T中T中信科移動CCTMobileAI與6G網絡融合INTEGRATIONOFAIAND6GNETWORK 摘要系統闡述了6G內生智能架構的核心設計理念、關鍵技術及發展路徑，旨在構建具備內生智能、開放生態與智能孿生特內生AI能力和多層次AI智算開放體系。通過定義能力調用、AI數據交互等技術的特點，詳細闡述了小模型驅動邊緣智能、大模型賦能全局智簡，以及智能孿生實現虛實協同的具體技術路徑。AI小模型憑借在特定場景下的高精度與高效能，在各類功能級用例中展現出顯著優勢；網絡大模型/智能體（Agent）則更適用于處理跨模態數據、復雜決策與資源編排等全局本白皮書為6G內生智能架構提供了系統性技術框架。中信科移動通信技術股份有限公司（簡稱“中信科移動”）希望以此為契機，推動產業協同AI與6G網絡融合內生·內生·開放·孿生本白皮書版權專屬中信科移動通信技術股份有限公司科移動”）所有，并受法律保護。如需基于非商業目的引01020304目錄目錄AI與6G網絡融合白皮書言通信技術的每一次躍遷都在不斷拓展連接的內涵。從5G開啟的“萬物互聯”時代，到6G描繪的“萬物智聯”藍圖，本次跨越十年的技術變革不僅將實現跨越單一領域的創新，更將成為推動產業隨著全息通信、群體智能、元宇宙等新型場景的爆發式增長，傳統基于規則驅動的網絡正面臨根本性挑戰：依賴人工經驗的參數配置難以適應時變信道；固定功能的協議棧無法靈活滿足多元化業務需求；煙囪式網絡架構也使AI能力難以高效融入。要破解這些難題，AI與6G的深度融合已不再是技術選項，而是構建下一代智能通信基礎設施的必由之路。通過將AI內生于網絡架構，使每一個網絡節點都具備感知、決策與執行的智能閉環能力，最終為破解通信網絡當前面臨的“管道化”和“邊緣化”困境，本白皮書提出了“內生-開放-孿生”通過網絡功能與AI能力的原生耦合，實現AI能力與網絡功能的深度集成。網絡內生支持AI全生命周期管理，并通過統一的架構對數據、算力、模型等資源要素實現協同調度；同時，前向兼推動6G網絡內生智能的實現。端、邊、網、云協同的分層智算體系實現算力、數據和模型服務的開放，利用統一接口賦能千行百業。無線基站提供實時智算能力，邊緣智腦支持區域化大模型部署，智腦中心打造全局智算有效降低各行業智能化的門檻。升級數字孿生為智能孿生，融合大模型與智能體技術，構建虛實交互閉環。通過內閉環驗證AI策略的可靠性，外閉環反饋優化孿生模型，實現網絡的自配置、自優化和自修復，為復雜場景提供高保真預演與風險規避能力。內生·開放·孿生在AI與網絡融合的路徑上，針對差異化問題采用多元AI技術方案。小模型驅動邊緣智能，在端邊側部署輕量化模型，解決超大規模天線波束管理、大模型賦能全局智治，云端大模型整合跨域數據，構建網絡知識圖譜，實現意圖驅動的決策與多智能體協同，推動網絡由單域優化向全局智能演進。智能孿生則實現虛實協同，利用數字孿生生成海量理網絡反哺孿生模型，孿生模型優化物理網絡”的智能的核心問題，并為國際組織提供了標準制定的02AI與6G網絡融合白皮書AI與6G網絡融合白皮書01內生·開放·孿生04業務模式革新：AI加速推動移動通信服務向場景化、定制化方向升級。高清視頻、XR/全息通信等新興業務對網絡提出了超低時延、超高可靠和確定性體驗保障等更高要求[1]，需AI技術貫穿業務全生命周期。6G網絡通過AI驅動的用戶行為建模、智能流量調度、多維QoS映射，能夠精準匹配差異空口、分布式智能體、AI原生協議棧和數字孿生仿真等創新技術，推動網絡突破傳統架構瓶頸，加速多維數據融合：AI推動復雜異構環境下的開放服務生態構建。