飛象網(wǎng)訊 4月10日至12日，由未來移動通信論壇、紫金山實驗室主辦的2025全球6G技術(shù)與產(chǎn)業(yè)生態(tài)大會在南京舉行。作為6G領(lǐng)域最具影響力的國際會議，這一大會已連續(xù)舉辦四屆，成為促進全球6G技術(shù)交流與合作、推動技術(shù)和場景創(chuàng)新的重要平臺。今年，大會以“共筑創(chuàng)新 同享未來”為主題，聚焦人工智能、無線通感融合、空天地一體化、毫米波和通信等領(lǐng)域，匯聚來自全球6G領(lǐng)域的思想領(lǐng)袖、技術(shù)先鋒和產(chǎn)業(yè)領(lǐng)軍人物，共同探尋助力科技成果轉(zhuǎn)化的最佳路徑，探討6G技術(shù)創(chuàng)新與未來產(chǎn)業(yè)生態(tài)的發(fā)展藍圖。

2025年是6G發(fā)展的關(guān)鍵之年，作為6G標(biāo)準(zhǔn)制定的元年，將見證全球統(tǒng)一標(biāo)準(zhǔn)的推進，而人工智能與通信的融合是關(guān)鍵的技術(shù)趨勢之一。在大會首日，高通公司中國區(qū)研發(fā)負責(zé)人徐晧受邀出席 “通信與AI融合”分論壇，并發(fā)表題為“利用6G和AI重塑移動連接的未來”演講。徐晧在演講中強調(diào)了6G與AI的協(xié)同賦能和融合發(fā)展，表示AI已經(jīng)在各種智能終端得到了廣泛應(yīng)用，，而5G Advanced向6G的演進也能很好地推動AI發(fā)展。

首先無論是云端，終端還是邊緣側(cè)的AI都有望為6G帶來更多的應(yīng)用場景。徐晧分享了終端側(cè)AI的優(yōu)勢，以及連接在其中扮演的關(guān)鍵角色。他指出，終端側(cè)AI能夠帶來成本、能效、性能、隱私、安全和個性化等多項優(yōu)勢，而在云端、邊緣側(cè)和終端分配并協(xié)調(diào)AI工作負載的過程中，5G和6G連接提供了穩(wěn)定且低時延的接口。徐晧提到，今年是高通公司成立40周年，而高通深耕AI研發(fā)已超過15年。如今，AI正越來越多地在人們觸手可及的終端上運行，在手機、PC、XR等領(lǐng)域展現(xiàn)出巨大潛力，這些AI應(yīng)用會產(chǎn)生大量的數(shù)據(jù)和全新的需求，并且持續(xù)推動6G的發(fā)展。

另一方面，AI也可以給無線通信設(shè)計提供全新的解決方案。在無線通信領(lǐng)域，無線通信和AI具有互補優(yōu)勢。徐晧指出，AI的優(yōu)勢在于能夠在復(fù)雜任務(wù)中進行準(zhǔn)確預(yù)測，此外在面對很多不確定因素的時候，AI能夠發(fā)揮出更大優(yōu)勢；而無線通信是已經(jīng)比較成熟的領(lǐng)域，有很扎實的理論基礎(chǔ)作為支撐，且歷經(jīng)幾十年的研究和積累在很多工程問題上建立了精確的數(shù)學(xué)模型和最佳解決方案。然而在某些反面，比如無線信道的測量，預(yù)測和壓縮還有很大的優(yōu)化空間。無線通信和AI的結(jié)合，能夠更好地優(yōu)化信道反饋、波束預(yù)測和無線定位等問題，帶來更好的無線通信系統(tǒng)性能和表現(xiàn)。

徐晧也特別提到高通如何利用AI提升5G性能。不久前剛剛推出的高通X85，搭載了高通第四代集成到調(diào)制解調(diào)器的專用AI處理器，能夠以更高的處理性能運行更多AI專用5G算法，AI推理速度相比上一代快30%。在演講最后徐晧還指出，除了AI，還有很多6G關(guān)鍵研究方向，包括較為基礎(chǔ)的調(diào)制與編碼技術(shù)、各種物理層的增強、感知等等。

以下為徐晧演講實錄：

大家好，我是高通公司徐晧。今天我想與大家分享高通公司在AI和6G領(lǐng)域的研究與規(guī)劃，共同探討如何利用6G和AI重塑移動連接的未來。

6G和AI是當(dāng)前最熱門的兩個話題，這頁幻燈片展示了6G與AI如何協(xié)同賦能，共同推動無線技術(shù)向前發(fā)展。可以看到，在云端部署AI有諸多優(yōu)勢，比如云端擁有更強大的算力。但隨著無線連接技術(shù)推動智能網(wǎng)聯(lián)終端的普及，我們也意識到，終端側(cè)AI對于AI的規(guī)模化擴展至關(guān)重要。我們每個人都有包括手機、汽車在內(nèi)的各種智能終端，隨著AI的日益普及，很多AI處理都能夠在終端側(cè)完成。今天我演講的第一個部分將介紹AI在端側(cè)的推廣如何為6G帶來更多的應(yīng)用場景。然后在第二部分，我會分享AI在無線通信中的應(yīng)用，也就是如何利用AI技術(shù)取代無線通信中的一個或更多的模塊。

