邬贺铨院士在2026中国互联网大会上的主旨报告《AI原生重构互联网》指出，AI原生互联网将推动网络从传统信息传输向智能体互联与能力协同的深度变革。报告预测，到2030年AI相关流量将占全球IP流量的60%，智能体服务（如多模态交互、算力调度）将成为核心业务形态。

AI原生架构需新增智能通信层与语义意图层，支持A2A协议实现多智能体协作，并通过6G分布式部署算力与AI能力至终端、基站等节点。互联网企业需向算力提供商、模型服务商、数据运营商等方向转型，以适配AI原生时代需求。

邬贺铨，中国工程院院士，点击图片查看视频>>

2026年7月8日，以“智启新程·融创未来——以数智合力谱写‘十五五’发展新篇章”为主题的2026（第二十五届）中国互联网大会在国家会议中心开幕。中国工程院院士邬贺铨作了《AI原生重构互联网》报告。

以下为报告实录。

从三个方面讲：1.互联网赋能AI底座；2.智能体加持数智服务；3.数智化重塑企业新质。

一、互联网赋能AI底座

大模型的出现开启了AI新时代，大模型偏重于广泛的一种了解，但是它对每一个单独的任务并不见得精准，现在智能体的出现，它基于可以调用外部的工具，同时通过在执行过程中的闭环，把经验形成记忆，第三是它可以跟其他智能体交互。因此，智能体成为了大模型+记忆系统+工具调用+规划能力，它本身是一种小程序表现的一种能力，但是它把大模型变成针对具体任务的代理。但是单一的智能体毕竟还是任务比较简单，往往我们需要处理比较复杂的任务，就需要多个智能体协同，不仅仅是1+1大于2，更多是共享工具链、共享经验，因此可以显著提升它们处理问题的能力。当把智能体都连到网上，我们就开启了智能互联网，这是一个开放环境下协作的智能体。智能体的服务一般会在哪里体现呢？可以在终端，当然更多的情况下它会放在云上，这就成为智能体即服务，传统的云我们有IaaS、PaaS，随着大模型来了，我们增加了MaaS模型即服务。随着智能体的出现，我们增加了AaaS智能体即服务。只要能上网就会连上云，就能够使用大模型、工具链以及相应的接到云端智能体的服务，它显著降低了企业使用智能体的门槛。

传统的云底层是要IaaS基础设施服务，还有PaaS平台即服务，提供一些工具软件，传统的云服务上面就是SaaS软件即服务，企业各种各样的软件，在上面我们希望提供数据挖掘的能力。现在大模型了，我们增加了MaaS模型即服务，又增加了AaaS智能体即服务，这就极大地推动了智能体走向了应用。

全球全网的IP流量在2025年平均的该每个月1.1-1.3ZB，到2030年可能会翻到5.5-7ZB，年增大概60-90%极其重AI智能体的流量占比60%，全网IP流量会有几个渠道，一个是传统的消费应用，在2025年仍然占到IP流量的47-58%，可是到2030年会降到30%以下。还有一部分主要的流量会走到智能算力上面，在2025年占到全网流量的30%-35%，而2030年可能会升到45%-55%，还有一部分流量是送到数据流通利用基础设施。右上表显示了这些流量在模型训练、推理缓存、算力调度/同步上各自占的比例（表 见PPT），在2025年可能训练还占比较大的比例，可是到2030年推理已经占到60%以上。预计到2030年全球的IP流量中AI占比会超过60%，其中南北向流量上下行基本是对称的，但是东西向流量远超南北向。AI的流量总的来讲对丢包和时延非常敏感，这是全球的情况。

对于中国来讲，下表显示了2025—2030年中国的Token流量在2025年可能对话类还能占到一半左右，但是到2030年可能只占到12%，而智能体+智能体即服务在2030年将占到75%，而这部分流量更多的还是在算力中心内部，跨域的流量比例是大概12.6%-17.5%，从2025年到2030年会有这样的变化，尽管跨域流量占比不太大，但是总的流量应该说增长率还是很快的。

这种大流量，又要低时延，又要高带宽，因此它推动了互联网架构的转变，传统互联网是实现“主机互联+信息互联”，现在扩展到智能体互联和能力互联，互联网向AI原生方向重构，所谓AI原生就是说智能算力的能力不是外挂的，而是内生嵌入到内部的，这种AI原生的互联网对传统互联网架构会有一个很大的变化，第一层到第四层是基础层，在原有的一层到四层上面，我们要增加AI for Network的能力和Network for AI的能力，也就是网络本身要适应AI的需要，同时网络本身也引入AI来优化网络，更好地服务于AI业务。

传统的互联网第五层、第六层现在在AI原生的互联网里头也要更多增加语义的分量，比如说能管理跨域智能体会话的生成以及会话资源的动态伸缩，还要增加语义向量的编码，包括隐私计算的加密等等。

