摘要：华中科技大学教授，IMT-2030（6G）推进组网络智能组副组长，入选国家级人才计划青年项目。曾任美国自然科学基金NSF大学与工业联合研究计划资助的BWAC大型研究中心Center Manager。在国际电信联盟ITU-T牵头多项国际标准。担任CCF A类推荐

本期专题

6G内生智能理论与关键技术

专题客座主编

（华中科技大学教授）

华中科技大学教授，IMT-2030（6G）推进组网络智能组副组长，入选国家级人才计划青年项目。曾任美国自然科学基金NSF大学与工业联合研究计划资助的BWAC大型研究中心Center Manager。在国际电信联盟ITU-T牵头多项国际标准。担任CCF A类推荐期刊IEEE Transactions on Mobile Computing副编辑和20多个专业主流期刊和会议的技术委员会成员。牵头获湖北省科技进步一等奖和IET全球创新奖。研究兴趣包括无线通信、云/雾/边缘计算、网络智能、语义通信和语义认知网络等。

（1.中国移动研究院，北京 100053；

2.中关村泛在创新与应用研究院，北京 100080）

【摘 要】未来移动通信的各种业务和应用场景需要更实时泛在的AI服务支持，ITU已将6G场景扩展到泛在智能，6G需要将AI打造成内在的新能力和新服务。当前5G网络以“场景用例驱动、外挂或嫁接式”的方式支持智能应用，其性能、通用性和效率都有待提升。因此，提出了6G无线网络智慧内生架构，引入AI服务编排、AI任务控制、多维资源融合控制/承载和网络数字孪生功能，完成AI业务需求到底层多维网络资源的按需协同映射，实现端到端、差异化的AI服务质量保障，灵活、高效地为网络自身和千行百业提供高质量的AI服务。最后，提出分布式AI模型部署和通感智控融合等关键技术潜在研究点，以适应未来AI大模型、智能体的发展趋势。

【关键词】6G；智慧内生；AI服务质量；网络数字孪生；智能体

6G智能内生2.0新需求与基于智能体的网络架构设计

（1.移动网络和移动多媒体技术国家重点实验室，广东 深圳 518057；

2.中兴通讯股份有限公司，广东 深圳 518057）

【摘 要】6G无线系统智能内生已从1.0阶段发展到2.0阶段，旨在借助通信大模型的深度AI能力，把AI资源能力和6G无线系统更深度无缝地融合和双向耦合赋能。业界对6G智能内生技术需求多重多样且轻重迫切程度不同，会导向不同的网络AA产品形态和技术演进路线，因此亟待体系化梳理及统一认知，从而促进6G产业标准化落地和健康发展。从6G智能内生技术概念和发展愿景切入，梳理和研讨智能内生2.0阶段的多重新需求，进而探讨基于大模型的网络智能体AI Agent（AA），如何应对6G无线系统设计和体系架构带来诸多潜在的影响和待解决的关键问题，例如：场景需求、系统架构和接口影响。最后，再探讨围绕网络AA内生应用的若干开放性问题。

【关键词】6G无线系统；智能内生；智能体；系统架构；智能面

面向6G内生智能的天地空一体化智能感知与资源优化

（哈尔滨工业大学通信技术研究所，黑龙江 哈尔滨 150001）

【摘 要】随着6G天地空一体化网络推进，卫星地球探测业务在多领域广泛深入应用，无源EESS的干扰问题日益显著。恰逢6G内生智能兴起，为解决该问题提供新思路。重点探讨基于ITU标准的无源EESS干扰及优化策略，分两部分：一是在最低仰角、6G天地空复杂环境下，分析不同环境密度基站对卫星覆盖区影响，评估是否满足ITU干扰门限；二是以6G内生智能为依托，在满足门限前提下，优化地面基站波束成形矢量，实现系统吞吐量静态聚合。结合以上内容，探讨对提升无源EESS性能的意义，为6G时代卫星通信系统干扰管理与性能优化提供理论与实践指引。

