TL;DR
“9月7日，工业和信息化部印发《信息通信行业发展“十五五”规划》（以下简称《规划》）。
《规划》明确，到2030年，全面建成覆盖完善、性能领先的新一代通信网，加快形成技术先进、安全可控的信息通信产业体系，有效构建技管结合、敏捷高效的信息通信行业治理体系，打造全域联动、实战实用的网络和数据安全保障能力，行业赋能水平与全球化发展水平进一步提升，信息通信行业现代化迈出坚实步伐，为到2035年基本实现信息通信行业现代化奠定坚实基础。”
规划全文20页，要深入阅读要花不少时间，正好最近看AI味太浓的文章快看吐了，一直听闻 Gemini 3.6 Flash 的文本最自然，一骑绝尘，于是趁着这个机会品鉴一下。
我先让 Claude Opus 5 对全文进行总结，之后将结果再交给 Gemini 3.6 Flash 去 AI 味，最后看看两者的文风如何吧。
分析一下这份规划，作为普通人、计算机行业从业者有什么机会
之后在让各个模型独立总结一下看看。
Claude
我把这份规划的数据部分先拆出来看，因为它比正文的表述诚实得多。
先看那张指标表，它说了一件很扎心的事
专栏1里，行业收入从3.8万亿到4.1万亿，年均1.5%。信息基础设施累计投资从3.7万亿到3.8万亿，五年累计只多0.1万亿。研发投入强度4.7%到4.8%。电信业务总量增速从9%降到7%。
也就是说：整个行业的钱袋子基本不涨了,1.5%的年均增速低于名义GDP,也基本贴着通胀。但同一张表里,另一些数字在暴涨。智能算力6.16倍、存力3.15倍,而收入和投资几乎纹丝不动。图上没画的还有50G-PON端口数,从2万个到100万个,50倍。
结论很直接:这是一次存量重分配,不是增量扩张。钱要从传统电信网络里抽出来,砸进算力、AI和光网升级。对从业者来说,站错细分方向不是"少赚点",而是被挤出去。
确定性最高的几块
智能算力工程。这是唯一一个六倍增长的硬指标,而且规划写得很具体:万卡、十万卡集群,推理算力按需部署,PUE压到1.2以下,“加大力度适配国产算力芯片”。最后这句话是个明确的人才缺口——国产芯片(昇腾CANN、寒武纪等)的软件栈适配、模型迁移、算子优化,现在做的人远少于需求。另外"面向场景按需部署推理算力"意味着重心从训练转向推理,vLLM/SGLang这类推理引擎的调优、量化、KV cache管理、集群调度(Volcano/Slurm/K8s)、RDMA网络组网,都是能直接变现的技能。
智能体互联网络(专栏5)。这是整份规划里最新的东西,五年前根本不存在。要做智能体身份标识体系、注册管理、权属认定、寻址解析、“互联网关”,还要建全生命周期监测管控。标准都还没定,意味着现在进去的人可能成为标准的参与者。对应的技术是MCP/A2A这类协议、DID去中心化身份、可信认证。风险是它可能落地很慢,但早期红利也在这。
安全,尤其是AI相关的安全。整个第四部分外加专栏11、12,篇幅很大。合规驱动的预算是最稳的预算。里面点名的技术:深度合成鉴伪、智能体安全、训练数据保护、算力设施防护、反诈垂类大模型、多模态风险感知引擎、车联网安全公共服务、汽车数据跨境监测。这几个方向现在从业人数都不多。
数据工程。“建设高质量数据集"这句话在文里出现了至少三次(工业互联网大数据中心、行业数据资源管理、网络运行安全)。加上"数据即服务"新业态、行业数据治理体系。数据清洗、标注、治理平台这类活儿不性感,但需求是刚性的。
AIOps / 网络智能运维。规划反复提"网络大模型与智能体"“应急通信大模型"“人工智能赋能网络运维"“面向自然人、数字人、智能机器人协同的网络运维新范式”。运营商和设备商两边都要投,岗位会实打实增加。
判断真伪机会的一个方法
看专栏里有没有量化数字。带数字的是硬承诺,不带的是方向性表述。
带数字的:新建5G-A基站50万个、50G-PON端口100万个、移动物联网终端38亿、超级基站2000个+全网通应急基站2000个、6支以上国家级应急通信队伍、6个以上区域保障中心、单星容量超100Gbps、1.6Tb/s光传输系统。这些几乎一定会发生,对应的工程订单是确定的。
