《智能世界 2035：从愿景到行动》
变局 → 命题 → 行动 → 共识 的结构化解读
这是华为智能世界 2035 系列的第二本报告：去年那本《探索未知，跃见未来》负责"画未来"，今年这本负责"给方案"。 全书以 2035 年为坐标，先用 9 个趋势判断说清 AI 带来的关键变局，再用 10 个关键命题与研究方向把难题拆开， 最后落到 Token 的高效生产—高效运载—高效应用三条行动主线上，并以五点产业倡议收口。 一句话概括：把"智能"当成一种可计算、可传输、可调用的生产要素，然后为它修一整套基础设施。
0KEY MESSAGE
先给结论：这本书真正在讲的，是"智能"如何从技术话题变成基础设施工程问题。
KEY MESSAGE
① 主题变了：从"描绘未来"转向"交付行动"。作者明说"方向已然清晰，但愿景落地，还需坚实的行动"， 企业的追问已从"要不要拥抱 AI"变成"AI 能替我们做成什么"。全书因此采用"变局—命题—行动"框架， 把去年提出的三个大数——算力增长十万倍、存储需求增长五百倍、数千亿智能体广泛联接——拆成可拆解、可排期的工程命题。
② 计量单位换了：智能的价值被装进"Token"里。报告把 Token 定义为智能体感知、推理、决策与交互的载体， 并给出四层引擎（规模、效率、利用率、价值）。最硬的一组数：中国日均 Token 调用量截至 2026 年 3 月较 2024 年初增长 1400 倍； 预测全球年度 Token 总消耗还将增长约 10 万倍、成本每年下降约 50%；未来十年 Token 经济稳态规模有望突破百万亿元。
③ 瓶颈移位了：不再是"算得不够快"，而是"搬不动、供不上、记不住、管不住"。 算力侧撞上"搬运墙、错位墙、可用性墙"三堵墙；能源侧 AIDC 单机柜功率已达数百千瓦、集群迈入 GW 级， 2035 年全球数据中心耗电预计 1600TWh、占全球用电 4.5%–10%；记忆侧 KV Cache 已达 8PB/h @10 万人量级。 行动篇因此把"算力的竞争"重新定义为把大量计算、存储与网络资源高效组织起来的系统能力之争。
联接对象从"90 亿人"扩到"90 亿人 + 9000 亿智能体"
到 2035 年全球智能体数量将突破 9000 亿、超过人口 100 倍，智能体相关流量增长 100 倍以上、占整体网络流量 90% 以上。 这意味着网络的话务模型、计费口径、SLA 设计都要重写。（趋势 6，p28–29；行动 B，p75）
"百倍规模 + 千倍降本"是同一道题
模型 Scaling Law 与 Test-time Scaling 推动算力需求超万倍增长，算力集群规模须再提升百倍（百万/千万卡）， 同时智能体全任务综合成本要实现千倍级优化——"让智能算力像水电一样普惠易得"。（命题 2，p41）
网络从"Bit 管道"升级为"Token 运载网"
网络不再只搬运比特，而是直接参与 Token 的生产、分发与使用。典型硬指标：一次 AI 任务的完整 Token 需在 50ms 内传完， E2E 任务时延要 <400ms 才算优秀体验。（行动 B，p81；趋势 p83）
安全重心从"事后拦截"前移到"模型生产初始阶段"
报告引用 IBM 数据：AI 驱动漏洞攻击同比增长 44%、攻击周期压缩至分钟级；已投产商用的 AI Agent 中 91% 存在工具链攻击漏洞、 94% 面临记忆投毒与提示词注入风险。因此主张把安全约束做成不可违背的数学惩罚项。（命题 10，p57–58；行动 p89）
1文档速览
读之前先对齐：这是谁写的、什么时候写的、能当什么用。
| 书名 | 《智能世界 2035：从愿景到行动》（Intelligent World 2035: Turning Vision into Action） |
|---|---|
| 系列定位 | 华为《智能世界 2035》系列第二本；前作为 2025 年《智能世界 2035：探索未知，跃见未来》 |
| 发布方 | 华为技术有限公司（宣传语沿用"构建万物互联的智能世界"） |
| 前言署名 | 汪涛（华为） |
| 序言作者 | 高文（鹏城实验室主任、北京大学博雅讲席教授）；Otthein Herzog（中国工程院外籍院士、德国国家工程院院士）；周志华（中国科学院院士、南京大学教授） |
| 体量 | 118 页（PDF 物理页），正文约 102 个印刷页，约 10 万字；Adobe InDesign 排版 |
| 成稿时间 | 2026-09（PDF 元数据 CreationDate：2026-09-16） |
| 文档性质 | 产业展望 + 技术命题 + 行动建议。不是标准、不是产品承诺；文末免责声明明确"本文档可能含有预测信息" |
| 引用来源 | IDC、Epoch AI、IEA / 彭博新能源财经、沙利文、IBM X-Force、3GPP、TM Forum 等第三方数据 |
| 页码口径 | 本文所标页码为原文印刷页码（PDF 物理页码 = 印刷页 + 16） |
| 怎么用 | ① 做规划：取"变局"篇的趋势与量级做五年假设；② 做选型：取"行动"篇的架构与指标做能力对标；③ 做研究：取"命题"篇的开放问题做选题 |
3全书结构地图
四篇一体：变局回答"发生了什么"，命题回答"难在哪里"，行动回答"怎么建"，共识回答"该守什么规矩"。
4逐章解读
按"变局 9 条 → 命题 10 条 → 行动 4 板块 → 共识 5 倡议"的顺序展开；每张卡统一为「一句话 → 核心内容 → 关键数字/判断 → 开放问题」。
第一篇 · 变局：AI 成为驱动经济发展与社会进步的加速轮（9 大趋势）
四大引擎驱动智能经济增长，迎接 Token 普惠时代原文 p04–p05
Token 从"数字价值载体"升级为智能经济的数字通货；其增长由规模、效率、利用率、价值四大引擎协同驱动。
核心内容
- Token 经济被拆为消费层、调度与分发层、工厂层三层闭环；Token 工厂由 ICT（联接与计算）、能源、模型、数据四大要素协同构成。
- 传统智算中心升级为规模化算力底座，采取"中心—边缘—现场"立体布局。
- 核心逻辑一句话："规模在扩张，门槛在坍塌"——普惠时代意味着个人与企业可平等参与 Token 经济。
关键数字 / 判断
开放问题
Token 的"价值引擎"依赖资产支持与市场共识，但报告未给出 Token 的定价与计量标准——这是后续产业化的关键缺口。
