飛象網訊 4月21日至23日，由未來移動通信論壇、紫金山實驗室共同主辦的2026全球6G技術與產業生態大會在南京舉行。大會匯聚全球知名的科研機構、行業組織、技術企業的學者與專家，圍繞6G前沿技術突破、產業生態構建與應用場景探索展開討論。在大會首日舉行的平行會議“AI原生與自主6G系統”上，高通公司全球副總裁、中國區研發負責人、IEEE Fellow徐晧發表了題為《AI原生的6G系統：技術設計與創新應用》的主題演講。

圖為高通公司全球副總裁、中國區研發負責人、IEEE Fellow徐晧在2026全球6G技術與產業大會平行會議發表主題演講

徐晧認為，從3G到6G，每一代移動技術的演進，都會不斷涌現全新的應用場景，持續推動技術向前發展，而在5G向6G演進的階段，一個重要的發展方向是智能終端應用的增加。目前5G的應用中，已經包含手表、手機、新能源汽車、擴展現實（XR）眼鏡等終端。而發展到6G階段，更多的則是人工智能、具身智能和機器人技術的發展。

徐晧表示，新技術的出現對用戶的生活方式和交互方式具有深遠的影響。如今，更多的AI智能體正在端側落地。在高通看來，AI是新的UI（交互界面），能夠同時理解和處理語音、圖像、視頻等多種輸入形式，并通過大語言模型驅動AI智能體，支撐豐富多樣的應用場景。

隨著端側AI應用的增多，對無線網絡的需求將會顯著增加。徐晧談到，“我們未來的流量需求可能會是現在的3到7倍，而且這里面有超過30%都是由AI驅動�！毙鞎壱簿腿绾螒獙�6G流量需求分享了他的看法，一是頻譜向更高頻段延展，同時高通也在研究多種技術，希望做到在低頻增強覆蓋，在中頻和高頻增強熱點流量和信道容量。

談及機器人，徐晧提到，盡管現階段機器人尚未深入千家萬戶，也無法完成很多日常工作，但如果將其類比智能駕駛輔助的發展可以看到，十多年前，沒有多少人相信它能夠自主地、一定程度上取代人類駕駛；但如今，我們看到在部分應用場景中已經可以實現較長時間的連續自主運行。

徐晧從技術層面具體介紹到，“現在自動駕駛只是2D的AI環境。如果要實現機器人在物理世界中的應用，需要機器人能夠有對整個物理世界有所理解，并且能夠在3D空間中與人交互。像是現在這種通過6G系統，通過仿真和傳感打造的一個精準的3D物理世界，也會對機器人的研究和應用有非常好的推動作用�！�

此外，徐晧還介紹了高通在6G領域的其他多項研究及進展，包括在6G中實現更大規模的天線陣列，研究通信與傳感的深度融合以更好地服務人工智能應用，以及圍繞感知開展的一系列工作，例如面向低空經濟的無人機感知等。。

以下為徐晧發言實錄：

很高興和大家分享，從高通的角度如何看待 6G 和人工智能（AI）的結合。

如果我們回顧從 3G 到 6G 的發展，除了技術本身的演進以外，很重要的一點是不斷涌現的全新應用場景，在持續推動技術向前發展。從3G發展到4G，我們從最初使用電子郵件通信，到后來語音傳輸、視頻傳輸；發展到4G、5G時代，視頻直播等應用已經非常普遍。在5G向6G演進的階段，一個重要的發展方向是智能終端應用的增加。目前5G的應用中，已經包含手表、手機、新能源汽車、擴展現實（XR）眼鏡等終端。而發展到6G階段，更多的則是人工智能、具身智能和機器人技術的發展。我將會具體闡述，這些應用對6G的規劃與設計會產生哪些深遠影響。

首先，我們看到了“智能計算無處不在”的趨勢，越來越多的智能終端和智能體正在落地端側應用。以高通為例，一方面我們與國內的OEM廠商合作，推動終端側AI的落地；另一方面，我們也打造了首款AI PC，將AI算法應用在個人電腦中。大家近期應該聽說過很多關于“養龍蝦”的話題，這些是在PC端打造的AI智能工具，能夠快速提高工作效率，在國外的開源社區也得到了非常廣泛的應用。自動駕駛領域也有類似應用，目前的新能源汽車都可以實現直接語音交互，來進行調整空調、播放音樂等操作，這些功能現在已經成了所有新能源汽車的標配。

