萬萬沒想到，這家央企竟讓香農和圖靈又“握了一次手”

十三 2025-07-28 14:13:50 來源：量子位

金磊 發自 WAIC

量子位 | 公眾號 QbitAI

有點意思，能讓香農和圖靈又握上一次手的，竟然是一家央企。

他們倆握手是什么意思呢？

這兩位大師，一位定義了“信息”如何高效、準確地傳遞，另一位則開啟了“智能”如何被創造和模擬的探索。

而二人的握手，則是信息技術和通信技術的一次融合。

例如當你身處浩瀚的海洋之上，這里是傳統通信的“死亡地帶”，衛星信號微弱且昂貴，別說視頻通話，連發一張清晰的圖片都可能要耗費半天。

然而現在，正因為他倆的“握手”，在海上流暢地打視頻電話已經變成一種現實：

這背后，并非是電信公司發射了什么超級衛星，或者鋪設了跨洋光纜。實際上，船員的手機與外界交換的數據量，僅僅是傳統視頻通話的百分之一，甚至千分之一。

這，就是由中國電信人工智能研究院（TeleAI）研發布局的智傳網（AI Flow），不是你以為的簡單數據傳輸，而是讓智能體之間互相連接，高效協作，突破單模型的性能極限，實現連接與交互的智能涌現！

技術一經發布，可謂是驚呆了外國友人，有位網友給出了這樣的評價：

重大突破：一個可能重塑GenAI工作方式的AI框架。

那么智傳網到底是如何打破傳遞智能的“壁”的呢？

就在剛剛的WAIC中，中國電信集團CTO、首席科學家、TeleAI院長李學龍用一個論壇的時間，從算力匱乏、數據稀缺、通信受限三個關鍵挑戰出發，提出了智傳網三律（即信容律、同源律和集成律）來逐一擊破。

智傳網三律之“信容律”

智傳網的第一個基石，是信容律（Law of Information Capacity）。

一千多年前，蘇軾在《題西林壁》中寫道：“橫看成嶺側成峰”。同一座廬山，觀察角度不同，形態便截然不同。

從智傳網角度來看，信息也是如此；它既可以是在信道中高速奔跑的比特流，也可以是潛藏在AI模型參數里的知識與規律。

信容律，正是揭示了這兩種形態之間轉換與度量的法則。

用一個更通俗的比喻：假設你和朋友各有一本一模一樣、內容極其詳盡的“密碼本”（可以理解為兩個同源的AI模型）。

現在，你想告訴朋友一個復雜的故事，比如《大鬧天宮》。傳統方式下，你得把整個故事的文字（數據）一字不差地吼給對方。如果環境嘈雜（帶寬低），信息很容易失真。

但有了“密碼本”，你只需喊出幾個“暗語”：“猴王出世”、“龍宮奪寶”、“大鬧天宮”（可以理解為生成指令）。朋友聽到這幾個指令后，翻開自己的密碼本，就能迅速、準確地還原出整個宏大的故事。

在這個過程中，你們用“翻書查閱”這個動作（計算），極大地減少了需要“吼”出去的內容（帶寬）。這就是“計算換帶寬”的核心思想。

信容律第一次在理論上打破了通信與計算的邊界，讓我們可以用統一的標尺去度量它們。

現在再回頭看剛才我們提到的遠洋視頻通話的例子。

船上的服務器和岸上的集群，都裝載了經過“同源訓練”的多模態大模型。通話時，兩者之間不再傳輸原始信息，而是傳輸模型提取的特征，這些特征可能是指令描述、背景結構、運動信息，幾何參數等。這些特征通過微弱的衛星信號傳到接收端，由多模態生成大模型根據這些特征，實時地“畫”出（生成）高清視頻畫面。

通信的過程，從“像素搬運”變成了“意義理解與藝術重建”。

智傳網憑借這項“生成式智能傳輸”技術，在現有條件下，已經成功將視頻通信的帶寬占用降低了一到兩個數量級。

這不僅是遠洋通信的福音，未來高鐵上將不再有信號盲區，飛機上依然可接入流暢的視頻會議，甚至在偏遠的山區，人們都有望享受到穩定流暢的連接。

這，就是信容律的魔力。

智傳網三律之“同源律”

