ARTICLE · 1069385
515万座基站之后,AI算网走到哪了
摘要：全国5G基站超过515万座，智能算力达到2185 EFLOPS。AI项目的响应、容量和恢复，要和网络一起算。今天另看智能养老展区、AI司法白皮书和机器人讲解员。
零、国内AI趣事速览
趣事1：机器人站到展台前“带团”
9月21日的合肥世界制造业大会展区里，一台人形机器人站到材料和仪器旁，向观众介绍产品。人围着它听讲，机器人反倒成了临时讲解员。真进工厂，任务范围、接管人和异常停机仍要提前写清。
一、总体情况
全国5G基站超过515万座、智能算力达到2185 EFLOPS，AI项目的响应、容量和恢复开始和网络一起算。数据怎样抵达、业务高峰时怎样排队、链路出问题后怎样恢复，都会落进同一次交付。
二、重点动态
1. 515万座基站之后，AI项目要把“路”写进预算
9月23日，工业和信息化部在中国国际信息通信展览会上披露：全国5G基站已超过515万个，智能算力规模达到2185 EFLOPS，5G工厂达到1260家。EFLOPS是衡量算力吞吐的单位，可以粗略理解为“每秒能完成多少次大规模计算”。这组数据说明，AI不再只在机房里比参数，网络、算力设施和生产现场正在被放进同一张工程清单。
一套模型从演示走向业务，常常卡在看不见的地方：客服高峰一来，推理请求排队；工厂边缘设备把视频传回云端，链路多绕一圈；灾备切换时，权限和数据版本又对不上。算力像发动机，网络更像把活送进车间的路。发动机再强，路口堵住，等待时间照样会落到员工和客户身上。
这也是今天通信展释放的更具体信号。网络建设过去主要解决“能不能连上”，现在还要承担“AI能不能稳住”的问题：带宽要不要预留、边缘还是云端先处理、跨地域调用会不会触碰数据边界、出现故障由谁接管，都该在立项和采购时写进交付条件。
先把一条真实业务链画出来，问题会比“算力够不够”清楚得多。比如一线门店把图片、语音或工单送进模型：设备先经过园区网络，再到云端或本地节点推理，结果返回业务系统；任何一段变慢，前台看到的都是等待。要是这个流程还要跨省调度，数据能不能出去、备份落在哪里、断网时业务怎么降级，就不能只留给上线后的运维群讨论。
预算也应从一张报价单拆成几层。卡的单价之外，要看高峰并发对应的带宽和时延，模型服务商给出的服务等级，日志与监控能否定位到某一次失败调用，以及网络、云和应用三方在故障时谁先响应。采购部门只拿到“总算力”或“最大并发”两个数字，后面往往还会补一轮隐藏成本：专线、数据同步、容灾资源、现场改造和反复压测。
试点不必一开始铺大。可以先挑一个有明确峰值、可量化等待时间、又允许人工接管的任务，记录正常日和高峰日的响应、失败率、人工介入。这样既能判断网络优化是否比扩卡更划算，也能把后续扩容的责任边界留在可复查的记录里。通信展上讲的“强网兴算”，到了企业项目中，最终要落成谁能稳定地把一单活送到模型、再把结果送回岗位。
对准备上模型项目的团队，先别急着把预算全放进卡和接口。拿一个高峰任务做压测，记录请求从业务系统到模型再返回的时间；把网络路径、容量上限、数据落点和故障回退人列清；再比较扩容一档算力与优化一段链路，哪一个更能减少等待。全国规模不是每个园区都能直接拿到的能力，项目仍要按本地资源、合同承诺和业务峰值核算。
2. Claude把生命科学放进“模型—实验室”同一条流程
Anthropic 9月23日公布，Claude 代理在约21小时内调动约950个代理、使用2.1亿个 token，找到了一个带有类似 CRISPR 重复序列的候选酶系统；其研究人员随后在实验室继续分析和测试。公司同时承认，这个系统具体做什么仍在研究中。
这条消息的价值不在于把模型写成“发现者”，而在于流程被拆得更清楚：模型翻查大批公开数据、提出候选，研究人员做实验、判断证据够不够。企业把AI用于研发、质检或风控时，也应保留同样的人工确认和可追溯记录，别让一份看起来很顺的结论直接越过验证环节。
三、中国相关动态
3. 陪伴机器人进智能养老展区，谁接管要先写好
9月23日，新华网报道中国电信在通信展展示云计算、AI等40余项成果；AI智能养老专区里，康养陪伴机器人面对体验者。它给出一个现实场景：机器会说话、提醒、传话，服务边界不能由“智能”带过。
展台展示不等于常态化服务已经跑通。进入家庭、社区或机构后，语音影像何时采、提醒失败谁接、紧急情况通知谁、老人和家属能否一键关闭，都要在规则和服务合同里说清。把接管人、授权与日志留在关键节点，才不会让“陪伴”变成一段说不清的责任。
4. 深圳发布AI司法应用白皮书，流程开始被要求说清责任
同日发布的《人工智能司法应用的深圳实践》白皮书，集中呈现了AI辅助司法工作的探索。它不是全国统一标准，也没有替代法官的意思；更值得企业留意的是，AI进入严肃流程后，权限给到哪里、依据能否回看、人工最后确认什么，都会从技术细节变成责任问题。把这些问题提前写进制度和系统，后面的效率才站得住。
四、简要研判
AI项目的采购清单要从“买多少算力”扩展到“请求怎么走、峰值怎么扛、故障谁接”。 研发和服务场景适合先抓重复、可记录的环节；模型输出和机器人动作都需要有人能复核、能暂停。 治理不该等上线后再补。权限、日志、数据留存和人工签字，是让效率成果能被采用的前提。
关注居正智科，把每天AI变化翻成可落地的成本、部署和责任动作。
观物如实-拒绝碎片认知。