飛象網訊 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技術與產業生態大會在南京舉行。作為6G領域最具影響力的國際會議，這一大會已連續舉辦四屆，成為促進全球6G技術交流與合作、推動技術和場景創新的重要平臺。今年，大會以“共筑創新 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、毫米波和通信等領域，匯聚來自全球6G領域的思想領袖、技術先鋒和產業領軍人物，共同探尋助力科技成果轉化的最佳路徑，探討6G技術創新與未來產業生態的發展藍圖。
2025年是6G發展的關鍵之年，作為6G標準制定的元年，將見證全球統一標準的推進，而人工智能與通信的融合是關鍵的技術趨勢之一。在大會首日，高通公司中國區研發負責人徐晧受邀出席 “通信與AI融合”分論壇，并發表題為“利用6G和AI重塑移動連接的未來”演講。徐晧在演講中強調了6G與AI的協同賦能和融合發展，表示AI已經在各種智能終端得到了廣泛應用，，而5G Advanced向6G的演進也能很好地推動AI發展。
首先無論是云端，終端還是邊緣側的AI都有望為6G帶來更多的應用場景。徐晧分享了終端側AI的優勢，以及連接在其中扮演的關鍵角色。他指出，終端側AI能夠帶來成本、能效、性能、隱私、安全和個性化等多項優勢，而在云端、邊緣側和終端分配并協調AI工作負載的過程中，5G和6G連接提供了穩定且低時延的接口。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等領域展現出巨大潛力，這些AI應用會產生大量的數據和全新的需求，并且持續推動6G的發展。
另一方面，AI也可以給無線通信設計提供全新的解決方案。在無線通信領域，無線通信和AI具有互補優勢。徐晧指出，AI的優勢在于能夠在復雜任務中進行準確預測，此外在面對很多不確定因素的時候，AI能夠發揮出更大優勢；而無線通信是已經比較成熟的領域，有很扎實的理論基礎作為支撐，且歷經幾十年的研究和積累在很多工程問題上建立了精確的數學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，預測和壓縮還有很大的優化空間。無線通信和AI的結合，能夠更好地優化信道反饋、波束預測和無線定位等問題，帶來更好的無線通信系統性能和表現。
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制解調器的專用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關鍵研究方向，包括較為基礎的調制與編碼技術、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領域的研究與規劃，共同探討如何利用6G和AI重塑移動連接的未來。
6G和AI是當前最熱門的兩個話題，這頁幻燈片展示了6G與AI如何協同賦能，共同推動無線技術向前發展�？梢钥吹剑谠贫瞬渴餉I有諸多優勢，比如云端擁有更強大的算力。但隨著無線連接技術推動智能網聯終端的普及，我們也意識到，終端側AI對于AI的規模化擴展至關重要。我們每個人都有包括手機、汽車在內的各種智能終端，隨著AI的日益普及，很多AI處理都能夠在終端側完成。今天我演講的第一個部分將介紹AI在端側的推廣如何為6G帶來更多的應用場景。然后在第二部分，我會分享AI在無線通信中的應用，也就是如何利用AI技術取代無線通信中的一個或更多的模塊。
實際上，從現在5G Advanced向6G的演進過程中我們已經看到了很多端側AI的應用潛力，稍后我會分享更多基于終端側AI實現的用例。終端側AI能夠帶來成本、能效、性能、隱私、安全和個性化等多項優勢，我想通過兩個簡單例子說明。第一個用例是利用終端側AI實現圖像或視頻處理。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果，無須將這些圖像上傳至云端，僅利用終端側AI就能對照片進行美顏處理。與云端處理相比，利用終端側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AI智能體處理這類面向特定領域知識（Domain Knowledge）和涉及個人隱私的信息更具優勢，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AI就能處理這些信息。上述是兩個比較典型的用例，終端側AI還能應用于更多場景。
當然也有一些復雜的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度和分配算力資源。在云端、邊緣側和終端分配并協調AI工作負載的過程中，5G和6G連接提供了穩定且低時延的接口，發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研發已超過15年。所以我們能夠把AI推廣到各種形式的終端產品中去�？梢钥吹剑珹I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、網關和其他設備。接下來我將分享終端側AI應用的三個重要領域，以及AI將如何推動6G的發展。
在手機領域，高通在2025世界移動通信大會期間帶來了多項終端側AI演示，其中一項演示是在不接入云端的情況下，在終端側運行當下最流行的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AI正變得更加普及，這對6G也將產生非常大的影響。在未來，我們有望看到更多終端側AI用例。
其次，AI也正變革PC領域。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系列平臺的設備已經發布或正在開發中。此外，去年我們還完成了一項AI服務機器人展示，在PC端通過大語言模型實現與機器人交互，并為機器人規劃任務。與手機相比，我們可以在PC端運行參數規模更大的模型——通常情況下，在手機側已經可以運行30-70億參數的大語言模型，而在PC端也已可以運行70-100億參數的模型，這能極大地提升工作效率。
針對AI在XR領域的應用，我們也取得了幾項新成果。今年，我們通過毫米波實現了XR設備之間的連接，XR是對大帶寬、低時延有著很高要求的應用場景。此前大多數商用XR設備都是通過Wi-Fi實現連接，在無線大空間場景下，Wi-Fi可能最多支持4路并發XR業務。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業務的接入，這能為XR服務運營商帶來更廣闊的營收機遇，并進一步推動XR應用的發展。
