智东西

作者 | ZeR0

编辑 | 漠影

智东西圣迭戈 8 月 26 日报道，今天，智东西有机会来到位于美国加州圣迭戈的高通公司总部，现场见证高通火力全开——在高通 6G 技术日上披露围绕 6G 技术积累的雄厚家底，还展出了各式各样只有 6G 才能玩转的 AI 原生用例。

整场活动信息量非常大。6G 三大支柱、Giga-MIMO、NTN（非地面网络）、通信感知一体化、分布式计算、AI 眼镜、智能体手机、协同通信、上下文感知通信、动态 QoS，以及许多跨越频谱、网络和设备的 6G 创新 …… 都被浓缩到这一天的会议里。

相比 5G，6G 不仅网速更快、覆盖更广，还实现了通信与感知、计算、智能的深度融合。

AI 与 6G 紧密相连，6G 将成为 AI 的基础平台之一，反之亦然。如果没有足够强大的 6G 网络，无法承载未来的流量和设备，那么很多设想的 AI 应用场景将无法实现。

恰逢国新办昨日举行新闻发布会，据工信部相关负责人介绍，" 十五五 " 时期我国将加快 6G 核心技术攻关，持续开展 6G 技术试验、标准研制，促进 6G 产业成熟和生态构建，为 6G 商用做好准备。

高通技术公司工程技术高级副总裁庄思民（John Smee）在接受媒体提问时谈道，对于高通来说，中国是一个非常重要的市场，有大量技术演进和创新正在发生，在手机和消费终端领域充满活力，高通一直非常积极地参与中国生态，会去理解中国市场和产业的优先需求，也会研究从电信边缘到端侧的技术。

迈向 2029 年 6G 商用的目标，前方仍有大量标准化工作要做，庄思民说，真正的规范将在 Release 21 阶段形成，这个过程中会有非常广泛的中国生态参与。

一、与 AI 相辅相成，6G 网络开始感知并理解世界

CTIA 总裁兼 CEO Ajit Pai 讲了一个盲人跑马拉松的真实故事：这位盲人戴着一副 AI 眼镜，通过 Be My Eyes 应用与世界各地的志愿者连接起来，这些志愿者替他观察道路、判断方向，帮助他完成比赛。

对于彼时彼刻的他来说，整个系统必须足够快、足够可靠，网络中断相当于脚下的道路突然消失。

Ajit Pai 设想，这位盲人的下一副眼镜，可能不再需要远方的志愿者时刻盯着画面。6G 与 AI 结合后，眼镜、设备甚至网络本身，都可以感知并理解周围环境，实时告诉他前方是弯道、人群还是障碍物。

这恰好契合了高通眼中的 6G。

过去的移动网络负责让设备联网，高通描绘的 6G 愿景，则要让网络开始理解它所连接的世界。

高通执行副总裁兼技术规划、边缘解决方案与数据中心业务总经理马德嘉（Durga Malladi）谈道，过去 10 至 15 年间，无线通信技术与 AI 技术齐头并进，如今这些技术正在交汇，相辅相成。

一方面，AI 将进入信号处理、调制解调器、无线接入网和网络管理，帮助通信系统预测需求、分配频谱、调整网络参数，并实现更高程度的自主运营能力。

另一方面，智能体、AI 眼镜、机器人和汽车又需要更强的网络，把感知、计算与行动连成一体。

今天的计算以设备为中心，用户拿起手机，打开 app，调用其中的功能；未来则可能以智能体为中心，手机、眼镜、手表、耳机和汽车围绕智能体分布，用户无论接触哪台设备，第一入口都会变成智能体。

中国市场已经出现了一些例子，例如 " 豆包手机 " 以 AI 优先来思考产品，重新组织应用与系统的交互方式，还为 AI 增加了一个独立物理按键。

二、6G 三大支柱：连接、感知、计算

智能体坐上主桌，网络的任务也随之改变，不但要连接更多设备，还要知道这些设备在做什么、需要多少算力、哪条链路更可靠、计算应留在终端还是送往边缘。

为此，高通的 6G 愿景有三大支柱：连接、感知、计算。

（1）连接。每一代移动通信技术，必须有比上一代更好的上行链路、更大的容量、更高的频谱效率、更好的用户体验、更低的总拥有成本。高通也在开展 NTN 和卫星连接方面的研发。

