微信語音總卡到聽不清？電信出手，0.266kbps搞定

編輯｜Panda、張倩

通勤路上，你擠在地鐵車廂里，手機舉到耳邊，微信語音那頭是同事在交代今天要交的方案細節?！戈P于那個…… 預算…… 三點之前……」聲音斷斷續續地，關鍵信息大半都遺漏了。

在地鐵、地下車庫或者大會、演唱會現場，你是不是經常遇到這種情況？只要網絡變差，微信通話就變成了一件折磨人的事情，卡頓、吞字、電流聲讓人莫名煩躁…… 怎么都 2026 年了，想打個微信電話把事情說清楚還那么難？網絡差就聽不清，這真的是鐵律嗎？

在今年 WAIC 中國電信的展臺上，我們看到了反常識的一幕。展臺上擺著兩部正在通話中的手機，上面各自顯示著一個局域網 IP 地址，音質聽起來很清晰。然而，其背后的幾個字「極窄帶寬語音通話」卻吸引了我們的注意。

「極窄」到底是有多窄？我們在現場聽到了一個超乎想象的數字：0.266kbps

沒錯，超夸張。你可以查看你電腦上任意一個音頻文件的碼率，你幾乎不可能找到如此低碼率的文件。0.266kbps 確實是一項新的世界記錄。

目前主流的音樂文件的碼率通常為 320kbps，某些甚至可達到數千 kbps

那么，碼率究竟是什么？其實從其單位也能看出來，kbps = kilo-bits per second，也即每秒多少千比特；也就是說，碼率決定了一秒鐘的語音里能裝下多少信息。碼率越高，聲音細節越完整；碼率越低，數據要擠過狹窄的通道，就得舍棄細節 —— 聲音發悶、發飄、斷斷續續，都是這么來的。

在實際語音通話中，服務商通常會使用動態碼率：網絡好時用高碼率，清晰流暢；一旦網絡波動（比如地鐵鉆進隧道），就自動降到低碼率，以保住通話不斷。

那 0.266kbps 到底有多低？做個對照更能體會：移動通信的語音編碼走過了 2G 的 AMR-NB、4G 的 AMR-WB，到今天 VoLTE 高清通話普遍采用的 EVS 編解碼（這已是 3GPP 迄今性能最好的語音編碼），但也需要在 5.9 到 128 kbps 區間工作，日常一通 VoLTE 高清通話大約需 15 kbps。而智傳網（AI Flow）把這個數字壓到了 0.266 kbps！

按過去的經驗，這種碼率頂多傳輸一些簡單的文字指令，打電話是想都不敢想的事，極端情況下，對方說「飛流直下三千尺，疑是銀河落九天」，你聽得到的卻是「飛…… 天」。但在中國電信這里，它不僅能清晰通話，甚至連音樂都能傳 —— 僅相當于傳統編解碼技術 128 kbps 的 1/500；如果只傳語音，碼率還能更低。這也刷新了已知語音通信的最低碼率紀錄

可以說，中國電信的這項技術挑戰了「網絡差就聽不清」的鐵律。而這項技術也有個名字：智傳網（AI Flow），由中國電信人工智能研究院（TeleAI）全自研原創打造。就在大會開幕當天，它從 230 多個項目中脫穎而出，拿下了今年 WAIC 的最高獎：卓越人工智能引領者獎（SAIL 獎），這個獎也被稱為「AI 界的奧斯卡」。

此外，智傳網（AI Flow）的核心技術生成式智能傳輸（Generative Transmission）還獲得了首屆 WAIC-Academic 最佳論文獎

那么，智傳網（AI Flow）到底是什么？為什么能做到傳統通信做不到的事？會對哪些領域帶來深遠影響？中國電信集團CTO、首席科學家、中國電信人工智能研究院（TeleAI）院長李學龍在 WAIC 中國電信人工智能生態論壇上進行了深度解析。

生成式智能傳輸：

把傳「比特流」變成傳「詞元流」

智傳網（AI Flow）是什么？其名字本身就已暗示：智代表人工智能，傳是指通信傳輸，而網指網絡技術。

表面看是一項技術，但背后融合了三大學科，這就不難理解為什么智傳網（AI Flow）會誕生在 TeleAI。

TeleAI 是央企里第一家人工智能研究院。而中國電信這家公司本身就是通信起家的。也正因如此，通信的天花板在哪里、瓶頸卡在哪里，沒有人比他們更清楚。智傳網（AI Flow）就是他們把 AI 這套新工具，接進通信這門老手藝后長出來的東西。

