作者：Sophia物聯(lián)網(wǎng)智庫 原創(chuàng)

這幾天，關(guān)于英偉達(dá) GTC 大會(huì)的討論幾乎被老黃的“token 經(jīng)濟(jì)學(xué)”刷屏了。

“未來的數(shù)據(jù)中心，不是存儲(chǔ)倉庫，而是生產(chǎn)智能 Token 的工廠；而每瓦性能，就是這場競賽里唯一的硬指標(biāo)�！庇眠@句話，黃仁勛為企業(yè)描繪了一種全新的未來競爭范式。

從算力成本到推理效率，從 Token 價(jià)格到 AI 商業(yè)模式，市場的注意力集中在一個(gè)熟悉的問題上：如何更高效地生產(chǎn)與消耗“智能”？但如果把視線從云端稍微下移，會(huì)發(fā)現(xiàn)另一條同樣來自英偉達(dá)的消息相對(duì)容易被忽略——3 月 16 日，英偉達(dá)宣布聯(lián)合 T-Mobile 與諾基亞，將物理 AI 應(yīng)用部署于分布式邊緣 AI 網(wǎng)絡(luò)上，試圖將無線通信網(wǎng)絡(luò)升級(jí)為高性能邊緣 AI 計(jì)算平臺(tái)。

相比“token 經(jīng)濟(jì)學(xué)”對(duì)效率與成本的再優(yōu)化，這條消息指向一個(gè)更底層的問題：當(dāng) AI 不再只是生成內(nèi)容，而是要進(jìn)入現(xiàn)實(shí)世界、參與每一次實(shí)時(shí)決策時(shí)，我們賴以運(yùn)行 AI 的網(wǎng)絡(luò)和計(jì)算架構(gòu)，是否需要被重寫？

黃仁勛對(duì)于這一問題的答案很直接：“網(wǎng)絡(luò)正在演變?yōu)?span id="9nodir0" class='hrefStyle'>人工智能基礎(chǔ)設(shè)施，使數(shù)十億臺(tái)設(shè)備——從視覺人工智能代理到機(jī)器人和自動(dòng)駕駛汽車——能夠?qū)崟r(shí)地看、聽和行動(dòng)。通過與 T-Mobile 和諾基亞合作，將 5G 網(wǎng)絡(luò)轉(zhuǎn)變?yōu)榉植际饺斯ぶ悄苡?jì)算機(jī)，我們正在為全球邊緣人工智能基礎(chǔ)設(shè)施打造一個(gè)可擴(kuò)展的藍(lán)圖�！�

對(duì)于一名長期關(guān)注物聯(lián)網(wǎng)與邊緣計(jì)算的從業(yè)者而言，這或許才是這屆 GTC 更值得關(guān)注的信號(hào)~

打破物理 AI 規(guī)�；�發(fā)展的關(guān)鍵瓶頸

此前，黃仁勛在多個(gè)場合的演講中都曾介紹過對(duì) AI 發(fā)展階段的預(yù)測，即 AI 經(jīng)歷了感知 AI、生成式 AI 階段后，現(xiàn)在進(jìn)入了代理 AI 階段，未來將是物理 AI 時(shí)代。如果說生成式 AI 解決的是“理解與生成信息”的問題，那么物理 AI 所要面對(duì)的，則是一個(gè)更復(fù)雜的命題：理解世界，并在其中行動(dòng)。

按照英偉達(dá)給出的定義，“物理 AI 是使用運(yùn)動(dòng)技能理解現(xiàn)實(shí)世界并與之進(jìn)行交互的模型，它通常以機(jī)器人、自動(dòng)駕駛汽車等自主機(jī)器為載體”——我們知道，諸如 GPT 和 Llama 等大語言模型在生成人類語言和抽象概念方面能力驚人，但它們對(duì)物理世界了解有限，并受其規(guī)則約束，但物理 AI 能夠理解我們居住的三維世界的空間關(guān)系和物理行為，因而擴(kuò)展了當(dāng)前的生成式 AI。

