飛象網訊（源初/文）隨著計算能力、數據資源和網絡技術的不斷演進，大模型正在滲透至交通、制造、醫療健康、教育等領域，不斷釋放創新潛能。AI與5G的融合在這一過程中成為了推動大模型基礎設施化的關鍵技術要素，激活數字時代的全新價值。

AI+5G融合加速大模型普及

有數據顯示，在2023年，以大模型為代表的AI普及率達到了16.4%，并逐步擴展到更廣泛的經濟結構領域。這種普及速度與通用目的技術歷史上的擴散路徑相一致。可以預見，AI在普惠化后的規模效應將推動全球經濟結構發生深刻變革。

于此同時，每一代通信技術的普及都離不開統一的標準、成本的下降和大規模覆蓋。類似的，AI技術尤其是大模型的發展，也正在滿足這些條件。兩者的路徑結合讓大模型技術正在進入從創新應用到基礎設施化的關鍵階段。

從兩者的關系上看，5G技術具有高帶寬、低時延和廣連接的特點，是實現AI技術規模化應用的重要支撐。大模型對數據、算力和網絡提出了更高的需求，而這些需求與5G技術天然契合。

AI的訓練和推理過程需要強大的算力支持。5G通過云網融合架構，能夠提供集中式的云端算力和分布式的邊緣算力。這種算力分布方式可以動態調整資源，為AI模型的實時推理和應用場景提供保障。

多模態大模型是AI發展的重要方向，其包含語音、圖像、視頻、文本等多種數據形式的處理能力。5G的高吞吐量和低時延特性使得多模態模型可以在終端設備上實現更高效的交互，例如AI驅動的機器人、自動駕駛和可穿戴設備。

最后在端側，隨著AI與5G的融合，終端設備正在向泛化智能演進。終端硬件不僅局限于傳統的智能手機，還包括AI機器人、智能眼鏡、自動駕駛汽車等，這些設備的形態將更加多樣化，交互方式也更自然。

技術賦能與挑戰并存

從產業價值鏈來看，大模型基礎設施化的路徑可以分為四個階段：AI算力、AI終端、AI平臺和AI應用。每一階段的突破都依賴于底層技術的成熟和市場環境的變化。

AI算力階段作為基礎設施化的起點，涵蓋從云端到邊緣的分布式計算能力提升。大模型的訓練規模和推理效率直接決定了后續應用的性能上限。

AI終端階段中，大模型驅動的智能終端設備將逐步普及，例如AI手機、AI可穿戴設備等。這些終端設備不僅為用戶提供便捷服務，還為AI模型提供更豐富的數據支持。

在AI平臺階段，大模型將成為AI時代的操作系統（OS）原生核心要素，通過屏蔽底層技術復雜性和增強上層應用支持能力，實現端云協同智能化。

作為最終目標的應用階段，大模型通過賦能交通、教育、醫療等領域，推動產業應用的全面繁榮。例如，中國電信的“星辰大模型”體系已覆蓋政務、工業等多個領域，為行業轉型升級提供了強大的工具支持。

盡管AI與5G的融合前景廣闊，但其推進過程中仍面臨多重挑戰，包括技術標準的不統一、算力成本的高昂以及行業間數據共享的不足。行業需要建立全球統一的AI和5G技術標準，推動產業鏈上下游的協同合作，以降低技術成本和應用門檻。同時，推進跨行業的數據共享和治理機制，確保數據的安全性和隱私保護，為大模型的能力兌現創造條件。

另外，還要通過創新硬件設計、引入先進算法和提高資源利用率，以優化成本結構，進一步降低AI模型的訓練和部署成本。

展望未來，5G和AI的進一步融合將為全面智能社會的到來奠定基礎。隨著6G技術的研發推進，網絡的極致性能將為大模型提供更強大的賦能能力。在6G時代，AI大模型有望實現從L3到L5級別的智能，進一步推動伴隨使用成本的下降和應用的普及。

目前，在行業對于6G標準的規劃中，已經開始將AI融入于系統設計，使其從5G時代的單一用例，融入為6G的一部分。例如在網絡優化過程中，AI能為6G提供全面支持與效率提升，6G又能為AI面向網絡自身和第三方用戶提供泛在普惠的智能服務。

AI與5G的深度融合，為大模型的基礎設施化開辟了全新的路徑。通過技術、產業和應用的協同發展，AI大模型有望成為新一輪數字革命的重要驅動力，不僅成為經濟增長的新動能，還將為人類社會帶來全新的生產方式和生活體驗。