剛剛我簡單介紹了現階段AI在三個不同領域的應用，實際上AI也將被廣泛應用于其它6G的應用場景，比如全息遠程臨場、自動駕駛等用例，當然也包括與網絡實現更快連接的技術。接下來，我將分享更多與6G相關的具體技術細節。
從這頁幻燈片可以看到，在ITU-R設定的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用場景。在這三大應用場景中，AI將對6G產生巨大的影響。當前，行業也正圍繞6G進行規劃。就在幾周前，3GPP在韓國仁川舉辦了6G國際標準研討會，標志著3GPP正式開始6G標準化相關工作。
接下來讓我們看看AI在6G或無線通信中的應用。無線通信和AI具有互補優勢，AI的優勢在于能夠在復雜任務中進行準確預測，對于下棋游戲等這類具有固定邏輯和規則的任務，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能夠發揮出更大優勢，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。而無線通信是已經比較成熟的領域，有很扎實的理論基礎作為支撐，且歷經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取代現有的無線通信算法。我們發現，在很多時候，人工智能還無法取代現有的無線通信算法。我們知道，MLD（Maximum Likelihood Detection）算法在理論上已經被證明是用于信號檢測的最優算法，AI能預測到的最準確情況也只是找到這個最優答案，因此沒有必要用AI來取代已有理論依據支持的無線通信算法。
那么人工智能可以在哪些領域為無線通信系統帶來增益？一個較為明確的領域，就是我們可以利用人工智能來進行信道處理和信道預測。我們知道，無線信道與有線信道相比最大的區別在于它所處的場景是千變萬化的，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測，可能受到不同建筑、不同數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測，或者天線的設計有關。
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調測試，當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，手機和基站兩側的AI模型需要能夠互相響應。這需要系統廠商和手機廠商之間進行聯調，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合研究表明，通過共享數據集分別對基站和終端側的模型進行訓練，可以確保模型在學習過程中使用相同的語言，從而無需要求不同公司分享關于他們實現細節的詳細信息。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練的情況下運行。通過這些實驗，我們證明了無論是先訓練5G基站（gNB）中的AI模型，再訓練用戶終端（UE）中AI模型，還是先訓練UE中的模型，再訓練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練。此外，我們比較了使用不同位置數據訓練的模型，與使用特定蜂窩基站數據訓練的超本地化模型的性能，結果表明如果有足夠的訓練數據，一個通用的訓練模型可以在各種情況下呈現比較好的魯棒性。
我們還開展了基于毫米波的信道預測實驗，我們知道在不同場景下，比如從城區轉到空曠的操場，無線信道環境是完全不同的。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，其中一項技術稱為動態模型切換（Dynamic model switching）。我們開展的實驗顯示，如果當前環境下有好幾個基站，且每個基站的天線配置情況不一樣時，終端側AI模型能夠根據終端位置，自動切換到更合適的基站，并且切換對應的AI模型以確保最優的系統性能。
還有一項技術叫做終端側模型自適應（On-device model adaptation），指的是如果AI模型沒有提前針對特定場景或環境進行訓練，且在這一場景下AI模型的表現不理想時，我們能夠通過即時訓練（On-the-Fly Training），也就是讓終端采集更多新數據以更新終端側AI模型，使其能夠更好地適應新的需求。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練時，訓練集已經涵蓋了所有場景。這項機制能夠幫助我們確定兩個關鍵信息：一是AI模型在全新場景下的表現是否理想；二是如何通過更多的導頻（Pliot）優化模型訓練，使調校后的AI模型能夠有更好的表現。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。從更高層的網絡架構而言，我們認為6G也具備非常好的自適應能力，也就是6G能夠使高層的網絡資源規劃變得更具自適應性。通過面向6G的AI原生系統設計，我們能夠使云端或網絡端，也就是基站的上層配置變得更加智能、更加自適應化。
我們認為人工智能對無線通信產生較大影響的另一項技術，是數字孿生（Digital Twin）。如果我們能夠把周圍的物理環境非常準確地映射出來，我們就能判斷波束方向和位置。比如在一個房間內，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，并生成非常精準的數字孿生模型，這樣我們就能判斷基站向終端發射的波束方向，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（Ray Tracing）來模擬真實的物理環境。
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調制解調器到天線的解決方案，搭載了高通第四代集成到調制解調器的專用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賦能的數據流量引擎，能夠利用AI處理器，增強數據流量模式識別能力，為手游用戶帶來更低時延、更快響應速度的游戲體驗。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關鍵研究方向，包括較為基礎的調制與編碼技術、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界同行交流，共同推動6G的發展，謝謝！