實際上，從現(xiàn)在5G Advanced向6G的演進過程中我們已經(jīng)看到了很多端側(cè)AI的應(yīng)用潛力，稍后我會分享更多基于終端側(cè)AI實現(xiàn)的用例。終端側(cè)AI能夠帶來成本、能效、性能、隱私、安全和個性化等多項優(yōu)勢，我想通過兩個簡單例子說明。第一個用例是利用終端側(cè)AI實現(xiàn)圖像或視頻處理。比如我們用手機拍完照片的瞬間就會看到人工智能處理過的結(jié)果，無須將這些圖像上傳至云端，僅利用終端側(cè)AI就能對照片進行美顏處理。與云端處理相比，利用終端側(cè)AI能夠更快地進行圖片處理，同時保護了用戶的隱私。第二個例子是，如果用戶想查詢近期通過微信或短信與他人溝通的某些特定信息，例如約定見面的地點或其他行程安排，利用終端側(cè)AI智能體處理這類面向特定領(lǐng)域知識（Domain Knowledge）和涉及個人隱私的信息更具優(yōu)勢，用戶無需將所有微信聊天記錄、短信、相片上傳至云端，僅通過終端側(cè)AI就能處理這些信息。上述是兩個比較典型的用例，終端側(cè)AI還能應(yīng)用于更多場景。

當(dāng)然也有一些復(fù)雜的AI處理可以在云端或者邊緣云端處理，所以我們可以針對不同的運算需求合理調(diào)度和分配算力資源。在云端、邊緣側(cè)和終端分配并協(xié)調(diào)AI工作負載的過程中，5G和6G連接提供了穩(wěn)定且低時延的接口，發(fā)揮了非常重要的作用。

今年是高通公司成立40周年，高通深耕AI研發(fā)已超過15年。所以我們能夠把AI推廣到各種形式的終端產(chǎn)品中去。可以看到，AI越來越多地在人們觸手可及的終端上運行，包括手機、汽車、PC、XR、網(wǎng)關(guān)和其他設(shè)備。接下來我將分享終端側(cè)AI應(yīng)用的三個重要領(lǐng)域，以及AI將如何推動6G的發(fā)展。

在手機領(lǐng)域，高通在2025世界移動通信大會期間帶來了多項終端側(cè)AI演示，其中一項演示是在不接入云端的情況下，在終端側(cè)運行當(dāng)下最流行的DeepSeek模型；還有一項是利用手機中的AI智能體（AI Agent）規(guī)劃行程，并在手機短信中查找用戶想要的特定信息。這兩個用例展示了終端側(cè)AI正變得更加普及，這對6G也將產(chǎn)生非常大的影響。在未來，我們有望看到更多終端側(cè)AI用例。

其次，AI也正變革PC領(lǐng)域。我們率先提出了“AI PC”這一概念，并推出了驍龍X系列平臺，目前已有超過80款搭載驍龍X系列平臺的設(shè)備已經(jīng)發(fā)布或正在開發(fā)中。此外，去年我們還完成了一項AI服務(wù)機器人展示，在PC端通過大語言模型實現(xiàn)與機器人交互，并為機器人規(guī)劃任務(wù)。與手機相比，我們可以在PC端運行參數(shù)規(guī)模更大的模型——通常情況下，在手機側(cè)已經(jīng)可以運行30-70億參數(shù)的大語言模型，而在PC端也已可以運行70-100億參數(shù)的模型，這能極大地提升工作效率。

針對AI在XR領(lǐng)域的應(yīng)用，我們也取得了幾項新成果。今年，我們通過毫米波實現(xiàn)了XR設(shè)備之間的連接，XR是對大帶寬、低時延有著很高要求的應(yīng)用場景。此前大多數(shù)商用XR設(shè)備都是通過Wi-Fi實現(xiàn)連接，在無線大空間場景下，Wi-Fi可能最多支持4路并發(fā)XR業(yè)務(wù)。但隨著毫米波的引入，在相同場景下，毫米波可以同時支持40路XR業(yè)務(wù)的接入，這能為XR服務(wù)運營商帶來更廣闊的營收機遇，并進一步推動XR應(yīng)用的發(fā)展。

