【行业观察】全球运营商 AI 路线大不同
中国做全栈，美国做基建，欧洲重可信，日韩抢入口
引言：全球运营商都在做 AI，但路径已经分开
生成式 AI、大模型和智能体的快速发展，正在重新改变运营商的业务边界。
一方面，AI 进入网络运维、客服、营销、资源调度和内部管理，直接改善效率；另一方面，5G、光纤、数据中心、边缘节点和算力网络，又成为模型训练、推理和行业应用的重要底座。
因此，运营商今天讨论 AI，不能只盯着某一个模型、某一场发布会，也不能只看谁又建了多少算力。更值得看的是：不同运营商正在凭借各自的网络、云、客户、数据和服务能力，选择不同的路线。
下面先看国外运营商在做什么；再看国内三大运营商的布局；最后再讨论，面对这些变化，我们接下来应该多想几件什么事。
一、先看美国：不抢大模型风头，把网络和数据中心卖给 AI
美国运营商通常不把自研通用大模型放在最核心的位置。这并不代表它们不重视 AI。美国本来就有成熟的云计算公司、芯片企业和基础模型公司，运营商再去和这些企业正面拼模型，并不一定是最合适的选择。
它们更愿意把自己的优势做深：光纤、5G、企业网络、边缘节点、数据中心互联、网络安全和专用连接。
Verizon 的 AI Connect 就很有代表性。它把高容量网络、计算资源、数据中心托管、安全能力和芯片生态放在一起，服务超大规模云厂商、AI 平台和全球企业。随着 AI 从集中式训练走向更分布式的推理，数据中心、云平台、边缘节点和终端之间，需要低时延、高可靠、高安全的连接，这恰好是运营商的新位置。
AT&T 与 Cisco、NVIDIA 等企业合作，把近实时 AI 能力往网络边缘推进，同时通过高速光纤和 400G 波长连接，加强数据中心、云平台与企业节点之间的数据传输。
美国运营商对外卖的，通常不是一个独立的“运营商大模型”，而是“AI 增强型连接”：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，都因为 AI 的发展而获得新的价值。
AI 同样在美国运营商内部使用：网络运维、客服、营销、软件开发和安全检测都在用。但有一点值得注意：部分用户对 AI 客服的体验评价并不好。AI 不能只围着降本转，客户体验和人工兜底同样要守住。
二、再看欧洲：AI 可以做，但可信、合规、可管是前提
欧洲运营商也在广泛使用 AI，也在和云厂商、模型公司合作。但欧洲的重点，与美国不一样：它们更看重可信、安全、合规和数字主权。
Vodafone 与 Microsoft、Google Cloud 等合作，把生成式 AI 用在客服助手、个性化营销、软件开发、采购、网络运维和内部办公中。智能客服 SuperTOBi 已在多个欧洲市场部署，内部数字助手也用于员工服务和工单处理。
Vodafone 没有把重心放在训练一个全球通用模型上，而是利用外部模型与云平台，再叠加自己的客户触点、通信渠道、运营数据和企业服务能力，做成规模化应用。
Deutsche Telekom 一边在消费者侧推出 Magenta AI、AI Phone 等服务；另一边与 Google Cloud 开发 RAN Guardian Agent、MINDR 等网络智能体，用于分析无线网络状态、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可以从数小时压缩到约 1 分钟。
Orange 则把 AI 与可信云、网络安全、数据治理和主权服务结合。它强调的不是模型参数多大，而是在严格监管环境中，能不能为政府和企业提供可控、可审计、可本地部署，并保留人工监督的服务。
欧盟 AI 法案、GDPR 等环境提高了应用成本，也让可信云、主权数据、本地部署、审计与合规运营成为可收费的能力。
三、再看日韩：既要保留自主能力，也要抓住用户入口
