移动通信网 云坪
第一段
【关键数据】
[1] 9000亿：未来网络联接对象将从90亿人扩展至9000亿智能体。
[2] 100倍：AI算法将资源管理求解维度较传统模式提升100倍。
[3] 1.5倍：网元智能化升级后，网络容量与用户体验均实现1.5倍提升。
[4] 50%：RAN Agent的应用使站点上站运维频次下降50%以上。
[5] 95%：NWDAF对差异化业务场景的体验感知准确率达到95%以上。
在移动通信产业面临“增量不增收”的结构性困境之际，华为于2026年MWC上海期间正式发布其面向移动AI时代的系统性解决方案——Agentic MBB。该框架的核心目标是推动移动网络从传统的数据管道（Byte）向智能分发中枢（Token）演进，以应对联接主体从90亿人向未来9000亿智能体（AI Agent）的指数级扩张。华为无线网络业务副总裁、首席营销官赵东将此变革归纳为“语音+数据+智能（Minute+Byte+Token）”的价值创造新范式。这一转变的背后，是AI Agent对网络提出的颠覆性需求。传统网络为人类通信设计，其服务质量（QoS）机制无法有效区分AI应用中高优先级的Token流（如机器人控制指令）与普通数据流（如下载任务）。随着联接广度从人口密集区延伸至“无人区”，联接密度从每平方公里百万级跃升至千万级，以及联接质量要求从“尽力而为”转变为确定性保障，现有网络架构已显现瓶颈。Agentic MBB的提出，并非简单的技术叠加，而是对网络底座的根本性重构，旨在通过将AI能力深度融入网络，使网络自身进化为能够主动感知、决策和自我优化的智能体，从而服务于外部海量的智能体应用，为运营商在即将到来的Token经济全价值链中重新锚定其核心地位，提供了一套清晰的战略路线图和技术实现路径。
第二段
Agentic MBB的技术内核体现为一套分层解耦、全域协同的三层智能架构，覆盖从物理硬件到业务逻辑的全链路。第一层是网元层智能，其核心在于提升物理管道的传输效率与能效。华为通过引入AI算法，对基站的资源管理、信道编码和波束控制三大关键环节进行重塑。在资源管理上，AI联合调度算法将求解维度提升100倍，支持的用户与小区并发调度能力提升10倍，实现了资源分配的精细化与实时性。在信道编码环节，生成式AI的应用使得信道测量精度提升10倍，通过稀疏采样即可重构完整信道函数。同时，预测性AI算法将波束跟踪速度提升10倍，实现对用户移动轨迹的精准预判和覆盖。现网实测数据显示，网元智能化升级可带来1.5倍的网络容量与用户体验双重提升。为支撑网元智能，华为引入了无线数字孪生系统（RDTS），通过构建20米高精度地理栅格模型，对设备、网络、物理环境进行全域数字化建模，使AI决策过程从“黑盒”走向可解释、可追溯。第二层是网络层智能，聚焦于运维效率与资源调度的自动化。通过部署RAN Agent智能体，网络运维从“被动响应”转为“主动预防”，站点非硬件故障的上站运维频次降低50%，故障修复时长缩短60%。第三层是业务层智能，通过引入AISF（智能业务功能单元）与NWDAF（网络数据分析功能）两大核心网元，实现网络能力的商业变现。NWDAF能够以超过95%的准确率识别差异化业务场景，并自适应输出网络策略，为运营商开辟基于体验的差异化定价模式提供了技术基础。
第三段
在全球移动通信设备市场，华为凭借Agentic MBB战略，试图在5.5G向6G演进的关键时期，进一步巩固其技术领先地位和市场份额。根据Dell'Oro Group等市场分析机构的数据，尽管面临地缘政治压力，华为在全球RAN（无线接入网）市场的份额（除北美外）仍保持在30%以上，领先于爱立信和诺基亚。Agentic MBB的发布，标志着华为的竞争策略从单纯的硬件性能比拼，转向了以AI驱动的网络架构与价值链重构。相较之下，爱立信的战略更侧重于通过网络切片技术深耕企业专网和特定垂直行业应用，其重点在于提供可编程、可定制化的连接服务。诺基亚则持续推广其AVA AI/ML产品组合，聚焦于利用AI和机器学习优化网络运维（O&M）和能耗管理，其核心逻辑是AI辅助下的网络效率提升。华为的Agentic MBB则更为激进，它不仅包含了运维优化，更将目标直指Token经济，试图让运营商从AI服务的价值链中直接获益。这种从“连接即服务”到“智能即服务”的范式转变，要求运营商的网络架构具备对AI业务流的原生感知和保障能力，这与竞争对手当前普遍采用的叠加式AI方案形成了显著差异。华为此举意在定义下一代网络的标准，将竞争壁垒从连接性能提升到智能架构层面。
