ICT服務與軟件行業趨勢洞察

智變將帶來質變，躍升行業數字生產力成為智能時代的主旋律，全面擁抱 AI 智能時代， 抓住行業數智化轉型大機遇，對 ICT 服務與軟件帶來了新的挑戰和訴求。

1.趨勢一：綠色轉型與智能升級 開啟 ICT“新基建”低碳源動力

1.1 加快綠色網絡發展

智能化的發展進一步加速行業創新和發展進程，傳統的 ICT 機房目前存在大量設備老舊，能源 消耗巨大，空間不足以及維護難度大的問題，改造升級涉及到方方面面的問題，流程長、效率低， 難以支撐業務的持續創新和發展，ICT 網絡基礎設施作為數字化、智能化的底座必須進行綠色轉型 支撐業務可持續發展，為此要從綠色管理框架設計、綠色標準體系評估、綠色運營平臺支撐、綠色 目標網絡建設等方面進行系統性設計與部署。

綠色管理框架設計

綠色轉型是一項長期的進程，必須進行管理框架的頂層設計和目標規劃才能保障構建持續領先 的 ICT 網絡基礎設施。共建從“綠色治理”、“綠色規劃”到“綠色執行”的三層管理框架，指導 綠色轉型戰略落地； 綠色管理框架是指在 ICT 行業內推進環境可持續性的整體方法，該框架旨在促進整個綠色生態 系統的可持續實踐。其中“綠色治理”是在信息與通信領域內制定政策、準則和決策程序，以促進 和確保環境可持續的做法，它涉及建立一個環境管理框架，并將綠色能源納入公司的整體戰略和運 營中。 綠色規劃”即需要制定綠色演進解決方案和綠色評估體系，并將其戰略性地整合到 ICT 網 絡基礎設施發展規劃中。“綠色執行”即實施綠色能源倡議，并在 ICT 網絡基礎設施綠色轉型進程 中持續管理和踐行。它側重于將戰略規劃轉化為具體的綠色演進解決方案，并在 ICT 網絡的運營和 運維中持續優化和提升。

1.2 數據中心綠色低碳先行

根據畢馬威 2023 世界人工智能大會發布的《普慧算力開啟新計算時代》報告，2012 年后， 全球頭部 AI 模型訓練算力需求呈指數級增長，每 3-4 個月翻一番，即平均每年算力增長幅度達到 10 倍。其中，制造業將成為普惠算力最大潛在市場，另外還有 ICT，汽車、金融、醫療和教育等 算力水平頭部行業。 算力爆發帶來功率密度攀升。根據《中國綠色算力發展研究報告（2023 年）》指出未來隨 著人工智能模型訓練推理等應用增加，多樣化算力協同成為常態，單機柜主流功率密度將提高到 12-15KW，超算、智算中心功率密度將提升至 40KW 以上。這勢必帶來能耗劇增。根據國際能 源署發布的《2024 年電力報告》數據顯示，全球數據中心、AI 等相關電力需求將從 2022 年的 460twh 上升到 2026 年的 620-1015twh, 復合增長率為 9.6%-22.9%。

而同時，隨著國家“雙碳”戰略落地，政府對存量數據中心 PUE 等節能指標提出更高要求。 根據 2023 年審計署委托工信部制定《數據中心 PUE 評估和驗收規范》，2025 年，新建大型 / 超 大型數據中心 PUE<1.3，改建核心機房 PUE<1.5。 以上均對數據中心的建設帶來巨大挑戰，新指標，新范圍，新措施全面協同，打造新一代綠色 低碳數據中心需實現“三個轉變”。 新指標：節能指標從 PUE 向可持續發展、綜合指標、全面碳控的 XUE 轉變： 通過計算數據中心總能耗與 IT 設備能耗的比值，PUE 當前被廣泛應用于衡量數據中心的能源 利用效率。而隨著智算時代數據中心規模的不斷擴大，能源消耗增加帶來的碳排放問題、冷卻系 統大量用水帶來的水資源短缺問題等日趨嚴峻，先進數據中心節能指標走向多元化，從 PUE 走向 WUE（Water Usage Effectiveness），CUE（Carbon Usage Effectiveness），GUE（Grid Usage Effectiveness）等綜合可持續發展指標。

綠色標準體系評估

通過網絡碳強度能量指數（NCIe）、網絡能效指數（NEE）、站點能效指數（SEE）、電力 使用效率（PUE）、設備能效指數（TEE）等三層指標和基線，構建完整的綠色網絡評估指標體系。