【关键词】EESS；卫星通信；干扰管理

通信大模型：技术进展与案例研究

（1.清华大学电子工程系，北京 100084；

2.北京邮电大学网络与交换技术全国重点实验室，北京 100876）

【摘 要】随着大模型技术不断向领域定制化、多模态融合及多任务处理能力深化，通信大模型在赋能网络智能化转型、高效优化资源配置、以及提升用户体验等方面展现出前所未有的潜力和价值。首先从云侧、边缘及端侧三方面系统性地综述了通信大模型的分类体系及主要网络功能。进而，探讨了通信大模型的预训练与参数微调策略，特别是强调了任务导向的参数微调和交互式协作推理等关键技术。接着，通过分析具体案例的成功实践，如中国移动九天大模型、中国联通元景大模型和中国电信星辰大模型，深入剖析了通信大模型在精细化网络管理、高效数据传输策略制定及用户体验全面升级等方面的核心优势与巨大潜力。最后，展望了通信大模型在未来网络智能化演进、创新服务模式探索及运营效率提升等方面的广阔研究前景，同时也总结了诸多前沿技术挑战，包括数据隐私与安全的严格保障、模型泛化性与鲁棒性的增强、实时处理能力的优化以及系统可扩展性的改善等。

【关键词】通信网络；大模型；网络智能化；模型调优

面向语义信息高效传输的MIMO系统抗噪技术研究

张语涵，韩书君，孙梦颖，许晓东

（北京邮电大学，网络与交换技术国家重点实验室，北京 100876）

【摘 要】随着通信与智能融合的快速发展，语义通信因其在提高信息传输效率及降低冗余方面的显著潜力而备受瞩目，其中，语义通信与MIMO系统的融合更是成为研究热点。然而，在噪声干扰环境下，如何确保MIMO系统传输的语义信息的完整性和准确性，仍然是该领域亟待解决的主要难题。针对上述问题，提出了一种新型的语义通信MIMO系统抗噪模型SC-MIMO-Anti。基于深度学习技术，该模型集成了抗噪神经网络模块，通过综合考虑传输的语义信息和信道状态信息，对语义信息传输过程进行优化，从而提升语义通信的整体性能。仿真实验结果表明，SC-MIMO-Anti模型在确保语义信息传输质量的同时，展现出了更强的鲁棒性和抗干扰能力。特别是在信道条件恶劣的情况下，其性能优势尤为突出。此外，对比实验进一步验证了所提出的抗噪方法在语义通信中的优越性，具体而言，在SNR为0 dB时，SC-MIMO-Anti相比传统抗噪方法的语义通信MIMO系统，句子相似度提升约6.1%。

【关键词】语义通信；多输入多输出系统；抗噪模型；鲁棒性

6G网络中分布式AI模型协同技术综述

（1.南京晓庄学院电子工程学院，江苏 南京 211171；

2.南京邮电大学通信与信息工程学院，江苏 南京 210003）

【摘 要】分布式网络人工智能模型协同技术是分布式数据安全流通的底层支撑，是实现6G网络智慧内生的关键技术。对6G网络中的模型协同技术进行了全面的综述。回顾了中心侧大模型中，数据并行、模型并行及混合并行等模型协同技术。面对边缘智能中边缘节点算力及内存不足、通信带宽受限的问题，从拆分学习、联邦学习、拆分联邦学习、分布式群体学习等几个方面探讨总结了边缘智能的模型协同技术。最后，强调了在6G网络中，为了不重复训练相似的大模型，需要大小模型协同进化。