日本和韩国运营商，走的是介于中国和欧美之间的一条路。一边，它们发展自主模型、AI 数据中心和网络智能化；另一边，也积极和全球云厂商、芯片企业、模型公司合作，希望保留技术自主性，又不把自己关在封闭体系里。
SK Telecom 提出“AI 金字塔”战略，把业务分成 AI 基础设施、AI 转型和 AI 服务三层，同时布局 AI 数据中心、GPU 服务、自有大模型、企业解决方案和个人 AI 助手。它想把 AI 从内部提效工具，逐步做成可以独立经营的新业务，并向 AI Native 运营商转型。
NTT 推出轻量级日语大模型 tsuzumi，不一味追求超大参数，而强调本土语言能力、较低推理成本、私有化部署和敏感数据保护；同时通过 IOWN 等构想，把光网络、GPU、边缘计算和能源调度结合，为 AI 时代建设下一代基础设施。
NTT DOCOMO 则把 AI 更多放进无线网络，推进 AI-RAN、vRAN 与 AI 资源共用、智能网络维护和自动优化。日韩运营商还比欧美更积极探索 AI 通话、个人助手、生活服务智能体和终端侧入口，希望让 AI 成为用户每天愿意打开的服务。
四、再看国内：三大基础电信企业做全栈，中国广电走另一条线
2026 年再看国内运营商，不能只停留在“都在做大模型、都在建算力”的判断上。中国移动、中国电信和中国联通仍在沿着算力、数据、模型、平台、应用的全栈能力往前走；中国广电的 AI 布局则更贴近新型广电网络、内容服务、广电 5G、应急通信和文化数据。
中国移动：从“全栈能力”走向算网智协同与 Token 规模运营
截至 2025 年上半年，中国移动智算规模达到 61.3 EFLOPS；“九天”通用及行业大模型升级至 3.0，覆盖能源、交通、工业、医疗、教育等领域。覆盖 32 个行业、超过 3500TB 的高质量数据集，和 MoMA 多模型、智能体聚合平台，分别支撑数据供给、模型接入、能力调用和智能体编排。
2026 年，移动把重点进一步放到算网智协同和 Token 规模运营上。5 月移动云大会上，MoMA 宣布可一站式调用 300 多款模型，并强化模型路由、计量和智能体服务；公开信息显示，单位 Token 成本压降超过 30%。7 月世界人工智能大会上，移动进一步展示通信网、算力网、智能网协同，以及 5G-A 与 AI 在高铁、工业互联网等场景的结合。
移动现在不只是把 AI 放在云平台上，而是在把网络能力、算力调度、模型服务和行业应用往同一条链路上拉。
中国电信：从一体化交付走向 Token 服务运营
天翼云是智能云底座，“息壤”承担算力互联和资源调度，“星辰”大模型和行业智能体更靠近应用入口。此前已形成 110 多个行业大模型、350 个行业智能体，服务超过 3.7 万家行业客户；天翼云、AIDC 和智能业务也构成了 AI 商业化的基础。
2026 年，中国电信把 Token 经营往前推了一步：4 月发布星辰 TokenHub 1.0，承担模型聚合、智能路由、统一分发、统一计量和统一运维；随后推出面向开发者和中小微企业的“Token + 连接 + 安全”试商用套餐。7 月，TokenHub 完成能力升级，并发布星辰超级智能体 TeleAgent。
这条线仍然没有脱离电信的传统优势：算力、模型和智能体的使用，要与云网、安全和属地交付一起成为可调度、可计量、可运营的服务。
中国联通：把开放编排延伸到 Token 运营和终端入口
截至 2025 年，中国联通智算规模达到 45 EFLOPS，云 AI 产品用户超过 3 亿。围绕“元景”大模型和“元景万悟”智能体平台，联通已在工业制造、城市治理、经济运行、医疗健康、家庭服务等领域推进应用。
2026 年，联通将能力进一步收敛为“算、数、模、用、安”五个方面，形成万象数据工程、元景 MaaS、万悟智能体三大底座；同时展示星罗算力调度、元景 Token 运营、万悟工业智能体和 AI 终端。联通的“开放与编排”路线已经从多模型管理，延伸到 Token 经营、工业应用和消费侧入口。