6G 需要大型、连续的 sub-8GHz 频谱中频段和中上频段，实现 100-400MHz 的信道带宽。

其目标之一是将频谱效率提高大约50%。实现这一目标，需要减少保护频带、新的编码和调制技术、通过减少协议开销改善数据信道效率、采用更低开销的 DMRS、更先进的上行 MIMO 技术等技术组合。高通正与合作伙伴一起推动这些技术进入 3GPP 标准。

在 Demo 参观环节，我们看到高通的多个研发项目。其中就包括两款Giga-MIMO 原型机，分别是 13GHz 和 7GHz，信道带宽均为 400MHz。13GHz 的波长更短，天线单元更密集，物理尺寸相对小。

高通用紧凑型测试场来对天线进行校准，确保所有单元相位一致且同步，以实现能量聚焦。校准后，能量高度集中在 0 ° 方向，形成极窄波束。

（2）感知。检测并分类网络中看到的对象，把这些数据汇集起来，可以得到一个类似于上帝视角的实时网络环境视图，看到网络中正在发生的一切。随后，可以把这些数据转化为更高的网络效率。

Demo 展区展出了一个基于通信感知一体化技术的研发项目，让 6G 网络能感知物理世界。

该项目采用一个全双工基站系统，使用 sub-6 GHz 频谱来检测和追踪汽车与无人机的位置、空间坐标及速度，并基于 AI 的分类实时区分汽车与无人机。其无线传感处理采用高通专用的感知计算板卡 Qualcomm Cloud AI 100 解决方案，与通信基带处理分离。

（3）计算。决定智能在哪里发生。行业需要从大量现有的传统 RAN 处理方式，转向拥有更强高性能计算能力、更加节能的处理器。

马德嘉强调，设计 6G 必须非常谨慎，如果 6G 的任务仅仅是充当一根高效的 " 比特管道 "，那就失败了。

高通的思路是构建一个 " 计算连续体 "，计算从终端、边缘、中间层延伸到数据中心。

聚焦到高通数据中心业务，其正在构建功率达 160kW、采用液冷的机架，从这样的数据中心系统一路延伸到风冷服务器，再延伸到可以直接插入服务器的加速卡。

三、AI 驱动的流量，将占全部宽带的 1/3

让高通急着重新设计这根管道的，是 AI 正在制造一种完全不同的网络流量。

CTIA 总裁兼 CEO Ajit Pai 在活动上分享了一些数据：AI-to-AI 流量预计未来几年增长大约8 倍；预计不到十年时间，AI 驱动的流量将占全部宽带流量的接近1/3。

这些流量不需要人参与，但它们需要网络。

而且这类流量有个特点——极其不可预测，可能突然来一波，也可能持续高负荷。传统网络的设计逻辑是为用户平均需求分配资源，在这里就完全不够用了。

所以，6G 的底层逻辑必须变，不能只是更快的 5G，必须在设计之初就把 AI 作为中心。

AI 将带来一种完全不同的网络流量，它将是实时的、双向的、带来巨大的上行流量增长、将更加不可预测、需要超高可靠性和超低时延，而且越来越多的通信将发生在机器与机器之间、智能体与智能体之间。

智能会分布于数据中心、网络边缘和终端设备，网络将成为连接物理世界与 AI 的神经组织。未来智能设备越来越需要实时完成感知、通信、计算、认证和行动。

Ajit Pai 援引了高通公司总裁兼 CEO 克里斯蒂亚诺 · 安蒙说过的话："6G 不仅仅是无线通信演进的下一步，它更是构建 AI 原生未来的基石，能够将智能分布于设备、边缘和云端，并将网络运营商转型为 AI 驱动型企业。"

四、6G 的关键能力，承载海量 AI 设备的上行流量

想象一下，你戴着 AI 眼镜看球赛，低头回了条消息，一抬头，糟了，错过一个进球。

这时，你只要问一句 " 刚才发生了什么 "，AI 就可以从持续记录的个人视觉信息中找到答案。

这是高通正在测试的一个用例—— AI Recall（AI 回忆）。

在这个场景中，AI 眼镜与支持蜂窝网络的智能手机连接，持续拍摄画面，同时在后台不断建立上下文信息和用户个人记忆。

这会产生显著的上行网络流量，多达数 Mbps。

一个人使用尚可，但如果体育场里几万人都这么干呢？

这就是 6G 要解决的第一件事：更强的上行能力。

过去十多年，移动互联网的主要流量来自视频、图片、游戏和社交媒体，用户从网络中下载的内容，远远多于上传的数据。

但 AI 改变了流量的方向。

AI 眼镜会持续看，机器人会持续感知，汽车会持续采集环境信息，个人智能体可能全天建立记忆。它们始终在线、不断生成数据，并且对网络延迟非常敏感。

智能体应用将推动无线网络流量持续增长。高通算了一笔账：对于多模型查询、全天持续收集用户记忆、实时直播周围环境等应用，一个手机用户每天使用 20 到 40 分钟，一个月就能产生50GB 以上的数据流量。

