《2026年电信行业AI发展现状及趋势报告》

一、报告概述

本报告由NVIDIA发布，系第四期年度电信行业AI现状报告，基于2025年9月至11月对全球超过1000名电信行业受访者的问卷调查，系统呈现了人工智能在电信领域的采用率、投资回报、核心用例、技术趋势与未来展望。报告指出，66%的受访者表示所在组织正在积极使用AI，较2024年的49%和2023年的41%显著提升，行业已从试点评估阶段全面迈入部署与规模化扩展阶段。90%的受访者认为AI正在帮助提高年收入并降低年成本，99%认为AI提升了员工生产力，切实的投资回报正驱动89%的受访者计划在2026年增加AI预算（2024年该比例仅为65%）。报告揭示了两大核心转型：网络自动化已超越客户体验，成为AI投资、部署与投资回报率影响的首要用例，标志着自主网络进入全新阶段；生成式AI采用率升至60%，48%的受访者正在使用或评估代理式AI，行业正从AI辅助走向AI智能体自主执行。报告围绕“AI采用率—自主网络建设—投资回报—代理式AI—推理部署—未来展望”六维框架，为电信行业决策者提供了从战略制定到落地实施的完整参考。

二、AI采用率达到历史最高水平：从试点走向规模化

（一）采用率跃升与阶段转换

电信行业AI部署的三个核心目标高度清晰：提升员工生产力（43%）、提高运营效率并降低运营成本（42%）、开辟新的商业机会和收入来源（40%）。66%的受访者表示组织正在积极使用AI，较2024年上升18个百分点；与此同时，仅28%仍处于评估或试点阶段，较上年下降21个百分点。趋势极为明确——公司正加大对成熟AI用例的投入并将其扩展至整个运营体系。大型公司（员工超1万人）的生成式AI采用率高达80%，规模效应显著。

（二）三大AI工作负载主导行业

生成式AI以60%的采用率成为最主要的AI工作负载，高于2024年的49%和2023年的43%，增长势头强劲。数据处理与分析以58%位列第二，代理式AI以48%位列第三，后者作为新兴工作负载已占据近半壁江山。在电信运营商细分群体中，49%正在使用或评估AI原生网络（含AI-RAN和6G研发），50%使用对话式AI应用，47%使用预测分析。网络自动化以54%的采用率成为第一大具体用例（较2024年提升17个百分点），客户服务与体验优化以46%位列第二，后台流程优化以43%位列第三，无线网络研发（含5G、AI-RAN、6G）占28%。

（三）区域差异显著

从区域分布看，不同地区的三大AI用例呈现明显差异：亚太地区以网络自动化为绝对优先，北美与欧洲在客户体验优化上投入更为突出，反映了各区域电信市场成熟度与竞争焦点的不同。

（四）数据问题成为最大挑战

54%的受访者表示数据相关问题（隐私、主权、数据孤岛、规模与复杂性）是实现AI目标的最大障碍，该比例较2024年骤升34个百分点，反映出随着AI从试点转向生产，电信数据的碎片化、规模庞大与敏感性成为规模化落地的核心瓶颈。47%的受访者表示缺乏足够的AI专家与数据科学家，34%认为量化投资回报率是第三大挑战（较去年下降4个百分点，显示ROI证明正逐步清晰）。

（五）开源战略的重要性凸显

89%的受访者表示开源模型与软件对AI战略重要，46%认为“非常重要或极其重要”。开源使企业能基于自身数据微调模型，部署针对性解决方案。在AI开发方式上，42%的受访者倾向于自行开发解决方案，38%倾向于与合作伙伴共同开发，36%将开发外包给第三方咨询公司（较2024年上升15个百分点），仅21%使用独立软件供应商的现成企业软件。行业正积极构建自主AI能力而非单纯采购。

三、加速推进自主AI网络建设

（一）网络自动化跃升为首要用例

本年度调查最显著的转变之一是网络自动化已超越客户体验，成为AI投资、部署与投资回报率影响的首要用例。65%的电信运营商表示网络自动化由AI驱动，59%表示网络自动化是推动投资回报率的主要AI用例之一。这标志着自主网络进入了全新阶段——AI不仅提升生产力，更在推动网络运营范式的根本性变革。

（二）自主网络等级现状

参照TM Forum自主网络等级体系（1级为无自动化，5级为完全自主、自适应、自修复、无需人为干预），19%的电信运营商处于1级，35%处于2级，36%处于3级——绝大多数仍处于初期到中期阶段，但许多受访者预计生成式AI与代理式AI将加速向更高自主等级跃迁。构建自主网络面临的最大挑战与整体AI挑战一致：27%认为是数据相关问题，25%认为是内部技能不足。