传统应用层第七层在AI原生互联网还会继续存在，但是跟原来相比增加了A2A协议、MCP协议、ANP协议，以及强化了模型即服务和智能体的调度网关能力。

在AI原生互联网架构中，增加了原来传统互联网没有的智能通信层和语义意图层，我们把它叫做L8和L9，智能体通信层引用了A2A/MCP这些智能体的通信协议，并且增加了有中心的和无中心的对智能体的注册、发现、认证，还有支撑多智能体的协同模式，用客户服务器的模式以及发布和订阅的模式。

在语义层要理解网上各种业务的意图，从知识图谱上把它更好地识别，我们希望统一多模态的意图解释，上下文对齐，包括我们更好地利用全局的算力和模型资源的协商。

我们这里把底层第一层到第四层稍微解释一下，在底层的第一层现在是光网络，通过超大带宽、超低时延、灵活的切片、可靠性和算力感知来适应AI的需要，我们同时要利用AI技术加持智能光网络开放和可编程的光层，以及数字孪生、物理层跟IP层的协同。

在1.5层或者叫链路层，我们引用了灵活的以太网Flex E，它实际上是既保留了以太网的统计复用，又增加了TDM的实时复用，同时让颗粒性可以做得比较细，更有利于我们适应多重业务，并且我们做到低时延、可控的时延，增强对性能的感知以及动态配置，以及和AI算力解耦的能力。当然，也会利用到AI，包括智能切片的编排，还有整个带宽和能效的优化、故障的自愈、数字孪生。

第三层是基于IPv6，尤其是基于SRv6分段选路，我们可以实现全链路的统一承载，按需寻址以及算力业务服务质量等分层、分质量的隔离，还有内生的安全以及可视化的运维，AI可以帮助我们在分段选路上做到路径与策略的动态生成，切片AI的弹性适配，以及跨域的拥塞协同、AI驱动的算力路由和安全随流运维。

第四层，原来传统的TCP现在要被RDMA存储器的远程制度代替了，它短路了，传统的TCP/IP，避免没有TCP可以不至于拥塞重传，但是它需要用预先感知的拥塞，通过向云端反馈降速或者关掉一些低优先权的业务，保证高优先权的业务无拥塞、不丢包。这里也讲了RDMA如何适应AI的需要，以及AI如何帮助RDMA实现更好的拓扑感知、流量分类以及拥塞等感知和重传优化。

在智能体互联网里，尤其是AI原生，我们会发现智能体本身是一种服务，也可以说跟用户、跟端口一样需要被发现，它除了跟互联网传统的端口识别的地址以外，它还需要有新的标识来呈现它所代表的能力、它的服务类型、它的能力的原数据等等。所以对智能体而言，不仅仅是一个标识注册的问题，它还有注册发现、认证的问题。比如说在左上图，A、B智能体都向我们的数据库、服务器注册，但是当B智能体发现单一智能体不能完成规定任务的时候，需要寻找其他智能体协商、协作，它把需求发到数据库，数据库就查询原来A智能体是满足这个要求的，就可以通知智能体B，你可以跟智能体A通话，这就是一个注册/发现的过程。当然连接本身要通过MCP跟上下文模型发生关系，要通过A2A协议跟相关智能体协同，目前所显示的还是一种有中心的模式，未来也可以走无中心的模式，我们叫DID，DID的主体可以通过生成密钥来生成他自身的地址和智能体身份的编号，这个编号可能是很长的，它到可验证的数据注册表去登记，如果这个编号在事前没有人重复，那么这个编号就登记成功了。下一个来的智能体如果再登记，跟这个重复的号码一定不可能接受。通过这样使得智能体的号码达到了唯一性，这种智能体注册的能力需要通过开发者验证机构来给他发证书，相当于给他背书，证明这是可信的。最左端的VC验证方需要调用某一个智能体的时候，这个时候被调用的智能体，比如说VC持有方只要出示这个验证的证明，表示这是合法的，这种叫无中心的方式认证，未来可能是有中心跟无中心结合。

所谓AI原生就是要把AI的能力嵌入到系统，而不是外挂。以6G为例，我们可以看到在传统的控制面，CP和用户面UP的基础上增加了数据面，里面的分布功能以绿色的框框表示，这些数据的功能同样会下沉到控制面，同时会嵌入到基站，嵌入到终端，伴随着AI和机器学习的能力也会放到终端、基站，以及数据面上，利用这种数据面的能力，实现了数据采集、流转、存储、分析、开放、训练，它提供了统一的数据确权、差分隐私、联邦计算、数据交易能力开放的接口。我们可以看到，这种算力和这种人工智能体是分布式到终端、基站、接入网、核心网，包括控制面、管理面上都有，这是把AI以分布式的智能推进网络设备走向AI原生的很好的例子。

二、智能体激发数智服务

智能体终端的能力现在在不断地提升，这里比较了手机和PC，我们分别 比较了2025年和2030年，从算力推理所需的内存和支持的模型参数量、上下文的长度，从这四个方面我们可以看到2030年相对2025年有一个很大的飞跃，当然了，PC的能力是手机能力的好几倍。总的来讲，到2030年，移动端可能会发展到2nm甚至1.4nm制程，有高带宽的存储，手机如果说把计算精度到4位，它的量化可以支持130亿模型，到2030年甚至可以到700亿模型。同时，存算一体的NPU到2030年也会成熟，加速KV缓存，内存开销会显著下降。这是一个小动画，是在iPhone17上跑一个4000亿的大模型，尽管很慢，但是它还是能跑得动。这是一个在PC上做一种协同计算和协同的设计，这里面如果嵌入英伟达的PC芯片，3nm的工艺、128GB的内存、1P的Flops的算力，上百万的Token，能支持1200亿参数，这相当于几年前的一个小数据中心的能力。

