边缘 AI 或让电信运营商在 AI 基础设施中占一席之地

边缘 AI 或让电信运营商在 AI 中扮演更重要的角色，而城域站点——而非铁塔——正成为近期最清晰的机会。Jack Vaughan

2026年10月30日 9 分钟阅读电信运营商或许能在中心机房等城域站点找到最清晰的边缘 AI 机会，那里的电力、光纤和邻近性都比铁塔更具可行性。Getty Images

尽管电信行业多年来一直沉浸于“G”的叙事——4G、5G，如今是 6G——超大规模云厂商却一直在改写计算的更大叙事。电信运营商通过自己的管道和平台为这一演进的每个阶段提供了支撑，但从某些衡量标准来看，他们最终仍被定位成“管道工”。

最近，围绕生成式 AI 的喧嚣进一步盖过了电信自身的下一幕。在大语言模型、GPU 集群和超大规模 AI 建设的热闹景象面前，6G 看起来不像一个迫在眉睫的前沿，倒更像一个困在早期轮次的竞争者。

然而，AI 的下一阶段可能重新打开一个问题：电信运营商在数字基础设施栈中究竟处于什么位置。

随着生成式 AI 和代理式 AI 进入日常使用，边缘 AI 推理正在带来新的机会。大部分工作仍将在超大规模数据中心完成。但延迟、数据引力和成本很可能推动部分工作负载向边缘转移。一些观察人士认为，正是在那里，一种新的融合正在成形——它可能让电信运营商更接近 AI 推理基础设施的中心。

相关：家庭 GPU 网络：AI 数据中心的可行业补充？

Nvidia 已经释放了这一机会的部分信号。该公司在 AI 边缘的举动相比每日上演的超大规模巨额交易要低调得多，但融合的根基已在涉及 AT&T、Charter Communications、思科、诺基亚、软银、Telefónica、T-Mobile 等公司的项目和合作中显现。

Nvidia 尤其强调面向工厂和机器人用例的边缘 AI——通常被称为“物理 AI”——这与 AI-RAN 密切相关。与 AI-RAN 相连的 GPU 基础设施预计还将通过更高程度的网络运维自动化，帮助电信运营商提升自身效率。

不过，这个新兴的边缘绝非铁板一块。它层次细腻、结构分层，且仍在成形之中。它如何发展，如今已成为数据中心和电信圈子共同关注的核心问题。

边缘确实有潜力卸载目前集中在超大规模云厂商设施中的部分工作，并更高效地服务位于区域数据中心之外的应用程序。然而在实践中，将 AI 部署到大型区域设施之外，会给电信运营商带来一系列新的基础设施问题。

EnterpriseWeb 首席执行官 David Duggal 表示，经济性和工程难度可能很快就会变得棘手。EnterpriseWeb 开发用于映射和自动化代理式 AI 工作流的编排平台，并已参与与英特尔、戴尔等公司合作的概念验证项目，重点是在边缘应用生成式 AI 和自动化。

相关：边缘 AI 会让 AI 数据中心变得不那么重要吗？

正如 Duggal 所解释的，首要挑战之一是定义问题。“电信边缘”并不等同于“客户边缘”。前者指无线电铁塔、基站和网络邻近设施；后者可能位于企业园区、工厂、仓库或其他运营场所内部。

这一区分很重要，因为直接在铁塔或蜂窝站点部署高性能 AI 推理，远比将其部署在供电条件更好的城域或企业设施中困难得多。

“供电和散热问题让在铁塔或蜂窝站点上运行 AI 成为一个两难困境，”Duggal 说。“GPU 需要多得多的电力……而更多电力意味着更多热量。”

更多热量反过来意味着更多配套基础设施。GPU 昂贵、密集且功耗高，因此很难为每座无线电铁塔都配备先进推理硬件找到充分理由。正如 Duggal 等人所指出的，一些新兴的无线接入网模式反而将繁重的 AI 推理工作负载推回数据中心或其他服务更完善的聚合层。

AI 的多种边缘

当今的 AI 推理建设横跨多个基础设施层级。自 ChatGPT 问世以来，超大规模云一直承担最密集的生成式 AI 训练和开发工作负载，通常每个区域要运行数千个计算节点。在中心云之外，则是一个更加多样的边缘连续体：

城域边缘：由大型电信运营商或中立主机运营的中心机房、区域枢纽和其他聚合设施。这些站点可支持数百个节点，汇聚来自云和远边缘的数据流，并为更高密度的 GPU 部署提供更切实可行的环境。

远边缘：蜂窝铁塔、基站以及本地部署的机柜，服务于高度时间敏感的任务，包括机器视觉和本地化遥测。这些环境是 AI-RAN 和 O-RAN 讨论的天然焦点，但它们也面临最严峻的供电、散热和空间限制。

端点 AI：智能手机、车辆、工业控制器、远程信息处理单元和物联网传感器等设备。这些系统在本地处理部分工作，并根据需要将数据或决策向上游传递到远边缘、城域边缘或云。

关键在于，“边缘”并不是一个单一的地点。它是一条基础设施的梯度，每个层级都有不同的经济性和不同的技术现实。

旧交换机房的新生？

美国电信运营商还拥有一种较少被讨论的资产：房地产。中心机房、网络小屋和传统交换设施可能看起来不像 AI 基础设施的未来，但许多设施可能成为边缘推理的有用站点，尤其是在社区阻力使大型绿地数据中心开发变得复杂的情况下。