擴展現實（XR）也是現在日漸普及的應用，而且正快速從以前的虛擬現實（VR）眼鏡，向現在的增強現實（AR）眼鏡轉變�，F在的產品可以實現許多應用，例如兩個佩戴智能眼鏡的用戶相互交流時，對話可以以文字的形式，直接在鏡片上呈現出來，實時翻譯和轉寫功能已經非常成熟。最近幾年，諸如此類的應用的數量還會持續增加。稍后我會重點介紹工業物聯網，也就是機器人產業的相關應用，以及我們在端側和邊緣側的規劃。

首先非常重要的一點是，新技術的出現對用戶的生活方式和交互方式具有深遠的影響。第一代智能手機問世后，我們從基礎的語音通話拓展到在手機上查看郵件，在網絡上搜索所需信息。如今，更多的AI智能體在端側落地。我們也看到，近幾年各類邊緣側智能終端也在不斷涌現。以目前的應用現狀來看，很多人認為，現階段機器人尚未深入千家萬戶，也無法完成很多日常工作。有一個很好的類比就是智能駕駛輔助。十年前，沒有多少人相信它能夠非常自主地、（一定程度上）取代人類的駕駛；但是十年后，我們已經看到一些用戶（甚至可以在）在完全不接手的情況下，從美國的西海岸到東海岸自動駕駛過去。

從AI的角度來看，車的本質是對二維空間的運用，而且對自動駕駛來說，最重要的是確保安全，并在設定的交通規則下行駛。對于機器人來說會更復雜，因為機器人要面對的是三維的空間，同時還需要跟人交互。對于車而言，最重要的目的是，在一個二維空間中不要撞到人以及周圍的障礙；但是機器人要在三維空間中直接跟人交互。稍后我也會分享，比如通過6G的通感等技術，可以幫我們更好的打造物理空間的AI技術。

我們經常提到的一個概念就是——AI是新的UI。這是因為現在的AI是一個多模態的模型，可以把我們的語音、圖片、視頻等形式的內容輸入到AI智能體中，然后通過大語言模型來支持做一系列的應用。

隨著在端側AI應用的增多，對無線網絡的需求將會顯著增加。當前業界經常討論，可能5G的利用率還不夠高，或者說對于5G的需求沒有那么大。但在今后的四五年，直至6G到來之前，我們會看到大量智能終端產生的需求，會產生更多的數據和流量。

這到底會產生多大的影響？一個很重要的方向是，當6G普及時，我們已經擁有智能手機、智能手表，以及XR等各類終端，我們需要打造的不僅是單一設備與網絡一對一的連接，而是將這些終端設備整合在一起并進行統一的規劃。舉例來說，最節約資源的連接方式是，通過我的手表連接手機，或者AR眼鏡連接手機，在這三個端側同時進行規劃，以實現更好的6G連接體驗，以及更合理的算力分配。因此，我們看到在6G的設計中，需要考慮到多個終端的連接，以及多個終端之間的算力資源分配。

AI應用會對網絡產生怎樣的算力需求？我想再分享幾個例子。第一個例子是個人AI助理，比如你戴著AI眼鏡去購物，AI眼鏡能夠自動調用網絡資源，幫你對比產品的線上與線下價格，以及為你提供更多的選項。它還可以通過家中的物聯網攝像頭，分析家中需要購買的東西等等。如果想要實現這樣的應用，就需要知道它在下行以及上行需要的流量，以及時延是多少。另一個例子是現在更為常見的應用，即“見我所見（See What I See）”，是指能夠把看到的內容實時上傳到網上，這對于視頻直播來說有很大的價值，這類內容的普及也需要有方便簡潔的AR眼鏡來支持。

如果有這樣的AR眼鏡，能夠實時地把你看到的東西傳到網上，第一，這對直播是很有幫助的。你拿著手機，或架著手機直播很不方便，對吧？但是如果你用上攝像頭，或者是這樣的AR眼鏡，就會方便很多。第二，在你旅游的時候，可以隨時把你看到的場景分享給你的家人和朋友。針對這樣一款APP，我們對它所需的上下行流量以及時延都做了深入的研究。第三，這也可以為虛擬形象通話（Avatar calling）提供幫助。當你不能去某些場所，像今天的演講，如果你不能到場，你會有個虛擬形象幫你做這個演講。此外，在個性化體驗方面，比如在更好的在自動駕駛模式下，可以直接在你的擋風玻璃上顯示出前面的路況和你應該走的方向。

所以，保守估計在6G時代，我們未來的流量需求可能會是現在的3到7倍，而且這里面有超過30%都是由AI生成產生的。大家知道，現在的通信流量大多覆蓋的是人與人之間的交互；但未來隨著AI需求的越來越多，6G網絡的能力肯定需要一個巨大的提升。

