摘要

1中国移动咪咕发布AI时代行业思考报告，指出2026年进入智能体元年，AI视频生成迈向物理世界因果推理新阶段。

2国内大模型Token调用量首超美国，日均突破140万亿，成为新一代“数字石油”。

3报告强调混合模型调度策略及超高清、智能化、沉浸化三大实践，推动从内容生成向具身智能演进，倡导共建中国超高清产业全球生态。

![](page=0,bbox=[81, 669, 428, 1093])

![](page=0,bbox=[2446, 48, 3152, 147])

AI时代下的行业思考与创新实践

中国移动集团级首席专家

咪咕李琳

![](page=1,bbox=[2445, 52, 3150, 142])

理解：人工智能发展四阶段

2026年

2025年 Gemini 3

DeepSeek-R1 Claude 4

SORA2 GPT-6

Qwen2.5

Claude 3

2022年

GPT-3.5

ChatGPT

DeepSeek-V1

2023年

GPT-4

Gemini

DeepSeek-V2

九天大模型

2006年深度神经网络复兴开始

传统AI阶段

机器学习、深度学习等

DeepSeek“破局者”

ImageNet模型、语音识别

垂类场景（智能推荐、搜索系统）

算力成本：训练成本仅为GPT-4的 1%

ChatGPT发展时代 GPT重新塑造对大模型以及AI的信心

国民应用：模型开源、推理能力

多模态觉醒

多模态模型，文本、音频、视觉的实时统一交互

推理成本急剧下降，部分降至GPT-4的1%以下

文生视频能力突破，长达60s，支持4K视频

长上下文推理，跨语言理解能力

生成式AI阶段

文生文、图生文

ChatGPT、DeepSeek等

替代-大量脑力劳动放大-人类智力与想象力

通用生产力工具（聊天机器人）

GPT-6：性能暴涨 40%，200万token上下文多领域赋能：科研、办公、编程、金融

OpenClaw：抽象的“推理”能力，转化为具体的“行动”能力

Seedance2.0：生成式视频的技术奇点

智能体元年

Sora、Gemini等多模态内容、复杂问题推理垂类生产力工具（视频生成）

Seedance 2.0、OpenClaw等复杂任务执行、自主纠错多模态智能体（小龙虾、AI Code）

![](page=2,bbox=[2440, 50, 3151, 144])

分析：AI视频生成，迈向企业和用户视频生产新阶段

旧模型

OpenAI Sora 可灵Kling Runway Gen-3

角色与场景的难一致性

脸型、五官、发型等外貌特征不稳定场景空间逻辑不连贯、光照与氛围不统一

物理规律的“盲盒化”不理解现实的物理法则，如穿模、漂浮感肢体动作连贯性差，如关节反转

“默片时代”的视听割裂视频和音频异步生成，如对不上口型环境音缺失，缺乏空间感和实时反馈

导演控制权的“黑盒化”

“抽卡式”生成，需多次尝试提示词

无法理解“蒙太奇”逻辑，镜头衔接断层

新阶段

Seedance 2.0 可灵3.0 Veo 3 Sora 2

多镜头故事讲述

“分镜级别”特征锚定，支持特定元素“二次锚定”角色、风格、氛围全程一致，无需手动拼接

物理世界的因果推理

模拟力与反作用力，极大减少穿模与重力缺失精准计算每一帧的加速度，解决肢体“机械感”

“声画音口型”原生生成音素级的口型同步，支持多语言与方言自动生成环境音，且随镜头远近有空间感

复杂提示词，专业剪辑效果复杂运镜、时间线、角色姿势、字体等精确锁定智能推演中间逻辑，自动拆解为多个分镜

![](page=3,bbox=[2441, 53, 3150, 142])

分析：AI视频生成，未来加速走向“世界模型”

$ \textcircled{1} $内容生成 $ \rightarrow $具身智能、科学仿真

![](page=3,bbox=[302, 656, 961, 1015])

![](page=3,bbox=[304, 1042, 949, 1368])

学习抓取、行走、驾驶等技能，再迁移到现实世界，使AI能依据物理公式生成仿真视频

$ \textcircled{2} $视频→资产与场景一体生成

![](page=3,bbox=[1267, 658, 1920, 1018])

![](page=3,bbox=[1268, 1021, 1917, 1375])

视频本质上是三维世界在二维平面的投影，将反向带动3D建模与资产生产的自动化和规模化

$ \textcircled{3} $团队工业化→超级个体崛起

![](page=3,bbox=[2266, 653, 2915, 1020])

![](page=3,bbox=[2264, 1032, 2911, 1374])

技能蒸馏：将从少数人能力变成可复制的生产模式（编剧、分镜、拍摄、特效、配音与剪辑）

![](page=4,bbox=[2441, 50, 3151, 145])

分析：“小龙虾”带动智能体生态进一步发展

“模型即智能体”

![](page=4,bbox=[586, 557, 675, 633])

“编排即智能体”

![](page=4,bbox=[1111, 553, 1194, 629])

![](page=4,bbox=[204, 972, 306, 1068])

“主权即智能体”

Gateway消息网关

飞书

钉钉

微信/QQ

OpenClaw核心组件

iMessage

Ageent智能推理引擎

Claude

意图理解

Skills技能扩展

Notion

GitHub

Browser

Obsidian

HomeKit

20000+

Markdown

Memory持久化存储

Config

$ \textcircled{1} $晋升为“数字员工”

办公效率提升：自动撰写周报、会议纪要、邮件等跨系统协作：无缝对接飞书、钉钉、微信等

应用案例

$ \textcircled{2} $变身“自媒体工厂”