这种可能性也体现在标准工作中。改造棕地设施只是电信工业协会（TIA）更广泛努力的一部分，该努力旨在为 AI 数据中心基础设施定义更统一的实践。从这个意义上说，电信的机会不仅仅在于闲置空间。它关乎电信运营商、企业、超大规模云服务商和数据中心运营商围绕更模块化、更可重复的部署模式实现融合。

“从我们的角度来看，边缘数据中心的概念是一个完全封闭的数据中心，可以在工厂中建造，然后投放到某个地点，作为现有设施的附属物，”TIA 数据中心项目负责人 Mike Peterson 说。

这种标准化之所以重要，是因为 AI 基础设施正在全面改变物理设计假设。对于电信业而言，GPU 时代给一个经典的計算约束带来了现代变体：线缆的暴政。高密度 GPU 集群对布线、互连设计、配电和散热提出了极高要求。

“当你看到一些更新的 AI 数据中心设计，看到例如一个 Nvidia pod 中所需的线缆数量时，真是令人大开眼界，”Peterson 说。

随着 AI 进一步向边缘移动，无论是通过棕地改造还是新的模块化建设，这些物理设计问题都变得更加紧迫。TIA 一直通过与 ANSI/TIA-942（数据中心基础设施标准）相关的 AI 专项工作来解决其中一些问题。

供应链又增加了一层风险。AI 建设现在牵涉到多样化的参与者，包括承包商、组件供应商、集成商和服务提供商。2026 年 10 月 14 日，TIA 发布了其 DCE 9000 供应链组件质量管理标准的首份草案，这表明随着电信主导的边缘部署扩展，业界对一致性和规格控制的重视程度。

超越管道：电信运营商能否向上游移动？

电信业现在面临一个以新形式出现的熟悉问题：旧的“管道工”刻板印象会持续存在，还是运营商能够向价值链上游移动？

IDC 云和数据中心高级研究经理 Luis Fernandes 表示，答案仍然开放。

电信运营商或许仍能重塑自我——例如，作为 AI 经纪商为希望租用计算能力的企业服务，或自身成为 AI 即服务提供商。更大的问题是，AI-RAN 是否有助于推动这一演进向前发展。

“AI-RAN 在未来几年对电信运营商可能至关重要，”Fernandes 对 Data Center Knowledge 表示。但他警告说，这不会立即带来回报。

“目前合格资源短缺，预算正被分配给更炫目的项目，使 AI-RAN 成为少数人的副业项目，”他说。

即便如此，Fernandes 认为 AI-RAN 对电信运营商具有近期价值，可改善网络性能、降低成本并推动运营效率。换句话说，AI-RAN 的商业案例并不完全依赖于将第三方边缘推理变现。

他还警告不要夸大延迟作为推动 AI 向外扩展的普遍理由。在许多边缘讨论中，延迟被视为首要理由。Fernandes 说，IDC 的工作表明情况更为微妙。

IDC 与欧盟委员会合作开展了“数字十年边缘观测站”项目，研究包括 AI 在内的边缘工作负载和部署。Fernandes 说，研究发现延迟在某些情况下重要，但在大多数情况下并不重要。

“我们发现，尽管在非常特定的情况和领域，延迟是一个问题，但在大多数情况下，它在边缘并未发挥主要作用，”他说。“然而，工作负载类型是一个决定性因素。”

这种区分具有实际后果。实时工作负载需要由本地上下文和时序塑造的即时响应。分析型工作负载通常不需要。在这些情况下，数据可能在边缘进行暂存或预处理，然后再移回中央数据中心或云环境。对于企业买家和运营商来说，关键不是简单地问延迟能降到多低，而是哪些工作负载真正受益于被放置在更靠近行动点的位置。

内容分发网络天然契合这场迈向 AI 推理的竞赛。它们的机遇在于为实时流量提供更智能的路由，以及为计算机视觉、推荐引擎和上下文感知机器人等应用提供分布式处理。

为了在多个边缘位置编排此类工作负载，Akamai 正在将配备 GPU 的边缘节点直接部署到电信中心机房内。与此同时，它也在与远边缘元素合作，尤其是在物理 AI 用例中。

据 Akamai 云技术集团产品高级副总裁 Jon Alexander 称，物理 AI 仍是当今对延迟最敏感的用例之一。

“你不可能等上 10 秒钟，把数据一路传到地球另一端，”Alexander 说。“工厂里的一切[都会]停下来。”

不过，对于不需要在设备上即时干预的工作负载，Alexander 表示，城域级边缘基础设施可能提供性能与成本的最佳平衡。如果支持 GPU 的城域节点能够提供 5 到 10 毫秒范围内的响应时间，这对广泛的商业 AI 工作负载来说可能已经足够。

“这对当今几乎每一种[计算]体验来说都很棒。这意味着良好的利用率和良好的经济效益，”他说。“网络很重要，而经济性也是个问题。”

关于作者

Jack Vaughan

Jack Vaughan 是一名自由撰稿记者，此前曾负责 TechTarget 旗下 SearchDataManagement、SearchOracle 和 SearchSQLServer 的编辑报道工作。在 2004 年加入 TechTarget 之前，Vaughan 曾任 Application Development Trends 和 ADTmag.com 的特约编辑。此外，他还为《Software Magazine》《Digital Design》和《EDN News Edition》等刊物撰写过有关计算机硬件和软件的文章。他拥有波士顿大学的新闻学学士学位和科学传播硕士学位。查看更多 Jack Vaughan 的文章

2026 年 8 月 21 日

2026 年 10 月 29 日

Data Center World POWER

欢迎于 2026 年 9 月 21 日至 23 日在德克萨斯州达拉斯的 Gaylord Texan Resort & Convention Center 加入整个数据中心生态系统的盛会。了解更多