作者：Sophia物聯網智庫 原創

這幾天，關于英偉達 GTC 大會的討論幾乎被老黃的“token 經濟學”刷屏了。

“未來的數據中心，不是存儲倉庫，而是生產智能 Token 的工廠；而每瓦性能，就是這場競賽里唯一的硬指標�！庇眠@句話，黃仁勛為企業描繪了一種全新的未來競爭范式。

從算力成本到推理效率，從 Token 價格到 AI 商業模式，市場的注意力集中在一個熟悉的問題上：如何更高效地生產與消耗“智能”？但如果把視線從云端稍微下移，會發現另一條同樣來自英偉達的消息相對容易被忽略——3 月 16 日，英偉達宣布聯合 T-Mobile 與諾基亞，將物理 AI 應用部署于分布式邊緣 AI 網絡上，試圖將無線通信網絡升級為高性能邊緣 AI 計算平臺。

相比“token 經濟學”對效率與成本的再優化，這條消息指向一個更底層的問題：當 AI 不再只是生成內容，而是要進入現實世界、參與每一次實時決策時，我們賴以運行 AI 的網絡和計算架構，是否需要被重寫？

黃仁勛對于這一問題的答案很直接：“網絡正在演變為人工智能基礎設施，使數十億臺設備——從視覺人工智能代理到機器人和自動駕駛汽車——能夠實時地看、聽和行動。通過與 T-Mobile 和諾基亞合作，將 5G 網絡轉變為分布式人工智能計算機，我們正在為全球邊緣人工智能基礎設施打造一個可擴展的藍圖�！�

對于一名長期關注物聯網與邊緣計算的從業者而言，這或許才是這屆 GTC 更值得關注的信號~

打破物理 AI 規�；�發展的關鍵瓶頸

此前，黃仁勛在多個場合的演講中都曾介紹過對 AI 發展階段的預測，即 AI 經歷了感知 AI、生成式 AI 階段后，現在進入了代理 AI 階段，未來將是物理 AI 時代。如果說生成式 AI 解決的是“理解與生成信息”的問題，那么物理 AI 所要面對的，則是一個更復雜的命題：理解世界，并在其中行動。

按照英偉達給出的定義，“物理 AI 是使用運動技能理解現實世界并與之進行交互的模型，它通常以機器人、自動駕駛汽車等自主機器為載體”——我們知道，諸如 GPT 和 Llama 等大語言模型在生成人類語言和抽象概念方面能力驚人，但它們對物理世界了解有限，并受其規則約束，但物理 AI 能夠理解我們居住的三維世界的空間關系和物理行為，因而擴展了當前的生成式 AI。

利用物理 AI，自主機器能夠感知、理解并在現實 (物理) 世界中執行復雜的操作，例如：自動駕駛汽車可使用傳感器感知并理解周圍環境，以便在各種環境 (從開放式高速公路到城市景觀) 中做出明智決策，包括但不限于更準確地檢測行人，對交通或天氣條件做出響應并自動變換車道；在工業與物流場景中，倉庫中的自主移動機器人 (AMR) 利用來自機載傳感器的直接反饋，可以在復雜環境中導航并避開包括人類在內的障礙物，機械手可以根據傳送帶上物體的位姿調整他們的抓力和位置實現精細操作；而在城市空間中，大量攝像頭與傳感器構成的系統，正在嘗試對環境變化進行實時理解與響應。

也正是在這一轉變中，AI 對底層基礎設施的要求被徹底改變——因為一旦進入物理世界，延遲、可靠性與實時性，都可能從“體驗問題”變成“生死問題”。

許多系統無法容忍高延遲，也無法依賴“先上傳云端再處理”的經典路徑。正如當前行業實踐所顯示的，自動駕駛、機器人和智能城市等場景，都需要毫秒級響應與高度可靠的連接能力 。問題由此變得清晰：物理 AI 規�；�發展的一個關鍵瓶頸在于“缺乏低延遲、安全且無處不在的連接能力�！�

