运营商亟需补足两大短板……

/记得星标我/

比大部分人早一步看见未来

三大运营商都在积极转型，纷纷将AI转型作为集团级战略推进。

能不能行？

从资源禀赋方面看，运营商作为数字信息基础设施的主力军，天然拥有网络覆盖、用户规模、场景入口等多重优势，转型应该是顺其自然的。

但从实际落地效果看，多数运营商的AI业务仍停留在试点和局部应用阶段，尚未形成规模化的商业闭环。表面看是产品成熟度不够、市场接受度不高，往深层看，我认为核心是两大根本性短板没有补齐——

第一，通算智全栈能力存在断层，硬实力没有真正锻强；

第二，生产组织和运营机制不匹配，生产关系跟不上生产力升级的节奏。

通算智全栈能力仍有明显断层

通信服务模式和产品形态升级偏慢

运营商最核心的基本盘是通信网络，但当前的服务模式整体还停留在连接时代。面向个人市场，产品形态仍以流量套餐为主，AI更多作为附加权益嵌入，没有形成独立的价值闭环。面向政企市场，解决方案大多还是通信加算力的简单叠加，智能应用的深度不足。

真正的通算智融合，应该是网络能力可以根据算力和智能需求动态调度，比如面向AI推理场景提供确定性时延的网络服务，面向模型训练提供大带宽的专属链路。目前这类融合型产品数量不多，标准化程度也不高，更多是项目式定制，难以快速复制推广。

算力资源规模与投入强度存在差距

算力是AI时代的核心资源，也是运营商重点布局的方向。近几年三大运营商都在加大数据中心和算力中心建设，但整体看，算力规模和行业领先水平相比仍有不小差距。

一方面，高端算力储备不足。运营商的算力资源中，通用CPU服务器占比偏高，GPU等AI训练和推理所需的高端算力占比偏低，且分布相对分散，集约化调度能力不强。另一方面，投入强度和迭代速度偏慢。头部科技企业可以保持高强度的算力投入，快速迭代硬件设施，而运营商受投资回报考核约束，算力投入的节奏相对稳健，在技术快速迭代的周期里容易拉开代差。

此外，算力网络的概念提了很多年，但真正实现跨地域、跨层级算力灵活调度的场景还不多，很多地方还是物理机房的简单堆砌，离算力如水一样随取随用的目标还有距离。

大模型与核心算法能力仍是弱项

如果说网络和算力是基础，大模型和算法就是AI能力的核心。运营商在这一领域的短板更为明显。

运营商拥有海量的网络数据和用户行为数据，但数据治理能力、数据要素化能力偏弱，很多数据沉睡在不同系统中，没有转化为训练大模型的有效资产。在模型层面，多数运营商选择基于开源模型做行业适配，自主研发的基础大模型数量少，核心算法积累不足，模型迭代的速度也跟不上专业AI公司。

更关键的是人才缺口。AI算法人才高度市场化，运营商的薪酬体系和用人机制对顶尖算法人才吸引力有限，导致核心技术团队规模偏小，难以支撑高强度的模型研发和行业定制需求。

- 02 -

生产组织与运营机制亟待适配调整

层级化架构难以适配科技服务节奏

运营商传统的组织架构是多级管理、分层考核，这种模式在运营标准化通信业务时效率很高，但面对AI这类快速迭代的科技业务，就显得反应偏慢。

一款AI产品从需求提出到立项研发，再到测试上线，往往要经过多层审批、多部门评审。而AI行业的常态是小步快跑、快速迭代，很多产品需要边用边优化。决策链条过长，很容易错过市场窗口，也导致产品上线后跟不上需求变化。

跨域协同机制不畅，难以形成合力

通算智融合业务，天然需要网络、算力、政企、技术等多个部门协同。但在运营商现有体系下，各条线往往有独立的考核目标和利益诉求，跨部门协作成本较高。

做一个融合型产品，常常需要反复协调资源、拆分收益，内部消耗了大量精力。对外交付时，客户面对的是多个接口，体验也不够顺畅。这种部门墙的存在，让全栈能力很难真正整合起来，形不成叠加放大的效果。

考核激励机制与创新业务不匹配

传统通信业务成熟稳定，考核侧重营收规模、市场份额和投资回报率。但AI业务大多处于培育期，前期投入大、回报周期长，还存在试错成本。

用成熟业务的考核标准去要求创新业务，基层单位自然倾向于做短平快的项目，不愿意做长期投入。在人才激励上，科技人才的价值没有得到充分体现，核心团队的激励力度和市场水平有差距，既难引进高端人才，也容易造成现有人才流失。

- 03 -

补短板的方向与行业判断

运营商补足两大短板，不是简单加投资、加人员就能解决，本质上是一次从能力到机制的系统性重构。

在能力建设上，要坚持有所为有所不为。通信和算力底座是运营商的优势，必须持续投入锻强，尤其是高端算力和算力调度能力。大模型和算法层面，不必追求完全从零自研，可以立足行业场景，聚焦垂直领域做深度优化，形成差异化优势。

在机制改革上，要给AI业务更宽松的发展环境。可以探索设立业务特区，实行差异化考核，提高容错空间，用更市场化的方式吸引和激励人才。打破部门墙，建立跨条线的融合团队，让一线团队拥有更多决策权限。

运营商的AI转型有基础、有空间，但前提是先把这两块短板补上。硬实力锻强，软实力适配，才能真正把网络和场景优势转化为AI时代的竞争优势。这个过程不会太快，但却是必经之路。