通信领域的咨询设计单位表现如何？谁是真正的行业王者？又有哪些巨头意外“缺席”？

这份排名涵盖了多个榜单，不仅有总营业收入百强，还有智库影响力50强、不含工程施工业务收入的百强等。

重磅榜单发布：总排名 vs. “纯咨询”排名，区别巨大！

首先，我们必须搞清楚这份榜单的“游戏规则”。协会发布了两份核心的营业收入排名，它们的评价重点大不相同：

工程咨询单位营业收入100强(总排名) ：这是“ 总分榜 ”，计算的是单位的 全部营业收入 ，包括了工程总承包（EPC）、设备销售、运维服务等“施工”和“贸易”类业务的收入。这个排名看的是企业的 综合块头和市场总规模 。
工程咨询单位营业收入100强(不含工程施工业务和非主营业务收入) ：这才是真正的“ 专业榜 ”或“ 内功榜 ”。它剔除了施工和非主营业务收入，只计算纯粹的 工程咨询、勘察、设计、监理、项目管理 等智力服务产生的收入。这个排名，才是衡量一个咨询设计单位 核心竞争力和专业影响力 的“黄金标准”。

简单来说：

“总排名”看的是“钱多不多”，而“不含施工业务”排名看的才是“本事大不大” 。

对于传统以智力服务为核心的通信咨询设计单位来说，后者无疑更具参考价值。

通信“三系”新格局：移动系一骑绝尘，联通系低调潜行

传统上，我们可将通信领域的咨询设计单位分为“三系”： 移动系、电信系、联通系 。

1. 移动系：绝对王者，实力碾压

中国移动通信集团设计院有限公司 ，无疑是本次榜单中通信领域的最大赢家。

在衡量专业能力的“不含施工业务”排名中，它高居 第7位 ！这个成绩力压众多大型设计院，充分证明了其在通信网络规划、5G/6G技术、数字化转型等核心咨询设计领域的绝对领先地位。
在“总排名”中，它位列第20位，也展现了其强大的综合营收能力。

结论：中移设计凭借其归属中移强大的 市场地位 和技术实力，稳坐通信咨询领域的头把交椅。

2. 电信系：底蕴深厚，实力不俗

以原邮电系统为基础的电信系设计院，依然保持着强大的专业实力。

广东省电信规划设计院有限公司 在“不含施工业务”排名中位列 第20位 ，在“总排名”中位列 第36位 ，表现突出。
华信咨询设计研究院有限公司 在“不含施工业务”排名中位列 第31位 ，在“总排名”中位列 第44位 ，表现稳健。
上海邮电设计咨询研究院有限公司 在“不含施工业务”排名中位列 第54位 ，在“总排名”中位列 第81位 ，展现了其在华东地区深厚的市场根基和技术积累。
中通服咨询设计研究院有限公司 在“总排名”中位列第47位，凸显其多元化的综合能力。
重庆市信息通信咨询设计院有限公司 在“不含施工业务”排名中位列第97位。

结论：电信系设计院在强烈的市场竞争下仍保持着强大的实力，其中也不乏整个行业的佼佼者。

3. 联通系：新势力崛起，不容小觑

北京电信规划设计院有限公司 ， 中国联通旗下中讯院的子公司 ，作为通信行业的老牌劲旅，一直保持着不错的发展态势，在“不含施工业务”排名中位列 第73位 ，展现了其综合技术实力。
山东省邮电规划设计院有限公司 ，虽然已改制，但传统上仍视为联通系，也有不凡的表现，营业收入位于中型单位 第6名 ，展现了其综合营收能力。

结论：联通系设计院虽然在榜单上表现低调，但其实力不容小觑。

最大悬念：“部院”为何榜上无名？

如果说本次榜单有一个最大的“乌龙”或“遗憾”，那一定是 通信咨询领域的“老前辈”榜上无名 。

那么，他为何会“消失”在榜单中？

我们基于事实和逻辑，提出以下几种最可能的推测：

未参与申报（最可能原因） ：根据公告，此次排名是基于“ 自愿参加 ”和“ 自行申报 ”的原则。最大的可能性是，该院出于自身战略考虑， 并未参与本次排名的申报工作 。大型企业有时会因内部流程、品牌策略或对排名标准的考量而选择不参与。
数据统计口径问题 ：该院的业务可能涉及复杂的财务核算体系。在申报时，其上报的“工程咨询业务收入”数据可能未能完全符合协会的统计口径，导致无法被有效纳入排名。

