6G与AI双向奔赴：构筑面向2030年代的智能网络

6G时代将迎来根本性变革，有望塑造首个AI原生无线通信网络。未来随着AI在6G网络中的广泛应用，工程师们也将面临前所未有的挑战。如何对高度动态变化、更智能、通信速度更快且全面超越历代网络的系统架构执行有效验证，是摆在工程师面前的重要课题。

人工智能(AI)与机器学习(ML)将成为6G标准的核心锚点和技术制高点，由此带来通信与计算的深度融合，也将解锁全新应用场景，涵盖从实时数字孪生、智慧工厂到自动驾驶、全息通信在内的各个领域。

国际电信联盟(ITU)提出的2030及未来移动通信网络发展愿景与技术趋势，将指引6G的发展方向。

2026年6月，全球移动通信标准制定组织3GPP(第三代合作伙伴计划)技术规范组第112次全体会议上，正式批准了Release 21的时间表，R21预计将成为首个包含6G规范性工作的标准版本。这项成果具有非常重要的意义，为业界提供了更清晰的6G技术路线图，明确了6G要求、架构、协议及最终技术细节的制定时间表。

尽管6G标准尚未完全确定，行业已经勾勒出了清晰的6G发展规划和愿景：峰值速率有望达到50Gbps、100Gbps乃至200Gbps，更高的传输速率仍需进一步研究。空口时延预计最低可降至0.1毫秒。这些设想还包括：每平方公里高达1亿台设备的连接密度、支持高达1,000公里/小时的移动速度、达到1至10厘米的定位精度，以及实现无处不在的连接这一宏伟目标。

数字孪生、智慧工厂与自动驾驶

6G和AI这两大引擎，将推动一系列令人兴奋的新应用场景，例如实时数字孪生、智慧工厂、高阶自动驾驶、全息通信以及无处不在的边缘智能。

数字孪生有望实现对物理资产、资源、环境与场景的实时建模、监测、管理、分析及仿真，是一种强大的技术工具。数字孪生网络可以复刻真实世界中的物理网络，用于支撑对无线通信系统的实时优化与控制。一些尚在规划中的6G功能，例如通信感知一体化(ISAC)等，将能高效地实现数字世界与现实世界的深度融合。

工业应用预计也将从中获益匪浅。通过可靠的低时延连接，6G和AI能够支持无处不在的实时数据采集、共享和决策。搭配智能设备、工业物联网(IoT)部署、自动导引车(AGV)和机器人，将助力工厂的运营，实现全面自动化。私有6G网络还可能优化机场、海港、矿山及其他大型设施的运营。

自动驾驶是另一个重要机遇。AI赋能的自动驾驶、实时3D测绘和高精度定位技术，将提升自动驾驶汽车和蜂窝车联网(C-V2X)技术的性能。凭借超低时延和高可靠性，AI驱动的控制系统通过分析来自摄像头、雷达、激光雷达、基础设施及周边车辆的数据，能够在瞬间做出决策。

为了保障自动驾驶的安全性，采用边缘AI技术提升汽车对于实时障碍物检测、避撞和交通路况的感知能力至关重要。兼具高数据传输速率、亚毫秒级时延和厘米级定位等优势，6G能够为这些系统提供所需的通信基础设施。

全息通信与边缘智能

全息远程呈现是6G最具前瞻性的应用之一。未来系统整合多个摄像头、传感器、AI视觉模型和超高速网络，或能生成逼真的3D虚拟形象，带来沉浸式虚拟现实、增强现实和混合现实体验。

此类技术有望改变通信、演示、远程协作、游戏和电子竞技领域。由AI模型生成并压缩海量3D数据，然后通过6G网络传输至AI赋能的数据中心，并在那里进行实时重建。

对于海量数据传输、下载先进的AI模型，以及在边缘设备上部分或完全运行这些AI模型而言，6G的高带宽和边缘AI能力非常重要。

这也突显出了6G的另一项核心能力：无处不在的边缘智能。

通信与计算的融合(尤其是可以通过边缘计算和边缘智能技术的支撑来实现)有望让AI能力深入嵌入并遍及整个网络，使其能够尽可能地靠近数据源。多接入边缘计算(MEC)架构可在无线接入网中部署计算硬件，同时又能利用终端用户设备的计算能力。