通過通感算智一體化，AI支持環境感知與資源動態編排，結合多模態數據融合分析，打造意圖驅動的自智網絡[4]，為智慧城市、工業互AI與6G網絡的深度融合，正引領通信系統智能化重構融合性發展智聯化升級6G網絡服務體系將由“通信主導”向“通感算智”深度融合轉變，從單純信息傳遞升級為賦能服務。服務場景進一步拓展，從單一連接向全維智能使能延伸[6]，重塑通信突破了傳統交互邊界，實現虛實空間的實時映射。分布式群體智能支撐智能設備自主通信設備正突破物理局限，加速向智能體終端演進。AI賦車等）多模態感知能力，6G終端將不再僅作為信息接收者，而是具備環境感知與協作AI與6G網絡融合白皮書05目前，6G正處于早期研究與開發階段，全球眾多國家和行業組織已開始積極布局6G通信與AI場景用例與需求研究》首個6G標準項目，標志著全球6G標準化工作正式進入實質推進階段。2025年3月，在韓國仁川召開的6G研討會上，有公司提出構建可擴展的AI/ML框架，并要求網絡原生支持AI生命周期管理。在SA1會議中，多家公司提交了有關AIAgent、自動駕駛、智能群組管理等應用場景的用例建議。2025年5月的SA2會議則將Agent相關研究正式納入標準研究范圍。總體來看，3GPP的6GAI標準化正處于由需求定義向架構設計轉型的關鍵階段，內生智能理念已形成廣泛共識，但具體的技術路徑與用例方案仍需進一步明確。國內外各方也在積極探索AI與6G的深度融合。IMT-2030(6G)推進組持續在面向AI服務的QoS體系構建、多維智能協同、網絡大模型與智能體等方面開展研究[8]。ITU則啟動了《6G網絡架構和技術性能指標》研究項目，提出了6G網絡架構設計的指導原則，強調網絡功能與AI能力的深度融合[9]。目前，AI與6G網絡的深度耦合正逐步從理論研究向實際應用轉化，但仍需突破內生智能架構設計、網絡大模型/Agent研發與大小模型協同等技術瓶頸，并依托全球協作推動標準化和產業化進程。內生內生·開放·孿生02AI與6G網絡融合白皮書07空天地一體等新型業務場景的爆發式增長，移動通信網絡正面臨多維疊加的技術挑戰：在空口效率方面，需要攻克超大規模天線陣列的動態波束管理難題；在網絡架構方面，空天地一體化組網導致網絡拓撲復雜度成指數級提升；在服務能力方面，既要滿足時延敏感型業務，又需兼容帶寬密集型業務的服務質量需求。傳統基于規則驅動的網絡優化方法難以應對復雜多變的網絡環境，尤其在網絡運維和動態運行場景下，許多問題難以通過精確數學模型實現閉環優化。以深度神經網絡為代表的AI技術具備數據驅動的自適應學習能力，兼具動態場景下的實時推理效率與多目標的全局優化能力，正成為突破傳統通信技術瓶頸的關鍵路徑。因此，6G網絡能力的躍升亟需AI賦能，并在架構設計階段圍繞5G系統設計之初未原生集成AI能力，導致AI應用必須通過外部接口接入，業務耦合度低且分析結果需往返傳遞，時效性受限，同時集中式智能網元易成為資源瓶頸。6G智能網現與AI的深度耦合[10]，使AI分析與數據產生源（網絡功能）緊密結合，減少數據跨域傳輸與信令交互，提升決策實時性與資源利用效率。更為關鍵的是，6G內生智能需構建支持AI全生命周期管理的統一架構，協同調度網絡、數據、算力等多種資源。