更深层次的原因：传统咨询设计行业面临转型，该院正在探索融技术、产品、咨询于一身的变革之路。

近年来，随着通信技术的飞速发展和市场需求的变化，传统咨询设计行业正面临前所未有的挑战与转型。该院作为行业内曾经的“老大哥”，深刻认识到单纯依靠传统设计咨询业务已难以满足新时代的需求，因此正积极探索一条全新的发展路径—— 融技术、产品、咨询于一身 。

业务领域拓展： 该院不再局限于传统的通信咨询设计，而是将业务拓展到了多个新兴领域，包括 仿真软件开发、工业互联网、云网安全、双碳产品及解决方案 等。这表明该院正在从单一的通信设计服务商，转型为能够提供多元化、全方位服务的综合型企业。
资本结构优化： 为了提升核心竞争力和增强企业活力，该院在2022年引入了外部战略投资。通过引进多家战略投资者，转型为 股权多元化的混合所有制企业 。
服务模式升级： 该院业务服务能力也从传统的咨询设计，升级为能够提供 咨询、设计、总包、软件开发、硬件产品和运营支撑 的全方位、全过程服务，正在从提供单一环节的服务，转型为提供覆盖项目全生命周期的综合解决方案。

转型期的阵痛与机遇

该院的这次“缺席”，某种程度上也反映了传统咨询设计单位在转型过程中的阵痛。从“项目导向”转向“产品导向”，从“服务提供”转向“价值创造”，这一过程需要时间和资源的投入，短期内可能会影响其在传统排名中的表现。然而，这种转型也意味着该院正在向更高层次的产业价值链迈进，其未来的发展潜力不容忽视。

无论原因为何，该院的缺席都让这份榜单的权威性和全面性打上了问号。

这提醒我们：任何榜单都只是行业的一个切面，而非全貌。 它反映了参与者的实力，但无法涵盖所有强者。我们解读榜单时，必须保持清醒，结合行业内的普遍认知，才能得出更客观的结论。

结语：排名之外，是更广阔的江湖

2024年度的工程咨询排名，让我们看到了移动系的强势领跑，也看到了电信系的稳健坚守。联通系虽然其“龙头”未显，但其实力依然存在。

但最深刻的启示，或许来自于那个“不在场的王者”。转型之路充满阵痛，但每一次的“缺席”都可能是在为更宏大的未来蓄力。这家“老前辈”的转型，或许正是为了跳出传统的赛道，未来，我们可能会在技术创新榜、产品影响力榜，甚至是新型业态榜单上，重新看到它闪耀的身影。这提醒我们，榜单之外，是更广阔的江湖，也是更值得期待的未来。

“配线区”为何译作 Wiring Zone？于细微处见证中国标准的自信

Sat, 23 Aug 2025 11:08:00 +0800

在网络运维与技术交流中，一个细节或许能引发深思：“配线区”这一术语，在中国国家标准中被明确翻译为 Wiring Zone。这并非偶然的翻译差异，而是深植于中国庞大的工程实践和日益增强的标准话语权。

标准溯源：白纸黑字的“官方定义”

首先，我们核查两项关键的中国国家标准，原文的引用是准确的：

《综合布线系统工程设计规范》（GB 50311-2016） ：

术语 2.0.18 定义“配线区 (Wiring Zone)”为：“在建筑物内，用于缆线端接和（或）交叉连接的区域。”
- 该标准进一步在条文 6.2.1 中明确：“配线区宜设置在建筑物的电信间、设备间、建筑群设备间或弱电竖井内，用于完成水平缆线与主干缆线之间的交接。”

