Appearance
铸造电信服务：AI如何改变网络创新的经济学
原文标题: Minting Telecom Services 来源: Paul Graham
💡 核心观点
本文阐述了人工智能（AI）如何重新定义电信行业的服务创建模式，将传统的“服务构建（Building Services）”升级为“服务铸造（Minting Services）”。通过引入AI服务编排器，AI能够将商业意图直接转换为网络策略、计费规则和API接口配置，将电信服务的开发与上线周期从数月缩短至数分钟。这极大降低了网络服务创新与测试的边际成本，使特定场景、短期的长尾服务市场化成为可能，甚至将催生AI智能体间（Agent-to-Agent）自主采购网络资源的全新商业形态。对投资而言，该变革将电信基础设施从静态的流量管道转化为可动态调用的智能可编程资产，开启了电信运营商从单纯降本增效转向商业模式重塑的巨大增量价值空间。
📖 中文全文
几十年来，电信行业一直存在着一个令人尴尬的矛盾。
我们运行着地球上最先进的技术之一。现代5G网络是分布式、云原生、可编程的系统，能够支持网络切片（network slicing）、边缘计算（edge computing）、实时计费（real-time charging）、动态策略控制（dynamic policy）以及精细的服务质量（QoS）控制。
然而，创建一个新的电信服务依然可能需要耗费数月时间。
推出一项新的业务主张，往往意味着需要经过需求分析、方案设计、系统集成、开发、测试、配置、部署，以及网络、IT、BSS（业务支撑系统）、OSS（运营支撑系统）和商业团队之间漫长的一连串会议。
与此形成鲜明对比的是，某个拥有互联网应用创意的人，只需向AI编程助手描述其想法，便能在午饭前获得一个可运行的原型。
在这两个世界之间，隐藏着巨大的机遇。
如果我们能够利用AI来“铸造（mint）”电信服务，情况会怎样？
从“构建服务”到“铸造服务”
我特意使用了“铸造（minting）”这个词。
当我们铸造某种东西时，我们是从一个既定的机制中创建一个新的实例。底层的复杂机械已经存在，但请求输出的人并不需要理解其中的每一个部件。
这可能会成为电信行业一个非常有趣的模式。
想象一下对AI说这样一段话：
“请为参加今晚足球比赛的客户创建一项高端游戏服务。在球场区域内为订阅用户提供低时延的5G体验，优先传输游戏流量，4小时通行证收费2.99英镑，并在午夜自动终止服务。”
在今天，实现这样的业务可能会涉及多个系统和团队。
但在AI原生的电信环境中，上述这段描述本身就可以直接变成服务规范（service specification）。
AI可以确定需要在网络和业务系统中执行哪些操作：
- 创建产品和计费配置；
- 生成相应的策略规则；
- 配置QoS（服务质量）；
- 在适当的时候请求或配置网络切片；
- 制定准入资格规则；
- 配置地理与时间限制；
- 生成API调用和编排工作流；
- 创建可观测性与保障规则；
- 产生必要的测试用例；
- 部署配置；以及
- 当服务到期时自动释放临时资源。
用户只需描述商业意图（commercial intent）。 AI则将该意图转化为网络行为（network behaviour）。
这是关于电信服务创建的一种根本不同的思考方式。
网络变成API
相当长一段时间以来，我们一直在朝这个方向迈进。
云原生架构使网络功能具备了可编程性。5G引入了基于服务的架构（SBA）。网络API越来越多地向应用程序开放位置、身份验证、按需质量（Quality on Demand）以及网络信息等能力。
而AI可能正是那个缺失的抽象层（abstraction layer）。
与其让开发者具备3GPP接口、策略控制、计费、QoS模型和网络拓扑方面的详尽知识，不如由一个AI Agent（智能体）来理解所需的结果并确定如何实现它。
考虑一家物流公司的需求：
“为我们在萨福克郡（Suffolk）运营的自动驾驶配送车辆创建一项通信服务。为遥测数据提供适当的连接保障，优先传输紧急控制流量，并按每辆活跃车辆向我们计费。”
或者广播公司的需求：
“在本周六14:00至18:00之间，为我们在这个体育场周围的制作团队提供有保障的上行链路容量。”
抑或医疗健康应用的需求：
“当这款获得批准的医疗设备检测到紧急情况时，临时提高其网络优先级，并建立一条连接到监控平台的高安全性、低时延连接。”
这些不仅仅是在电信网络上运行的应用程序。它们是能够影响网络本身行为的应用程序。