面對AI技術的快速演進和網絡的高穩定性要求，還需建立能力彈性機制，在保障網絡平穩運行的同時，持續引入新興AI6G內生智能網絡為網絡AI發展提供了廣泛資源，但資源的高效利用成為新的挑戰。面對AI應用的快速發展和多樣化服務需求，6G智能網絡須通過開放式架構設計，面向智能社會的千行百業釋放當前網絡的數據采集存在規模受限和成本過高的難題，阻礙了內生·開放·孿生網絡智能化演進的核心驅動力。這些技術的不斷發從通信與AI融合的現狀來看，目前AI用例多以傳統協議層劃分，針對具體場景設計定制化小模型，因其高效率、低實現復雜度和較強準確性，已在網絡優化、資源調度等領域取得顯著成效。然而，小模型在實際部署過程中往往存在泛化性能不足、難以復用等局限。隨著AI與通信網絡需求的不斷擴展，如何實現小模型的高效管理和泛化能具備知識抽取、多模態融合、跨域泛化、自主規劃與學習及自進化等核心能力。通過融合通信領域專業數據構建網絡大模型，并面向典型通信場景開 發Agent系統，可充分釋放大模型/Agent在數據 分析與邏輯推理方面的優勢，使通信網絡具備自 規劃、自學習、自進化的能力，靈活應對更高層次 和更豐富的應用需求，助力智能網絡向“智簡網絡”發展。數字孿生技術則在6G網絡的規劃與運維中展現獨特優勢。通過對網絡結構、環境和行為進行精細模擬，實現網元孿生、環境仿真與行為預測等功能，數字孿生能夠有效緩解真實數據短板、縮短算法迭代周期、提高資源配置效率。結合大模型等先進技術，數字孿生有助于實現個性化資源分配和精準性能優化，賦能網絡多場景服務能力，打造科學高效的網絡訓練、部署與優化平臺，為網絡規劃和決策提供強有力支撐，推動無線通信網絡邁向高08AI與6G網絡融合白皮書09絡融合實踐中仍面臨諸多挑戰。其一，需要確保AI模型在多網元、跨域等復雜場景下穩定高效協同，防止算法偏差導致的誤判、進而影響網絡整體性能與用戶體驗；其二，算力供給與算法性能間的平衡至關重要，在有限資源條件下兼顧高性能和低能耗問題、開放程度與數據安全性的平衡，也是實現商總之，AI與6G網絡的深度融合正處于快速發展和持續突破的關鍵階段。充分發揮小模型的高效性、大模型/Agent的泛化能力以及數字孿生的模擬優化價值，將是6G邁向高度智能化的核心路徑。未來通信與AI的融合技術發展將呈現分層演進趨勢：網元級側重于高性能和高效部署驅動，高層聚焦多任務、多網元的協同，頂層則以大模型賦能的強智能為核心動力。針對特定用例和場景，小模型將持續創新并廣泛應用；而隨著AI技術進一步發在大模型與網絡的融合路徑上，不同網絡域的發展進程存在先后順序。例如，在運維智能與運行智能、核心網與接入網側的融合推進上，通常會優運行智能。實際部署中，既有網元集成，也有云化兩種方式：網元集成主要解決實時性要求，云化則內生·開放·孿生來自系統外部的多樣化智能體應用。當前，智能體在6G運維場景中的應用更為成熟和可控，而在6G業務架構中的深度賦能尚需進一步研究探索。覆蓋的復雜任務，但這一過程需以單Agent的成熟和穩定為前提，Agent與通信的深度融合將是一個長期演化過程。同時，大模型/Agent正在多模態支撐等方面快速進步，通信領域面向具體場景的專業大模型與Agent方案同步推進，有望持續應對和數字孿生技術的發展將進一步提升網絡的高階智能和自主演進能力。數字孿生網絡的實現需要持續的目標牽引和分階段、分層次的系統構建，先從網元級孿生出發，逐步擴展到大規模的網絡級孿生系統。在數字孿生體系中，實現虛實孿生體的自主決策和協同，是邁向高級智能的重要標志，這一過 ......