本文来自微信公众号： 赛立信通信研究 ，作者：谢剑超
生成式人工智能、大模型和智能体技术快速发展，正在推动电信行业进入新一轮战略转型期。过去，电信运营商主要依靠移动通信、固定宽带、专线、流量及增值业务获得收入，网络的核心功能是完成信息传输和用户连接。进入人工智能时代后，网络连接仍然是数字经济运行的基础，但单纯依靠连接规模和流量增长已经越来越难以支撑运营商的长期发展。
人工智能对电信行业的影响主要体现在两个方向。一是“AI for Network”，即利用人工智能改造网络规划、建设、运维、客服、营销和内部管理，通过预测分析、自动决策和智能体协同降低成本、提高效率；二是“Network for AI”，即利用5G、光纤、数据中心、边缘节点和算力调度体系，为人工智能模型训练、推理和行业应用提供基础设施支撑。
短期来看，人工智能对运营商最直接的价值仍然是内部提效，包括降低网络运维成本、提高客服效率、优化资源调度以及辅助软件开发。长期来看，随着企业人工智能、边缘推理、智能汽车、机器人和多模态应用快速发展，运营商有机会将网络、算力、云、数据、安全和行业服务重新组合，形成新的业务增长空间。
尽管全球主要运营商都把人工智能视为重要战略方向，但中国、美国、欧洲和日韩运营商的布局重点并不相同。中国运营商倾向于建设覆盖算力、云、数据、模型、平台和行业应用的全栈体系；美国运营商更加重视网络、光纤、边缘计算和数据中心等人工智能基础设施；欧洲运营商强调可信云、网络安全、监管合规和数字主权；日韩运营商则在自主模型、人工智能数据中心、网络智能化和消费级智能体之间探索新的定位。
一、中国运营商：
由云网融合走向全栈AI
中国移动、中国电信和中国联通普遍将人工智能视为继连接和云计算之后的新增长引擎。三家运营商的共同目标，是从传统通信服务商转型为覆盖算力供给、模型服务、平台运营和行业解决方案的综合型数字服务商。
中国移动的特点是算力、模型、数据和应用同步推进。公司将自身定位为人工智能的“供给者、汇聚者和运营者”，试图将基础设施、模型工具、行业数据和智能体统一到自身平台中。截至2025年上半年，中国移动总智算规模达到61.3 EFLOPS，“九天”通用及行业大模型矩阵升级至3.0，并重点布局能源、交通、工业、医疗和教育等领域的行业模型。
中国移动九天人工智能平台产品体系
图片来源：中国移动九天人工智能官网
在数据资源方面，中国移动已经建设覆盖32个行业、规模超过3500TB的高质量数据集，并推出多模型和智能体聚合平台MoMA，支持模型接入、能力调用和智能体编排。其核心思路不是单独提供一个大模型，而是通过算力网络、数据资源、模型工具链和行业应用的统一调度，为政企客户提供端到端人工智能服务。
中国移动的人工智能布局已经在经营数据中有所体现。2025年，其算力服务收入达到898亿元，智能服务收入达到908亿元。尽管这些指标不能完全等同于狭义的大模型收入，但表明人工智能已经被嵌入算力服务、云平台、数据产品、行业解决方案和运营服务之中，成为集团业务增长的重要组成部分。
中国电信的AI战略则更加突出“云、网、算、数、智、安”一体化。天翼云作为智能云底座，“息壤”平台承担算力互联和资源调度，“星辰”大模型及行业智能体承担应用入口。其优势并不只是模型研发能力，而是能够把云资源、网络连接、安全服务、私有化部署和行业集成打包交付。
图片来源：中国电信官网
2025年，中国电信已经形成超过110个行业大模型和350个行业智能体，覆盖工业、政务、教育、医疗等领域，服务超过3.7万家行业客户。对于政府、央国企以及金融、能源、交通等对数据安全和本地部署要求较高的客户而言，这种“基础设施加平台加应用”的综合交付能力，比单一模型性能更加重要。