不带数字的:“探索太空算力技术前瞻研究"“开展平流层飞艇应用"“适时启动6G商用”。这些是留口子的表述,别拿职业生涯去赌。
6G尤其要注意:规划期内明确只是研发、试验、标准,商用要"适时启动”,大概率是"十六五"的事。对普通从业者来说这是研究院和设备商的岗位,不是大众机会。
反过来说,哪些地方要小心
基建投资五年只增0.1万亿,5G基站每万人34→50,增速远低于"十四五”。无线网优、通信工程建设、施工监理这些岗位不会有第二波扩张。文里还写了"深化非理性竞争行为治理"“推动企业优化考核”,这是运营商内部KPI改革的信号,渠道和销售端会承压。
工业互联网、标识解析这块要格外谨慎。它在"十四五"就是重点,五年下来落地效果一般。这次加了"平台+大模型"“标识与工业智能体融合"的新说法,但底层的商业模式问题没变——制造业客户付费意愿低、项目制难产品化。规划自己也承认了,专门写"推动平台解决方案从项目制向产品化转变”。这句话的潜台词是过去做不到。
如果你不在这个行业
坦白讲,直接的岗位机会有限,但有两个偏门方向值得看:
一是算力枢纽所在的非一线城市。八大枢纽节点的运维、机房基础设施、液冷系统这些岗位在往内地走,竞争强度比北上广深低得多。
二是万兆光网和FTTR的家庭侧。规划写了"民用建筑新建和改造过程中同步开展FTTR建设”,50G-PON端口五年涨50倍。这是装维、家庭数字化服务的活儿,门槛不高但量很大。
另外还有适老化和无障碍改造、平台治理与反诈这类岗位,政策推动明确,但薪资天花板不高。
一句话总结这份规划对个人的含义:行业总盘子基本停滞,但内部结构在剧烈重组。真正的机会不在"进入这个行业”,而在"卡准从传统网络流向智算、AI和安全的那条钱的路径”。
Gemini By Claude
这段总结太 ai 了，用更自然的语言总结一下输出给我
把规划里的干货拆开看，最直白的信号其实就一个：行业大盘涨不动了，但内部在疯狂换血。
从数据就能看出来，整体行业收入五年年均才涨 1.5%，基础设施投资也只多了 1000 亿，基本就是贴着通胀走。但另一边，智能算力要求翻 6 倍、存力翻 3 倍、50G-PON 端口直接翻 50 倍。
这意味着钱没有变多，只是从传统通信基建里抽出来，硬塞给了智算、AI 和光网升级。对个人来说，站在老方向上可能不是“赚多赚少”的问题，而是很容易被边缘化。
真正有增量、能落地的几个硬方向
- 国产算力适配与推理工程：智算翻 6 倍是硬指标。现在底层芯片（比如昇腾）的软件栈适配、算子优化人才极缺；另外重心明显在往推理侧走，像 vLLM 优化、模型量化、K8s/Slurm 集群调度、RDMA 组网，都是能直接换成工资的硬技能。
- 智能体（Agent）基础设施：这次规划新提了智能体网络，要搞身份标识、解析和关口。现在这块连标准都还没定，虽然落地可能没那么快，但越早踩进 MCP/A2A 协议、DID 去中心化身份这些领域的，越容易吃第一波红利。
- AI 安全与数据工程：合规和安全的预算向来最稳。深度合成鉴伪、智能体安全、车联网安全这些细分方向现在人还不算多。另外“高质量数据集”提了多次，数据清洗、治理这类活儿虽然干着枯燥，但需求非常刚性。
- 网络智能运维（AIOps）：运营商和设备商都在推“网络大模型”，以后拿 AI 辅助或代替人工做网络运维是必然，这块会实打实放出一批岗位。
怎么判断哪些是真机会，哪些是画饼？
直接看有没有写明具体的数字指标：
- 带确切数字的（真工程）：比如建 50 万个 5G-A 基站、100 万个 50G-PON 端口、2000 个超级基站。这些指标是要立字据考核的，对应的工程订单和研发需求基本板上钉钉。
- 只有方向没数字的（先别赌）：比如“探索太空算力”、“平流层飞艇”、“适时启动 6G 商用”。这些多半是研究院或设备商前期拉踩踩点的项目，普通人没必要拿职业生涯去赌，尤其是 6G，大概率是下一个五年规划的事了。