空口性能無線系統性能......模型評估網元運行數據通信行業知識......要實現大模型/Agent和數字孿生等AI技術與通信網絡的深度融合，必須在網絡功能、數據管理和算力管理等維度實現高度協同，并對網絡架構、流程和端到端設計提出更高挑戰。同時，隨著AI技術的持續快速創新，6G網絡架構必須具備足夠的彈縱觀AI技術發展，有通用能力基礎的底座模型，通過數據飛輪實現持續優化，通過強化學習提升推理能力，借助在線/離線學習增強泛化能力，并結分層分布式協同、AI能力開放等原則，并通過完善的生命周期管理，實現高效、靈活和可持續發展的AI與6G網絡融合白皮書AI與6G網絡融合白皮書03內生·開放·孿生算力、算法、數據等核心能力的解耦，并轉化為可獨立調用的模塊化服務單元。各AI要素可根據實際需求實現彈性擴展，算力資源可隨業務波動動態調度，算法模塊可根據場景動態更新迭代。通過靈活編排，實現不同層級網絡對各類AI要素的按需組合，打破資源孤島，提升智能服務的復用效率與響應速度，實現跨域資源高效共享。多維異構網絡AI資源協同控制：6G網絡需實現頻譜、算力、數據等多維異構資源的智能協同，通過AI動態生成資源分配策略，形成需求識別、策略制定、執行反饋的完整閉環管理。突破傳統靜態資源配置，實現資源與業務需求的精準匹配，鏈路層、應用層的傳統界限，建立端到端的全局優化體系。實現底層傳輸特性和上層業務需求的深度融合，消除分層架構的信息孤島，使網絡整體性能從局部優化邁向全局最優，大幅提升端到端服務質量。網-云”分層架構，在各層級注入差異化AI能力：終端側重輕量化推理，基站及邊緣節點提供實時智能計算，網絡層實現區域協同，中央智腦實現全局優化。支持AI模型分布式訓練/推理與多節點智能實現對AI數據處理、模型訓練、部署、更新等全流虛實融合智能決策：6G智能架構要堅持虛實融合，通過數字孿生體實現物理網絡的實時映射，AI引擎結合歷史數據和仿真演練，支持預測性運行與策略仿真。基于數字孿生與AI深度融合，網絡系統可實現自配置、自優化、自修復等自治功能，推AI能力開放與定制：6G智能網絡應堅持AI能力開放，通過統一標準接口對外開放數據、算力和AI模型，支持各行業按需進行智能業務開發。提供定制化能力以適配不同行業差異化需求，如毫秒級延遲AI推理服務，打破技術壁壘，實現AI能力的社會普惠，推動“網絡即平臺、能力即服務”的智AI與6G網絡融合白皮書生態開放與標準統一：為實現全球協同創新，6G需在架構層面支持生態開放與共享，并與國際標準組織協作，制定統一的模型接口、數據格式、算力調度等標準，確保跨域的不同廠商系統間的互操作。通過認證與開源機制，降低技術融合難度，加快AI工具應用落地，促進智能生態可持續發展。NN......MAI應用AI應用AI應用AI應用AI應用AI應用AI應用內生·開放·孿生無線接入網、邊緣智腦、核心網、智腦中心五個層級，各層均內生AI能力，并共同構建了多層次的交互接口打通各層，實現跨層協同與端到端高效聯動，同時支持AI服務能力的開放。在這一多級智能體系中，融合智能孿生機制，進一步促進6G網絡力持續下沉。物理層引入AI信道估計、AI低導頻傳度與自適應重傳策略等智能決策機制。系統級智能管控則通過整合無線工具庫和歷史數據，支撐無線側AI生命周期的本地化管理。核心網支持網絡大模型的部署，并協同整合接入網與核心網的數據，實現從終端接入到業務卸載的全局智能優化。