傳統架構下，這一問題有兩種解法，但都不理想——

“全部上云”：即終端設備采集數據后上傳云端進行處理，再返回結果，這種模式的問題在于鏈路過長，延遲與穩定性不可控，在關鍵場景中幾乎不可用。

“全部在端側完成”：把算力盡可能堆疊在設備本身，但這同樣面臨瓶頸，終端設備在功耗、成本、體積上的限制，使其無法承載復雜模型的持續運行；同時，設備的算力孤島化，也難以支撐模型的持續迭代與統一調度。

也正是在這兩種路徑之間，一個新的架構開始浮現，即把計算能力從云端“下沉”，但又不完全壓在終端，而是放在“網絡之中”。這正是此次英偉達、T-Mobile 與諾基亞推動的 AI-RAN 架構的核心邏輯： 將 AI 推理能力部署在靠近終端的網絡邊緣節點，使物理 AI 系統可以將大量計算任務從設備側卸載到最近的基站或邊緣數據中心完成。

這一變化帶來的直接結果是——開發者不再需要在每一個攝像頭、機器人或終端設備上堆疊昂貴算力，而是可以依賴網絡側的分布式計算資源，以更低成本部署更復雜的 AI 能力。在這一架構下，通信網絡不再只是“傳輸數據”，而成為承載智能的計算平臺，從而支撐數十億設備規模的 AI 應用落地 。

領先開發者將推理與視覺 AI 部署至邊緣

要將網絡轉變為分布式 AI 計算平臺，就需要在網絡邊緣為數十億終端提供超低延遲和時空一致性，而這正是此次英偉達的合作者 T-Mobile 的核心能力所在。不同于覆蓋范圍和安全性受限的 Wi-Fi，T-Mobile 的 5G 獨立組網提供了廣域覆蓋和服務質量保障，使復雜 AI 智能體能夠在繁忙的城市路口、工業設施及偏遠地區運行。

根據官方發布的新聞稿，T-Mobile 正與英偉達認證的物理 AI 開發商（包括 Fogsphere、LinkerVision、Levatas、Vaidio 和西門子能源）合作，演示“基站和移動交換中心如何支持分布式邊緣 AI 工作負載”，并充分利用公共 5G 網絡連接。他們將在該平臺上集成英偉達的 Metropolis Blueprint，用于視頻搜索和摘要（VSS）功能。

英偉達最新版 VSS (3) Blueprint 引入了多模態視覺理解和智能搜索功能，并以模塊化架構的形式提供，可根據不同環境（“從零售店到倉庫”）進行重構。英偉達表示，全球有 15 億個攝像頭，但只有不到 1% 的視頻內容經過人工審核。VSS (3) Blueprint 能夠“分解復雜的自然語言查詢，并在五秒內搜索視頻片段以找到特定事件”，并且“以比人工審核快 100 倍的速度概括長視頻”。

當前，許多領先開發者正與英偉達和 T-Mobile 合作，基于用于視頻搜索與總結 (VSS) 的 NVIDIA Metropolis Blueprint，將可驅動實時行動的物理 AI 智能體集成到 T-Mobile 的分布式邊緣網絡中，試點應用場景包括：

智慧城市運營：LinkerVision、Inchor 和 Voxelmaps 正在測試基于計算機視覺的集成“城市運營智能體”及數字孿生，該系統能夠感知、模擬并優化交通信號燈配時，目標是將圣何塞的事故響應速度提升 5 倍。

公用 (電力) 設施自動化巡檢：Levatas 正利用英偉達計算能力，對數十萬英里的輸電線路進行 5G 網絡自動化巡檢，以檢測并快速處理電線桿傾斜、腐蝕及異常發熱等問題，且速度可提升至 5 倍。雙方目前正在評估 AI-RAN 基礎設施，以進一步降低成本、縮短故障恢復時間，并加速從被動維護轉向預測性維護。

