五月天激情小说综合,一区二区在线免费,亚洲一区二区欧美

大模型技術興起，讓社會加速進入了一個嶄新的智能時代。AI技術的進步不僅推動了各行各業的數字化轉型，也為通信技術的未來發展奠定了基礎，特別是在邁向6G的過程中發揮著至關重要的作用。

在AI革命大背景下，2023年6月，國際電信聯盟（ITU）完成對6G愿景的框架定義工作，從兩個方面回答了什么是6G^[1]。第一，6G將持續演進移動通信，持續增強移動寬帶eMBB、高可靠低延時通信URLLC，以及海量連接mMTC等三大業務場景，提供沉浸式、確定性的通信體驗和支撐海量連接的能力；第二，6G將超越移動通信的范疇，實現通信感知一體化、AI通信一體化，以及空天地泛在的全域連接，讓人們超越人眼“觀察”物理世界，并在虛擬世界中構建數字孿生。6G的愿景是全球共識的重要成果，是向6G全球統一標準邁進的重要里程碑。

在三個超越通信的場景中，AI通信一體化主要探討的是如何設計6G來原生地支撐未來海量的AI服務和AI應用。未來的5到10年，99%的開發、設計和文字工作將被AI取代。不久的將來，大模型甚至還將取代架構設計、芯片設計。這個未來趨勢，將與6G的部署時間窗相重疊。4G LTE的技術創新，把我們帶入移動互聯網時代，智能手機的App 成為了應用和服務的主要載體。進入人工智能時代，應用和服務的核心載體將不再是 App，也不再是網站，而是AI-Agent。

AI-Agent是一個能感知，并且能主動采取行動的智能體，能夠根據環境自行設定行動目標，具有感知學習和獲取知識能力，持續不斷地提升自己的能力。而近年來大模型的成功，也把 AI-Agent 的能力提升到一個全新的水平，不僅僅只是生成式AI，而是交互性AI，可以進行復雜的交互式對話和決策。因此，在6G時代，網絡的使能對象不僅僅是AI-Agent，而且是人工通用智能AGI（Artificial General Intelligence）。華為最早在2019年提出的“萬物智聯”（Connected Intelligence）的愿景（如圖1），支持原生AI能力，實際上就是兩個方面：AGI for 6G 和 6G for AGI ^[2]。

圖1 ： Connected Intelligence = AGI for 6G + 6G for AGI

本文將圍繞AGI for 6G和6G for AGI兩個方面展開，尤其側重6G for AGI。如圖2所示，6G for AGI就是要回答如何設計eMBB+、URLLC+、mMTC+等通信能力，以及如何利用網絡感知能力，共同更好地支撐AI，讓6G成為連接未來AI智能體的神經中樞，成為AI學習、訓練、推理的重要組成部分。這也要求6G系統的設計必須是一個超越連接的架構，并進一步集成AI-Agent的四大基本功能：感知、認知、決策、行動，通過基于意圖的高效能通信，深度融合物理世界和數字世界，并對物理世界產生作用。

圖2 ：6G原生AI能力和6G for AGI的整體框架

AGI for 6G

6G時代AGI的通信基本模式是基于Weaver的效用通信(Effectiveness Communication ^[3])，也可以簡稱為意圖通信。這是一個超越香農通信的框架：香農通信只是傳輸比特，然而，比特不代表理解，不具備智能，這是AGI使能的6G通信與傳統通信的本質區別。

基于AI-Agent的6G通信可以分為四類：

第一，人與人的第一系統和第二系統通信；
第二，機器與機器的意圖通信；
第三，人與機器的URLLC通信；
第四，基于空間計算的機器與人的Metaverse 通信。

為支撐基于AI-Agent的6G通信框架，3GPP標準的設計需要考慮支持感知、學習的上行信道，并且能夠支持推理、支持低延時、支持Metaverse的下行信道。下面我們著重介紹前兩類。后兩類的通信在利用基于AI-Agent的框架上與前兩類的使用方法類似，但場景不同，具體的通信需求也相應有所不同。

AI-Agent輔助的人與人通信

未來基于大模型的通信，將是物理世界通信和數字世界通信的有機融合，會引入AGI后香農通信架構。以人與人的通信舉例，其核心概念包含兩個部分：

第一，每個人可以用一個大模型來代理，這個大模型就是一個GPT；
第二，每個人的大模型可以根據GPT，用空間計算，生成多模態的虛擬實時響應，代表人確定性行為的代理響應。在數字世界中，基于此類GPT代理之間的通信系統，稱為第一系統。而對于如喜怒哀樂的情感等非確定性行為，大模型無法準確學習和建模，此時針對這部分信息的溝通傳遞，需要在物理世界進行實時通信，稱為第二系統，其亦可基于GPT大模型來設計。