企业竞争要素变迁，智能型企业走向"新四化"原文 p06–p07
价值创造从线性（泰勒制）到平方级（网络效应）再到指数级（智能涌现）；智能型企业的骨架是"新四化"。
核心内容
- 新四化：流程 Agent 化、能力组件化（Skill 化）、系统智能化、组织液态化——分别重构流程、能力、底座与组织。
- 护城河被重定义为"专有数据 × 强化学习环境 × 协同网络 × 验证机制"的复合优势；单独拥有大模型不构成壁垒。
- 本体（Ontology）把数据、逻辑和行动组织为统一语义的业务实体，形成"以决策为中心"的企业世界模型。
关键数字 / 判断
- 传统企业：泰勒制，价值线性；数字化企业：梅特卡夫定律 V=n²；智能型企业：里德定律 V=2ⁿ，指数级智能涌现（p06–07）。
开放问题
"新四化"的成熟度如何分级、企业如何自评，报告未给出评估标尺。
从执行工具到数字伙伴，智能体加速数智生产力原文 p08
智能体从"被调用的工具"跃迁为可自主闭环、提供专家级服务的数字伙伴。
核心内容
- 能力四层工程范式：Prompt Engineering → Context Engineering → Harness Engineering → Loop Engineering。
- 成熟度分级：L1 功能级、L2 任务级、L3 协作级、L4 指导级；人的角色从操作者变为授权者再到监督者。
- 三大质变：长程记忆持久化、协作双轨化、训练范式开放化；技术架构统一为"感知—规划—执行—反思"四层闭环。
关键数字 / 判断
开放问题
"数字员工矩阵"与 ERP / CRM 之间的治理责任归属未定义；四层 Engineering 的能力成熟度如何度量也未给出。
从比特到原子，物理 AI 重塑万亿实体产业新基建原文 p09
AI 从比特世界进入原子世界，物理 AI 成为改造实体经济的下一代核心基建。
核心内容
- 四条论据：范式革命（补齐"只能思考、无法行动"）、万亿级蓝海、比特再快也要尊重原子惯性（必然是云边端协同）、可靠性是商用起点。
- 关键路径是世界模型 + 仿真训练；核心瓶颈是 Sim-to-Real（仿真迁移现实）。
关键数字 / 判断
开放问题
可用度 99.99% 的责任边界（设备损毁、人身危险）由谁承担、如何验证，报告未展开。
从触控到多模交互，终端成为 AI 智能体全时空载体原文 p10–p11
个人计算从"设备随身"迈向"能力随人"，终端演化为围绕人的意图持续流动的智能共生系统。
核心内容
- 计算、显示、影像、传感模块解耦；手机、眼镜、耳机、汽车、家居、机器人按任务动态组合为终端集群，形成端—边—云动态分工。
- 交互走向空间多模态（SMUI）：UI 从固定菜单转为依人物、环境、任务即时生成的交互空间。
- 由此倒逼 OS 从"管理硬件与应用"转向"管理智能体、上下文与协作关系"——这是 Agent OS 的由来。
- 终端演化为五感融合（含触觉、嗅觉、味觉双向接口）的物理延伸；隐私须为"物理级绝对数据主权"。
开放问题
跨品牌终端集群的算力与数据如何近场共享，报告只提出愿景，未给出产业机制。
智能体流量占比超九成，钟摆效应驱动计算联接交替爆发原文 p12–p13
"智能体互联"成为下一代互联网范式，网络从"连接百亿人"走向"连接千亿智能体"。
核心内容
- 智能体互联不只是数据传输，还涵盖智能协作、意图交互与任务分配，需要新的网络协议解决身份发现与互操作，并构建网络信任与安全防护。
- 三大定律延续：梅特卡夫定律（用户价值）、吉尔德定律（带宽能力）、摩尔 / 韬定律（硬件性能），共同驱动计算与联接的钟摆式交替爆发。
关键数字 / 判断
开放问题
智能体身份发现与互操作的协议标准由谁主导、如何跨域治理，报告未说明。
数据决定 AI 能力上限，存储夯实智能产业根基原文 p14–p15
AI 发展范式从"算法驱动"转向"数据驱动"，存储从静态仓库跃迁为智能产业的主干道。
核心内容
- 智能程度沿 S 型曲线攀升，底层是数据、知识与记忆的协同重构；算法架构红利边际递减，竞争重心转向"数据竞争"。
- 知识增强：依赖本体论建立概念实体、分类层级与因果规则的形式化映射；记忆固化：让无状态模型变为可跨期学习的成长型 AI。
- 存储需具备高性能、低延迟、介质多元、架构网络化、弹性可扩展。
关键数字 / 判断
- 前沿大模型数据集每年增长 2.7 倍（Epoch AI），且增速仍在加快（p14）。
- 个性化终身记忆 TB 级/人；KV Cache 8PB/h @10 万人；全量工作轨迹 PB 级/team；企业侧为 EB 级全量数据（p14）。
- 智能阶段划分：Generative AI → Agentic AI → Physical AI（p14）。
开放问题
记忆的"遗忘"策略与合规留存（审计可追溯）冲突如何裁决，报告未给出规则。
从"几何缩微"到"时间缩微"，新原则指导半导体产业持续演进原文 p16
摩尔定律进入几何缩微放缓、成本红利消退的瓶颈期，韬（τ）定律以"时间缩微"接续。
核心内容：τ 优化的四层乘积效应
- 器件层：缩微器件级 τ；电路层：逻辑折叠缩短关键路径走线。
- 芯片层："软件、架构、芯片"全栈协同降低端到端执行时间。
- 系统层：统一总线、超节点统一内存编址与原生内存语义。
- 四层是乘积效应而非线性叠加。
关键数字 / 判断
- τ 缩微跨越时空 12 个数量级：时间尺度从 ps ~ ns ~ μs ~ ms ~ s，空间从 nm 到 km（p16）。
开放问题
四层乘积效应的实际可达成倍数未量化，报告仅强调"不是百倍的线性叠加"。
电力决定算力，AIDC 走向算电网储协同原文 p17–p18
AIDC 从独立算力机房演进为算力、电力、网络、储能深度耦合的新一代分布式智能基础设施。
核心内容
- 单纯 GPU 堆叠已遇瓶颈；AIDC 商业化取决于电网供电容量、高压输电能力、供电稳定性、绿电消纳与储能配套。
- 算电网储四位一体：算力侧灵活负荷调节与反向馈电；电源侧风、光、水、火、核多能互补；电网侧双向感知与高压直流供电；储能侧电容 / 锂电 / 钠电 / 氢能 / 甲醇 / 液氨分层协同。
- 远期还提出太空光伏构成天地一体供能。
关键数字 / 判断
开放问题
反向馈电与参与电网调峰的商业结算机制、标准与监管责任未涉及。
第二篇 · 命题：通往智能世界的十大关键命题与研究方向（p19–p42）
