2024 版ICT服务与软件2030

2024版 ICT服务与软件 2030 构建万物互联的智能世界 前言 通讯行业从2G逐步走向5G，ICT服务和软件行业也经历了标准化，工具化，数字化的代际升级；随着GenAI，数字孪生等新技术的兴起，从数字化到智能化已成为行业共识，2030年，人工智能将无所不在，基础设施智能泛在感知成为刚需，大模型逐步走向AGI像人类一样思考，服务模式将从围绕“人”逐步走向“机器”，企业营销和赋能的方式也将变得更加实时敏捷...... 未来十年，千行百业的智能化转型类似20世纪的工业革命，GenAI是和蒸汽机，电灯一样伟大的发明，第一次让机器像人脑一样学习和思考，这是跨时代的改变生产力的历史进程，将开启每个企业/家庭/个人工作和生活的新时代…. 目录 01 宏观趋势与展望04 02 ICT服务与软件2030未来场景06 规建+AI：SLA从不确定性到确定性06 规建AI+：从数字化集成到“系统工程”集成08 运维+AI：从“面向网络”到“面向业务”10 运维AI+：从服务“人”到服务“机器”的运维12 维优+AI：从人等网络到网络等人，激发体验变现意愿13 维优AI+：基于智能内生的网络优化Agent14 营销+AI：数智新业务，敏捷创新，牵引新增长15 营销+AI：从成本中心到“效益中心”16 赋能+AI：从“基于文档的信息体系”到“基于Token/Pitch的知识体系”17 赋能AI+：从“人找知识”到“知识找人”18 03 ICT服务与软件2030愿景及核心技术20 数字孪生20 模型驱动22 ICT融合交付23 数据工程24 以业务为中心25 平台智能化27 04 ICT服务与软件2030倡议28 05 附录（参考、缩略语）29 01 宏观趋势与展望 新技术、新业务、新范式等带来无限新可能，引发无限新畅想，同时也引入诸多不确定性 人类正加速迈入智能世界，数字化、智能化、低碳化的确定性发展趋势已成共识。面向2C的裸眼3D，AI背包，自动驾驶以及面向2B的工业制造无灯工厂，基于“机械手，机械臂”的智慧矿山，智慧港口正在加速到来；以GenAI为代表的大模型、人工智能、5G-A、超大规模算力集群、液冷数据中心、数字孪生、智能体等新技术一日千里；新的知识和数据管理体系、平台智能化、大小模型协同、AIforNetwork、NetworkforAI等新范式应运而生，三者协同共进为数智新业务的创新和涌现提供了支撑，引发无限新畅想，创造无限新可能。 要将每一代新技术、新范式引入生产环境，释放新的生产力，都需做到在现有业务生产环境和谐共生基础上持续平滑演进，能对“复杂性和不确定性”有效管控，实现ICT基础设施全生命周期有序演进，及时满足新业务、新体验 对ICT基础设施新能力的需求，激发新创新，实现新体验的持续升级，最大化投资效益，从而驱动行业数智化转型的加速。如AI教母李飞飞所言：AI是一门渗透式技术，会像水一样影响每个人，每个行业。随着新业务，新技术，新范式的持续演进，未来的ICT服务和软件行业也将迎来更大的不确定性，我们需要思考如何让如此多的新业务、新技术、新范式释放出商业价值和技术红利的同时，也要同步考虑如何通过新技术来改善自身全生命周期的竞争力： 1.服务+AI：如面向千行百业，万物“智”连，新业务SLA带来的不确定性，网络故障爆炸半径“逐渐变大”，如何实现从面向“网络”走向面向“业务”的运维；数据和知识管理作为GenAI和大模型技术的关键能力将重新改写人类学习和赋能的方式，如何驾驭未来智能人才发展等等，这些都是服务需要为AI做的事情 2.服务AI+：如大模型，机器人，具身智能体已成为未来服务模式不可分割的一部分，如何通过Agent+工具+人的模式改变传统以人+平台的模式，提升规建维优营培效率，改善成本和模式，这些是AI需要帮助服务做的事情。 