SK电讯AX大模型替下ChatGPT：日均摘要5000万通电话的运营商自研大模型实战

当一家运营商决定把每天5000万通电话的摘要处理，从ChatGPT手里夺回交给自研模型，这不是一次技术换装，而是一场关于"电信运营商到底要不要拥有自己的大脑"的战略宣战。

2025年2月19日，韩国SK电讯（SK Telecom，NYSE: SKM）宣布，其通话摘要服务（call summarization）已全面切换至自研的A.X大模型，彻底替换掉ChatGPT等海外模型。负责此事的副总裁金泰润（Kim Tae-yoon）讲得很直白：靠自研模型承接每天最高5000万次的使用量，"大幅降低了此前支付给OpenAI等海外模型开发商的API费用"。这句话背后，藏着这家韩国最大运营商从2018年算起、用1500张NVIDIA A100、训练三年的全部赌注。

本文拆解SK电讯A.X大模型从训练、评测、落地到反哺业务的全链路，看看"运营商自研大模型"这条路上，到底跑出了什么真实数据。

一、案例背景：为什么运营商非要自己造一个大模型

运营商做大模型，外界常觉得是"赶时髦"。但SK电讯的逻辑有三层，每一层都对应着真金白银的账。

第一层是成本账。 通话摘要这类高频业务，每天调用5000万次。如果按海外大模型API计费，这是一笔随业务量线性膨胀、且定价权完全在别人手里的持续支出。对运营商而言，越是高频、越是核心的入口，越不能把命脉交给按次计费的第三方。

第二层是语言主权账。 韩语是低资源、高粘性的语言。通用大模型在英文上很强，但在韩语的方言、敬语体系、本土文化梗上经常"水土不服"。SK电讯自己的评测显示，在衡量韩语文化理解的CLIcK基准上，通用旗舰模型GPT-4o得分80.2，而A.X 4.0能做到85.7——自研模型在自己的母语市场反超了通用王者。

第三层是行业专业账。 电信有自己的一套"黑话"：套餐（mobile plans）、会员权益（memberships）、终端补贴（device subsidies）、信令、鉴权、漫游……通用模型听不懂这些概念的细微差别，于是SK电讯做了专门的"Telco LLM"，用电信语料做领域微调，让模型真正懂"为什么这个用户投诉的是套餐外流量而非套餐内流量"。

一句话：成本、母语、行业，三笔账合在一起，构成了SK电讯"非自研不可"的全部理由。

二、方案详情：A.X模型族 + Telco LLM + 多智能体编排

SK电讯的A.X不是单一模型，而是一整套"双轨"模型族，外加一套电信领域微调与智能体编排机制。

1. 双轨模型族：自研主权模型 A.X 3 系列 + 大规模持续训练模型 A.X 4 系列

SK电讯走的是双轨策略（dual-track strategy）：

• A.X 3 系列定位为"主权AI模型"（sovereign AI model），完全自研，从模型设计、数据训练到优化全流程自己干，强调自主可控。代表作是2025年7月24日在Hugging Face开源的A.X 3.1标准版，参数量340亿（34B），以及面向移动端的A.X 3.1 Lite，参数量70亿（7B）。A.X 3.1相比上一代A.X 3.0，在保留韩语对话能力的同时，显著增强了编程和数学推理能力，为后续向高级推理和复杂问题求解扩展铺路。
• A.X 4 系列定位为"面向韩国商业环境优化的模型"，做法是对开源基座做大规模持续预训练（CPT），灌入大量韩语数据。2025年7月3日开源了A.X 4.0标准版（72B）和Lite版（7B）。

这套双轨设计最聪明的地方在于参数与性能的取舍：A.X 3.1标准版（34B）的参数量不到A.X 4.0标准版（72B）的一半，但在同样的韩语服务上能跑出约90%的性能。运营商可以根据部署环境（云侧还是端侧、要不要省GPU）灵活选用，不必一律上最重的模型。

2. 训练底座：Titan超算 + 1500张A100 + 三年

A.X的训练底座是SK电讯自有的超级计算机"Titan"，配备约1500张NVIDIA A100 GPU，模型训练与迭代持续了约三年。值得一提的是，SK电讯从2018年Google发布BERT之后就开始押注韩语AI，先是KoBERT、KoGPT-2，一路演化成今天的A.X体系。这是一条长达7年的长线投入，不是临时起意。