《住宅区和住宅建筑内光纤到户通信设施工程设计规范》（GB 50846-2012） ：

术语 2.0.14 定义“配线区 (Wiring Zone)”为：“设置在住宅建筑内，用于住宅建筑主干光缆与用户引入光缆进行端接、跳接的区域。”

这两份权威的国家标准，分别覆盖了商业建筑的综合布线和住宅的光纤到户（FTTH）两大核心场景。它们一致地将“配线区”的官方英文确定为 Wiring Zone ，这为我们的讨论奠定了坚实的基础。

国际视角：Distribution Area 的逻辑功能

将目光转向国际标准体系，我们发现其术语逻辑确实有所不同。

ISO/IEC 11801《信息技术-用户建筑通用布线》系列标准 ：这是全球综合布线领域的基础性标准。它定义了分级的布线架构，其中的关键节点被称为 “Distributor”（配线设备） 。例如，楼层分配设备（Floor Distributor, FD）、建筑分配设备（Building Distributor, BD）。这些 Distributor 所在的物理空间，在功能上对应中国的“配线区”，但其命名更侧重于逻辑层级的“分配”角色。因此，从业者习惯性地将这片区域理解为 Distribution Area 或 Distribution Point 。
ITU-T G.98x 系列（PON 标准） ：作为无源光网络（PON）的国际标准制定者，ITU-T 在其网络架构（ODN - Optical Distribution Network）中，描述的是 分光点（Splitting Point）或分配段（Distribution Section） 。例如，一级分光器和二级分光器所在的节点。这些术语同样强调的是信号的“分发（Distribution）”，而非物理的“布线（Wiring）”操作。

对比分析：视角之别

Wiring Zone (中国标准) ：这是一个 工程视角 的术语。它强调的是一个具有明确物理边界的 操作空间 。在这个“Zone”里，核心活动是“Wiring”——布线、熔接、端接、跳接、标识和管理。它精准地描述了弱电井、电信间内的实际工作场景，是一个以“ 怎么做 ”为导向的物理实体概念。
Distribution Area (国际惯例) ：这是一个 网络架构视角 的术语。它强调的是一个在网络拓扑中承担“分发”功能的 逻辑单元 。它关注的是信号如何从主干（Feeder）分配到分支（Drop），是一个以“ 实现什么功能 ”为导向的逻辑节点概念。

两者并非相互矛盾，而是观察维度不同。中国标准的选择，更贴近一线施工和运维的物理现实。

不只是翻译，更是实践经验的凝练与话语权的体现

为何中国标准要“另起炉灶”？这背后是中国通信产业，特别是FTTH建设的独特实践和巨大体量。

无与伦比的实践规模 ：

事实核查 ：根据中国工业和信息化部（MIIT）发布的《2023年通信业统计公报》，截至2023年末，中国光纤接入（FTTH/O）用户已达 6.07亿户 ，占固定互联网宽带接入用户总数的94.8%。光缆线路总长度达到 6432万公里 。原文中“超5亿用户”、“超6000万公里”的数据是准确且略偏保守的。如此庞大和高密度的网络建设，催生了大量标准化的、注重效率和可维护性的工程方法论。

中国特色的工程需求 ：

高密度场景 ：在中国，一个住宅小区动辄成百上千户，一栋高层建筑内可能就有数百个信息点。这要求“配线区”必须是高效、整洁、易于管理的物理空间，而不只是一个抽象的逻辑分发点。
- 运维导向 ：“Wiring Zone”的设立，天然地强调了现场的可操作性、标签的规范性、流程的标准化。每一次跳纤、每一次故障排查，都是在具体的“Wiring Zone”内完成。这个术语本身就蕴含了对工程质量和运维效率的内隐要求。

因此，“Wiring Zone”并非误译，而是对中国独特网络部署和运维模式的精准提炼与术语固化。它体现了一种标准制定的自觉： 当我们的实践已经走在世界前列时，我们有能力、也有必要定义自己的技术语言，使其更精确地反映我们的现实。

