AI 重塑网络：透视「AI 互联网」的四层架构

AI 不只是在改变应用层，也在重新塑造网络本身。多位行业高管和分析师近期指出，AI 流量正在加速替代传统视频流量，成为骨干网和数据中心内部的主导负载，并催生出一套被作者称为「AI 互联网」的新基础设施体系。

AI 流量已成网络主力军

在 MWC 2026 巴塞罗那期间，Nokia 首席执行官 Justin Hotard 给出了一组关键数据：AI 当前每月产生约 77 EB（艾字节）流量，占全球网络流量约 20%，每年承载 1.3 万亿次会话，每日处理的 token 数超过 100 万亿。其中超过一半的 AI 流量已经跑在移动网络上。Nokia 旗下的贝尔实验室预测，到 2034 年 AI 流量将以 23% 的年复合增长率扩张，最终占广域网总流量的约 30%。

作者进一步援引 OpenVault 数据指出，上行带宽同比增长 21.7%，是下行增速的两倍多——网络结构正在从「向客厅输送电视」转向更对称的模式，这与 AI agent 持续回传数据、智能家居与可穿戴设备高频上传的预期一致。

乐观预测与冷静质疑并存

不过，并非所有人都认同 AI 会大幅推高消费级接入网流量。Disruptive Analysis 的 Dean Bubley 认为，AI agent 真正产生的流量更多会发生在企业内网和数据中心骨干网之间，而不是家庭接入链路上。测速公司 Ookla 的 Mike Dano 对 Cisco「agent 持续在线互动」的预测持怀疑态度；资深分析师 Tom Nolle 则强调，企业必须自建 AI 算力才会显著改变网络流量格局，仅调用云端 API 难以撼动总量。William Webb 进一步指出，工业 AI 并不需要毫秒级的跨地域协同，多数激进的工业 AI 流量预测被高估。

但这些质疑并不否认另一组硬数据：超大规模云厂商在「数据中心」上的累计投入已达 7000 亿美元级别，新建的网络、算力、电力基础设施已经不可逆地改变了底层形态。

数据中心内部：东西向流量取代南北向

在 AI 数据中心内部，流量模式发生了根本性的反转。过去三十年，互联网的主导流向是用户到服务器（即「南北向」流量）；而 AI 训练让成千上万块 GPU 在同一机房里紧密协同，产生海量「东西向」流量。AI 集群对互联带宽的需求可达传统超大规模拓扑的 5 倍。

这一趋势并非 AI 独有——早在 S3、DynamoDB 等云服务推动多可用区复制时，东西向流量就已经在数据中心内部占据主导。AI 的真正贡献在于「把已有的模式放大到极致」：超大规模厂商十多年前就开始自建海缆，如今只是把同一路径的规模和时延要求再推高一档。

推理，而非训练，才是长期驱动力

在投资叙事中，训练环节因算力规模庞大而最受关注；但作者提醒，从经济模型上看，训练支出的每一美元都必须靠推理多次变现才能回本，因此长期看推理将主导网络建设。

推理的流量形态更接近传统 Web 服务——大量并发用户各自发起较小的请求、收到略大的响应。但 agentic（智能体）工作流让事情变复杂：多步推理链需要模型互相调用、向量检索拉取上下文、长会话维持状态，流量体量增长方式不同于传统 Web。

「AI 互联网」的四层结构

作者把当前正在成型的 AI 基础设施划分为四层：

• AI 数据中心内部（GPU 间高速互联）
• 数据中心互联（DCI，跨园区与跨区域骨干）
• 「多个 AI 互联网」（各厂商/区域专网）
• 星际 AI 网络（覆盖全球的骨干与边缘）

文章原文在介绍完数据中心内部这一层后于推理流量的形态描述处截断，但已勾勒出整套框架的轮廓：相比云时代只是把规模与时延要求再上一个量级，AI 时代的网络建设更像是另起炉灶，专门为「机器与机器之间持续对话」而设计。