它到底新在哪兒？關鍵在于換掉了傳輸的「貨物」。

最傳統的通信本質上做的是符號搬運。你的聲音被麥克風收進來，收到多少信息，就原原本本傳多少比特；視頻則拆成一個個像素點往外發。信息越清晰，數據量越大，占的帶寬也越多。這是一筆省不掉的剛性開銷。

帶寬不夠怎么辦？只能壓縮，而壓縮又分為無損壓縮和有損壓縮。為了盡可能降低帶寬，只能選擇有損壓縮，即丟棄部分細節。可壓縮有極限，壓到最后，就是我們熟悉的那種糊成一團、斷斷續續的體驗。所以在舊框架里，這幾乎是個死結：要清晰就得要帶寬，沒帶寬就別想清晰。

不同程度的圖像有損壓縮示意，音頻也是類似

智傳網（AI Flow）的不同之處在于，它是一種借助智能完成的壓縮。其核心技術叫生成式智能傳輸，思路可以概括成六個字：用計算換帶寬

具體來說，發送端不再直接搬運聲音本身，而是先用多模態大模型把這段語音「讀懂」，把其中最核心的語義、聲紋、特征等信息，凝練成一小串詞元（Token）發出去；接收端收到這串詞元后，再用生成式大模型把聲音重新「生成」還原出來。傳輸的對象，就此從「比特流」變成了「詞元流」。詞元的體量遠小于原始比特，帶寬占用自然斷崖式下降。

這套打法背后是 TeleAI 早就鋪下來的理論地基。早在 2002 年，李學龍團隊就提出了信容理論，揭示了計算、通信與存儲之間可以相互折疊、彼此換算的關系。除此之外，團隊對「噪聲」的重新定義也為這套架構掃清了認知障礙——傳統通信視噪聲為洪水猛獸，而「正激勵噪聲」理論指出，當噪聲與任務目標相關時，它反而能降低任務復雜度、起到正向驅動作用。這一認知讓AI不再盲目地「丟棄」低碼率下的細節，而是學會區分哪些是干擾、哪些是可用的線索。后來，多模態大模型成熟，「用計算換帶寬」終于得以從紙面走進現實 —— 通信研究盯了幾十年的編碼和信道，天花板被 AI 捅破。

對智傳網（AI Flow）來說，傳語音其實只是一道「簡單題」，畢竟語音的碼率本來就不大。真正的考驗是視頻。

傳統視頻編碼（從 H.264 到 H.265、H.266）本質上是在「找冗余」，即靠幀間預測和運動補償，只記錄前后畫面里變化的部分。這套思路已經打磨到極致，H.266 在理想情況下甚至能把碼率壓到 H.264 的四分之一。但它再聰明，傳的仍然是像素的差值，一旦帶寬被壓到臨界點，殘差信息不夠了，畫面就開始糊、開始丟幀。這是「搬運像素」這條路線繞不開的物理下限。

同樣地，智傳網（AI Flow）更換了這條路線：不再搬運像素差值，而是傳詞元。

發送端從視頻流中抽出畫面語義、動態特征，凝成輕量的詞元流發出；接收端再把畫面重新「生成」出來。結果相當夸張：一段 1080P、24FPS 的高清視頻，不到 100kbps 就能穩定傳輸，而傳統方式需要約 3.6Mbps—— 前者只有后者的 3%。如果說語音方向，智傳網實現的是「用發信息的帶寬打電話」，那在視頻方向它就實現了「用打電話的帶寬傳高清視頻」。

極致的壓縮效率讓「傳詞元」這件事的想象力沒有止步于傳畫面。和世界模型聯手之后，它甚至能傳一個「世界」。

最近有多少人熬夜看世界杯？但無論你買的電視多大，你能看到的畫面始終是導播給你切的那個角度，說白了就是一個三維世界的投影。

智傳網（AI Flow）就不一樣了，借助詞元流，它能裝下一場球賽的球員、足球、球場和動作軌跡之間的時空關系。當然，要把這樣的詞元流還原成畫面，靠傳統解碼已經不夠了，TeleAI 在接收端引入的，正是當下 AI 領域最熱的技術之一：世界模型。

