金磊 发自 凹非寺
量子位 | 公众号 QbitAI
不儿，现在连无人机都开始传Token（词元）了？？？
对，你没看错，上视频！
就像视频里演示的那样，这个无人机啊，它身上背了2个东西，一个是生成式智能传输（Generative Transmission）盒子，另一个是小型卫星通信设备。
无人机拍到视频后，就可以先在端侧把画面编码成Token序列，再直接连接卫星，把信息传回后方。
这事儿要放以前啊，且得先在现场搭一套临时通信设备，无人机把视频传给地面接收器，地面设备再通过卫星，把信息送到后方指挥中心。
而且这套传统方案还有两道限制：一是无人机不能离地面通信设备太远，否则连接会受到影响；二是在设备载荷和功率限制下，可用的卫星链路带宽有限，传统方法也很难实时回传高清视频。
这便是中国电信人工智能研究院（TeleAI），刚刚在WAIC 2026提出的新技术路线；其背后这套融合AI、通信和网络的技术体系，则是智传网（AI Flow）。
就在此次发布前一天，智传网（AI Flow）还拿下了WAIC大会最高奖项卓越人工智能引领者奖（SAIL）中的赋能（Applicative）奖。
据了解，TeleAI已经在国内首次攻克了轻小型无人机直连卫星并进行高清视频实时稳定传输。
这个“首次”解决的，是轻小型无人机长期面对的两道物理难题：
一边是载荷：通信设备越重，消耗的电量越多，无人机的续航和机动性也会跟着受到影响。
一边是卫星链路：更高的通信能力往往需要更大、更高功率的设备，但轻小型无人机载荷有限。因此，其可用带宽通常较窄，高清视频难以实时回传；直接降低码率，又可能造成画面模糊、卡顿或关键细节丢失。
也正如我们刚才展示的那样，智传网（AI Flow）的思路是换一种内容来传。
发送端先理解视频，把场景、人物、物体结构和运动状态等关键信息编码成Token序列。Token穿过卫星链路后，接收端再利用生成式模型，把视频重建出来。
换句话说，过去几年我们讨论Token，重点往往是大模型一次回答消耗了多少、能生成多少内容。
到了TeleAI这里，Token开始从聊天框里跑出来，进入无人机、卫星，甚至还有机器人和水下设备之间。
这事儿，就有点意思了。
无人机不用围着基站飞了
要理解无人机直连卫星的价值，可以先看传统应急通信是怎么做的。
洪水、地震等灾害发生后，现场可能同时面临断路、断电和断网，通信保障人员通常会在灾区搭建临时接收和发射设备，再通过卫星恢复通信。
这种方式能够解决基本的连接问题，但无人机仍然需要与地面设备保持通信。飞得太远，超出地面设备的覆盖范围，画面回传就会受到影响。
比如在洪水灾区，人暂时无法进入的区域，可以先派无人机完成大范围勘察。无人机拍下道路、积水、房屋和被困人员等信息，在端侧编码成Token，通过卫星传回指挥中心。
接收端重建出视频后，指挥人员可以据此判断道路是否中断、房屋是否存在风险、救援力量应该从哪里进入。
与此同时，智传网（AI Flow）的生成式智能传输能力，也已经进入实际应急场景。
今年，TeleAI与中电信应急公司将基于智传网（AI Flow）技术的千余套设备，投入全国31个省份的一线防汛抗洪工作。
从一次技术演示走向跨省应用，意味着生成式智能传输已经开始接受真实环境的检验。至于轻小型无人机直连卫星，则是此次新近跑通的一项技术能力，后续还将进一步走向产品化和实际应用。
沿着无人机到卫星的链路继续向上，TeleAI还在推进另一项工作——将智传网（AI Flow）解码模型部署到在轨卫星。
传统星地链路通常面临上行带宽有限、下行带宽相对充裕的情况。如果解码模型能够在卫星端完成部分计算和重建，就可以减少对地面算力节点的完全依赖，再通过下行链路将结果发送给接收端。
而当通信链路回到地面，智传网（AI Flow）连接的设备就从无人机扩展到了机器人。
具身智能想在现实环境中执行任务，需要处理人与机器、机器与机器之间的通信与协同。操作人员要看到机器人看到的画面，机器人也要及时收到远程控制指令。多台机器人共同作业时，还需要共享周围环境和任务进展。
