2025年三季度，中国移动交出一份让资本市场揪心的成绩单：移动业务ARPU（每用户月均收入）从2021年同期的52.2元，一路滑到48.0元；移动客户净增数同比骤减870万，38万条投诉里藏着存量时代增长见顶的密码。
这不是中国运营商独有的窘境。全球通信业正集体撞上同一堵墙——人口红利消失、5G投资回收周期拉长、携号转网/携号转运营商政策彻底打开了用户流失的闸门。据业界测算，在成熟市场，获取一个新用户的成本是留住一个老用户的5到7倍。当增长天花板压下来，"把要走的人摁住"这件事的商业价值，第一次超过了"拉新人进来"。
于是，一场以生成式AI（GenAI）为核心武器的"留客大战"，在2024到2025年间于美国三大运营商之间全面打响。Verizon、AT&T、T-Mobile三家选了三条完全不同的技术路线，但目标只有一个：用AI预测谁要走、为什么走，并在他真正走掉之前拦下来。这场战争的战报和数据，值得每一位中国通信从业者逐字拆解。
Verizon是这场留客大战里最早公开战果的玩家。2024年6月，CEO汉斯·韦斯特伯格（Hans Vestberg）在斯德哥尔摩放出一句让行业震动的狠话："我们相信今年能把客户流失率降下来……这是一次为你、为我的员工，最终为我能多赚点钱的体验。"
支撑这句话的是一套自研的GenAI留客闭环。Verizon每年要处理1.7亿通客户来电，过去这些来电的意图全靠人工事后揣摩。引入生成式AI后，系统能在用户开口之前就预测出80%的来电原因——它分析的不只是这通电话本身，而是用户过去在App里的点击、账单争议记录、网络投诉历史、套餐使用曲线等海量行为数据。预测出来电意图后，AI做的不是简单应答，而是把电话精准路由到最擅长处理这类诉求的坐席，确保用户第一通就能被"对的人"接住。
除了热线，Verizon还把GenAI铺到了线下。每年约7000万人次进店，门店GenAI助手能在顾客进店的瞬间，根据其画像当场生成个性化套餐建议，把平均单次进店时长硬砍掉了7分钟。这套能力目前以四款商用GenAI产品的形态运转，所有数据在Verizon自有网络内闭环，不外流。
结果就是那句战报：2024年用GenAI阻止了约10万名用户流失。按美国市场一个移动用户年ARPU约600—800美元保守估算，仅这一项就锁住了6000万—8000万美元的年化收入。
如果说Verizon是"自研派"，AT&T则贡献了一个更接地气的"省钱派"范本，堪称一份教科书级的开源大模型落地案例。
AT&T每年接到4000万通客服电话。这些电话里藏着金矿——谁能听懂它们，谁就能在用户彻底爆发之前发现苗头。但要把每天数以万计的通话理解清楚，靠人耳听根本不现实。AT&T的做法是先自动转写成文字摘要，然后把每一通电话归类到80个预设类别里，再据此触发挽留动作。
最初，AT&T直接调OpenAI的GPT-4模型来读摘要、做分类。效果惊人——每年能救回约5万名用户。但Hien Lam（AT&T高级数据科学家）在2025年3月英伟达GTC大会上摊开了账本："GPT-4模型产出质量确实很高，我们也因此每年留住5万用户，但太贵了。" GPU算力还要排队等。
于是AT&T团队干了件更聪明的事：把GPT-4的"判断力"蒸馏进一套开源小模型级联里。他们训了三级梯队：
这套"开源补丁"级联方案的效果令人咋舌：总成本只有原来用ChatGPT的35%，而分类相对精度仍保持在91%。开源模型本身虽不算力免费，但通过"能小绝不调用大"的级联策略，把GPU成本压到了地板。下一步AT&T计划把这套准实时分析做到用户挂电话的瞬间就出结果。
AT&T的案例给整个行业的启示是：防流失不一定要砸天价调最贵的大模型，开源+蒸馏+级联同样能把活干漂亮，还把数据和成本主动权攥在自己手里。
最激进的T-Mobile，直接把宝押在了和OpenAI的深度绑定上。2024年9月18日，T-Mobile与OpenAI宣布一份多年期协议，联手打造号称"业界首个意图驱动AI决策平台"的IntentCX，2025年正式上线。
IntentCX的野心远超传统智能客服。CEO Mike Sievert的原话是："IntentCX远不止是聊天机器人。"它的核心颠覆点在于：