全链路创作：自动追踪热榜、生成文案、制作视频，到发布垂类工具涌现：专为内容创作打造的垂类“龙虾”产品

$ \textcircled{3} $催生“一人公司”

“一人成军”模式：通过训练多个各司其职的AI智能体，从CEO到财务，以极低成本启动创业项目

$ \textcircled{4} $多行业“AI科普”

覆盖办公、IT、科研、金融、个人助理、家庭教育等多行业，但警惕数据、网络安全风险

![](page=5,bbox=[2443, 52, 3150, 142])

分析：国内大模型迈入低成本、高消耗新阶段

![](page=5,bbox=[257, 446, 1402, 939])

表一：3月中国大模型Token调用量首超美国

![](page=5,bbox=[264, 1032, 1412, 1558])

表二：主流大模型每周Token使用量（如Qwen 3.6+/DeepSeek V3.2）

1 OpenClaw加速推理算力需求释放 AI智能体（Agent）和视频生成，拉动Token消耗激增日均Token已突破140万亿，2026年3月首超美国

2 最强模型带来Token溢价增强自家模型的自主和长篇上下文推理能力更长时间跨度、更少人工干预下，独立完成更大规模的任务

3 Token = 新一代“数字石油国产模型API定价普遍为美国同类产品的1/10谁掌握Token的定价权，谁就掌握AI经济的命脉

4 企业实践发展（混合模型调度）

80%日常推理→DeepSeek/Qwen/Kimi等（极致性价比）

20%高难度任务 → 通过bash命令交给Claude/Gemini等

![](page=6,bbox=[2443, 51, 3153, 144])

回顾：十年深耕超高清制播，构筑视频三化能力

俄罗斯世界杯

2018

CBA战略合作 2019

首次4K+50fps多视角、Al视频剪辑

欧洲杯+东京奥运会 2021

真4K技术应用于CBA提供超50场赛事直播

首次 HDR Vivid 试点、云包厢+云观众

北京冬奥会+卡塔尔世界杯 2022

![](page=6,bbox=[108, 971, 294, 1241])

![](page=6,bbox=[413, 950, 584, 1054])

国产标准AVS3、HDR Vivid商用、双Vivid AVS3+HDR Vivid融合商用、首次应用、数智人家族、AI字幕+手语 5G低时延、AR互动、VR观赛

杭州亚运会 2023

![](page=6,bbox=[400, 1057, 598, 1245])

![](page=6,bbox=[705, 949, 885, 1172])

更快更高更强大

米兰奥运会+WTT 2026

欧洲杯+巴黎奥运会 2024

世俱杯+UFC 2025

![](page=6,bbox=[964, 967, 1098, 1141])

![](page=6,bbox=[979, 1117, 1093, 1231])

Al+ 视频增强、Al+ 视频观赛、 AIGC内容生产、Vision空间观赛

![](page=6,bbox=[1106, 946, 1441, 1208])

AI赛点识别、AI智慧冰壶灵犀数字内容智能体

AI智能解说、AI球员点亮 AI播报、3D全真视频

![](page=6,bbox=[1500, 949, 1899, 1207])

![](page=6,bbox=[1942, 950, 2312, 1203])

![](page=6,bbox=[2337, 947, 2710, 1205])

![](page=6,bbox=[2720, 953, 3101, 1205])

![](page=6,bbox=[330, 1359, 461, 1472])

超高清化

赛事内容超高清制作与智慧直转播技术

![](page=6,bbox=[1314, 1336, 1738, 1476])

数智赛事运营管理与AI内容制作

![](page=6,bbox=[2323, 1343, 2749, 1464])

观赛过程交互式与沉浸式观赛体验

![](page=7,bbox=[2445, 53, 3150, 142])

实践一：超高清化

基于5G+4K+AI超高清视频制播平台，首创移动端AVS3+HDR Vivid+Audio Vivid等多项国产标准规模化商用的标杆案例

HDR Vivid 菁彩画面

![](page=7,bbox=[424, 920, 970, 1218])

![](page=7,bbox=[434, 1228, 970, 1498])

AVS3 商用性能提升

![](page=7,bbox=[1362, 927, 1906, 1218])

![](page=7,bbox=[1363, 1226, 1904, 1518])

8K+AVS3+双Vivid商用

![](page=7,bbox=[2279, 934, 2849, 1518])

![](page=8,bbox=[2445, 53, 3150, 142])

实践二：智能化

基于自研文体大模型，打造多种AI智慧观赛新体验，让观众不但能“看得清”，更能”看得懂”体育竞技背后的比赛门道和战术细节

AI智能解说

![](page=8,bbox=[211, 979, 779, 1318])

AI球员点亮

![](page=8,bbox=[910, 973, 1581, 1319])

AI播报

![](page=8,bbox=[1731, 977, 2327, 1311])

AI智创彩铃

![](page=8,bbox=[2486, 970, 3024, 1321])

![](page=9,bbox=[2445, 53, 3150, 142])

实践三：沉浸化

基于自研3D全真视频、空间视频等技术，为用户打造360度自由视角观赛体验，并探索一种端到端3D大屏沉浸观影技术方案

3D全真视频

![](page=9,bbox=[291, 901, 1031, 1517])

Vision 空间观赛

![](page=9,bbox=[1206, 915, 1976, 1538])

![](page=9,bbox=[2162, 783, 2912, 1582])

AI时代，合作共赢

![](page=10,bbox=[84, 670, 429, 1094])

中国移动咪咕公司真诚期待与各位业界合作伙伴共推中国超高清产业从标准到生态的全球布局

内容

技术

场景

生态

![](page=10,bbox=[2751, 673, 3105, 1151])