智传网（AI Flow）结合5G低时延能力，可以将具身智能遥操作的端到端时延压缩至20-50毫秒，让机器人的远程控制半径从局部区域扩展至跨城际乃至全国范围。
即便机器人进入没有基站的荒野区域，也可以通过卫星链路回传现场画面，并接收来自远端的操作指令。
远程控制半径变大，只是其中一层价值。
智传网（AI Flow）采用统一编码的词元流，还可以连接不同类型、不同厂商的机器人。TeleAI自研机器人以及合作伙伴的机器人，可以共享环境感知、目标位置和任务信息。
一台机器人发现道路受阻，可以把结果同步给其他机器人；另一台机器人找到可通行路线，也能将经验传回系统。多台设备由此减少重复感知和重复计算，逐渐形成分布式群体智能，并进一步走向基于连接与交互的智能涌现。
这条链路再往前走，便进入了水下。
水下通信一直是行业中的一道难题。在自然水域中，水体对信号的吸收、散射等因素会造成明显衰减，远程无线实时传输高清视频尤其困难。
依托智传网（AI Flow），TeleAI此次实现了自然水域中的远程无线实时高清视频传输，相关核心载荷已经搭载在自研“空海跨域潜航器”上。
这种设备可以从空中进入水下，在海底光缆巡检、水下勘探、海洋牧场和应急搜救等场景中执行任务，再将现场画面传回。
从轻小型无人机直连卫星，到机器人跨城遥操作，再到浑浊水体中的视频传输，TeleAI正在把同一套通信逻辑延伸到天空、卫星、地面和水下。
这些设备的形态各不相同，有的在空中飞，有的在地面走，有的需要潜入水底。但它们面对着一个共同问题：
怎样在带宽有限、网络不稳定的环境中，把真正有价值的信息传出去？
从比特流到词元流
这个问题的答案，就藏在智传网（AI Flow）对传输对象的改变里。
传统视频通信主要处理比特流。摄像头采集画面后，编码器分析连续画面中哪些像素发生变化、哪些内容可以压缩，再把处理后的视频数据通过网络传到接收端。
虽然在光纤、5G等带宽相对充足的环境中，这条技术路线已经非常成熟。不过一旦进入卫星窄带、远洋、水下和灾区，高清视频的数据量依然可能超过链路的承载能力。
智传网（AI Flow）的思路，是让通信从“比特流”走向“词元流”。
发送端的神经编码器先对原始视频进行理解，从中提取场景语义、物体结构和运动状态等信息，再将其编码成Token序列。
这些Token通过卫星、5G或水下通信链路抵达接收端后，生成式模型结合Token与预训练阶段获得的世界知识，重建出连贯的视频。
如果用一个更简单的比喻来理解，传统视频通信更接近把一幅画切成大量小块，再尽可能完整地送到目的地。
生成式智能传输会先提炼构图、人物、动作和关键细节，再把这些高度浓缩的信息交给接收端，由模型完成重建。
网络少传一些数据，发送端和接收端多做一些计算。通信资源与计算资源之间由此发生置换，这就是“计算换带宽”。
这种“计算换带宽”的实现，背后对应着TeleAI提出的信容律：通信资源与计算资源可以在一定条件下相互置换。当链路带宽受限时，发送端与接收端利用模型完成信息提取和生成式重建，以更多计算降低需要传输的数据量。
除了信容律，TeleAI的相关理论研究还延伸到了正激励噪声——并非所有噪声都只会干扰模型，在一定条件下，噪声也可能成为促进模型训练和演化的正向因素。
那么，它究竟能省下多少带宽？TeleAI用一句话概括：
用发信息的带宽通电话，用通电话的带宽传视频。
此次发布的两组数据，正好对应这两步。
在音频传输中，智传网（AI Flow）可以在0.266Kbps的极低码率下完成语音通话和音乐。根据此次发布信息，这一速率相比传统编解码方案降低约500倍，实现了世界最低速率的语音通话。
到了视频传输，数据量的差异更加明显。
在下面这个足球视频中，一边采用100Kbps码率，另一边的传统方案码率为3600Kbps。智传网（AI Flow）在较低通信速率下，传输并重建1080P@30fps的视频。
不同场景中的实际效果，还会受到信道状况、模型规模、设备算力和视频内容等因素影响。不过，这组数据已经能说明词元流的核心价值：当带宽成为瓶颈时，模型能力可以承担一部分原本由网络完成的工作。
随之而来的问题是，接收端生成的画面还可信吗？
生成式模型参与视频重建后，通信系统需要同时面对视觉质量、语义准确性和任务有效性三个问题。