哪些地方尽量避坑？
- 传统基建与施工网优：无线网优、通信工程建设这类老行当，随着整体投资放缓，很难再有第二波红利。
- 工业互联网/标识解析：过去五年落地效果普遍一般，制造业客户付费意愿低、定制化严重。这次虽然加了“大模型”的新概念，但底层商业模式没变，想靠这个搞出大爆发比较难。
对行业外的人有什么参考？
如果不在这个行业里，直接空降的好机会不多，但有两个相对偏的方向：
- 节点城市运维：八大算力枢纽大多在非一线城市，当地的机房运维、液冷设施相关岗位，竞争远没有北上广深那么卷。
- 家庭端装维升级：千兆/万兆光网和 FTTR 进户是硬性指标，家庭数字化组装、装维类工作门槛不高，但短期内活儿很密。
一句话： 别指望行业大盘带来红利了，接下来几年唯一的解法，就是把自己卡进“钱从传统网络流向智算和 AI”的那一条必经之路上。
Gemini
基于《信息通信行业发展“十五五”规划》（2026-2030年），这份文件展示了国家在通信、算力、人工智能与网络安全领域的战略走向。
对于普通人和计算机行业从业者，这份规划蕴含了不同的生活影响与职业/创业发展机会：
一、 普通人：生活与消费体验的变化
- 硬件终端与智能化消费升级
- 新型终端普及：规划明确提出推广AI眼镜、家庭机器人、裸眼3D、脑机接口、智能网联汽车、全屋智能等新型终端。普通人的消费级硬件将全面走向 AI 化和协同化。
- 手机与卫星直联：未来的手机将普遍具备手机直连卫星（NTN技术）功能，在无地面信号的偏远地区、户外探险或断网应急场景下，手机依然能保持通信。
- 通信与网络体验升级
- 从“双千兆”走向“双万兆”：城市热点区域将具备万兆下行、千兆上行的峰值速率，光纤到房间（FTTR）和万兆光网（50G-PON）将逐步普及。
- 生活服务融合：教育、医疗、养老托育等公共服务将加速数智化改造，基层和偏远地区的数字化医疗/教育资源将更加丰富。
- 网络环境与个人数据保障
- 治理反诈与骚扰：规划强化了“人工智能+反诈”以及对垃圾短信、骚扰电话（来电来信免打扰体系）的深度治理，普通人的防诈骗与隐私保护将得到进一步保障。
二、 计算机行业从业者：技术风口与就业/创业机会
规划中强调的“适度超前建设”、“系统优化治理”和“数实融合”，为技术人员指明了未来5-10年的重点投入方向：
1. 关键技术方向（研发与就业机会）
智能体互联网络与 Agent 研发（重点专栏）
亮点：规划专门设立了“专栏5 智能体互联网络建设”，提出建立互联网智能体身份标识体系、寻址解析、智能体网络设施及安全管控。
机会：智能体（AI Agent）不再局限于单一应用，而是走向网络化与标准化。掌握 Agent 架构、智能体身份认证、多智能体协同（Multi-Agent）开发的技术人员需求巨大。
人工智能+网络/安全/运维（AI Ops & AI Security）
亮点：规划多次提到“网络大模型”、“网络运行AI创新应用”以及“人工智能+网络安全”。
机会：将 LLM/SLAM/智能体应用于自动化运维（AIOps）、安全威胁感知、智能反诈模型研发。AI 与传统通信/安全运维结合的复合型人才将非常抢手。
算力网络与算网融合开发
亮点：智算规模增长数倍（目标到2030年达到9800 EFLOPS），并强调算存网电协同、400G+超高速传输、无损网络、国产算力芯片适配。
机会：算力调度平台开发、高性能计算（HPC）网络优化（如 IP 广域无损传输）、算力监控与绿电调度软件、国产芯片生态适配工程。
工业互联网与“平台+大模型”
亮点：推动“平台+大模型”、“平台+数字孪生”新业态，开展工业5G独立专网与标识解析融合。
机会：工业垂直大模型微调与落地、数字孪生系统开发、工业数据智能分析与高质量数据集构建。
车联网（C-V2X）与低空经济/卫星互联网
亮点：车路云一体化、低空通信覆盖、卫星物联网与星地融合（NTN）。