构建具备自主认知与全域通用能力的 AGI原文 p21–p24 语言智能 / 具身智能 / 科学智能
主流 Transformer 概率范式存在六重结构性缺陷，AGI 需三路协同并融合符号主义。
六重缺陷
三条路线
- 语言智能：搭建思维骨架；具身智能：筑牢物理认知（世界模型、空间智能、物理因果建模、端到端具身控制、长程自主规划）；科学智能：以 RSI（递归自改进）驱动认知跃迁。
- 尖锐表述："无自主进化则能力固化，有自主进化则安全失控"。
- 智能 ≈ -k + α·log(N) + β·log(D) + γ·log(C)（N 参数量、D 训练数据量、C 上下文长度）。
开放问题
符号主义与统计深度学习如何具体融合为可工程化架构，只给方向未给路径；AGI 时间表各组织判断跨度 2027–2035 年或更长。
算力集群规模百倍提升，智能体任务成本千倍下降原文 p25–p26
供需"剪刀差"倒逼算力集群迈向百万 / 千万卡，破局关键是从单芯片算力转向超节点的 Token 高转换效率。
三堵墙
- 搬运墙：冯·诺依曼架构下数据搬运开销超计算本身。
- 错位墙：高动态 AI 负载（长上下文、MoE 动态路由、多轮工具调用）撞上静态确定性架构。
- 可用性墙：百万卡下硬件故障从偶发变常态。
研究方向与关键数字
开放问题
百倍规模与千倍降本如何在同一时间窗内同时兑现，未给分解路径与时间表。
构建因果准确、溯源可信的新型存储与记忆系统原文 p27
现有存储与记忆机制难以支撑自主 Agent，需要"近数据计算 + 高速互联 + 多层存储"的新范式。
四类问题
- 浅层化知识致推理失真（幻觉）；静态记忆致场景泛化难；存算网架构低效（跨层搬移开销高）；安全信任机制缺失（边界筑墙式外挂补丁）。
四个研究方向
- 基于因果逻辑的推理引擎——从"概率猜测"到"逻辑确证"。
- 模拟人类联想与遗忘的智能记忆体系；支持零样本 / 少样本适应新任务。
- "数据不动、计算动"的近数据计算；以全对等互联打破通信瓶颈。
- 内生于架构的安全防御；发挥 DRAM、NAND、HDD、磁带、光盘各自介质优势。
开放问题
"模拟遗忘"与合规审计所需的完整可追溯之间存在张力，未给取舍原则。
AI 全面融入通信系统，构建体验为中心的智能联接底座原文 p28–p29
AI 与通信融合分网元智能、网络智能、业务智能三层，目标 2035 年建成 L4+/L5 级自智网络。
核心内容
- 网元智能：资源、频谱、能效与信号收发优化。网络智能：从单域自治走向单域自智，依托网络数字孪生 + 强化学习实现零退服、零投诉、零等待。
- 业务智能：以 AISF 平台赋能沉浸式通话、Token 体验保障、智能体通信；入算网络引入数据面推理、算内通信隐藏通信开销、算间互联构建波长级与空间级全光交换。
关键数字 / 判断
开放问题
应对 AI"幻觉"的高可靠原则如何在网元侧工程化落地（需要多少冗余校验），未明确。
深耕韬定律下芯片设计方法和工具，支撑时延与能效协同优化原文 p30–p31
韬定律落地卡在两大约束：逻辑折叠设计方法学缺失与多层级能效挑战。
方向一：逻辑折叠配套方法与工具
- 攻克垂直互连寄生建模、KOZ 禁止区域约束、晶圆间工艺偏差的系统性放大。
- 发展统计型 EDA：蒙特卡洛仿真、折叠约束下自动布局、垂直互连时序闭环。
方向二：多层级能耗优化
- 内存语义互连消除协议栈开销；近封装光学降低每比特能耗；背面供电与存内 / 近存计算。
关键数字 / 判断
开放问题
折叠后热管理上限（可支撑的最高功耗密度）未给量化边界。
从驾驭环境到自主演进，Agent OS 构建智能体原生技术底座原文 p32–p34
Agent OS 是以 Agent 为核心重新组织模型、工具、数据与业务系统的系统级底座，本质是能否自主演进。
框架公式
Agent OS =（协同力 × 执行力 × 记忆力 × 连接力）演进力，可信治理贯穿始终并需动态调整
五大挑战
五个探索方向
- 协同工程：从模型 Scale Up 走向 Agent Scale Out。
- Agent 原生运行时：面向 Agent 负载重新设计"通算、智算、网络、存储"一体化调度。
- 四层记忆范式：工作记忆、情景记忆、语义记忆、程序性记忆。
- 生态互联：智能体市场经济；递归自演进（RSI）。
开放问题
多 Agent 与人类专家的角色边界、任务交接与结果验收如何界定，报告列为开放问题未解答。
定义无感适配、全域随行的终端智能新形态原文 p35–p36
终端从工具化载体升级为持续在线、深度协同的个人数字分身。
两大挑战
- 跨端异构算力融合：指令集与硬件架构差异、无线信道波动、厂商私有协议导致闲置算力无法近场共享。
- 人机交互范式重构：隐性偏好难建模、模糊高阶需求缺认知澄清框架、无人监督下大模型不确定性易致不可逆失效。
两个方向 + 关键数字
- 物理解耦、逻辑统一的弹性融合计算架构——虚拟化全域算力资源池。
- 可认知共生、可自治演化的全天候个性化数字分身：用户思维克隆、双向认知校准、边界可控可追溯。
- 端侧算力示例：手机 20TOPS / 16GB·512GB；PC 40TOPS / 32GB·1TB；外置显卡或 AI 卡 140TOPS / 32GB（p35）。
开放问题
跨厂商开放通用算力接口缺乏商业内生动力的产业破局机制未给出。
实现智能驾驶的自我学习与极致安全原文 p37–p38
智驾目标是达到 10 倍于人类驾驶的安全水平，但不能只靠堆数据与算力。
五大挑战
研究方向与关键数字
- 智驾原生基础模型：融合视觉、激光、导航多模态数据，输出厘米级位置与速度；反事实增强训练植入因果常识。
- 交互式世界模型四大特性：时空一致、物理可信、超实时推演、可控可交互。
- 已跨越 L2+ 级技术鸿沟（端到端网络架构），目标是大部分场景不需要人类接管。
开放问题
安全与通行效率的量化权衡函数（何种场景让渡多少安全冗余）未给出。
攻克供电与散热难题，支撑 AIDC 走向更大算力规模原文 p39–p40
GW 级超大规模 AIDC 的核心瓶颈是供电保障与散热控温，需要架构级颠覆。
供电四大难题
- 多级变换效率劣化逐级叠加——单个百分点效率下降 = 数十 MW 损耗。
- 高压直流拉弧与短路跨区扩散；海量电力电子器件引发同步 / 次同步谐振（数十万节点下传统小信号分析法失效）。
- 算力、变流器、储能与电网跨域协同难。
