GTI：2026 Mobile AI 应用体验标准白皮书（英文版）（39页）.pdf

核心结论速览。 AI智能手机2028年将占54%出货量：根据Omdia数据，AI capable智能手机市场份额将从2023年起以63%的复合年增长率增长，2028年占全球智能手机出货量54%。 全球120+运营商已启动5G-A商用部署：覆盖45+国家和地区，5G-Advanced正加速商用，6G标准化已正式启动。 Token经济体系将推动行业从“流量变现”转向“Token变现”：Token作为大模型推理和智能服务的统一计量单位，正在成为继流量之后的新型数字资源和核心运营资产。 传统KPI无法有效量化AI服务体验差异：传统网络评估围绕吞吐量、时延、丢包率等管道KPI构建，但移动AI服务具有多模态交互、Token流式传输、任务导向执行等独特特征。 三层QKK架构建立体验评估新范式：QoE层（用户综合满意度）+ KQI层（服务特征量化映射）+ 网络KPI层（全栈能力底层支撑）。 首个Token级体验感知成为5G-A阶段核心方向：RAN需获取Token级感知能力，引入Token Importance和Token Error Rate等新参数，实现高价值Token的可靠传输。 6G“内生智能”被确立为核心技术方向：3GPP已于2025年正式启动6G标准化，R21中“内生智能”将被确立为核心技术方向，目标2029年3月冻结。H2：研究背景——移动AI产业从技术探索进入规模化商用期。移动通信与人工智能的深度融合正在推动全球数字经济进入移动AI新时代。此前在MWC26巴塞罗那期间，GTI与GSMA联合全球产业伙伴正式发布了《移动AI白皮书》，首次系统阐述了移动AI的核心内涵与“三层四维”系统架构。当前，AI技术已实现全面突破——多模态交互、AI Agent、具身智能等新兴服务形态快速涌现，深刻重塑人机交互模式和产业服务范式。与此同时，5G-Advanced加速商用，全球已有120多家运营商在45+国家和地区启动5G-A技术验证或预商用网络部署。终端侧：AI智能终端加速普及。根据Omdia预测，AI capable智能手机2028年将占全球智能手机出货量的54%，2023-2028年复合年增长率达63%。智能穿戴设备（如AI眼镜）出货量也在持续增长。技术侧：多模态智能技术从单模态处理向全模态融合演进，覆盖感知-理解-推理-生成的完整闭环能力已基本成形。端-边-网-云协同架构持续优化，轻量化基础模型和端侧部署技术日趋成熟。应用侧：AI Agent进入规模化应用阶段，具备环境感知、自主决策和闭环执行能力，已在数据自动化处理、智能电商运营、企业办公协同、工业生产辅助等多个垂直领域完成商业验证。商业模式侧：Token经济体系即将起飞。Token作为基础模型推理和智能服务的统一计量单位，正在成为继流量之后的新型数字资源和核心运营资产。（数据来源：GTI《移动AI应用体验指标白皮书》2026年6月）。H2：核心挑战——为何传统评估体系失效。随着移动AI应用日益普及，用户对AI服务体验的要求不断提高。然而，由于终端算力、功耗、实现复杂度和形态尺寸等物理限制，未来AI应用场景将高度依赖网络或云端向终端侧提供大语言模型推理服务。在此过程中，无线信道质量和IP层时延/抖动等网络条件，以及LLM的部署方式，将直接决定终端侧的AI服务体验。传统评估体系的三大缺陷：1. 与AI服务特征脱节：传统网络评估围绕吞吐量、时延、丢包率等管道KPI构建，以满足语音、视频等传统业务需求为目标。但移动AI服务具有多模态交互、Token流式传输、任务导向执行等独特特征。在相同端到端网络时延下，不同的首Token响应速度和生成速率将导致完全不同的用户感知。2. 