智能体时代AI基础设施发展研究报告 基础电信业务的战略定位与演进路径

一、引言

人工智能正从“感知智能”“认知智能”迈向以自主决策、多步推理、工具调用为特征的“智能体（AI Agent）时代”。智能体不再只是被动响应指令的模型，而是能够理解目标、规划任务、调用外部工具并持续与环境交互的智能系统。这一转变对AI基础设施提出了全新要求：低时延推理、大规模并发调度、异构算力协同、数据与模型的安全流通，以及端到端的服务保障能力。在这一背景下，基础电信业务作为国家信息基础设施的核心组成部分，正从“连接提供商”向“算网一体、智联万物的AI基础设施运营商”加速演进。本报告聚焦智能体时代AI基础设施的发展趋势，分析基础电信业务在其中的战略定位、能力体系与演进路径，并提出相关政策与产业建议。

二、智能体时代AI基础设施的新需求

（一）从“训练为中心”走向“推理与训练并重”

智能体的普及将显著提升推理侧算力需求。与传统大模型对话一次不同，一个智能体完成一项任务往往需要多次规划、调用工具、反思修正，推理调用次数成倍增长。AI基础设施需要在数据中心内部和数据中心之间构建高效的低时延推理网络，并支持推理算力的弹性伸缩与按需调度。

（二）端—边—云协同成为刚需

智能体既可能运行在云端，也可能部署在终端和边缘侧，以满足隐私、时延和成本约束。基础电信业务凭借广泛的网络覆盖、边缘节点资源和端侧连接能力，具备天然优势，需要构建“云—边—端”一体化的算力与模型分发体系。

（三）数据与模型的安全可信流通

智能体需要访问企业数据、行业知识和外部工具接口，数据跨域流动、模型跨主体调用成为常态。AI基础设施必须内嵌身份认证、访问控制、隐私计算与模型审计能力，形成可信的数据与模型流通底座。

（四）算网深度融合与全局调度

异构算力（GPU、NPU、CPU等）分布在多级数据中心，智能体任务需要算力、网络、存储协同调度。基础电信业务需要以“算网大脑”实现算力资源的统一纳管、智能匹配和确定性传输保障。

三、基础电信业务在AI基础设施中的战略定位

（一）AI基础设施的“骨干承载者”

基础电信企业拥有覆盖全国的光纤骨干网、数据中心集群和5G/千兆接入网络，是AI算力互联和模型分发的主干通道。其战略定位首先是做智能体时代AI基础设施的“骨干承载者”，保障算力高效互联、模型广泛可达。

（二）算网融合服务的“集成运营者”

基础电信业务具备网络与算力一体化运营的独特条件，能够将算力、网络、存储、安全、模型服务打包为一体化产品，面向政务、金融、工业、医疗等行业提供“算网+模型+智能体”的集成服务，成为AI基础设施的集成运营者。

（三）可信AI服务的“公共底座提供者”

作为受监管的基础设施运营主体，基础电信企业在数据安全、身份认证、服务质量保障方面具有公信力优势，可承担AI可信服务公共底座的提供者角色，包括可信算力接入、模型托管、智能体运行监管接口等。

四、基础电信业务支撑AI基础设施的能力体系

（一）算力基础设施：从IDC到智算中心

基础电信企业需加快传统数据中心向智算中心升级，布局大规模GPU/NPU集群，推进液冷、绿色低碳等关键技术应用；同时通过算力并网、多云互联，将分散的第三方算力纳入统一调度体系，形成“核心智算+边缘推理+端侧协同”的多层次算力供给格局。

（二）网络基础设施：确定性传输与算网协同

面向智能体推理，需构建低时延、高可靠、可确定保障的承载网络。重点包括：数据中心间的高速互联（如400G/800G OTN）、算力枢纽间的确定性网络、面向边缘推理的5G/算力网络融合接入，以及基于SRv6、网络切片等技术的按需组网能力。

（三）调度与管理平台：算网大脑与智能体运行环境

建设统一的算网大脑，实现异构算力注册、度量、匹配与调度；提供智能体运行所需的工具调用网关、模型服务网关、任务编排引擎和安全沙箱环境，使基础电信网络成为智能体“即插即用”的运行底座。

（四）安全与可信能力：内生安全与合规运营

构建覆盖算力、网络、数据、模型、智能体的全栈安全体系，包括零信任接入、隐私计算、模型水印与审计、智能体行为监测与合规拦截，并配合监管机构建立智能体标识与追溯机制。

（五）绿色低碳能力：能效约束下的可持续发展

智算中心能耗显著上升，基础电信企业需通过液冷、余热回收、绿电采购、AI能效调度等手段，推动AI基础设施绿色化，实现算力增长与双碳目标协调。

五、典型应用与业务模式

（一）面向行业的智能体算网服务

在工业质检、智能客服、政务问答、医疗辅助等场景，基础电信企业可提供“算力+网络+模型+智能体平台”的一体化交付，按任务或按调用量计费，探索从“卖连接”向“卖智能服务”的转型。

（二）边缘智能体与端云协同服务

借助5G边缘节点和端侧连接能力，为车联网、智能终端、工业现场等提供低时延智能体推理服务，形成“云端训练、边缘推理、端侧执行”的分层业务模式。

（三）可信模型托管与智能体运行监管服务

面向模型提供方和行业用户，提供模型托管、版本管理、调用审计、内容安全过滤等服务，并结合监管要求提供智能体运行监测接口，形成公共可信服务能力。

六、面临的挑战

（一）算力供给结构性矛盾

高端智算芯片供给受限、异构算力标准不统一，导致算力利用率与调度效率有待提升。

（二）算网融合技术与商业模式尚不成熟

算力度量、交易结算、跨主体调度等机制仍在探索，确定性网络规模部署成本较高，“算网+智能体”的商业模式有待验证。

（三）安全与监管体系需同步完善

智能体自主行为带来新的安全风险，数据跨境、模型滥用、责任界定等问题对现有监管框架提出挑战。

（四）能耗与成本压力

智算中心建设与运营成本高企，能耗约束趋紧，投资回收周期较长。

七、发展建议

（一）加快算网基础设施建设与标准统一

推进智算中心布局优化和算力并网，推动异构算力度量、算力交易、算网接口等标准体系建设，提升全国算力资源统筹调度能力。

（二）强化智能体运行底座能力

建设面向智能体的工具网关、模型网关与安全沙箱，完善智能体标识、审计与监管接口，使基础电信网络成为智能体可信运行的基础环境。

（三）深化行业场景融合创新

选择工业、政务、医疗、交通等重点行业开展智能体算网服务试点，形成可复制的产品与计费模式，推动基础电信业务向价值链高端延伸。

（四）完善安全与监管协同机制

建立跨部门协同的AI基础设施安全治理机制，明确基础电信企业在数据流通、模型托管、智能体监管中的责任边界，推动隐私计算、模型审计等技术规模化应用。

（五）推动绿色低碳与降本增效

加大液冷、绿电、智能能效调度等技术应用，探索算力资源共享与弹性计费机制，降低智能体规模化运行的综合成本。

八、

智能体时代，AI基础设施正从“算力堆叠”走向“算网融合、可信可控、端边云协同”的系统能力。基础电信业务凭借网络、算力、安全和公共服务的综合优势，具备成为AI基础设施骨干承载者与集成运营者的现实条件。基础电信企业需加快从连接供给向“算网+模型+智能体”一体化服务转型，在支撑智能体规模化落地的实现自身业务结构的战略性升级，为国家人工智能基础设施建设提供坚实底座。