从“管道瓶颈”到AI平台：CUPS与城域网融合开启运营商商业化新路径

要点

将宽带网络网关（BNG）控制面解耦，并与IP城域网（Metro Network）深度融合，有助于电信运营商突破传统连接服务模式，向AI平台赋能者转型。通过将控制与用户面分离（Control and User Plane Separation，CUPS）与IP 城域网汇聚（IP Metro Aggregation）相结合，运营商能够更好地支持主权AI工厂（Sovereign AI Factories）、边缘计算、智能服务编排以及差异化网络服务等新型应用场景，从而推动网络能力向更高价值延伸，并把握规模达万亿美元的 AI 市场所带来的商业机遇。

战略重点：突破传统网络边界

对于希望把握 AI 商业化机遇的电信运营商而言，将控制与用户面分离（CUPS）与IP 城域网深度融合已成为关键举措。随着 AI 市场规模预计将在 2030 年达到数万亿美元，这一能力将成为运营商实现价值增长的重要基础。

传统的宽带网络网关（BNG）架构将面与用户面集成在同一设备中，这种设计容易形成网络扩展瓶颈。当CUPS与城域网汇聚（Metro Aggregation）相互独立、缺乏协同时，网络服务往往只能提供尽力而为（Best Effort）的交付模式，无法保障带宽，也难以实施基于用户感知的策略管理，同时端到端服务编排能力也受到限制。

然而，这些能力对于承载AI工作负载（AI Workloads）至关重要。

例如，城域网拥塞可能延长AI模型训练时间，而网络资源规划碎片化则可能导致运营商错失商业机会、造成收入损失。

通过将CUPS面能力扩展至IP城域网路由器，运营商能够实现网络资源的动态优化、确定性的服务交付，并进一步提升在AI时代的市场竞争力。

为什么AI商业化需要实现CUPS与城域网融合

CUPS与城域网架构相互独立，会在承载AI工作负载时带来诸多限制，主要体现在以下几个方面：

• AI模型训练（包括分布式AI和联邦AI）需要多站点之间通过专用400G网络链路实现模型同步。虽然宽带网络网关用户面（BNG-UP）能够提供接入带宽，但由于城域网汇聚仍采用相互独立、尽力而为（Best Effort）的传输方式，缺乏统一协调，一旦城域网发生拥塞，就可能降低模型同步效率，延长AI模型训练时间。
  
  

• AI数据传输（包括训练数据集传输和模型分发）同样需要高带宽网络支持。虽然 BNG 可以提供充足的接入能力，但城域网汇聚资源通常仍需通过独立流程进行配置，部署效率较低。这种缺乏协同的架构难以满足按需开通服务的要求，也可能导致运营商错失商业机会。

  
  

• 实时AI推理通常要求端到端时延低于10毫秒（ms），部分应用甚至要求低于5毫秒。BNG控制面（BNG-CP）虽然可以将接入网时延控制在2～3毫秒，但无法对城域网汇聚部分实施3～5毫秒的时延保障。如果缺乏统一的融合控制，整体网络时延很容易超过10毫秒，从而影响AI服务体验和性能。

市场影响与竞争格局

• 抢占市场先机：率先推进 CUPS 与城域网融合的电信运营商，有望率先构建平台化的生态体系，通过形成更高的用户迁移成本和更强的网络效应，进一步巩固市场竞争优势，使竞争对手更难撼动其市场地位。

• 拓展收入来源：除传统的网络连接服务外，运营商还可围绕 AI 平台服务、边缘计算资源以及智能网络能力等新业务实现商业化，推动收入来源更加多元化。

• 提升盈利能力：CUPS架构带来的运营效率提升，有助于降低运营支出（Opex），同时支撑利润率更高的AI服务发展，从而进一步提升运营商整体盈利能力。

传统与现代BNG及城域网汇聚路由器架构解析

传统BNG架构（未采用CUPS）

• 传统BNG采用控制面与用户面一体化的单体架构（Monolithic Architecture），部署灵活性较低。

• 用户认证、会话管理、策略控制等控制面功能，与数据包转发、服务质量（QoS）保障、流量整形等用户面功能紧密耦合在同一层面，导致系统扩展能力受限，难以满足不断增长的业务需求。

现代BNG CUPS架构及其核心优势

• BNG控制面（BNG-CP）采用集中式部署，负责用户信息管理、策略决策以及会话控制等功能。

• BNG用户面（BNG-UP）采用分布式部署，负责数据包转发，可灵活部署在多个网络节点，包括更靠近用户的边缘节点（Edge），从而更高效地扩展网络承载能力。

• 用户面可部署在通用硬件（Commodity Hardware）平台上，以降低建设成本并提升业务部署灵活性；而控制面则可继续使用专用资源，以保障网络控制能力和稳定性。