从商业化数据看，2025年中国电信天翼云收入达到1207亿元，AIDC收入达到345亿元，智能收入达到123亿元。其商业逻辑并不是独立销售模型接口，而是把人工智能嵌入云服务、数据中心、行业平台、安全能力和长期运维服务之中，形成综合型政企业务。
中国联通的路线更加强调多模型开放和场景编排。2025年，中国联通智算规模达到45 EFLOPS，云AI产品用户超过3亿，并通过“元景”大模型和“元景万悟”智能体平台推动人工智能在工业制造、城市治理、经济运行、医疗健康和家庭服务等领域落地。
与单纯追求自有基础模型不同，中国联通更加重视不同模型的接入、管理、组合和调用。其MaaS平台可以为企业提供模型选择、模型训练、推理服务、知识检索、智能体开发和安全防护等能力。2025年，中国联通人工智能相关收入同比增长超过140%，算力业务收入占服务收入的比重达到15.4%。
中国联通元景MaaS平台
图片来源：联通数智公众号
总体来看，中国运营商的AI布局具有明显的全栈化特征。三家运营商既建设智算中心和算力网络，也发展自有模型、MaaS平台、行业数据集、智能体和行业解决方案。其主要客户集中在政府、央国企、工业、能源、交通、教育和医疗等领域，项目通常以“云资源、网络、算力、安全、平台和应用”组合交付。
这种模式能够发挥中国运营商在全国网络、本地服务、政企渠道和大型项目集成方面的优势，但也带来较高的资本投入和运营成本。当三家运营商同时建设算力、模型、平台和行业应用时，可能出现产品同质化、能力重复建设、定制项目过多以及算力利用率不足等问题。未来，中国运营商AI业务能否形成稳定利润，关键取决于能否把定制化项目沉淀为标准化、模块化和可复制的产品。
二、美国运营商：
突出网络和数据中心基础设施
美国运营商通常不会把自主研发通用大模型作为核心战略方向，而是围绕光纤、5G、边缘节点、数据中心、安全连接和企业网络构建AI基础设施业务。
这一选择与美国人工智能产业结构密切相关。美国已经拥有成熟的云计算、芯片和基础模型企业，运营商没有必要与云厂商和模型公司在底层技术领域直接竞争。相比之下，网络覆盖、数据中心互联、低时延传输、边缘节点和企业客户资源，是运营商更具比较优势的领域。
Verizon推出的AI Connect具有代表性。该业务将高容量网络、计算资源、数据中心托管、安全能力和芯片生态结合起来，重点服务超大规模云厂商、人工智能平台和全球企业。其核心逻辑是，随着AI应用从集中训练转向分布式推理，企业需要连接数据中心、云平台、边缘节点和终端设备，运营商可以通过提供低时延、高可靠和高安全的连接获得新的收入。
AT&T同样把重点放在网络驱动的边缘AI上。公司与Cisco、NVIDIA等企业合作，将近实时人工智能能力推向网络边缘，同时通过高速光纤和400G波长连接强化数据中心、云平台与企业节点之间的数据传输能力。
美国运营商的AI商业模式因此更接近“AI增强型连接”。人工智能通常附着于企业专线、光纤网络、边缘计算、数据中心托管、网络安全和私有网络服务，而不是形成独立的大模型业务线。AI首先被用于优化网络运行、客服、营销、软件开发和安全检测，其次才作为企业服务的一部分对外输出。
不过，内部提效并不必然带来更好的用户体验。Verizon发布的客户体验研究显示，一部分消费者认为AI客服降低了服务质量，认为AI改善体验的用户比例并未形成明显优势。这说明运营商如果仅从减少人工坐席和降低成本出发部署AI，可能削弱客户信任。人工智能必须在效率、服务质量和人工介入之间建立新的平衡。
三、欧洲运营商：