信容律的“密碼本”魔法雖好，卻引出了一個新問題：如果我的密碼本是本牛津詞典，而你的只是一本新華字典，那我們的溝通效率必然大打折扣。

換言之，如果云端是一個千億參數的超級大模型，而手機端只有一個十億參數的小模型，它們如何高效協同？

這就引出了智傳網的第二個基石——同源律（Law of Familial Model）。

蘇軾的詩又一次給出了精妙的啟示：“遠近高低各不同”。從不同距離、不同高度看山，山呈現出不同的樣貌，但山的本質不變。

同源律描述的，正是一個“家族式模型”體系。這個家族里，有體型龐大、無所不知的“祖父輩”大模型（部署在云端），也有身手敏捷、反應迅速的“子孫輩”小模型（部署在手機、基站等邊緣設備上）。

它們雖然大小、能力各不相同，但源于同一個核心技術和訓練過程，擁有相同的“血脈”或“DNA”。小模型完美地繼承了大模型的世界觀和知識結構，只是在具體應用上做了輕量化適配。

這就像一個可以自由伸縮的“如意卷尺”。面對小任務，它能收縮成便攜的小尺寸，在端側快速響應；面對復雜任務，它又能延展成巨大的尺度，調用云端力量進行深度推理。

我們來看一個實際應用：新一代的AI手機助手。

可以明顯看到，即便部署在手機端的小模型（假如1.5B），也能針對咳嗽這種細節做到敏銳捕捉。

這就是同源律發揮的作用，小模型不會把原始問題原封不動地扔給云端，而是將自己的初步思考結果打包成一個“中間推理結果”，傳遞給部署在基站或云端的“大哥”——一個7B甚至32B的同源大模型。

大模型在這個高度濃縮的中間結果上繼續“接力推理”，它能調動更龐大的知識庫，進行更復雜的分析，最終生成一份完美的方案，再返回給你的手機。

這種方式也能衍生出像剛才視頻中展現的“超語義語音學”的能力，不僅聽懂你說了什么，還能從你的語氣、停頓中，理解你“聲音背后的情緒”，讓冰冷的AI變得有溫度。

不同大小的家族模型可以根據資源需求，部署在端邊云架構的不同節點上協同工作，讓智能突破單個設備的限制，讓大模型基于小模型的輸出接力推理，在性能和效率間達到最優。

同源律揭示了大小模型間的合作效率，指導了家族式模型的訓練。

智傳網三律之“集成律”

有了高效的連接方式（信容律）和可伸縮的智能單元（同源律），智傳網的終極圖景——構建一個龐大的、能夠自我進化的群體智能——便有了實現的可能。

這最后一步，由集成律（Law of Multi-model Collaboration）來定義。這次，蘇軾的詩句是：“不識廬山真面目，只緣身在此山中”。

單個智能體的視角終究是有限的，只有跳出個體，將無數智能體連接、交互、協同，才能窺見一個前所未有的、更宏大的智能全貌。這種由連接而產生的“智能涌現”，正是集成律的核心。

智能體成員的能力越是多樣、越是互補，協同產生的“1+1>2”的效果就越顯著。一個由視覺專家、策略專家、生成專家組成的AI團隊，遠比三個一模一樣的AI強大。

最關鍵的是，這套體系是“雙向進化”的。云端大腦在解決難題中不斷變強，同時，它會立刻把新學會的本事、新總結的規律，同步給網絡中的每一個個人AI。

這意味著，一個AI的經驗，瞬間就能變成所有AI的智慧。你的手機助手，每天都在悄悄地變得更聰明。

這種多智能體協同在反詐騙領域已經展現出驚人的威力，讓我們來感受一下：

智聯，已經開啟新篇章

從信容律的“計算換帶寬”，到同源律的“大小模型心意相通”，再到集成律的“三級智能協同進化”，智傳網為我們描繪了一幅激動人心的未來畫卷。

這不僅僅是通信技術的又一次迭代，它更像是為整個數字世界裝上了一個全新的“神經系統”。這個系統的建立，其意義將是深遠而廣泛的。

這正是我們邁向一個更高效、更便捷、更具想象力的智能社會的必由之路。

香農與圖靈的這次“握手”，由中國電信人工智能研究院促成，發生在中國，這本身就極具象征意義。它預示著，在以AI和通信深度融合為標志的新一輪技術浪潮中，我們正站在一個前所未有的歷史機遇點上。

智傳網，流淌的不僅是數據，更是智慧。而這股奔騰不息的智慧洪流，正將我們帶向一個充滿無限可能的未來。

參考鏈接：

[1]https://x.com/Rixhabh__/status/1943635929962512544
[2]https://www.arxiv.org/abs/2506.12479