2026全球数字经济大会即将在北京举行，人工智能与数字经济深度融合，是本次大会重点聚焦的核心议题。当前，人工智能正加速向千行百业渗透，但“融合不深入、落地成本高、场景难复制”等痛点依然突出。如何打通人工智能规模化落地的信息通路？下一代人工智能的核心技术路线将走向何方？如何在安全可控的前提下最大化释放数据要素价值？围绕这些议题，新华网专访了中国电信集团CTO、首席科学家、中国电信人工智能研究院（TeleAI）院长李学龙教授。他认为，下一代人工智能的核心技术路线将跳出单纯算法模型竞争，走向人工智能与信息通信双向共生的全新范式；以智传网（AI Flow）技术体系为智能底座，将打通从“数据传输”到“智能流转”的根本性变革。
以智传网为底座，打通AI规模化落地信息通路
新华网：人工智能与实体经济深度融合存在“融合不深入、落地成本高”等痛点，如何实现人工智能与各行业的规模化、可持续融合？
李学龙：今年3月，“十五五”规划纲要明确提出全面实施“人工智能+”行动，全方位赋能千行百业、激活新质生产力发展动能。然而，当前产业融合普遍存在应用创新不足、落地成本偏高、场景难以批量复制等现实痛点。单纯依靠算法、模型层面的提升，无法打通全产业链智能化改造堵点。智能算力、数据流转、多端协同均离不开高性能一体化通信底座作为支撑，因此，构建“人工智能+信息通信”协同一体的新型基础设施迫在眉睫。
立足产业转型现实需求，中国电信人工智能研究院（TeleAI）创新打造智传网（AI Flow）技术体系，将人工智能、通信、网络三项核心技术深度融合，构建起“端-边-云”协同的新型网络架构，为人工智能规模化落地提供完整解决方案。智传网（AI Flow）打破了终端设备、边缘计算、云端服务器之间独立运行的传统模式，能实现从“数据传输”到“智能流转”的根本性变革。其核心优势在于让智能与通信互利共生，通过原创的生成式智能传输技术，开拓了信息传输从“比特流”到“词元流”（Token）的模式跃迁，不仅能改善传统网络数据传输延迟高、带宽占用大、资源调配不灵活等痛点，还将解决算力集中部署的局限性，为人工智能的规模化和产业融合打通了信息通路。
从“比特流”到“词元流”，开启AI与通信共生新范式
新华网：下一代人工智能的核心技术路线是什么？
李学龙：今年6月，工业和信息化部印发《“人工智能+信息通信”创新发展实施意见（2026—2028年）》，提出通感算智一体化、端边云全域协同、网络内生智能发展方向，进一步促进人工智能与信息通信融合创新发展。下一代人工智能核心技术路线将跳出单纯算法模型竞争，走向人工智能与信息通信双向共生的全新发展范式：以智传网（AI Flow）技术体系为智能底座，依托“生成式智能传输”技术路线，颠覆传统通信技术对原始信息的“符号搬运”模式，以“计算换带宽”为核心理念，不再直接传输海量原始数据，而是传输凝练了数据中语义、特征与条件的词元，再在接收端还原信息。这一路径开拓了信息传输从“比特流”到“词元流”的模式跃迁，不仅能大幅降低带宽占用率并提升传输效率，还能在极端网络受限场景下保障信息的实时性与完整性。
智传网（AI Flow）还通过在“端-边-云”分层架构中构建家族式同源模型，按照同源定制、特征对齐的原则，让不同规模、不同部署位置的模型共享统一知识体系与特征向量，实现智能任务在不同设备、不同网络层级之间的高效协同。这不仅适配算力网与新一代通信网的深度融合，还将推动智能从“云端集中”走向“全域分布”，打通智能协作的链路。传统智能系统依赖集中式数据处理，智能能力局限于单体模型的算法边界，且存在数据隐私泄露、响应滞后等痛点。而智传网（AI Flow）通过分布式群体智能，打破“数据驱动”的单一范式，转向“基于连接和交互驱动的智能涌现”新范式，让各智能体在交互中共享知识、协同决策，实现“1+1>2”的智能增益。
端云协同护航，统筹数据安全与价值释放
新华网：如何构建既符合国家安全要求、又能最大化释放数据要素GDP贡献的制度体系？
李学龙：统筹高水平数据安全与数据要素价值最大化，是落实总体国家安全观、释放数字经济增长的核心命题。当前传统数据流通模式存在原始明文全域传输、数据边界模糊、跨域流转安全风险高、海量数据存储传输推高要素流通成本等矛盾：一味收紧管控会抑制数据流通、削弱产业赋能能力；放开原始数据自由流转又极易引发涉密、敏感信息泄露，难以平衡安全底线与市场化价值转化。结合工信部“人工智能+信息通信”通感算智一体化部署方向，完整制度体系需实现制度规则、算网技术底座、市场流通机制、协同监管治理四维配套。中国电信人工智能研究院（TeleAI）自研的智传网（AI Flow）“端-边-云”协同架构，为制度落地提供安全与发展双向兼容的技术载体，打通安全可控前提下高效盘活数据要素的实施路径。
在智传网（AI Flow）的“端-边-云”网络架构中，部署了一系列大小不同的家族式同源模型，它们彼此之间的特征是对齐的，可以通畅地共享信息、协同工作，大模型基于小模型的输出接力推理。在以目标为导向的信息传输任务中，根据资源条件和需求的不同，可以灵活传输部分词元给接收端的大模型做接力式推理。这种端云协同的方式，可以大幅提升推理效率。更重要的是，智传网（AI Flow）传哪些信息不是事先定义好的，而是随着任务和画面的变化做出决策。
这种能力在隐私安全保障方面发挥了重要作用。例如在面对校园霸凌、卫生间吸烟等特殊场景，既要对危险行为进行实时监控和预警，又要保障被拍摄人员的个人隐私。智传网（AI Flow）则可实现从源头对数据脱敏，端侧小模型完成从原始图像到抽象特征的非线性映射，发送端仅传输用于理解并对行动给出指导的向量特征；接收端的家族式同源模型再对风险行为进行识别推理，通过语义描述或风格化图像的形式呈现，拒绝对原始画面的还原。类似的应用还有电诈实时防护系统：端侧模型对诈骗通话进行语义特征抽取与隐私过滤，云端模型接力执行复杂行为推理和决策。