从跟跑到领跑：中国术语的全球潜力

一个技术术语能否成为全球通用语，取决于其背后所代表的技术范式和市场影响力。

历史的镜鉴 ：近年来由中国企业和标准组织主导的概念，如华为提出的 CloudRAN 、 5G-Oriented Core Network Architecture 等，正越来越多地被3GPP、ITU等国际组织讨论和采纳。中国的“ 双千兆网络（Dual-Gigabit Network） ”、“ 全光城市（All-Optical City） ”等政策和市场概念，也开始出现在国际报告和行业交流中。
未来的可能 ：随着“一带一路”倡议的推进和中国通信解决方案的全球输出，中国的设计规范、施工标准和运维手册也被带到了世界各地。当海外的工程师和运营商在学习和复制中国高效的FTTH部署模式时，他们会发现“Wiring Zone”这个词，比“Distribution Area”更能准确地指导他们在楼宇内规划和建设一个标准化的物理操作区。

当一个术语能够最清晰地描述一种被广泛采纳的最佳实践时，它就具备了成为国际通用语的潜力。未来，国际标准在修订时，出现这样一句注释将不足为奇：

Note: This functional area, particularly within building premises, is also referred to as the Wiring Zone in standards like China’s GB 50311.

结语：小术语，大自信

从“Distribution Area”到“Wiring Zone”，这并非简单的词汇替换，而是一次深刻的身份转变。它标志着中国通信行业正从国际标准的被动接受者，成长为基于自身最佳实践的积极贡献者和定义者。

这背后，是中国技术实力的厚积薄发，更是文化自信在科技领域的有力投射。

规则，终将由最富经验的实践者来书写。

通信设计院杂谈

Thu, 07 Dec 2006 15:03:09 +0800

在TelReading的BBS 上，网友shejiyuan 写了一片关于设计院间比较的文章，挺不错的，摘录给大家阅读。

原文链接地址为http://bbs.telreading.com/thread-3820-1-1.html 。

因为在设计行业里面干了一些日子，对各个设计院有一些浅显的了解，有不当之处也请各位弟兄们海涵。

国内现在设计院基本上有这么几大类：原邮电部直属，原电总直属（就是电信局），由通信相关行业转来。

现说说原邮电部直属的设计院吧。

邮电部直属设计院原来其实只有一家，就是现在位于郑州的中讯邮电咨询设计院（以下简称郑州院）。郑州院于1952年成立，分别隶属邮电部、信息产业部、国务院大型国有企业工作委员会，中央企业工委，国资委，今年与中国联通合并，现定名为中国联通集团设计研究院。至于部属设计院怎么会跑到郑州，这个问题说来话长。郑州院1952年在北京成立，1965年的时候林彪搞三线建设把一大批重要企业迁往内地，所以设计院就辗转来到了郑州。纵观各个设计院，郑州院无论在专业配备和人才培养机制上都是处于前列，但是，老国企的通病在它身上也是比较明显，离退休人员比较多，体制比较死。最近和中国联通两个企业进行了合并，设计院的院长[[韩志刚]]担任了联通的总裁助理。郑州院的上升空间还是比较大的，以前邮电部时期就不说了，最近从设计院调走并且在位的就有国际电联唯一华裔高官赵厚麟，中国联通总工张范，中国移动副总工程师兼技术部部长杨志强，中国移动管理学院单位书记石德安，中国电信总工办主任候春雨，中国电信原计划部部长现技术部部长董晓庄，中国网通集团公司移动事业部副总经理窦笠，邮电部原规划司司长江少滨，等等。因为本人也非郑州院人士所以更多情况也不是很了解，不过在郑州院应该不愁没有上升空间。整体介绍了企业的概况，说一说大家比较关心的薪水问题吧，单位内部各个专业还是不太一样的，如果要是去了三大处（有线，无线，交换）一般第一年能有个3－5W，前三年能达到7－10W，5年之后分化比较大那就要看个人了，至于其他的处前2年应该大家差距不是很大，但是3、5年后和三大处就有些差距了。