这个数字已经超过当前普通智能手机用户平均月流量消耗的2 倍。作为对照，根据爱立信移动市场报告，2025 年全球活跃智能手机的月均移动数据流量为 22GB。

如果用上 3D 通话、实时 AR 等沉浸式体验，网络容量压力还会继续上升。

那么问题来了：现在的网络扛得住吗？

高通采用 3GPP 方法进行了仿真。例如，如果一名用户需要 45Mbps 下行和 10Mbps 上行，在拥有 100MHz 带宽的 5G 系统中，一个小区可能只能同时支持 5 名用户。

而在引入中频段和 FR3、额外获得约 400MHz 频谱后，一个小区同时支持的用户数可以提升到 20~25 人。

这组数字不能直接等同于真实网络的普遍表现，实际容量还会受到信道条件、基站配置和调度方式影响。

但它说明了一个很现实的问题。今天很多看起来惊艳的 AI 体验，只能服务少量用户，一旦同时使用的人变多，网络容量、上行覆盖和延迟就可能把它干崩。

这也是为什么高通反复强调：6G 的关键在于网络能否同时承载海量 AI 设备的上行流量。

AI 原生 6G，并不是简单地给 5G 加一个 AI 功能，AI 既是网络需要承载的新流量，也开始参与网络自身的运行。

五、分布式计算：让 AI 在手机和云端之间 " 瞬移 "

你现在用手机跑 AI，要么走云端（费流量、有延迟），要么用端侧模型（省流量、但模型小能力弱）。

而 6G 能让这个选择变成动态、实时、无感的。

在一个例子中，用户佩戴 AI 眼镜观看巴塞罗那圣家堂的 3D 渲染。当蜂窝网络能够提供 5~20Mbps 速率、60fps 帧率和较低延迟时，原本在手机上执行的计算任务就可以卸载到边缘侧，效果很好。

但等用户转过一个街角，信号突然变差，或者遇到网络拥塞时，计算任务就会迅速切回设备端，改用设备本身的端侧 AI 能力继续处理，画面不会卡住。

高通和运营商做测试时发现，这种动态切换可以显著提高应用覆盖范围和系统容量。

也就是说，网好时，通过蜂窝网络把部分计算卸载到边缘，处理结果回传到设备存储，从而减少端侧功耗、延长电池寿命，还能调用更大的模型；网差时，切回设备端本地执行，确保用户体验无缝平滑。

6G 原生支持具有计算感知 QoS 的分布式计算，包括准入控制、替代 QoS 配置文件、具有多个 QoS 流的计算工作负载等。

计算任务不再被固定在手机、边缘或者云端，而是根据实时的网络连接、设备电量、延迟要求和可用算力，在不同位置之间动态迁移。

在 Demo 展区，工作人员向我们演示了佩戴由骁龙平台驱动的 AI 眼镜，眼镜的摄像头会持续捕捉周围环境，工作人员说 " 找到我的咖啡杯 " 后，系统基于之前的图像记忆，返回最后一次看到咖啡杯的时间及图像。

另一个 Demo 演示是智能体手机。手机上有用户在不同 app 中的聊天内容，这形成了跨 app 的个性化上下文记忆。当工作人员询问 " 携带专业相机旅行时应该背哪种双肩包 "，手机智能体会检索到之前家庭群里关于背包的讨论，并给出针对性的建议。

这套分布式计算机制，同样适用于笔记本电脑、机器人、汽车、摄像头等各种终端，原理一样，根据网络状况、设备电量、可用算力，实时决定计算应该放在哪。

六、协同通信：多设备组成资源池，谁网好谁当主力

计算位置解决了，但还不够。

未来，一个人携带的 AI 设备可能不止一台，眼镜、手机、手表和耳机都有连接与计算能力，也各有弱点。

比如，眼镜的天线容易被头部遮挡，导致信号衰减。

遇到这种情况时，眼镜会自动把数据通过 Wi-Fi 传给手表，再利用手表的蜂窝连接上网，全程体验无中断。

高通把这称作协同通信。

其核心思想是，让多个支持蜂窝网络的个人 AI 设备组成一个通信和计算资源池，通过彼此协作，将流量跨设备分布，从而降低延迟，提高吞吐量、应用网络覆盖率和可靠性，最终优化整体用户体验。

