OPPO：6G白皮書-極簡多能 構建移動的世界（2023）（64頁）.pdf

1、6G：極簡多能，構建移動的世界A versatile 6G with minimized kernel:To build the mobile worldOPPO 6G 白皮書1.06G“極簡多能”系統總體概念6G 在移動通信發展中的歷史使命5G 對“世界移動化”的初步探索與經驗教訓6G“極簡多能”系統設計新思路對信息化世界的兩個新發現6G=極簡核心+N 個子系統1.11.21.31.3.11.3.204050606081112131416161718192.06G 極簡核心之內生智能6G 網絡的智能維度基于 6G 內生智能的按需組網基于 6G 內生智能的智能化替代6G 極簡核心之安全6G 時

2、代的變化及安全趨勢6G 時代關鍵安全技術6G 時代零信任安全架構6G 極簡核心之靈活頻譜共享2.12.1.12.1.22.1.32.22.2.12.2.22.2.32.36G 極簡核心2223253.06G 寬帶蜂窩 KPI 指標要求6G 寬帶蜂窩關鍵技術與系統設計6G 空口的 AI 化替代3.13.23.36G 寬帶蜂窩子系統29303033354.06G D2D KPI 指標要求6G D2D 關鍵技術與系統設計基于 AI 的 D2D 系統設計太赫茲技術可見光通信4.14.24.2.14.2.24.2.36G D2D 子系統5.06G 低時延高可靠子系統6G 低時延高可靠 KPI 指標要求6

3、G 低時延高可靠關鍵技術與系統設計5.15.2383941424243466.06G 感知 KPI 指標要求6G 感知關鍵技術與系統設計6G 感知子系統的兩種模式通信感知融合系統的關鍵技術獨立感知模式關鍵技術6.16.26.2.16.2.26.2.36G 感知子系統484849507.06G 超大規模 IoT 技術需求技術需求KPI 指標要求6G 超大規模 IoT 關鍵技術與系統設計7.17.1.17.1.27.26G 超大規模 IoT 子系統545561598.06G 空天通信 KPI 指標要求6G 空天通信關鍵技術與系統設計8.18.26G 空天通信子系統9.0總結參考文獻6G在移動通信發

4、展中的歷史使命5G對“世界移動化”的初步探索與經驗教訓6G“極簡多能”系統設計新思路對信息化世界的兩個新發現6G=極簡核心+N個子系統6G “極簡多能”系統總體概念移動通信技術十年一代，都需要擔當相應的歷史角色。那么，在經歷了五代發展之后，第六代移動通信技術（6G）又將在移動通信發展進程中承擔何種歷史使命呢？我們首先需要探討這個問題。通信是一門應用學科，與基礎科學研究不同，其最終目標不僅是“探索、解釋自然定律”，更重要的是滿足人和社會的信息化需求，同時獲得合理的市場回報，推動信息產業和信息社會的持續健康發展。因此，以需求驅動確定每一代的創新方向，移動通信技術演進才能不斷取得成功?；仡檹?1G

5、到 5G 的發展歷程，可以看到，移動通信實際上并不是通過一代技術實現一次產業升級，而是每兩代技術實現一個大的產業升級目標：2G、4G 相對 1G、3G 更成功的原因，是作為一個大的升級階梯的“后半步”，針對 1G、3G 在“前半步”暴露出來的問題和差距，有針對性的驅動技術革新，最終完整實現了產業升級目標。5G 和 6G 致力于一個非常宏大產業升級目標，即實現整個世界的移動化。但受限于需求定義的不完整性和技術的不成熟性，5G 只階段性地實現了從“互聯”到“物聯”的突破，距離萬物互融的最終愿景還有較大差距。因此，6G 的歷史使命，是基于 5G 的經驗教訓，徹底實現“移動的世界”的目標。6G 在移動

6、通信 發展中的歷史使命1.1046G：極簡多能，構建移動的世界圖 1-1：移動通信的代際演進歷程1980s1G2G3G4G5G6G移動的話音移動的數據移動的世界1990s2000s2010s2020s2030s數字化蜂窩帶寬 CDMA+分組交換20MHz 帶寬，OFDM+MIMO頻譜效率翻倍100MHz 帶寬，毫米波+大規模天線URLLC+垂直優化移動話音普及，市場成功，產業希望開拓移動數據市場初步提供數據能力，但帶寬不足。歐洲運營商拍賣頻譜代價高昂，面臨 WiMAX 成本競爭支撐了移動互聯網的普及爆發，但隨著 C 端市場容量飽和，亟需擴展垂直市場Sub6 eMBB 基本成功，但其他技術兌現到

