ICT服务与软件行业趋势洞察

智变将带来质变，跃升行业数字生产力成为智能时代的主旋律，全面拥抱 AI 智能时代， 抓住行业数智化转型大机遇，对 ICT 服务与软件带来了新的挑战和诉求。

1.趋势一：绿色转型与智能升级 开启 ICT“新基建”低碳源动力

1.1 加快绿色网络发展

智能化的发展进一步加速行业创新和发展进程，传统的 ICT 机房目前存在大量设备老旧，能源 消耗巨大，空间不足以及维护难度大的问题，改造升级涉及到方方面面的问题，流程长、效率低， 难以支撑业务的持续创新和发展，ICT 网络基础设施作为数字化、智能化的底座必须进行绿色转型 支撑业务可持续发展，为此要从绿色管理框架设计、绿色标准体系评估、绿色运营平台支撑、绿色 目标网络建设等方面进行系统性设计与部署。

绿色管理框架设计

绿色转型是一项长期的进程，必须进行管理框架的顶层设计和目标规划才能保障构建持续领先 的 ICT 网络基础设施。共建从“绿色治理”、“绿色规划”到“绿色执行”的三层管理框架，指导 绿色转型战略落地； 绿色管理框架是指在 ICT 行业内推进环境可持续性的整体方法，该框架旨在促进整个绿色生态 系统的可持续实践。其中“绿色治理”是在信息与通信领域内制定政策、准则和决策程序，以促进 和确保环境可持续的做法，它涉及建立一个环境管理框架，并将绿色能源纳入公司的整体战略和运 营中。 绿色规划”即需要制定绿色演进解决方案和绿色评估体系，并将其战略性地整合到 ICT 网 络基础设施发展规划中。“绿色执行”即实施绿色能源倡议，并在 ICT 网络基础设施绿色转型进程 中持续管理和践行。它侧重于将战略规划转化为具体的绿色演进解决方案，并在 ICT 网络的运营和 运维中持续优化和提升。

1.2 数据中心绿色低碳先行

根据毕马威 2023 世界人工智能大会发布的《普慧算力开启新计算时代》报告，2012 年后， 全球头部 AI 模型训练算力需求呈指数级增长，每 3-4 个月翻一番，即平均每年算力增长幅度达到 10 倍。其中，制造业将成为普惠算力最大潜在市场，另外还有 ICT，汽车、金融、医疗和教育等 算力水平头部行业。 算力爆发带来功率密度攀升。根据《中国绿色算力发展研究报告（2023 年）》指出未来随 着人工智能模型训练推理等应用增加，多样化算力协同成为常态，单机柜主流功率密度将提高到 12-15KW，超算、智算中心功率密度将提升至 40KW 以上。这势必带来能耗剧增。根据国际能 源署发布的《2024 年电力报告》数据显示，全球数据中心、AI 等相关电力需求将从 2022 年的 460twh 上升到 2026 年的 620-1015twh, 复合增长率为 9.6%-22.9%。

而同时，随着国家“双碳”战略落地，政府对存量数据中心 PUE 等节能指标提出更高要求。 根据 2023 年审计署委托工信部制定《数据中心 PUE 评估和验收规范》，2025 年，新建大型 / 超 大型数据中心 PUE<1.3，改建核心机房 PUE<1.5。 以上均对数据中心的建设带来巨大挑战，新指标，新范围，新措施全面协同，打造新一代绿色 低碳数据中心需实现“三个转变”。 新指标：节能指标从 PUE 向可持续发展、综合指标、全面碳控的 XUE 转变： 通过计算数据中心总能耗与 IT 设备能耗的比值，PUE 当前被广泛应用于衡量数据中心的能源 利用效率。而随着智算时代数据中心规模的不断扩大，能源消耗增加带来的碳排放问题、冷却系 统大量用水带来的水资源短缺问题等日趋严峻，先进数据中心节能指标走向多元化，从 PUE 走向 WUE（Water Usage Effectiveness），CUE（Carbon Usage Effectiveness），GUE（Grid Usage Effectiveness）等综合可持续发展指标。

绿色标准体系评估

通过网络碳强度能量指数（NCIe）、网络能效指数（NEE）、站点能效指数（SEE）、电力 使用效率（PUE）、设备能效指数（TEE）等三层指标和基线，构建完整的绿色网络评估指标体系。

