2026年电信行业AI发展现状及趋势报告

2026 年，电信行业的 AI 应用正在进入一个全新的阶段。数据显示，66% 的调查受访者表示他们的组织正在积极使用 AI，这个数字在 2024 年还是 49%，2023 年更低，只有 41%。三年时间，几乎翻了一倍。这种增长速度不是线性的，是跳跃式的。行业已经跨过了试点和评估的门槛，进入了规模化部署的实质性阶段。

90% 的受访者明确表示，AI 正在帮助他们提高年收入同时降低年成本。具体来看，67% 的受访者说 AI 带来了超过 5% 的年收入增长，55% 的受访者报告年成本降低了 5% 以上。这两项指标都比去年有大幅提升。

员工生产力的提升更加普遍。99% 的受访者表示 AI 帮助提高了员工生产力。其中 26% 的受访者表示取得了重大显著的改善。10% 的受访者认为影响极其显著，员工现在能够完成 AI 出现之前根本无法完成的工作。另有 16% 的受访者看到生产力大幅提升，员工能在更短时间内以更高质量完成更多任务，从而腾出时间处理更高级的工作。剩下 47% 的受访者表示生产力有显著提升。

89% 的受访者计划在 2026 年增加 AI 支出，而去年有同样计划的受访者只占 65%。超过一半的受访者表示 AI 预算将比今年增加多达 10%，另有三分之一的受访者表示预算增幅将超过 10%。只有 8% 的受访者表示预算将保持不变，这个比例远低于去年的 30%。钱往哪里流，趋势就往哪里走。

网络自动化成为新的焦点。在过去几年的报告中，客户体验和支持一直是排名最高的 AI 用例。今年情况变了。网络自动化已经超越客户体验，成为投资部署和投资回报率影响方面的主要用例。65% 的电信运营商表示网络自动化正在由 AI 驱动。59% 的电信运营商表示，网络自动化是推动投资回报率的主要 AI 用例之一。54% 的受访者表示其组织正在使用 AI 进行网络自动化，包括规划部署运营和优化，这一比例较 2024 年提高了 17 个百分点。

不同地区的侧重点各有不同。中国市场对网络自动化的热情最高，67% 的中国受访者将网络自动化列为首要 AI 用例。欧洲中东和非洲地区同样重视网络自动化，59% 的受访者选择了这个方向。北美洲则更看重客户服务和体验优化，60% 的北美受访者将其列为第一。日本市场的特点是内部流程优化排在首位，44% 的日本受访者选择了这个方向。

60% 的受访者表示其公司正在使用生成式 AI，这一比例较 2024 年的 49% 和 2023 年的 43% 持续上升。大型公司的采用率特别高，80% 的员工超过 10000 人的大型公司受访者表示已经采用生成式 AI。第二大热门的 AI 工作负载是数据处理和分析，占比 58%。代理式 AI 排在第三位，占比 48%。

代理式 AI 开始崭露头角。48% 的受访者表示其公司正在使用或评估代理式 AI。其中 23% 的受访者表示 AI 智能体已经在公司内部署，其余公司仍处于评估和试点阶段。在仍在评估的受访者中，15% 表示将在未来一年内部署 AI 智能体，10% 表示将在两年或更长时间内部署。大型公司在这方面走得更快，34% 的大型公司已经部署了代理式 AI。

在使用或评估代理式 AI 的受访者中，41% 认为最主要的用例是网络自动化。电信运营商在这方面的比例更高，53% 表示使用了智能体来实现网络自动化。第二大用例是客户服务和体验自动化，占比 35%，内部流程优化位居第三，占比 28%。网络领域成为 AI 智能体最先落地的场景。

AI 原生无线网络的布局正在加速。77% 的受访者表示，他们预计在 2030 年 6G 发布之前，就能看到 AI 原生无线网络的部署。20% 的受访者表示 AI 原生网络将在未来一年内到来。按公司规模来看，小型公司的步伐最快，30% 的小型公司计划在一年内部署。中型和大型公司更倾向于作为 5G Advanced 部署的一部分，分别有 66% 和 62% 选择了这个时间窗口。

在使用 AI 进行网络研发的公司中，65% 将提升频谱效率和能效视为投资 AI 原生网络的主要目标。提高无线接入网络的整体性能被视为另一个关键目标。56% 的受访者强调了将 AI 和 RAN 工作负载整合到共享基础设施上以提高网络利用率和投资回报率的重要性。51% 的受访者表示重点是启用新的边缘 AI 应用，48% 的受访者表示提高网络边缘的移动 AI 流量和推理是关键目标。

分布式 AI 计算正在兴起。78% 的受访者表示，他们目前正在投资或计划投资网络边缘计算，以支持 AI 推理。40% 的受访者表示他们目前正在投资边缘计算用于推理，另有 38% 的受访者表示虽然目前没有投资，但计划在不久的将来进行投资。运营商在这方面更加积极，49% 表示他们目前正在边缘投资，另有 37% 处于规划阶段。

在组织运行 AI 工作负载和推理的位置方面，55% 的受访者表示运行混合架构，同时利用云端和本地系统。另有 31% 的受访者在云端运行 AI 工作负载，14% 的受访者表示仅在本地运行。当被问及组织运行推理时最重要的因素是什么时，45% 的受访者表示成本效率和总拥有成本是最重要的考虑因素。另有 45% 的受访者表示，最重要的考虑因素是模型部署位置的灵活性，无论是在云端还是本地。39% 的受访者表示，延迟准确性和吞吐量也是推理时考虑的重要因素。

开源成为 AI 战略的重要组成部分。89% 的受访者表示开源模型和软件对其组织的 AI 战略很重要。其中 46% 的受访者表示非常重要或极其重要。开源模型使各公司能够对模型进行微调，以针对非常具体的解决方案进行部署。42% 的受访者表示自行开发解决方案是行业首选的方法。与合作伙伴共同开发解决方案位居第二，占比 38%。略多于三分之一的受访者将 AI 开发外包给第三方咨询公司，这一比例较 2024 年上升了 15 个百分点。

电信行业部署 AI 有三个明确的目标。排在首位的是提高员工生产力，43% 的受访者选择了这一项。第二是提高运营效率并降低运营成本，42% 的受访者。第三是开辟新的商业机会和收入来源，40% 的受访者。43% 的受访者表示，开辟新的商业机会是其 AI 计划的首要目标。46% 的受访者表示 AI 开辟了新的收入机会，帮助他们改善了业务。该行业在全球范围内处于独特的地位，可以成为消费者政府和企业的 AI 解决方案中心。

按投资回报率来看，网络自动化以 50% 的比例成为最高的 AI 用例。客户服务和体验优化排在第二位，占比 41%。内部流程优化排在第三位，占比 33%。优化客户服务和体验是第二大 AI 用例，占比 46%，然后是后台流程优化，占比 43%。无线网络研发占总体受访者的 28%。49% 的电信运营商正在使用或评估 AI 原生网络，包括用于 AI-RAN 和 6G 研发。

03

参考研报&来源

2026年电信行业AI发展现状及趋势报告-NVIDIA