专访中兴通讯首席发展官崔丽：模型趋同，竞争关键在综合能力
2026年的AI产业，正处在一个微妙的换挡时刻。一边是历史级的资本开支，综合多家机构统计数据，微软、谷歌、Meta、亚马逊四家2026年资本开支合计将达到7000亿美元量级，同比增幅约七成。
另一边，模型层的价格战愈演愈烈，一年之内主流大模型API价格普遍大幅下探，第一梯队模型在实际应用中的能力差距肉眼可见地收窄。模型能力的领先窗口正在缩短，AI竞争的重心逐渐转向系统效率和工程交付。
7月17日至20日，2026世界人工智能大会（WAIC）在上海举行。这场以“智能伙伴，共创未来”为主题的大会，迎来超过1100家企业参展，展览面积首次突破10万平方米。更重要的是，展馆里的主角也在更替——算力基础设施、智能体应用和具身智能占据了更多核心展位。
动作密集的中兴通讯，无疑是这场大会上最受关注的厂商之一。除重磅发布OEX超节点外，全球首款AI智能体手机也首次公开亮相。同期，中兴正式发布面向AI时代的新支点AIOS，推动其从技术底座迈向“端—边—云”协同的智能生态体系。自研人形机器人矩阵（星仔、星擎、星旺）及“星巧”灵巧手也首次集中亮相。
展会期间，36氪专访了中兴通讯首席发展官崔丽。在她看来，AI正由技术突破阶段逐步进入以技术扩散为主的发展阶段。前沿探索仍在继续，产业更迫切的问题已经变成，如何让足够强的智能以可接受的成本进入真实场景，并持续创造价值。
这也是观察中兴通讯AI战略的一条主线。它所争取的生态位是AI端到端综合解决方案提供商，致力于成为AI产业链的价值贡献者。通过把通信产业全栈全域的技术积累和系统工程优化能力迁移到AI时代，中兴通讯如何打造全栈全域、端到端TCO最优的解决方案能力体系？
一、智能经济的账本：行业为什么开始数「每瓦Token」？
行业度量衡的变化最能说明问题。两年前，AI叙事的关键词还是万卡集群和芯片数量。但是在今天，崔丽观察到，运营商开始推进Token套餐，黄仁勋也提出以Token/Watt衡量资源运营效率和性价比。
“技术突破已取得很大成绩，但当下技术扩散仍处于早期。”在崔丽看来，以2017年Transformer或2022年底ChatGPT起算，这一轮AI在技术突破上已经取得较大进展，2026年正处在从技术突破转向技术扩散的关口。
她把这一轮AI与蒸汽机、电力和信息化的扩散过程类比：技术发明可以在数年内完成，但从少数样板走向大范围采用，往往需要更长周期。越传统的行业，与前沿技术之间的知识、数据、流程和组织Gap越大，扩散成本也越高。
这一判断，主要体现在当前技术突破端和技术扩散端呈现出的两个典型特征。
一是技术的通识化。论文和开源代码加快了技术扩散，SOTA模型被追平的窗口期已缩短至以月计，模型能力走向同质化，用户切换成本极低。
二是扩散程度之浅。模型智能对普通消费者严重超配，B端则被安全可靠、合规和流程等问题制约，实际应用远未充分发挥现有模型能力。用崔丽的话说，扩散仍处于由点到线的中间阶段，甚至还没到线，更谈不上到面。
同质化直接冲击模型公司的商业模式。例如OpenAI官方口径的周活用户已超过9亿，消费者订阅用户却只有5500万，为海量免费用户持续供给算力构成了沉重负担；相较之下，据路透社等媒体报道，Anthropic预计在2026年二季度实现经营层面盈利，倚仗的恰恰是To B服务对软件价值的认可。
资本市场同样在重新定价，「AI收入与资本开支的剪刀差」已成为华尔街反复讨论的风险点。价格战则从另一头挤压——崔丽给出一组对照：单位推理成本至今已下降300多倍，OpenAI的推理支出反而增长约2.4倍——成本下降没有让总支出减少，用量随降价而爆发，杰文斯悖论在Token上重演。