網絡中可部署多類型Agent，結合網絡孿生平臺，通過虛擬鏡像方式模擬不同AI策略的實施效果，實現對歷代移動通信網絡架構在一代無線通信周期內基本保持不變。隨著AI技術的迅猛發展，6G網絡架構必須具備對新型AI技術的兼容和可持續應用能力。在連接、AI、數據、算力等基本要素深度融合的基礎上，6G功能架構采用服務化設計理念。采取解耦設計，確保6G網絡能既具備確定性的內生智能功能，又能靈活適應AI技術的迭代升級。AI與6G網絡融合白皮書在6G網絡架構設計中，AI數據的高效流轉與網絡內生AI生命周期管理是6G內生智能的重要基將AI數據、算力、生命周期管理等核心要素深度嵌“控制與數據執行分離”是移動通信網絡演進中逐步積累的實踐經驗。在AI能力實現上，6G架構引），CECE......功能模塊化與服務化編排，將AI相關能力解耦為可獨立調用的網絡服務單元。數據管理功能（DMF）作為“數據管家”，實現網絡多模態數據的統一管理；算力調度通過計算控制功能（CCF）功能（AIMF）作為“AI生命周期引擎”，覆蓋從模內生·開放·孿生另一方面，基于AI動態優化數據傳輸，針對不同業務類型智能選擇最優的數據部署實時智能處理引擎，支持動態算法加載，實現高效的數據預處理、清洗和特征算力調度中樞：CCF的智能資源編排作為“6G網絡算力”的核心調度器，CCF實現統一納管，實時監控各算力節點負載，并制定優化調度策略。通過建立“端側輕量訓練/推理-邊緣調配無線與計算資源，保障各類業務的高效處理。提供設計、訓練、部署、優化全流程自動化。設提供設計、訓練、部署、優化全流程自動化。設計階段將網絡優化需求（如降低切換失敗率）轉化為可執行的AI任務描述，自多模態訓練（集中式、分布式、聯邦學習等）。部署階段結合業務需求靈活選擇部署位置（如邊緣節點或云端）。優化階段設有實時監測機制，當模型推理精度下降在兼容現有注冊機制的基礎上，擴展模型注冊、智能體注冊、工具注冊等能力。在兼容現有注冊機制的基礎上，擴展模型注冊、智能體注冊、工具注冊等能力。模型注冊涵蓋版本、接口、資源消耗等元數據，便于快速檢索調用。智能體注冊AI與6G網絡融合白皮書6G架構兼顧核心功能的確定性與未來AI技術的可擴展性。基礎功能部分（數據、算力、AI生命周期管理等核心模塊）采用緊耦合、標準化服務接口設計，保障關鍵業務的高可靠性和確定性體驗。針對新型網絡大模型與AI算法，則采用松耦合、插件化架構，支持動態加載和靈活接入。通過構建成熟后可通過RM注冊機制無縫納入生產網絡。核心功能拆分為獨立可部署單元，模塊支持版本獨立演進，無需調整通信與AI生命周期管理架構，實現能力的開放基座。6G無線基站通過智算板卡與邊緣推理單元的深度融合，形成“基站即智能節點”的具備低時延AI服務能力，依托邊緣GPU資源池實現AI服務的開放運行。核心網通過安全隔離機制，保障智算資源的安全可控；多租戶隔離技術實現通信算力與AI算力的邏輯分離。通信核心算力專注于信令處理、會話管理等實時功能，確保6G協議棧的高可靠性；AI增強算力則面向第三方開發者智腦中心作為6G網絡的“中央智腦”，通過超大規模智算集群，成為全局智算引擎。它匯聚接入網與核心網的數據資源，訓練跨域協同的網絡優等智能體，完善智能體生態。依托泛在連接能力，實現智腦中心與邊緣節點算力資源的池化，打造內生·開放·孿生網絡AI服務化，通過網絡資源服務化封裝，構AI服務能力的高效輸出和廣泛應用。