接收端也不再只是逐幀重建像素，而是根據詞元流還原出一個可進入、可觀察的三維世界 —— 同一次射門，你可以從全景俯瞰，可以貼身跟拍，甚至可以切換到門將的第一人稱視角，重新看一遍。

視頻鏈接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ

李學龍在演講中用了柏拉圖的比喻：傳統視頻里，觀眾是洞穴中看影子的囚徒；而智傳網（AI Flow）讓你走出洞穴，自由翱翔。對賽事直播來說，這也許意味著一件不小的事：「導播決定你看什么」的時代，正在出現裂縫。

這就是「傳比特」和「傳詞元」的本質區別，前者很快觸及天花板，而后者的應用邊界才剛剛開始探索。

當然，畫面是 AI「生成」出來的，一個自然的疑問是：它能信嗎？畢竟，一個不可信的東西，你傳得再快、再清晰有什么用？

這方面，TeleAI 給出的回答是雙重保障。一方面，團隊對重建的通信速率與理解性能做了系統評估，無論是下游任務的理解能力，還是原始音視頻的重建質量，都達到國際領先水平；另一方面，可信溯源技術會給每一段重建視頻打上「不可磨滅的數字烙印」，確保無論從哪個視角觀察，事件的真實性都不會被篡改。

這其中，藏著一次遲到七十多年的突破。早在信息論奠基之初，香農和韋弗就把通信分成了三層：符號層，關心一串比特能否準確送達；語義層，關心意思有沒有傳對；效用層，關心接收方拿到信息后能不能真正把事情辦成。傳統通信八十年來主要在啃第一層。

而智傳網（AI Flow）想做的是讓同一串詞元貫通三層：它既是精準重建畫面的特征數據（符號層），又是可被理解、推理的語義向量（語義層），還能直接驅動一次救援決策或一個機器人動作（效用層）。

以災區救援為例，一棵樹的紋理還原得準不準，優先級其實很低；「哪里有人、道路斷沒斷、房子會不會塌」，才是效用層真正在乎的東西。

所以，智傳網（AI Flow）真正的意義，不只是把聲音、畫面壓縮得更小，而是讓信息以「可信可用」的形態抵達原本到不了的地方，去發揮它應有的效用 —— 這對 AI 來說，正是當下最緊迫的一道關卡。

天空地海：低帶寬鏈路下實時傳輸音視頻

這幾年 AI 的演進有一條清晰的主線：從大模型，到智能體，再到具身智能，能力越來越強，也越來越需要突破物理邊界「走出去」，走進天空、荒野、深海這些人和網絡都難以抵達的地方?？蓚鹘y通信的覆蓋，高度依賴基站、光纖和穩定電力，一旦離開這些基礎設施，連接就會迅速崩塌。

智傳網（AI Flow）要做的，是讓一批硬件終端擺脫這種束縛，把智能送到更遠的地方。TeleAI 把這件事拆成了天、空、地、海四個方向。

先看「天」和「空」。當下業界都在喊「算力上天」，但算力上天的意義究竟在哪？過去，衛星在通信網絡里扮演的角色幾乎沒變過，它就像一面掛在天上的鏡子，只負責把信號反射回去，大部分的「思考」都發生在地面。算力上天真正的價值，就是讓衛星從「管道」變成「節點」：信息還在軌道上，就被讀懂了。

道理成立，但怎么落地？智傳網（AI Flow）提供了實現的可能。星地鏈路的特點是地面終端功率小、天線小，往衛星發信號（上行）的帶寬很緊張；而衛星往地面廣播（下行）的帶寬相對寬裕。順著這個天然的不對稱，智傳網（AI Flow）把最吃算力的解碼模型部署到在軌衛星上 —— 終端只管把輕量詞元發上去，重活留給天上。目前，這一應用方向還在推進過程中。

而順著這張網往下，就到了「空」這一層 ——輕小型無人機直連衛星，傳輸高清視頻，這是國內首次

視頻鏈接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ

輕小型無人機是低空勘察的核心裝備，卻長期被物理瓶頸死死卡?。合雮鞯每?、傳得清，就得背更重、更耗電的通信設備，可設備一重，續航和機動性就得打折。過去它還必須先把畫面傳給地面的臨時接收站，再由地面轉發上星，而這意味著無人機不能飛得太遠，只能圍著地面設備打轉。

