中国信通院：智能IP广域网（AI WAN）研究报告（2026年）-260922VIP免费

中国信息通信研究院技术与标准研究所 2026年9月 智能 IP 广域网（AI WAN） 研究报告 (2026 年) 版权声明 本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其他方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。 前 言 人工智能正从技术突破迈向规模化应用，大模型、智能体、具身智能等新形态加速渗透到经济社会各领域。随着模型参数规模与调用量持续增长，算力需求由单点集聚转向广域协同，网络服务的对象也由传统的终端与人，扩展至模型与智能体。这一系列变化对承载人工智能业务的 IP 广域网提出了全新要求：训练与推理负载加速向广域延伸；智能体协同互联需求快速提升；网络安全威胁出现结构性变化。 在上述背景下，本报告在《智能 IP 广域网（AI WAN）研究报告（2025）》的基础上，沿需求趋势、建设现状、概念与架构、发展方向、展望与建议五个方面展开研究，在案例调研的基础上，力求反映智能 IP 广域网近期的技术发展与部署成果，为电信运营商的网络规划与改造、设备制造企业的产品与技术布局、行业用户的算力与网络协同部署提供参考。由于智能 IP 广域网相关技术仍处于快速变化发展阶段，我们对其认识还有待持续深化，报告中如存在不足之处，敬请谅解。 本报告在编制过程中得到了业内相关企业的大力支持，谨向为本报告提供指导、支持与协助的中国电信集团有限公司、中国移动通信集团有限公司、中国联合网络通信集团有限公司、华为技术有限公司、中兴通讯股份有限公司、新华三技术有限公司等单位及专家，致以衷心的感谢。 目 录 一、IP 广域网的需求趋势 ........................................................................................... 1 （一）流量：AI 应用普及驱动访问规模不断扩张 .......................................... 1 （二）算力：行业算力部署推动广域算网协同 ................................................ 2 （三）数据：行业算力服务需满足合规与效率双重要求 ................................ 3 （四）主体：大量智能体接入网络 .................................................................... 3 （五）能耗：算力规模扩张带动能耗攀升 ........................................................ 4 二、面向智算的 IP 网络现状与问题 .......................................................................... 5 （一）我国运营商 IP 网络发展现状 .................................................................. 5 （二）面对智算业务发展存在的问题 ................................................................ 6 三、智能 IP 广域网的概念、架构与关键技术 .......................................................... 7 （一）智能 IP 广域网的概念与内涵 .................................................................. 7 （二）智能 IP 广域网的目标架构 ...................................................................... 7 （三）智能 IP 广域网的关键技术 ...................................................................... 9 四、智能 IP 广域网发展方向与典型案例 ................................................................ 13 （一）AI 路由器：内生 AI 的网络基础单元 .................................................. 13 （二）AI 新网络：内生 AI 的网络新架构 ...................................................... 14 （三）AI 新大脑：智能网络的智慧中枢 ........................................................ 17 （四）绿色低碳：AI 潮汐动态节能 ................................................................ 19 （五）安全可信：AI 秒级检测和防御 ............................................................ 20 五、发展展望与推进建议 .......................................................................................... 22 附件 缩略语 ................................................................................................................ 