散热三难题与方向
- 传统液冷趋近物理极限；毫秒级、微米尺度极端热点；十万卡至百万卡跨层热特性差异。
- 方向：全液冷与芯片级直接接触散热（嵌入式微流道）、零水耗相变制冷与热电一体化余热回收、液氮低温散热（-196 ℃）。
- 故障隔离需达微秒级：电弧感知、限流隔离、混合断路器。
开放问题
液氮供冷链路的规模化成本、安全性与可维护性（补给与泄漏风险）未评估。
面向自主 Agent 的安全与隐私保护，为智能世界保驾护航原文 p41–p42
自主 Agent 拥有开放行为空间与不确定演化路径，既有安全范式可能不再适用——需从事后拦截前移至模型生产初始阶段的内生安全。
三类挑战
- 模型是否真正可信：认知投毒、伪对齐与奖励黑客、持续学习的泛化漂移。
- 行为是否始终可控：长程决策链失控、动态权限导致"合法越权"、系统状态黑盒化。
- 隐私边界是否清晰：脱敏难挡高阶逆向工程、无处不在感知使个体透明、知情同意流于形式。
四个方向
- 可证明的模型内生安全：把安全约束与伦理边界作为硬性数学约束项注入优化器目标函数。
- 意图驱动的动态权限与端到端守护；持久化状态的完整性与可追溯性。
- 隐私新范式：人机双向隐私心智模型、零知识证明与同态加密、去中心化"可信记忆空间"。
- 红线："人类自主权不可侵犯"作为最高伦理红线，转化为不可违背的数学惩罚项。
开放问题
效率与安全如何平衡、上述路径能否真正落地，作者明示"仍有赖于持续的探索与验证"。
4b逐章解读 · 行动篇（全书篇幅最重的第三篇，p43–p98）
第三篇占全书一半以上篇幅，是"能给甲方直接抄作业"的部分：四大板块对应 Token 的生产、运载、应用与落地。
A · 计算系统与软件：超节点架构创新与开放的软件生态，实现 Token 的高效生产（p46–p58）
开创超节点架构，满足算力持续增长及负载多样化需求原文 p46–p49
以统一内存编址、超低时延、超大带宽三大特征，把多台物理服务器聚合为逻辑上的"一台计算机"，破解通信墙。
为什么必须超节点
- 训练侧集群越大通信耗时占比越高；推理侧追求更低 TPOT 时延；传统以太网互联已成为核心瓶颈。
- MoE 同步并行下，微小的总线 RTT 增加会被放大成百上千倍；激活值高维向量使前向计算数据负载放大数十万至上百万倍。
- 模型参数达十万亿、集群规模达十万卡后，系统瓶颈从"计算"走向"计算 + 通信"。
关键数字 / 判断
构建开放易用的计算基础软件生态，加速算力释放与应用落地原文 p50–p54
硬件算力与软件释放效率之间的"木桶效应"，只能靠分层解耦、开源开放的基础软件栈打破。
三大趋势
- 分层解耦与社区共治：从"是否开源"迈向"如何更好地开源"；开源模型能力持续逼近闭源 SOTA 且"日更、周更"，与闭源季度发布周期不匹配。
- 硬件使能走向 Tile 级抽象（Triton、TileLang）：开发者关注点从"如何调度硬件"转向"如何设计计算"。Triton Ascend 成为 Triton 官方社区在中国首个支持的加速后端；TorchNPU 成为首个获 PyTorch 官方支持的中国芯片硬件。
- Agent 赋能算子开发：形成"生态越丰富、Agent 越智能"的正向循环，但"人与 Agent 协同"仍是长期基本范式。
关键数字 / 判断
AI 数据湖 · 知识与记忆平台 · 全场景数据保护原文 p55–p58
数据底座从"存数据"迈向"存知识、存记忆"，并同步补上 Agent 时代的防滥用 / 防投毒 / 防篡改 / 防勒索四道防线。
A3 AI 数据湖：EB 级大容量 + 全局可视可管 + 超高速检索
- 某车企为实现 2030 年"取消方向盘"，需汇聚数据总量超 1000PB；AI 数据湖实现 TCO 降低 30% 以上。
- 数据科学家无需再耗费 70% 的时间在"找数据、洗数据"；检索从分钟级缩短至秒级。未来迈向"知识湖"。
A4 知识与记忆平台：知识库 + 记忆库 + KV Cache 库 3 合一
- 破解三大推理痛点：幻觉、长序列缓慢、多轮无记忆。上下文记忆存储提供 PB 级 KV Cache，正成为超节点集群标配。
- 知识库：多模无损解析 + Token 级编码，实现"有据可依、拒绝幻觉"；记忆库：可记住过去半年甚至一年的业务经验。
A5 全场景数据保护：四类新风险，四道防线
B · 通信系统与网络：构筑以体验为中心的智能联接底座，实现 Token 的高效运载（p59–p74）
从"连接人"到"连接智能体"：以网强智的全域联接能力原文 p59–p61
联接对象从"百亿级的人互联"扩展到人、物、智多元协同；网络要同时承载 90 亿人与 9000 亿智能体。
三个维度
- 中频大带宽筑基：U6GHz 已在 WRC-23 确立为下一代核心频段；超大规模天线阵列 + 超精度波束赋形实现 10dB 覆盖增益，覆盖对齐 3.5GHz 并规避加站成本。
- 全频段灵活协同：SUL 补充上行、上下行解耦、灵活时隙配比——专用频段上行资源占比提升至 40%–60%，上行容量提升 30% 以上。
- 空天地立体组网：高速 NTN 与地面网络按需互补，实现 100% 地理覆盖（全球仍有超 3 亿人未被移动网络覆盖）。
智能体分级与网络诉求（关键表）
| 智能体等级 | 占比 | 网络诉求 |
|---|---|---|
| L1/L2 工具级 | 约 70% | 持续在线、网络稳定 |
| L3 辅助级 | 约 25% | 高可靠性与隐私保护 |
| L4 协同级 | 约 5% | 海量上传与百毫秒级协同 |
其他硬指标：热点区域智能体密度预计超过 1000 万个/平方公里；网络需提供稳定的 Tbps/平方公里量级吞吐；AI 最大上下文已扩展至 10M Token 以上，单次交互上行流量将突破 45MB（p60–p61）。
以智赋网：内生智能驱动网络效能跃升 + 平滑演进原文 p62–p64
AI 融入无线网络的资源调度、能效管理、运营维护，驱动网络向高效、低碳、自治演进。
三个抓手
- 资源调度：用户数、频谱带宽、天线数十倍增长使求解维度百倍增长，须向时频空功全域并行计算演进。
- 能效：践行 Native Green，从空口设计、架构优化、产品设计三维精细节能，实现毫秒级快速唤醒。
- 运维：RANSpirit 无线网络智能体基于超 10 万篇案例库和1 万个以上专业 API/Skills，达到 95%+ 意图理解准确度，先于人自主发现问题。