開放接口體系賦能各行各業智能化轉型，潛在的開放模式包括：開放算力資源池（基礎設施即服務IaaS）、開放預訓練模型（模型即服務MaaS）、開放可編排智能體（智能體即服務AaaS）。6G網絡AI服務技術將打造“運營商提供設施與平臺—開發者構建智能應用—用戶享受個性化服務”的良性產業生態，推在6G系統內生智能架構的驅動下，數字孿生與AI技術深度融合，進化為具備自主決能孿生。這一演進突破了傳統數字孿生“鏡像映射+規則驅動”的局限性，通過整合神經網絡、強化在設備狀態數字孿生鏡像的基礎上，物理層的智能化得到增強，引入了實時AI特征注入能力。系其輸入智能孿生空間，實現高精度信道建模。在高層功能方面，系統部署了分布式智能體集群，每個智能體負責特定的優化目標（如資源調度、干擾協調等）。智能孿生空間能夠實時模擬不同調度策略的效果，并通過與大模型的交互，生成最優調度方源利用效率。智腦中心引入網絡大模型，作為智能孿生的“中樞大腦”，整合接入網與核心網的跨域數據，構建網絡運行的深度知識圖譜，實現對系統運行狀態的預測性保障，大幅提升網絡的穩定性。的雙環機制，實現AI策略與物理網絡的高效協同。在智能孿生空間的內閉環中，系統通過構建與物理網絡等比例映射的虛擬環境，對AI生成的策略進行多維度驗證，包括性能評估（模擬實施后的網絡性能變化）、風險評估（通過注入調整方案，檢驗策略魯棒性）等。依托模型自優化機制，孿生系統可根據驗證結果自動觸發模型優化流程：當策略效果未達預期時，系統追溯至數據預處理或算法層，形成“驗證—診斷—優化”的閉環。在物理網絡的外閉環中，經過內閉環驗證的策略采用漸進式方式在現網小范圍試點部署，實時采集實際運行數據，并與孿生預測結果對比，以支持后續大范圍平滑擴展和部署。同時，物理網絡的真實運行數據通過雙向數據反饋機制，反向注入智能孿生空間，用以動態更新模型的訓練數據和智能體的決策規則。通過這一雙向交互，智能孿生的網絡狀態映射精度AI與6G網絡融合白皮書隨時間不斷提升，最終形成“物理網絡反哺數字孿智能孿生與6G網絡深度耦合，構建起“物理世界—數字孿生—智能決策”協同體系。智能孿生關鍵載體，促進通信網絡從工具型基礎設施向智能型生態系統的歷史性跨越。隨著智能孿生閉環演進優化、自生長”的終極目標，為未來應用場景打造標，通過協議體系的重構與服務接口的標準化，實現網絡復雜度的下降和智能能力的原子化集成。AI能力解耦為可獨立調用的智能原子，并通過標準化在協議層面，6G網絡對傳統分層協議架構進行重構，在保留原有控制接口的基礎上，新增專為型參數及梯度等）的傳輸需求，特別設計了輕量級實現比傳統比特流更高效的AI特征數據傳遞。智能體間通信遵循智能體通信語言標準，定義了標準化的智能體交互接口及通信協議，不僅支持網絡內智的高效協同。傳統無線通信協議棧進一步升級為可編程協議棧。配合面向AI數據高效協同與傳輸的新型協議，與無線網絡協議棧深度融合，實現協議在服務接口方面，通過標準化的控制、數據、模型與智能體等多維功能接口，搭建起高效的連接橋梁，使數據流通、指令下發、模型上下文傳遞及智能體協同等變得更加流暢高效。面向6G時代的智能通信架構，借鑒HTTP/3.0、QUIC及SSL/TLS等先進協議與安全技術，進一步提升6G網絡的信復雜性有效隱藏于底層架構之中，大幅降低網絡復雜度和運維成本，同時顯著提升資源調度效率，推動6G走向更敏捷、更高效的發展方向。用戶與智能體將獲得無縫、智能的通信體驗，智能能力亦能按需調用。