7、市場并不順利，靠毫米波提供 C 端感受面臨挑戰，2B 仍處于探索階段從 0 到 1，但模擬終端昂貴笨重，容量很低056G：極簡多能，構建移動的世界5G 對“世界移動化”的 初步探索與經驗教訓1.2探討 5G 的經驗教訓，首先要回溯一下 5G 的“初心”，即回到 2015年，我們想設計一個怎樣的 5G 移動通信系統。5G 的設計定位與4G 最大的不同，是要將移動通信系統從一個為人服務的“單一功能系統”擴展為一個“多能系統”（Versatile System），以覆蓋人（即 eMBB）、機（即 URLLC）、物（即 mMTC）三大場景的云連接，實現物理世界的萬物互聯。但在如何設計這個“多能系統”的

8、問題上，5G 既有經驗也有教訓。一方面，5G 沒有盲目追求無線傳輸底層技術的“替代性變革“，大量繼承了在 4G 中獲得成功的 OFDM（正交頻分復用）和 MIMO（即多天線傳輸）等核心技術，而將創新重心放在向各種業務場景、垂直應用的“橫向擴展”上，著重在“低時延、高可靠、大容量”等方面進行了優化，總體設計目標是符合市場需求和產業發展趨勢的。但另一方面，5G 仍然基于“單一功能系統”的系統設計原則，面向一套“剛性管道指標”（即高速率+低時延高可靠），在技術上追求一體化設計，嘗試通過“多參數集+網絡切片”兼顧千行百業的細分業務需求。但由于 5G 各垂直技術均以eMBB 作為基線（baseline）

9、和缺省設計，限制了技術創新空間，無法針對目標垂直領域做徹底優化，在很多垂直領域并未實現比較優勢和可控成本。首先，5G eMBB 通過引入毫米波傳輸，試圖以高頻段換取大帶寬，實現更高傳輸速率。但毫米波信號只 滿 足 視 距（Line-of-Sight，LOS）傳輸，造成覆蓋范圍、應用場景有限，對 5G eMBB 整體性能的提升貢獻不多。5G eMBB 試圖以大規模天線技術提高頻譜效率，但過多的天線數量在很多部署場景中性能提升并不明顯，卻造成基站復雜度、能耗、工程難度的大幅上升。隨后，URLLC 繼承了 eMBB 模式的核心設計，只是通過局部優化來提升時延、可靠性等性能指標，造成 URLLC 模式

10、的復雜度在 eMBB基礎上疊加提升，對網絡和終端的軟硬件能力要求很高，成本控制面臨很大挑戰。最后，針對 mMTC 應用場景，5G也沒有專門設計，而僅是在 eMBB核心設計基礎上做了一系列裁剪，形 成“輕 量 化 5G”（RedCap）模式。但功耗、成本降低幅度有限，性價比相對 4G 系統并沒有明顯優勢，難以實現真正的萬物互聯。圖 1-2：5G 系統設計的經驗教訓eMBBURLLCmMTC5G系統核心輕量化裁剪低時延優化（OFDM+MIMO，共用協議、信道結構和參數集）以高頻段換取大帶寬，造成覆蓋、應用場景收縮以大規模天線換取頻譜效率提升，造成復雜度、能耗激增，無法等量兌現市場增值在 eMBB

11、核心基礎上剪裁，功耗、成本降低程度有限，難以實現真正的“connect everything”在 eMBB 核心基礎上通過局部優化提升時延、可靠性指標，造成復雜度疊加提升，成本難以接受eMBBuRLLCmMTC物理世界虛擬世界人物機云5G6G“極簡多能”系統 設計新思路1.3之所以說相對 5G，6G 更可能最終完成實現“移動的世界”的歷史使命，一方面是因為可以從 5G 汲取經驗教訓，改善提高，另一方面是因為相對十年前定義 5G 目標的時候，現在的信息產業界對如何全面實現世界的數字化、信息化有了更加清晰的認識?？偟膩碚f可以歸結為兩大發現：1.3.1 對信息化世界的兩個新發現首先，經過過去十年的探