電信網絡環境影響的測量，它涉及包含網絡、基礎設施和運營的不同方面 的分層指標。第一層是站點層，利用 TEE（電信能效）測量單個網絡設備的能效；利用 SEE（站 點能效）和 PUE（電力使用效率）測量站點和數據中心的能效；第二層是網絡層。它利用網絡能 效指數（NEE）來衡量整個網絡的整體能效；第三層是運營層，它利用網絡碳強度能量指數（NCIe） 來衡量跨網絡傳輸數據的碳強度。總體而言，該分層體系不僅可以有效評估 ICT 網絡基礎設施的能 源效率和碳排放強度，更為 ICT 網絡綠色轉型方案的實施以及 ICT 網絡為其它垂直行業的碳減排 賦能提供了支撐。

2.趨勢二：算力集群及平臺從“建好”向“管 好用好”轉變，持續釋放數智生產力

2.1 智能化時代網絡承載更多業務和數據，建設高可靠 性算力網是關鍵

數據是新時代的生產要素，算力是設備處理數據的速率，數據量的快速擴張帶動算力需求顯著 上升。隨著數字經濟的發展，目前已經處于一個數據成倍式增長的時代，相關數據統計顯示，全球 數據量預計到 2035 年將達到 2,142ZB。傳統的 ICT 網絡基礎設施僅承擔信息傳輸的基礎功能， 而算力網絡將數據中心、云端，網端以及終端進行融合，可直接通過網絡調用接入的各類算力資源， 實現一站式的算力服務。 智能化場景及業務持續發展，算力網絡依靠傳統可靠性設計及維護很難滿足穩定性要求，需要 從架構上進行優化支撐中長期平滑演進；依靠流程管理和專家經驗判斷的動網變更將難以為繼，需 要借助數字孿生網絡進行高精確變更檢查及執行，才能確保網絡持續穩定及高品質算力體驗； 構建高穩定的算力網需要從業務目標、網絡架構以及動態網絡保障三個方面加強韌性能力，保 障算力網能夠支撐中長期面向 AI 業務及場景的平滑演進。

業務韌性是目標：根據業務發展戰略目標，規劃關鍵場景的業務韌性。然后依據業務韌性規劃， 執行網絡架構韌性規劃，從靜態和動態兩個維度發現韌性風險，然后針對性執行韌性網絡優化改造， 在改造過程中以動網保障確保改造成功，最終實現業務韌性。 架構韌性提升是基礎：需要從架構評估和可視、生存性分析和韌性優化與改造三個方面逐一發 力。 架構評估和可視，即對網絡架構執行靜態確定性核查，目的是防架構腐朽，確保規劃設計閉環， 投資有效。其中可充分利用業界已有的韌性成熟度模型、韌性 STABLE 標準執行定量打分。 生存性分析，即對網絡架構執行動態不確定性核查，目的是防生存性風險以系統工程的方法， 利用數字孿生平臺執行擾動遍歷分析。 韌性網絡優化改造，即從爆炸半徑、事故概率、改造成本等維度，執行網絡優化改造方案，包 括網絡設施強化（設備擴容 / 改造 / 新建和遷移 )、網絡調優（配置優化 / 設備遷移調優）等。 動網韌性是保障：在動網環境執行“三道防線”，即事前動網仿真 + 配置核查、事中自動執行、 事后業務撥測，以實現動網操作零風險。

2.2 算力上線速度決定模型創新收益，算力平臺建設與 運營需要更快、更穩、更優

集群交付工期影響算力變現效率：面向行業提供 AI 模型服務及算力服務是算力集群的主流變 現方式，而集群建設是一個復雜的系統工程，專業性強、工序多、周期長，行業亟需具備一體化設 計集成工具能力的算力平臺服務，消除集群建設全流程斷點，實現算力高效部署，加速算力平臺上線； 集群高可用是算力價值兌現的保障：伴隨模型規模增大，算力集群規模持續擴大，器件數的遞 增引發故障率提升，集群的穩定運行需求驅動驅動建設期實現多層多級的壓力測試，通過集成服務 進行集群上線前潛在隱患的系統性深挖、全棧協同優化，實現集群的“優生”，支撐集群運營期模 型穩定訓練的“優育”，以算力集群賦能產業集群，使能百模千態，加速行業智能化。