- 价值衡量：从"比特成本最优"向"Token 交付效率与任务价值最优"延伸。
落地效果
智能体业务成为移动网络典型场景：AoNR · 广域算网 · AI 原生核心网原文 p64–p66
移动网络从无差别流量转发转向基于任务意图的保障；核心网从信令驱动升级为意图驱动的 AI 原生架构。
三类业务的需求差异
- 人：以视频为主的下行流量、长时间在线、应用级 SLA。
- 物：以传感器数据为主的上行流量、周期性在线、低功耗。
- 智能体：实时多模态推理任务、7×24 小时突发、大上行、任务级保障。
关键能力
- AoNR：为 AI 任务提供专用通道，保障一次 AI 任务的完整 Token 在 50ms 内完成传输，支撑 E2E 任务时延 <400ms。
- 广域算网：盘活终端、网内与边缘算力（如静止充电状态的自动驾驶汽车、潮汐空闲的网络设备）。
- 智能体通信网络：跨域可信数字身份、基于技能的发现与路由、基于任务的动态组网。
- 核心网三特征：接口从"信令到意图"；功能从"两平面到三平面"（新增数据&智能面 DAP）；流程从"AI 叠加到 AI 内生"（DAP 通过 ABI 协议与控制面、用户面协同）。
标准进展
2025 年 6 月 3GPP 立项下一代移动网络架构研究课题，围绕 24 项关键课题推进；截至 2026 年 6 月，AI 架构、意图 NAS、数据框架、计算服务、自适应 QoS、智能体通信网络等方向共识度最高（p66）。
从"Bit 管道"到"Token 运载网"：数据中心网络与跨域算力互联原文 p67–p70
Token 运载网在高效、高可靠、绿色三方面重构，并以广域无损传输支撑跨域算力协同。
高效
- KV Cache 读取效率直接决定 Token 生成速度；存储面与参数面融合打通带宽壁垒。星河 AI 数据中心网络将 Token 生产效率提升 20% 左右。
- UB 灵衢全栈：98% 网络吞吐效率，全栈时延较传统以太网方案降低 40%。
高可靠
绿色与光电
- 51.2T/100T 盒式液冷交换机成为业界主流，高密 400GE/800GE 支撑全栈绿色液冷、优化 PUE。
- NPO 光电交换机端口功耗下降 20% 以上，预计 2026 年底至 2027 年规模商用。
- OCS：单端口功耗 <1W（交换机的百分之一量级），单跳时延低至 1–10 纳秒，支持集群从 32K、64K 到 512K 及以上平滑扩容，MTBF 改善 25% 以上。
跨域互联：最值得记住的一组实验数
华为 iLab 测试：网络连接时延从 5ms 增加 20ms，任务完成时间增至 1.6 倍、Token 消耗费用增加 16%； 叠加 0.01% 丢包率后，任务完成时间增至 5 倍、Token 消耗费用共增加 70%（p69）。 ——这组数把"网络质量"直接换算成了"Token 账单"，是全书对运营商最有冲击力的一处论证。
其他：行业预测 2027 年分布式训推业务量将全面超过集中式；超过 50% 的企业提出数据不出园区的刚性诉求； 跨域算效可达 95% 以上；骨干 400G/800G/Beyond 1T、城域 100G，城市内 1ms、省内 5ms、国家枢纽间 20ms 确定性低时延，支持 50ms 重路由；内生 QKD 可降低 60% 以上量子加密网络建设成本（p69–p71）。
家庭与园区网络 · 三层安全围栏 · 自智网络 L4原文 p71–p74
从家庭园区到整网运维，网络能力最后收口到三件事：泛在超宽、以 AI 守护 AI、L4 高阶自治。
家庭与园区
- Wi-Fi 6 → Wi-Fi 7、10G PON → 50G PON，家宽从千兆迈向超千兆和万兆；网关升级为家庭智能中枢与"家庭算力调度枢纽"，基于"业-云-智-网-端"五层架构。
- 融合光感知、Wi-Fi+X 通感一体形成多维感知；异常流量秒级检测与主动阻断。
三层安全围栏（以 AI 守护 AI）
| 层级 | 能力 | 指标 |
|---|---|---|
| 网络围栏 | 设备内置威胁识别模型，恶意流量阻断 | 检出率 95%+ · 毫秒级阻断 |
| Agent 围栏 | 提示词注入检测 | 准确率 95% · 时延 500ms→200ms |
| 主机围栏 | AIEDR / AI 护栏，CPU 占用压缩 | 5% → 1% 以内 |
风险侧引用 IBM《2026 X-Force 威胁情报指数》：AI 驱动的漏洞攻击同比增长 44%，攻击周期由数天压缩至分钟级； 已投产商用的 AI Agent 中 91% 存在工具链攻击漏洞、94% 面临记忆投毒与提示词注入风险（p73）。
自智网络 L4
- 目标 Zero-X（零等待、零故障、零接触）体验与 Self-X（自服务、自发放、自保障）运维能力。
- 产业依托 TM Forum 标准体系与 LFN 旗下 OpenAN 开源项目共建；提供统一注册中心、编排中心与 A2A-T SDK；围绕自智网络本体（AN Ontology）破解多智能体互联标准与语义不统一难题。
C · 云基础设施与软件：打造 Agentic 原生的云基础设施与应用平台（p75–p81）
企业智能体重构应用软件：代码智能体 + 办公智能体原文 p75–p78
软件形态分化为固化的智能办公应用与临时生成、用完即弃的动态软件服务；瓶颈已从编码转移到规划、评审、测试、部署与治理。
代码智能体四条建设路径
- 强化基础模型编码与多模态能力，通过"执行—验证—学习"循环夯实底座。
- 建设自适应协同能力，使多智能体像按需组建的研发团队；构建可验证、可版本化的 Skill 自进化体系，把个人经验转为组织资产。
- 以独立身份、最小权限、环境隔离守住安全硬边界；关键操作须经严格门禁或人工审批，形成可溯源证据。
- 打造智能体亲和的 AI 原生 DevOps 生产线：系统提取并行度、依赖关系、时延预算建模，按运行时反馈自适应调整协同拓扑。
办公智能体四条演进方向
- 全链路自主执行框架支撑小时到天级、7×24 小时长程任务；分布式群体智能协同适配复杂流程与多端场景。
- 环境感知交互（前台共创 + 后台执行）；"事前—事中—事后"全链路安全治理，覆盖 Tokens 消耗与计算资源配额的成本治理。
通智一体 AI 原生云基础设施 + 面向智能体的平台服务原文 p79–p81