回归经济学的基本框架，便是崔丽眼中智能经济初期的核心逻辑：一端是供给侧，追求全栈全域、端到端TCO（总拥有成本）最优，面向任何场景把性价比做到极致；另一端是需求侧，要在具体场景里便捷、安全可靠、经济地解决具体问题，创造实际价值。
崔丽认为，资源利用率是技术扩散期最核心的一点，“Token/Watt只是其中一个度量角度，本质上体现的是对端到端TCO性价比的关注，而不只是单纯的GPU性能、服务器、模型或应用。”
二、四十余年通信积累，如何在AI时代复用？
对于拥有四十余年ICT产业积累的中兴通讯而言，对AI产业的判断，决定了其战略选择。
2025年初，中兴通讯做了“连接+算力”双轮驱动的战略升级，将愿景调整为「成为网络连接和智能算力的领导者，让沟通与信任无处不在」。在崔丽看来，AI赛道拥有三个典型特征：高市场容量、高成长性、高技术门槛。前两条解释了为什么进入，第三条解释了为什么是中兴——高复杂度恰好与其在ICT领域四十多年的全域全栈积累相匹配。
崔丽认为，通信与AI在底层同构——都在做数据处理、数据交换和数据存储，都绕不开计算、存储、交换芯片的组合；更重要的是，两者都是超大复杂系统的高效协同。
通讯涉及多个网元组成庞大的网络，需要系统级协同和持续的优化，今天的AI集群同样如此——GPU之外还有CPU、DPU、交换芯片，机内、机间高速互联，MoE架构与KV Cache的存算配合，最终落成算、网、存、能、软五位一体的系统工程。全域全栈的技术积累和系统级协同优化的能力，正是中兴通讯作为通信设备商过去几十年被反复锤炼出的肌肉。
崔丽同时表示，通信与AI也存在差异。通信是稳进迭代，专业且高度标准化，且对可靠性要求较高；而当前AI则是超高速迭代，跨学科且已经进入应用驱动。她将当前AI产业类比为通信发展处于1G与2G之间的阶段：产业尚未形成统一标准，仍有大量磨合工作，但未来有望逐步走向标准化。
通信产业从2G开始就走完全标准化路线，标准化之后形成互联互通，芯片、设备、运营商和应用开发者得以在明确接口上分工，规模效应随之释放。反观当下AI产业，虽然机内/机间互联以及MCP、A2A等协议大家都在用，但并未形成由标准组织主导的统一标准。
这也解释了中兴为何反复强调「开放解耦」。在产业标准尚未形成之前，开放解耦有助于兼容不同技术路线，最大限度内化最新技术红利，并为生态协同预留空间；随着统一标准逐步建立，产业才能进一步构建开放良性生态。
对中兴而言，开放解耦构成了参与产业生态的重要基础，全栈全域的技术体系则支撑其持续贡献独特价值。由此可以理解中兴通讯提出的“All in AI, AI for All”的战略理念。
All in AI具体包含三层含义：一是用AI原生重构芯片、网络、算力、能源、终端与平台的全栈技术体系，内化这一轮AI技术红利，让原有及新产品方案更具竞争力；二是打造极致协同、TCO最优的端到端智算解决方案，构建覆盖核心能力层、基础设施层、能力平台层、应用层到终端层的五层能力体系；三是在研发、市场、运营等各领域全方位内化AI技术和红利，推动组织向真正人机协同的「生物型」组织敏捷进化。
如果说All in AI是中兴的战略基础，那么AI for All则是一种使命担当，回答的是智能价值如何在需求侧落地。它意味着进入具体场景，找到重大且长期难解的问题，同时解决便捷性、安全可靠性和性价比问题，让AI能力真正覆盖行业、家庭与个人端。