机会：嵌入式系统开发、通信协议栈（NTN/5G-A/6G）开发、车载光通信、低空飞行管控与资源调度软件。
2. 创业与商业模式机会
- “小快轻准”工业软件与中小企业数智化：规划指出要优化“小快轻准”解决方案，推动平台能力从“项目制”向“产品化”转变。这为专注于 SaaS 或标准化工业软件的初创团队提供了清晰的市场落地路径。
- 数据要素与“数据即服务”（DaaS）：规划明确提出“积极发展数据即服务等新业态”，建设行业高质量数据集（如工业、交通、网络安全领域）。数据清洗、标注、安全标注和合规交易平台拥有良好商业前景。
- 开源生态与系统开发：基于开源鸿蒙（OpenHarmony）等研发支持智能体通信与环境感知的操作系统，应用软件生态建设将释放大量开发需求。
总结建议
作为计算机从业者，可以关注以下升级趋势并调整技能树：
- 拥抱 AI 与基础设施的结合：纯前端/后端开发受挤压，但“AI + 网络运维”、“AI + 数据安全”、“AI + 工业场景”等跨界结合点有大量新增预算和岗位。
- 关注异构计算与国产化：国产算力芯片适配、算力调度与并行计算是明确的政策倾斜方向。
- 注重 Agent 体系与端侧智能：从简单调包 LLM 转向研究智能体通信协议、身份认证以及端侧（手机/眼镜/车载）智能交互开发。
ChatGPT
你说得对。上一版虽然视觉上是二级标题，但我用了“核心判断”作为第一层内容，导致层级表达不够严格。下面我重新整理，全文最高只使用 ##，所有后续层级使用 ###，绝不出现 # 一级标题。
一、先说结论：这份规划对普通计算机人的真正机会
这份规划表面上是“信息通信行业十五五规划”，但如果站在普通计算机从业者的角度看，真正值得关注的并不是 5G、6G、卫星通信这些传统通信产业，而是：
未来 5 年，AI 会进一步从“应用”变成基础设施负载，而围绕 AI 算力、云原生、网络、运维、安全和产业软件，会出现一轮新的软件工程机会。
规划提出，到 2030 年：
- 信息通信业收入达到约 4.1 万亿元；
- 研发投入强度达到 4.8%；
- 5G/5G-A 基站数量继续增长；
- 智能算力规模从 1590 提升到 9800；
- 先进存储能力从 540 EB 提升到 1700 EB。
这里最值得注意的是智能算力。
因为“算力增长”最终不会只产生硬件需求，还会产生大量软件需求：
GPU / NPU
↓
Linux
↓
容器
↓
Kubernetes
↓
算力调度
↓
AI 平台
↓
模型服务
↓
Agent
↓
行业应用
所以未来几年，计算机行业的一条重要主线就是：
AI Infrastructure。
二、机会 1：AI 基础设施，是我最推荐的方向
规划对算力基础设施的描述非常具体。
包括：
- 枢纽—区域—边缘多层次算力设施；
- 万卡、十万卡级 AI 集群；
- 推理算力；
- 国产 AI 芯片适配；
- 算力资源监测；
- 算力供需匹配；
- 算力资源利用率；
- 算力、存储、网络、能源协同。
这些东西翻译成软件工程语言，就是：
1. AI 集群管理
例如：
- Kubernetes AI Cluster
- GPU/NPU 调度
- GPU Slice
- AI Job Scheduler
- Gang Scheduling
- Queue
- Priority
- Resource Quota
2. AI 推理平台
例如：
- Model Serving
- Batch Inference
- Online Inference
- GPU Pool
- Model Deployment
- Autoscaling
- Model Version Management
3. 算力运营平台
例如：
算力资源
↓
资源发现
↓
资源池
↓
调度
↓
计量
↓
监控
↓
计费
↓
服务化
这类工作与传统 Web 开发完全不同。
它更接近：
云计算 + Kubernetes + AI + 基础设施工程。
三、为什么我认为这个方向特别适合普通计算机从业者