12、索，業界認識到，僅靠 5G 將大量無智能的機和物連接起來，并不能實現真正的世界移動化，因為人的感官能力和人腦的處理能力是有限的，少量人腦難以管理、控制海量機器完成工作，即使“萬物互聯”，也不能“萬物互融”。在少量人腦和海量的機和物之間，還必須有大量的非人類智能體來作為“中間管理者”，少量人腦授權大量智能體管理海量的機與物，大量智能體通過學習和訓練成為人類控制信息化世界的媒介。通過 AI 智能體來控制信息化世界，不僅可以將人腦從“數據爆炸”的負擔中解脫出來，還可以把信息化世界管理的更好。近些年來，AI 在圖像、語音識別、大數據分析管理方面獲得的巨大成功，就是人腦通過 AI 智能體控制信息化世界的

13、成功范例。而 5G 在直接連接少量人腦和海量機與物時碰到的“數據率、時延、可靠性”瓶頸，也可望在 6G 時代得到緩解，因為人腦與 AI 智能體之間的交互雖然需要很高數據率，但未必需要“隨時隨地”；而 AI 智能體與海量機和物之間的交互雖然需要海量的鏈接，但未必需要極低的時延和超高的可靠性。第一個發現:構建移動的信息化世界，必須引入 AI（人工智能）智能體作為人、機、物之間的中間管理者。066G：極簡多能，構建移動的世界圖 1-3：5G 時代與 6G 時代對信息化世界的不同理解5G 時代對信息化世界的理解6G 時代對信息化世界的理解少量人腦海量的機與物監測控制大量智能體監測控制少量人腦學習、服務

14、授權、監管海量的機與物在 5G 概念形成的十年前，我們對虛擬世界的理解就是“一朵云”，即把海量的機與物統統連接到云端，供人訪問和管理。在 6G 時代，如果人類將通過 AI 智能體對信息化世界進行控制與管理，則需要構建一個更完整、與物理世界對應性更好的虛擬世界，AI 智能體可通過其在虛擬世界的孿生鏡像控制海量機和物的鏡像，進而控制物理世界的機和物。有些 AI 智能體在物理世界有真實存在（如智能手機、機器人、智能車、無人機等），有些沒有（如虛擬 AI 助手），但任何 AI 智能體都有存在于虛擬世界的孿生智能體，因為 AI 算法終歸是一種軟件程序。因此通過 AI 智能體對海量機和物的控制，更適合在虛

15、擬世界實現，即用數字孿生的方式在虛擬世界構建海量機和物的鏡像，通過控制其虛擬鏡像，實現對物理世界的控制。近幾年來，元宇宙之所以得到廣泛關注，除了可以帶給人類逼真的沉浸式多媒體娛樂體驗，更重要的是描述了一種“通過虛擬世界管理物理世界、通過經營虛擬世界創造更美好的物理世界”的廣闊前景，為“萬物互融”提供了一種可能的實現途徑。當然，通過人工智能和元宇宙實現數字化世界，是一個宏大復雜的工程，需要整個信息產業乃至全社會長期的投入與建設，但 6G 技術至少可以先為這個宏大工程提供一個信息交互的基礎，為移動信息化世界構建一個技術底座。因此我們認為，6G的愿景應該是：溝通虛實世界的智能體，實現兩個世界的互通互

16、融，成為元宇宙的基礎設施，為移動信息化世界提供一個技術底座。第二個發現：構建移動的信息化世界，必須為機、物、智能體構建一個與物理世界對應的虛擬世界。076G：極簡多能，構建移動的世界圖 1-4：5G 時代與 6G 時代對虛擬世界的不同理解云5G 時代對虛擬世界的理解6G 時代對虛擬世界的理解物理世界虛擬世界物理世界虛擬世界監測控制海量的機與物海量的機與物機與物的鏡像孿生智能體大量智能體少量人腦少量人腦學習、服務授權、監管檢測控制6G6G圖 1-5：6G 愿景，是溝通虛實世界，成為元宇宙的基礎設施物理環境孿生環境虛擬世界孿生智能體AI 孿生大腦物理世界人腦機器人機機的孿生物的孿生環境重建物環境感

