【導讀】6G時代將迎來根本性變革，有望塑造首個AI原生無線通信網絡。未來隨著AI在6G網絡中的廣泛應用，工程師們也將面臨前所未有的挑戰。如何對高度動態變化、更智能、通信速度更快且全面超越歷代網絡的系統架構執行有效驗證，是擺在工程師面前的重要課題。
人工智能（AI）與機器學習（ML）將成為6G標準的核心錨點和技術制高點，由此帶來通信與計算的深度融合，也將解鎖全新應用場景，涵蓋從實時數字孿生、智慧工廠到自動駕駛、全息通信在內的各個領域。
國際電信聯盟（ITU）提出的2030及未來移動通信網絡發展愿景與技術趨勢，將指引6G的發展方向。
2026年6月，全球移動通信標準制定組織3GPP（第三代合作伙伴計劃）技術規范組第112次全體會議上，正式批準了Release 21的時間表，R21預計將成為首個包含6G規范性工作的標準版本。這項成果具有非常重要的意義，為業界提供了更清晰的6G技術路線圖，明確了6G要求、架構、協議及最終技術細節的制定時間表。
盡管6G標準尚未完全確定，行業已經勾勒出了清晰的6G發展規劃和愿景：峰值速率有望達到50Gbps、100Gbps乃至200Gbps，更高的傳輸速率仍需進一步研究。空口時延預計最低可降至0.1毫秒。這些設想還包括：每平方公里高達1億臺設備的連接密度、支持高達1,000公里/小時的移動速度、達到1至10厘米的定位精度，以及實現無處不在的連接這一宏偉目標。
數字孿生、智慧工廠與自動駕駛
6G和AI這兩大引擎，將推動一系列令人興奮的新應用場景，例如實時數字孿生、智慧工廠、高階自動駕駛、全息通信以及無處不在的邊緣智能。
數字孿生有望實現對物理資產、資源、環境與場景的實時建模、監測、管理、分析及仿真，是一種強大的技術工具。數字孿生網絡可以復刻真實世界中的物理網絡，用于支撐對無線通信系統的實時優化與控制。一些尚在規劃中的6G功能，例如通信感知一體化（ISAC）等，將能高效地實現數字世界與現實世界的深度融合。
工業應用預計也將從中獲益匪淺。通過可靠的低時延連接，6G和AI能夠支持無處不在的實時數據采集、共享和決策。搭配智能設備、工業物聯網（IoT）部署、自動導引車（AGV）和機器人，將助力工廠的運營，實現全面自動化。私有6G網絡還可能優化機場、海港、礦山及其他大型設施的運營。
自動駕駛是另一個重要機遇。AI賦能的自動駕駛、實時3D測繪和高精度定位技術，將提升自動駕駛汽車和蜂窩車聯網（C-V2X）技術的性能。憑借超低時延和高可靠性，AI驅動的控制系統通過分析來自攝像頭、雷達、激光雷達、基礎設施及周邊車輛的數據，能夠在瞬間做出決策。
為了保障自動駕駛的安全性，采用邊緣AI技術提升汽車對于實時障礙物檢測、避撞和交通路況的感知能力至關重要。兼具高數據傳輸速率、亞毫秒級時延和厘米級定位等優勢，6G能夠為這些系統提供所需的通信基礎設施。
全息通信與邊緣智能
全息遠程呈現是6G最具前瞻性的應用之一。未來系統整合多個攝像頭、傳感器、AI視覺模型和超高速網絡，或能生成逼真的3D虛擬形象，帶來沉浸式虛擬現實、增強現實和混合現實體驗。
此類技術有望改變通信、演示、遠程協作、游戲和電子競技領域。由AI模型生成并壓縮海量3D數據，然后通過6G網絡傳輸至AI賦能的數據中心，并在那里進行實時重建。
對于海量數據傳輸、下載先進的AI模型，以及在邊緣設備上部分或完全運行這些AI模型而言，6G的高帶寬和邊緣AI能力非常重要。
這也突顯出了6G的另一項核心能力：無處不在的邊緣智能。
通信與計算的融合（尤其是可以通過邊緣計算和邊緣智能技術的支撐來實現）有望讓AI能力深入嵌入并遍及整個網絡，使其能夠盡可能地靠近數據源。多接入邊緣計算（MEC）架構可在無線接入網中部署計算硬件，同時又能利用終端用戶設備的計算能力。
各類應用場景均可將數據和模型權重分布在云端和邊緣設備上進行訓練和推理。這種模式可以支持分布式AI、聯邦學習、在線學習，以及智能機器人、設備和系統之間的實時協作，最終或將助力整個網絡實現智能無處不在、無所不及。
