AI Flow技术突破窄带高清视频传输瓶颈
几天前，一则新闻
近日，中国电信人工智能研究院（TeleAI）利用其自主研发的智传网（AI Flow）技术，与天翼视联科技股份有限公司的视联网平台紧密结合，在江苏省的远洋执法船项目上成功完成了首次商业化部署与测试。
在仅有 100kbps 以下的极窄卫星通信速率下，智传网（AI Flow）能够稳定地传输高清流畅的视频画面，有效解决了海上执法视频传输中长期存在的“无法传输、画面不清、频繁卡顿”等行业难题，以其强大的AI能力为海洋安全管控构筑了坚实的屏障。
通过运用 TeleAI 的智传网（AI Flow）核心技术优势，天翼视联旨在推动并实现视联网在“降低云端存储、提升图像质量、拓展应用场景”等方面的业务目标，并且已经在天翼视联的展厅内率先完成了针对视联网应用的智传网（AI Flow）生成式智能传输技术的部署与现场演示。
双方的合作目标是共同构建一个极具前瞻性的“空天地海全域视联”技术与产业协作生态系统。
智传网（AI Flow）是由中国电信集团首席科学家、中国电信人工智能研究院（TeleAI）院长李学龙教授及其科研团队完全自主研发的。该技术通过建立“端-边-云”协同的一体化智能传输体系，能够有效改善传统网络在数据传输方面存在的延迟高、带宽占用大、资源调度不灵活等问题，是构建新型通信网络的智能基础。
远洋航行环境天然面临着卫星带宽稀缺、通信费用高昂、信号不稳定等通信方面的挑战。传统的视频编码技术在极低的百 Kbps 带宽下，画面会变得模糊失真，并出现频繁的断帧和卡顿，难以支持精准的态势研判和远程指挥调度。在这种环境下，船员们甚至无法进行观看短视频、上网或与家人进行视频通话。
为了应对这些极端应用场景，TeleAI 的智传网（AI Flow）生成式智能传输技术的核心理念是“以计算能力换取带宽”，它不再传输视频、图片等海量的原始数据，而是传输这些数据背后所蕴含的语义信息、关键特征以及特定条件，然后在接收端进行视频、图片和信息的还原。
这种创新的传输方式不仅能够显著降低带宽的占用率并大幅提升传输效率，还能在带宽受限的极端条件下，确保信息的实时性和完整性。
根据卫星互联网接入测试结果，采用基于智传网（AI Flow）生成式智能传输技术的弱网链路下，视频传输的带宽占用全程被控制在 14Kbps 至 144Kbps 之间，与传统的视频传输方式相比，带宽占用率大幅降低，能够有效节约宝贵的卫星通信资源。
在本次江苏远洋执法船项目的实际测试中，智传网（AI Flow）在不足 100kbps 的极窄卫星带宽下，依然能够稳定地传输高清流畅的视频画面。执法船上配备了智能压缩终端，指挥中心通过卫星链路，便可以实时高清地查看机舱、甲板、海面等区域的全面动态，船员的操作细节、海面上漂浮的异常物体、船舶的航行状态等信息都清晰可见。
这一成功的实践充分证明了智传网（AI Flow）技术在海上低带宽、高干扰、长距离等复杂通信环境下具有巨大的商业应用潜力，同时也为海洋智慧监管树立了行业的典范和标杆。
借此海上标杆项目落地的契机，中国电信人工智能研究院（TeleAI）将与天翼视联于 2026 年 5 月 14 日至 15 日在上海联合举办“智传网（AI Flow）全域视联前沿技术与产业协同沙龙”活动，并同时承担全国信标委多媒体分委会 DCM 第二十二次工作组会议的承办工作。
届时，中国电信人工智能研究院（TeleAI）的科研副院长张弛将就“智传网（AI Flow）生成式智能传输技术及应用”这一主题发表专题报告。
智传网（AI Flow）相关工作
J. Shao and X. Li*, "AI Flow at the Network Edge", IEEE Network, vol. 40, no. 1, pp. 330-336, Jan. 2026, doi: 10.1109/MNET.2025.3541208.
H. An, W. Hu, S. Huang, S. Huang, R. Li, Y. Liang, J. Shao, Y. Song, Z. Wang, C. Yuan, C. Zhang, H. Zhang, W. Zhuang, X. Li*. "AI Flow: Perspectives, Scenarios, and Approaches", Vicinagearth 3, 1 (2026).
X. Chen, J. Luo, J. Xu, F. Yi, C. Zhang, X. Li*, "Generative video compression: towards 0.01% compression rate for video transmission", Vicinagearth 3, 7 (2026).
Y. Fan, Q. Weng and X. Li*, "Computation-Bandwidth-Memory Trade-offs: A Unified Paradigm for AI Infrastructure", arXiv:2601.11577.