17、知6G086G：極簡多能，構建移動的世界1.3.2 6G=極簡核心+N 個子系統6G 作為溝通物理世界和虛擬世界的通道，需要對物理世界的全面映射能力。因此除了具備 5G 已有的大帶寬、低時延、高可靠的數據傳輸能力，還應擴展對無所不在的無源物體的連接能力和對物理環境的感知能力。這將是一個遠比 5G 更加“多能”的移動通信系統。而完全基于融合一體設計的 5G 系統的有限“多能化”目標尚未完全在市場實現，物理世界“萬物互聯”的目標遠未達到，沿既有發展路線，按一個“大號 5G 系統”來設計 6G，更難以實現 6G 宏大愿景。6G 要實現物理世界和虛擬世界的“互通互融”，真正實現“系統多能化，世界移動化

18、”，進一步擴展到通感、空天、零功耗等應用場景，以可控的成本實現在各個維度上幾倍的性能提升，必須要采用新的設計思路。而要成為構建與物理世界對應的虛擬世界的基礎設施，必須適應物理世界的存在形式與現實構成。在物理世界中，面對空天陸海的自然和城鄉環境、由繁至簡的各種終端形態、千行百業的多變業態，從來不曾存在一個單一化的基礎設施可以以可控的成本普適于大千世界的，6G 也不應該例外。在產業界對 6G 的愿景中，6G 系統一方面要在比 5G 更廣泛的應用場景下實現比5G 更高的系統性能，另一方面還要實現一個“極簡”的系統，顯著降低部署和運營成本，從而在千行百業真正實現落地普及。面對這一看似矛盾的設計目標，唯

19、一可行的解決方案只能是：在一個極簡的共性技術核心上，設計若干有限融合的子系統，容許各個場景的 6G 系統適度解綁、各自優化，實現一個“能力按需分配、功能靈活組合”的“極簡多能”的 6G 系統。圖 1-6：適應物理世界的存在形式，設計有限融合的子系統集，實現真正“極簡多能”的 6G 物理環境孿生環境虛擬世界孿生智能體AI 孿生大腦物理世界人腦機器人機機的孿生物的孿生環境重建物環境感知CloudingSensingCritical IoTUbiquitous IoT由一個最小化的極簡核心提供內生智能、安全、靈活頻譜管理等共性能力；針對四個不同能力方向做專門優化，包括：云連接（Clouding）、關

20、鍵物聯（Critical IoT）、泛在物聯（Ubiquitous IoT）和感知（Sensing）。在每個能力方向上設計一到兩個子系統，可以根據應用場景、頻譜、接口類型等獨立選擇關鍵技術，分別進行硬件系統設計。如可分為：6G 寬帶蜂窩、6G D2D、6G URLLC、6G 定位與感知、6G 大規模物聯網、6G 空天通信等子系統。子系統之間按需選擇是否保持空口兼容性，按需確定多大程度與 6G 寬帶蜂窩子系統共用空口技術與硬件設計。以黑箱化、專業化的 AI 算法庫替代通用而復雜的傳統軟件算法，實現各子系統的“相對獨立、各自優化”和通信協議的大幅簡化。通過多種 AI 算法的切換和組合，實現多個子系

21、統的切換和組合。在我們看來，6G 極簡多能系統的設計主要包含如下要素：需要說明的是，5G 系統也曾試圖通過網絡切片、網絡虛擬化等技術實現多種場景和功能的靈活重配和資源組合。但由于其完全基于相同的底層傳輸技術，僅在參數、配置層面可以靈活重配，其對不同場景和垂直行業的適配是很有限的，反而由于兼顧不必要的 KPI 指標，使每個場景的切片都有“過設計”和成本過高的問題。5G-Advanced 技術在對各垂直行業進行深度優化，但大部分情況會引入額外的復雜度，同時又無法對共性技術底座（即 eMBB 模式中的必選特性）做必要的“減法”，造成系統復雜度進一步增大。一個例外是，RedCap（輕量化 5G）技術正