（三）AI原生无线网络：6G之前的变革

77%的受访者预计在2030年6G发布之前就能看到AI原生无线网络的部署，其中20%认为未来一年内即可实现，仅22%认为将在6G发布之后。这一判断对行业具有深远意义——AI原生网络将实现软件定义、预测学习与持续自我优化。28%的运营商已在用AI进行无线网络研发（含5G Advanced、AI-RAN、6G）。

在AI原生网络的投资目标方面，65%的使用AI进行网络研发的受访者将提升频谱效率与能效列为首要目标，56%强调提高无线接入网整体性能，56%表示将AI与RAN工作负载整合到共享基础设施上以提高网络利用率和投资回报率至关重要，51%强调启用新的边缘AI应用，48%表示提升网络边缘的移动AI流量与推理能力是关键目标。

AI原生网络的最大部署障碍为：27%的受访者表示传统网络设备提供商缺乏可用的AI原生RAN解决方案，22%表示难以量化投资回报率，19%表示缺乏熟练员工部署、操作与管理AI与RAN基础设施。前两大障碍相互关联——缺乏可用方案使得ROI难以测算，而ROI不明确又延缓了供应商的研发投入，形成“先有鸡还是先有蛋”的困境。

四、实质性影响驱动投资全面增长

（一）收入增长：AI已产生可量化财务回报

90%的受访者表示AI正在帮助增加年收入，较2024年的83%和2023年的73%持续提升。26%的受访者表示AI带来的年收入增长超过10%，41%表示增长在5%至10%之间，23%表示增长低于5%，仅10%表示无影响。在电信运营商与MSO细分群体中，数据更为积极——90%表示AI有助于增加收入，其中43%增幅在5%至10%之间，22%增幅超过10%。

（二）成本降低：同样显著的财务效益

90%的受访者认为AI正在帮助降低年成本，较2024年的77%和2023年的66%大幅提升。22%的受访者表示成本降低超过10%，32%表示降低5%至10%，36%表示降低低于5%。运营商与MSO群体中94%表示AI降低年成本，25%表示降幅超过10%。

（三）员工生产力：近乎普遍的提升

99%的受访者表示AI提升了员工生产力。10%表示影响“显著”——员工能够完成AI出现之前无法完成的工作；16%表示“大幅提升”——员工在更短时间内以更高质量完成更多任务，腾出时间处理高级任务；47%表示“显著提升”；26%表示“略有提升”。这一近乎全覆盖的生产力增益是电信行业AI投资最坚实的微观基础。

（四）投资回报率最高的三大用例

网络自动化以50%的得票率成为投资回报率最高的AI用例，客户服务与体验优化以41%位列第二，内部流程优化（IT、人力资源、财务等）以33%位列第三。回复的多样性证明了AI在电信行业的应用广度——从营销人员利用生成式AI创建内容，到网络工程师利用AI智能体实时关联洞察与排除故障。

（五）AI预算大幅增长

89%的受访者表示未来12个月AI预算将增加，较2024年调查中的65%大幅上升。仅8%表示预算将保持不变（低于去年的30%），3%预计预算将减少。具体增幅方面，54%表示预算将增加多达10%，35%表示增幅将超过10%。投资流向集中于两大领域：聘请第三方合作伙伴加速AI采用（38%） 与优化AI工作流和生产周期（37%）。投资重心的转移表明行业正从“是否投资AI”转向“如何加速AI产生价值”。

五、代理式AI初露锋芒：从辅助走向自主执行

（一）采用现状

代理式AI——能够根据高级目标自主推理、制定计划并执行复杂任务的先进AI系统——正在电信行业快速兴起。48%的受访者表示公司正在使用或评估代理式AI，其中23%已部署AI智能体，15%计划未来一年内部署，10%计划两年或更长时间内部署。大型公司（员工超1万人）的代理式AI采用率更高，反映出规模越大、流程越复杂的企业对自动化与自主执行的需求越迫切。

（二）核心用例：网络自动化居首

在已使用或评估代理式AI的受访者中，41%将网络自动化（含规划、部署、运营与优化）列为首要用例。在运营商与MSO细分群体中，该比例高达53%。52%的受访者认为网络自动化AI智能体将在未来两年内带来可观的投资回报。第二大用例是客户服务与体验自动化（35%），第三是内部流程优化（28%），包括IT、人力资源等后台职能自动化。代理式AI正在三个核心领域同步释放价值，但其在网络运营领域的渗透速度最快、预期ROI最高。

（三）主要挑战

代理式AI部署的最大挑战与整体AI挑战高度一致：37%认为数据相关问题是最大障碍，29%认为缺乏内部技能与专家，29%认为性能与可靠性问题。代理式AI对数据质量、实时性与可用性的要求比传统AI更高，这进一步放大了数据治理的紧迫性。