ICT服务与软件2030未来场景：AI+改变服务模式，+AI带来众多服务新场景 不确定性SLA确定性SLA 服务56000+客户 信息体系知识体系 数字交付系统工程交付 人找知识知识找人 携手6200+伙伴 超大上行，低延迟，6个9 规 从基于人的“信息系统”转向基于模型的“知识体系” 基于MFU，线性度的规划设计 建 知识体系融合伙伴人员 培生产流，实时推送 服务AI+ 服务AI+ ICT服务与软件 2030场景 服务AI+ 服务AI+ 服务人服务智能体 维 营 成本中心利润中心 面向网络面向业务 优 数字业务数智业务 以智能体为中心的感知，分析及工具 加速智能化转型 基于数据的运营促进用户发展和维挽 加速释放技术红利 面向“业务”的运维运维 “anytimeanywhere”实时营销 面向2030年，未来已来，如何用确定性的服务能力来解决众多不确定的+AI和AI+的需求，是每一个ICT人需要思考的关键问题… 02 ICT服务与软件2030未来场景 规建+AI：SLA从不确定性到确定性 2030年，连接从“万物互联”到“万物智联”，在数字化时代，连接的对象更多是人和传统iOT的“物”，根据Gartner,IMT等标准组织2030年预测，AR/VR/MR等终端将占据30%的终端市场，无人出行，工业制造2030也将成为现实，基于“机械臂，机械手”的黑灯工厂，无人矿山随着行业智能化成为企业刚需；同时智能体、机器人也将逐步取代当前人类大部分重复性工作， 华为预计2030年无线AIAgent活跃用户数将达60亿，华为预测ICT领域2030年将有45%的场景被Agent覆盖，100%的角色将拥有自身的Co-pilot，不仅包括虚拟世界中的数字分身，还包括物理世界的具身智能，比如工业机器人，服务机器人，陪伴机器人，自动无人机，自动驾驶汽车等，这些新的服务对象会对未来的网络规划产生极大的不确定性。 行业 业务类型 业务对网络的要求 数量 业务可用（单用户、单业务） 安全 可信 带宽需求/单用户（Mbps） 业务时延需求（ms） B1 B2 B3 B4 B5 T1 T2 T3 T4 T5 S1 S2 M1 M2 M3 1~10 10~20 20~50 50~100 >100 50~100 20~50 10~20 5~10 <5 逻辑隔离 物理隔离 可视 可管 可运营 智能医疗 16K远程诊疗 10 1G 监测护理 2K 全息远程手术 5 10G 智能电网 视频巡检 - 电网控制 - 无线监测 - 智能制造 工厂环境 100 信息采集 10K 操作控制 1K 参考信通院《5G端到端切片行业SLA需求研究报告》 基于新传播模型的网络规划：传统网络基于“人”的网络的SLA主要要求的是通话接通率，掉话率，MOS（平均意见值），呼叫建立时延，追求的是在人的主观体验承受范围内的体验需求，偶尔一次掉话，延迟是可以接受的，而面向“万物智联”的网络传播模型需要提供面向“机器”的最优感知，随着Agent逐步融入更多2C生活场景和2B生产流，更需要确定性的SLA来保障生活中的极致体验和生产不中断，如自动驾驶，低空经济，智慧港口等场景一旦发生问题很容易导致全行业跨城市，跨国际的重大灾难，所以网络规划必须兼容传统“人”和面向未来“机器”的传播模型，实现SLA的高可靠性。 从商业角度来看，“万物智联”的网络相比面 围绕“人”感知的体验传播模型，提供人的最优体验 向“人”的网络难以直接用传统的套餐/DOU/渗透率来计算投资回报。每类场景均面临不同的商业模式及建网需求，需要结合各区域、城市的“智能化程度”来进行精细化的建网规划和上市节奏，所以“滴灌式投资”对系统集成的TTM的要求会更高。如何在复杂的业务场景中快速抢得市场先机，需要结合确定性的业务场景SLA需求进行快速网络升级和ROI。规划更需要通过数字孪生构建网络实时仿真能力，基于未来网络建设业务场景化需求变化快速规划网络目标网，通过规划设计快速在虚拟世界孪生物理世界的业务及网络变化，构建面向人和“机器”的传播模型及网络性能仿真预测，同时要求规划成为小周期迭代。