22、在面向低成本物聯網，對部分冗余的硬件能力做裁剪，但由于裁剪的基線（baseline）仍是全能力的 eMBB 模式，經過長時間的工作也很難裁剪到位，實現市場期望的極低成本。因此在 6G 系統設計中，應從一開始就考慮各個場景的實際需求，選擇適當的 KPI子集，直接設計面向應用場景優化的子系統。在本白皮書的后續章節中，我們將分別介紹我們對 6G 極簡核心及各個子系統的初步考慮。096G：極簡多能，構建移動的世界6G極簡核心內生智能靈活頻譜安全6G URLLC子系統空天通信子系統6G 寬帶蜂窩子系統6G 定位與感知子系統SensingSense everythingCritical IoTContro

23、l everythingCloudingCloud everything6G D2D子系統大規模 IoT子系統Clouding:速率優化Sensing:感知優化Critical IoT:關鍵性優化Ubiquitous IoT:泛在性優化按需的靈活兼容性按需的靈活兼容性按需的靈活兼容性按需的靈活兼容性Ubiquitous IoTConnect everything圖 1-7：6G=1 個極簡核心+N 個子系統 6G 極簡核心6G 極簡核心是實現 6G 極簡多能系統的最關鍵的部分，每個子系統都或多或少需要使用極簡核心提供的共性能力和資源，但為了有效降低每個 6G 子系統的復雜度和成本，這個極簡核心

24、應該只包含最小化的共性能力。在我們看來，它可以僅包含如下三個能力：需要說明的是，6G 極簡核心并不一定集中在 6G 核心網，其也可能有部分資源分布式部署在 6G 接入網節點（如 6G 基站）中。內生智能 安全 靈活頻譜管理6G極簡核心之內生智能6G網絡的智能維度基于6G內生智能的按需組網基于6G內生智能的智能化替代6G極簡核心之安全6G時代的變化及安全趨勢6G時代關鍵安全技術6G時代零信任安全架構6G極簡核心之靈活頻譜共享2.1隨著 AI 技術的日趨成熟1，越來越多的關于 AI 賦能移動網絡功能的研究和案例陸續出現2，用 AI 賦能移動網絡功能具有如下優勢。AI 技術應用在移動通信網絡將經歷一

25、個過程，包含 For the AI,By the AI,Of the AI三個階段：For the AI 階段，網絡作為傳輸管道支撐應用層 AI 業務；By the AI 階段，網絡的部分功能（如 eMBB 和 URLLC）可以使用 AI 技術進行有限的增強；Of the AI 階段，AI 作為重要組成部分深度嵌入網絡中實現“萬智互融”的目標。由于5G 網絡在設計之初并沒有考慮 AI 賦能的問題，因此 5G/B5G 網絡只能實現 For the AI 和 By the AI 階段，而 6G 網絡是實現 Of the AI 的良好契機，可以從一開始就為“萬智互融”提供架構層面的支持。6G 極簡核

26、心之內生智能116G：極簡多能，構建移動的世界AI 賦能移動網絡的優勢優勢之一AI 的精準決策能力優勢之二AI 強大的推理能力優勢之三AI 的自演進能力優勢之四AI 的遷移學習能力根據學習樣本，歸納出輸入和輸出之間的一般性規律是 AI 推理的優勢。面對越來越繁雜的功能和場景，人為經驗很難做出快速、準確的選擇，使用 AI 技術對不同場景進行具體功能的匹配，能夠很好的發揮 AI 的優勢。隨著網絡算力的不斷提升，AI 推理能力越發強大，使其不輸于甚至超越了人工設計出來的算法和功能。AI 的推理功能并非一成不變，可以隨著時間的推移進行自演進，不斷優化推理性能，實現對性能增益的極致追求。訓練出來的 AI

27、 模型可根據條件的變化進行學習和調整，已達到“觸類旁通”的效果，從而能夠最廣泛地應用于不同場景，為在多元化網絡中普及 AI 技術提供可能。2.1.1 6G 網絡的智能維度AI 技術將是 6G 網絡的重要組成部分，不同于控制面對應的靈活性維度和用戶面對應的性能維度，AI 技術對應的智能維度將成為 6G 網絡的一個新維度。之所以稱智能維度是一個全新的維度，是因為 AI 維度上對應的數據特征、價值和作用與現有的控制面和用戶面功能存在明顯差異3：為了實現高效的 6G 網絡架構，降低產品開發復雜度，有針對性的提升業務體驗，實現“極簡而又多能”的 6G 系統，極簡核心內生智能應具備兩大能力：按需組網和智能