从 Cloud-Native 走向 AI-Native：以内存为中心、通智融合编排、分时复用切分；平台侧则以自优化与治理应对规模化。
三大技术特征
- 以内存为中心：借内存总线技术打破服务器物理边界，把分散显存与内存重构为全局共享内存池，从"CPU 围着数据转"到"数据在内存总线上自由流淌"。
- 通智融合编排：统一资源抽象层屏蔽异构差异；智算算力切分兼顾多租户性能独立与安全隔离，实现毫秒级调度。
- 分时复用切分：支撑万亿参数大模型推理训练不再受限于单机物理瓶颈；整体资源利用率提升数倍。
平台服务四大特征
- 全栈自优化：记忆自优化、Skill 自优化、模型自优化 + 在线强化学习闭环；优化响应周期从天级缩短至小时级。
- 多模态融合记忆：从纯向量检索升级为融合向量、标量、全文与图结构的多元架构。
- 统一治理：基础安全、运维、运营三层框架；面向任务 SLO 动态调度智算与通算资源。
- 关键判断："企业智能体数量每增加一个数量级，人工介入成本呈指数级上升"（p80）。
D · 智能的应用和落地：重塑个人用户体验和企业生产模式（p82–p98）
人和智能体共生：四大空间 · 端云协同 · 多模感知 · Agent OS · 隐私原文 p82–p87
以人为中心的设备，在个人移动、车、办公、家四大空间形成不同能力集合，演进为空间智能体。
四大空间
- 个人移动空间：摄像头是"眼睛"、麦克风是"耳朵"、扬声器是"嘴巴"、穿戴设备感知身体状态，端云协同的大脑把分布式具身与技能树粘合。
- 车空间 / 办公空间：车载多传感器 + 手机手表眼镜；办公侧电脑、平板、手机、手表、眼镜、伴随机器人组成群体智能，成为 24 小时"下属"。
- 家空间：核心是 AI 机器管家，拥有全家人长时记忆，装载于具身智能机器人——"具身智能机器人将成长为未来新的万亿产业"（p86）。
端侧四维度与隐私四原则
- 端侧 AI 算力部署以精度、时延、功耗、成本四大维度评判；长时空记忆加持的持续学习是"脑子聪明"的关键；模型入端将成为终端标配。
- 隐私四原则：端侧优先（数据默认留存本地、不出设备；身份、健康、金融交易强制本地闭环）、数据可控（分层分级 + 最小权限）、交互透明（采集范围与流转链路可视化）、权限可控（高敏感行为强制主动确认）。
- OS 视角变化：设备 OS 的服务对象从"人"变为"人 + 智能体"双运行主体，安全框架与监管逻辑需全方位重构。
AI 驱动汽车从交通工具迈向移动具身智能体原文 p88–p90
高阶智能化在自动驾驶、智能座舱、智能车控、安全体系、产业生态五方面形成协同闭环，但仍有四大挑战。
四大挑战
五条演进线
- 自动驾驶：技术范式向世界模型演进，靠车端数据喂养与数据闭环扩大 Robotaxi 运营范围。
- 智能座舱：由 AI Agent 驱动进化为第三生活空间。
- 智能车控：向中央计算 + 区域接入架构演进，主链路失效可毫秒级切换备链路。
- 安全体系：功能安全、预期功能安全、交互安全、AI 安全、网络安全五大屏障，支撑六维目标（全时速、全方向、全目标、全天候、全场景、全时域）。
- 终局：需在技术栈、安全栈、法规栈三条战线同步突破。
智能型企业：新四化 · 四层十步法 · 行业梯次原文 p91–p98
企业侧的最强信号：智能化不是买模型，而是重构流程、能力与组织；报告给出了"四层十步法"的落地路径与行业梯次判断。
"新四化"在企业篇的展开
- 流程 Agent 化：从"人逐节点推动的固定 SOP"转为"人设定目标、Agent 自主拆解执行并动态调整"；人上移为目标设定者、规则制定者、异常决策者与最终责任承担者。
- 能力 Skill 化：需具备可调用、可组合、可评估三要素；评估指标包括任务完成率、准确性、稳定性、时效、成本、工具调用成功率、人工介入率及合规性。
- 系统智能化：高敏感行业提供本地化 / 私有化部署与权限管理、数据隔离、审计追踪。
- 组织液态化：层级与部门边界弱化、架构扁平，围绕项目动态组合人员与专业 Agent；商业模式从"卖产品、卖 License"转向以结果计价。
四层十步法
- 第一层 重新定义智能业务：核心杠杆是流程重塑——沙利文研究：重新设计工作流的组织实现企业价值增长的比例约 37.2%，未改变工作流的组织仅 5.4%。
- 第二层 工业化 AI 能力生产线：从语料冷启动、知识技能化、模型组合选型到评测治理定级；交付物应是"带版本、接口、评测分数和治理等级的可复用智能能力"。
- 第三层 持续运营机制："业务使用—反馈回流—能力优化—再度使用"的数据飞轮；衡量标准从准确率、Token 成本转向六个经营指标：处理时长、转化率、一次解决率、客户满意度、人工工作量、单位业务成本。
- 第四层 可信治理体系：向内建规则、向外做生态复制。
案例数字
行业梯次（重要判断）
行业并非同步进入 Agent 时代：互联网平台已从"员工使用 AI"走向"AI 直接参与运营"，最接近 Agentic 运营； 金融与工业制造正从单点应用进入核心流程重构；医疗、教育、能源、交通物流已形成一批高价值场景但仍以人机协同为主； 政务公共服务受责任认定与数据安全要求处于审慎探索。四个阶段：探索深化 → 加速落地 → 快速规模化 → Agentic 领先（p98）。
第四篇 · 共识：构建人与 AI 和谐共生的产业生态倡议（p99–p101）
五点倡议：长期主义 · 以人为本 · 科技向善 · 开放合作 · 系统思维原文 p101
收口一句话："智能世界 2035 不是一个等待抵达的终点，而是由今天每一次技术选择、产业实践和生态协作共同塑造的结果。"
五点倡议原文标题
- 首先，坚持长期主义，让智能发展建立在可持续的基础之上——面向制造、能源、交通、农业、城市等实体经济场景提升算力、能源与资源使用效率；把资源约束、环境影响和长期社会价值纳入考量，"使今天的技术进步不以透支未来为代价"。
- 其次，坚持以人为本，让技术进步服务于人的发展——"技术发展的目的不是让人退出，而是让人从大量重复性工作中释放出来"；加快培养兼具领域知识与 AI 能力的复合型人才。
- 第三，坚持科技向善，让能力的增长始终伴随责任的增长——当 AI 进入医疗、金融、交通、工业控制等关键领域，安全、隐私、可信和责任边界"应成为智能系统本身的一部分"。
- 第四，坚持开放合作，让智能世界建立在连接而非孤岛之上——开放接口、共建标准、共享能力，让创新成果跨企业、跨行业、跨区域流动和复制。
