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(tǒng)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(qū)”正式啟動。這一平臺肩負著整合央企資源、推動AI普惠發(fā)展的戰(zhàn)略使命，已有90余家央企、50余所高校及20余個組織加入。

作為首批共建單位，中興通訊正式開源NTele-R1-32B-V1、7B-Curr-ReFT、3B-Curr-ReFT等6款自研發(fā)模型及5個行業(yè)數(shù)據(jù)集，以及 “Co-Sight 超級智能體” 和配套工具鏈，為AI國家隊提供技術動能，展現(xiàn)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，更憑借“芯片+硬件+軟件+應用”的軟硬件綜合優(yōu)化及全球交付能力，成為央企數(shù)智化轉型的關鍵伙伴。

近日，通過對話中興通訊戰(zhàn)略和生態(tài)首席專家屠嘉順、中興通訊星云通信大模型研發(fā)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(yè)未來趨勢發(fā)展有了更深入認識。

一、三大核心能力，40年ICT經(jīng)驗助百家央企智能化轉型

“煥新社區(qū)”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(tài)平臺。所有的大模型及數(shù)據(jù)集，基本都面向To B的產(chǎn)業(yè)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(tài)共建者”雙重身份，通過三大能力精準補位：

1、模型與數(shù)據(jù)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(yè)數(shù)據(jù)集，覆蓋電信、多模態(tài)等關鍵領域，并計劃持續(xù)開放訓練方法、算法框架等底層能力，為國家隊開發(fā)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(shù)學+400代碼），即在多項測評中超越Qwen3-32B、QwQ-32B等行業(yè)標桿。

中興通訊還基于其創(chuàng)新訓練范式，開源了7B-Curr-ReFT和3B-Curr-ReFT輕量化模型。3B-Curr-ReFT在AI2D數(shù)學推理測試中準確率達83%，超越26B參數(shù)的 InternVL-26B（79%）和32B參數(shù)的Llava-Next-32B（81%）。

2、國產(chǎn)AI芯片生態(tài)協(xié)同：做開放的“連接者”

面對GPU算力的短板，中興聯(lián)合國產(chǎn)GPU廠商開展軟硬件協(xié)同優(yōu)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于‘連接’，即集群GPU之間的互連技術。”

他進一步描繪了生態(tài)愿景：“我們想象中未來的計算生態(tài)應是開放的，能將多個廠家的GPU放在一個資源池里協(xié)同工作。中興致力于成為這個開放生態(tài)的‘連接者’和‘使能者’?！?不再依賴單一來源，可有效規(guī)避因個別廠商斷供、技術封鎖等帶來的風險，這正推動著國家隊智算體系的穩(wěn)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(fā)者創(chuàng)新門檻。這一超級智能體在GAIA基準測試中以72.72分奪冠。其采用“主管智能體+執(zhí)行智能體”的協(xié)同架構和DAG任務引擎，將行業(yè)研究周期從數(shù)周壓縮至1小時。

劉昆麟生動地解釋了其進化：“常規(guī)智能體像一個‘打工人’，而超級智能體更像一個‘指揮官’，能調(diào)度各種已有的智能體或服務功能協(xié)同作戰(zhàn)?！?/p>

從技術生態(tài)視角看，中興通訊的參與并非簡單的資源堆砌，而是通過 “模型 – 數(shù)據(jù) – 硬件 – 應用” 的全鏈條協(xié)同，為煥新社區(qū)構建起完整的技術支撐體系。

依托40年ICT經(jīng)驗，中興的技術輸出直擊產(chǎn)業(yè)痛點。以電信運維為例，其自研星云大模型驅動的“網(wǎng)優(yōu)專家”系統(tǒng)在云南移動實現(xiàn)了網(wǎng)絡優(yōu)化全流程自動化，非現(xiàn)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(jīng)驗”向“數(shù)據(jù)驅動”的躍遷。

現(xiàn)在，這家ICT巨頭正將其40年ICT經(jīng)驗遷移到百家央企數(shù)智化轉型過程中，成為中國 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(yè)，打造新質生產(chǎn)力