28、化替代。下面對這兩大能力做簡單介紹。126G：極簡多能，構建移動的世界這是 6G 新增的一個維度，包含為各個 6G 子系統提供的 AI 服務和AI 資源，包括 AI 數據采集、AI 模型的訓練、部署、管理、傳輸、激活、選擇、切換、配置及推理，以及提供 AI 操作所需的算力、存儲、信令等資源。智能維度的性能由 AI 操作效率和優化程度決定：AI 操作效率：完成特定的 AI 處理任務所消耗的資源（包括使用的計算、數據和通信資源），因此 AI 操作效率與 AI 算法的選擇密切相關；AI 優化程度：通過 AI 優化替代或部分替代 CP/UP 功能，使 CP/UP功能數量減少或簡化。這個維度包含 6G

29、通信網絡需要具備 的 用 戶 面 功 能，具 體 可 以 指3GPP 在 6G 需要標準化定義的UP 功能。由于通感融合需求的提出，對于 6G 時代的 UP 面傳輸的數據，需要支持通信功能和業務功能兩方面。智能（AI）維度用戶面功能（UP）維度這個維度包含 6G 通信網絡需要具備 的 控 制 面 功 能，具 體 可 以 指3GPP 在 6G 需要標準化定義的CP 功能。6G 時代的 CP 功能對于實現業務穩定性、系統響應速度有著更高的要求，也用于控制通信和業務的相關配置?？刂泼婀δ埽–P）維度圖 2-1：6G 網絡的三個維度智能UP 功能CP 功能136G：極簡多能，構建移動的世界2.1.2

30、基于 6G 內生智能的按需組網如第 1 章所述，實現 6G 系統“極簡而又多能”的“兩全”設計目標的唯一途徑，是設計多個面向應用場景的子系統。但由子系統集構成的 6G 系統的一個核心問題，是如何能按需配置網絡資源，真正為各個垂直行業部署“能力夠用、成本可控”的 6G 子系統。由于千行百業的需求千變萬化，這種按需組網難以靠人工方式實現，應該通過AI 訓練，采用智能化方式實現。具備了智能按需組網能力，極簡核心就可以只包含在目標場景所需的 CP、UP 和 AI面功能：在極簡核心的最基本功能基礎上，結合場景特征，疊加額外的 CP、UP、AI 功能及技術指標 QoAIS 4，用于某個實例化子網。CP 和

31、 UP 功能具體指 3GPP 定義的功能，而 AI 功能具體指為了實現特定業務引入的 AI 推理模型及實現方式。6G 網絡中任何業務均需要注冊和連接管理，其他附加功能按需增減，如 AIoT 設備不需要可達性連接管理能力、URLLC 設備不需要移動性能力建立連接是傳遞數據的最基礎特征，按需附加 QoS 傳輸能力（如帶寬、時延、可靠性等能力），以及 6G 應用業務處理能力（如應用業務數據處理能力）極簡核心中包含的功能是標準化協議上基礎必選功能，比如 3GPP 必須要標準化的內容，然后根據場景特征映射成不同子網的個性化功能并實例化，就是 智能組網 達到的效果。在極簡核心基礎上，我們可以把極簡核心應用

32、到某個子系統（即“按需組網”）。如圖 2-2 所示。其中，6G 網絡按需組網中一大特點在于從場景到網絡特征的映射關系，這里我們定義場景由通信、感知和計算三大要素組成，網絡由3GPP 的 CP、UP、AI 功能和 QoAIS 組成，再進一步通過內生智能架構實現實例化的 6G 網絡。智能維度：按需組網引擎（按場景需求選擇附加的 CP、UP、AI 功能）CP 維度：包含基本的注冊操作連接管理UP 維度：基本數據傳輸、基礎 QoS 保障圖 2-2：基于極簡核心內生智能的按需組網附加功能場景特征子網 1子網 2子網 3子網 N 子網 4AI按需組網實例化網格功能&KPI場景基礎功能CPUP場景特征（通信

