当一段AI对话被拆解为成百上千个Token逐包下发，当首Token到达的每一毫秒延迟都在被用户感知，当多轮对话的上下文累积持续推高推理时延——Token级传输正在从根本上改变移动通信网络的流量模型与服务质量评价逻辑。中国移动研究院发布的这份白皮书，从Token流式传输的核心特征出发，系统分析了LLM交互对网络传输的新要求，以及QoAIS如何以Token为粒度重构服务质量评价体系。

传统移动通信网络的核心交互载体是数据报文——文件、视频流、语音包以完整数据包为单位进行传输。而大模型、生成式AI业务的核心交互载体已转变为Token流。AI对话、内容生成、智能推理等业务不再以完整文件为传输单元，而是产生连续、碎片化、实时性极强的Token数据流。网络传输从传统Byte传输进入“Byte+Token协同传输”的全新阶段。这种转变对网络提出了全新的能力要求：摆脱固定带宽传输模式，支持Token粒度的实时调度、按需传输与流量适配。

生成式AI的Token流式传输呈现三大特征。碎片化——单Token数据量极小（通常几字节到几十字节），传输呈密集小包形态，传统网络的包调度机制难以高效处理。突发性——用户发起请求后，首Token输出前存在集中突发流量，后续推理为持续低速率流式输出，流量模型呈“尖峰+平缓”交替模式。连续性——多轮对话的上下文叠加会进一步放大流量波动，随着对话轮次增加，输入Token总量不断累积，推理时延持续抬升。不同AI场景的流量特征差异进一步加剧适配难度——闲聊对话类流量平稳但对时延敏感；AI Agent交互类Token总量大、持续时间长；多模态生成类首包含大体积音视频数据。

首Token时延（Time To First Token, TTFT）是衡量AI交互体验的最核心指标之一，指从用户发起请求到接收到首个响应Token的时间间隔。实测数据显示，在正常网络条件下TTFT约3.88s，叠加衰落信道和时延抖动后升至7.85s。在多用户并发场景中，TTFT从41ms（10用户）增长至251ms（50用户），增长512%。TTFT直接决定了用户对AI服务“快不快”的第一感知，是QoAIS任务级指标的核心维度。

Token间隔时延指连续两个Token到达的时间间隔，直接决定AI对话的“流畅度”。Token间隔的抖动会导致输出卡顿、断字，用户主观体验大幅劣化。LLM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，造成响应迟滞、交互卡顿。传统QoS的平均带宽、端到端包时延等指标无法捕捉Token间隔的微小抖动，需要Token粒度的精细化监测。

随着对话轮次增加，历史上下文对应的Token总量不断累积，输入数据量逐步增大，模型推理负担加重，首Token时延随之拉长。实测数据显示，单次提问P95首Token时延为159ms，携带两轮历史上下文后升至234ms。当无线工况变差、传输时延抬升时，会进一步放大对用户体验的影响。解决方案包括：模型动态精简历史上下文剔除冗余信息；网络侧优化报文结构实施差异化调度。

传统5G QoS体系无法适配Token流式传输的碎片化、突发性、连续性特征，其平均带宽、端到端包时延等指标无法捕捉Token输出的卡顿、断字等体验劣化。QoAIS体系以Token为粒度重构了服务质量评价——任务级指标直接度量首Token时延、Token间隔时延、端到端交互时延；资源级指标从连接（包时延预算、抖动、误码率）、计算（计算时延、算力）、模型（推理效率）等多个维度保障Token级传输的确定性质量。这是从“比特思维”到“Token思维”的范式升级。