利用物理 AI，自主機(jī)器能夠感知、理解并在現(xiàn)實(shí) (物理) 世界中執(zhí)行復(fù)雜的操作，例如：自動(dòng)駕駛汽車可使用傳感器感知并理解周圍環(huán)境，以便在各種環(huán)境 (從開放式高速公路到城市景觀) 中做出明智決策，包括但不限于更準(zhǔn)確地檢測行人，對(duì)交通或天氣條件做出響應(yīng)并自動(dòng)變換車道；在工業(yè)與物流場景中，倉庫中的自主移動(dòng)機(jī)器人 (AMR) 利用來自機(jī)載傳感器的直接反饋，可以在復(fù)雜環(huán)境中導(dǎo)航并避開包括人類在內(nèi)的障礙物，機(jī)械手可以根據(jù)傳送帶上物體的位姿調(diào)整他們的抓力和位置實(shí)現(xiàn)精細(xì)操作；而在城市空間中，大量攝像頭與傳感器構(gòu)成的系統(tǒng)，正在嘗試對(duì)環(huán)境變化進(jìn)行實(shí)時(shí)理解與響應(yīng)。

也正是在這一轉(zhuǎn)變中，AI 對(duì)底層基礎(chǔ)設(shè)施的要求被徹底改變——因?yàn)橐坏┻M(jìn)入物理世界，延遲、可靠性與實(shí)時(shí)性，都可能從“體驗(yàn)問題”變成“生死問題”。

許多系統(tǒng)無法容忍高延遲，也無法依賴“先上傳云端再處理”的經(jīng)典路徑。正如當(dāng)前行業(yè)實(shí)踐所顯示的，自動(dòng)駕駛、機(jī)器人和智能城市等場景，都需要毫秒級(jí)響應(yīng)與高度可靠的連接能力 。問題由此變得清晰：物理 AI 規(guī)�；�發(fā)展的一個(gè)關(guān)鍵瓶頸在于“缺乏低延遲、安全且無處不在的連接能力�！�

傳統(tǒng)架構(gòu)下，這一問題有兩種解法，但都不理想——

“全部上云”：即終端設(shè)備采集數(shù)據(jù)后上傳云端進(jìn)行處理，再返回結(jié)果，這種模式的問題在于鏈路過長，延遲與穩(wěn)定性不可控，在關(guān)鍵場景中幾乎不可用。

“全部在端側(cè)完成”：把算力盡可能堆疊在設(shè)備本身，但這同樣面臨瓶頸，終端設(shè)備在功耗、成本、體積上的限制，使其無法承載復(fù)雜模型的持續(xù)運(yùn)行；同時(shí)，設(shè)備的算力孤島化，也難以支撐模型的持續(xù)迭代與統(tǒng)一調(diào)度。

也正是在這兩種路徑之間，一個(gè)新的架構(gòu)開始浮現(xiàn)，即把計(jì)算能力從云端“下沉”，但又不完全壓在終端，而是放在“網(wǎng)絡(luò)之中”。這正是此次英偉達(dá)、T-Mobile 與諾基亞推動(dòng)的 AI-RAN 架構(gòu)的核心邏輯： 將 AI 推理能力部署在靠近終端的網(wǎng)絡(luò)邊緣節(jié)點(diǎn)，使物理 AI 系統(tǒng)可以將大量計(jì)算任務(wù)從設(shè)備側(cè)卸載到最近的基站或邊緣數(shù)據(jù)中心完成。

這一變化帶來的直接結(jié)果是——開發(fā)者不再需要在每一個(gè)攝像頭、機(jī)器人或終端設(shè)備上堆疊昂貴算力，而是可以依賴網(wǎng)絡(luò)側(cè)的分布式計(jì)算資源，以更低成本部署更復(fù)雜的 AI 能力。在這一架構(gòu)下，通信網(wǎng)絡(luò)不再只是“傳輸數(shù)據(jù)”，而成為承載智能的計(jì)算平臺(tái)，從而支撐數(shù)十億設(shè)備規(guī)模的 AI 應(yīng)用落地 。

領(lǐng)先開發(fā)者將推理與視覺 AI 部署至邊緣

要將網(wǎng)絡(luò)轉(zhuǎn)變?yōu)榉植际?AI 計(jì)算平臺(tái)，就需要在網(wǎng)絡(luò)邊緣為數(shù)十億終端提供超低延遲和時(shí)空一致性，而這正是此次英偉達(dá)的合作者 T-Mobile 的核心能力所在。不同于覆蓋范圍和安全性受限的 Wi-Fi，T-Mobile 的 5G 獨(dú)立組網(wǎng)提供了廣域覆蓋和服務(wù)質(zhì)量保障，使復(fù)雜 AI 智能體能夠在繁忙的城市路口、工業(yè)設(shè)施及偏遠(yuǎn)地區(qū)運(yùn)行。