- 第五，坚持系统思维，让技术创新真正转化为产业进步——"AI 的价值不会因为模型能力提升而自然产生"，需数据、算力、网络、模型与业务流程、组织机制、人才体系和治理方式协同演进。
值得单独标出来的两句
"从今天走向 2035，我们需要回答的不只是'AI 还能做什么'，更是'我们希望用 AI 创造什么'。" 以及："智能世界的未来，不只取决于我们能够创造多强的智能，更取决于我们选择用智能创造怎样的世界。"（p101）
5横向主线：贯穿四篇的五条暗线
把 24 个章节读薄，其实只有五条主线在反复出现。
Token 成为统一的计量与结算语言 从技术术语变成产业口径
全书用 Token 把算力、网络、存储、模型、应用串成一条链：生产（超节点）→ 运载（智能联接）→ 应用（云与终端）。 一旦网络时延、丢包能被换算成"Token 账单"（增加 20ms → 费用 +16%；0.01% 丢包 → 费用 +70%）， Token 就不再只是模型内部的单位，而是跨层结算与 SLA 的共同语言。
来源：趋势 1 / 行动 A、B、C、D竞争单元上移：从"单芯片性能"到"系统组织能力" 超节点是核心载体
报告反复强调"未来算力的竞争，不只是单颗芯片峰值性能的比拼，更是把大量计算、存储与网络资源高效组织起来的系统能力之争"。 与之配套的是统一内存编址、TB/s 级总线、微秒级 RTT、UB 灵衢 98% 吞吐效率、OCS 光交换——全是"组织方式"的创新而非单点突破。
来源：趋势 8 / 命题 2、5 / 行动 A1、B7网络角色重写：从"搬运比特"到"参与 Token 生产" 运营商最该盯的一条
联接对象从 90 亿人扩到 9000 亿智能体，热点区密度 1000 万个/km²，上行成为主战场（单次交互 45MB、上行资源占比 40%–60%）； 网络要提供 AoNR 专用通道（50ms 传完一次任务 Token）、任务级保障、广域算网与智能体通信网络。 价值衡量口径随之从"比特成本最优"转向"Token 交付效率与任务价值最优"。
来源：趋势 6 / 命题 4 / 行动 B 全篇记忆与知识成为新瓶颈 "记不住"比"算不快"更致命
数据集年增 2.7 倍、个性化记忆 TB 级/人、KV Cache 8PB/h@10 万人、企业 EB 级数据——存储从静态仓库变成"主干道"。 报告给的解法组合是：AI 数据湖（TCO -30%、检索秒级）+ 知识库/记忆库/KV Cache 三合一 + 因果推理引擎 + 近数据计算"数据不动计算动"。
来源：趋势 7 / 命题 3 / 行动 A3、A4 / C5安全与治理"内生化" 从事后拦截前移到模型生产初始阶段
自主 Agent 拥有开放行为空间与不确定演化路径，"边界筑墙"式外挂补丁失效。报告主张把安全约束做成不可违背的数学惩罚项， 把"人类自主权不可侵犯"作为最高伦理红线；工程侧给出三层围栏（网络/Agent/主机）与四防数据保护（防滥用、防投毒、防篡改、防勒索）。
来源：命题 10 / 行动 A5、B9 / 共识第三点6关键数据速览
全部数值原样取自原文，未做外推；页码为原文印刷页码（PDF 页 = 印刷页 + 16）。
| 维度 | 数值 | 出处 |
|---|---|---|
| 中国日均 Token 调用量增幅 | 1400 倍 | 趋势 1 · p04（2026-03 vs 2024 初） |
| 全球年度 Token 消耗预测 / 成本年降 | +10 万倍 / 约 50% | 趋势 1 · p05 |
| 未来十年 Token 经济稳态规模 | 突破百万亿元 | 趋势 1 · p05 |
| 2035 年全球智能体数量 | 9000 亿（超人口 100 倍） | 趋势 6 · p13 |
| 2035 年智能体流量增幅 / 占比 | 100 倍以上 / 90% 以上 | 趋势 6 · p12 |
| 联接规模（人 + 智能体） | 90 亿人 / 9000 亿智能体 | 行动 B · p59 |
| 智能体分级占比 L1/L2、L3、L4 | 约 70% / 25% / 5% | 行动 B · p60 |
| 热点区域智能体密度 | 超 1000 万个 /km² | 行动 B · p60 |
| AI 最大上下文 / 单次交互上行流量 | 10M Token 以上 / 突破 45MB | 行动 B · p61 |
| AoNR 传输 / E2E 任务时延 | 50ms / <400ms | 行动 B · p65 |
| 网络时延与丢包对 Token 成本的影响 | +20ms→费用 +16%；+0.01% 丢包→+70% | 行动 B · p69（iLab） |
| 算力增长目标 / 集群规模 / 任务成本 | 10 万倍 / 百倍 / 千倍下降 | 命题 2 · p25、行动 A · p50 |
| 万卡集群 175B 模型：计算 vs 通信 | 约 10 秒 / 10–90 秒 | 行动 A · p46 |
| 昇腾超节点 ALL2ALL（vs RoCE） | 提升 16 倍以上 | 行动 A · p49 |
| UB 灵衢吞吐效率 / 时延降低 | 98% / 40% | 行动 B · p68 |
| OCS 单端口功耗 / 单跳时延 / 集群规模 | <1W / 1–10ns / 32K→512K+ | 行动 B · p69 |
| 自智网络：伙伴数 / 目标等级 | 97 家（2026-08）/ 2030 L4、2035 L4+/L5 | 命题 4 · p29、行动 B · p74 |
| 逻辑折叠收益（同制程） | 功耗 -41% · 面积 -37.5% | 命题 5 · p30 |
| AIDC 单机柜功率 / 集群耗电 | 数百千瓦 / GW 级及以上 | 趋势 9 · p17、命题 9 · p39 |
| 2035 年全球数据中心耗电 / 用电占比 | 1600TWh / 1.5%→4.5%–10% | 趋势 9 · p17（IEA、BNEF） |
| 前沿大模型数据集年增速 | 2.7 倍 | 趋势 7 · p14（Epoch AI） |
| 个性化记忆 / KV Cache 规模 | TB 级/人 · 8PB/h@10 万人 | 趋势 7 · p14 |
| AI 数据湖 TCO 降低 / 检索提速 | 30% 以上 / 分钟级→秒级 | 行动 A · p56 |
