ICT巨頭轉身AI“交鑰匙商”：中興全棧技術輸出，打造國家隊新質生產力

智東西作者 李水青編輯 漠影

智東西8月12日報道，2025世界人工智能大會（WAIC）期間，由國務院國資委統籌指導、中國移動牽頭建設的國家級AI開源開放平臺“煥新社區”正式啓動。這一平臺肩負着整合央企資源、推動AI普惠發展的戰略使命，已有90餘家央企、50餘所高校及20餘個組織加入。

作爲首批共建單位，中興通訊正式開源NTele-R1-32B-V1、7B-Curr-ReFT、3B-Curr-ReFT等6款自研發模型及5個行業數據集，以及 “Co-Sight 超級智能體” 和配套工具鏈，爲AI國家隊提供技術動能，展現出ICT巨頭向AI技術輸出者的成功跨越。

成立40年的中興通訊，不僅是全球5G先鋒，更憑藉“芯片+硬件+軟件+應用”的軟硬件綜合優化及全球交付能力，成爲央企數智化轉型的關鍵夥伴。

近日，通過對話中興通訊戰略和生態首席專家屠嘉順、中興通訊星雲通信大模型研發總工劉昆麟博士，我們對這家ICT巨頭的AI實力以及6G+AI等垂直行業未來趨勢發展有了更深入認識。

一、三大核心能力，40年ICT經驗助百家央企智能化轉型

“煥新社區”定位獨特，屠嘉順指出：“它是一個更聚焦央國企和To B垂直領域的AI生態平臺。所有的大模型及數據集，基本都面向To B的產業需求。” 其核心使命是解決大模型在百家央企真實場景的落地難題。

中興通訊以“技術輸出者+生態共建者”雙重身份，通過三大能力精準補位：

1、模型與數據集開源：小樣本的“精兵”策略

中興通訊首批開源6個自研大模型及5個行業數據集，覆蓋電信、多模態等關鍵領域，並計劃持續開放訓練方法、算法框架等底層能力，爲國家隊開發者提供基礎技術支撐。

其明星成果——電信大模型NTele-R1-32B-V1，僅用800個精選樣本（400數學+400代碼），即在多項測評中超越Qwen3-32B、QwQ-32B等行業標杆。

中興通訊還基於其創新訓練範式，開源了7B-Curr-ReFT和3B-Curr-ReFT輕量化模型。3B-Curr-ReFT在AI2D數學推理測試中準確率達83%，超越26B參數的 InternVL-26B（79%）和32B參數的Llava-Next-32B（81%）。

2、國產AI芯片生態協同：做開放的“連接者”

面對GPU算力的短板，中興聯合國產GPU廠商開展軟硬件協同優化。屠嘉順坦言：“GPU算力確實是一塊短板，需要耐心突破。但中興的獨特價值在於‘連接’，即集羣GPU之間的互連技術。”

他進一步描繪了生態願景：“我們想象中未來的計算生態應是開放的，能將多個廠家的GPU放在一個資源池裡協同工作。中興致力於成爲這個開放生態的‘連接者’和‘使能者’。” 不再依賴單一來源，可有效規避因個別廠商斷供、技術封鎖等帶來的風險，這正推動着國家隊智算體系的穩定性與自主可控性。

3、智能體應用落地：從“打工人”到“指揮官”

值得一提的是，中興通訊本次還開源了 “Co-Sight超級智能體” 及配套工具鏈，降低開發者創新門檻。這一超級智能體在GAIA基準測試中以72.72分奪冠。其採用“主管智能體+執行智能體”的協同架構和DAG任務引擎，將行業研究週期從數週壓縮至1小時。

劉昆麟生動地解釋了其進化：“常規智能體像一個‘打工人’，而超級智能體更像一個‘指揮官’，能調度各種已有的智能體或服務功能協同作戰。”

從技術生態視角看，中興通訊的參與並非簡單的資源堆砌，而是通過 “模型 – 數據 – 硬件 – 應用” 的全鏈條協同，爲煥新社區構建起完整的技術支撐體系。

依託40年ICT經驗，中興的技術輸出直擊產業痛點。以電信運維爲例，其自研星雲大模型驅動的“網優專家”系統在雲南移動實現了網絡優化全流程自動化，非現場處理時長縮短20%，用戶上行速率提升30%，有力推動了運維從“人工經驗”向“數據驅動”的躍遷。