AI原生的互联网面向To C消费类业务，主要可以分成六类：1.AI通用AI智能体；2.多模态内容原生消费业务；3.AI原生智能电商；4.个人生产力和学习业务；5.心理健康与社交应用；6.硬件使用与管理服务。这些都在传统的互联网消费业务的基础上有了一个很大的提升，当然，价值也相应提升了。

刚才说的是To C，现在说To B，To B利用自进化的通用智能体和行业专用的智能体，以及嵌入式、轻量化的智能体，还有可信的自治智能体，我们可以实现流程自动化，构建行业专家系统，推动多智能体的协同，以及支持具身智能。目前在面向行业应用，首先从智能客服营销开始，还有IT的运维、研发以及数据的分析，财务、人力资源、法务，这些为什么会先开始？因为这些应用跟行业上的差异并不大，不同类型的行业，这些服务都差不多，因此比较容易介入，而且效果也比较容易体现。在生产制造环节，因为这个跟行业差异就比较大了，在To B的应用可能还需要一段时间的培育。底下总结了在未来几年整个面向行业应用的一种产业规模。

我们总结起来，AI原生互联网的业务特征在交互特征上是以语义多模态为主，在服务形式上是以智能体为核心的执行单元，在流量特征上是面向算力与语义，在产品交付特征上主要是“模型即服务+智能体即服务”，在商业模式上主要是以算力、Token、效果来付费，在运营特征上是全链路自进化闭环。

互联网核心业务的市场，这个表从八个方面比较了2025年到2030年互联网核心业务的市场规模，从中我们可以发现，整个2025到2030年，很多业务量可能是翻了一倍甚至更多，未来的发展随着智能体的加持，互联网的服务一定会有更大的提升。

三、数智化重塑企业新质

整个AI扩展了ICT企业的服务形态，原来只有电信服务运营商和互联网服务商，这两者本身还是有比较明确的分工的，仅仅是在政企专线上可能会有一些有限的竞争，彼此需要很好的合作。在AI时代不仅是电信运营商和互联网服务商，我会出现算力服务商、云服务商、大模型的服务商和数据服务商，就云而言，又可以分为IaaS的服务、PaaS的服务、MaaS和AaaS的服务，以及作为算力调度交易平台的服务，作为垂直行业解决方案的服务，还有边缘算力的服务。

互联网企业面对AI原生，我们一定会发生转型，这种转型有四个方向：一是向算商转型，从互联网企业变成算力提供商。第二个是同样的还可以再变成模型提供商以及智能体服务商。原来存量的流量我们会继续挖掘，提升它的资产价值，包括存量的业务，以及新增高价值的业务，以及开发数据服务的服务业务。最后是向数据服务商拓展，因为互联网公司有大量的数据，可以成为资源型数据的提供商，还有技术加工型的数据提供商，还有流通服务型的数据提供商。当然，安全也是一种服务，可以作为安全服务，这也会产生高的安全增值与收入。

互联网企业跟AI企业互相之间是会向各自方向发展，但是更多的是合作，适应AI原生市场，这里举了头部传统的互联网平台，还有垂直的AI原生厂商，以及中小互联网公司各自的发展模式。下表比较了海外的互联网企业跟国内的互联网企业，他们发展的路径是不一样的，根源在于他们市场的结构不同。

最后，我们现在是站在互联网向AI原生发展的入口，互联网从1994年中国成功接入，经历了PC互联网时代和移动互联网时代，现在走到了智能互联网时代，在智能体，现在是智能互联网时代一个很好的特征，对智能体而言，我们刚刚走过了提示词工程，就是说给智能体、给大模型一个明确的输入，我们正在走向上下文的工程，也就是说我们还得告诉智能体，不仅仅是输入告诉它做什么，还得告诉智能体如何去调用工具，如何去发现找出记忆，什么时候去检索，什么时候加载。

未来智能体还要向优化模型运行发展，因为在智能体的过程中，我们有一个推理过程，有一个执行过程，什么时候从推理转到执行，什么时候推理来迭代循环，这里面确实也还是有很多需要优化的地方。另外，外部的智能体要调动多少、调什么样的智能体、各个智能体怎么分工？这也需要科学合理的谋划，在这点上，智能体现在刚刚走过了提示词工程、上下文工程，还需要再走控制套件工程。整个AI原生相对于AI外挂更能适应智能体套件工程的应用，AI原生推动了互联网从底层起的重构。

目前AI原生还处于起步，技术与市场还在探索，站在AI原生的入口，ICT企业需要抓住机遇，勇于创新，开拓互联网的新时代。

谢谢大家，我的发言到此结束。