那么怎么解決6G的流量需求？第一個很簡單的方法就是把頻譜往更高的頻段提升。我們知道在5G時代，我們有FR1和FR2，一個是6G以下的頻譜，一個是毫米波的頻譜。在6G時代，我們會引入一個中高頻的頻譜，國內我們考慮最多的是U6G的頻譜，北美可能更多考慮7GHz的頻譜。

我們也在研究各種技術，希望做到在提高頻譜的同時，也能盡量增強信號覆蓋。我們在低頻增強覆蓋，在中頻和高頻增強熱點流量和信道容量。下面我會舉幾個我們正在做的跟6G有關的原型機設計的例子，講講我們怎么把AI、傳感這些技術實現到網絡里。

第一個是我們已經做了兩三年的Giga MIMO，這是一個重要的研究方向，就是在6G中實現更大規模的天線陣列。我們用到一個很重要的技術——全雙工，因為基站做感知時，要一邊發送信號，一邊回收信號，要想同時做到發送和回收必須用到全雙工技術。當然你也可以做雙基地雷達（Bistatic radar），讓更多的基站和手機協同工作，但會比單基地雷達（Monostatic radar）方式更復雜一些。所以，我們認為這是6G感知中一個非常重要的技術。

另外，我們也在研究怎樣把傳感和通信結合起來，以此提供更好的人工智能支持。剛才前面的嘉賓也提到過，做AI時我們面臨的一個問題是，可能沒有那么多的無線通信實際數據可以用來訓練人工智能系統。我們的解決方案是，重建一個3D模型給AI提供仿真環境和更多數據，那么這其中很關鍵的一點，在提供數據之后，如何判斷這個AI是不是能夠在真正的網絡中正常運行？我們做了一系列工作，比如端側適配（on-device adaptation）或端側訓練（on-device training）。也就是說，當我們在仿真環境中做好了AI系統，在實際網絡應用中，還會根據測量的結果做一些適配或者在手機上進行自適應訓練，這樣可以讓整個系統更加魯棒。

另外一個工作是跟感知有關的，比如國內關注度很高的低空經濟。在無人機數量增多的情況下，空中實際沒有像地面上那種受紅綠燈控制的道路，我們該如何做到更好的無人機管控呢？通過無線系統來做無人機感知，是一個很重要的研究方向。

在剛才提到的系統里，我們用全雙工基站來做無人機感知。另外還有一點很重要，就是我們要怎么打造一個網絡，把通信、感知和AI都結合在一起。這里有一個比較好的例子：當我們做毫米波網絡規劃時，即使拿到了3D地圖，還是不一定知道環境細節，但如果我們通過感知方式，測到信號的反射系數，由此倒推，我們就能知道每個建筑的材料是什么。

用這樣的方式，我們可以打造一個非常精準的、面向無線系統AI的環境。這是一個把感知、通信、毫米波和AI都結合在一起的演示場景。如果把上述的這一切都考慮在 6G 的設計中，那么我們不光能夠打造一個能夠支持更高流量、更高速率、更好覆蓋的6G網絡，而且這個網絡還能夠通過感知對于周圍的環境有實時的了解。有了這樣的一個實時的數字孿生（digital twin）的環境，一方面可以對我們的AI和通信系統提供優化的指導意義。

比如說，在仿真環境中和OTA的測試中，我們也做了一些實驗，比如雙邊的信道狀態信息反饋（CSF），也叫雙邊two-sided CSF，也就是基站和手機共同用 AI模型來做信息反饋？再比如說，對波束管理的直接預測，如果測量到一個毫米波的寬波束，怎樣預測最優的窄波方向？

這一系列的可能性不光會對通信有幫助，如果我們能夠打造這樣一個非常逼真的3D環境，對于今后的自動駕駛以及機器人的應用也會有非常好的指導意義。因為，現在自動駕駛只是2D的AI環境。如果要實現機器人在物理世界中的應用，需要機器人能夠有對整個物理世界有所理解，并且能夠在3D空間中與人交互。像是現在這種通過6G系統，通過仿真和傳感打造的一個精準的3D物理世界，也會對機器人的研究和應用有非常好的推動作用。

以上介紹的是高通正在探索的一些6G方向，在三月份剛剛過去的巴展上，我們有更多對6G各個方面的演示和視頻，不光是物理層AI，還有感知方面的內容。歡迎大家有機會跟我們有更多的合作，共同推動6G的發展，謝謝。