現在，這家ICT巨頭正將其40年ICT經驗遷移到百家央企數智化轉型過程中，成爲中國 AI 國家隊不可或缺的核心力量。

二、全棧輸出：從電信到千行百業，打造新質生產力

儘管大衆印象中的中興“強在硬件”，但其核心競爭力實爲軟硬件協同優化和一站交付的全棧能力。

屠嘉順精闢總結道：“中興的核心競爭力是做軟硬件的協同優化，並提供‘交鑰匙’的解決方案。這不是簡單的賣設備，而是結合客戶現有行業場景，致力於成爲客戶數智化轉型路上的長期夥伴，通過清晰的階段規劃與持續的技術賦能，幫助客戶一步步將數智化藍圖轉化爲現實。”

2023年啓動大模型戰略後，中興在2025年迎來技術爆發期：

1、小樣本訓練匹敵大模型：三階數據管理直擊數據痛點

中興通訊開源的電信大模型NTele-R1-32B-V1，以 “小樣本高效訓練” 實現性能超越，成功實踐了“數據質量優於數量”的路徑。

劉昆麟博士再次強調了其底層邏輯：“這並不意味着大模型對數據量的依賴被徹底打破，而是證明：如果能找到‘量身定製’的關鍵數據，少量樣本也能激發出匹敵大量數據的效果。”

具體來看，NTele-R1-32B-V1實現了三階數據管理策略的創新突破，直擊大模型訓練中 “數據冗餘與模式固化” 的行業痛點：

（1）優選 “教師模型”，錨定高質量參考樣本。研發團隊選定QwQ-32B作爲 “教師模型”，對初始S1數據集中的每個問題抽樣50個回答，確保知識蒸餾的 “源頭質量”。

（2）篩選高難度樣本，強化複雜任務處理能力。研發團隊對樣本問題的回答正確性進行量化評估，保留高難度樣本形成S-hard數據集。這種 “靶向訓練” 策略使模型聚焦複雜任務，訓練效率提升40%。

（3）構建多樣化推理路徑，打破模式固化。通過計算每個問題答案之間的列文施泰因距離（字符串相似度指標），爲每個問題選擇最多5個距離最遠的答案，最終形成包含965個樣本的訓練數據集，從而有效避免蒸餾過程中模型 “死記硬背” 單一推理路徑的問題，顯著提升了模型的泛化能力。

該模型的技術價值不僅在於性能指標的領先，更在於爲中國 AI 國家隊提供了 “小樣本訓練” 的可複製方法論。劉昆麟告訴智東西，這種聚焦場景建模、精煉數據的方法論，已成功複製到鋼鐵、水利等行業。

2、輕量化模型打破參數迷信：後訓練激發模型智能

多模態智能領域長期存在 “參數規模決定性能” 的固有認知，中興通訊推出的 Curr-ReFT（Curriculum Reinforcement Fine-Tuning）訓練範式，使3B、7B參數的輕量化視覺語言模型（VLM）在多項任務中超越26B、32B大模型。

Curr-ReFT 的創新點集中在 “課程式強化學習” 與 “基於拒絕採樣的自提升” 兩大模塊，形成閉環優化體系：

（1）課程式強化學習：三階遞進式能力培育。研發團隊借鑑人類認知規律，將訓練任務分爲三個難度遞增階段，配合分層獎勵機制，使模型能力穩步提升：

第一階段（二元決策學習）：通過“是/否”類簡單任務（如“這是蘋果嗎？”），快速建立基礎視覺理解與簡單推理能力，獎勵函數聚焦“準確率”。

第二階段（多項選擇學習）：引入多選項任務（如“水果裡哪個最大？”），強化模型的細節分辨與決策能力，獎勵函數兼顧 “準確率” 與 “推理步驟完整性”。

第三階段（開放式回答學習）：以複雜開放式問題（如“描述這幅畫的故事”）激活綜合推理能力，獎勵函數涵蓋“邏輯性”“流暢度”“信息完整性”多維度。

（2）拒絕採樣自提升：平衡能力提升與基礎技能保留。爲避免模型在提升複雜推理能力時丟失基礎語言技能，研發團隊採用兩步優化機制：

高質量樣本篩選：引入大尺寸模型作爲教師模型，從模型生成結果中篩選評分超過 85 分的樣本（評估維度包括準確性、邏輯性、格式規範度），構建精編數據集。

自我迭代優化：以精編數據集爲參考，同時混合少量多任務多領域高質量多模態數據，通過持續對比修正模型輸出，在提升複雜任務處理能力的同時，確保基礎語言技能不退化。

劉昆麟對此技術趨勢判斷明確：“所謂的‘參數規模決定性能’的行業認知，應該早就過時了。關鍵在於如何通過後訓練（如強化學習）更充分地激發模型潛能，將預訓練階段掌握的模糊概念凝練成解決實際業務的能力。”