各类应用场景均可将数据和模型权重分布在云端和边缘设备上进行训练和推理。这种模式可以支持分布式AI、联邦学习、在线学习，以及智能机器人、设备和系统之间的实时协作，最终或将助力整个网络实现智能无处不在、无所不及。

AI原生网络的兴起

6G有望推动新AI应用的出现，但与此同时，AI本身也将深度嵌入6G网络的设计与运营之中。

未来的通信系统很可能同时包含两类AI模型：设计阶段的AI模型，用于在部署前优化和验证网络;运行时AI模型，能够动态适应不断变化的工作负载、地理场景和外部环境。

在空口层面，AI模型可增强核心无线射频功能，例如符号检测、信道估计、信道状态信息估计、波束选择、调制和天线选择。其中部分模型可能会在终端用户设备上运行，部分运行在基站上，还有部分则采用终端用户设备与基站协同运行的模式。

AI辅助波束成形是另一个备受关注的领域。依托更精确的信道状态信息、更优的波束预测、更低的波束配对复杂度以及可重构智能超表面等能力，预计AI将能支持超大规模多输入多输出(UM-MIMO)系统。

在网络层面，AI有望在端到端优化中发挥关键作用。研究人员设想的无线接入网络将具备自监测、自组织、自优化和自修复能力。

AI还可能实现网络运维功能的自动化，例如预测性维护、工作负载预测、智能数据感知、能源管理、移动性管理以及无线资源的动态分配。对海量网络数据集的分析可提升威胁检测、实时监控、故障预测和网络安全水平。

借助AI完成6G的设计和验证

AI在6G网络中的广泛应用将带来一项新挑战：如何对高度动态变化、更智能、更复杂且全面超越历代无线网络的系统执行有效验证，是工程师们需要攻克的难题。

预计将有多种AI技术服务于6G的设计、验证和测试。强化学习在自优化、网络设计和测试中将发挥重要作用，该技术可通过自动探索网络参数的复杂组合并锁定瓶颈，从而支持无线接入网优化、增强型波束赋形、自主功能测试和性能测试。

深度神经网络有望优化信道估计和信道状态信息压缩，在噪声大、高度动态变化的环境中优势尤为显著。业内正在研究采用Transformer架构来压缩信道反馈，而图神经网络则可通过对网络元素之间的关系进行建模，支持移动性管理、干扰抑制和资源分配等各种功能的实现。

生成式AI技术同样至关重要。生成对抗网络(GAN)可用于生成逼真的无线信道数据，支持去噪、异常检测，以及为未来网络的测试生成合成环境。

数字孪生预计将发挥特别重要的作用。数字孪生技术通过对现实世界网络进行详细的数字化映射，能够仿真整个系统和组件，支持对用户设备、基础设施和网络环境的集成建模。上述能力对于在大规模物理部署之前，即可面向复杂的系统优化问题执行测试至关重要。

AI生成的合成数据预计也将在6G技术开发中发挥关键作用，特别是在物理测量难度大且成本高昂的亚太赫兹频段。基于AI技术的仿真、信道模型和专用测试平台可为验证新的软硬件和网络架构创建逼真的环境。

前方挑战依旧

尽管AI赋能的6G网络前景广阔，但其落地仍面临诸多严峻挑战。

AI与6G的融合可能涉及数据隐私、安全保护、可解释性、资源限制和标准化等方面的问题。AI在管理关键通信基础设施时变得越来越自主化和智能化，这就要求工程师和运营商能够信任AI的决策，并理解这些决策的制定过程和原理。

AI系统仍然容易受到分布外误差、数据稀缺、过拟合、可解释性差以及幻觉等问题的影响。为破解上述痛点，业内研究人员正在探索可解释AI技术、物理信息模型、硬件在环测试以及高鲁棒性的验证框架。

各企业还需管理网络安全风险，确保系统抵御网络攻击的韧性，并避免过度消耗能源。与此同时，6G和AI标准仍在持续演进，要在全球运营商、供应商和监管环境之间真正实现兼容性和互操作性，可能仍面临巨大挑战。

然而，愈发明确的一点是，AI和6G很可能将共同演进。6G能够为下一代智能应用提供所需的网络连接、高带宽和实时响应能力，而AI则可能成为设计、优化、运营和验证网络本身的基础技术。二者相辅相成，有望在未来十年重塑各行各业，并创造出全新的数字体验。