剛剛我簡單介紹了現(xiàn)階段AI在三個不同領(lǐng)域的應(yīng)用，實際上AI也將被廣泛應(yīng)用于其它6G的應(yīng)用場景，比如全息遠程臨場、自動駕駛等用例，當(dāng)然也包括與網(wǎng)絡(luò)實現(xiàn)更快連接的技術(shù)。接下來，我將分享更多與6G相關(guān)的具體技術(shù)細節(jié)。

從這頁幻燈片可以看到，在ITU-R設(shè)定的6G愿景中，AI和通信、通信感知一體化和泛在連接是其中三大應(yīng)用場景。在這三大應(yīng)用場景中，AI將對6G產(chǎn)生巨大的影響。當(dāng)前，行業(yè)也正圍繞6G進行規(guī)劃。就在幾周前，3GPP在韓國仁川舉辦了6G國際標(biāo)準(zhǔn)研討會，標(biāo)志著3GPP正式開始6G標(biāo)準(zhǔn)化相關(guān)工作。

接下來讓我們看看AI在6G或無線通信中的應(yīng)用。無線通信和AI具有互補優(yōu)勢，AI的優(yōu)勢在于能夠在復(fù)雜任務(wù)中進行準(zhǔn)確預(yù)測，對于下棋游戲等這類具有固定邏輯和規(guī)則的任務(wù)，AI能夠進行高效處理并且展示了超過人類的能力。此外在面對很多不確定因素的時候，AI能夠發(fā)揮出更大優(yōu)勢，比如對有非常多信息的圖像進行處理，AI能夠快速處理并摘取有效信息。而無線通信是已經(jīng)比較成熟的領(lǐng)域，有很扎實的理論基礎(chǔ)作為支撐，且歷經(jīng)幾十年的研究和積累。

我們開展了非常多的實驗，驗證是否能夠利用AI取代現(xiàn)有的無線通信算法。我們發(fā)現(xiàn)，在很多時候，人工智能還無法取代現(xiàn)有的無線通信算法。我們知道，MLD（Maximum Likelihood Detection）算法在理論上已經(jīng)被證明是用于信號檢測的最優(yōu)算法，AI能預(yù)測到的最準(zhǔn)確情況也只是找到這個最優(yōu)答案，因此沒有必要用AI來取代已有理論依據(jù)支持的無線通信算法。

那么人工智能可以在哪些領(lǐng)域為無線通信系統(tǒng)帶來增益？一個較為明確的領(lǐng)域，就是我們可以利用人工智能來進行信道處理和信道預(yù)測。我們知道，無線信道與有線信道相比最大的區(qū)別在于它所處的場景是千變?nèi)f化的，這實際上與利用人工智能進行圖像處理的場景相似。比如，如果我們向AI模型輸入生成一只貓圖像的指令，模型可以生成幾千種、甚至幾萬種不同的圖像。無線通信的信道也類似，在同一個城市進行無線信道處理和預(yù)測，可能受到不同建筑、不同數(shù)量樹木或者車輛行人的影響，也與在不同頻段進行信道處理和預(yù)測，或者天線的設(shè)計有關(guān)。

信道建模分為四個類型：第一個是信道模型的建立，第二個是信道預(yù)測，第三個是信道推理，最后一個是信道壓縮。這與我們在3GPP Release 19中聚焦的將AI與無線信道相結(jié)合的三個研究方向相似：第一是如何利用人工智能進行信道反饋，第二是如何利用人工智能進行波束預(yù)測，第三是如何利用人工智能進行定位。

接下來我將具體介紹我們針對上述三個方向開展了哪些研究和實驗。去年，我們與諾基亞貝爾實驗室完成了基站與手機之間的聯(lián)調(diào)測試，當(dāng)手機需要傳送一個信號到基站，或者基站需要傳送一個信號到手機的時候，手機和基站兩側(cè)的AI模型需要能夠互相響應(yīng)。這需要系統(tǒng)廠商和手機廠商之間進行聯(lián)調(diào)，才能確定是否能匹配成功。

去年我們與諾基亞貝爾實驗室開展的聯(lián)合研究表明，通過共享數(shù)據(jù)集分別對基站和終端側(cè)的模型進行訓(xùn)練，可以確保模型在學(xué)習(xí)過程中使用相同的語言，從而無需要求不同公司分享關(guān)于他們實現(xiàn)細節(jié)的詳細信息。這對我們而言是一個非常好的消息：即使基站和手機運行著各自的AI模型，兩者之間還是能進行通信。