3. Telco LLM：让模型真正懂电信

在通用A.X之上，SK电讯叠加了一层Telco LLM——电信专精大模型。它用电信领域的语料、概念和专家知识做精细微调与基准测试，让模型掌握套餐、会员、终端补贴等电信专属概念。Telco LLM还引入了多LLM协作（multi-LLM collaboration）机制，把SK电讯自研的A.X、OpenAI的GPT、Anthropic的Claude编排在一起，各取所长。

但故事的关键转折在于：这套"多模型并用"是过渡形态，终点是A.X独占。SK电讯最初的策略是"multi-LLM agent"，A.X、ChatGPT、Claude三家用着；过去一年里，它逐步把通话摘要这类核心业务全部切到A.X，从"合作+自立"走向"自立为主"。金泰润的原话是："最初我们与OpenAI等海外模型开发商合作，但'合作与自立并重'已经成为我们AI战略的根本轴线。"

4. 落地链路：从通话摘要到A.超级应用

A.X当前最重的一块落地是通话摘要服务——用户来电结束后，模型自动生成通话摘要。这是典型的"高频、刚需、对成本敏感"场景，每天最高5000万次调用，正是自研模型最能体现成本优势的地方。2025年5月起，A.X 4.0正式应用于该服务。

更外圈是面向C端的A.（读作"A-dot"）超级应用。2025年8月，A.迎来"4.0更新"，引入了Agentic Workflow（智能体工作流）——AI不仅能照单执行用户指令，还能基于使用历史和对话上下文重新解读需求、自主设定目标、规划并执行任务。这让A.从一个"问答工具"升级成"个人AI代理"。

下面这张图把SK电讯A.X从训练到落地的全链路串了起来：

flowchart TB
    subgraph 训练底座["训练底座（7年长线投入）"]
        T1["Titan超算<br/>~1500张 NVIDIA A100<br/>训练周期约3年"]
        T2["2018起步：KoBERT/KoGPT-2<br/>→ 演化为 A.X 体系"]
    end

    subgraph 模型族["双轨模型族（Hugging Face开源）"]
        M1["A.X 3 系列（主权自研）<br/>3.1 标准版 34B / Lite 7B<br/>强编程+数学推理"]
        M2["A.X 4 系列（韩语CPT优化）<br/>4.0 标准版 72B / Lite 7B"]
    end

    subgraph 领域增强["电信领域增强"]
        D1["Telco LLM<br/>套餐/会员/补贴等电信概念微调"]
        D2["多LLM编排<br/>A.X + GPT + Claude → 终态A.X独占"]
    end

    subgraph 落地场景["商用落地"]
        L1["通话摘要服务<br/>日均最高5000万次<br/>2025.02 替下ChatGPT"]
        L2["客服中心<br/>响应 3分钟+ → 数秒"]
        L3["A.超级应用<br/>2025.09 MAU破1000万<br/>4.0引入Agentic Workflow"]
        L4["B2B/B2G<br/>向SK集团与政企扩展"]
    end

    T1 --> 模型族
    T2 --> 模型族
    M1 --> D1
    M2 --> D1
    模型族 --> D2
    D1 --> L1
    D2 --> L2
    D1 --> L3
    D2 --> L4

三、效果数据：四组硬指标，全部带数字

光讲故事不算数，SK电讯这次给出了相当扎实的量化结果。我们分四组来看。

第一组：韩语基准评测——自研反超GPT-4o

两个核心韩语基准上，A.X 4.0全面压制GPT-4o。这正是"语言主权"账的硬证据：在自己母语市场，自研中等规模模型（72B）能打过通用旗舰。

第二组：效率账——token效率高33%

处理同样的韩语输入，A.X 4.0标准版的token效率比GPT-4o高出约33%。这意味着在相同语义产出下，自研模型"吃"的算力与token更少——对每天5000万次调用的通话摘要业务来说，这是直接折算成成本节省的核心指标。

第三组：部署效果账——客服响应从3分钟压到数秒

在客服中心场景，Telco LLM把通话中提供解决方案的响应时间，从"3分钟以上"压缩到"数秒钟"。这背后是模型对电信专属问询的精准理解，省去了人工翻知识库、跨系统查证的漫长等待。

第四组：C端规模账——A.应用MAU一年翻倍破千万

A.应用的月活（MAU）增长曲线，是A.X能力外溢到C端最直观的体现：

一年时间，A.的MAU从550万翻倍到1000万。其中Aster AI助手累计用户也突破了900万。这部分增长直接转化为财报数字：SK电讯AIX（AI体验）业务收入达到1986亿韩元（KRW 198.6 billion），同比增长6.4%。