每個人可以發布自己的大模型，在人與人的通信之前，可以先獲取對方的大模型，來進行兩個大模型之間的第一系統通信，這實際上是本地通信，不需要用無線通信資源。當大模型無法生成第二系統通信的部分時，需要通過無線信道進行通信。

6G的AGI與AGI通信（如圖3），內信道是香農通信，其外信道通信，是神經網絡與神經網絡的通信，是大模型與大模型的通信，是Agent與Agent的通信。這里需要指出，無線空口的GPU化，不能帶來性能提升，反而要付出犧牲功耗的代價。

圖3 ：基于GPT大模型的AGI后香農通信架構

以AI-Agent為輔助的人與人通信是一種先進的交互方式，它利用了人工智能的強大能力來增強和優化通信過程。在這個框架中，每個人都會擁有兩個主要的GPT大模型：第一系統用于本地智能處理，第二系統用于物理通信。

首先，每個人要訓練好自己的第一系統AI-Agent使用的GPT大模型，以及用于物理通信第二系統的GPT大模型。這些訓練主要是離線的監督學習，基于一個更廣義用于的通用大模型進行訓練，可以持續更新，且可以有人的參與輔助（Human in the loop），從而讓所得的GPT模型更精準強大。其次，為了檢測第一系統工作是否正常，需要一個涌現的檢測器，當發現有第一系統不能學習和建模的部分，則分流給第二系統進行學習。

這樣就形成了一個快速和慢速結合的通信架構：第一系統是快速的，可以由通信雙發交互各自的AI-Agent來實現Agent之間的本地閉環通信，不需占用通信資源（如圖4）；第二系統是慢速的，可以用無線信道進行通信（如圖5）。值得一提的是，通過基于AGI的意圖通信機制，第二系統的通信流量與直接的視頻通信相比，可以壓縮百倍甚至千倍。此外，第一系統和第二系統的AI-Agent均可以不斷對通用大模型進行刷新。

圖4 ：基于GPT大模型的第一系統-快速本地通信

圖5 ：基于GPT大模型的第二系統-慢速物理通信

AI-Agent輔助的機器與機器通信

對于機器與機器的通信，如果直接上傳視覺傳感的結果（如完整的視頻、點云等信息）去支持在邊/云端用大模型進行計算，則需要“極大上行”的流量，能支持的機器數量較為受限。如果在終端有初級的AI-Agent, 通過無線信道與云端的大模型計算進行Token的實時對齊，從而利用端-管-云的AI-Agent協同，就可以實現海量機器與機器的通信（如圖6）。

圖6 ：6G機器與機器間的意圖通信范式

具體而言，基于AI-Agent的后香農通信框架采用意圖通信的方式包括如下步驟：

第一步，在終端側引入AI-Agent對場景進行初級預處理分析，即所謂的面向目標的篩選（goal-oriented filtering），從而對傳感數據進行實時清洗；
第二步，對提取的相關對象進行transformer大模型中所謂的嵌入計算（Embedding）得到意圖的極簡數學描述（Token）；
第三步，通過無線信道傳回邊/云端，實現雙邊意圖（由Token表示）的實時對齊，由此完成端-管-云協同的高效機器與機器通信。

與直接的視頻傳輸相比，此傳輸機制下的流量可以壓縮百倍甚至千倍，從而量級性提升系統可支持的通信用戶數量。

6G for AGI

6G感知為AI學習提供大數據源泉

6G網絡中應用AI-Agent服務的獨特優勢還在于，6G系統是通感融合的。通信感知一體化為無線通信系統帶來了新的機會——在通信的同時提供無線感知服務。感知和通信的原生融合，使移動基站和終端可以在不需要額外使用頻譜及增加設備成本的前提下，通過協同感知，獲得更大的感知范圍和更高的感知精度。6G更短的無線電波長、更寬的頻譜資源和更大的天線孔徑將使得物理環境的高精度實時重構成為一種服務，利用這一能力也能反過來在顯著增強無線傳輸性能的同時大幅降低傳輸功耗。