以可信、合规和主权能力
形成差异化
欧洲运营商普遍采取与云厂商和模型企业合作的方式，但与美国相比，更加重视可信、安全、合规和数字主权。
Vodafone通过与Microsoft、Google Cloud等企业合作，将生成式人工智能用于客服助手、个性化营销、软件开发、采购、网络运维和内部办公。其智能客服SuperTOBi已经在多个欧洲市场部署，内部数字助手也被用于提高员工服务和工单处理效率。
Vodafone并不试图独立训练全球通用大模型，而是利用外部模型和云平台，再叠加自身客户触点、通信渠道、用户运营数据和企业服务能力，形成规模化AI应用。这种合作模式能够降低基础模型研发成本，也更符合欧洲跨国运营商同时面对多个国家市场的现实。
Deutsche Telekom则将AI重点投入网络自治和消费服务。在消费者侧，公司推出Magenta AI、AI Phone和相关智能助手服务；在网络侧，与Google Cloud合作开发RAN Guardian Agent和MINDR等网络智能体。这些系统能够实时分析无线网络状态、识别异常并提出或执行优化措施。部分公开案例显示，大型网络事件的处置时间已经从数小时缩短至约1分钟，说明人工智能正在从辅助分析工具进入网络闭环管理。
图片来源：Deutsche Telekom官网
Orange则强调可信数字服务商定位，将人工智能与可信云、网络安全、数据治理和主权服务相结合。欧洲运营商竞争的重点并不是模型参数规模，而是在严格监管环境中，为政府和企业客户提供可控、可审计、可本地部署并保留人工监督机制的AI服务。
欧洲运营商的战略与当地监管环境高度相关。在欧盟《人工智能法案》和GDPR约束下，运营商部署客服AI、身份识别、推荐系统、人力资源工具和企业托管服务时，需要重点处理个人数据、跨境传输、风险分级、算法透明和人工监督问题。
严格监管提高了AI应用成本，但也为运营商创造了新的产品空间。可信云、主权数据、本地部署和合规运营，可以被转化为面向政府、金融、医疗和大型企业客户的差异化能力。
四、日韩运营商：
自主研发与全球合作并行
日韩运营商的路线介于中国与欧美之间。它们既重视自主模型、AI数据中心和网络智能化，也积极与全球云厂商、芯片企业和模型公司合作，希望在保持一定技术自主性的同时，避免形成封闭体系。
SK Telecom提出“AI金字塔”战略，将业务划分为AI基础设施、AI转型和AI服务三个层次，同时布局人工智能数据中心、GPU服务、自有大模型、企业解决方案和个人AI助手。其目标是把AI从内部提效工具转变为可独立商业化的新业务，并进一步向“AI Native”运营商转型。
图片来源：SK Telecom官网
NTT集团依托长期研发积累推出轻量级日语大模型tsuzumi。与追求超大参数规模不同，NTT更重视本土语言能力、低成本推理、私有化部署和敏感数据保护。同时，NTT通过IOWN及相关构想，把光网络、GPU、边缘计算和能源调度结合起来，建设面向AI时代的下一代基础设施。
NTT DOCOMO则重点推进AI-RAN、vRAN与AI资源共用、智能网络维护和自动优化。其智能体可以用于网络行为分析、故障排查和处置建议，相关试验显示，AI在特定环境中能够显著提升网络吞吐和运维自动化水平。
日韩运营商还比欧美运营商更积极探索消费级AI业务，包括AI通话、个人助手、生活服务智能体和终端入口。这使其不仅关注政企市场和网络运维，也希望在消费者侧形成新的服务界面。
五、区域路线分化：
国内外布局差异及其形成原因
综合来看，全球运营商AI布局主要存在四个方面的差异。
第一，战略定位不同。