电信网络环境影响的测量，它涉及包含网络、基础设施和运营的不同方面 的分层指标。第一层是站点层，利用 TEE（电信能效）测量单个网络设备的能效；利用 SEE（站 点能效）和 PUE（电力使用效率）测量站点和数据中心的能效；第二层是网络层。它利用网络能 效指数（NEE）来衡量整个网络的整体能效；第三层是运营层，它利用网络碳强度能量指数（NCIe） 来衡量跨网络传输数据的碳强度。总体而言，该分层体系不仅可以有效评估 ICT 网络基础设施的能 源效率和碳排放强度，更为 ICT 网络绿色转型方案的实施以及 ICT 网络为其它垂直行业的碳减排 赋能提供了支撑。

2.趋势二：算力集群及平台从“建好”向“管 好用好”转变，持续释放数智生产力

2.1 智能化时代网络承载更多业务和数据，建设高可靠 性算力网是关键

数据是新时代的生产要素，算力是设备处理数据的速率，数据量的快速扩张带动算力需求显著 上升。随着数字经济的发展，目前已经处于一个数据成倍式增长的时代，相关数据统计显示，全球 数据量预计到 2035 年将达到 2,142ZB。传统的 ICT 网络基础设施仅承担信息传输的基础功能， 而算力网络将数据中心、云端，网端以及终端进行融合，可直接通过网络调用接入的各类算力资源， 实现一站式的算力服务。 智能化场景及业务持续发展，算力网络依靠传统可靠性设计及维护很难满足稳定性要求，需要 从架构上进行优化支撑中长期平滑演进；依靠流程管理和专家经验判断的动网变更将难以为继，需 要借助数字孪生网络进行高精确变更检查及执行，才能确保网络持续稳定及高品质算力体验； 构建高稳定的算力网需要从业务目标、网络架构以及动态网络保障三个方面加强韧性能力，保 障算力网能够支撑中长期面向 AI 业务及场景的平滑演进。

业务韧性是目标：根据业务发展战略目标，规划关键场景的业务韧性。然后依据业务韧性规划， 执行网络架构韧性规划，从静态和动态两个维度发现韧性风险，然后针对性执行韧性网络优化改造， 在改造过程中以动网保障确保改造成功，最终实现业务韧性。 架构韧性提升是基础：需要从架构评估和可视、生存性分析和韧性优化与改造三个方面逐一发 力。 架构评估和可视，即对网络架构执行静态确定性核查，目的是防架构腐朽，确保规划设计闭环， 投资有效。其中可充分利用业界已有的韧性成熟度模型、韧性 STABLE 标准执行定量打分。 生存性分析，即对网络架构执行动态不确定性核查，目的是防生存性风险以系统工程的方法， 利用数字孪生平台执行扰动遍历分析。 韧性网络优化改造，即从爆炸半径、事故概率、改造成本等维度，执行网络优化改造方案，包 括网络设施强化（设备扩容 / 改造 / 新建和迁移 )、网络调优（配置优化 / 设备迁移调优）等。 动网韧性是保障：在动网环境执行“三道防线”，即事前动网仿真 + 配置核查、事中自动执行、 事后业务拨测，以实现动网操作零风险。

2.2 算力上线速度决定模型创新收益，算力平台建设与 运营需要更快、更稳、更优

集群交付工期影响算力变现效率：面向行业提供 AI 模型服务及算力服务是算力集群的主流变 现方式，而集群建设是一个复杂的系统工程，专业性强、工序多、周期长，行业亟需具备一体化设 计集成工具能力的算力平台服务，消除集群建设全流程断点，实现算力高效部署，加速算力平台上线； 集群高可用是算力价值兑现的保障：伴随模型规模增大，算力集群规模持续扩大，器件数的递 增引发故障率提升，集群的稳定运行需求驱动驱动建设期实现多层多级的压力测试，通过集成服务 进行集群上线前潜在隐患的系统性深挖、全栈协同优化，实现集群的“优生”，支撑集群运营期模 型稳定训练的“优育”，以算力集群赋能产业集群，使能百模千态，加速行业智能化。