中国广电：重点不在复制三大，而在网络、内容和文化服务
中国广电不宜简单按三大基础电信企业的路径来衡量。2026 年，中国广电将人工智能作为推动新型广电网络建设的重要引擎：继续推进 700MHz 5G 深度覆盖、5G-A 演进、国干网升级、有线接入网光改和超高清终端升级。
同时，它开始构建 AI 原生智能网络架构：面向 5G-A 引入智能化感知平台，面向 6G 探索“端、网、业”协同的智能体网络，用 AI 分析运营和业务数据，推动运维从事后处理向主动预防转变。
中国广电更突出的资源是内容、屏端、文化数据和广电网络。升级全国骨干网“七纵七横”架构、建设国家级文化大数据服务平台、发展超高清视频与应急通信，构成了它区别于三大基础电信企业的 AI 场景。
三大基础电信企业的共同方向仍是全栈化，但移动更像在搭“总调度体系”，电信更像在做一体化政企交付，联通则更强调多模型开放、Token 运营和场景编排。中国广电的路线不同，它更需要把广电网络、内容资源和屏端服务做成特色场景。
这几条路线都面临同一个经营问题：怎样把能力变成可以持续运营的产品，而不只是一次项目。投入重、产品趋同、项目高度定制、算力利用率不足，仍是三大基础电信企业要解决的问题；中国广电则要回答，怎样让内容与网络资源真正转化为用户和政企客户愿意付费的服务。
五、把国内外放在一起看：路线为什么会不一样？
中国运营商规模大、政企客户集中，也承担较多数字基础设施和产业数字化任务；美国有成熟的云、芯片、模型产业；欧洲监管严格；日韩市场相对有限但技术研发和产业协同强。不同产业结构，决定了不同路线。
六、接下来会往哪里走？
网络会更智能。AI 会从故障预测、辅助分析，进一步进入网络规划、告警研判、故障处置、节能控制和资源编排。监测、分析、决策、执行、验证等多个智能体，将更多地协同处理网络问题。
边缘推理会提升网络价值。机器人、智能汽车、工业视觉、实时视频和多模态应用发展后，很多推理任务会更多分布到区域和边缘节点。光纤、机房、5G 和低时延连接，都会成为重要资产。
企业应用会进入多模型、多智能体阶段。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，会成为平台能力的重点。
主权 AI 会成为更广泛的需求。自主可控、主权云、本土语言、私有化部署、供应链稳定和数据安全，都会影响企业选择。
七、看完这些路线，我们接下来应该多想几件事
把全球几条路线放在一起看，重要的不是简单评价谁做得更大、更快，而是从中看清运营商下一步最需要想透的事情。
第一，先把自己的位置想清楚。先盘点手里真正有价值的资源：网络和云底座、行业客户、属地服务、数据治理、渠道触点，哪一项最适合作为 AI 业务的起点？同在运营商体系里，各省市走法可能也不必一样。
第二，内部提效和对外业务要一起看。网络运维、客服、营销和管理，可以先用 AI 改善效率和体验；面向政企客户，再围绕行业资料、生产流程、知识服务和安全交付，形成能卖、能交付、能复用的方案。
第三，别把一次项目当成终点。做项目时，我更愿意看三件事：场景能否复用、数据边界是否清楚、交付后谁持续运营。这三件事不清楚，项目再多，也很难形成长期能力。
第四，安全和体验要前置。美国提醒我们不能为了降本牺牲体验；欧洲提醒我们数据、安全、权限、审计和人工核验不是最后补上的环节；日韩提醒我们，AI 最后还要回到用户是否愿意长期使用。
结语：看懂别人，是为了走好自己的路
全球运营商都在从“通信管道”走向“智能基础设施”，只是选择了不同的切入点。中国走全栈 AI 和行业深耕路线；美国突出网络、边缘和数据中心；欧洲强调可信、合规和主权服务；日韩在自主模型、AI 数据中心、网络智能化和个人智能体上同时投入。
看懂这些差异，不是为了把别人的方案搬过来。更重要的是，把已有的网络、云、数据、服务和行业资源放到合适的位置上，做成客户愿意长期使用、团队能够持续运营的能力。