作为电信服务编排器的AI
这勾勒出一个全新的架构组件：AI服务编排器（AI service composer）。
服务编排器将介于人类或应用的意图与底层的网络能力之间。
它的职责就是完成以下翻译过程：
意图 → 服务模型 → 网络策略 → API → 配置 → 部署 → 保障
重要的是，这并不意味着允许大语言模型（LLM）去随意配置生产环境中的移动网络。
AI将在精心定义的边界内运行。
网络将通过确定性的API暴露经过批准的能力。策略将定义AI可以请求的内容。生成的配置可以根据模式（schemas）和业务规则进行验证。在部署前可以进行模拟和自动化测试。
AI提供智慧与灵活性。 电信平台提供安全护栏（guardrails）。
这一区分至关重要。
策略与计费变得尤为有趣
在这种模式下，有两个功能变得极其重要：策略（policy）与计费（charging）。
策略决定网络应该做什么。 计费决定所产生的能力如何转化为一项商业服务。
将两者与AI结合，我们就有可能创建一个功能异常强大的“服务工厂”。
AI系统可以接收一项商业主张，并生成相应的策略和计费行为。
例如：
“创建一个5英镑的国际漫游包，提供5GB数据流量，首次使用后48小时内有效，仅在西班牙和葡萄牙可用，且视频流量限制在指定的QoS配置范围内。”
AI可以生成产品定义、计费规则、策略规则、准入条件、生命周期行为、API配置和测试用例。
随后，结果可以在部署前通过自动化验证。
运营商不再需要在多个平台上手动配置产品，而是开始将商业意图编译为网络行为。
这最终可能会被证明是生成式AI在电信领域最重要的应用之一。
从“数月”到“数分钟”
其经济影响可能是巨大的。
在历史上，电信产品开发一直偏爱大型业务主张，因为推出任何产品都需要巨大的付出。
如果创建一个服务的成本高达几十万英镑且耗时六个月，那么只有预测收益巨大的创意才能在商业立项中幸存下来。
但如果AI大幅降低了创建和测试电信服务的边际成本，会发生什么？
突然之间，小型业务主张变得可行了。
运营商可以为以下场景定制创建服务：
- 某场特定的体育赛事；
- 音乐节；
- 工业机器人集群；
- 农业物联网设备；
- 紧急救援人员；
- 无人机走廊；
- 游戏联赛；
- 电视制作团队；
- 临时施工工地；或者
- 单个企业客户。
有些服务可能存在数年。 有些可能只存在一个周末。 有些甚至可能只存在一个小时。
电信产品目录将开始变得不像一个静态目录，而更像一个动态的服务市场（dynamic service marketplace）。
接下来的发展会更有趣
下一步不再是人类要求AI去创建服务。
而是AI Agent为其他AI Agent购买电信能力。
想象一个自主物流平台识别到一队车辆即将进入需要额外网络连接保障的区域。
其AI Agent可以自动发现可用的网络能力，协商所需的服务水平，通过API购买该能力，并在不再需要时予以释放。
机器客户遇上机器供应商（Machine customer meets machine supplier）。
届时，电信服务将成为可组合的数字资源，就像今天消耗计算、存储和云API一样。
网络连接不再仅仅是一项订阅。 它变成了软件可以动态获取的某种资源。
电信运营商的真正机遇
当前关于电信行业中AI的讨论，大多集中在运营效率上。
AI当然会帮助运营商优化网络、自动化客户服务、分析告警、生成软件并降低运营成本。
这些都是重要的应用。
但它们在很大程度上只是利用AI让现有的电信模式变得更高效。
更大的机遇在于利用AI去改变模式本身。
电信运营商拥有超大规模云厂商（hyperscalers）和AI公司无法简单生成的优势：连接着数十亿人、设备、车辆和机器的复杂实时基础设施。
5G及未来的6G网络正使这些能力变得越来越具备可编程性。 网络API使它们变得可访问。 AI可以使它们变得可理解。 而策略、计费和编排则能使它们在商业上可消费。
把这些拼图组合在一起，我们就拥有了比另一个聊天机器人有趣得多的基础。
我们拥有了**AI驱动的电信服务工厂（AI-driven telecom service factory）**的雏形。
未来的赢家可能不是那些拥有最大预定义产品目录的运营商。
而可能是那些使其网络具备足够可编程性的运营商，使得客户——以及最终他们的AI Agent——能够随时创建他们所需要的服务。
描述结果。 让AI编排服务。 验证它。部署它。为其计费。 铸造它。