4 月 21 日至 23 日，由未来移动通信论坛、紫金山实验室共同主办的 2026 全球 6G 技术与产业生态大会在南京举行。大会汇聚全球知名的科研机构、行业组织、技术企业的学者与专家，围绕 6G 前沿技术突破、产业生态构建与应用场景探索展开讨论。在大会首日举行的平行会议 "AI 原生与自主 6G 系统 " 上，高通公司全球副总裁、中国区研发负责人、IEEE Fellow 徐晧发表了题为《AI 原生的 6G 系统：技术设计与创新应用》的主题演讲。

图为高通公司全球副总裁、中国区研发负责人、IEEE Fellow 徐晧在 2026 全球 6G 技术与产业大会平行会议发表主题演讲

徐晧认为，从 3G 到 6G，每一代移动技术的演进，都会不断涌现全新的应用场景，持续推动技术向前发展，而在 5G 向 6G 演进的阶段，一个重要的发展方向是智能终端应用的增加。目前 5G 的应用中，已经包含手表、手机、新能源汽车、扩展现实（XR）眼镜等终端。而发展到 6G 阶段，更多的则是人工智能、具身智能和机器人技术的发展。

徐晧表示，新技术的出现对用户的生活方式和交互方式具有深远的影响。如今，更多的 AI 智能体正在端侧落地。在高通看来，AI 是新的 UI（交互界面），能够同时理解和处理语音、图像、视频等多种输入形式，并通过大语言模型驱动 AI 智能体，支撑丰富多样的应用场景。

随着端侧 AI 应用的增多，对无线网络的需求将会显著增加。徐晧谈到，" 我们未来的流量需求可能会是现在的 3 到 7 倍，而且这里面有超过 30% 都是由 AI 驱动。" 徐晧也就如何应对 6G 流量需求分享了他的看法，一是频谱向更高频段延展，同时高通也在研究多种技术，希望做到在低频增强覆盖，在中频和高频增强热点流量和信道容量。

谈及机器人，徐晧提到，尽管现阶段机器人尚未深入千家万户，也无法完成很多日常工作，但如果将其类比智能驾驶辅助的发展可以看到，十多年前，没有多少人相信它能够自主地、一定程度上取代人类驾驶；但如今，我们看到在部分应用场景中已经可以实现较长时间的连续自主运行。

徐晧从技术层面具体介绍到，" 现在自动驾驶只是 2D 的 AI 环境。如果要实现机器人在物理世界中的应用，需要机器人能够有对整个物理世界有所理解，并且能够在 3D 空间中与人交互。像是现在这种通过 6G 系统，通过仿真和传感打造的一个精准的 3D 物理世界，也会对机器人的研究和应用有非常好的推动作用。"

此外，徐晧还介绍了高通在 6G 领域的其他多项研究及进展，包括在 6G 中实现更大规模的天线阵列，研究通信与传感的深度融合以更好地服务人工智能应用，以及围绕感知开展的一系列工作，例如面向低空经济的无人机感知等。。

以下为徐晧发言实录：

很高兴和大家分享，从高通的角度如何看待 6G 和人工智能（AI）的结合。

如果我们回顾从 3G 到 6G 的发展，除了技术本身的演进以外，很重要的一点是不断涌现的全新应用场景，在持续推动技术向前发展。从 3G 发展到 4G，我们从最初使用电子邮件通信，到后来语音传输、视频传输；发展到 4G、5G 时代，视频直播等应用已经非常普遍。在 5G 向 6G 演进的阶段，一个重要的发展方向是智能终端应用的增加。目前 5G 的应用中，已经包含手表、手机、新能源汽车、扩展现实（XR）眼镜等终端。而发展到 6G 阶段，更多的则是人工智能、具身智能和机器人技术的发展。我将会具体阐述，这些应用对 6G 的规划与设计会产生哪些深远影响。

首先，我们看到了 " 智能计算无处不在 " 的趋势，越来越多的智能终端和智能体正在落地端侧应用。以高通为例，一方面我们与国内的 OEM 厂商合作，推动终端侧 AI 的落地；另一方面，我们也打造了首款 AI PC，将 AI 算法应用在个人电脑中。大家近期应该听说过很多关于 " 养龙虾 " 的话题，这些是在 PC 端打造的 AI 智能工具，能够快速提高工作效率，在国外的开源社区也得到了非常广泛的应用。自动驾驶领域也有类似应用，目前的新能源汽车都可以实现直接语音交互，来进行调整空调、播放音乐等操作，这些功能现在已经成了所有新能源汽车的标配。