他進一步指出業界共識的轉變：“OpenAI近期也提出，未來強化學習可能佔算力消耗的大部分，預訓練只佔一小部分。”

3、6G前沿的務實“乾糧”：從“考題”到“生產力”

整合40年電信領域知識，中興通訊開源了TFCE（Telecom Function-Calling Evaluation）數據集，成爲中國AI國家隊在通信行業的核心 “技術彈藥”，填補了全球電信領域函數調用評估的空白。

TFCE數據集包含1800餘個通信專用函數、917道Python實戰題目，覆蓋4G、5G、6G、無線通信網絡優化、物聯網、網絡安全等全場景，被劉昆麟稱爲電信AI的“標準考題”。

他闡釋了其設計理念：“TFCE避免簡單的知識問答，聚焦於通信網絡的智能化運維、優化業務和漸進式創新。題目設計源於真實產業痛點，是‘實戰化考題’。” 這體現了中興將40年工程經驗轉化爲AI“養分”的務實作風。

TFCE的推出爲中國AI國家隊帶來多重價值：提供統一的電信AI模型評估標準，降低通信行業 AI 開發的入門門檻，並加速電信領域AI技術迭代，通過標準化測評推動模型向 “高準確率、高適配性” 進化。

屠嘉順提到，未來6G網絡中的AI是原生的，6G是一個會思考的網絡——在6G中我們可以實現雲邊端響應時間控制，通過邊緣大模型及終端小模型，爲6G網絡管道提供思考能力，讓智能無處不在。

當下，開源模型大戰競爭激烈，中興通訊相比於互聯網大廠的差異化護城河何在？

屠嘉順一語道破本質：“方向上有較大區別。現在的互聯網公司大量做To C業務，中興更聚焦To B領域，用‘連接+ 算力’全棧能力爲鋼鐵、電力、金融等行業提供端到端解決方案。” 其護城河源於三方面：

1、前瞻佈局：隨着2022年底ChatGPT爆發，整個通信行業深受其影響。中興通信發現6G是AI內生的，2023年初就制定大模型戰略，2024年發佈千億級MoE通信模型，至今加速迭代出多款開源大模型及數據集，落地行業，併成爲煥新社區的技術輸出者。

2、場景Know-How：40年電信經驗沉澱爲可複用的行業知識圖譜。劉昆麟強調：“數據只是表象，真正護城河是能穩定產生數據的場景。真正產生價值的，是讓模型到真實系統裡去交互，這一過程積累的語料和迭代經驗，是比單純數據更高效的資產。”

3、研發效能革新：中興通訊內部進行了AI研發績效工具創新，從而大幅提升人效，加速了技術迭代。

從電信行業中來，到千行百業中去。行業案例成爲中興通訊全棧實力的最佳印證。

在雲南潑水節保障案例中，面對200萬遊客的網絡洪峰，中興“大模型+智能融合板”雙智協同體系對180個基站實施精準護航，達成“零卡頓感知、零中斷服務、零重大投訴”的“三零”目標，高負荷小區佔比降20%以上，直播上行速率提升30%。

結語：AI使能者入局，加速AI普惠新生態

從NTele-R1-32B-V1的小樣本“精兵訓練”，到Curr-ReFT激發小模型的“潛能革命”；從TFCE深入產業的“標準考題”，到Co-Sight指揮多智能體的“超級指揮官”，中興通訊以全棧開源的“乾糧”，爲AI國家隊構建起堅實的技術底座。其星雲大模型已在電力、金融、鋼鐵等千行百業落地生根。當這家擁有40年深厚ICT功底的巨頭，以開放之姿躬身入局AI國家隊，以“交鑰匙”的務實態度賦能百家央企，中國AI的“新質生產力”圖景，正加速從願景照進現實。