第四段
Agentic MBB架构的推行将对整个电信产业链的成本结构与合作模式产生深远影响。对于上游的半导体和设备制造商而言，网元层智能化的要求意味着基站设备需要集成更强大的AI处理单元，如专用集成电路（ASIC）或现场可编程门阵列（FPGA），以支持实时的AI推理和模型训练。这不仅增加了硬件的初始资本支出（CAPEX），也对芯片设计和功耗控制提出了更高要求。华为通过其自研芯片能力，在这一环节具备了成本和性能的协同优势。对于中游的电信运营商，Agentic MBB描绘了一条从CAPEX投入到运营支出（OPEX）节省和新收入增长的转化路径。网络层智能体（RAN Agent）的应用，使得站点上站运维频次降低50%，故障修复时长缩短60%，直接降低了人力和维护成本。更重要的是，业务层智能为运营商开辟了超越传统流量经营的新商业模式。通过AISF和NWDAF，运营商可以设计基于Token优先级、时延确定性或安全等级的差异化服务套餐，从而在价值链中获得比单纯出售数据流量高得多的利润分成。这种模式也重塑了运营商与下游云服务商、AI应用开发商的关系，网络不再是透明管道，而是成为智能分发和价值分配的关键环节，三者需要更紧密地协同，共同定义和交付端到端的AI服务。
第五段
华为Agentic MBB的商业化落地并非纸上谈兵，而是遵循着一条清晰的演进路线。自2024年启动“开城计划”以来，华为已在中国市场完成了对超过100万个小区和20万个站点的智能化改造，为1.5亿用户终端提供了体验保障，这构成了Agentic MBB大规模部署的坚实基础。这些早期部署主要集中在网络层智能，通过网络智能运维方案实现了运维效率的显著提升。随着Agentic MBB框架的正式发布，商业化进程正向网元层和业务层深化。在具体的应用场景中，该架构展现了巨大的潜力。例如，针对高清直播、云游戏等对网络质量极度敏感的消费级应用，NWDAF能够以95%以上的准确率识别业务流，并通过动态切片技术，为高阶用户提供X倍的速率保障，同时确保95%的普通用户基础体验不受影响。在工业领域，针对具身智能机器人、远程精准操控等场景，AISF业务智能体平台可在核心网侧建立端到端的安全专线和确定性时延保障通道，这为运营商开辟了高价值的B2B市场。赵东所举的通话中实时防诈骗、降噪等功能，则展示了网络原生智能在革新基础通信服务方面的可能性。这些落地案例表明，Agentic MBB正从一个技术框架转变为可部署、可运营、可盈利的商业解决方案。
第六段
Agentic MBB的推出，反映了全球通信行业的一个核心趋势：AI正从网络的应用层（Over-the-Top）下沉至网络的基础设施层（Under-the-Top），成为网络的原生能力。华为从2025年提出AI引入网络的“三角形”思考，到2026年发布业界首个无线网络智能体RAN Agent，再到如今系统性地阐述三层智能架构，其战略动向清晰地表明，华为正试图主导这一行业演进方向。这种“让网络自身成为一个智能体”的理念，与仅仅将AI用作优化工具的思路存在本质区别。它直接影响了运营商的未来定位，为其提供了从被动的管道提供商，转型为主动的智能服务参与者的机会。通过掌握Token的分发、调度与保障，运营商能够深度介入AI服务的价值创造过程，从而有效应对收入增长停滞的挑战。对于整个AI产业生态，一个具备原生智能的移动网络意味着AI模型与终端之间的交互将更加高效、可靠和安全。这为需要确定性网络保障的复杂AI应用，如自动驾驶车队协同、大规模机器人集群控制等，扫清了关键的通信障碍。华为务实地强调AI的价值在于提升管道效率而非替代物理定律，这种根植于通信本质的思考，为其在即将到来的6G时代竞争中奠定了坚实的基础，6G网络预期的通感算一体化（Integrated Sensing, Communication, and Computation）架构，与Agentic MBB的理念一脉相承。