六、推理部署与边缘计算：分布式AI架构成型

（一）推理部署的关键考量

AI推理——训练后的模型对新数据进行实时分类与预测的过程——是AI持续产生价值的核心环节。45%的受访者表示成本效率与总拥有成本（TCO）是运行推理时最重要的考量因素，并列第一的45%认为模型部署位置的灵活性（云端或本地）同样关键，39%表示延迟、准确性与吞吐量也是重要因素。推理部署需要在模型性能、基础设施成本、功耗与系统效率之间取得精细平衡，这对电信网络的实时性要求提出了更高挑战。

（二）边缘计算投资加速

78%的受访者表示目前正在投资或计划投资网络边缘计算以支持AI推理，其中40%已在进行边缘投资，38%处于规划阶段。在运营商与MSO群体中，49%已投资边缘计算，37%处于规划阶段。对边缘算力的投资激增正在重塑电信网络架构，将AI推理能力部署至更靠近用户的位置，为新型AI应用与不断增长的AI流量提供低延迟支撑。

（三）架构选择：混合云主导

在AI工作负载与推理的运行位置方面，55%的受访者采用混合架构（同时利用云端与本地系统），这一比例与其他行业的趋势一致且持续增长。31%仅在云端运行，14%仅在本地运行。混合架构的普及反映了电信行业对灵活性、数据主权与成本效率的综合考量——敏感数据与低延迟应用倾向于本地或边缘处理，大规模训练与弹性计算需求则依赖云端。

七、核心总结与行业启示

报告基于四年连续追踪与本期深度调查，得出以下核心结论与战略启示：

第一，电信行业AI已跨越“试点死亡谷”，进入规模化价值兑现期。 66%的正式采用率、90%的收入与成本双改善率、99%的生产力提升率，三项核心指标同步达到历史高位，标志着AI从“实验性技术”升级为“战略性生产力工具”。89%的预算增长预期进一步确认了这一趋势的不可逆性。

第二，网络自动化取代客户体验成为AI首要战场，自主网络建设进入加速通道。 网络自动化在采用率（54%）、投资回报率最高用例（50%）和代理式AI首要用例（41%）三项指标上均位居榜首，反映出行业战略重心正从“服务用户”向“重构网络”转移。TM Forum自主网络等级中多数运营商仍处于1至3级，但生成式AI与代理式AI被广泛预期将加速向更高等级跃迁。AI原生无线网络有望在6G之前提前部署（77%认同），这将重塑5G Advanced到6G的技术演进路径。

第三，代理式AI是继生成式AI之后的下一波浪潮，将在网络自动化、客户体验与内部运营三大领域同步释放价值。 48%的采用/评估率与23%的已部署率表明代理式AI尚处早期但增长极快。AI智能体从“辅助人类”走向“自主执行”的能力跃迁，对电信网络的实时性、可靠性与自主决策能力提出了更高要求，也将深刻改变网络运维人员的角色与技能需求。

第四，数据治理与人才短缺是制约规模化落地的核心瓶颈，开源战略与合作伙伴生态是关键解困路径。 54%将数据问题列为首要挑战且该比例同比飙升34个百分点，折射出从试点到生产的质变过程中数据基础设施的不足。47%缺乏AI专家，进一步加剧了数据价值挖掘的难度。89%认同开源重要性的共识与“自研+合作”并举的开发模式（42%自研、38%合作开发），为行业提供了突破人才与数据瓶颈的可行路径。

第五，边缘推理与分布式算力投资正在重塑网络架构，为AI-RAN与6G奠定基础设施基础。 78%投资或计划投资边缘推理，49%的运营商已先行布局，表明电信公司正将AI算力从核心云推向网络边缘。这不仅是技术选择，更是商业模式转型——在边缘托管AI推理使运营商能够向垂直行业与企业客户提供GPU即服务、AI即平台等新型AI服务，开辟新的收入来源。43%的受访者将开辟新商业机会列为首要AI目标，验证了这一战略方向的重要性。

报告最后指出，电信行业正处于AI驱动的深刻变革之中——生成式AI的强劲采用正引领变革，代理式AI在行业的兴起将成为网络运营、客户体验与内部流程三大领域的关键创新。AI正在开辟新的收入渠道，同时承担起降低行业成本的重任，为从自动化网络走向自主网络、从传统RAN走向AI原生6G铺就清晰道路。行业领导者需在数据治理、人才培养、开源生态建设与边缘算力投资四大方向持续发力，方能在这一轮AI驱动的产业重构中占据领先地位。