飞象网讯（源初/文）随着计算能力、数据资源和网络技术的不断演进，大模型正在渗透至交通、制造、医疗健康、教育等领域，不断释放创新潜能。AI与5G的融合在这一过程中成为了推动大模型基础设施化的关键技术要素，激活数字时代的全新价值。
AI+5G融合加速大模型普及
有数据显示，在2023年，以大模型为代表的AI普及率达到了16.4%，并逐步扩展到更广泛的经济结构领域。这种普及速度与通用目的技术历史上的扩散路径相一致。可以预见，AI在普惠化后的规模效应将推动全球经济结构发生深刻变革。
于此同时，每一代通信技术的普及都离不开统一的标准、成本的下降和大规模覆盖。类似的，AI技术尤其是大模型的发展，也正在满足这些条件。两者的路径结合让大模型技术正在进入从创新应用到基础设施化的关键阶段。
从两者的关系上看，5G技术具有高带宽、低时延和广连接的特点，是实现AI技术规模化应用的重要支撑。大模型对数据、算力和网络提出了更高的需求，而这些需求与5G技术天然契合。
AI的训练和推理过程需要强大的算力支持。5G通过云网融合架构，能够提供集中式的云端算力和分布式的边缘算力。这种算力分布方式可以动态调整资源，为AI模型的实时推理和应用场景提供保障。
多模态大模型是AI发展的重要方向，其包含语音、图像、视频、文本等多种数据形式的处理能力。5G的高吞吐量和低时延特性使得多模态模型可以在终端设备上实现更高效的交互，例如AI驱动的机器人、自动驾驶和可穿戴设备。
最后在端侧，随着AI与5G的融合，终端设备正在向泛化智能演进。终端硬件不仅局限于传统的智能手机，还包括AI机器人、智能眼镜、自动驾驶汽车等，这些设备的形态将更加多样化，交互方式也更自然。
技术赋能与挑战并存
从产业价值链来看，大模型基础设施化的路径可以分为四个阶段：AI算力、AI终端、AI平台和AI应用。每一阶段的突破都依赖于底层技术的成熟和市场环境的变化。
AI算力阶段作为基础设施化的起点，涵盖从云端到边缘的分布式计算能力提升。大模型的训练规模和推理效率直接决定了后续应用的性能上限。
AI终端阶段中，大模型驱动的智能终端设备将逐步普及，例如AI手机、AI可穿戴设备等。这些终端设备不仅为用户提供便捷服务，还为AI模型提供更丰富的数据支持。
在AI平台阶段，大模型将成为AI时代的操作系统（OS）原生核心要素，通过屏蔽底层技术复杂性和增强上层应用支持能力，实现端云协同智能化。
作为最终目标的应用阶段，大模型通过赋能交通、教育、医疗等领域，推动产业应用的全面繁荣。例如，中国电信的“星辰大模型”体系已覆盖政务、工业等多个领域，为行业转型升级提供了强大的工具支持。
尽管AI与5G的融合前景广阔，但其推进过程中仍面临多重挑战，包括技术标准的不统一、算力成本的高昂以及行业间数据共享的不足。行业需要建立全球统一的AI和5G技术标准，推动产业链上下游的协同合作，以降低技术成本和应用门槛。同时，推进跨行业的数据共享和治理机制，确保数据的安全性和隐私保护，为大模型的能力兑现创造条件。
另外，还要通过创新硬件设计、引入先进算法和提高资源利用率，以优化成本结构，进一步降低AI模型的训练和部署成本。
展望未来，5G和AI的进一步融合将为全面智能社会的到来奠定基础。随着6G技术的研发推进，网络的极致性能将为大模型提供更强大的赋能能力。在6G时代，AI大模型有望实现从L3到L5级别的智能，进一步推动伴随使用成本的下降和应用的普及。
目前，在行业对于6G标准的规划中，已经开始将AI融入于系统设计，使其从5G时代的单一用例，融入为6G的一部分。例如在网络优化过程中，AI能为6G提供全面支持与效率提升，6G又能为AI面向网络自身和第三方用户提供泛在普惠的智能服务。
AI与5G的深度融合，为大模型的基础设施化开辟了全新的路径。通过技术、产业和应用的协同发展，AI大模型有望成为新一轮数字革命的重要驱动力，不仅成为经济增长的新动能，还将为人类社会带来全新的生产方式和生活体验。