沿着这一逻辑，中兴已在行业应用、智慧家庭和智能终端三端展开布局。行业端采用“1+N+X”大模型策略，即1个基座大模型库，N个领域模型，X个场景应用。据中兴披露，目前已在电信、工业制造、电力、城市治理等18个以上行业落地超1000个标杆项目；本届WAIC展台上的健康医疗方案，把体检报告生成效率提升10倍以上，心血管辅助诊断在上万例临床中准确率达96%。
家庭端以「连接为基、屏为媒、AI为核」，内置AIOS的AI中屏累计发货超300万台，覆盖老人康养、儿童伴学这类高频的需求。个人端除了推出全球首款AI智能体手机，还有与运营商联合定制的普惠AI终端，以及主打情感陪伴的AI宠物iMoochi。
在崔丽看来，这些终端共同的目标，是打造AI原生的智能中枢（Intelligent Hub）。与此同时，中枢的边界还在向物理世界延伸——具身智能是智能体从数字世界走向物理世界的一步。本届WAIC上，中兴首次展示了覆盖商业服务与工业制造场景的多形态机器人矩阵。
事实上，这些终端背后都是基于同一个理念：将模型、算力、网络、数据和设备的复杂协同留在系统内部，把简单、可靠的体验交给用户。正如崔丽所说，“把复杂留给自己是本事，把简单留给客户是本分，我们希望AI让生活变得更简单，让科技向善真正惠及每一个人。”
三、超节点的商业逻辑：用架构对冲折旧
「价值贡献者」的定位，最终要靠产品兑现。落到超节点这个当下最拥挤的战场，摆在中兴面前的问题是——在国产芯片适配周期动辄一年半以上，大集群通信瓶颈迟迟未解的背景下，性能、扩展性与成本如何平衡？
其中的深层矛盾，在于软硬件迭代速度的错配。在崔丽看来，从软件来看，AI算法依然在高速迭代，且每半年出现一次重大的创新，从MoE到推理范式到
对正在建设的算力网络而言，这意味着残酷的折旧压力。下一代芯片的TCO甚至有可能低于这一代的Opex，而随着资本开支增加，算力买家也面临逐步上升的折旧和现金流压力。此次在中兴通讯展台呈现的OEX超节点，其设计初衷就是对冲这种不确定性，崔丽将其概括为八个字：“开放解耦、灵活扩展”，具体包含四个方面：
- 多芯协同，构筑开放底座：中兴坚定走开放解耦路线，不绑定单一厂商，与国内顶尖GPU伙伴深度协同，实现芯片系统级协议优化和混池资源的高效调度，在集群层面释放“1+1>2”的合力。
- 架构创新，突破工程极限：中兴推出正交无背板互联交换架构，实现柜内“三零线缆”设计，在降低互联成本的同时显著提升集成度和可靠性；
- 灵活扩展，拓展互联规模：以单柜32至128卡的单机为基础，构建单Pod 16384卡的超节点，再通过多Pod互联实现十万卡级弹性扩展。
- 极致协同，引领TCO最优：在算、网、存、软、能层面做协同设计，并率先探索用顶层算法仿真反向定义下一代芯片规格，确保基础设施具备6到10年的平滑演进空间，让每一瓦电力转化为最大的Token产出。
与其说这是产品设计，倒不如说是中兴通讯全域全栈积累的变现。对中兴通讯而言，全栈的意义有两层。一方面，它是系统级协同的入场券，“没有全栈全域能力，就谈不上系统级协同；连相关环节都不掌握，就不知道怎么协同，更谈不上TCO最优”，崔丽表示。
另一方面，它是向外的组合力。开放底座的真正含义在于：中兴不需要押注哪一条芯片路线胜出，任何一家只做单一芯片的伙伴，都可以借助这套架构完成系统级整合。中兴用“算力集装箱”前置开发模式——共性工作预先完成、个性化适配后置，将商用适配周期压缩到3至6个月，显著降低了国产GPU的商业化试错成本。