这里可以借助香农—韦弗通信模型来理解。
Level A关注符号能否准确传输，Level B关注语义能否正确表达，Level C则关注接收到的信息能否帮助目标完成任务。
传统视频编码主要关注像素和符号层面的准确传递。智传网（AI Flow）进一步把评价范围延伸到语义理解和任务执行。
以灾区救援为例，一棵树的纹理是否与原视频完全一致，优先级相对较低。哪里有人、道路是否中断、房屋是否存在坍塌风险、被困人员是否正在求救，这些信息更直接地影响救援决策。
因此，智传网（AI Flow）关注的指标覆盖通信速率、重建质量和理解能力。重建后的画面既要清晰、连贯，也要保留识别、推理和任务执行需要的关键信息。
TeleAI将这一目标概括为“全息世界的可信重建”。
更直观的例子，我们可以用下面这个世界杯不同视角的重建来感受：
它的含义很直观：接收端生成的内容不仅需要让人看得清，还要让机器能够继续识别、理解和行动。
由此再回头看无人机传Token，背后涉及的就不只是一次视频压缩。从端侧编码，到卫星、5G等网络传输，再到接收端的生成式重建，它已经形成了一条面向AI终端的信息传输链路。
下一代网络，要让智能流动起来
无人机直连卫星和水下高清视频传输，解决的是极端环境中的通信问题。回到城市和日常生活，智传网（AI Flow）还在面对另一种规模挑战。
中国电信的视联网已经形成覆盖1亿路摄像头的视频资源基座。这些摄像头需要7×24小时持续运行，随着4K、8K设备增加，产生的视频量和存储压力也会持续增长。
这些视频本身已经会经过成熟的编解码处理，但面对全天候运行的海量摄像头，以及4K、8K视频带来的数据增长，进一步降低传输与存储成本依然十分重要。
智传网（AI Flow）的不同之处，不是简单识别哪些画面发生了变化，而是进一步改变视频的表达和存储方式：将视频编码为更加紧凑的Token，并在需要时利用生成式模型完成重建。
传统视频压缩同样会利用前后画面之间的冗余信息，而生成式智能压缩则进一步借助模型能力，对背景、人物、车辆和事件等内容进行统一编码，在保留关键视觉信息的同时，降低需要传输和保存的数据规模。
那么一亿路视频需要多大的存储空间？
智传网（TeleAI）仅保留视频中提取的精简词元，按需解码还原完整的视频画面，存储空间降低为传统方案的四十分之一，在同等硬件的条件下，原本仅能留存一周的影像资料，如今也可以完整存储接近一整年，存储成本大幅压降。
从服务全国防汛抗洪的千余套设备，到覆盖1亿路摄像头的视频资源基座，智传网（AI Flow）面对的既有断网、窄带、水下等极端环境，也有城市级视频网络带来的规模化传输与存储压力。
这些场景共同指向的是一个容易被AI行业忽略的问题。
过去几年，行业讨论AI，关注点大量集中在模型参数、训练算力、芯片性能和应用入口上。但当AI从聊天框进入无人机、机器人、汽车、摄像头和水下设备，它就成为一个分布在物理世界中的系统。
不同终端需要交换感知结果、传递任务指令、共享模型能力，还要在网络条件不断变化的环境中保持协同。
通信网络如果跟不上，端侧设备就容易停留在单机状态。小模型受限于算力，只能处理相对有限的任务；云端模型能力再强，也很难及时触达灾区、荒野、远洋和水下。
智传网（AI Flow）想建设的，正是AI时代的新一代通信网：它不只连接设备，还要承载Token、模型能力和任务指令，让智能在不同终端之间流动起来。
回看通信技术的发展，每一代网络都催生了新的应用形态。
2G时代主要承载语音和短信，3G推动移动网页和图片普及，4G带来短视频和移动互联网，5G进一步支持高清直播、低时延连接和海量终端。
进入AI时代，网络中流动的内容也在发生变化。
除了文字、语音、图片和视频，还会出现Token、中间推理结果、模型能力和任务指令。连接的对象也从手机和电脑，延伸到无人机、机器人、摄像头、汽车和水下设备。
TeleAI建设智传网（AI Flow），实际是在回答一个新的问题：
当越来越多设备拥有智能，怎样让这些智能跨越终端、网络和空间，真正连接和协作起来？
模型负责产生智能。
而网络要做的，是让这些智能抵达更远的地方。