6G感知提取的數據不僅僅只是對整網物理世界的建模，也是AI學習的大數據源泉（如圖7）。人、機器、車、建筑、材質，甚至是天氣，都可作為6G感知的對象。無線感知可以通過電波傳播的參數估計、成像，甚至質譜檢測來提供關于環境的大數據。從厘米波、毫米波，到亞太赫茲等全通信頻譜的感知能力均值得關注和研究。在高精度感知領域，太赫茲技術有望得到廣泛的應用。

圖7： 6G感知是支撐未來AI大模型的主要數據來源

6G提供智能普惠的A-RAN和A-CORE

以ChatGPT為代表的自然語言大模型，在不久的將來，就會達到和超越人類的能力。然而，其代價是需要基于超算集群的算力才能提供“類人”的智能。比如，擁有5千億的神經網絡參數，需要千萬瓦級的供電才能運行，在未來的10年，大概率無法在手機終端上運行。

為了給所有人、所有物提供隨時隨地的智能服務，6G網絡必須承擔起智能普惠的責任。這就需要基于6G網絡采用基于大模型的“通信（C）+ AI（A）+ 感知（S）”架構。而通信-AI-感知的融合，也正是6G的本質特征所在。支撐AGI的后香農通信架構，也就是：通信+AI+感知（C+A+S）的移動接入網，我們稱之為A-RAN（如圖8）。

圖8：A-RAN架構：通信-AI-感知融合的接入網絡

同樣，6G網絡可以基于 AI-Agent 來構建，每個AI-Agent就可以是一個邏輯網元。早在2015年，華為公司2012實驗室就提出應用驅動的網絡，其核心思想是，基于客戶相對應用的需求，自動生成定制的網路，應用完畢，網絡也就撤除�；A設施就像全網一部計算平臺，這是一個基于任務的網絡架構，也是6G A-CORE的雛形（如圖9）。

圖9：A-CORE架構：以任務為中心的網絡架構

6G AGI構建實時孿生世界

在數字世界里，根據應用的“意圖”，通過構建物理實體的虛擬副本來模擬和分析現實世界的行為和性能，就是我們通常所謂的數字孿生。這里主要對數字孿生的兩項技術進行闡釋。第一，基于意圖通信，構建能夠實時反映真實物理世界的數字孿生體；第二，基于實時孿生世界，對物理世界進行準確的時空推理。這兩項技術具有廣泛的應用潛力，可應用于如自動駕駛、機器人、智能工業生產和遠程醫療等眾多場景。

首先，在一個小房間的物理空間里，放置有通信和感知一體化的6G終端，這些6G終端具有AI的算力，可以計算小規模的AI模型。同時，它們也可以通過無線信號感知物理世界。通過對感知信號進行處理，可以生成點云來刻畫和描述物理世界。

之后，根據給定意圖，通過網絡中的AI大模型與6G終端的AI小模型之間的AGI通信，有選擇性地重構物理世界。這里的孿生世界并不需要完整無缺地描述物理世界，而是識別跟意圖相關的內容。這樣既可以節省通信開銷，還可以保護隱私，保護個人和場地的私密性。

感知系統真正感知的是“點云”信息，也就是三維空間中物體的點陣表示。為了減少數據傳輸量和保護用戶的隱私，我們只會在語義目標和原始感知信息匹配時，才會將時空語義信息上傳到云端進行融合。為此，我們開發了獨特的語義時空融合和預測算法，可以融合語義信息形成數字孿生。這使得數字孿生能夠幾乎實時地反映我們關心的信息，同時將上行傳輸帶寬需求降低幾個數量級。

基于實時孿生的世界，這里演示一個用自然語言驅動事物定位和人物追蹤的用例。與目前ChatGPT不同，我們的系統能夠實時感知現實世界，并進行語義、時間和空間的推理，最終以自然語言的形式呈現結果。在這個例子中，物體和人物的移動位置都會以卡通人物渲染的形式實時顯示在數字孿生體中。6G AGI系統會根據感知到的點云信息，判斷是否發生與預先設定的意圖（如“看書”）相關的動作，并實時定位相關事件的空間位置。隨著感知系統的不斷完善，推理的準確性也將不斷提高。

本文探討了未來大模型時代下的6G原生AGI通信，介紹了

Connected Intelligence = AGI for 6G + 6G for AGI：
通信、感知、AI融合的 6G A-RAN；
基于Agent網元構建以任務為中心的 6G A-CORE。

我們認為，6G的本質是通信-AI-感知的融合，成為服務萬千AI-Agent的神經中樞。