因为它处于一个非常好的位置。
上游是：
芯片设计
服务器
网络设备
门槛极高。
下游是：
AI 应用
聊天机器人
AI Agent
AI SaaS
竞争越来越激烈。
中间则是：
AI Infrastructure
也就是：
让这些昂贵复杂的 AI 基础设施真正能够被企业使用。
这个领域需要大量软件工程师。
而且它并不要求你自己训练一个世界级大模型。
你需要解决的是：
“10000 张 GPU 怎么管理？”
“不同厂商的 NPU 怎么统一调度？”
“一个企业怎么安全地共享 GPU？”
“模型怎么部署到不同算力？”
“GPU 利用率为什么只有 30%？”
“一个模型突然流量暴增怎么办？”
这些都是非常典型的工程问题。
四、机会 2：国产 GPU/NPU 软件适配
规划明确提出：
强化人工智能芯片适配能力。
这个方向我认为容易被低估。
很多人看到“国产 GPU”会想到芯片设计。
实际上还有非常庞大的软件生态：
国产 GPU / NPU
↓
Driver
↓
Runtime
↓
Container Runtime
↓
Kubernetes Device Plugin
↓
Scheduler
↓
AI Framework
↓
Model Serving
↓
Application
这里每一层都有机会。
具体岗位/项目
例如：
- Kubernetes Device Plugin
- GPU/NPU Operator
- Scheduler Plugin
- Runtime Adapter
- AI Framework 适配
- Model Serving 适配
- GPU/NPU Metrics
- 性能 Benchmark
- 算力调度
- 故障诊断
- 异构计算抽象
所以：
未来几年，“懂 Kubernetes + 懂 AI 算力 + 懂国产芯片适配”的工程师，会比单纯 Kubernetes 工程师更稀缺。
五、机会 3：AI 运维 / AIOps
规划明确提出利用人工智能赋能网络运行，探索网络大模型和智能体在网络运行中的应用。
这个方向非常值得关注。
传统运维：
告警
↓
工程师
↓
查日志
↓
查监控
↓
查配置
↓
定位问题
↓
执行命令
未来可能变成：
告警
↓
AI Agent
↓
日志 + Metrics + Trace + CMDB
↓
自动分析
↓
故障定位
↓
生成方案
↓
执行
↓
验证
例如 Kubernetes 出现：
Pod Pending
Agent 可以自动分析：
Pod
↓
Scheduler
↓
Node
↓
GPU
↓
Device Plugin
↓
Quota
↓
Event
↓
Prometheus
最终告诉你：
GPU 节点资源不足，因此 Pod 无法调度。
再进一步：
建议迁移到 GPU Pool B。
如果拥有执行权限，甚至可以：
诊断 → 审批 → 执行 → 验证
这实际上是：
AI + SRE + DevOps + Kubernetes
我认为这是非常现实的一条路线。
六、机会 4：Agent Infrastructure
这份规划里有一个特别值得关注的新概念：
智能体互联网络。
规划提出研究智能体身份、注册、认证、归属、地址解析、生命周期监控、安全控制，以及不同智能体网络之间的互操作。
如果用程序员熟悉的概念翻译，就是：
Agent Identity
Agent Registry
Agent Discovery
Agent Authentication
Agent Authorization
Agent Address
Agent Lifecycle
Agent Observability
Agent Security
Agent Communication
这其实已经非常接近传统基础设施。
因此未来可能出现一个新的基础设施层：
Agent Infrastructure
类似：
Server Infrastructure
↓
Cloud Infrastructure