3.趨勢三：數據是智能的基礎，需要確保數據” 存得下、流得動、用得穩”，為數 據安全保駕護航

3.1 數據決定AI智能的高度，數據存儲成為AI大模型 發展的關鍵基礎設施

為了滿足 AI 大模型的新業務需求，傳統的數據中心的計算，存儲架構從以 CPU 為中心向數 據為中心的新系統架構演進，上下游生態逐步重構。AI 智算集群通過存算分離的架構，提供 PB 級 存儲 TB 級帶寬的集成，不斷提升數據訪問效率，滿足海量數據的高吞吐要求。為了匹配客戶當前 業務和新技術的發展，需要專業分析師對整個 IT 基礎設施進行全面評估，提供最佳實踐和架構演 進規劃設計，通過數據存儲集成構筑安全可靠的數據底座。

3.2 快速的集成讓業務平滑上線，實現數據安全流動

隨著客戶業務的發展，數據正在成為客戶的核心資產，為了滿足國家政策的監管和等保要求， 避免由于停電或宕機等導致核心業務系統中斷或數據丟失。基于不同的 RPO/RTO 需求，提供專 業數據保護方案。通過專業化的容災工具平臺，快速發現業務問題，E2E 拓撲還原，縮短故障定位 時間。智能體系化評估，提供業務影響和切換風險報告，輔助客戶進行決策。對容災切換進行數字 化編排，通過全程可視化，快速恢復關鍵業務。幫助客戶定期進行容災演練，主動護航客戶業務安全。 通過專業的遷移工具平臺，支持各種場景下的主流存儲，主機，數據庫，虛擬化的在線遷移， 確保業務不中斷，數據不丟失。實現一鍵信息收集，一鍵遷移，讓數據安全流動起來。

4.趨勢四：以網絡為中心的運維模式向以業務 為中心的運維模式轉變

4.1 AN快速發展，以業務為中心的新型運營模式帶來 R.I.S.E新商業價值

自動駕駛網絡經過近 5 年發展，91% 運營商已將其納入戰略，并進入實質部署和快速發展期。 然而多數運營商沿用以“網絡為中心”的運營模式，因其自動化程度有限，存在數據孤島、流程孤立、 嚴重依賴人工實現跨域協同等問題，已難以支撐客戶業務戰略和目標。 以“業務為中心”的新一代運營模式，以智能和價值驅動運營商運維實現數字化轉型及自治運 營。新型運營模式具有數據驅動流程、跨域自動化協作、數據平臺和應用深度融合、新型 AI 模型 和電信級算法等特征，給客戶帶來跨域、跨層的全流程視圖，支撐客戶對所有運營流程端到端評估， 由此演進出新的商業價值：從效率（E）向收入、創新、滿意度、效率（R.I.S.E）轉變。

4.2 GenAI 加速以業務為中心的運營轉型進程，基礎 運維領域自動化技術及場景持續深入

GenAI 技術出現后迅速成為全球運營商研究的技術前沿和戰略中心，驅動運維領域 AI 應用從 被動優化 -> 主動支持，從異常檢測、問題根因識別等應用向增強客服、故障預測等領域加速推進， 驅動企業數字化運營轉型。 以香港電訊（HKT）為例，為充分挖掘 AI 價值，推動從 CSP 向 DSP 戰略轉型，將”機器輔 助人”ISOC 發展為“人輔助機器”ISOC 作為重要抓手，在故障管理方面，借助 GenAI、DTN 技術打造故障和性能管理的 Use Case，實現智能服務監控，問題根因分析和修復時間從小時 / 天 -> 分鐘，同時也將 AI 技術應用在客戶體驗和投訴解決、企業客戶服務安全、網絡故障處理等場景。

在基礎運維領域，自動化技術及應用場景持續深入，基礎運維工作標準化和流程化，極大幫助 企業降本增效，促使業務加速創新與發展，在市場競爭中保持領先地位并進步實現可持續發展。 然而，企業利用 GenAI 輔助運營轉型面臨很多挑戰：數據安全及隱私仍是最大挑戰，此外如 何將敏感的客戶數據與公共 LLM 的數據集成，如何衡量模型調優所需工作量等是 GenAI 技術在具 體實施中必須解決的難題。

5.趨勢五：5G-A 和商業場景融合催生確定性 SLA 體驗保障需求，促進新價值創造

為了不斷迎合消費者日益提升的體驗需求，越來越多的電信運營商開始從單一的“流量經營” 模式向更為多元化的“體驗經營”模式轉變。具體實例包括：歐洲已有 31 家運營商發布了速率計 費套餐；廣東聯通在 22 年推出了 5G 直播套餐；上海移動則在 24 年 6 月發布了魔速計劃，該計 劃重點針對商旅、直播、游戲三大場景，推出了 5G-A 商用套餐；中東地區的多家運營商也推出 了 FWA 速率分級套餐等。這一轉變趨勢促使網絡優化的需求變得更加精細化和差異化，以滿足日 益多樣化、個性化的服務需求。具體來說，可以將網絡優化歸為 3 類： 大規模、普遍性的日常優化：此類優化措施旨在保障普通語音和流量用戶的基礎體驗，涉及的 用戶規模最大、網元數量最多，且技術手段相對成熟，因此，降本增效是其主要矛盾。融合 AI 技術， 日常優化正快速向自動化演進。

