文章核心观点 - 一份由InterDigital与ABI Research联合发布的报告指出，智能体人工智能（Agentic AI）的兴起将重新定义对设备、网络和云基础设施的需求，推动行业向分布式智能架构转型，以应对上行链路流量激增带来的挑战 [1][2][4] 驱动上行流量增长的AI设备 - 智能眼镜持续捕获视频、图像和环境数据并上传以进行实时AI推理，ABI Research预测到2030年智能眼镜出货量将达到7000万台，其中蜂窝网络版本占比将超过12% [7] - 下一代可穿戴设备收集语音、生物识别和情境信号以支持持续的智能体AI交互 [7] - 智能手机越来越多地向云和边缘AI系统传输语音、照片、视频和传感器等多模态输入数据 [7] - 物联网传感器和设备持续向AI模型传输运营或环境数据以进行分析、自动化和决策 [7] 当前网络面临的挑战与转变 - 现代移动网络历来为下行链路吞吐量和视频传输而优化，但AI设备产生的上行数据量不断增加，可能导致网络过载，引发更高延迟和成本 [3] - 与直播和实时视频协作等造成临时性局部小区拥堵的应用不同，智能体AI系统将从联网设备产生持续的上行数据交换，可能对上行链路容量造成持续压力 [3] - 行业必须向分布式智能架构过渡，根据任务复杂性在设备处理器、边缘和云平台之间编排AI工作负载 [4] - 将智能更深地嵌入网络基础设施，将确保AI应用高效运行且不牺牲性能 [4] 行业专家观点与未来展望 - 智能体AI标志着智能连接演进的下一个阶段，随着AI系统能够自主推理、规划和执行任务，行业开始为6G重新构想无线网络，智能必须分布在设备、网络和云端，高效提供这些AI增强服务需要一种平衡性能、延迟和能源效率的新计算架构 [5] - 智能体AI对网络和设备都引入了一套新的要求，支持自主AI系统将需要更分布式计算架构和更智能的网络，运营商需要管理日益对称的流量模式，同时支持跨设备、边缘和云的实时AI工作负载 [5]