24 图 目 录 图 1 智能 IP 广域网（AI WAN）目标架构 .............................................................. 8 图 2 网络安全 Agent 架构 ........................................................................................ 11 图 3 Token 确定性承载 .............................................................................................. 17 智能 IP 广域网（AI WAN）研究报告（2026 年） 1 一、 IP 广域网的需求趋势 人工智能正从技术突破迈向规模化应用，智能体、具身智能、行业大模型等新形态加速进入经济社会各领域，网络服务的对象由终端与人扩展到模型与智能体，业务重心由模型训练为主转向训练与规模化推理并重。流量主体、结构与流向的变化，叠加算力跨域调度与数据要素流通需求的牵引，推动 IP 广域网由连接管道转向智能运力底座。 （一）流量：AI 应用普及驱动访问规模不断扩张 AI 由辅助工具转为生产基础设施，AI 调用量爆发式增长。生成式人工智能从问答、创作等辅助场景延伸到研发设计、生产调度、客户服务等核心业务环节，调用频次与单次数据量同步提升。国家数据局公布，截至 2026 年 3 月，我国日均 Token 调用量已超过 140 万亿，较 2024 年初增长 1000 多倍。Cloudflare 数据显示，2026 年 5 月 28日至 6 月 4 日，全球 HTML 网页访问请求中机器人占比达 57.5%，首次超过人类。 实时交互、实时渲染、实时保障成为 AI 业务的普遍要求，网络确定性承载需求提升。AI 应用要求网络在用户可感知的时间尺度内完成响应：直播中的数字人，其表情、口型须与语音在毫秒级内严格同步，画面由云端实时渲染并即时下发，网络稍有抖动就会造成“音画错位”；智能网联汽车行驶中需与云端实时交互路况与决策信息，关键指令须在毫秒级内往返。 智能 IP 广域网（AI WAN）研究报告（2026 年） 2 （二）算力：行业算力部署推动广域算网协同 行业 AI 应用大幅增加，算力需求显著提升。我国各行业 AI 应用正在快速普及，根据国家发改委的统计，重点行业的人工智能整体渗透率突破 80%；根据工信部统计，规上工业企业 AI 应用普及率超 30%，人工智能已渗透领航工厂 70%以上业务场景。海量应用牵引算力需求激增，截至 2026 年 6 月，我国智能算力规模已达到 2185 EFLOPS（FP16），同比增长 177%。算力总规模稳居全球第二。 企业自建算力普遍面临资金投入大、电力能耗高、技术迭代快等多重约束，外部算力采购与广域入算正成为主流选择。IDC 与中国信通院的联合调查显示，85.8%的企业采用“外部 AI 算力服务+自建数据中心”的混合架构；100P FP16 等效算力是企业自建还是上云的核心分界指标。算力供给的外部化，把企业内部的资源配置问题，转化为跨地域的算力获取与网络传输问题。 广域入算对网络性能提出更高要求。广域算网协同不是简单的“算力搬家”，而是以高带宽、低时延、零丢包的确定性网络为前提的系统工程。中国移动与华为联合试验显示，在 240 公里跨域训练场景中，采用无损智算 OTN 存算拉远方案，协同训练效率可达等效单集群训练效率的 99%以上；中兴通讯与江苏电信在 100 至 300 公里跨数据中心实测中，依托高带宽与无损流控优化，LLaMA2-70B 模型训练性能损失控制在 2%以内1。 1 来源：https://www.zte.com.cn/china/about/magazine/zte-technologies/2025/3/3/9.html 智能 IP 广域网（AI WAN）研究报告（2026 年） 3 （三）数据：行业算力服务需满足合规与效率双重要求 行业 AI 应用需符合更为严格的数据合规要求。医疗健康数据多为敏感个人信息，须遵循单独同意、最小必要原则，按《医疗卫生机构数据安全和个人信息保护管理办法（试行）》实行分类分级保护，重要数据境内存储、不出域应用。依据金融行业标准，个人金融信息需从严设防、加密存储，头部银行约 96%的算力采用自建模式以满足“数据不出域”的刚性要求。 行业数据合规催生多样化解决方案。面对“数据不出域”的刚性约束与模型训练对大算力、高质量数据的内在需求，行业算力服务加速形成“算随数走、数算分离、可用不可见”的分层供给模式。一是私有化专属部署，面向强监管行业，将算力、模型与数据整体置于机构自有环境；二是存算分离拉远，在数据本地留存前提下远端供给算力；三是联邦学习与隐私计算，以“模型多跑路、数据不搬家”实现多机构协同建模。 （四）主体：大量智能体接入网络 智能体接入量爆发式增长，正成为网络流量的生产主体。2025 年以来，通用智能体框架快速崛起，应用场景由问答对话延伸至办公自动化、软件开发、工业设计等生产型复杂任务。Anthropic 实测表明2，单智能体完成一次典型任务的 Token 消耗约为普通对话的 4 倍，多智 2 来源：https://www.anthropic.com/engineering/multi-agent-research-system 智能 IP 广域网（AI WAN）研究报告（2026 年） 4 能体协作系统更高达 15 倍。智能体的每一次调用都经由网络往返于云端模型之间，Token 消耗的成倍增长直接转化为网络流量的大幅扩张。 多智能体协同成为主流选择，智能体互联互通已上升为技术标准化的焦点。受上下文容量有限、并行算力不足、规划能力随复杂度退化、单点故障等约束，单一智能体难以独立胜任长链路复杂任务，智...