中国运营商希望成为覆盖基础设施、模型平台和行业应用的综合AI服务商；美国运营商更像AI时代的网络和数据中心基础设施提供者；欧洲运营商强调可信云、安全、合规和数字主权；日韩运营商则希望同时掌握基础设施、自主模型和消费级AI入口。
第二，技术获取方式不同。
中国运营商更加强调自主可控和自有品牌，普遍推出自有大模型、MaaS平台和智能体平台。欧美运营商更多与云厂商、芯片企业和基础模型公司合作，将外部技术与自身网络、渠道、数据和客户服务结合。日韩运营商则采取“自主研发与全球合作”并行的路线。
第三，商业化对象不同。
中国运营商重点服务政府、央国企和重点行业客户；美国运营商主要满足云厂商和大型企业的连接、边缘计算及数据中心需求；欧洲运营商侧重企业数字化、可信云、数据安全和主权服务；日韩运营商除企业市场外，还积极探索个人助手和消费级智能体。
第四，监管和价值表达不同。
中国更强调数据安全、国产化适配、关键行业自主可控和产业数字化；欧洲更重视个人隐私、算法透明、人工监督和数字主权；美国更强调投资回报、企业风险管理和产业分工；日韩则把可信AI、本土语言能力和国家产业竞争力结合起来。
这些差异根本上来源于不同地区的产业结构。中国运营商规模大、政企客户集中度高，同时承担较多数字基础设施建设和产业数字化任务，适合构建全国性算力网络和综合解决方案。美国拥有成熟的云计算、芯片和模型产业，运营商更适合发挥光纤、边缘节点和企业连接优势。欧洲监管严格，运营商必须将合规、安全和主权能力转化为产品价值。日韩本土市场有限，但技术研发和产业协同能力较强，因此更加重视自主模型、AI数据中心和特色消费应用。
六、未来趋势：
由单点应用走向智能基础设施
未来几年，国内外运营商的AI路线可能逐渐融合。
首先，人工智能将进一步深入网络核心。网络AI将从故障预测和辅助分析，发展到由智能体驱动的网络规划、告警研判、故障处置、节能控制和资源编排。多个智能体可能分别承担监测、分析、决策、执行和验证任务，推动网络由自动化走向自治化和自愈化。
其次，边缘推理将重新提升运营商网络价值。随着机器人、智能汽车、工业视觉、实时视频和多模态应用发展，AI推理将由中心云向区域和边缘节点分布。运营商拥有的光纤、机房、5G网络和低时延连接，将成为承载实时人工智能的重要基础设施。
再次，企业AI将进入多模型和多智能体阶段。企业不会只使用一个基础模型，多模型接入、模型路由、智能体编排、行业数据治理、安全控制和算网协同，将成为运营商AI平台的核心能力。
主权AI也将由区域性概念转变为全球共同需求。中国强调自主可控，欧洲强调主权云和监管合规，日本、韩国强调本土语言和产业能力，美国企业同样越来越重视私有化部署、供应链稳定和数据安全。
因此，未来真正具有竞争力的运营商，未必拥有参数规模最大的模型，而是能够将网络、算力、云、数据、安全和行业场景组织成标准化、可复制、可持续收费的服务体系。
结语
国内外电信运营商都在从“通信管道”向“智能基础设施”转型，但选择了不同的切入点。中国运营商走的是全栈AI和行业深耕路线；美国运营商突出网络和数据中心等AI基础设施；欧洲运营商强调可信、合规和主权服务；日韩运营商则在自主模型、AI数据中心、网络智能化和个人智能体领域投入更深。
最终决定运营商AI转型成败的，不是发布了多少个大模型，也不是建设了多少智算中心，而是能否把人工智能真正转化为网络效率、客户体验和可持续收入。
人工智能不会削弱通信网络的价值，反而会推动网络从数据传输通道升级为连接算力、模型、设备、企业和个人的智能底座。谁能够率先完成这一角色转变，形成标准化、可复制并具备持续运营能力的服务体系，谁就更有可能在人工智能时代重新获得产业链主动权。