【关键词】分布式AI；6G；模型协同；大模型

AI赋能的语义通信系统信道自适应技术研究

（1.上海交通大学，上海 200240；

2.中国航空无线电电子研究所，上海 200241）

【摘 要】基于人工智能（AI）驱动的语义通信系统在面对动态变化的无线信道环境时，性能往往会显著下降。目前，现有方法通过给联合信源信道编码外挂神经网络模块来处理信道状态信息。然而，虽然这些方法能够在变化的信道条件下提高系统性能，但是外挂模块却带来了额外的模型参数与计算负担，增加了编解码延迟。针对这一问题，首先研究最新Mamba模型固有特性，推导了其对于初始状态的闭式响应，并从其闭式响应中发现了对于初始状态信息的遗忘特点。基于此发现，提出了一种内生式信道自适应方法。该方法通过将信道状态信息引入到模型初始状态，并在模型遗忘信道状态信息时重新将信道状态信息注入到状态空间，实现了无需额外计算与参数的情况下，使得模型能够感知信道状态并自适应地进行编码，从而在不同信道状态条件下提升系统性能。

【关键词】6G；语义通信；联合信源信道编码；信道自适应

（1.浙江大学信息与电子工程学院，浙江 杭州 310027；

2.东南大学，江苏 南京 211189）

【摘 要】鉴于大模型（或基础模型）越来越受到关注，例如生成式预训练模型（GPT）及其在各种计算任务中的应用，介绍了将大模型应用到无线通信领域产生的无线大模型。首先给出无线大模型的基本概念，并从安全、隐私、伦理和高能效四个方面对研究现状展开介绍。在安全方面，分析了投毒攻击、后门攻击等对无线大模型的威胁；针对隐私问题，介绍了差分隐私、联邦学习等技术在保护用户数据隐私中的应用；在高能效设计中，概述了模型压缩、数据选择等优化策略，以在性能与能耗间实现平衡。最后面向6G无线网络，给出了内生智能无线大模型的架构，强调其在云-边协同计算、语义通信和跨领域整合中的应用潜力。

【关键词】6G；AI大模型；联邦学习；语义通信

基于语义认知与生成的沉浸式通信网络架构研究

（1.华中科技大学电子信息与通信学院，湖北 武汉 430074；

2.中国地质大学（武汉）机械与电子信息学院，湖北 武汉 430074）

【摘 要】沉浸式通信是IMT-2030的关键应用场景之一，涵盖沉浸式XR、元宇宙、全息通信等新兴典型用例。然而，沉浸式业务对高分辨率、高帧率数据传输的需求，为当前通信网络架构带来了巨大的挑战。因此提出了一种基于语义认知与生成的AI内生沉浸式通信网络架构，旨在确保用户体验的同时，有效降低传输数据流量，并支持个性化视频渲染与传输。具体而言，用户可通过语义认知与推理机制，从物理世界的原始数据中提取丰富的语义知识信息，而接收端用户则可利用生成式AI模型，将语义信息映射为三维多视角的视频表示。并以工业数字孪生为案例场景，构建了一套智能机械臂虚实共生的原型平台，以评估所提出架构的性能。实验结果显示，相较于传统通信架构，该方案能够显著降低数据传输负载及端到端时延。

【关键词】6G；沉浸式通信；语义认知；生成式AI

基于联邦强化学习的数据中心网络拥塞控制算法

（1.中国地质大学（武汉）机械与电子信息学院，湖北 武汉 430074；

2.华中科技大学电信学院，湖北 武汉 430074；

3.烽火通信科技股份有限公司，湖北 武汉 430074；

4.湖北华中电力科技开发有限责任公司，湖北 武汉 430070）

【摘 要】拥塞控制算法对于确保数据中心网络实现高效且可靠的数据传输至关重要。然而，传统算法由于采用固定的参数设置，难以在动态变化的网络环境下实现高效的数据传输。现有的基于强化学习的拥塞控制方案虽然有效，但大都采用集中式学习训练的方式，存在数据孤岛问题以及原始数据共享引发的隐私泄露风险。为此，提出了一种基于联邦强化学习的拥塞控制框架。该框架充分利用分布式网络架构的优势，将每个网络设备视作独立的智能体，并通过联邦学习技术实现多智能体间的协同训练。这种方法不仅有效保护了各参与方的数据隐私，而且通过整合各个智能体的成果和策略，提升了模型适应性和泛化能力。在此基础上，以基于联邦强化学习的显示拥塞通知阈值调优为案例进行研究，在多种实验场景下验证了所提架构的性能。

