鄔賀銓院士:2030 年國內對話類 Token 流量將下降至 12%,智能體服務流量佔比升至 75%

重點摘要
首頁 > 智能時代>人工智能 鄔賀銓院士:2030 年國內對話類 Token 流量將下降至 12%,智能體服務流量佔比升至 75% 2026/7/8 16:11:08 來源:新浪科技 作者:- 責編:汪淼 評論: 7 月 8 日上午消息,2026 中國互聯網大會今日開幕,中國工程院院士、中國互聯網協會原理事長、中國工程院原副院長鄔賀銓發表題為《AI 原生重構互聯網》的主題演講。
鄔賀銓院士在7月8日開幕的2026中國互聯網大會上,發表了題為《AI 原生重構互聯網》的主題演講。他在演講中對未來數年的網路流量結構與智能體服務發展趨勢提出具體預測,指出到2030年,中國境內的對話類Token流量占比將大幅下降至12%,而智能體及智能體服務產生的流量則會躍升至75%,成為流量主力。鄔賀銓表示,大模型的誕生確實開啟了全新的AI時代,但大模型擅長的是通識理解,針對單一且細分的任務時,精準度往往不足。智能體的出現恰好補齊了這項短板,因為智能體可以針對特定任務進行精確運作。不過,單一智能體僅能處理簡單任務,更複雜的業務場景需要多個智能體協同協作。
當海量的智能體接入網路,智能互聯網便正式到來,形成在開放環境下多智能體協同運行的全新體系。針對全球IP流量的變化,鄔賀銓提出具體數字。他預測全球IP流量在2025年時,月均規模將達到1.5至7ZB,年增速維持在60%至90%之間。其中,AI智能體所產生的流量將占總流量的60%。流量結構也會出現顯著改變,傳統消費型應用流量在2025年仍占47%至58%,但到2030年這一部分的占比將降至30%以下。同時,智能算力流量在2025年約占30%至35%,2030年則會提升至45%至55%。剩餘的流量將流向數據流通基礎設施。
進一步分析算力流量的細分結構,鄔賀銓指出,2025年時模型訓練流量的占比仍相對較高,但到了2030年,推理流量將超越訓練流量,占比超過60%。這個變化反映了AI應用從模型開發階段逐步轉向大規模部署與即時推論的趨勢。聚焦國內Token流量發展,鄔賀銓給出更具體的時間線。他預測2025年時,對話類Token流量約占總量的一半,但隨著智能體服務快速普及,對話流量的占比將逐年下滑,到了2030年僅剩12%。與此同時,智能體及智能體服務所產生的Token流量占比將從相對較低的水準一舉升至75%,成為網路流量的絕對主體。這項預測背後反映了AI技術應用模式的深層轉變。
早期使用者主要透過對話式介面與大模型互動,例如問答、文字生成等,但這種模式需要大量Token來處理反覆運算的對話資訊,效率相對較低。智能體則能自主規劃任務、調用工具、執行多步驟流程,在不需持續對話的情況下完成複雜工作,因此Token使用更集中在系統內部的推理與協作,而非人機對話。當數以億計的智能體在網路上自動執行任務、相互溝通、交換數據,流量結構自然會從「人對機器」轉向「機器對機器」。鄔賀銓的演講也強調,智能互聯網並非單純的技術升級,而是一種生態體系的重塑。過去網際網路主要承載人類產生的內容與溝通,但未來網路將由AI智能體主導服務交付與數據流動。
這種轉變對網路基礎設施、算力布局、流量管理與安全防護都將帶來全新挑戰。例如,智能體之間的即時協作需要極低延遲的網路環境,推理流量暴增則需要分散式算力節點與邊緣計算的支撐。從產業角度來看,對話類Token流量萎縮並不代表AI應用退潮,反而是AI從「對話式互動」進化到「自主執行服務」的結果。未來使用者可能不再頻繁與聊天機器人對話,而是交由智能體在後台完成訂票、購物、資料分析、程式開發等任務,最終只回報結果。這種模式能大幅提升效率,同時減少不必要的Token消耗。值得注意的是,鄔賀銓提出的預測時間點落在2030年,距今尚有數年發展空間,但全球AI產業的成長速度已遠超預期。
無論是大型科技公司還是新創團隊,都在加速布局智能體產品與多智能體協作平台。中國互聯網協會作為行業重要組織,長期關注網路技術趨勢,鄔賀銓的觀點往往被視為技術風向標。綜合來看,他描繪的未來網路流量圖景,不僅展現了AI對網路架構的深層影響,也提醒各方必須提前規劃算力資源、數據流通機制與標準化協議,以迎接智能體全面入網的新時代。
Related
相關文章

當 human in the loop 變成“閉著眼睛點確認”,企業Agent 安全還能靠誰?
專家指出,AI Agent 從內容安全轉向行為安全,提示詞注入、工具濫用與過度授權成為主要風險。企業應建立可視、可管、可追溯的安全基線,並對工具權限進行最小化與臨時化管理,避免 human in the loop 淪為形式。安全防護需從靜態入口轉向動態行為約束,以因應 Agent 自主執行帶來的全新挑戰。

開源Agent框架刷爆ARC-AGI-3,「自我改進」的RLM harness引爭議
一套開源Agent框架在ARC-AGI-3基準測試中創下超過85%的正確率,大幅領先其他解決方案,其核心是名為「RLM harness」的自我改進機制。然而,該方法引發學術爭議,部分研究者批評它透過反覆試錯「鑽漏洞」,不符合ARC-AGI評測一次性推理的精神。這場討論促使AI社群重新審視評測標準,並可能影響未來ARC-AGI版本的設計方向。

騰訊是在“賽馬”,還是在打造 “Agent工廠”?
騰訊內部正在探討其發展策略究竟是「賽馬」機制還是打造「Agent工廠」。相關討論聚焦於公司如何平衡內部競爭與統一平台建設。目前站內已移除相關混雜文字,保留原始主題供讀者參考。
ChinaJoy 2026 AI遊戲規模化落地,邊緣雲與API安全重構產業底層邏輯
2026年ChinaJoy展館,“與AI同遊”的主題隨處可見。行業調查顯示,僅有21%的企業擁有完整的API資產清單,大量後臺AI接口仍在無人監控的狀態下裸奔。合規與安全也同步下沉。算力下沉還不夠,API安全必須同步前移邊緣雲解決了體驗問題,但AI交互入口的安全,同樣需要前置到邊緣。算力與安全,缺一不可Akamai的判斷很明確:遊戲AI轉型不能割裂算力與安全。這也是遊戲廠商規模化落地AI智能體、構建AI原生遊戲的標準化底層方案。

openJiuwen發佈業界首個企業級分佈式蜂群架構,聯合郵儲成功落地金融生產環境
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.

螞蟻集團開源Avernet,讓人與智能體像組織一樣高效協作
**螞蟻集團開源Avernet:打造人與智能體高效協作的“組織級”基礎設施** **來源:量子位** **2026-08-07 11:08:51** 近日,螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet,其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施,Avernet的首個版本重點開放了智能體協作網絡能力,旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理,為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。