人工智能正与通信网络深度融合，成为驱动数字经济与信息基础设施升级的核心引擎。2026年通信运营商在人工智能技术方面已进入深度融合与规模化应用阶段，三大运营商明确将人工智能作为核心转型方向，通过算力投资、网络智能化升级及终端生态布局推动转型。同时，运营商加速自智网络建设，利用人工智能实现网络优化、故障预测及安全防护，并探索大模型在客服、网络管理等场景的应用，助力通信行业向智能化、高效化方向演进。
为了进一步促进人工智能领域的交流与合作，我们策划了本期《人工智能》专题，内容涵盖电信运营商在智能算力服务领域的发展、利用人工智能分析互联网互联结构的研究与实践、基于注意力机制的干扰模式分类算法研究、算网大脑驱动的泛在算力调度架构设计与实践、基于端网协同的智算中心智能运维关键技术研究与实践、大模型赋能电信运营商应用场景研究等。这些文章集结了作者们最新的研究成果与实践经验，期望能为读者提供有价值的参考与启示。
查看全文>为适应经济、社会、技术的快速发展，更好应对新时代挑战，电信运营商需要积极推动人工智能技术的场景化应用，进一步提升生产运营管理水平。基于电信企业实践，提出基于大模型的电信运营商人工智能技术架构，以及由该架构支撑的智能化应用框架，介绍了大模型在电信运营商营销、交付、客服、网络、信息技术、办公和供应链管理等方向的落地应用。实践证明，人工智能应用能够在精准营销、交付实训、客户服务、网络节能等场景实现降本增效。
电信运营商拥有庞大的网络基础设施和数据中心资源，在算力资源整合方面具有天然优势，应坚决落实国家战略决策部署，以市场需求和技术创新为双轮驱动，打造智能算力服务发展新优势。梳理了智能算力的发展背景，进一步介绍了智能算力服务产业的简要情况，在此基础上针对电信运营商的智能算力服务发展提出了相应的体系架构、目标范式和演进路径。
传统互联网拓扑分析方法主要关注节点连接数量，忽视节点间的全局关联性与动态权重关系，难以支持复杂网络环境下的精细化互联优化。提出一种融合网络图谱分析与图神经网络的AI驱动方法，旨在挖掘全球互联网互联结构的深层次特征。研究基于超过 50万个网络节点数据，构建加权拓扑图模型，引入 Jac-card系数、共同邻居指标及 Transformer架构中的注意力机制，量化节点间的依赖关系与潜在连接概率，并在4类典型应用场景中验证方法有效性。
为应对大规模智算中心运维复杂、性能保障难的挑战，研究基于端网协同的智能运维关键技术。以某省联通端网管控智能运维平台为例，分析精细化状态监测与告警、大规模网络拓扑发现与“同轨拓扑”校验以及基于改进模拟退火的AI-DCQCN 自适应拥塞控制等技术。结果表明，该方法能实现计算与网络资源深度关联分析与故障诊断，自动化拓扑校验保障网络架构正确性，AI-DC-QCN技术可显著提升RDMA网络带宽（约20%）并降低时延。
随着算力需求的日益增长，如何实现高效、灵活且智能的算力调度成为当前研究的热点。通过聚焦算网泛在调度核心概念，探讨其在泛在算力调度中的应用，提出一种创新的架构设计方案，全面提升算力资源利用率和服务质量。
随着无线通信技术的迅速发展，干扰模式的分类成为确保通信系统可靠性的关键因素。基于注意力机制的干扰模式分类算法通过将干扰信号转换为频谱瀑布图，直观地展示干扰信号在时间和频率上的变化规律，构建了包含多种干扰模式的数据集。该算法采用卷积神经网络结构，通过多层卷积和池化操作自动提取干扰信号的特征，并引入注意力机制聚焦关键特征，结合全连接层进行分类。实验结果表明，该算法在干扰模式分类任务中表现优异，分类精度达到94%，显著优于随机森林、支持向量机等传统机器学习方法。
干扰是移动通信系统中影响网络质量的主要因素之一，4G 和 5G 现网中存在大量由干扰器、私装直放站等外部因素导致的干扰。研究了一种自动化的干扰分析与管理系统，该系统具备干扰监测、干扰识别、干扰定位、干扰管理、任务分发和干扰排查等功能，在现网实现完整的闭环操作。
针对算力网络智能业务的多样化需求，提出了算网能一体化资源感知预测模型，以解决算网能业务处理流程中算力资源与能源协同高效感知预测的问题。该模型能够有效应对异构化的算力服务资源需求，通过协调多层级、多维度的算力资源与能源供应的平衡关系，实现一体化资源的有效预测与分配。同时，基于时序预测模型，提出了算网能一体化资源时序预测模型，能够准确预测未来算网能一体化资源需求的变化趋势，从而调整优化算力能源关系，实现算力能源与业务需求的灵活适应匹配。