T-Mobile明确把IntentCX定位为对传统"规则型NBA（Next Best Action，下一步最佳动作）"方案的降维打击——规则引擎只能基于有限规则"猜"方案，而IntentCX能理解、能决策、能执行。这其实是把"防流失"从被动接电话，升级成了主动预测+自动处置的Agent。
下面这张表把三家的技术路线、模型选择、动作能力和留客效果放在同一张手术台上：
| 对比维度 | Verizon（自研派） | AT&T（省钱派） | T-Mobile（激进派） |
|---|---|---|---|
| 技术路线 | 自研GenAI全闭环 | 开源模型级联（蒸馏GPT-4） | 与OpenAI联合开发IntentCX |
| 核心模型 | 4款商用GenAI产品 | 基础模型/Danube/Llama三级梯队 | OpenAI最新模型 |
| 核心能力 | 预测80%来电原因 | 80类通话自动归类 | 实时意图+情绪决策 |
| 动作能力 | 路由坐席+门店个性化 | 归类预警（准实时） | 直连交易系统代客执行 |
| 年通话量 | 约1.7亿通 | 约4000万通 | 全量Care交互 |
| 留客效果 | 防流失约10万人/年 | 救回约5万人/年 | 目标全旅程防流失 |
| 成本特征 | 商用产品矩阵 | 成本降至ChatGPT的35% | 多年联合开发高投入 |
效果数据则更直观：
| 关键指标 | Verizon | AT&T | T-Mobile |
|---|---|---|---|
| 来电原因预测率 | 80% | — | 实时意图识别 |
| 自动分类类别数 | — | 80类 | — |
| 年防流失人数 | ~10万 | ~5万 | — |
| 门店效率提升 | 单次省7分钟 | — | — |
| 成本控制 | — | 降至35% | — |
| 分类精度 | — | 91%相对精度 | — |
把三家思路抽象出来，一个完整的AI防流失智能体闭环大致长这样：
flowchart TD
A[用户行为数据<br/>账单/投诉/网络/App点击] --> B[GenAI意图与流失概率预测]
B --> C{流失风险分级}
C -->|高风险| D[路由至挽留专员<br/>匹配最擅长此类诉求的坐席]
C -->|中低风险| E[自动生成专属优惠方案]
D --> F[实时坐席辅助<br/>知识库+话术+情绪提示]
E --> G[直连CRM/计费系统<br/>授权后代客执行]
F --> H[挽留成功 用户留存]
G --> H
B --> I[通话后实时归类<br/>沉淀为画像标签]
I --> B
这张图里有三个关键差异点，正好对应三家路线：预测引擎（Verizon强在来电意图预测）、分类与成本（AT&T强在80类+开源级联）、执行能力（T-Mobile强在直连系统代客行动）。三者并非互斥，理想的留客系统应当三者兼备。
把镜头切回国内。中国市场的特殊性在于携号转网（MNP）自2019年11月全国推行后，用户"用脚投票"的成本被清零——保留原号、换一家运营商，几个工作日搞定。这等于把防流失战场直接搬到了明面上。
据多家媒体与用户反馈，国内运营商早已构建起一套"携号转网触发式挽留"机制：用户一旦在系统中发起携转申请，立即触发预警，专属挽留通道秒级介入，针对高价值用户给出比市面常规价格低30%—50%的专属套餐（例如原价128元套餐，挽留价可压到69元/月）。这条链路的背后，正是流失预警模型在驱动——谁最可能走、走了损失多大、用什么方案最可能留住，全靠模型算出来。
国内运营商常用的流失预警技术栈，和AT&T/Verizon一脉相承但更偏"小模型+大数据"：
差异在于：国内运营商在"预测"环节积累深厚（XGBoost/GNN精度高、工程化成熟），但在"生成式决策与代客执行"环节，与T-Mobile IntentCX这种Agent级能力仍有代差——这恰恰是星辰大模型体系（2025年入选央企十大国之重器）、九天客服大模型、联通元景等本土大模型正在补的课。
存量化、低增长、携号转网——这是全球运营商共同的冬天。但Verizon那1.7亿通来电里被算出来的80%意图、AT&T那个压到35%成本的开源级联、T-Mobile那个敢替用户改套餐的IntentCX，都指向同一个春天：谁先用生成式AI读懂并摁住要走的人，谁就熬过了这个冬天。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。