6G智能網絡協議為面向未來的智能化場內生內生·開放·孿生04AI與6G網絡融合白皮書6G無線空口承擔著提升數據傳輸速率的核心任務，對實時性、準確性和可靠性有著極高要求，同時還需致力于降低通信系統能耗，實現能效與性能的雙重提升。為滿足6G對于極高數據速率、超高可靠性、極低時延、超高連接密度和低能耗的綜合需求，無線空口需要攻克多重難題：如在利用超大規模天線提升速率的同時，降低信號處理復雜度與能耗，減少信道狀態信息（CSI）獲取的信令開銷；在提升連接密度的同時，降低接入時延和設備能耗，并優化接入機制與頻譜分配的復雜性。例如，基于AI的低開銷CSI反饋、波束預測術將內生嵌入無線空口的設計全流程：通過AI驅動基于AI模型預測頻域/空域的信道狀態，有效降低信令開銷、提升系統頻譜效率；同時，開發智能化接收機，利用AI實現信道估計、均衡、解調、解碼等多模塊的協同優化，降低接收機復雜度并進一步面臨計算復雜度高、難以獲得全局最優解、靈活性超大規模天線陣列和分布式組網模式使系統變量維在此背景下，AI以卓越的全局尋優能力展現出獨特系統架構，支撐多維度、動態資源管理。通過內生AI引擎，能夠實現算力、存儲、數據的全局感知與彈性調度，實現業務需求與網絡狀態的超實時自適應匹配，支持復雜場景下的資源拓撲重構與能效最優配置。同時，AI將基于實時采集的網絡負載與用戶分布，智能自適應調整基站發射功率與天線方向圖等參數，優化覆蓋質量和頻譜利用率，并通過多內生·開放·孿生22作為新一代數據處理中樞，6G網絡需在高度推動連接、算力、算法與數據等多要素的全局協同調度。其核心目標在于：構建覆蓋AI全生命周期的資源編排體系，破解傳統外掛式AI在算力、數據與連接之間跨域協同效率低下的瓶頸，建立面向多模態媒體交互與AIAgent互聯等新興業務場景網絡需突破傳統協議棧限制，創新差異化的數據傳輸方案，構建融合業務意圖理解與數據處理的新型架構。借助AI對數據傳輸、業務感知和資源效率的全方位賦能，可打造具備自感知、自優化、自演進能力的智能數據面架構。通過將AI能力深度嵌入網絡協議棧，實現從數據采集、特征提取到策略生成的全流程閉環優化，有效消除外掛式AI模塊的跨層交互時延。典型應用場景包括：基于業務畫像，實現按需數據采集和就地數據處理，提升網絡數據流轉效率；深入分析新型業務載荷特征及傳輸模式，與6G網絡的深度融合，可實現從數據平面到業務平面的全方位優化，切實提升跨域數據傳輸與網絡資源的全局調度效率，為未來智能化應用場景夯實基礎。通過大模型與小模型的協同配合，6G網絡突破了單一模型的能力邊界，實現了低時延快速響應決策與復雜推理能力的有機結合，同時兼具輕量低功耗與海量算力跨域泛化優勢。大模型為網絡提供豐富的資源和知識支撐，小模型則聚焦于動態優化與場景適配，由此打造出架構簡潔、功能高效的智簡網絡生態。AI23能各類智能體應用及場景。智能體應用不再局限于模型通信協議和智能體間通信協議的理念及增強，移動通信網絡將開放邊緣節點，為智能體應用提供AI感知、多模態視覺分析和實時決策等服務。6G采用統一標準的智能體通信協議，實現智能體通信的標準化和業務配置模型的一致化，高效支撐智能體間的互聯互通，助力智能體應用的普及和升級。o大模型能力賦能網絡智治驅動”演進。大模型具備“全景認知理解”和“意圖交互驅動”等強大能力，為自智網絡實現高級智能治理提供關鍵基礎。借助通信行業大模型，可構建原子化智能能力，賦能網絡高效決策。當前，大模型正在由以Copilot和單場景Agent部署為主的的第二階段演進，著力攻關多域端到端（E2E）復雜場景下的智能化難題。