根據(jù)官方發(fā)布的新聞稿，T-Mobile 正與英偉達(dá)認(rèn)證的物理 AI 開發(fā)商（包括 Fogsphere、LinkerVision、Levatas、Vaidio 和西門子能源）合作，演示“基站和移動(dòng)交換中心如何支持分布式邊緣 AI 工作負(fù)載”，并充分利用公共 5G 網(wǎng)絡(luò)連接。他們將在該平臺(tái)上集成英偉達(dá)的 Metropolis Blueprint，用于視頻搜索和摘要（VSS）功能。

英偉達(dá)最新版 VSS (3) Blueprint 引入了多模態(tài)視覺理解和智能搜索功能，并以模塊化架構(gòu)的形式提供，可根據(jù)不同環(huán)境（“從零售店到倉庫”）進(jìn)行重構(gòu)。英偉達(dá)表示，全球有 15 億個(gè)攝像頭，但只有不到 1% 的視頻內(nèi)容經(jīng)過人工審核。VSS (3) Blueprint 能夠“分解復(fù)雜的自然語言查詢，并在五秒內(nèi)搜索視頻片段以找到特定事件”，并且“以比人工審核快 100 倍的速度概括長視頻”。

當(dāng)前，許多領(lǐng)先開發(fā)者正與英偉達(dá)和 T-Mobile 合作，基于用于視頻搜索與總結(jié) (VSS) 的 NVIDIA Metropolis Blueprint，將可驅(qū)動(dòng)實(shí)時(shí)行動(dòng)的物理 AI 智能體集成到 T-Mobile 的分布式邊緣網(wǎng)絡(luò)中，試點(diǎn)應(yīng)用場景包括：

智慧城市運(yùn)營：LinkerVision、Inchor 和 Voxelmaps 正在測試基于計(jì)算機(jī)視覺的集成“城市運(yùn)營智能體”及數(shù)字孿生，該系統(tǒng)能夠感知、模擬并優(yōu)化交通信號(hào)燈配時(shí)，目標(biāo)是將圣何塞的事故響應(yīng)速度提升 5 倍。

公用 (電力) 設(shè)施自動(dòng)化巡檢：Levatas 正利用英偉達(dá)計(jì)算能力，對(duì)數(shù)十萬英里的輸電線路進(jìn)行 5G 網(wǎng)絡(luò)自動(dòng)化巡檢，以檢測并快速處理電線桿傾斜、腐蝕及異常發(fā)熱等問題，且速度可提升至 5 倍。雙方目前正在評(píng)估 AI-RAN 基礎(chǔ)設(shè)施，以進(jìn)一步降低成本、縮短故障恢復(fù)時(shí)間，并加速從被動(dòng)維護(hù)轉(zhuǎn)向預(yù)測性維護(hù)。

基于視覺的設(shè)施管理：Vaidio 等開發(fā)者正基于 VSS Blueprint 構(gòu)建設(shè)施管理智能體，進(jìn)行威脅檢測和故障預(yù)測，并觸發(fā)自動(dòng)化工作流，從而提升設(shè)施管理效率。

實(shí)時(shí)工業(yè)安全：Fogsphere 為 SAIPEM 提供安全 AI 智能體，用于在高風(fēng)險(xiǎn)陸地上、海上及鉆探施工環(huán)境中，對(duì)危險(xiǎn)事件實(shí)時(shí)檢測與響應(yīng)，例如工人處于懸吊物下或發(fā)生碳?xì)浠�合物泄漏等情況。

AI 如何重塑通信網(wǎng)絡(luò)的角色？

站在更宏觀的視角來看，上文所述的變化同樣意味著電信行業(yè)自身的角色正在發(fā)生根本性轉(zhuǎn)變。

長期以來，通信網(wǎng)絡(luò)一直被視為“連接基礎(chǔ)設(shè)施”——其核心任務(wù)是高效地在設(shè)備之間傳輸數(shù)據(jù)。但事實(shí)上，這一基礎(chǔ)設(shè)施的規(guī)模之龐大，足以比擬整個(gè) IT 產(chǎn)業(yè)：全球電信產(chǎn)業(yè)規(guī)模接近 2 萬億美元，基站遍布城市與鄉(xiāng)村，是人類社會(huì)最廣泛分布的技術(shù)系統(tǒng)之一。在過去，它們承載的是信息流；而在 AI-RAN 架構(gòu)下，這些原本主要負(fù)責(zé)“傳輸”的節(jié)點(diǎn)，將被重新定義為分布式計(jì)算節(jié)點(diǎn)，成為人工智能在邊緣運(yùn)行時(shí)的基礎(chǔ)設(shè)施平臺(tái)。