盡管大眾印象中的中興“強在硬件”，但其核心競爭力實為軟硬件協(xié)同優(yōu)化和一站交付的全棧能力。

屠嘉順精辟總結道：“中興的核心競爭力是做軟硬件的協(xié)同優(yōu)化，并提供‘交鑰匙’的解決方案。這不是簡單的賣設備，而是結合客戶現(xiàn)有行業(yè)場景，致力于成為客戶數(shù)智化轉型路上的長期伙伴，通過清晰的階段規(guī)劃與持續(xù)的技術賦能，幫助客戶一步步將數(shù)智化藍圖轉化為現(xiàn)實?！?/p>

2023年啟動大模型戰(zhàn)略后，中興在2025年迎來技術爆發(fā)期：

1、小樣本訓練匹敵大模型：三階數(shù)據(jù)管理直擊數(shù)據(jù)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(xiàn)性能超越，成功實踐了“數(shù)據(jù)質量優(yōu)于數(shù)量”的路徑。

劉昆麟博士再次強調(diào)了其底層邏輯：“這并不意味著大模型對數(shù)據(jù)量的依賴被徹底打破，而是證明：如果能找到‘量身定制’的關鍵數(shù)據(jù)，少量樣本也能激發(fā)出匹敵大量數(shù)據(jù)的效果。”

具體來看，NTele-R1-32B-V1實現(xiàn)了三階數(shù)據(jù)管理策略的創(chuàng)新突破，直擊大模型訓練中 “數(shù)據(jù)冗余與模式固化” 的行業(yè)痛點：

（1）優(yōu)選 “教師模型”，錨定高質量參考樣本。研發(fā)團隊選定QwQ-32B作為 “教師模型”，對初始S1數(shù)據(jù)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，強化復雜任務處理能力。研發(fā)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(shù)據(jù)集。這種 “靶向訓練” 策略使模型聚焦復雜任務，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），為每個問題選擇最多5個距離最遠的答案，最終形成包含965個樣本的訓練數(shù)據(jù)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于性能指標的領先，更在于為中國 AI 國家隊提供了 “小樣本訓練” 的可復制方法論。劉昆麟告訴智東西，這種聚焦場景建模、精煉數(shù)據(jù)的方法論，已成功復制到鋼鐵、水利等行業(yè)。

2、輕量化模型打破參數(shù)迷信：后訓練激發(fā)模型智能

多模態(tài)智能領域長期存在 “參數(shù)規(guī)模決定性能” 的固有認知，中興通訊推出的 Curr-ReFT（Curriculum Reinforcement Fine-Tuning）訓練范式，使3B、7B參數(shù)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(chuàng)新點集中在 “課程式強化學習” 與 “基于拒絕采樣的自提升” 兩大模塊，形成閉環(huán)優(yōu)化體系：

（1）課程式強化學習：三階遞進式能力培育。研發(fā)團隊借鑒人類認知規(guī)律，將訓練任務分為三個難度遞增階段，配合分層獎勵機制，使模型能力穩(wěn)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(shù)聚焦“準確率”。

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

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

（2）拒絕采樣自提升：平衡能力提升與基礎技能保留。為避免模型在提升復雜推理能力時丟失基礎語言技能，研發(fā)團隊采用兩步優(yōu)化機制：

高質量樣本篩選：引入大尺寸模型作為教師模型，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(guī)范度），構建精編數(shù)據(jù)集。

自我迭代優(yōu)化：以精編數(shù)據(jù)集為參考，同時混合少量多任務多領域高質量多模態(tài)數(shù)據(jù)，通過持續(xù)對比修正模型輸出，在提升復雜任務處理能力的同時，確?；A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(shù)規(guī)模決定性能’的行業(yè)認知，應該早就過時了。關鍵在于如何通過后訓練（如強化學習）更充分地激發(fā)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(yè)務的能力?！?/p>