扩展现实（XR）也是现在日渐普及的应用，而且正快速从以前的虚拟现实（VR）眼镜，向现在的增强现实（AR）眼镜转变。现在的产品可以实现许多应用，例如两个佩戴智能眼镜的用户相互交流时，对话可以以文字的形式，直接在镜片上呈现出来，实时翻译和转写功能已经非常成熟。最近几年，诸如此类的应用的数量还会持续增加。稍后我会重点介绍工业物联网，也就是机器人产业的相关应用，以及我们在端侧和边缘侧的规划。

首先非常重要的一点是，新技术的出现对用户的生活方式和交互方式具有深远的影响。第一代智能手机问世后，我们从基础的语音通话拓展到在手机上查看邮件，在网络上搜索所需信息。如今，更多的 AI 智能体在端侧落地。我们也看到，近几年各类边缘侧智能终端也在不断涌现。以目前的应用现状来看，很多人认为，现阶段机器人尚未深入千家万户，也无法完成很多日常工作。有一个很好的类比就是智能驾驶辅助。十年前，没有多少人相信它能够非常自主地、（一定程度上）取代人类的驾驶；但是十年后，我们已经看到一些用户（甚至可以在）在完全不接手的情况下，从美国的西海岸到东海岸自动驾驶过去。

从 AI 的角度来看，车的本质是对二维空间的运用，而且对自动驾驶来说，最重要的是确保安全，并在设定的交通规则下行驶。对于机器人来说会更复杂，因为机器人要面对的是三维的空间，同时还需要跟人交互。对于车而言，最重要的目的是，在一个二维空间中不要撞到人以及周围的障碍；但是机器人要在三维空间中直接跟人交互。稍后我也会分享，比如通过 6G 的通感等技术，可以帮我们更好的打造物理空间的 AI 技术。

我们经常提到的一个概念就是—— AI 是新的 UI。这是因为现在的 AI 是一个多模态的模型，可以把我们的语音、图片、视频等形式的内容输入到 AI 智能体中，然后通过大语言模型来支持做一系列的应用。

随着在端侧 AI 应用的增多，对无线网络的需求将会显著增加。当前业界经常讨论，可能 5G 的利用率还不够高，或者说对于 5G 的需求没有那么大。但在今后的四五年，直至 6G 到来之前，我们会看到大量智能终端产生的需求，会产生更多的数据和流量。

这到底会产生多大的影响？一个很重要的方向是，当 6G 普及时，我们已经拥有智能手机、智能手表，以及 XR 等各类终端，我们需要打造的不仅是单一设备与网络一对一的连接，而是将这些终端设备整合在一起并进行统一的规划。举例来说，最节约资源的连接方式是，通过我的手表连接手机，或者 AR 眼镜连接手机，在这三个端侧同时进行规划，以实现更好的 6G 连接体验，以及更合理的算力分配。因此，我们看到在 6G 的设计中，需要考虑到多个终端的连接，以及多个终端之间的算力资源分配。

AI 应用会对网络产生怎样的算力需求？我想再分享几个例子。第一个例子是个人 AI 助理，比如你戴着 AI 眼镜去购物，AI 眼镜能够自动调用网络资源，帮你对比产品的线上与线下价格，以及为你提供更多的选项。它还可以通过家中的物联网摄像头，分析家中需要购买的东西等等。如果想要实现这样的应用，就需要知道它在下行以及上行需要的流量，以及时延是多少。另一个例子是现在更为常见的应用，即 " 见我所见（See What I See）"，是指能够把看到的内容实时上传到网上，这对于视频直播来说有很大的价值，这类内容的普及也需要有方便简洁的 AR 眼镜来支持。

如果有这样的 AR 眼镜，能够实时地把你看到的东西传到网上，第一，这对直播是很有帮助的。你拿着手机，或架着手机直播很不方便，对吧？但是如果你用上摄像头，或者是这样的 AR 眼镜，就会方便很多。第二，在你旅游的时候，可以随时把你看到的场景分享给你的家人和朋友。针对这样一款 APP，我们对它所需的上下行流量以及时延都做了深入的研究。第三，这也可以为虚拟形象通话（Avatar calling）提供帮助。当你不能去某些场所，像今天的演讲，如果你不能到场，你会有个虚拟形象帮你做这个演讲。此外，在个性化体验方面，比如在更好的在自动驾驶模式下，可以直接在你的挡风玻璃上显示出前面的路况和你应该走的方向。

所以，保守估计在 6G 时代，我们未来的流量需求可能会是现在的 3 到 7 倍，而且这里面有超过 30% 都是由 AI 生成产生的。大家知道，现在的通信流量大多覆盖的是人与人之间的交互；但未来随着 AI 需求的越来越多，6G 网络的能力肯定需要一个巨大的提升。