从北京搬走后，有一部分人不愿意离开北京，就留下来了，这就是我要介绍的第二个部属设计院，邮电部北京设计院（现名中国移动通信集团设计院有限公司，省略名北京院）。北京院在文革前成立了邮电部设计院北京所，文化大革命后全部下放五七干校，所以真正步入正规是改革开放以后的事情。84年前后，郑州院一些处室分配到北京院一部分职工，这就是现在北京院真正的缔造者，也就是在当时，北京院和郑州院从财务上正式分开，各自经营。不得不承认，朝中有人好办事儿，北京院的地理优势让他在艰难的经营几年后，于1991年正式脱离郑州院的直属管理，并且归属邮电部也成为了一个厅级单位。90年代的北京院整体经营情况并不是很好，移动通信还没有真正红火，干线光缆绝大部分还是由郑州院承包，所以，说是在夹缝中生存一点儿不为过。98年后随着移动通信的兴起，北京院终于有了自己的一片天地，在2002年政企分开后，郑州院归属了中央企业工委，由于技术类企业一个行业只能有一个加入工委，所以，当时的北京院只有两条路，一个是归属北京市科委，原来一个正厅级单位便沦落为处级；还有一个就是中国移动，当时的中国移动从电总分出来的时间不长，急需一批专业人才的支撑，所以两方一拍即合，这部棋应该是走的非常正确。北京院也出了不少高人，象现在现大唐老总（原中国移动计划部部长）真才基，北京邮电大学原党委书记孙鸿志，等等。至于薪水问题，我想移动的薪水就不用多说了，关键问题是同志们能不能进去。

下面说说原电总直属设计院。

现在所有的某某省邮电设计院，无论是中国电信还是中国网通的其实都是原来电总各省公司的直属企业。虽然级别只有处级，不过在市场经济年代级别已经非常淡化了。各个省设计院虽然隶属于电信口，但是由于从90年代初模拟移动通信时就开始作，所以，和各个省移动、联通公司也保持了良好的关系。近期中国电信下属所有设计院全部从公司母体剥离成立通信服务公司正准备打包上市，究竟是好是坏还需要时间来证明，中国网通下属设计院和电信情况比较类似，但是是整体打包上市还是其他股份制方式还不明了。

由于各个省都有自己的设计院，所以，挑3个比较牛一些的设计院说一下，其他设计院虽然规模没有这三家大，但是在自己的省内也都算高收入企业了。哪3家呢，华信邮电咨询设计有限公司（浙江省设计院），广东电信设计院，北京网通设计院。

华信应该是全国规模最大的设计院了，机制比较活，所以随便一个职工出去都是经理，其实，这也是市场经济的一种营销策略是其他设计院应该学习的。与各省运营商保持了良好的关系，尤其是华信院的老总和广东移动老总据说是大学上下铺，抓住了中国最大的通信市场。规模大，机制活，当然收入也不会差，比前两个院有些许差距，应该不大。

广东电信设计院，没有办法全国最大的通信市场的设计院，近水楼台先得月是肯定得了，垄断广东市场10余年，2000年前应该叫富得流油吧，现在虽然有所下降不过在全国所有得设计院里面应该是相当高的了。

北京网通设计院，这个设计院比较特殊，不知道为什么占着北京这么大的市场，但是移动通信技术力量不是很好，是从华通（下文将讲到）设计院挖了一批人成立起无线处，不过长期隶属电总，他们在传输交换上的水平那肯定是没得说。凭借老院长[[沙跃家]]在北京移动的余威和现任中国移动通信集团副总的职位，企业前景也应该比较看好。薪水方面在设计行业属中上游。

第三类非传统设计院或者其他相近行业转行过来的。

全国这类设计院大大小小不下上千家，我也无法全部了解，就说说几个比较重要的吧。杰赛设计院（电子部七所）、中国通信建设总公司设计院。

杰赛设计院虽是后起之秀但发展还是蛮快的，毕竟依托原电子部唯一一个移动通信研究所还是有一些技术的。但是，在2000年前后，原先联通的工程被郑州院、北京院蚕食过多所以经济不是很景气，但是近几年走出国门到东南亚很多国家总承包电信工程，业务量暴涨。薪水方面老职工应该不错，不过新职工就比较难说了。

