工业和信息化部近日发布《“人工智能＋信息通信”创新发展实施意见（2026—2028年）》，明确提出人工智能与信息通信产业的融合发展将进入新阶段。这份文件指出，未来人工智能领域的竞争将超越单一模型能力的比拼，转向模型、网络、算力、数据、安全及场景应用等要素构成的系统化能力竞争，标志着产业生态正在发生结构性变革。
传统模式下，人工智能与信息通信技术常被视为独立领域：前者聚焦算法优化与模型训练，后者强调网络覆盖与带宽提升。尽管二者存在协同关系，但实际应用中多表现为“网络支撑AI运行”或“AI优化网络管理”的简单叠加。随着5G-A、6G、全光网络等技术的突破，这种分离状态正被打破，产业界开始探索更深层次的融合路径。
网络智能化成为融合发展的首要突破口。面对日益复杂的网络架构与业务需求，传统人工运维模式已难以适应。文件提出的“高等级自智网络”概念，旨在通过人工智能技术实现网络规划、资源调度、故障预测等环节的自动化。例如，在算力网络建设中，要求城域范围实现1毫秒时延圈覆盖率不低于75%，这需要网络具备实时感知、动态优化和自主修复能力，但最终决策权仍保留在人类管理者手中。
信息通信基础设施的升级同样制约着人工智能的发展边界。当AI技术从内容生成领域向工业控制、智能驾驶等场景延伸时，对网络时延、可靠性及算力分布提出更高要求。文件强调构建“云-边-端”协同的算力体系：大型数据中心负责通用模型训练，边缘节点处理低时延任务，终端设备执行本地化决策。这种分层架构既能降低数据传输压力，又能提升响应速度，为实时性要求高的应用提供支撑。
产业现场将成为融合技术落地的首要场景。在智能制造领域，机器视觉质检、设备预测性维护等应用需要整合通信网络、边缘算力与行业数据；智能交通系统中，“车路云一体化”方案依赖高精度定位、低时延通信与AI决策的协同。运营商的角色也在转变，其提供的连接服务正扩展为包含算力调度、模型部署的数字化基础设施套餐。
消费领域的技术渗透同样深刻。AI手机、智能家居等终端设备不再满足于被动响应指令，而是向主动服务进化。例如，未来的智能眼镜可能具备环境感知能力，通过调用云端模型完成实时翻译或导航；数字人服务则可拆解用户需求，协调多个工具完成复杂任务。这些变化推动网络从“连接人”向“连接设备、服务与智能体”转型，要求基础设施具备更强的异构兼容能力。
技术融合带来的挑战远超单一领域。高端芯片、光电器件等硬件支撑，算网调度、模型压缩等软件能力，以及数据流通治理机制，共同构成融合发展的基础条件。文件特别指出，低时延算力圈建设需平衡技术先进性与成本可控性，避免中小企业因使用门槛过高而被排除在外。这需要产业界探索共享算力、模型即服务等新型商业模式。
安全与责任问题随着融合深度增加愈发凸显。当AI系统参与工业控制或交通调度时，模型错误、网络攻击或决策不透明可能引发现实风险。文件要求同步推进标准制定、安全评估与应急机制建设，例如明确自动驾驶场景下AI决策与人类监督的责任边界，建立跨行业的数据安全防护体系。这些措施旨在为技术融合划定安全红线，防止系统性风险累积。
这场变革标志着信息通信产业从“连接赋能”向“智能协同”升级。过去，行业主要解决信息传输问题；未来，重点将转向构建支持AI应用的数字化生态。谁能率先完成模型能力向系统能力的转化，谁就能在产业智能化浪潮中掌握主动权。这种转化不仅需要技术创新，更依赖产业链各环节的协同突破与制度保障的同步完善。