【关键词】数据中心网络；拥塞控制；强化学习；联邦学习

（1.中南大学计算机学院，湖南 长沙 410083；

2.新疆大学软件学院，新疆 乌鲁木齐 830049）

【摘 要】内生智能的通信网络被认为是第六代移动通信网络发展的关键技术之一。在深入分析开发内生智能网络数据分析功能网元所面临的数据采集、隐私保护、模型管理以及灵活可扩展等挑战的基础上，提出一种具备并行化数据采集与处理能力、高效化模型训练与管理机制以及强容错性和可扩展性的内生智能网络数据分析功能网元开发架构。该架构旨在实现数据采集、数据分析、数据存储、模型决策一体化的目标，从而能有效应对第六代移动通信网络环境中的复杂需求。结合Kubernetes、流式化处理、微服务化等前沿技术，开发了实验室环境中的验证系统平台，进而验证了所提出架构的有效性并分析了系统性能。

【关键词】内生智能；流式处理；网络数据分析功能网元

面向OTFS-ISAC系统的智能信道估计

（1.重庆大学微电子与通信工程学院，重庆 400044；

2.重庆大学物理学院，重庆 401331；

3.中国石油天然气股份有限公司西南油气田分公司重庆气矿，重庆 401120）

【摘 要】OTFS和ISAC技术均是6G移动通信的关键候选技术，OTFS和ISAC的融合系统OTFS-ISAC是当前移动通信研究的前沿。信道估计是接收机的关键处理，对系统性能起着重要的作用。同时，人工智能技术日益成为重要的通信系统信号处理手段。为此，对OTFS-ISAC系统的智能信道估计进行了综述。首先描述OTFS-ISAC的系统模型，包括调制、解调以及雷达和通信模型；其次，详细阐述了三种智能信道估计方法：基于贝叶斯学习的稀疏估计、基于具有自适应阈值的深度卷积残差网络的信道估计和基于迭代深度学习网络的信道估计，这些方法利用了人工智能技术为信道估计问题提供了新的解决途径；然后，探讨了OTFS-ISAC系统中信道估计面临的技术挑战，包括信道特性的复杂性、参数估计的不一致性与复杂性、资源分配和开销问题以及技术融合与兼容性问题；最后，展望了技术创新与突破、标准化与规范化、应用场景的拓展以及跨领域合作与融合的未来发展方向。

【关键词】OTFS；ISAC；信道估计；人工智能；深度学习；贝叶斯学习；6G

（1.清华大学北京信息科学与技术国家研究中心，北京 100084；

2.重庆邮电大学通信与信息工程学院，重庆 400065；

3.清华大学电子工程系，北京 100084）

【摘 要】MEC网络将计算和存储资源下沉到网络边缘，以满足未来6G业务的低时延要求，MEC网络中多维资源的管理和调度决策是提升用户体验的关键。针对MEC网络中的资源管理决策问题，提出了基于Lyapunov优化的分布式资源管理算法。具体来讲，引入任务数据队列及虚拟能量队列，以确保任务执行的公平性，且避免了系统负载过大时造成的过度拥塞问题，并且通过Lyapunov优化理论构建目标函数，基于DDPG算法进行求解。另外，考虑MEC服务器对基于DDPG的决策模型具有不同需求，将异构网络部署在不同的边缘服务器中，构建分布式多连续变量决策模型。仿真结果表明，所使用的分布式决策算法的收敛性和稳定性更优。

