当首Token时延从41ms（10用户）飙升至251ms（50用户），当叠加衰落信道后TTFT从3.88s翻倍至7.85s，当对话上下文从单轮增至两轮后P95时延从159ms升至234ms——AI服务质量的测试正在揭示一个残酷的事实：网络AI的体验并非“有网就行”，而是“资源调度决定一切”。中国移动研究院联合罗德与施瓦茨、唯亚威通讯发布的这份白皮书，基于端到端测试床完成了5大典型测试用例的实测验证，为AI服务质量的可度量、可保障提供了数据基础。

传统网络测试聚焦带宽、时延、丢包等传输指标，而AI业务的用户体验由传输、计算、模型、数据多环节共同决定。首Token时延（TTFT）、Token间隔时延、端到端推理时延等新型指标，直接决定了用户的AI交互体验。白皮书提出了端到端测试床方案，采用“终端-网络仿真-AI服务-数据解析”四类模块组网架构，可模拟真实无线环境，支持云端、边缘、端侧三类大模型部署形态，完成AI关联指标的标准化测试。

测试床覆盖三类LLM部署方案：云端部署侧重长距离传输下的TTFT指标；边缘部署面向园区、工业等垂直行业AI场景；端侧部署测试本地推理能力与极限体验。专项数据采集方法包括：功耗高精采集（采用高精度直流供电方案，微秒级采样周期）、数据集质量解析（从完整度/多样性/相似性三维度构建健康度评分）、模型性能监测（白盒测试与黑盒测试双模式）。

在TCL300衰落信道下，端侧推理平均TTFT为1.53s，本地边缘服务器为2.77s，云端大模型为3.88s。端侧推理因无需跨网传输数据完全规避空口损耗，首Token时延优势显著；边缘、云端部署因依赖不稳定的无线链路，端到端时延明显抬升。结论：在通信质量劣化场景中，终端部署轻量化大模型是保障实时交互的有效方案。

正常网络TTFT平均3.88s，叠加TCL300衰落信道、100ms时延+100ms抖动损伤后，TTFT平均7.85s，时延接近翻倍。LLM属于Token流式持续传输业务，对无线时延、抖动高度敏感，网络动态波动会直接破坏Token传输连续性。结论：强化无线空口时延与抖动管控是保障网络AI业务正常运行的关键。

Qwen-Plus平均TTFT为2.84s，Qwen-Flash为1.01s。但官方综合评测显示二者在常规交互场景下输出能力与逻辑表现趋同。结论：模型存在边际效益递减特征——参数量和复杂度提升后，用户核心体验增益微弱，算力、带宽等资源消耗却显著上升。网络AI应针对不同业务需求精准选型模型规格。

单次提问P95首Token响应时延159ms，携带两轮历史上下文后升至234ms。随着对话轮次增加，输入数据量逐步增大，模型推理负担加重。结论：可通过模型动态精简历史上下文剔除冗余信息，同时网络侧优化报文结构、实施差异化调度，协同抑制时延恶化。

并发用户从10户增至50户时，TTFT从41ms升至251ms（增长512%），TTLT从901ms增至5474ms（增长507%）。云端算力、无线空口、传输带宽等共享资源被多方抢占，单任务可分配资源持续减少。结论：需基于实测时延阈值规划算力集群容量，引入动态负载均衡与任务优先级调度机制。