本文来自微信公众号“天翼智库”，作者/大模型研究团队。
本文从基础设施、企业战略和数字化转型三个视角分析了大模型时代电信运营商的新变化、新挑战和新机会，希望能给读者一些启发。
从云网基础设施
向大模型基础设施升级
数字基础设施具有先行性、基础性和乘数效应，决定了数字化产业和应用的发展速度和高度。近年来我国数字经济高速发展，与数字基础设施的不断升级密不可分。在政策引导、技术变革、需求升级等多重因素推动下，我国数字基础设施短时间内走过了通信基础设施、互联网基础设施、移动互联网基础设施三个阶段，目前正处于云基础设施大发展阶段，整体呈现从连接向算力升级、不断“变厚加宽”（见图1）的趋势。比如从移动互联网基础设施向云基础设施的升级，云资源池作为新的组成部分，使基础设施变得“更厚”，同时移动网络也从3G演进为4G，速度更快并且覆盖范围更广，基础设施变得“更宽”。
图1数字基础设施的演进
大模型时代需要大模型基础设施先行。陆奇认为大模型时代的数字化基础设施包括云、边缘计算、模型、通信网络、数据中心、数据堆栈、分布式系统、服务器、交换机、数据中心、卫星载荷/星座、数据集、开源软件、芯片设计、产权保护等。模型和数据集将叠加在云资源池（智算中心）之上，提供大规模训练、微调和高效推理，成为大模型基础设施的重要组成部分，它们将在数字化应用需求的推动下，牵引数字基础设施变得“更厚更宽”，比如云资源池从通用算力向智能算力升级，最终推动云基础设施向AI基础设施升级，变得“更厚”，这个过程中5G网络进一步渗透，随着大模型的广泛应用，网络流量模型也会发生变化，网络需要变得“更宽”。
大模型基础设施是电信运营商立足大模型时代乃至智能时代的根本，其重要性不亚于前面任何一次基础设施。没有AI就没有云的未来。电信运营商在现有的连接和算力资源基础上，建设大模型基础设施，满足未来大模型训练和推理需求，打造继云业务之后的新增长点。但同时发展和建设大模型基础设施的挑战也是前所未有，不仅大模型本身技术要求高，大模型作为系统工程复杂度高，在智能算力中心建设、数据集发展和数据标注以及大模型训练调优等方面需要投入大量的人力和资金，单次训练就要数百万到数千万人民币，大模型很可能需要经历与云计算一样的长期投入后才能初见成效和实现盈利。同时，云网协同、算网融合进一步向智网融合升级演进。
从信息服务
向智能服务升级
进入大模型时代，电信运营商外部环境将发生重大变化。国家战略要求方面，大模型和通用人工智能的战略地位将进一步提升，打造大模型基础设施、推动人工智能产业发展是电信运营商应当扛起的责任。4月28日，中共中央政治局召开会议，提出要重视通用人工智能发展，营造创新生态，重视防范风险；5月11日，国资委党委召开扩大会议，强调要推动中央企业加大在新一代信息技术、人工智能、集成电路、工业母机等战略性新兴产业布局力度。市场需求方面，ChatGPT的火爆以及LMaaS（大模型即服务）模式的确立，充分显示了大模型从企业端到消费端，均有快速落地应用的巨大潜力，瑞银称整个生成式人工智能应用程序的市场规模或在不久的将来高达1万亿美元。从行业来看，媒体、娱乐、互联网、金融业，乃至制造、医疗、教育等产业都对大模型有着现实而广阔的需求。技术变革方面，随着加速算法、大模型算法、大模型工程化训练和自动化训练技术等进一步成熟，电信运营商拓展大模型领域的技术门槛将不断降低。
电信运营商的战略逻辑，将从基于网络和云的数字信息服务向基于大模型和数据集的智能信息服务转变并进一步向智能服务拓展。当前，三大运营商的战略逻辑都是以5G网络和云为基石，从通信服务向信息服务拓展，这符合云计算时代的需求和要求。未来，为了适应大模型时代的环境和需求变化，电信运营商的战略重心将转向智能服务，即以大模型基础设施为承载，整合数据要素，提供泛在、可定制的各类智能服务，不仅提供信息，还具有学习、处理、决策和控制的能力。比如，IPTV是信息服务，根据用户偏好生产IPTV内容属于智能信息服务，智能视频监控则属于智能服务，而基于大模型驱动的家庭机器人则属于高级智能服务。
从数字企业
向智慧企业升级