3.趋势三：数据是智能的基础，需要确保数据” 存得下、流得动、用得稳”，为数 据安全保驾护航

3.1 数据决定AI智能的高度，数据存储成为AI大模型 发展的关键基础设施

为了满足 AI 大模型的新业务需求，传统的数据中心的计算，存储架构从以 CPU 为中心向数 据为中心的新系统架构演进，上下游生态逐步重构。AI 智算集群通过存算分离的架构，提供 PB 级 存储 TB 级带宽的集成，不断提升数据访问效率，满足海量数据的高吞吐要求。为了匹配客户当前 业务和新技术的发展，需要专业分析师对整个 IT 基础设施进行全面评估，提供最佳实践和架构演 进规划设计，通过数据存储集成构筑安全可靠的数据底座。

3.2 快速的集成让业务平滑上线，实现数据安全流动

随着客户业务的发展，数据正在成为客户的核心资产，为了满足国家政策的监管和等保要求， 避免由于停电或宕机等导致核心业务系统中断或数据丢失。基于不同的 RPO/RTO 需求，提供专 业数据保护方案。通过专业化的容灾工具平台，快速发现业务问题，E2E 拓扑还原，缩短故障定位 时间。智能体系化评估，提供业务影响和切换风险报告，辅助客户进行决策。对容灾切换进行数字 化编排，通过全程可视化，快速恢复关键业务。帮助客户定期进行容灾演练，主动护航客户业务安全。 通过专业的迁移工具平台，支持各种场景下的主流存储，主机，数据库，虚拟化的在线迁移， 确保业务不中断，数据不丢失。实现一键信息收集，一键迁移，让数据安全流动起来。

4.趋势四：以网络为中心的运维模式向以业务 为中心的运维模式转变

4.1 AN快速发展，以业务为中心的新型运营模式带来 R.I.S.E新商业价值

自动驾驶网络经过近 5 年发展，91% 运营商已将其纳入战略，并进入实质部署和快速发展期。 然而多数运营商沿用以“网络为中心”的运营模式，因其自动化程度有限，存在数据孤岛、流程孤立、 严重依赖人工实现跨域协同等问题，已难以支撑客户业务战略和目标。 以“业务为中心”的新一代运营模式，以智能和价值驱动运营商运维实现数字化转型及自治运 营。新型运营模式具有数据驱动流程、跨域自动化协作、数据平台和应用深度融合、新型 AI 模型 和电信级算法等特征，给客户带来跨域、跨层的全流程视图，支撑客户对所有运营流程端到端评估， 由此演进出新的商业价值：从效率（E）向收入、创新、满意度、效率（R.I.S.E）转变。

4.2 GenAI 加速以业务为中心的运营转型进程，基础 运维领域自动化技术及场景持续深入

GenAI 技术出现后迅速成为全球运营商研究的技术前沿和战略中心，驱动运维领域 AI 应用从 被动优化 -> 主动支持，从异常检测、问题根因识别等应用向增强客服、故障预测等领域加速推进， 驱动企业数字化运营转型。 以香港电讯（HKT）为例，为充分挖掘 AI 价值，推动从 CSP 向 DSP 战略转型，将”机器辅 助人”ISOC 发展为“人辅助机器”ISOC 作为重要抓手，在故障管理方面，借助 GenAI、DTN 技术打造故障和性能管理的 Use Case，实现智能服务监控，问题根因分析和修复时间从小时 / 天 -> 分钟，同时也将 AI 技术应用在客户体验和投诉解决、企业客户服务安全、网络故障处理等场景。

在基础运维领域，自动化技术及应用场景持续深入，基础运维工作标准化和流程化，极大帮助 企业降本增效，促使业务加速创新与发展，在市场竞争中保持领先地位并进步实现可持续发展。 然而，企业利用 GenAI 辅助运营转型面临很多挑战：数据安全及隐私仍是最大挑战，此外如 何将敏感的客户数据与公共 LLM 的数据集成，如何衡量模型调优所需工作量等是 GenAI 技术在具 体实施中必须解决的难题。

5.趋势五：5G-A 和商业场景融合催生确定性 SLA 体验保障需求，促进新价值创造

为了不断迎合消费者日益提升的体验需求，越来越多的电信运营商开始从单一的“流量经营” 模式向更为多元化的“体验经营”模式转变。具体实例包括：欧洲已有 31 家运营商发布了速率计 费套餐；广东联通在 22 年推出了 5G 直播套餐；上海移动则在 24 年 6 月发布了魔速计划，该计 划重点针对商旅、直播、游戏三大场景，推出了 5G-A 商用套餐；中东地区的多家运营商也推出 了 FWA 速率分级套餐等。这一转变趋势促使网络优化的需求变得更加精细化和差异化，以满足日 益多样化、个性化的服务需求。具体来说，可以将网络优化归为 3 类： 大规模、普遍性的日常优化：此类优化措施旨在保障普通语音和流量用户的基础体验，涉及的 用户规模最大、网元数量最多，且技术手段相对成熟，因此，降本增效是其主要矛盾。融合 AI 技术， 日常优化正快速向自动化演进。