传统城域网汇聚路由器

城域网汇聚 IP 路由器位于接入网（BNG 用户面（BNG-UP）的终结点）与核心网之间，是连接接入层和核心层的重要节点。然而，传统城域网汇聚架构仍存在诸多局限性。

• 固定功能路由器（Fixed-function Routers）依赖专有转发架构，端到端网络可视化能力有限，增加了网络运维的复杂性。

• 静态流量工程（Traffic Engineering）和固定路由机制也限制了网络的扩展能力和灵活性。

现代城域网汇聚架构及核心能力

现代城域网汇聚架构通过引入开放、智能和自动化能力，可更好地满足 AI 时代网络发展的需求，其主要能力包括：

• 解耦式架构（Disaggregated Architecture）与可编程数据面（Programmable Data Plane）支持灵活、定制化的数据包处理。

• 借助AI/机器学习（AI/ML），实现实时遥测（Telemetry）、流量分析、预测性路由以及网络自动优化。

• 基于API的网络配置、遥测数据流（Telemetry Streaming）以及自动化编排，支持云原生网络管理。

• 基于应用感知（Application-aware）的智能路由，以及结合流量工程和实时流量分析实现动态带宽分配。

• 与边缘计算基础设施深度融合，提升网络资源调度效率。

因此，真正需要思考的问题并不是是否部署CUPS，而是如何规划CUPS架构，使其能力从BNG扩展至城域网汇聚层。

只有实现这一融合，CUPS才不仅仅是对BNG的一次架构升级，而是成为贯穿整个业务交付路径（包括城域网汇聚）的核心网络架构，为AI时代各类业务提供全面支撑。

CUPS–城域网融合与商业化的发展路线图

从传统环形网络架构（Ring）向脊叶架构（Spine-Leaf）演进，以及在BNG中实现控制面与用户面分离，为将控制面的智能能力进一步延伸至城域网汇聚层创造了条件。然而，目前许多网络部署尚未充分发挥这一架构优势。

通过将城域网路由器配置为从CUPS控制面获取策略，运营商能够建立从用户侧到网络边缘的端到端服务编排能力，而这正是实现 AI 服务商业化的关键基础。

CUPS与城域网汇聚融合的优势

• 跨分布式用户面的CUPS集中控制： 城域网汇聚能够提供高带宽、低时延的网络连接，满足实时AI业务需求，使运营商能够根据业务需求动态部署AI服务。

• 资源优化： 将控制面与用户面分离并实现独立扩展，有助于运营商优化基础设施资源配置。控制面可集中部署在成本效益更高的云平台，而用户面则可根据业务流量和 AI 应用需求进行分布式部署，城域网汇聚则进一步保障带宽资源得到高效利用。

• 服务差异化与体验保障： CUPS–城域网路由融合使运营商能够提供具有性能保障的差异化AI服务。结合网络切片（Network Slicing）与可编程控制面，运营商可面向不同客户需求提供定制化、高价值的AI服务，并支持更高溢价的商业模式。

BNG CUPS与城域网融合的分阶段战略实施路线图

第一阶段：夯实基础

• 从传统BNG架构演进至CUPS架构，实现BNG解耦。

• 升级城域网，支持Spine-Leaf网络架构。

• 部署网络切片（Network Slicing）能力，确保严格遵循服务等级协议（SLA）要求。

第二阶段： AI 融合

• 在城域网汇聚节点部署分布式边缘计算资源。

• 将 AI 编排能力与集中式控制面相结合。

• 开发面向AI的专属服务产品。

第三阶段：平台商业化

• 推出面向开发者的API 生态系统，实现平台商业化。

• 建立基于使用量（Usage-based）的计费模式。

• 根据市场需求持续扩展 AI 服务组合。

AI商业化背景下CUPS–城域网融合的技术基础

统一控制面融合

扩展后的 BNG 架构应覆盖从接入网到网络边缘的整个业务路径，统一承担多项核心功能，包括：管理用户会话（认证、授权和计费，即AAA）、为用户分配服务等级、确定端到端最优业务路径、向 BNG 用户面（BNG-UP）和城域网路由器下发策略，以及监测端到端网络性能，确保服务等级协议（SLA）得到有效执行。

实施过程中应重点考虑以下方面：

• 在多个节点部署控制面，提高系统冗余能力和就近服务能力，增强网络韧性。

• 支持数百万级用户会话和每秒数千次策略更新，进一步提升网络扩展能力。

• 满足99.999%的可用性要求，保障网络高可用运行。

具备策略感知（Policy-aware）能力的城域网汇聚路由器应从传统的独立设备，转变为策略执行节点（Policy Enforcement Point，PEP），动态接收来自BNG-CP的策略指令，例如服务等级、抖动（Jitter）控制以及流量引导（Traffic Steering）等。