简而言之，谁信号好谁当主力，谁被遮挡谁就借道。

用户不需要关心自己到底携带了哪些设备，系统可以持续提供 Always-on、响应迅速的网络连接，并访问部署在边缘侧的更大模型。

根据高通在实验室做的大量原型验证，这种方式可以改善小区边缘环境中的上行延迟、吞吐量和覆盖范围，尤其在头部遮挡出现时改善更加明显。

今天的移动网络，连接的是一台台独立设备。未来的 6G，则试图连接一个由多部 AI 设备组成的协同系统。

七、上下文感知通信：让网络 " 看懂 " 你在干什么

下一个关键问题是，网络资源怎么分配？

现在的 5G 网络可以识别连接质量，也拥有 QoS 和网络切片等能力，但它只知道你在用流量，不知道你具体在用高流量干什么，更不知道两个看起来速率相近的数据流背后可能对应完全不同的体验。

比如，一个人可能正在浏览静态网页，另一个人正在和实时 AI 交流。如果无线信道条件相近，网络可能给它们分配相似的资源。但从用户体验看，这些任务对带宽和延迟的要求完全不同。

进入 6G 时代，高通设想在设备端部署UE Agent（终端智能体）。它可以读取应用流量类型、传感器输入和多媒体体验指标，判断用户是在玩云游戏、进行实时 AI 会话还是看普通视频，是在室内还是室外，是在静止状态还是移动状态，视频质量或应用流畅度如何。

然后，设备智能体可以在网络监督下动态调整本地网络参数，或者通过动态 QoS 向网络传递任务需求，从而获得响应速度更快的网络体验。

高通认为，让终端拥有一定程度的自主能力，很可能会成为从5G向6G演进过程中最重要的差异化特征之一。

一个案例是用户在苗圃拍摄了一段 10 秒视频，询问 AI 哪些植物适合种在自己家后院。在 5G 情况下，如果发生网络拥塞，上传视频会耗时很久，甚至可能卡住。

有了动态 QoS，终端智能体可以识别出这是一段对延迟非常敏感的 AI 流量，于是向网络发出需要更多网络资源和优先级的请求，基站为它分配更多资源后，大约 12~14 秒就给出了答案。

而左边的 5G 环境下，视频上传和 AI 问答耗时约 48 秒。

另一个例子是在用户看视频时，终端智能体会实时监测视频质量，判断看这段视频不需要 12Mbps，7 到 8Mbps 就够维持相近的观看体验，然后把这个信息发给网络，这样节省了大约33%的带宽占用。

节省下来的带宽，又可以服务更多用户。

这就是上下文感知的价值，不仅让单个用户体验更好，还让整个网络的效率更高。

当然，设备不能因为声称自己在运行延迟敏感类应用，就无限制地优先抢占网络资源。高通给出的边界，是参数调整和动态 QoS 都必须在网络监督下进行，设备只能在运营商设定的安全范围内行动。

这也是 "AI 原生 6G" 的另一面。AI 不仅运行在网络之上，还被放进调制解调器、无线接入网和网络管理系统。传统信号处理与 AI 算法结合，网络持续吸收运行数据，逐渐提高自主优化、自我修复和实时适应能力。

结语：我们正处在一个独特的技术拐点

分布式计算决定任务在哪里运行，协同通信决定数据从哪里传输，上下文感知通信决定网络资源如何分配。它们共同推动的，是网络角色的改变。

过去，网络主要根据连接质量传输数据。高通描绘的 6G 图景，则让网络向前一步，开始理解设备的状态、应用的意图和用户体验的变化，再动态协调连接、频谱与算力，让智能分布于终端、边缘和云端。

这也解释了为什么高通反复强调从设备到数据中心。

随着 AI 任务可以在设备、边缘和数据中心之间迁移，高通的业务版图已覆盖端侧计算、无线连接、边缘推理和数据中心算力。

AI 是系统问题，这种横跨设备、连接和计算的能力，恰好给了高通一个重新介绍自己的机会。

当前，我们正处在一个独特的技术拐点，无线通信、边缘 AI、XR 和低功耗计算同时快速发展，并开始交汇。

高通正在面向这些下一代体验设计 6G，开发底层技术，以让这些技术具备真正大规模部署的能力。

我们今天讨论的这些场景，有些还是高通的原型、仿真与试验结果，但未来某一天，它们也许会融入到人们习以为常的生活日常中。

技术过渡向来如此，发生的时候悄无声息。回头一看，世界已经翻天覆地。