四、对比分析：A.X vs 通用大模型，vs 中国运营商大模型

1. A.X vs GPT-4o：自研中等规模模型的"田忌赛马"

把A.X与GPT-4o摆在一起，SK电讯的策略本质是"在母语赛道用更小的模型打赢通用旗舰"：

结论很清晰：在韩语垂直赛道，A.X用更小参数、更高效率、更低成本，全面反超；但放眼全球多语言泛化，通用旗舰仍是GPT-4o。这正是双轨策略的价值——A.X 3/4守住主权和成本，必要时仍可调用Claude/GPT补位。

2. 内部取舍：A.X 3.1 (34B) vs A.X 4.0 (72B)

用一半参数换90%性能——这是端云协同部署的经济学：把对延迟敏感、调用量极大的场景（如端侧助手）交给3.1 Lite（7B），把质量敏感的场景留给4.0。

3. 与中国运营商大模型的横向对照

把SK电讯A.X放进全球运营商自研大模型坐标系，几家的打法各有侧重：

差异点在于：中国三家运营商更偏"行业纵深+政企ToB输出"，模型矩阵庞大、场景分散；SK电讯则更聚焦"母语主权+开源生态+C端超级应用"，路径更窄但单点打得更透（通话摘要、A.应用都做到了千万级日活/月活）。一个值得注意的共同趋势是——三家中国运营商和SK电讯都在做"自研基座+领域微调"的同一件事，说明"运营商拥有自己的大模型"已是全球共识，而非个别现象。

值得一提的是，SK电讯还牵头成立了全球电信AI联盟（Global Telco AI Alliance, GTAA），联合德国电信（Deutsche Telekom）、阿联酋e&、新加坡Singtel共同开发电信行业专精大模型。这等于把"自研+联盟"两条腿同时迈出去——既保主权，又分摊研发成本、共享电信语料。

五、启示：运营商自研大模型的三个"反常识"

拆完SK电讯A.X的实战，有三个结论值得国内同行和产业链琢磨：

第一，"换下ChatGPT"不是反开源，而是反"按次付费的核心命脉外包"。 SK电讯依然和OpenAI、Anthropic合作，但把最高频的通话摘要（5000万次/天）切回自研。判断标准很朴素：调用量越大、越核心的入口，越要掌握在自己手里；低频、长尾的能力，反而可以买现成的。

第二，"小模型+领域微调"在母语/行业赛道能打赢通用旗舰。 A.X 4.0（72B）在韩语上反超GPT-4o，靠的不是参数堆砌，而是韩语CPT + 电信概念微调的精准投放。这对国内运营商是直接利好——中文同样是低资源特征明显、文化密度高的语言，"中文+电信"双微调的中小模型，完全有机会在客服、网优、投诉等场景打出超越通用大模型的效果。

第三，自研大模型的回报不止于"省API钱"，更在于"C端超级应用的爆发"。 A.X撑起了A.应用千万MAU和AIX收入6.4%的增长。大模型从成本中心变成了增长引擎——这才是运营商自研AI真正值钱的地方。

当然，这条路代价不菲：1500张A100、三年训练、七年长线投入，SK电讯2025财年利润一度因AI投入大幅承压。自研大模型是重资产、长周期的豪赌，不是所有运营商都赌得起、熬得住。但SK电讯用"日均5000万次通话摘要+千万月活超级应用"证明了：赌对了，运营商就能从"管道"长出一个属于自己的大脑。

参考来源

1. SK Telecom Unveils Proprietary Standard Large Language Model 'A.X 3.1' — SK电讯官方新闻稿，A.X 3.1/4.0参数量、KMMLU/CLIcK基准分、token效率等核心数据来源
2. SK Telecom replaces ChatGPT with in-house AI for call summaries — Aju Press报道，通话摘要全面切换A.X、日均5000万次、Titan超算1500张A100、三年训练等关键事实
3. SKT's A. Surpasses 10 Million Monthly Active Users — fnnews报道，A.应用MAU从550万翻倍至1000万、4.0引入Agentic Workflow的增长节点
4. SK Telecom launches Korean-specific AI model as open source — RCR Wireless报道，AX 3.1 Lite（7B）开源、移动端部署定位、主权AI策略
5. SK Telecom Generative AI and Telco LLM: Transforming Operations — TeckNexus分析，Telco LLM电信概念微调、客服响应3分钟压到数秒、多LLM协作机制

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。