/記得星標我/

比大部分人早一步看見未來

不得不承認，過去幾年，中國移動在AI賽道上是沒跟上大部隊的，存在感相當弱。

這顯然不符合中國移動的人設。

前幾天，在一次行業大會上，中國移動高調地對外宣布了自家的AI競爭策略，我簡單概括如下：我不去跟你比模型性能，不去跟你比智算中心資源規模，我還是回到我的主場，發揮我在運營上的優勢，我跟你比調度，比計費，比交付，比運維，我跟你比“誰能把AI穩定、便宜、安全地送進產業現場”。

我一位阿里云的朋友把中國移動此舉形容為“包餃子策略”，把業界所有優秀的模型產品、算力資源都包了餃子，再由中國移動把這個餃子送到用戶面前。

那中國移動這個如意算盤能否打響？

過去五年，AI行業的核心競爭聚焦大模型技術本身。廠商扎堆追逐參數規模、刷新benchmark、打造炫技式演示，賽道陷入純技術內卷。但當AI切入政務、金融、工業、能源等實體產業，客戶需求發生本質轉變。

產業客戶不再關注模型的問答效果有多驚艷，而是要求AI能穩定跑在業務現場、數據不出域、使用成本可負擔、安全風險可管控。AI產業正式從“誰能做出好模型”，進入“誰能把AI送進產業、用好AI”的下半場。

這一拐點，讓不具備模型技術優勢的運營商，找到了錯位競爭的核心切口。

在AI布局初期，中國移動在一段時期內處于戰略模糊狀態。除推出自研九天大模型外，整體動作零散，既無法與純大模型廠商比拼技術迭代，也未將通信運營的核心能力轉化為AI競爭力，在AI賽道始終是邊緣跟隨者。

2026移動云大會，中國移動董事長陳忠岳的講話很值得揣摩，從頭到尾不說我自己的模型有多強，我的資源有多豐富，也不強調我做了多少個應用，反復說的是整合，說要打通算力、模型、應用全鏈路，做成一個“人工智能生產要素的聚合地”。

為此，中國移動推出了一個名叫MoMA的模型服務平臺。而這，很有可能成為中國移動未來征戰AI市場的一個利器。

有人或許會說，這個MoMA不就是一個API中轉嗎？

不同于市面上單純做API中轉、模型聚合的輕資產平臺，MoMA的核心價值不在于模型數量堆砌，而在于底層的算力調度與成本優化能力。

平臺整合了自研九天大模型及DeepSeek、通義千問、GLM等300余款主流外部模型，通過統一API網關實現一站式接入，依托智能路由算法，可根據用戶實際需求切換成本優先、效果優先、均衡優先等適配策略，大幅降低客戶模型選型與集成成本。

在核心成本層面，MoMA基于國產算力搭建自研推理引擎，疊加長尾模型調度、智能緩存、上下文復用、Token壓縮等一系列落地技術，實現單位Token成本壓降30%，精準擊中產業客戶降本剛需。更核心的壁壘，來自中國移動獨有的算網融合能力，也是區別于所有純模型廠商、互聯網云廠商的核心優勢。

依托百萬億級Token調度能力、800GB超高吞吐的算網大腦，中國移動可實現全國一體化算力跨區域、跨節點協同調度，搭配算電協同、三級低時延網絡布局，從底層解決產業AI的時延、成本、穩定性難題。

這一設計直擊行業痛點——中小企業與產業客戶面臨模型選型難、集成成本高、調用費用貴的問題。MoMA避開了純API中轉站的低毛利陷阱，依托獨有的調度能力、計費能力、交付能力、運維能力，實現AI價值升級，這是純模型廠商、云廠商、API中轉商都不具備的核心競爭力。

那中國移動的如意算盤能否打響呢？

戰略清晰不代表落地順暢，中國移動的AI布局仍面臨三道核心門檻，直接決定最終成敗。

第一，國產算力成熟度不足。當前國產算力仍處于從可用到好用的過渡階段，模型適配、算子優化、生態兼容、大規模穩定運行等問題未完全解決，制約推理效率與成本控制落地。

第二，產業交付復雜度極高。政企AI項目定制化強、交付周期長、驗收鏈條繁瑣，醫療、金融、工業核心場景對安全、責任界定、審計留痕要求嚴苛，風險約束與責任邊界無法靠技術平臺解決。

第三，商業化變現模糊。Token調度量目前僅為技術指標，如何將調度能力轉化為獨立、可持續的AI收入，避免Token經營淪為傳統業務換皮包裝，是最核心的商業難題。

中國移動加碼AI的核心意義，不是打造新模型或聚合平臺，而是將AI重構為標準化基礎設施生意。

它的目標是讓AI像流量、算力、通信服務一樣，具備可計費、可調度、可交付、可運維的標準化屬性。通過算網底座、模型平臺、終端入口全鏈路打通，中國移動試圖成為AI時代的“水電煤”提供商，而非單純的算力出租方或模型服務商。這種模式的優勢是邊際成本遞減，規模越大單位成本越低，一旦形成生態壁壘，可持續收入能力遠高于傳統項目制服務。

大模型上半場拼技術速度，下半場拼覆蓋廣度、成本控制與落地交付。中國移動沒有拿出鋒利的產品尖刀，而是鋪開了貫穿算力、網絡、模型、終端、渠道的全鏈路大網。

它的如意算盤，是依托算網融合成為AI時代的超級分發層，承接產業AI核心基礎設施需求。但最終能否打響，取決于兩個關鍵結果：一是能否將技術與資源優勢，轉化為獨立、可持續的AI商業化收入，讓Token經營從概念變為報表真實業績；二是能否跨過技術、交付、合規門檻，實現AI在千行百業規模化落地。

成功則跳出傳統運營商管道化困境，成為AI產業核心基礎設施方；失敗則重回算力出租、流量收費的老路，在AI浪潮中僅扮演配角。