往回看，“十四五”期间交出了全球规模第一的“连接答卷”；向前看，“十五五”期间要破解的是更难的“智能命题”。这不是简单的代际更替，而是从“网联万物”到“智赋千行”的范式跃迁。
五年看开局。2026年的每一步，都在定义中国电信业下一个周期的底色。从连接普及到智能普惠，从规模扩张到价值创造，这场转型没有旁观者。
“十五五”规划建议明确提出，全面实施“人工智能＋”行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业。
中国电信集团科技创新部副总经理陈靖翔在接受《IT时报》记者采访时表示，此轮人工智能的发展，不只是一次技术升级，更是一次生产力体系的重构，其深层意义在于重塑经济社会的运行方式，并成为培育新质生产力的重要抓手。在她看来，中国拥有庞大的应用场景、丰富的数据资源以及完整的产业体系，这些共同构成了人工智能规模化落地的独特土壤。
中电信人工智能科技有限公司副总经理刘翼也认为，本轮智能化浪潮将呈现出与过去信息化建设完全不同的特征：覆盖范围更广、影响程度更深，但落地周期也会更长。
“技术的发展和落地需要过程，我们往往高估两三年的变化，却低估二三十年的影响。”刘翼说，“长期看，它必然深刻改变很多生产方式，但短期内需要耐心。”
刘翼认为，运营商在AI时代具备三项独特优势：第一是基础设施能力。算力与网络是人工智能落地的底座，而运营商长期承担着国家级信息基础设施建设与运营的重任，具备天然优势；第二是规模与渠道能力。运营商拥有数亿级个人用户、千万级行业客户，以及覆盖全国的服务网络，一旦AI应用找到明确价值点，便能快速规模推广；第三是运营能力。“很多AI应用不是交钥匙工程，也不是即插即用的产品，而是运营出来的，需要持续打磨并与具体场景深度结合。尤其在B端，本地化团队长期服务和共创非常关键。”他说道。
陈kaiyun体育全站 Kaiyun登录网页靖翔则认为，人工智能运行高度依赖云、算力与网络等基础设施，而运营商在云网一体和智算底座方面积累深厚。同时，运营商在医疗、教育、社会治理等领域帮客户沉淀了大量高价值数据，并具备从底层能力到应用服务的端到端支撑能力。
此外，运营商服务触点已覆盖ToC、ToB、ToG全领域，并构筑了从集团到省、市、县的纵深服务体系，能够深入行业一线推动场景落地。在当前人工智能安全与可靠性要求不断提升的背景下，其安全可控能力也成为重要竞争优势。
面对新机遇，中国电信推动企业战略从“云改数转”升级为“云改数转智惠”，致力于让人工智能普惠至千行百业、千家万户。在技术层面，中国电信正围绕多模态大模型、生成式人工智能以及世界模型等方向开展关键技术攻关；在基础设施层面，持续强化面向训练与推理的大带宽、弹性调度和确定性网络能力。
在众多技术路径中，陈靖翔认为，智能体是当下最具落地潜力、最贴近现实的形态。据悉，中国电信已将内部的星辰智能体平台开放至全国31个省公司，用于为行业客户开发应用。而在实践中，企业的数据治理能力几乎直接决定了智能体的应用效果和落地速度。
当前，产业AI应用正从概念验证走向实际部署，但规模化应用仍面临多重挑战。
刘翼将其归纳为三大痛点：一是行业场景复杂，难以标准化复制；二是数据问题突出，存在数据缺失、质量不高或采集困难等难题；三是标准体系尚未成形，难以形成可规模推广的解决方案。“目前应用仍处于散点状态，高价值场景已现，但距离规模化还有一段长路。”
刘翼特别强调，AI项目成功的关键，在于业务部门的深度参与。实践中，不少企业仅由IT部门对接，而真正掌握业务经验的一线人员缺位，导致对场景理解不足，项目难以落地。在他看来，企业推进AI转型需要Kaiyun平台 开云体育官方入口重点做好三件事：由业务专家参与场景写实拆解与规范；建立数据采集与治理机制，形成数据“飞轮”；培养内部技术与运营人才，避免长期依赖外部团队。