他進一步指出業(yè)界共識的轉變：“OpenAI近期也提出，未來強化學習可能占算力消耗的大部分，預訓練只占一小部分?！?/p>

3、6G前沿的務實“干糧”：從“考題”到“生產(chǎn)力”

整合40年電信領域知識，中興通訊開源了TFCE（Telecom Function-Calling Evaluation）數(shù)據(jù)集，成為中國AI國家隊在通信行業(yè)的核心 “技術彈藥”，填補了全球電信領域函數(shù)調(diào)用評估的空白。

TFCE數(shù)據(jù)集包含1800余個通信專用函數(shù)、917道Python實戰(zhàn)題目，覆蓋4G、5G、6G、無線通信網(wǎng)絡優(yōu)化、物聯(lián)網(wǎng)、網(wǎng)絡安全等全場景，被劉昆麟稱為電信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，聚焦于通信網(wǎng)絡的智能化運維、優(yōu)化業(yè)務和漸進式創(chuàng)新。題目設計源于真實產(chǎn)業(yè)痛點，是‘實戰(zhàn)化考題’?！?這體現(xiàn)了中興將40年工程經(jīng)驗轉化為AI“養(yǎng)分”的務實作風。

TFCE的推出為中國AI國家隊帶來多重價值：提供統(tǒng)一的電信AI模型評估標準，降低通信行業(yè) AI 開發(fā)的入門門檻，并加速電信領域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(wǎng)絡中的AI是原生的，6G是一個會思考的網(wǎng)絡——在6G中我們可以實現(xiàn)云邊端響應時間控制，通過邊緣大模型及終端小模型，為6G網(wǎng)絡管道提供思考能力，讓智能無處不在。

當下，開源模型大戰(zhàn)競爭激烈，中興通訊相比于互聯(lián)網(wǎng)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(qū)別?，F(xiàn)在的互聯(lián)網(wǎng)公司大量做To C業(yè)務，中興更聚焦To B領域，用‘連接+ 算力’全棧能力為鋼鐵、電力、金融等行業(yè)提供端到端解決方案?！?其護城河源于三方面：

1、前瞻布局：隨著2022年底ChatGPT爆發(fā)，整個通信行業(yè)深受其影響。中興通信發(fā)現(xiàn)6G是AI內(nèi)生的，2023年初就制定大模型戰(zhàn)略，2024年發(fā)布千億級MoE通信模型，至今加速迭代出多款開源大模型及數(shù)據(jù)集，落地行業(yè)，并成為煥新社區(qū)的技術輸出者。

2、場景Know-How：40年電信經(jīng)驗沉淀為可復用的行業(yè)知識圖譜。劉昆麟強調(diào)：“數(shù)據(jù)只是表象，真正護城河是能穩(wěn)定產(chǎn)生數(shù)據(jù)的場景。真正產(chǎn)生價值的，是讓模型到真實系統(tǒng)里去交互，這一過程積累的語料和迭代經(jīng)驗，是比單純數(shù)據(jù)更高效的資產(chǎn)?！?/p>

3、研發(fā)效能革新：中興通訊內(nèi)部進行了AI研發(fā)績效工具創(chuàng)新，從而大幅提升人效，加速了技術迭代。

從電信行業(yè)中來，到千行百業(yè)中去。行業(yè)案例成為中興通訊全棧實力的最佳印證。

在云南潑水節(jié)保障案例中，面對200萬游客的網(wǎng)絡洪峰，中興“大模型+智能融合板”雙智協(xié)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(qū)占比降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(tài)

從NTele-R1-32B-V1的小樣本“精兵訓練”，到Curr-ReFT激發(fā)小模型的“潛能革命”；從TFCE深入產(chǎn)業(yè)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“干糧”，為AI國家隊構建起堅實的技術底座。其星云大模型已在電力、金融、鋼鐵等千行百業(yè)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(tài)度賦能百家央企，中國AI的“新質生產(chǎn)力”圖景，正加速從愿景照進現(xiàn)實。