Gartner认为生成式AI是最有商业前景的人工智能技术，将有力推动传统产业的数字化转型，并预测2025年，50%的药物发现与研发将使用生成式AI；2027年，30%的制造商将使用生成式AI提高产品研发效率。当前电信运营商正在深入推进数字化转型，主要路径是以网络化为基础，通过数据驱动业务创新和流程重构，实现提质提效，但在不同领域、不同环节的程度和效果差异很大。大模型作为迄今为止最高级而且能力还在不断泛化和快速进化的“智能助手”，为数字化转型提供了新的路径，即构建企业高质量数据集，以大模型为载体，实现认知驱动的业务创新和流程重构，可快速实现业务和管理运营领域深度的智能化，助推企业从数字企业迈向智慧企业，实现更大范围和程度的提质增效。
1.从业务数字化来看，大模型会加速电信运营商现有业务改造，推动业务创新，主要体现在云基础设施服务、数字化应用和大模型配套服务等三个方面。
云基础设施方面，大模型训练消耗海量计算资源，需大规模并行计算能力支撑。电信运营商以现有公有云基础设施为基础，有利于快速升级成为大模型基础设施。微软基于Azure为OpenAI提供了理想的GPT训练算力环境，而chatGPT至少为微软Azure云带来10亿美元收益。另外，为从根本杜绝数据泄露问题，将大模型部署至专属云等安全可信环境，或成为高信息安全要求行业客户的首选。电信运营商可升级和重构数据中心，加大智能计算、高性能计算等专用算力投入，更好地支持大规模的数据处理、自动化管理和可扩展性，以满足不断增长的AI尤其是大模型计算和分析需求。
数字化应用方面，大模型会重构电信运营商的个人、家庭和产数业务，打造全新消费级和企业级应用。电信运营商可基于现有政企资源和解决方案优势，面向新闻传媒、游戏娱乐、教育、司法等行业推出基于大模型的新应用。
大模型配套服务方面，企业通常会使用领域和企业自有数据精调大模型，从而对数据清洗、数据标注、模型微调、指令（Prompt）自动化等大模型开发服务有大量需求。如百度推出的“文心千帆”大模型生产平台，赋能企业打造专属大模型。电信运营商可以从行业专用大模型和企业专属大模型切入市场，提供覆盖数据清洗、数据标注、模型构建、模型训练、模型微调、模型部署、模型调优等能力的一站式机器学习平台。
2.从管理和运营数字化来看，大模型可以帮助电信运营商提升网络运营、网信安全、市场营销、客户服务的效率，对生态合作和人力资源管理提出新的要求。
网络运营方面，网络大模型在云网“规、建、维、优”等各环节都能发挥作用，通过融合各专业的数据和知识，可实现智能化的云网规划和设计、自动监控、智能调度、预警自动处置、网络设备自动化管理、网络自治及故障自愈。
网信安全方面，安全大模型可进行智能威胁检测、流量分析和行为监测，检测并拦截攻击，提供智能化的安全监管和保护等。
市场营销方面，营销大模型可高效生成精准营销方案；实现智能营销，针对不同定位的用户群体、不同的营销场景，生成千人千面的营销话术，助力全量客户运营；还可辅助营销评估，基于点击率、转化率、投资回报率等数据，评估营销活动效果，帮助企业优化营销策略。
智能客服方面，客服大模型释放企业全链路客户声音、体验历程等非结构化的沉默数据价值，帮助企业更好地刻画客户需求，重塑客户连接和互动模式。例如，智能客服将从To C走向To B，从标准化查询、咨询服务，到智能预判精准服务、先于投诉发现和解决问题、在线一站式和一人千面式服务。
生态合作方面，大模型将重构电信运营商的现有产业生态，形成以大模型为核心，包括AI芯片、网络、云、深度学习框架、数据标注、SaaS应用、大模型测评、开源社区等的新生态体系。电信运营商需要努力打造或加入新的生态来尽快提升自己的能力短板。
人力资源管理方面，大模型是一把双刃剑，一方面会对人才提出更高的AI技能需求，增加新的岗位，比如针对领域模型和行业模型的AI算法工程师和大数据工程师，以及数据标注训练工程师和提示工程师（Prompt Engineer）；另一方面，会替代知识结构化程度高的岗位，如营销策划人员、客户服务人员等，要求电信运营商提前谋划，推进人力资源转型。
