2026-08-05 | 서경IN

AI时代的大格局在于“连接”[李周亨的连接的未来]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

如今很少有人不了解人工智能(AI)。人们向ChatGPT提问,用生成式AI创作文字和图像。新闻几乎每天都在介绍新的AI模型。然而,关于AI的信息越是泛滥,真正理解AI的本质反而越困难。因为半导体、云、通信网络、数据中心乃至能源,都以“AI产业”的名义出现。

如果只追随碎片化的新闻,很容易陷入摸到大象鼻子就以为那便是大象全部的谬误。尤其是非专业人士,容易把新闻中频繁出现的特定技术或耸动信息当作AI的全部。但AI已不再仅指某一种算法或大语言模型。

AI是一个庞大的生态系统:处理数据的半导体、提供算力资源的云与数据中心、供应巨量电力并散热的能源基础设施,以及连接所有这些要素的通信网络共同运作。近来半导体、电力、冷却、通信企业也被视为AI相关企业,原因正在于此。要理解AI时代的大格局,应先考察连接这些要素的结构,而非单个技术。

如果说互联网连接了信息、云连接了计算资源,那么未来的网络将连接AI与AI。在多个AI智能体分工协作以处理一个请求的时代,网络必须实时判断把任务交给哪个AI、在何处推理最快最高效、优先传递哪些信息。

通信的目标也在改变。过去的计算机只要有一个比特不同就会识别为完全不同的信息,而今天的AI即便面对不完整的信息,也能推断核心含义并决定下一步行动。因此在AI成为通信主体的时代,超越“传递多少比特且多么准确”,“如何高效共享所需的意义”将成为重要课题。未来的通信将从传递比特的技术,扩展为连接智能、共享意义的技术。

这种变化也在朝着弥补中心集中式AI局限的方向发展。把所有数据和算力资源集中于一处可以提高管理效率,但随之而来的是个人信息保护与数据主权、通信成本、系统故障风险等问题。

联邦学习是可以减轻这些局限的代表性技术。因为它将数据留在各机构或设备中,只共享学习结果与知识。这里重要的并非单纯打造一个性能出色的模型,而是如何设计,使拥有不同数据、算力和网络环境的参与者能够安全、公平地协作。

AI产业的核心问题也正从“要做多大的模型”扩展为“谁参与学习、如何维持信任、如何分享积累的知识”。归根结底,AI的竞争力很可能不仅取决于单个模型的性能,更取决于让多元主体能够协作的连接结构。

AI与网络的结合并不止于地面。低轨道卫星可以超越单纯中继数据的设备,发展为执行AI学习与推理的分布式计算节点。如果地面的云与卫星网络有机协作,将构建起超越场所限制提供AI服务的新型基础设施。

如果说使AI得以成长的基础之一是通信,那么今后推动AI进一步成长的核心基础同样是通信。这正是仅把AI与网络视为彼此分离的技术,就难以完整理解未来产业结构的原因。

韩国凭借超高速互联网和世界级的移动通信基础设施,引领了智能手机时代,推动了移动服务与平台产业的成长。如今在AI时代也应提出同样的问题:仅靠开发更出色的AI模型,能否确保未来竞争力?

He is...

-韩国科学技术院博士

-前香港城市大学访问研究员

-前Samsung Electronics DMC研究所责任研究员

-前美国普林斯顿大学访问学者

阅读韩文原文