AI原生網絡的興起
6G有望推動新AI應用的出現，但與此同時，AI本身也將深度嵌入6G網絡的設計與運營之中。
未來的通信系統很可能同時包含兩類AI模型：設計階段的AI模型，用于在部署前優化和驗證網絡；運行時AI模型，能夠動態適應不斷變化的工作負載、地理場景和外部環境。
在空口層面，AI模型可增強核心無線射頻功能，例如符號檢測、信道估計、信道狀態信息估計、波束選擇、調制和天線選擇。其中部分模型可能會在終端用戶設備上運行，部分運行在基站上，還有部分則采用終端用戶設備與基站協同運行的模式。
AI輔助波束成形是另一個備受關注的領域。依托更精確的信道狀態信息、更優的波束預測、更低的波束配對復雜度以及可重構智能超表面等能力，預計AI將能支持超大規模多輸入多輸出（UM-MIMO）系統。
在網絡層面，AI有望在端到端優化中發揮關鍵作用。研究人員設想的無線接入網絡將具備自監測、自組織、自優化和自修復能力。
AI還可能實現網絡運維功能的自動化，例如預測性維護、工作負載預測、智能數據感知、能源管理、移動性管理以及無線資源的動態分配。對海量網絡數據集的分析可提升威脅檢測、實時監控、故障預測和網絡安全水平。
借助AI完成6G的設計和驗證
AI在6G網絡中的廣泛應用將帶來一項新挑戰：如何對高度動態變化、更智能、更復雜且全面超越歷代無線網絡的系統執行有效驗證，是工程師們需要攻克的難題。
預計將有多種AI技術服務于6G的設計、驗證和測試。強化學習在自優化、網絡設計和測試中將發揮重要作用，該技術可通過自動探索網絡參數的復雜組合并鎖定瓶頸，從而支持無線接入網優化、增強型波束賦形、自主功能測試和性能測試。
深度神經網絡有望優化信道估計和信道狀態信息壓縮，在噪聲大、高度動態變化的環境中優勢尤為顯著。業內正在研究采用Transformer架構來壓縮信道反饋，而圖神經網絡則可通過對網絡元素之間的關系進行建模，支持移動性管理、干擾抑制和資源分配等各種功能的實現。
生成式AI技術同樣至關重要。生成對抗網絡（GAN）可用于生成逼真的無線信道數據，支持去噪、異常檢測，以及為未來網絡的測試生成合成環境。
數字孿生預計將發揮特別重要的作用。數字孿生技術通過對現實世界網絡進行詳細的數字化映射，能夠仿真整個系統和組件，支持對用戶設備、基礎設施和網絡環境的集成建模。上述能力對于在大規模物理部署之前，即可面向復雜的系統優化問題執行測試至關重要。
AI生成的合成數據預計也將在6G技術開發中發揮關鍵作用，特別是在物理測量難度大且成本高昂的亞太赫茲頻段。基于AI技術的仿真、信道模型和專用測試平臺可為驗證新的軟硬件和網絡架構創建逼真的環境。
前方挑戰依舊
盡管AI賦能的6G網絡前景廣闊，但其落地仍面臨諸多嚴峻挑戰。
AI與6G的融合可能涉及數據隱私、安全保護、可解釋性、資源限制和標準化等方面的問題。AI在管理關鍵通信基礎設施時變得越來越自主化和智能化，這就要求工程師和運營商能夠信任AI的決策，并理解這些決策的制定過程和原理。
AI系統仍然容易受到分布外誤差、數據稀缺、過擬合、可解釋性差以及幻覺等問題的影響。為破解上述痛點，業內研究人員正在探索可解釋AI技術、物理信息模型、硬件在環測試以及高魯棒性的驗證框架。
各企業還需管理網絡安全風險，確保系統抵御網絡攻擊的韌性，并避免過度消耗能源。與此同時，6G和AI標準仍在持續演進，要在全球運營商、供應商和監管環境之間真正實現兼容性和互操作性，可能仍面臨巨大挑戰。
然而，愈發明確的一點是，AI和6G很可能將共同演進。6G能夠為下一代智能應用提供所需的網絡連接、高帶寬和實時響應能力，而AI則可能成為設計、優化、運營和驗證網絡本身的基礎技術。二者相輔相成，有望在未來十年重塑各行各業，并創造出全新的數字體驗。、
作者：是德科技6G解決方案負責人Hwee Yng Yeo