缺乏统一体验度量基准：不同国家和厂商采用各自独立的评估维度、权重和评判标准，导致评估结果缺乏可比性和互认性，行业发展日趋碎片化。3. 体验与网络能力映射机制缺失：移动AI体验与网络、算力、终端能力之间的量化映射机制尚未建立，网络侧无法基于多样化AI服务需求提供差异化QoS保障。（数据来源：GTI《移动AI应用体验指标白皮书》2026年6月）。H2：三层QKK评估架构——从用户感知到底层网络。本白皮书提出渐进式三层QKK体验评估架构——QoE层、KQI层、网络KPI层，将用户体验与网络参数完全关联。QoE层：多维度综合满意度。QoE层位于架构最顶层，直接反映用户对多模态AI系统的满意度。围绕三个核心维度： 可用性（Availability） ：用户感知的基石，关注功能完整性、运行稳定性和内容呈现可靠性。 交互性（Interactivity） ：多模态AI系统的核心优势，关注音频、视觉、文本等多模态交互的自然性、连贯性和效率。 智能性（Intelligence） ：AI系统理解意图、自主提供精准服务以满足个性化需求的高阶能力。KQI层：服务特征量化映射。KQI层连接QoE层与网络/系统层，将用户体验抽象为可量化的服务指标： 源媒体质量：输入多模态AI系统的媒体质量，包括图像分辨率、帧率、比特率、像素深度，音频比特率等。 呈现质量：AI交互过程中多模态呈现对用户体验的影响，包括图像/音频卡顿率、模态异步率、异步时长。 交互质量：AI多模态交互的实时性和参与度，核心指标包括首Token时间（TTFT）、交互轮次、端到端响应时延。 任务质量：用户在AI多模态交互过程中任务执行的有效性和效率，包括任务成功率、结果准确率、自动化率。网络KPI层：全栈能力底层支撑。覆盖无线接入与传输指标（RSRP、SINR、端到端时延、抖动、可靠性）、计算与资源指标（GPU利用率、内存利用率、推理队列长度）、系统运维指标（QoS策略准确率、网络切片SLA满足率）。（数据来源：GTI《移动AI应用体验指标白皮书》2026年6月）。H2：关键指标定义与映射机制。基于实验数据，白皮书建立了关键参数对用户体验的影响机制：音频源质量参数决定多模态交互的沉浸感： 音频比特率：AI多模态客户端单位时间采集、编码、上传的音频数据量（kbps）。视觉源质量参数决定多模态交互的清晰度和稳定性： 帧率（FPS） ：视频流媒体的核心指标，直接反映图像连贯性。 像素深度（BPP） ：反映图像压缩质量与传输效率的权衡。 分辨率：视觉质量的基本度量，直接指示内容精细度。交互时效性参数直接影响用户对系统智能性和敏捷性的主观判断： 端到端交互响应时延：从用户输入结束到开始接收系统输出的时间。 首Token时间（TTFT） ：从用户发起请求到模型返回第一个Token的时间。多模态协同与连续性指标主要影响多模态系统的一致性和可靠性： 模态异步率：多模态系统特有指标，异步率上升导致输出不相关或执行不准确。 视频/音频卡顿率：影响视觉和听觉模态的连续性。任务效率与智能性参数衡量AI系统理解与执行的综合能力： 成功率（SR） ：系统功能完成的核心指标。 轮次/认知效率：反映系统的交互效率和理解能力。（数据来源：GTI《移动AI应用体验指标白皮书》2026年6月）。H2：体验质量评估方法——从场景构建到量化建模。AI体验质量建模过程包含四个阶段：场景构建、指标提取、用户实验、量化建模。场景库构建：本研究提出可扩展的场景元数据结构，将多模态AI场景抽象为四个核心维度——物理空间、用户活动、AI功能、目标人群。场景库涵盖七大类：生产力与工具、医疗健康、教育与知识、娱乐与游戏、对话与信息服务、购物与生活设施、出行与交通。用户实验：遵循ITU-T P.910标准，受试者至少24人（受控环境）或35人（非受控环境），每名受试者实验时长限制在1.5小时以内。