中国通信建设总公司设计院，这个设计院成立时间不是特别长，主要是老副总从郑州院带来了几个骨干，所以业务和薪水不是很可观。

第三类设计院本人了解不多，所以只作简要说明，没有调查就没有发言权嘛。

关于通信设计的思考

Tue, 14 Feb 2006 12:03:09 +0800

经常上一些通信的BBS，也看看了不少帖子。谈论起设计院，似乎有这样的观点，就是设计院无用，设计院只有盖章的功能，设计院迟早要被厂家替代等等言论，附和的人不少，维护设计院的人寥寥无几，在孤军奋战。到底设计院的作用是什么呢？我想，这是每个设计人员，尤其是初入此门的设计人员的最为关心的。

通信设计到底是什么概念呢？由于我是做传输设计的，就从我的视角上来说一说。通信设计，也就是设计人员根据对通信网络的理解，采用自己所掌握的专业知识，完成某一需求所做的能够指导工程实施的一系列工作，最终的产品就是设计文件。通信设计到底包括哪些方面呢？很多人的观念中好像搞设计的就是画画平面图，确定一下设备位置，安排一下走线路由，仅此而已，而这些工作好象设备厂家都可完成，比如华为公司，在设备发货前一般都要他的第三方去工勘，收集一些数据，比如安装方式、线缆长度等以便下料发货，但有些设备厂家，大多是国外厂家，往往要根据设计院的图纸进行下料。这些工作，实际上是设计工作的一小部分，设计的内容应该包括方案设计和安装设计两方面的内容。方案设计，在设计工作中最重要也是最有技术含量的，设计人员对网络的理解，对专业技术的掌握，对网络现状的熟悉，对业务需求的分析，会出现不同的设计思路和方案，这对运营商的网络及其发展会带来很大的影响。

目前设计院所做的方案设计，感觉定性的东西多，定量的东西少，各种能够比较的方案不多，这些都是设计人员今后要改进的地方。这个阶段一般是在可研阶段，但对于一些不大的工程，也有做一阶段设计的。这个阶段的设计，是指导网络建设，设备选型、设备配置的，一般也都是运营商的计划发展部门以及设备厂商的售前参与。这对设计人员水平的要求很高，需要洞察各厂家设备及方案的优缺点以及一些隐藏的条件。

设备安装设计阶段就相对简单些，主要是根据已制定好的组网方案，根据所采用的设备，进行设备的安装设计，这方案虽然简单，想要做好，也不容易，主要是一些配套的东西，如电源端子、DDF/ODF端子的安排，电缆路由的确定等，这要求设计人员熟悉设备的连接关系，机房的情况，还要对工程施工过程有所了解，这个阶段，牵扯的方方面面的细节很多，对于厂家的工勘，就他们就不需了解更多的情况了，实际按正常的流程，设备厂商应该从设计中获得数据，以便下料。这一阶段的设计，需要细致，应该考虑如何让设计图纸让施工单位能够按图施工。在这个阶段，运营商的维护人员、厂家的督导、施工人员以及监理，都碰面了，如果设计上有什么不清楚以及漏洞，难免会让这些人对设计的作用产生怀疑，对设计颇有微词。

设计人员还有一个工作，就是编制阶段的工程费用，可研叫估算，初设叫概算，一阶段或施工图叫预算。

设计人员的角色，怎么说呢，两面性，加在运营商和设备商中间，对于运营商，我们是乙方，对于设备商，我们又相当于半个甲方。

经常有人说，设计单位迟早要没有了，今后，也许会没有单纯的一个设计院或设计所了，但设计的这一个作用，是会一直存在下去的，会以不同的形式出现。比如设备厂家的工勘，也属于设计工作的一部分。在比如设备厂家的TURNKEY工程，从前期的方案制定，到后期的工程实施，无时无刻会有设计工作的影子，只不过改了另外一种名称罢了。