而 TeleAI 在國內首次做到：給無人機裝上一個生成式智能傳輸的「盒子」和一套小型衛星通信設備，讓它直接連上衛星。

在這套方案下，無人機以平均約 60 kbps 的帶寬就能實時回傳 720P 視頻，而同樣的畫面用傳統 H.264 編碼大約需要 2 Mbps。掙脫了基站和光纖的羈絆，無人機實時回傳的范圍一下子變大了。從此，斷網不再意味著失聯，生命線被重新搭起，「信息孤島」這個詞，第一次在物理意義上被拆掉了。

再看「地」，也就是機器人。人類把機器人造出來，目的之一就是讓它們去我們去不了的地方，完成對我們有危險或我們不愿意做的任務。但由于機器人的自主性依然有限，人去搖操機器人是當下最好的選擇。但這一搖操半徑，經常因無法忍受的網絡延遲被鎖死在一個小小的范圍內。智傳網（AI Flow）實現的突破在于：通過傳詞元這種高效的傳輸方式，它把端到端時延壓縮到 20—50 毫秒（最新已降到 20 毫秒），首次讓機器人的遠程遙操作半徑覆蓋到全國范圍；即便在沒有基站的荒野，也能靠衛星鏈路實現千里之外的畫面實時回傳和精準操控。

此外，機器人要走進復雜環境干活，光靠單打獨斗還不夠，關鍵在于機器與機器之間能不能高效協同。智傳網（AI Flow）的不同之處在于：它依托統一編碼的詞元流，可以讓不同型號、不同廠商的機器人共享同一套環境感知。

視頻鏈接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ

TeleAI 自研的人形機器人，以及像宇樹這樣的合作伙伴的機器人，都能接入這張網：一臺機器人發現的路況，可以同步給另一臺；一臺學到的經驗，可以變成整個機器人網絡的共識。多臺設備由此減少重復感知與重復計算，逐步走向分布式群體智能

最后是「?！够蛘哒f「水」。我們生活在一個被水包圍的世界，很多活動都在水里展開。可在無線通信意義上，任何一片水域都是一塊「信號黑洞」，因為電磁波在水里衰減極快，幾乎傳不了幾米；換光通信，清水里能傳得遠，可水一渾濁就瞬間失效。于是只能退回到聲波，因為聲學鏈路是渾濁水體里唯一還能遠距離傳輸的載體，但它本身帶寬極窄。智傳網（AI Flow）做的，是在這條狹窄的聲學鏈路上，硬生生跑通了實時高清視頻。

依托智傳網（AI Flow）與自研的高速聲通信模組，TeleAI 首次實現了在任意水體中的遠程無線實時視頻傳輸，可在超過 10 米的距離上穩定回傳 720P 高清畫面，應用于水下巡檢、生態監測、應急搜救等場景，為這些極端環境提供了穩定、實時的無線視覺通信能力。

這套核心載荷，目前已經搭載在 TeleAI 自研的「空海跨域潛航器」上。我們可以把它理解成一臺能從空中扎進水里的無人機，未來還將隨著與中國船舶集團的合作，出現在更多平臺上。

視頻鏈接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ

衛星、無人機、機器人、潛航器，形態各異，但智傳網（AI Flow）讓它們說上了同一種語言 —— 詞元。過去，每往一個新空間拓展，通信方案就得重新造一套；而現在，同一套詞元流從天到地、海一路通用。這意味著一件事：機器能抵達的地方，智能就能抵達；過去網絡到不了的地方，從此不再是智能的禁區

當然，讓終端走得遠只是上半場。這些被送出去的能力，最終要在一個個真實的場景里兌現價值 —— 這是智傳網（AI Flow）要回答的下一個問題。

三個規?；涞貓鼍?/strong>

TeleAI 目前跑得最實的，是應急、存儲和隱私三塊。

第一塊是應急救援。今年全球極端天氣頻發，洪澇災害往往帶來「斷路、斷電、斷網」的三斷困境，災區瞬間被切割成一座座信息孤島，而救援最大的難處，常常不是沒有力量，而是不知道現場究竟發生了什么。

智傳網（AI Flow）在這里派上了大用場。中國電信打造的「翼鋒·智傳網（AI Flow）應急系統」，只需在手機上裝一個 App，一線人員就能在極窄的衛星鏈路下把現場畫面傳回后方 —— 傳一張圖只要約 9.6 kbps，配合應急救援車提供的約 110 kbps 帶寬，就能實時回傳 720P 高清視頻。