评估模型数学表达： 多模态AI体验质量 = f(Q_ME, Q_PE, Q_IntE, Q_TE)。 Q_ME = f(Q_V, Q_A) [源媒体体验质量]。 Q_PE = f(Q_async, Q_stall) [呈现体验质量]。预实验结果：以棋类陪练场景为例，交互响应时延增加时，用户体验呈非线性下降趋势。约1秒内体验下降较迅速，超过1秒后下降趋缓；超过约2秒时，体验评分降至3分及格线以下。（数据来源：GTI《移动AI应用体验指标白皮书》2026年6月）。H2：端到端服务能力矩阵与网络NQI构建。计算能力指标对体验的影响：| 类别 | 指标 | 定义 | 说明 ||||||| 算力指标 | GPU利用率 | GPU核心活跃时间占比 | 指示核心工作负载水平 || 算力指标 | GPU吞吐量 | 单位时间完成的有效浮点运算 | 指示硬件算力实际利用 || 内存指标 | GPU显存利用率 | 已分配显存/总显存 | 指示内存压力，接近上限可能导致OOM || 内存指标 | KV-Cache命中率 | 成功从缓存检索的历史Token占比 | 命中率越高，显存利用越高效 || 内存指标 | 推理队列长度 | 等待GPU处理的请求数 | 持续增长指示处理能力不足 || 调度指标 | 请求排队时间 | 请求到达服务到GPU开始处理的时间 | 指示请求积压程度 || 调度指标 | Batch Size | 每次GPU推理调用并发处理的请求数 | 动态批处理提高吞吐量 || 调度指标 | TTFT | 发送请求到收到首个生成Token的时间 | 指示预填充阶段时延 || 调度指标 | TPOT | 生成每个后续Token的平均时间 | 指示解码速度，直接影响用户体验 |网络NQI核心指标： 上行帧传输时延。 下行包遍历时延。 多模态帧大小。 多模态帧率。 有效上行用户感知速率 = 多模态帧大小 / 上行帧传输时延。（数据来源：GTI《移动AI应用体验指标白皮书》2026年6月）。H2：未来展望——从5G-A评估到6G标准化输入。移动AI技术演进可分为三个阶段：阶段一：当前评估框架优化与Token级感知（5G/5G-A阶段）。细化度量指标——将TTFT、Token平滑度等细粒度指标纳入日常网络优化和SLA体系。RAN需获取Token级感知能力，引入Token Importance和Token Error Rate等新参数，利用5G-A空口分组化机制识别数据边界。阶段二：多模态协同与动态QoS适配（具身AI与边缘Agent阶段）。AI服务上下文切换可触发毫秒级QoS需求波动，网络需支持动态业务控制。通过频繁更新空口协议包中的QoS参数，或灵活将单个QoS流映射到多个数据无线承载，实现文本、语音、图像等多模态突发流量的优先级调度。阶段三：全面贡献6G标准化（6G智能架构设计阶段）。 内生智能：6G将实现网络资源与AI任务的自适应联合调度，服务向网络暴露数据特征和传输需求，网络集成AI引擎和AI Agent实现自动化配置。 综合治理：体验标准将与AI原生6G架构和跨域智能体协同框架对齐，形成AI应用、网络、算力、安全综合治理的基础组成部分。（数据来源：GTI《移动AI应用体验指标白皮书》2026年6月）。如需了解行业趋势与战略洞察，可返回查看本报告深度分析页面。数据来源说明。本报告所有数据来源于GTI《移动AI应用体验指标白皮书》（Mobile AI Application Experience Metrics），2026年6月发布。白皮书由GTI倡议和协调，中国移动、中国电信、中国联通、中国广电、华为、中兴、诺基亚、中信科移动、紫光展锐、罗德与施瓦茨、Omdia等机构联合撰写。