“很多制造企业的经验还kaiyun体育全站 Kaiyun登录网页在老师傅的脑子里，没有沉淀成数据和规则，这本身就是智能化的一大障碍。”刘翼说道。
陈靖翔对此持有相同观点。她认为，人工智能能力的上限，本质上取决于数据质量。然而现实情况是，许多企业在信息化建设阶段“重功能、轻数据”，系统上线后缺乏持续的数据治理和资产沉淀，真正可用的数据资源有限。
在陈靖翔看来，当前企业推进AI过程中面临的最大挑战，并不完全来自算力或模型能力，关键是数据基础。
同时，一些企业在场景选择上偏离业务痛点，项目“看起来很热闹”，却难以产生实际价值。对于大型企业而言，内部系统底座不统一、平台架构异构，也会影响模型的推广与复用。
在实际推进过程中，差距正在拉大。数据治理体系完善、具备IT能力的企业，可以将模型准确率从60%逐步迭代提升到90%以上；而数据基础薄弱的企业，即使部署AI，也难以产生明显效果。
“很多企业希望直接从原始状态跨入智能化阶段，这是不现实的，数字化基础是前提。”陈靖翔表示，此轮人工智能竞争表面上是模型和算力的竞争，本质上是数据能力与工程体系的竞争。
刘翼判断，大型行业客户由于业务复杂、个性化需求强，属于长期攻坚领域；而面向C端、家庭端和中小企业的人工智能应用，更容易实现规模化突破。
对于具体行业，陈靖翔认为，率先实现规模化应用的领域通常具备三个基本条件：政策推动力度大，价值场景高，或数据基础相对完善。
智能制造被认为是最重要的突破方向之一，质检、预测性维护、工艺优化等场景价值明确，业务闭环清晰，更容易复制推广。
医疗领域同样具备潜力。随着影像和病理数据不断积累，医疗行业中的一些细分场景已具备标准化条件，使人工智能在辅助诊断和医疗管理中的应用逐步成熟。政务领域在政策引导与数据集中优势下，也在加快推进服务智能化与城市治理智能化。此外，能源与交通行业由于系统复杂、运行连续，对预测与调度需求强烈，被普遍看好。
在新兴方向中，低空经济随着无人机物流与低空管理场景的发展，也将带来新的智能化需求。
不过，陈靖翔强调，行业推进速度的根本决定因素，并不在于模型先进程度，而在于既有的数字化与数据治理基础。数字基础越扎实，应用落地越快；反之，推进节奏将明显放缓。
2026年初，国资委再次明确要求央企加大力度推进“AI+”专项行动，在关键领域形成具有央企特色的应用场景，打造更多综合性重大场景和高价值“小切口”场景。
在实践中，中国电信已经探索出不同路径。例如，通过“息壤”平台实现跨区域算力调度协同；在内部研发领域，大模型已覆盖约90%的研发场景，AI生成代码贡献率达到36%，服务8.8万名工程师，使需求交付周期缩短15%、研发效率提升20%。
与此同时，在一些“小切口”场景，如识别和阻止电动车进入电梯等安全应用，也因投入成本低、见效快，具备较强复制价值。
“方向非常明确，但需要耐心。”刘翼表示，这一轮AI变革不会是短期爆发，而是一场长期、深层、渐进式的产业重构。
在这场变革中，真正决定落地速度的，不只是模型能力，而是行业是否完成了从信息化、数字化到智能化的基础准备。
从企业技术演进路径看，发展大致经历三个阶段：信息化、数字化和智能化。信息化的本质，是流程电子化，将原本依赖人工线下完成的业务搬到线上，提高信息传递效率；数字化则在此基础上，通过数据驱动业务优化，实现线上线下协同，并为企业提供分析与辅助决策能力；而人工智能带来的变化更为深层，它不再只是提升效率，而是对生产和决策方式进行系统性重构。
“信息化和数字化更多是优化流程，而人工智能改变的是经济社会运行逻辑本身。”陈靖翔说。
官方微信