【关键词】MEC网络；Lyapunov优化；资源管理决策

视频语义编码：现状、挑战与展望

令潇越，鲁国，张文军

（上海交通大学电子信息与电气工程学院，上海 200240）

【摘 要】语义通信作为一种新兴的通信范式，通过直接传递信息的语义内涵提升通信效率，满足多样化的应用需求，也被称为面向任务的通信。视频语义编码作为其重要组成部分，逐渐成为研究热点。基于此，回顾了视频语义编码领域的研究进展，将现有方法分为两类：深度学习驱动的编码框架和传统与智能协同编码框架。首先，介绍了深度学习驱动的编码框架，包括特征流编码、视频流编码和人机协同编码三种技术路线。这些方法依赖于全神经网络，通过端到端优化提升性能，但其高计算资源需求限制了实际部署。接着，探讨了传统与智能协同编码框架。该框架结合传统编码与人工智能技术的优势，提升了系统的性能与灵活性。最后，总结了视频语义编码面临的挑战，并展望了未来的发展方向。

【关键词】语义通信；视频编码；机器视觉任务

基于内生智能的6G网络形态自演进机制研究

（北京邮电大学，北京 100876）

【摘 要】随着对超高速率、超低时延、超可靠连接需求的增长，6G网络需通过形态自演进机制满足动态环境需求。借鉴了生物种群进化思想，提出了一种基于内生智能的6G网络形态自演进机制，考虑“形态演进”范式，通过模拟生物演进中自然选择与遗传变异过程，使网络能对不同网络需求和应用场景快速、精准地作出响应。通过仿真实验，验证了6G网络形态自演进在动态环境下的有效性。结果表明，该机制能够提高网络适应性，为6G网络形态设计提供了理论支持。

【关键词】6G网络；内生智能；形态演进；强化学习

（1.中国科学院数学与系统科学研究院，计算数学与科学工程计算研究所，科学与工程计算国家重点实验室，北京 100190；

2. 深圳市未来智联网络研究院，香港中文大学（深圳）理工学院，广东省未来智联网络重点实验室，广东 深圳518172）

【摘 要】聚焦于多小区大规模多输入多输出（MIMO, Multiple-Input Multiple-Output）系统中基于协方差的活跃设备检测问题。在该系统中，活跃设备向多个基站传输其导频序列，基站根据接收到的信号协作地检测活跃设备。在单小区场景下，基于协方差的活跃设备检测模型的尺度定律（Scaling Law）已在文献中得到广泛分析，旨在分析基于协方差的活跃设备检测模型在多小区大规模MIMO系统中的尺度定律。具体来说，在衰落信道的路径损耗指数γ>2的情况下，建立了多小区系统中的二次尺度定律。这一结果表明，在多小区大规模MIMO系统中，当天线数趋于无穷大时，每个小区能够正确检测出的活跃设备数量的最大值随导频序列的长度呈二次方增长，且随着小区数量呈对数减少。此外，除了分析由球面上均匀分布生成的导频序列的尺度定律，还建立了由有限字母表生成的导频序列的尺度定律，这类序列更易于生成和存储。最后，提出了两种高效的加速坐标下降（CD, Coordinate Descent）算法来求解活跃设备检测问题，它们都具有收敛性保证。第一种算法通过非精确坐标更新策略来降低CD算法的复杂度；第二种算法利用积极集选择策略避免了CD算法中不必要的计算。仿真结果表明，所提出的算法在计算效率和检测错误概率方面表现出色。

【关键词】加速坐标下降算法；协作活跃设备检测；大规模随机接入；多小区大规模多输入多输出；尺度定律分析；导频序列

【25专题征稿】6G卫星互联网、语义通信、通感算一体化

《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国通信学会《信息通信领域高质量科技期刊分级目录》入选期刊、中国电子学会《电子技术、通信技术领域高质量科技期刊分级目录》入选期刊、中国应用型核心期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。

来源：移动通信编辑部