面向场景化、差异化的体验经营的专题专项优化：这类优化用于保障“体验经营”，即确保高 价值用户能够享受到符合其订购套餐预期的高品质网络体验，并为网络价值投资提供有力支持。鉴 于这类优化主要面向具有个性化体验需求的高价值用户，因此通常需要借助客户体验管理（CEM） 工具，并提供定制化的专题优化或专项优化服务。 面向满意度和净推荐值（NPS）的优化：这是终极的优化，其核心目标是提升客户忠诚度， 旨在延长客户生命周期，并最终实现提升客户生命周期综合价值的目的。这一过程涉及对客户体验 的长期跟踪、深入分析及持续优化。在当今电信网络用户规模庞大、业务种类繁多的背景下，用户 在不同的业务、场景和时间节点下可能会产生截然不同的体验，因此，这一优化过程显得尤为重要。 多家头部运营商已经将客户满意度或净推荐值（NPS）纳入 CEO 的关键考核指标之中。

针对上述三类场景，需要将自动化、智能化、专业化、主动化以及精细化等策略科学合理地应 用到对应的场景中去，以最大化资源效率： 第 1 类场景快速向高阶 AN 演进：为逐步实现高度自动化的网络优化目标，AI 技术将持续进 化，掌握自主处理蕴含成熟策略的子场景（例如 TopN 优化、覆盖优化、容量管理等）的技能。这 将确保实现实时高效的闭环控制、主动的预测分析、卓越的成效以及高水平的自动化。此外，鉴于 5G 和 5G-A 网络的独特特性，波束级别的优化能力也是该体系中不可或缺的组成部分。

第 2 类场景要找到合适的专业伙伴进行专题优化：这与日常网络优化存在显著差异，其中成本 不再是核心矛盾，关键在于将商业诉求融入其中，实施以商业为导向的网络优化策略。这一策略要 求高度专业化的技能和工具，并需深入理解运营商的业务需求。例如，针对 Facebook 的体验保障， 需要能够对其进行体验建模，以便迅速通过 KPI/KQI 的变化来识别 Facebook 的各种体验问题。 一旦出现问题，还需能够迅速将问题分解到不同领域（例如无线、核心网、服务器等）和具体网元。 之后，根据不同的优化需求（如速率优先、视频卡顿率优先、时延优先等多目标综合优化），进行 精准且快速的优化。因此，这类场景的优化通常依赖于专业厂商、尤其是设备原厂来提供支持。 第 3 类场景成功的关键是主动管理、精准优化：传统的客户满意度与 NPS（净推荐值）管理 主要依赖于调研驱动，但这种方式存在诸多问题，如样本量有限、随机性较大、根本原因难以追溯 以及时间滞后等。在进行优化时，往往只能尽力而为，且对优化结果难以做出准确预测。然而，随 着 AI 和数字孪生技术的迅猛发展，一种以客观数据和 AI 驱动的优化方式正逐渐崭露头角。这种优 化方式能够利用时空数字孪生技术及其载体，还原用户体验事件发生时的时间序列和对应空间位置， 让满意度与 NPS 管理“不再掷骰子”，有望成为满足这一需求的基础和刚需。

5.2 具备个性化大数据洞察的营销系统，是价值用户发 展的关键

客户需求往往隐含在使用网络的习惯之中，而网络数据则是实现客户精准洞察不可或缺的必要 条件。构建个性化洞察与个性化营销能力，并将其应用于日常生产实践中，是商业成功的关键所在。 实现“体验变现”商业成功的关键在于，精准地识别那些愿意为优质体验额外付费的客户，并 找到恰当的渠道和时机，向他们提供具有吸引力的产品。为此，电信运营商的营销系统需要具备多 维度的个性化洞察能力、实时的智能决策能力，以及营销活动策划和多触点营销执行能力。通过这 些能力的整合，市场营销与网络可以实现有效联动，从而构成完整的商业闭环。