从大语言模型，到支撑它运转的算力，再到驱动算力的电力，资本正沿着基础设施链条依次押注AI发展的每一个瓶颈节点。下一个节点会是什么？

在2026年夏季达沃斯期间，爱立信全球高级副总裁、东北亚区总裁蓝尚立（Chafic Nassif）在接受第一财经记者采访时表示，当前AI的第一轮投资涌向了芯片和数据中心，AI赛道下一程的赢家，可能是那些铺设光缆和基站的电信运营商。

蓝尚立解释称，智能最终必须被用于某些用途，因此必然走向“物理AI”（Physical AI），即从智能眼镜、机器人、无人机再到自动驾驶汽车的具像化应用。而要让AI“动起来”、让它具备物理形态，就需要网络。“在物理AI层面，大语言模型是大脑，机器人和无人机是身体，而网络，将成为神经系统。没有网络，大脑就无法驱动肌肉、无法驱动身体。”他这样比喻道。

美银也在5月发布的报告中表示，随着AI集群规模越来越大，网络带宽开始成为新的瓶颈，AI的网络需求正被严重低估。报告预计，到2030年，AI网络市场规模将达到3160亿美元，高于此前预测的2400亿美元。

物理AI的“神经系统”

在蓝尚立看来，此前资本市场投入了大量精力在“智能”本身，也就是尽可能把模型做得更聪明。他认为，第一轮投资集中在“造大脑”的领域是合理的，但要让这部分投资真正兑现回报，AI必须“动起来”，也就是必须把这种智能和算力“装进”真实世界的各种设备里，小到眼镜，大到无人机、机器人和汽车。

他进一步解释道，这里的关键瓶颈是，设备端的算力存在天然的物理约束，因为设备的本地运算需要消耗大量电力、配备更大电池，对于智能眼镜这类轻量化终端，这条路几乎走不通。因此，部分算力必须“卸载”（offload）到网络侧完成，即由运营商在网络边缘提供实时推理能力。

他对第一财经记者称，今天的网络是按“把数据从一个地方传到另一个地方”的逻辑设计的，但未来必须有能力“搬运智能”，也就是在边缘完成推理，而这正是将来“价值增量”所产生的地方。这也是为什么投资必然会也已经开始涌入这一领域。否则，物理AI的开发商就不得不在设备中塞入巨大算力，这会令机器人、车辆和工厂侧的成本爆炸式增长。

他称，在今年世界移动通信大会（MWC）上，爱立信展示了与一家机器人公司合作的案例，把机器人的部分计算能力卸载到网络中，让对方能以更低成本、更快速度把产品推向市场。

同时，AI也不能每次都被“送回数据中心”，必须有能力完成边缘推理。对此，他举了一个更具体的案例说明：“在未来自动驾驶的场景下，车辆智能需要在瞬间做出决策，如果信息要往返一个遥远的数据中心，或许需要耗费数秒，那时可能很难避免事故的发生。”

蓝尚立也坦言，这条路径上仍有瓶颈，最核心的是“系统割裂”，即不同设备、不同协议之间无法互通。他举例称，如果一个执行园艺任务的机器人，遇上一架正在巡逻的安防无人机，两者若用着完全不同的通信协议，可能很难确认彼此身份、避免相撞。这也是爱立信此前收购Vonage、并打造API平台Aduna的初衷，即试图用一层“翻译层”，让不同协议的设备能够对话。

从卖流量到卖Token

在AI时代，词元（Token）消耗量正成为关键的宏观经济指标之一。根据今年5月随着Google I/O 大会演讲的数据，谷歌处理的Token数量超过3.2千兆，全球已涌现出375家年投入Token超过1万亿的大型企业。

蓝尚立认为，对运营商而言，从“流量”到Token的计价单位的转换意味着更多的行业增长潜力。常见的“不限量”流量套餐意味着用户消耗的数据在持续增长，但固定不变的收费实际上“压平”了运营商的收入增长曲线。而Token作为新的计价方式，则为运营商提供了可以借力的增长轨迹。

据他观察，中国市场已经开始探索“Token经济”。今年5月，中国电信、中国移动、中国联通相继推出面向个人和家庭用户的“Token套餐”，首次将AI大模型的计算能力以类似“流量包”的形式明码标价销售。

蓝尚立表示：“这令人鼓舞。尤其当我们进入可穿戴设备、无人机等领域之后，投资回报会从那里回流。这将是一个投资按顺序、逐级推进、进而带来回报的过程。”

不过，蓝尚立强调，AI发展带来的改变并非“Token对比流量”这么简单，真正的收入增长在于发展“差异化连接”。他解释称，今天的3G、4G、5G网络本质上仍是“尽力而为”式的服务，速率确实可观，但未来的业务关键是对特定场景提供“保障”。他进一步表示，面对关键任务通信、智慧城市、低空经济、自动驾驶等这些新场景，运营商需要开始针对时延、吞吐量、安全等级提供分级的“保障型”连接能力，这可能会形成新的具有差异化的服务模式。

蓝尚立判断称，在未来的服务中，谁能率先做到这种差异化，谁就能在价格战来临前抢到溢价空间。而运营商同时握有AI智能资产、网络能力，以及企业与消费者两端的客户关系，“正好处在多个关键环节的交汇点上”，因此“很有机会成为赢家”。