↓
Container Infrastructure
↓
Kubernetes
↓
AI Infrastructure
↓
Agent Infrastructure
现在这个领域还没有完全成熟。
这反而意味着：
现在研究，比等它形成成熟产品以后再进入更有价值。
七、机会 5：Agent Security
规划中的安全部分也值得单独拿出来。
它已经不仅仅是传统网络安全，而是明确涉及：
- AI 安全；
- 数据安全；
- AI 产品漏洞；
- 供应链安全；
- 训练数据保护；
- 智能体安全；
- AI + 网络安全。
Agent 的特殊之处在于：
用户
↓
Agent
↓
Tool
↓
Kubernetes
↓
Database
↓
生产系统
所以未来必然出现一系列问题：
- Agent 能调用哪些工具？
- 谁给它授权？
- 哪些操作需要人工审批？
- 如何审计 Agent？
- 如何限制权限？
- 如何隔离 Agent？
- 如何防止 Prompt Injection？
- 如何防止数据泄漏？
- 如何阻止危险操作？
于是就会产生：
Agent IAM
Agent Gateway
Agent Policy
Agent Sandbox
Agent Audit
Agent Security
这实际上非常适合有云原生、安全、身份认证背景的人。
八、机会 6：AI + 工业互联网
规划明确提出：
“AI + 制造业”，以及面向中小企业的“小快轻准”解决方案。
同时特别提出推动工业平台解决方案由项目制向产品化转变。
这里有一个很重要的商业机会。
不是：
做一个万能 AI。
而是：
AI + 一个具体行业问题。
例如：
AI
+
设备预测性维护
或者：
AI
+
工业质检
或者：
AI
+
生产异常分析
真正困难的往往不是调用模型 API，而是：
设备
↓
数据
↓
工业系统
↓
数据库
↓
业务流程
↓
AI
↓
自动执行
所以工业 AI 的真正壁垒往往在：
数据 + 系统集成 + 部署 + 运维 + 产品化。
九、哪些方向不建议普通人直接冲
规划里面还有大量：
- 6G；
- 卫星互联网；
- NTN；
- 空天地一体化；
- 高速光通信；
- 400G/更高速网络；
- 量子安全；
- 通信核心设备。
这些当然是国家重点方向。
但对于普通程序员来说，直接进入这些领域通常意味着非常高的产业门槛。
例如 6G：
通信理论
+
射频
+
芯片
+
基站
+
协议
+
网络设备
这不是一个普通 Web 工程师几年就能切进去的方向。
更合理的方式是切入它的软件基础设施：
通信设备
↓
Linux
↓
容器
↓
Kubernetes
↓
自动化运维
↓
AI 运维
也就是：
不要和产业链最上游竞争，而是寻找软件中间层。
十、把所有机会放在一起看
我会这样排序：
| 方向 | 未来机会 | 技术壁垒 | 普通人进入难度 | 推荐 |
|---|---|---|---|---|
| AI Infrastructure | ★★★★★ | ★★★★★ | 中高 | ★★★★★ |
| AI + Cloud Native | ★★★★★ | ★★★★☆ | 中高 | ★★★★★ |
| GPU/NPU 异构计算 | ★★★★★ | ★★★★★ | 高 | ★★★★★ |
| AI 运维 / AIOps | ★★★★★ | ★★★★☆ | 中高 | ★★★★★ |
| Agent Infrastructure | ★★★★★ | ★★★★★ | 高 | ★★★★★ |
| Agent Security | ★★★★☆ | ★★★★★ | 高 | ★★★★☆ |
| AI + 工业互联网 | ★★★★☆ | ★★★★☆ | 中高 | ★★★★☆ |
| 普通 AI 应用 | ★★★☆☆ | ★★☆☆☆ | 低 | ★★★☆☆ |
| 6G 底层 | ★★★☆☆ | ★★★★★ | 极高 | ★★☆☆☆ |