那么怎么解决 6G 的流量需求？第一个很简单的方法就是把频谱往更高的频段提升。我们知道在 5G 时代，我们有 FR1 和 FR2，一个是 6G 以下的频谱，一个是毫米波的频谱。在 6G 时代，我们会引入一个中高频的频谱，国内我们考虑最多的是 U6G 的频谱，北美可能更多考虑 7GHz 的频谱。

我们也在研究各种技术，希望做到在提高频谱的同时，也能尽量增强信号覆盖。我们在低频增强覆盖，在中频和高频增强热点流量和信道容量。下面我会举几个我们正在做的跟 6G 有关的原型机设计的例子，讲讲我们怎么把 AI、传感这些技术实现到网络里。

第一个是我们已经做了两三年的 Giga MIMO，这是一个重要的研究方向，就是在 6G 中实现更大规模的天线阵列。我们用到一个很重要的技术——全双工，因为基站做感知时，要一边发送信号，一边回收信号，要想同时做到发送和回收必须用到全双工技术。当然你也可以做双基地雷达（Bistatic radar），让更多的基站和手机协同工作，但会比单基地雷达（Monostatic radar）方式更复杂一些。所以，我们认为这是 6G 感知中一个非常重要的技术。

另外，我们也在研究怎样把传感和通信结合起来，以此提供更好的人工智能支持。刚才前面的嘉宾也提到过，做 AI 时我们面临的一个问题是，可能没有那么多的无线通信实际数据可以用来训练人工智能系统。我们的解决方案是，重建一个 3D 模型给 AI 提供仿真环境和更多数据，那么这其中很关键的一点，在提供数据之后，如何判断这个 AI 是不是能够在真正的网络中正常运行？我们做了一系列工作，比如端侧适配（on-device adaptation）或端侧训练（on-device training）。也就是说，当我们在仿真环境中做好了 AI 系统，在实际网络应用中，还会根据测量的结果做一些适配或者在手机上进行自适应训练，这样可以让整个系统更加鲁棒。

另外一个工作是跟感知有关的，比如国内关注度很高的低空经济。在无人机数量增多的情况下，空中实际没有像地面上那种受红绿灯控制的道路，我们该如何做到更好的无人机管控呢？通过无线系统来做无人机感知，是一个很重要的研究方向。

在刚才提到的系统里，我们用全双工基站来做无人机感知。另外还有一点很重要，就是我们要怎么打造一个网络，把通信、感知和 AI 都结合在一起。这里有一个比较好的例子：当我们做毫米波网络规划时，即使拿到了 3D 地图，还是不一定知道环境细节，但如果我们通过感知方式，测到信号的反射系数，由此倒推，我们就能知道每个建筑的材料是什么。

用这样的方式，我们可以打造一个非常精准的、面向无线系统 AI 的环境。这是一个把感知、通信、毫米波和 AI 都结合在一起的演示场景。如果把上述的这一切都考虑在 6G 的设计中，那么我们不光能够打造一个能够支持更高流量、更高速率、更好覆盖的 6G 网络，而且这个网络还能够通过感知对于周围的环境有实时的了解。有了这样的一个实时的数字孪生（digital twin）的环境，一方面可以对我们的 AI 和通信系统提供优化的指导意义。

比如说，在仿真环境中和 OTA 的测试中，我们也做了一些实验，比如双边的信道状态信息反馈（CSF），也叫双边 two-sided CSF，也就是基站和手机共同用 AI 模型来做信息反馈？再比如说，对波束管理的直接预测，如果测量到一个毫米波的宽波束，怎样预测最优的窄波方向？

这一系列的可能性不光会对通信有帮助，如果我们能够打造这样一个非常逼真的 3D 环境，对于今后的自动驾驶以及机器人的应用也会有非常好的指导意义。因为，现在自动驾驶只是 2D 的 AI 环境。如果要实现机器人在物理世界中的应用，需要机器人能够有对整个物理世界有所理解，并且能够在 3D 空间中与人交互。像是现在这种通过 6G 系统，通过仿真和传感打造的一个精准的 3D 物理世界，也会对机器人的研究和应用有非常好的推动作用。

以上介绍的是高通正在探索的一些 6G 方向，在三月份刚刚过去的巴展上，我们有更多对 6G 各个方面的演示和视频，不光是物理层 AI，还有感知方面的内容。欢迎大家有机会跟我们有更多的合作，共同推动 6G 的发展，谢谢。