AI冲击下的网络之变：从连接平台演进AI创新平台

    以ChatGPT为代表的大型语言模型（LLM，Large Language Model）类AI的大热不但引起了全球AI使用者的广泛关注，同时点燃了全球产业界对通用AI广泛落地和持续演进的期望。
    “ChatGPT和大型语言模型类AI的成功远远超过了一款由AI驱动的智能聊天应用的范畴。它标志着通用AI发展进入到重要的阶段，更标志着通用AI底层基础技术向商业化和广泛应用不断迈进。”爱立信中国区技术部、技术和标准化总监刘坚在接受《通信产业报》全媒体记者采访时指出，特别是，大型语言模型和基于深度学习的神经网络技术必将快速推动通用AI在多个领域中的突破和广泛应用。
    AI对通信网提出新需求
    显而易见，持续演进的AI对网络的需求将会处于指数级增长的态势。
    刘坚认为，ChatGPT和生成式AI应用作为通过网络向用户释放服务的平台，不仅在使用体验上对网络提出了带宽时延方面的传统通信需求。同时，AI在基础技术和自身演进方面对网络也提出了更广泛的需求。
    短期来看，作为交互式的AI聊天应用平台，尤其是拥有广泛移动用户的应用平台，可能更像其他新应用（像新的互联网搜索工具）一样带来新的流量。基于文字聊天的通信特性，对网络直接的影响和冲击是可控的。但仅从应用角度来看，大型语言模型所验证的AI底层技术会直接点燃生成式AI（Generative AI or AIGC）应用的快速推出。在未来的语言文字聊天中，随着多媒体内容的不断叠加，交互AI应用会对网络的带宽和实时性提出更广泛和严格的要求。
    从中期来看，AI大模型对算力的巨大需求对应基于数据中心的分布式算力部署，面向连接的网络更是能够用于整合分布式算力和在广域条件下动态分配算力来支持AI大模型训练并成为通用AI持续演进的必要组成部分。AI快速演进中的动态算力需求会对网络实时反应和动态分配资源提出更深的需求，特别是在高端算力方面。
    从长期来看，AI基础技术的演进，像AIGC和神经网络会直接支持通信网络本身的智能化演进。在连接智能化、资源分配智能化及网络拓扑部署智能化方面起到深刻的推动作用。在AI应用快速发展的大背景下，通信行业积极推动的智能网络将在更扎实和成熟的AI技术基础上产生实质性的演进。
    刘坚强调，未来，AI应用一定会进入到实时无缝持续演进的阶段，并且是大量的生成式AI应用在网络连接算力和数据的场景下并发实时演进，这对网络连接的需求是及其严格的。用户连接，会被“高标准、严要求”的“AI”式网络连接所取代，用户将在使用AI应用时获得更全面、更真实的体验感。未来的网络连接将会超出现在我们能看到的用于AI模型实时训练的高端算力资源连接和动态分配。此外，网络对实时、真实和有效数据的采集、梳理、存储，以及发放也是AI在持续演进中对网络的具体需求。
    通信网如何迎接AI浪潮？
    ChatGPT中的P字代表着Pre-trained（预训练）的意思，如今的ChatGPT是按时间阶梯使大模型在巨型高端算力架构下提前训练再进行发布的，这就代表ChatGPT直到今天本身不具备在线实时训练和演进的功能。
    刘坚表示，算法、算力和数据是AI演进的基础。实时在线演进的AI应用是以实时连接的高端算力基础设施和广泛实时数据为基础，而二者均以网络连接为实现方式。
    面对AI的突破性发展和持续演进，爱立信认为，通信网络应该计划和部署超越当前的主要基于连接人与人、人与内容的核心能力，推动网络向更加有效地连接算力、连接数据的能力方面迈进。未来，在满足AI应用的同时，通信网络也将具备推动AI本身前行演进的能力，将网络从AI的使用平台演进成AI技术的推动平台和AI应用的创新平台。
    “AI的最新技术必将更广泛的应用在通信网络中，使得网络能够更加的智能化。同时，通信网络将更加有效地利用多种资源来促进本身和AI的持续演进。”刘坚建议，通信网络和其连接资源的安全性，包括敏感数据的隐私性处理能力需跟上快速发展的步伐。这也是通信网络前行演进中的挑战。
    机遇与挑战并存
    通用AI主要是专注于研制像人一样思考、像人一样从事多种行业的机器，它的产生和演进必将影响到人类和产业的方方面面。类似于大型语言模型类AI这样产生强大冲击影响的的生成式AI应用正在各行各业不断发生，机遇与挑战并存。
    刘坚认为，新兴的服务会催生并增强新型的商业机会，商业成本将取决于通用AI技术演进。对于通信网络来说，它是连接AI中广泛却关键的要素——用户、数据和算力的核心架构。除了支持AI使用体验和支持AI演进中重要的支持角色外，网络叠加适当的算法本身就可以产生和提供AI服务，这一叠加在以“服务至上”为基础的连接领域，本身就可以驱动巨大且广泛的商业机会。
    值得关注的是，大型语言模型类AI为代表的生成式AI的爆发式发展，以及未来通用AI的基础技术演进和应用的广泛涌现不仅对通信网络产生影响，更有可能对整体网络架构产生深远的影响。
    刘坚表示，基于人与人通信和人与内容通信叠加的广域移动性，移动网络定义了接入网和核心网为主体的架构模式。而1G到5G的演进也基本延续了这样演进架构模式。
    平行于移动网络，基于对算力部署和优化输出的需求，算力网络也应运而生。随着未来AI技术的不断成熟和AI应用的广泛推出，网络本身包括网络基础架构面临的挑战将转向端到端的层面。这里的驱动领域主要是以推动人和内容为中心连接能力的转型，包含算力和数据，且二者具备网络本身智能和智能服务输出的持续演进新型网络。这一跳跃式演进代表着网络本身将由连接平台转向连接AI服务平台，再到连接AI创新平台。
    此外，基于通用AI服务和AI基础技术的阶段性推进，这在不同的阶段对现有接入网、核心网和算力网将产生不同的挑战。