今年，我們還與諾基亞貝爾實驗室開展了進一步測試，希望確保模型能夠在分別訓(xùn)練的情況下運行。通過這些實驗，我們證明了無論是先訓(xùn)練5G基站（gNB）中的AI模型，再訓(xùn)練用戶終端（UE）中AI模型，還是先訓(xùn)練UE中的模型，再訓(xùn)練gNB中的模型，這兩種順序都是可行的，不一定要端到端同時進行模型訓(xùn)練。此外，我們比較了使用不同位置數(shù)據(jù)訓(xùn)練的模型，與使用特定蜂窩基站數(shù)據(jù)訓(xùn)練的超本地化模型的性能，結(jié)果表明如果有足夠的訓(xùn)練數(shù)據(jù)，一個通用的訓(xùn)練模型可以在各種情況下呈現(xiàn)比較好的魯棒性。

我們還開展了基于毫米波的信道預(yù)測實驗，我們知道在不同場景下，比如從城區(qū)轉(zhuǎn)到空曠的操場，無線信道環(huán)境是完全不同的。我們的實驗測試了如何利用不同的模型與多樣化的場景進行適配。

這頁幻燈片展示了面向無線AI生命周期管理的幾項技術(shù)，其中一項技術(shù)稱為動態(tài)模型切換（Dynamic model switching）。我們開展的實驗顯示，如果當(dāng)前環(huán)境下有好幾個基站，且每個基站的天線配置情況不一樣時，終端側(cè)AI模型能夠根據(jù)終端位置，自動切換到更合適的基站，并且切換對應(yīng)的AI模型以確保最優(yōu)的系統(tǒng)性能。

還有一項技術(shù)叫做終端側(cè)模型自適應(yīng)（On-device model adaptation），指的是如果AI模型沒有提前針對特定場景或環(huán)境進行訓(xùn)練，且在這一場景下AI模型的表現(xiàn)不理想時，我們能夠通過即時訓(xùn)練（On-the-Fly Training），也就是讓終端采集更多新數(shù)據(jù)以更新終端側(cè)AI模型，使其能夠更好地適應(yīng)新的需求。這是一項非常重要的機制，因為我們不能保證在進行模型訓(xùn)練時，訓(xùn)練集已經(jīng)涵蓋了所有場景。這項機制能夠幫助我們確定兩個關(guān)鍵信息：一是AI模型在全新場景下的表現(xiàn)是否理想；二是如何通過更多的導(dǎo)頻（Pliot）優(yōu)化模型訓(xùn)練，使調(diào)校后的AI模型能夠有更好的表現(xiàn)。以上是我們針對無線AI生命周期管理開展的兩項實驗。

剛才提到的兩個例子，展示的都是如果在物理層利用AI提升6G或者5G Advanced的性能表現(xiàn)。從更高層的網(wǎng)絡(luò)架構(gòu)而言，我們認為6G也具備非常好的自適應(yīng)能力，也就是6G能夠使高層的網(wǎng)絡(luò)資源規(guī)劃變得更具自適應(yīng)性。通過面向6G的AI原生系統(tǒng)設(shè)計，我們能夠使云端或網(wǎng)絡(luò)端，也就是基站的上層配置變得更加智能、更加自適應(yīng)化。

我們認為人工智能對無線通信產(chǎn)生較大影響的另一項技術(shù)，是數(shù)字孿生（Digital Twin）。如果我們能夠把周圍的物理環(huán)境非常準(zhǔn)確地映射出來，我們就能判斷波束方向和位置。比如在一個房間內(nèi)，如果我們知道小基站和用戶終端的具體位置，我們就能對這個房間進行3D建模，并生成非常精準(zhǔn)的數(shù)字孿生模型，這樣我們就能判斷基站向終端發(fā)射的波束方向，以及從房頂或墻面反射的波束是從哪過來的。此外針對高頻，我們還大量采用了光追技術(shù)（Ray Tracing）來模擬真實的物理環(huán)境。

這頁幻燈片展示了高通如何利用AI提升5G性能。不久前剛剛推出的高通X85是我們最新一代5G調(diào)制解調(diào)器到天線的解決方案，搭載了高通第四代集成到調(diào)制解調(diào)器的專用AI處理器。這款處理器能夠以更高的處理性能運行更多AI專用5G算法。比如，全新的高通AI賦能的數(shù)據(jù)流量引擎，能夠利用AI處理器，增強數(shù)據(jù)流量模式識別能力，為手游用戶帶來更低時延、更快響應(yīng)速度的游戲體驗。這款處理器性能強大，AI推理速度相比上一代快30%。

今天我的演講主要聚焦人工智能對6G的影響，但除了AI，還有很多6G關(guān)鍵研究方向，包括較為基礎(chǔ)的調(diào)制與編碼技術(shù)、各種物理層的增強、通信感知融合等等。也希望有更多機會能夠與業(yè)界同行交流，共同推動6G的發(fā)展，謝謝！