| 卫星通信底层 | ★★★☆☆ | ★★★★★ | 极高 | ★★☆☆☆ |
十一、真正值得押注的是这一条技术链
如果从个人职业发展的角度，我会把路线画成：
Linux
↓
Network
↓
Container
↓
Kubernetes
↓
Cloud Native
↓
GPU / NPU
↓
AI Infrastructure
↓
Model Serving
↓
AI Agent
↓
Agent Infrastructure
↓
Agent Security
↓
Industry AI
这条路线有一个非常大的优势：
底层技术壁垒越来越高，但越往上又越来越接近未来 AI 产业。
而且不会因为某一个 AI 模型被淘汰就失去价值。
比如模型从 GPT-X 换成其他模型：
Kubernetes
GPU
Scheduler
Networking
Storage
Security
Observability
这些基础设施依然存在。
十二、结合你现在的技术方向，我反而建议不要换赛道
如果单独看这份规划，你可能会觉得：
“是不是应该转去做通信？”
我认为完全没必要。
你现在涉及的：
Kubernetes
GPU/NPU
GPU Slice
调度
多租户
Dex/OIDC
Capsule
Headlamp
OpenFuyao
AI Native
实际上已经非常接近规划中最有价值的软件部分。
规划要求发展统一算力平台、算力互联、异构算力适配、智能化网络运维等方向。
你真正需要做的不是重新学习一套东西，而是：
把已有的 Kubernetes / Cloud Native 能力向 AI Infrastructure 延伸。
然后再向：
Agent Infrastructure
延伸。
十三、如果让我帮你选择一个最值得长期押注的定位
我不会建议你把自己定位成：
Kubernetes 工程师
也不会建议定位成：
AI 应用开发工程师
而更建议逐渐形成：
AI Infrastructure / AI Native Infrastructure Engineer
再进一步：
AI + Cloud Native + Agent Infrastructure
最终形成：
AI Agent
↑
Agent Infrastructure
↑
AI Infrastructure
↑
Kubernetes / Cloud Native
↑
GPU / NPU / Network
↑
Linux
这个定位的价值在于：
你既懂底层基础设施，又懂 AI 工作负载。
这类复合能力，比单独掌握某一个框架更难被替代。
十四、还有一个对个人创业特别重要的机会
规划提出鼓励中小企业围绕产业链薄弱环节“精准补链”，并推动相关解决方案产品化。
这意味着个人或者小团队不一定要去做一个“大平台”。
反而可以做：
GPU/NPU Operator
↓
GPU 调度插件
↓
AI 集群监控
↓
AI 运维 Agent
↓
Agent Gateway
↓
Agent Security
↓
AI 部署工具
↓
算力成本优化
↓
某个行业 AI 工具
这些都是典型的：
大厂有需求，但不一定值得大厂专门投入大量人力做；小团队反而可以做得很好。
这可能是这份规划对于个人创业者最值得关注的地方。
十五、最后把它压缩成一句话
这份“十五五”规划对普通计算机人的最大机会，不是：
“去做通信。”
而是：
“通信和算力基础设施正在 AI 化，而 AI 基础设施本身又正在软件化。”
所以未来 5 年，我认为最值得关注的技术交叉点是：
Kubernetes × GPU/NPU × AI Infrastructure × Agent × Security。
如果你已经有 Kubernetes、云原生、GPU/NPU 这些基础，那么与其重新换方向，不如沿着这条线继续往上走。
这条路线既能对应政策周期，也能对应产业真实需求，而且技术积累具有较强的迁移性。
Refs
- 《信息通信行业发展“十五五”规划》