要知道，過去在三斷場景下，傳一張高清照片都要幾分鐘，現場態勢根本來不及送達指揮部。今年，這套設備已經投入到全國 31 個省份的一線防汛抗洪中，累計超過千余套。它讓遠方的指揮中心，第一次擁有了一雙能抵達現場的「眼睛」。

視頻鏈接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ

第二塊是海量視頻的存儲。城市里的攝像頭越來越多，4K、8K 設備不斷普及，視頻數據正在爆炸式增長。傳統做法要完整保存每一幀畫面，可大量監控畫面長期「存而不用」，既吃存儲空間，又難以按需調取。很多監控往往只能留存一周左右就得清空騰地方。

智傳網（AI Flow）換了個思路：不再逐像素保存，而是把視頻編碼成精簡的詞元存下來，需要時再用生成式模型按需還原。

需要說明的是，傳統視頻壓縮同樣會利用前后幀的冗余，這不新鮮。智傳網（AI Flow）的不同在于它進一步借助模型能力，把背景、人物、車輛、事件統一編碼，因為固定機位的監控畫面里，背景常年不變，系統就只留人和車這些真正動態的語義，而不是一幀幀去記錄幾乎沒變的畫面。

中國電信擁有全球最大的視聯網，覆蓋超過 1 億路攝像頭，正在規?；茝V這項壓縮存儲技術。

效果是：在同等硬件條件下，存儲空間可降低為傳統方案的約 1/40，原本只能存一周的影像，如今能存下接近一整年。這項技術已在天翼視聯的視聯網上規模化落地，首批已有上千路攝像頭接入。

第三塊是隱私保護。在養老看護、校園防霸凌這類敏感場景里，人們既希望攝像頭能及時發現危險，又不愿意自己的生活被赤裸裸地錄下來、傳上去。這是一對天然的矛盾。

視頻鏈接：https://mp.weixin.qq.com/s/jBVInHGPdfZtFc79I6NBAQ

智傳網（AI Flow）靠分層的語義詞元流化解了它：在傳輸階段就把敏感詞元篩掉，讓接收端能讀懂「發生了什么」，卻無法還原「看到了什么」。比如在養老場景中，系統能識別老人跌倒、揮手求助等異常行為并及時向后臺報警，但原始影像無從恢復。用一句現場文案來說 ——「傳的是詞元，不是畫面；認的是行為，不是人臉」。這套方案將在智云上海等平臺上線，觸達約 400 萬終端用戶。

從災區到城市，從搶險到看護，這三塊場景的共同點在于：智傳網（AI Flow）關心的，已經不只是「傳了多少數據」，而是「這些信息能不能幫人和機器把事情辦成」。

通信，正在成為智能涌現的條件

從地鐵里那通斷斷續續的電話，到災區、深海和衛星軌道，智傳網（AI Flow）在 WAIC 上講的其實是一個關于「連接」的故事：那些因為帶寬、距離和環境而被切斷的連接，正在一條一條被接回來。

李學龍在演講里說過一句讓人印象很深的話：「智能的涌現，源于連接和交互?！顾f，智人之所以繁衍壯大，靠的不是比尼安德特人更強壯的體格，而是語言和信息的交流互動，即連接讓個體的聰明變成了集體的智慧。

AI 時代同樣如此。大模型、智能體和機器人都不會孤立成長，只有當一個機器看到的世界能成為另一個機器的經驗，當分散的感知與能力能夠持續流動、融合，智能才可能真正涌現

七十多年前，香農用信息論教會人類如何把比特送得更遠；今天，智傳網（AI Flow）想回答的是另一個問題：當比特變成了詞元，當連接無處不在，智能可以生長到多遠？

值得玩味的是，AI 圈這些年一直在講「壓縮即智能」，即一個模型能把世界壓縮得多好，某種程度上就代表它對世界理解得多深。智傳網（AI Flow）把這句話反了過來：用智能去做壓縮。它靠對世界的理解，把該傳的意思拎出來、把冗余的比特扔掉，還在其分層網絡架構中部署了一系列大小不同的家族式同源模型，希望實現基于連接與交互的智能涌現。壓縮與智能，就此變成了一條真實跑在網絡里的技術路徑。

從這個意義上說，通信正在卸下「傳輸工具」的舊身份，成為智能得以涌現的條件本身。而智傳網（AI Flow）所拓展的也不只是帶寬的邊界，更是智能能夠抵達、連接與生長的邊界。