精准度实现99.9%，TTM相比当前提升50%。 围绕“机器+物”的感知传播模型，提供机器的最优感知 MOS>=3.0占比 9% 86.18%95% 呼叫建立时延 0.5s 3.5 3.04 虚警率↓5% 掉话率，抖动↓10% 接通率 1.1% 98.51% 99.64% 掉话率 0.4% 0.82% 0.4% 感知覆盖率↑10% 感知精度30m↑15% 规建AI+：从数字化集成到“系统工程”集成 1.0 0.8 0.6 0.4 0.2 01000卡2000卡4000卡8000卡卡数 AI代表模型 训练卡数 ChatGPT 千卡 GPT-4 万卡 Gemini 5.4万TPU Grok2 10万卡 AGI 百万卡（星际之门计划） 概率 99.90%99.95%99.99% 集群随Scalinglaw规模越来越大，Grok2和星际之门计划已经逐渐扩展到十万卡，百万卡，字节在2024年2月发布12288个GPU训练175B的MegaScale系统，比肩谷歌，达到业界目前万卡集群最高水平。字节用了多达9种优化方法，也只把MFU做到55%，距离MFU （最高95%)仍有巨大的差距，MFU每提升1PCT，将会带来上千万成本的成本节省，数倍的性能提升以及训练TTM的缩短，同时根据Mason预测，当前智算OPEX相比传统通算OPEX上涨35%，2050年将上涨50%以上，主要是水，电等。全栈DCL1&L2联动AI节能和高MFU规划将成为智算中心刚需。 不同的AI业务对智算网络的需求和竞争力构建方向也完全不同，如不同的LLM，小模型训练推理场景：算力、网络带宽、网络延迟、内存带宽、内存容量需求均不相同，面向多样性需求，系统架构要具备足够的灵活性。网络作为联接底座，将‘算’‘存’灵活配置组合，以适配不同场景，没有一种业务同时需要5种能力，以网补算、以算补存、以存代算，“网存算协同设计”是未来智算集群系统级主要规划方向。根据普华永道预测，2030年前通过相同算力需求下，算存网协同规划存在300%的优化空间，所以面对未来高复杂的MFU和线性度要求，基于“系统工程”的集成服务将成为行业刚需。 AI业务 计算算力 网络带宽 网络延迟 内存带宽 内存容量 LLM训练LLM推理(Prefill)LLM推理(decode)推荐系统训练推荐系统推理 交付模式 运营商：场景标准，金额大 企业：场景各异，金额小 工具平台、工程师、物理集中--->交付Agents、工程师+Copilot、逻辑集中 数据/知识 作业及记录，记录即数据--> 过程数据已不够用，知识数据亟需积累 交付数据（持续积累）：静态知识->思维链+DSL语言 交付平台(IT) 支撑 协同 调用 训练 现场单兵装备 手机/卷尺-->智能作战装备XR+AI 本地离线->端云协同，智慧具身 交付大脑 工具：单机/功能-->Copilot，思维链，场景化Agents决策：经验/责任-->算法寻优，数据透视，辅助决策 WSD/WDT…CoreMaster…MOSS/FOCopilot… 持续训练，多种模型，各种外挂，灵活调用 工具 Silo工具-->原子化/PBCCDE… 垂直领域调用->组合->创造 从交付模式上来看，未来集成服务主要变化是从二维到三维。传统集成服务一直是在时间维度（阶段及阶段的成效）、任务维度（具体做什么输出什么）描述服务，系统工程服务需要再增加一个维度：系统空间计算，用数字孪生的方式具象化出每个时间阶段、任务作用在系统空间上的变化： 未来交付模式降从传统的人+工具物理集中到Agent+Copilot逻辑集中。传统的交付是按照站点数量配人，如3000站点需100人交 付90天，且资源需要随交付地点进行安排交付队伍。未来的交付将更集中化。在集团，省构建集中化交付中心，通过Agent，Copilot进行站点勘测。MOP设计、原厂配置等等；现场工作将更加聚焦和流程化。同时，以前的交付项目经