未來，大模型將依托強大的數據分析、推理與意圖識別能力，簡化并提升網絡治理的智能化和高效性，為6G自智網絡提供堅總流量提升5%o網絡大模型融入網絡運行面對6G網絡跨域協同復雜、異構資源調度動態性強等挑戰，亟需打破5G時代“煙囪式”服務模式和外掛式能力引入的局限。基于多層級內生智能網絡架構，網絡大模型能夠為6G高效運行注入內生·開放·孿生24強大動力。網絡大模型可通過構建用戶畫像、推演網絡態勢，形成通信領域知識圖譜以及時空多模態感知、計算等多模態數據，結合多步推理機制，有效應對業務意圖模糊識別、跨域資源動態映射等難題，賦能運行層面的網絡功能靈活編排與資源自o智能體技術賦能網絡自主從工作流角度看，AI智能體依托預設規則和智能算法，通過分層協同架構，結合單域智能體和跨域多智能體協作，共同支撐網絡運維和運行的自主化編排與動態優化。隨著智能體技術不斷演進，網絡系統正從被動響應向自主決策轉變，具備大模型驅動的任務分解能力與反思式學習機制。代理型AI三階段閉環，為網絡賦予類人類的主動推理及動態調整能力，簡化操作流程，使網絡由開環配置逐步邁向全流程閉環的自主運行。需要進一步研究以確保其在復雜網絡環境下輸出穩定、可靠的智能服務。其次，大模型的部署對硬件需在保障性能的前提下優化節能策略。此外，還需加快標準化與互操作性研究，推動不同廠商和技術大模型和Agent技術正深刻影響6G網絡的設計與演進。盡管面臨諸多挑戰，這一變革為通信行業帶來了極大的內生智能能力提升空間。未來，大探索智能協同方案：推動大模型/Agent與6G網絡在端、邊、網、云等多層次的協同與融合，持續 強化安全與信任機制：制定可信策略規范大模型/Agent行為，利用其強大分析與預測能力加強6G推進標準化進程：推動大模型/Agent與6G網絡融合相關標準，尤其是跨域標準化，促進各方力量隨著無線通信網絡組網和運營需求日益復雜，數字孿生技術憑借其精細的網絡模擬和高保真建模通過構建高精度物理網絡鏡像模型，數字孿生不僅能夠為物理網絡提供網元孿生、環境仿真與行為預AI與6G網絡融合白皮書25采集范圍有限的困境，還為新型通信協議和AI驅動技術創新提供豐富的試驗土壤，助力通信行業不斷數字孿生能夠對物理環境實時映射與高保真數字孿生技術具備高保真、實時映射物理環境大規模MIMO波束智能管理、高精度定位等）了技術探索的實驗場域。同時，借助AI強大的數據處理及分析能力，可以更加高效地挖掘和應用數字孿生環境下的豐富數據，實現AI模型與場景用例的正在重塑AI與6G融合的技術驗證范式。在大規模MIMO場景下，數字孿生可構建與實際場景等效的波束空間信號模型，通過AI算法實現更優的波束選數字孿生進一步融合基站實測、射線追蹤及無線電地圖建模等多源數據，構建非視距條件下的高維數據動態模型，有效突破信道測量的物理約束，驅動形成從算法創新到系統級驗證的閉環，為6G時代AI驅動的前沿通信技術提供高保真的虛實協同驗證數字孿生平臺具備獨立計算資源和大量模擬數字孿生平臺具備獨立的計算資源和豐富的模擬數據，不斷向內生智能網絡提供優化迭代和持續更新的AI模型，推動網絡智能水平邁向高階自治。作為AI能力的“訓練場”，孿生平臺為AI模型提供遠離現網壓力的大規模訓練環境以及充足的數據依托孿生平臺與真實環境的高效交互機制，孿生環境中訓練生成的AI模型可無縫遷移并直接內生·開放·孿生26復用于物理網絡。這種協同不僅減少了對現網計算資源的依賴，還有助于避免