同时，城域网汇聚路由器还应支持来自BNG-CP的流式遥测数据，为边缘计算环境下的SLA监测和流量管理提供实时网络指标支撑。

实施过程中应重点考虑以下方面：

• 逐步升级城域网路由器，同时保持与现有网络的向后兼容性。

• 基于标准化接口支持多厂商网络环境，确保不同厂商设备之间实现互联互通。

• 当控制面连接中断时，确保路由器仍能够以**自主愈合（Self-healing）**模式持续运行，保障网络业务连续性。

统一编排层

统一服务编排平台应负责协同 BNG 控制面（BNG-CP）与城域网汇聚层，实现虚拟化网络及网络服务功能（VNF）的统一编排，并管理容器化微服务的生命周期及其通信协同。

其主要增强能力包括：

• 统一管理BNG与城域网全生命周期的服务交付，包括服务的开通、变更和终止。

• 利用AI对BNG用户面（BNG-UP）部署位置和网络路由进行智能优化，实现网络资源的最优配置。

• 通过遥测（Telemetry）实现端到端网络性能和服务质量监测，并在必要时自动触发故障修复或优化措施，确保服务等级协议（SLA）持续达标。

  
  

数据面协同

建立统一的BNG与城域网控制面只是实现智能网络协同的第一步。要真正实现端到端的服务保障，还需要数据面能够在网络中持续传递业务上下文信息，并对各项网络策略进行统一执行。 

随着AI工作负载不断增长，数据面需要支持用户身份信息感知、QoS 策略执行以及实时路径选择等关键能力。然而，传统网络架构通常难以高效满足这些需求，因此亟需通过新一代网络架构实现数据面的智能化升级。

流量标记与分类

在BNG用户面（BNG-UP），应根据业务等级和应用类型对用户流量进行分类。例如，面向高端 AI 推理业务的流量，可通过区分服务代码点（Differentiated Services Code Point，DSCP）中的快速转发（Expedited Forwarding，EF）进行标记，并为其配置相应的流量策略。

流量标记可采用多种方式，包括：

• DSCP（区分服务代码点）

• VLAN 标签

• MPLS 标签

• SRv6（Segment Routing over IPv6）段标识（Segment ID）

在城域网汇聚路由器侧，网络应具备以下能力：

• 识别来自BNG-UP的流量标记，并实施相应的服务质量（QoS）策略，包括优先级队列调度和带宽资源分配。

• 根据不同业务需求选择最优转发路径。例如，可将采用DSCP EF标记的业务流量，通过低时延路径转发至距离最近的边缘计算节点，以满足 AI 推理等低时延业务的需求。

SRv6：实现面向业务的智能转发

SRv6（Segment Routing over IPv6）利用原生 IPv6 路由能力和基于源路由的可编程特性，使 BNG 控制面（BNG-CP）能够在城域网汇聚层为不同业务定义精确的转发路径。这意味着，网络路径的计算不再依赖于各个路由器独立决策，而是能够根据不同业务的服务需求进行统一规划和调度。

在这一架构下，BNG 用户面（BNG-UP）会在数据包中封装包含Segment List（路径段列表）的 SRv6 报头。城域网路由器只需按照预先定义的路径段依次转发数据包，无需再进行传统的路由表查找。

这种方式不仅能够实现面向业务（Service-aware）、可预测的流量转发，还能有效简化网络运维。同时，由于无需复杂的MPLS标签管理，并消除了路由器对每条数据流维护状态信息（Per-flow State）的需求，因此进一步提升了网络的可扩展性。

结论：把握战略窗口期

将CUPS与IP城域网深度融合，将帮助电信运营商依托AI基础设施，在数字经济时代构建新的竞争优势。 对于能够率先推进这一架构演进的运营商而言，有望抢占新兴市场先机，建立行业领先地位；而行动迟缓的运营商，则可能继续停留在附加值较低的基础连接服务领域。

通过CUPS–城域网融合实现智能网络协同，将为运营商带来显著的商业价值。当前真正需要回答的问题，不是是否推进这一架构，而是哪家运营商能够率先完成部署，并充分释放其商业价值。

尽管BNG与城域网融合需要较大的资金投入和网络改造成本，但它已成为运营商实现AI商业化收入的关键基础。如果缺乏这一能力，随着AI服务逐步同质化、利润空间不断压缩，运营商可能只能获取约30%～40%的AI市场机会，并面临市场份额流失的风险。

相反，那些具备相应能力、能够率先完成网络升级的运营商，则有望获得约2.5～3倍 的投资回报，实现AI基础设施投资价值的最大化。

文章版权和解释权归微信平台Omdia所有

Omdia隶属于Informa TechTarget, Inc. d/b/a Informa TechTarget（纳斯达克代码：TTGT），是一家全球领先的技术研究与咨询机构。依托对科技市场的深刻洞察、与行业领导者的深入对话以及庞大数据资源，Omdia帮助客户洞察趋势、把握机遇，抢占市场先机。从研发到投资回报，我们识别最具潜力的机遇，推动科技产业持续发展。