而 AI 對(duì)整個(gè)通信網(wǎng)絡(luò)角色的重塑其實(shí)早已悄然發(fā)生。此前，筆者在《LoRa正在爭奪物聯(lián)網(wǎng)新一輪發(fā)展周期的”話語權(quán)”?》中就提及：以 LoRa 聯(lián)盟為代表的 LPWAN 陣營，開始強(qiáng)調(diào)“物理 AI”和“行動(dòng)閉環(huán)”等概念并非偶然。在過去的 LPWAN 競爭格局中，無論是 NB-IoT、LTE-M，還是衛(wèi)星 IoT，技術(shù)敘事長期圍繞覆蓋能力、功耗表現(xiàn)和成本優(yōu)勢展開。LoRaWAN 也曾以“低功耗、低成本、私網(wǎng)靈活、部署彈性強(qiáng)”被廣泛認(rèn)知。然而在 AI 時(shí)代，它正在嘗試重新定義自身角色：不僅僅是數(shù)據(jù)連接協(xié)議，而是 AI 的數(shù)據(jù)入口、行動(dòng)出口，以及物理AI的通信神經(jīng)系統(tǒng)。

這一趨勢在未來網(wǎng)絡(luò)架構(gòu)中將更加明顯。6G 的設(shè)計(jì)理念正在指向“為 AI 而生”，而不僅僅是提升速率。2026 年 2 月，3GPP SA2 #173 會(huì)議在印度果阿落下帷幕，其 R20 架構(gòu)全景報(bào)告釋放出一個(gè)重要信號(hào)：行業(yè)共識(shí)已經(jīng)跨越了單純的“連接管道”，向“原生智慧平臺(tái)”躍遷。在這一架構(gòu)下，核心網(wǎng)元 AIMF（AI 管理功能）改變了終端與網(wǎng)絡(luò)的交互方式：以往核心網(wǎng)只負(fù)責(zé)比特傳輸，而 R20 架構(gòu)開始提供 MaaS（模型即服務(wù)）。通過梯度拆分機(jī)制，終端僅需計(jì)算底層梯度以保護(hù)隱私，而核心網(wǎng)承擔(dān)高層梯度計(jì)算。這意味著，網(wǎng)絡(luò)算力將直接參與用戶側(cè)大模型的訓(xùn)練與優(yōu)化，而不再只是被動(dòng)傳輸信息的管道。

放眼全局，顯而易見的是：AI 正在吞噬通信網(wǎng)絡(luò)，而通信網(wǎng)絡(luò)也正在重塑自己。無論是邊緣計(jì)算、物理 AI 還是未來 6G 原生智慧網(wǎng)絡(luò)，都預(yù)示著一個(gè)新范式的形成：從“傳輸比特”到“提供智能”，從“被動(dòng)管道”到“主動(dòng)計(jì)算平臺(tái)”。在這個(gè)新范式下，AI 不僅是軟件，也將成為電信網(wǎng)絡(luò)的內(nèi)生屬性；網(wǎng)絡(luò)也不僅是基礎(chǔ)設(shè)施，而是承載智能的實(shí)時(shí)生態(tài)系統(tǒng)。

如今，我們可能真的站在了一個(gè)“隨處可觸、無處不智”的智能世界起點(diǎn)。

參考資料：Nvidia positions AI-RAN with Nokia, T-Mobile in (its) $1tn AI infrastructure market——RCR WirelessAgents, inference and token economics – Nvidia pitches the AI future——RCR WirelessState of enterprise IoT 2026: The shift from IoT to autonomous connected operations——IoT AnalyticsNVIDIA、T-Mobile 及合作伙伴在 AI-RAN 就緒基礎(chǔ)設(shè)施上集成物理 AI 應(yīng)用——英偉達(dá)官網(wǎng)物理 AI——英偉達(dá)官網(wǎng)3GPP最新會(huì)議復(fù)盤：6G架構(gòu)的最新演進(jìn)趨勢——無線AI視點(diǎn)

       原文標(biāo)題 : 黃仁勛的物理AI野望:將5G網(wǎng)絡(luò)轉(zhuǎn)變?yōu)榉植际紸I計(jì)算機(jī)!