在前沿路线上，基于OEX+dOCS架构的国产高性能Matrix超节点斩获本届SAIL之星奖项，这已是中兴通讯及合作伙伴连续第二年摘得SAIL系列荣誉。该方案以OEX正交架构为基座，叠加分布式dOCS光交换实现动态拓扑编排，由中兴联合曦智科技、壁仞科技、沐曦股份、燧原科技、天数智芯共同打造。
这也是「价值贡献者」落到产品层的范本。中兴没有把目标设定为独自提供产业链上的所有产品，开放解耦的架构本身就在为伙伴留出接口。凭借在其他技术栈上的积累，中兴能在每一种生态组合中提供对方需要的价值。
落到账本上，这也意味着高集成降低单位算力的空间与能耗成本，高可靠降低运维成本，高扩展保护存量投资，降低扩容时推倒重来的风险。对正被折旧压力困扰的算力买家来说，这本账远比发布会上的峰值参数来得要紧。
四、AI的最后一公里：企业流程与口袋里的智能体
基础设施解决Token如何被便宜地生产，而技术扩散的另一半还在于Token如何兑现价值。
企业端的教训已经出现。硅谷一度流行“Token Maxxing”，鼓励员工尽可能多用AI，结果度量体系只统计用量、不考核结果，成本迅速失控。而部分AI企业开始探索按结果或价值定价，包括RaaS（Results as a Service）的定价模式。
与此同时，OpenAI、Anthropic也纷纷设立前沿部署工程师（FDE），进驻客户消除AI与行业既有流程、知识之间的鸿沟。这也与崔丽的观点相互吻合——扩散的真正瓶颈在于领域知识和数据治理，有数据也不等于有高价值知识。
崔丽将企业AI落地概括为五个环节：建立可落地的价值度量体系、做好数据治理与既有系统集成、重构人机协同流程、完善安全合规与治理框架、重塑人才体系。基座模型逐步成熟后，领域知识沉淀、系统集成和流程重塑将成为决定应用成效的关键因素。
中兴自身的实践为此提供了注脚。公司2016年启动数字化转型，信息自动流转把“人找事”变成“事找人”，每年带来约15%的运营效率提升，在这层底座之上，2022年启动智能化转型。研发端，三万多名研发人员使用Nebula Coder研发大模型，过去一年Token调用量增长4倍，正加速迈向人机协同阶段；运营端，企业级智能体平台Co-Claw使用者超4.2万人，日活峰值超1.5万。
消费端的智能载体，则是展台上那台全球首款AI智能体手机努比亚NaviX Ultra。
从产业维度看，智能体手机不是AI手机的功能升级，而是人机交互逻辑的根本重构。过去两年，市面上的AI手机更多是在传统手机上叠加AI功能，AI像是一个外挂插件，能做到智能对话、影像创作，但用户为了办成一件事，仍然要来回跳转、反复点击。
崔丽认为，真正的分水岭在于，过去的AI手机，是硬件附带AI功能；而智能体手机，是手机真正化身个人专属的智能助手。背后的本质变化不再是人迁就手机的交互逻辑，而是手机主动理解人的需求，帮人把事办成。换言之，AI手机的下半场，会从“功能叠加”走向“原生智能体”。
据官方透露，内置
如今，AI智能体手机作为一股产业趋势已经不可逆转。除了努比亚与字节跳动旗下
中兴对这条赛道的布局并非临时起意。去年12月，中兴通讯就与字节跳动联合推出
在崔丽看来，中兴通讯愿意做第一个吃螃蟹的人，并且坚定押注AI智能体手机赛道。背后的原因也很朴素——用户有痛点，行业有方向，中兴有积累，“当行业还在给手机做AI功能加法的时候，我们在思考一个更本质的问题——能不能让手机自己把事情办了？这是趋势，也是机会。”
没有人能确定AI手机的终极形态，正如没有人能确定这轮技术扩散何时从“线”抵达“面”。但放在更长周期来看，崔丽对AI仍处于发展早期的判断没有改变——AI是一场长期马拉松，中兴通讯要做的是长坡滚雪球的事。