RedCap 已逐步应用，但在 20 MHz 带宽和默认基本网络参数配置条件下，终端下行峰值速率和理论计算结果有显著差异。针对此差异，分析了影响下行速率的网络参数配置，如平均调度次数、编码速率和信道开销等因素。从公共信道广播机制优化和 PDCCH资源调度参数优化 2个方面，提出并总结 RedCap下行速率优化手段。根据 RedCap 和 eMBB 业务分布的特点和要求，合理运用RedCap 承载的 BWP、广播波束和 PDCCH 资源调度等下行速率优化手段的组合。最后根据典型优化手段的实际效果，进一步给出相应的建议。
5G业务及应用的发展需要依托高质量的承载网络，一方面需要承载网提供高带宽、低时延、灵活接入和安全可靠的网络服务，另一方面5G站点规模的持续增加、场景的日益复杂也给5G承载网建设带来了极大的投资压力。如何在保障业务安全的基础上，实现网络的降本增效是承载网面临的巨大挑战。从架构层面、设备层面、管线层面、综合承载4个维度11个方面提出了低成本创新策略体系。经验证，相比传统建设模式，在保持高质量业务承载的前提下，单站接入造价可降低20%以上。
ROADM 全光网络的业务电再生中继规划的影响因素和规划方法有多种。主要从业务可靠性、电再生中继配置规模的角度分析论证，提出在进行业务电再生中继规划时，有必要设置合理的最大链路同时故障条数值。通过对电再生中继规划所采用的穷举法和极限法的基本原理及其仿真结果进行对比分析，总结出这2种规划仿真方法的优劣。
作为承载政企客户生产、办公等重要业务的网络，OTN 政企精品网安全稳定运行至关重要。近年来，基于 OTN 政企精品网的双节点保护技术逐步成熟，为提升 OTN 政企精品网健壮性提供了新的可能。分析了 OTN 政企精品网业务特征、现有保护方式存在的问题和双节点保护技术的优劣势，探讨了在 OTN 政企精品网引入双节点保护技术的策略，总结了现网试点发现的问题以及下一步的优化方向。
针对城域网 BRAS 设备带内管理存在的业务与管理通道共用、链路中断后管理与业务同时阻断等问题，提出一种基于 IP 承载网的城域网设备管理高可用性方案。通过复用现网 PTN 端口、交换机汇聚技术，依托 IP 承载网，构建带外管理应急通道。该方案解决了传统带外网管设备老旧、端口不足等问题，无需大规模扩容改造，实现了业务与管理通道分离，降低故障影响范围，缩短故障处理时长，保障极端情况下设备可管可控，提升用户服务质量。
为实现数据中心制冷系统精细化节能，针对传统 CFD计算耗时及现有模型空间利用不足的问题，提出一种基于卷积神经网络的气流温度场预测框架。该方法通过空间特征图构建输入空间特征，利用卷积神经网络对空间特征进行提取、编码，使用人工神经网络融合工况信息与空间信息，并通过反卷积神经网络实现快速预测。经某大型数据中心机房的温度场数据验证，该方法平均绝对误差为0.312 ℃，可以为数据中心机房的精细化节能控制提供更可靠的气流组织。
在车路协同高精地图分发场景中，道路动态变化，稳定获取路况AI感知信息、实现地图数据实时更新与分发至关重要。利用 5G 边缘计算提升车路协同高精地图分发的实时性、智能化与高效性，助力企业降本增效，已成必然趋势。在自动驾驶场景下，路侧设备采集路况信息，在端侧完成 AI 推理实现算力卸载，推理结果回传至边缘侧并转换为结构化地图数据，再通过统一边端协同算网调度管理系统分发给区域内的车辆，确保新驶入车辆可实时获取最新地图数据，高效支撑分布式应用开发与灵活部署，有效解决行业痛点并显著降低成本。
结合网信安全背景，研究运营商网络的量子加密通信技术架构及解决方案。利用量子力学特性，生成不可复制、不可预测的量子密钥加解密通信数据，并提出基于量子密钥分发技术的端到端量子加密通信整体技术架构。此外，结合运营商语音业务场景，设计身份认证、一对一加密通话、通信安全监管等功能与业务流程，实现基于量子密钥的加密通信数据安全保障。最后，对量子加密通信的业务价值及后续使用场景进行展望。