| 高危操作识别率 / 勒索检测率 | 99%+ / 99.99%+ | 行动 A · p58 |
| AI 驱动漏洞攻击同比 / Agent 风险占比 | +44% / 91% · 94% | 行动 B · p73（IBM X-Force） |
| 企业工作流重塑 vs 未重塑的价值增长 | 37.2% vs 5.4% | 行动 D · p94（沙利文） |
| 智驾安全目标 | 10 倍于人类驾驶 | 命题 8 · p37 |
7术语表
白皮书里高频出现、但不解释就读不动的缩写与概念。
8产业启示：对国内运营商与产业链的八条建议方向
以下为基于报告内容的延展判断（非原文结论），重点落在运营商最容易被改写的几处。
- 把网络的 KPI 从"比特成本"改写成"Token 交付效率"。 报告已给出换算关系：时延 +20ms → 任务时间 1.6 倍、Token 费用 +16%；叠加 0.01% 丢包 → 时间 5 倍、费用 +70%。 这意味着网络质量可以直接进入 AI 服务的成本模型，运营商应尽快建立"Token 级 SLA"的计量口径与产品化能力（p69）。
- 上行能力要提前一个规划周期布局。 智能体单次交互上行流量将突破 45MB、AI 上下文已扩展至 10M Token 以上，报告建议专用频段上行资源占比提升至 40%–60%、上行容量提升 30% 以上。 现有"下行为主"的帧结构与时隙配比需要重估（p61）。
- 按智能体分级做差异化连接产品。 L1/L2 工具级约 70%（持续在线、稳定）、L3 辅助级约 25%（高可靠、隐私）、L4 协同级约 5%（海量上传、百毫秒级协同）。 三档诉求完全不同，适合做成三档连接产品而非一张网一个价（p60）。
- 任务级保障是关键新品类：AoNR + 广域算网 + 智能体通信网络。 前者解决"一次任务 Token 50ms 传完"、中者盘活终端与边缘闲置算力、后者提供跨域可信数字身份与基于技能的路由。 三者共同把网络从"管道"变成"任务调度参与方"（p64–p66）。
- 自智网络 L4 是 2030 时间点的硬门槛。 2026 年 8 月已有 97 家伙伴签署《AN 宣言》；报告给出 2030 年 L4、2035 年 L4+/L5 的路线。 运维侧可优先复制"案例库 + API/Skills + 智能体"的组合（10 万篇案例库、1 万个 API/Skills、95%+ 意图准确度、故障恢复时长 -35%）（p29、p62–p63、p74）。
- 数据中心网络要算"绿色账"和"光电账"。 51.2T/100T 盒式液冷交换机成为主流、NPO 端口功耗 -20% 以上（2026 年底至 2027 年规模商用）、OCS 单端口 <1W 且单跳时延 1–10ns。 同时 2027 年分布式训推预计全面超过集中式，跨域 1ms/5ms/20ms 时延圈与 50ms 重路由是必修课（p68–p70）。
- "以 AI 守护 AI"要落成三层产品，而不是一句口号。 网络围栏（恶意流量检出 95%+、毫秒级阻断）、Agent 围栏（提示词注入准确率 95%、时延 500ms→200ms）、主机围栏（CPU 占用 5%→<1%）。 风险侧数据也可直接用于客户沟通：AI 驱动漏洞攻击同比 +44%，已投产 Agent 中 91% 有工具链漏洞、94% 面临记忆投毒风险（p73）。
- 对企业客户，卖点应从"给模型"转向"改流程"。 沙利文数据：重新设计工作流的组织价值增长约 37.2%，未改变的仅 5.4%。 报告给的"四层十步法"与六个经营指标（处理时长、转化率、一次解决率、客户满意度、人工工作量、单位业务成本）， 比"准确率、Token 成本"更接近甲方预算口径，适合作为运营商/集成商切入行业智能体的交付框架（p94–p96）。
- 算力布局要提前把"电力"作为一级约束。 AIDC 单机柜数百千瓦、集群 GW 级，2035 年全球数据中心耗电 1600TWh、占全球用电 4.5%–10%。 算电网储协同（含反向馈电、多能互补、储能分层）应进入选址与投资模型的必选项（p17–p18、p39–p40）。
9文档边界与分角色阅读路径
先说清楚这份报告没有主张什么，再给不同角色的读法。
作者未主张 / 未解决的部分
- 不是标准，也不是承诺。文末免责声明明确"本文档可能含有预测信息"；所有 2035 年数字均为展望，不应作为合同或投资依据。
- 大量数字来自第三方预测（IDC、Epoch AI、IEA / 彭博新能源财经、沙利文、IBM X-Force），口径与年份各不相同，横向加减需谨慎。
- 存在供应商视角。"行动"篇多处能力指标出自华为自家产品与测试（昇腾、CANN、UB 灵衢、星河 AI 网络、RANSpirit、HarmonyOS），属厂商实践值而非行业中位数。
- 关键命题多停留在方向层：符号主义与神经网络如何融合、Sim-to-Real 如何突破、AGI 时间表（2027–2035 或更长）等，作者明示"仍有赖于持续的探索与验证"。
- 治理与商业模式缺口明显：Token 定价与计量标准、反向馈电的结算机制、跨厂商算力共享的商业动力、记忆"遗忘"与合规留存的取舍，均未给出答案。
分角色阅读路径
- 运营商网络规划 / 战略：趋势 6（p12–p13）→ 命题 4（p28–p29）→ 行动 B 全篇（p59–p74）→ 共识（p101）。重点看联接规模、上行、任务级保障、自智网络 L4。
- 云与算力团队：趋势 8、9（p16–p18）→ 命题 2、9（p25–p26、p39–p40）→ 行动 A 与 C（p46–p58、p75–p81）。重点看超节点、开放软件生态、算电网储、AI 原生云。
- 企业数字化 / 行业解决方案：趋势 2（p06–p07）→ 行动 D7–D9（p91–p98）。重点看"新四化"、"四层十步法"、六个经营指标与行业梯次判断。
- 投资与产业研究：趋势 1（p04–p05）→ 命题 1、2、5（p21–p26、p30–p31）→ 关键数据速览表。重点看 Token 经济量级、算力供需剪刀差、半导体新原则。
- 政策与治理：三位序言（尤其是周志华对"人类无法控制的人工智能体研究"的表态）→ 命题 10（p41–p42）→ 共识五点倡议（p101）。
- 只想知道讲了什么：读本文第 0 节 KEY MESSAGE + 第 3 节结构地图 + 第 6 节关键数据速览即可。