关于人工智能的讨论正变得越来越细致入微。

　　直到最近，讨论的焦点还集中在生成式人工智能和大型语言模型的兴起上。如今，讨论正进入一个更加分层的阶段。专家们正在更清晰地区分物理人工智能(机器人和物联网)、对延迟敏感的推理、自主代理系统以及支撑它们的基础模型。与此同时，一场更广泛的架构辩论正在形成，这场辩论围绕着智能应该部署在设备端、企业边缘、运营商边缘还是云端展开。这场辩论仍处于早期阶段，但它将影响人工智能的构建、部署和体验方式。

　　然而，尽管观点各异，但有一点却出奇地一致：网络的重要性前所未有。它不再仅仅是数据传输的通道，而是正在成为控制平台，协调设备、工作负载和人工智能系统在日益分散的环境中运行。

　　无线网络、固定无线接入、专用连接和边缘计算过去一直默默无闻。但如今，随着人工智能走出实验室，进入现实世界，这些基础设施的选择将直接影响人工智能在现实世界中的表现。

　　基础设施才是大规模人工智能应用的真正瓶颈

　　企业最初采用人工智能时，主要关注软件功能，尤其是在云端。如今，随着部署规模超出受控环境，企业正面临着由基础设施摩擦造成的实际限制。网络拥塞、云成本上涨、分布式站点间连接不稳定以及对延迟敏感的工作负载，都在暴露出结构性缺陷。人工智能系统依赖于用户、传感器、设备和计算环境之间持续高效的数据流动。一旦数据流中断或延迟，即使是最先进的模型也会失去效用。这一点在那些运营依赖于持续高速数据交换的行业中尤为明显。制造业、物流网络、零售业和医疗保健系统正越来越多地部署人工智能来支持实时决策。在这些领域，即使是处理或连接方面的微小延迟也会影响生产力、安全或客户体验。

　　因此，竞争格局正在发生转变。拥有最先进的人工智能工具还不够;企业还需要能够大规模支持人工智能的基础设施，包括弹性连接和分布式计算策略。

　　云与边缘是互补的

　　这直接适用于云与边缘之间的关系。将它们视为相互竞争的方法越来越容易造成误解。更有意义的问题是它们如何协同工作。云仍然至关重要。它仍然是训练大型模型、运行集中式分析和大规模数据管理的理想平台。这一点不会改变。

　　与此同时，边缘计算正在不断发展。当延迟至关重要、连接不稳定或需要在靠近数据源的位置进行数据处理时，边缘环境具有显著优势。这对于零售环境中的计算机视觉、工业环境中的预测性维护、物流中的车队管理以及分布式现场作业中的实时自动化等应用场景尤为重要。

　　在这些场景中，将所有数据回传到集中式云系统既不高效也不实用。在更靠近数据源的位置进行处理可以降低延迟、最大限度地减少带宽消耗并提高可靠性。例如，在云端训练人工智能模型仍然是最合理的选择，因为云端更容易管理大型数据集和计算资源。企业可能会从多个地点(例如门店或工作场所)收集数据，并将其发送到云端以优化模型并发现更广泛的长期趋势。

　　最有效的企业架构设计是基于性能需求、成本考量和运营限制来分配工作负载。这种混合方法使企业能够同时优化规模和响应速度。

　　无线连接成为人工智能架构的一部分

　　随着人工智能向更多物理和分布式环境发展，连接性成为决定人工智能能否在现实世界中可靠运行的架构组成部分。

　　这也是私有 5G 在人工智能仍在发展且可靠性、安全性和本地控制至关重要的环境中持续增长的原因之一。制造工厂、港口、物流枢纽、大型园区和其他复杂的运营环境需要能够以可预测的性能支持机器人、自动化和联网设备的网络，从而使它们能够收集人工智能所需的数据并快速响应人工智能的决策。

　　机遇显而易见，但通往规模化部署的道路仍在探索之中。许多组织正致力于解决一系列实际问题，涵盖部署复杂性、互操作性、生命周期管理，以及如何在多个站点之间复制成功经验等。然而，这些挑战并未削弱私有5G的重要性;相反，它们突显了一个更宏大的观点：AI基础设施绝非一个“一刀切”的问题。

　　与此同时，固定无线接入(Fixed Wireless Access)在企业连接体系中的地位正日益凸显。这种曾被主要视为备用或临时方案的连接方式，如今正越来越多地被用作分支机构、分散办公点、移动办公环境以及那些有线基础设施部署缓慢、昂贵或不切实际的场所的主要连接手段。

　　私有5G与固定无线接入的结合，共同指向了同一个宏大的转型趋势。企业需要更加灵活、富有弹性且支持软件管理的连接模式，以此来支撑AI应用的规模化落地。如今，问题的关键已不再仅仅局限于某个站点是否实现了网络连接，而是要看该网络能否满足AI驱动型运营所必需的性能、可靠性与管控要求。

　　网络性能的定义正在发生演变

　　这一转型趋势同时也改变了网络性能的衡量方式。尽管吞吐量依然重要，但它已不再是衡量进步的唯一指标。随着Wi-Fi、5G及固定无线网络的不断演进，人们的关注焦点正逐步转向可靠性、低延迟、跨环境的协同优化，以及在真实应用场景下性能的一致性表现。

　　展望未来，6G将代表着向这一方向迈出的更为坚实的一步。预计6G将不仅仅是速度更快的下一代网络，它将日益依赖于AI进行编排与调度——即利用网络内部的智能能力，实时优化性能、管理资源、协调终端设备，并动态适应不断变化的环境条件。正因如此，6G对于AI的未来发展具有尤为重大的意义;它将助力构建出那种响应敏捷、高度自动化且具备分布式特性的基础设施，从而满足AI系统在日益深入渗透至物理环境的过程中所产生的各项需求。

　　AI 与基础设施正加速融合

　　总体而言，在业界探讨中最为引人注目的焦点，莫过于这两个层面融合速度之快。AI 不再仅仅是凌驾于基础设施之上、并将其视为理所当然的独立软件层;相反，它正变得对基础设施产生深度依赖。与此同时，网络的功能也不再局限于单纯的数据传输，而是日益演变为整个系统中的关键一环，负责编排数据、设备与工作负载之间的交互协作。

　　这一点在 6G 领域尤为凸显。6G 并非游离于 AI 议题之外的独立存在，而是正日益成为 AI 体系中不可或缺的组成部分。随着 AI 工作负载向各类终端设备、企业站点、运营商网络及云环境全面铺开，网络本身也必须变得更加智能化、自适应化且高效。在推动这一转型进程中，6G 有望发挥决定性的作用。

　　随着这种融合趋势的持续深化，企业所面临的最关键决策将不再仅仅局限于“选用何种 AI 工具”这一层面，而是将重心转向如何设计底层的架构体系，从而确保这些 AI 工具能够在现实世界中真正落地并高效运转。从诸多维度来看，我们正经历一场从“AI 应用采纳阶段”向“AI 架构构建阶段”的战略性过渡。那些能够敏锐洞察并积极顺应这一转型浪潮的企业，必将赢得显著的竞争先发优势。