基于視覺的設施管理：Vaidio 等開發者正基于 VSS Blueprint 構建設施管理智能體，進行威脅檢測和故障預測，并觸發自動化工作流，從而提升設施管理效率。

實時工業安全：Fogsphere 為 SAIPEM 提供安全 AI 智能體，用于在高風險陸地上、海上及鉆探施工環境中，對危險事件實時檢測與響應，例如工人處于懸吊物下或發生碳氫化合物泄漏等情況。

AI 如何重塑通信網絡的角色？

站在更宏觀的視角來看，上文所述的變化同樣意味著電信行業自身的角色正在發生根本性轉變。

長期以來，通信網絡一直被視為“連接基礎設施”——其核心任務是高效地在設備之間傳輸數據。但事實上，這一基礎設施的規模之龐大，足以比擬整個 IT 產業：全球電信產業規模接近 2 萬億美元，基站遍布城市與鄉村，是人類社會最廣泛分布的技術系統之一。在過去，它們承載的是信息流；而在 AI-RAN 架構下，這些原本主要負責“傳輸”的節點，將被重新定義為分布式計算節點，成為人工智能在邊緣運行時的基礎設施平臺。

而 AI 對整個通信網絡角色的重塑其實早已悄然發生。此前，筆者在《LoRa正在爭奪物聯網新一輪發展周期的”話語權”?》中就提及：以 LoRa 聯盟為代表的 LPWAN 陣營，開始強調“物理 AI”和“行動閉環”等概念并非偶然。在過去的 LPWAN 競爭格局中，無論是 NB-IoT、LTE-M，還是衛星 IoT，技術敘事長期圍繞覆蓋能力、功耗表現和成本優勢展開。LoRaWAN 也曾以“低功耗、低成本、私網靈活、部署彈性強”被廣泛認知。然而在 AI 時代，它正在嘗試重新定義自身角色：不僅僅是數據連接協議，而是 AI 的數據入口、行動出口，以及物理AI的通信神經系統。

這一趨勢在未來網絡架構中將更加明顯。6G 的設計理念正在指向“為 AI 而生”，而不僅僅是提升速率。2026 年 2 月，3GPP SA2 #173 會議在印度果阿落下帷幕，其 R20 架構全景報告釋放出一個重要信號：行業共識已經跨越了單純的“連接管道”，向“原生智慧平臺”躍遷。在這一架構下，核心網元 AIMF（AI 管理功能）改變了終端與網絡的交互方式：以往核心網只負責比特傳輸，而 R20 架構開始提供 MaaS（模型即服務）。通過梯度拆分機制，終端僅需計算底層梯度以保護隱私，而核心網承擔高層梯度計算。這意味著，網絡算力將直接參與用戶側大模型的訓練與優化，而不再只是被動傳輸信息的管道。

放眼全局，顯而易見的是：AI 正在吞噬通信網絡，而通信網絡也正在重塑自己。無論是邊緣計算、物理 AI 還是未來 6G 原生智慧網絡，都預示著一個新范式的形成：從“傳輸比特”到“提供智能”，從“被動管道”到“主動計算平臺”。在這個新范式下，AI 不僅是軟件，也將成為電信網絡的內生屬性；網絡也不僅是基礎設施，而是承載智能的實時生態系統。

如今，我們可能真的站在了一個“隨處可觸、無處不智”的智能世界起點。

參考資料：Nvidia positions AI-RAN with Nokia, T-Mobile in (its) $1tn AI infrastructure market——RCR WirelessAgents, inference and token economics – Nvidia pitches the AI future——RCR WirelessState of enterprise IoT 2026: The shift from IoT to autonomous connected operations——IoT AnalyticsNVIDIA、T-Mobile 及合作伙伴在 AI-RAN 就緒基礎設施上集成物理 AI 應用——英偉達官網物理 AI——英偉達官網3GPP最新會議復盤：6G架構的最新演進趨勢——無線AI視點

       原文標題 : 黃仁勛的物理AI野望:將5G網絡轉變為分布式AI計算機!