華為李鵬:5G-A x AI,攜手加速邁入智慧體網際網路時代

西班牙巴塞羅那2026年3月3日 /美通社/ — 3月2日,華為高階副總裁、ICT銷售與服務總裁李鵬在MWC26 巴塞羅那期間,發表了《5G-A x AI,攜手加速邁入智慧體網際網路時代》的主題演講。他指出,網路與AI的深度融合正重塑聯接的價值。隨著行動通訊產業向5G-A穩步演進,將智慧應用帶到世界的每一個角落,運營商正透過5G-A x AI進行產業升級-:實現從「資源服務」到「體驗服務」,再向「AI服務」的跨越式升級,在移動AI時代搶佔產業價值鏈中的先機。 產業價值躍升:邁入十萬億級「智慧體網際網路時代」 李鵬表示:「人類社會正邁入智慧體網際網路時代,網路的行動主體,將在90億人的基礎上,激增9000億規模的智慧體。」泛在的智慧體應用將對網路提出更高要求,未來十年,網路價值將從「人與人溝通」全面升級為「智慧體互聯」,推動運營商從「資料管道」向「價值服務平臺」躍遷,孕育出十萬億美元級的新產業空間。 華為高階副總裁、ICT銷售與服務總裁李鵬在MWC2026發表主題演講 商業模式轉型:從流量到體驗變現,全面升級品牌和產商品,實現提質增收 網路能力的演進,必然伴隨商業模式的升級。5G商用七年來,全球超300家運營商釋出套餐,流量變現成功帶動了使用者規模和收入的雙增長。而作為產業一直倡導的方向,體驗變現是5G發展深入後的必由之路。5G SA和5G-A帶來了更豐富的網路資源,全球已有30多家先鋒運營商推出了多維量綱的體驗套餐(速率、時延等)。透過動態資源排程,實現從「盡力而為」到「確定性體驗」的跨越,強化口碑與付費意願。透過「身份顯標」「隨時隨地X倍速」等視覺化方案,讓關鍵時刻的網路優勢直觀呈現,增強使用者體驗的顯性化。 聯接場景向AI服務轉型:AI賦能toC、toH、toB核心業務,開啟增長新空間 大模型和AI應用的成熟,讓運營商有機會重構主營業務,全面提升消費者獲得感。 AI重構toC:語音業務仍有54億的全球月活基本盤。引入AI後,傳統通話延展出速記、實時翻譯、伴聊等高頻功能,已在中韓等市場規模商用。配合自有AI手機,運營商正快速搶佔新入口,煥新佔比最高的個人業務。 AI重構toH:突破單純的頻寬邁向超千兆的提升,引入AI打造智慧家庭新形態。上網加速助手為關鍵業務如遊戲和直播帶來確定性體驗,速率可保障;網路助手透過語音互動簡化Wifi報障與自最佳化;生活助手融入影片與儲存,讓家庭雲盤自動生成時光相簿並多端流轉,啟用傳統業務新價值。 AI重構toB:5G-A與AI的結合正深入工業核心生產流的智慧化環節。未來,大模型將直連產線資料,推動企業向秒級響應、敏捷交付、「所想即所得」的柔性製造轉型。…

自變數獲位元組、紅杉等10億元投資,構建物理世界的基礎模型

深圳2026年1月13日 /美通社/ — 自變數機器人已於近期完成10億元A++輪融資。本輪融資由位元組跳動、紅杉中國、北京資訊產業發展基金、深創投、南山戰新投、錫創投等頂級投資機構及多元地方平臺聯合投資。這也是深創投AI基金成立以來的第一筆投資。 值得關注的是,除位元組外,自變數此前也曾先後獲得美團、阿里的投資,是國內唯一同時被這三家網際網路大廠投資的具身智慧企業。 跨領域資本的協同下注,既凸顯了資本市場對具身基礎模型重要性的集體共識,同時也印證了對自變數技術領先性與發展潛力的深度認可。 一、構建物理世界基礎模型,讓機器人真正能幹活 近兩年,具身智慧持續吸引市場目光,其「身體」——機器人的運動與控制能力已取得顯著進步。行業競爭焦點也從「肢體」轉向「大腦」。如何為機器人構建能理解物理世界、能操作、能靈活應對複雜多變場景的智慧「大腦」,使其真正勝任多樣化的實際物理世界的工作,成為突破的關鍵。 具身智慧基礎模型是獨立於、平行於大語言模型、多模態模型等虛擬世界基礎模型的物理世界的基礎模型。基礎模型的核心在於突破泛化性與通用性瓶頸,物理現實世界的複雜性要求機器人能夠具備實時處理非結構化、動態及隨機任務的能力。自變數的具身基礎模型,以所有機器人的感知資訊(例如視覺、觸覺、語音等)為輸入,直接輸出機器人的動作、視覺,以及語言等。 自變數機器人創始人兼CEO王潛表示:「具身智慧的下一階段競爭,本質上還是資料閉環構建的基礎模型與模型進化能力的競爭」。在這個判斷下,全球正在從資料、模型、算力等多個方面加快投入,快速推進具身智慧的發展。 VLA與世界模型深度融合,真機強化學習自主進化 自變數WALL-A模型的核心架構首創VLA與世界模型深度融合的系統正規化。作為原生的多模態輸入輸出架構,WALL-A率先實現了具身多模態思維鏈。WALL-A利用世界模型機制進行時空狀態預測,協同視覺因果推理理解環境反饋,並透過可學習記憶機制從資料中內化物理常識。 這一融合機制,顯著提升了機器人執行非結構化環境中移動操作任務的零樣本泛化能力。 同時,依託於大規模真機強化學習,基礎模型進一步在與真實物理世界的互動中獲得高質量學習經驗,自主解決長尾問題,實現機器人能力的持續進化。 自變數以完全端到端技術路線構建了物理世界基礎模型-真機自主進化的技術閉環。 高質量真機資料,構建模型進化引擎 資料是基礎模型進化的核心燃料,自變數自成立以來即重度投入,堅持硬體-資料-模型的閉環迭代。 作為國內最早規模化擴充套件真機資料採集的公司,自變數自研了主從遙操、外骨骼、無本體等多種數採裝置,實現了各種數採裝置上的資料驗證和模型突破。 公司還搭建了模型驅動的資料管線,透過資料生成、資料過濾、資料增強、資料標注等環節持續產生規模化的高質量資料。 自變數堅持透過基礎模型給資料處理和硬體設計等各個環節提供反饋,迭代更高質量的資料和更高效率的數採裝置,進一步提升基礎模型的效果。…