面向場景化、差異化的體驗經營的專題專項優化：這類優化用于保障“體驗經營”，即確保高 價值用戶能夠享受到符合其訂購套餐預期的高品質網絡體驗，并為網絡價值投資提供有力支持。鑒 于這類優化主要面向具有個性化體驗需求的高價值用戶，因此通常需要借助客戶體驗管理（CEM） 工具，并提供定制化的專題優化或專項優化服務。 面向滿意度和凈推薦值（NPS）的優化：這是終極的優化，其核心目標是提升客戶忠誠度， 旨在延長客戶生命周期，并最終實現提升客戶生命周期綜合價值的目的。這一過程涉及對客戶體驗 的長期跟蹤、深入分析及持續優化。在當今電信網絡用戶規模龐大、業務種類繁多的背景下，用戶 在不同的業務、場景和時間節點下可能會產生截然不同的體驗，因此，這一優化過程顯得尤為重要。 多家頭部運營商已經將客戶滿意度或凈推薦值（NPS）納入 CEO 的關鍵考核指標之中。

針對上述三類場景，需要將自動化、智能化、專業化、主動化以及精細化等策略科學合理地應 用到對應的場景中去，以最大化資源效率： 第 1 類場景快速向高階 AN 演進：為逐步實現高度自動化的網絡優化目標，AI 技術將持續進 化，掌握自主處理蘊含成熟策略的子場景（例如 TopN 優化、覆蓋優化、容量管理等）的技能。這 將確保實現實時高效的閉環控制、主動的預測分析、卓越的成效以及高水平的自動化。此外，鑒于 5G 和 5G-A 網絡的獨特特性，波束級別的優化能力也是該體系中不可或缺的組成部分。

第 2 類場景要找到合適的專業伙伴進行專題優化：這與日常網絡優化存在顯著差異，其中成本 不再是核心矛盾，關鍵在于將商業訴求融入其中，實施以商業為導向的網絡優化策略。這一策略要 求高度專業化的技能和工具，并需深入理解運營商的業務需求。例如，針對 Facebook 的體驗保障， 需要能夠對其進行體驗建模，以便迅速通過 KPI/KQI 的變化來識別 Facebook 的各種體驗問題。 一旦出現問題，還需能夠迅速將問題分解到不同領域（例如無線、核心網、服務器等）和具體網元。 之后，根據不同的優化需求（如速率優先、視頻卡頓率優先、時延優先等多目標綜合優化），進行 精準且快速的優化。因此，這類場景的優化通常依賴于專業廠商、尤其是設備原廠來提供支持。 第 3 類場景成功的關鍵是主動管理、精準優化：傳統的客戶滿意度與 NPS（凈推薦值）管理 主要依賴于調研驅動，但這種方式存在諸多問題，如樣本量有限、隨機性較大、根本原因難以追溯 以及時間滯后等。在進行優化時，往往只能盡力而為，且對優化結果難以做出準確預測。然而，隨 著 AI 和數字孿生技術的迅猛發展，一種以客觀數據和 AI 驅動的優化方式正逐漸嶄露頭角。這種優 化方式能夠利用時空數字孿生技術及其載體，還原用戶體驗事件發生時的時間序列和對應空間位置， 讓滿意度與 NPS 管理“不再擲骰子”，有望成為滿足這一需求的基礎和剛需。

5.2 具備個性化大數據洞察的營銷系統，是價值用戶發 展的關鍵

客戶需求往往隱含在使用網絡的習慣之中，而網絡數據則是實現客戶精準洞察不可或缺的必要 條件。構建個性化洞察與個性化營銷能力，并將其應用于日常生產實踐中，是商業成功的關鍵所在。 實現“體驗變現”商業成功的關鍵在于，精準地識別那些愿意為優質體驗額外付費的客戶，并 找到恰當的渠道和時機，向他們提供具有吸引力的產品。為此，電信運營商的營銷系統需要具備多 維度的個性化洞察能力、實時的智能決策能力，以及營銷活動策劃和多觸點營銷執行能力。通過這 些能力的整合，市場營銷與網絡可以實現有效聯動，從而構成完整的商業閉環。