33、、感知、計算要求）網絡特征（3GPP功能+業務功能+QoAIS指標：數據、算法/模型、算力、連接）實例化網絡（RAT、拓撲、計算/存儲/網絡資源）146G：極簡多能，構建移動的世界2.1.3 基于 6G 內生智能的智能化替代6G 部署場景比 5G 豐富得多，子系統數量也大幅增加，僅靠智能按需組網能力將現有的 CP/UP/AP 功能按照場景進行按需選擇和組織，只能使 6G 網絡復雜度不明顯高于 5G。要想在 5G 基礎上顯著降低復雜度，必須依賴內生智能的另一個能力智能化替代。智能化替代即將相當一部分傳統協議、傳統算法替換為“黑箱化”的 AI 協議和 AI 算法。3GPP Rel-18 的 AI

34、相關研究項目的初步研究結果已經揭示出：各種 AI 應用例（use case）的標準化影響基本都是類似的，無非是要定義 AI 的生命周期管理（Life Cycle Management，LCM），包括 AI 數據采集、AI 模型的訓練、部署、管理、傳輸、激活、選擇、切換、配置及推理等。無論在哪個技術點上使用 AI 模型，相關協議無非是定義上述這些過程，雖然仍需定義不同的數據接口格式，但協議 的 差 異 性、特 異 性 已 經 大 幅 降 低。例 如 在 3GPP Rel-18“AI/ML for NR air interface”項目中，CSI 增強、波束管理、定位增強 3 個 use case

35、 雖然需要定義不同的 AI 模型輸入輸出格式，但 AI 生命周期管理相關的協議是基本相同的，可以通用的。而在現有5G標準中，這三項技術的空口協議是截然不同的，且都是相當復雜。本節主要介紹網絡層協議的智能化替代，物理層技術的 AI 算法替代我們將在 3.3 節中介紹。網絡層智能化替代的目的，是在極簡核心的 CP/UP 功能上，盡量少地定義新的 CP和 UP 標準化功能，而是通過 AI 算法來替代標準化要求，以實現 6G 網絡的輕量級協議。在深層次內生智能的 6G 極簡核心中，AI 的智能優化可以幫助減少 CP 和UP 面功能的數量和復雜度，這樣原本所需的標準化定義的 CP 和 UP 功能就被大大

36、減少，產品的開發復雜度和部署成本也可隨之降低。圖 2-3 基于 AI-Cube 空間 3描述，以 6G 感知（Sensing）舉例，原本需要實現的標準化 CP 和 UP 功能較多，使用智能優化后，CP 和 UP 維度的功能可以被減少，取而代之的是智能維度的提升。圖 2-3：基于極簡核心智能優化的 Sensing 業務功能AI維度智能化替代之前智能化替代之后CP維度AI算力提升UP維度CP功能簡化UP功能簡化第一大類輸入是通用預測（包括業務預測、位置預測、負載預測和用戶行為預測）。每個具體的 CP 功能都可以使用一種或幾種通用預測作為輸入判決的重要依據，實現對 CP 功能的簡化。為了實現通用預測

37、，需要收集和構建終端、網絡和應用三方的數據集對 AI 模型進行訓練。第二大類輸入是個性化數據。AI 賦能不同功能時會有不同的個性化輸入參數，比如對于切換場景，RSRP、測量事件配置等是其個性化的輸入參數。對于隨機接入場景，小區干擾情況、歷史隨機接入數據等是其個性化輸入參數。AI 賦能的非決策類功能的具體形式，是將數據處理的部分或全部步驟替代為 AI 模型的推理過程。針對每個 UP 功能，AI 模型可以通過對限制因素和期望效果進行個性化定義，實現最佳的數據處理。通過 AI 賦能的方式，原本需要通過人為維護和迭代優化的數據處理過程，可以替換為 AI 算法的自學習和自演進過程，以實現對性能的不斷優化

38、。156G：極簡多能，構建移動的世界具體而言，智能化替代包括決策類優化和非決策類優化兩種方式。決策類優化可以通過如下兩類輸入實現對CP功能的簡化（如圖2-4所示）：非決策類優化可以用于UP功能的簡化（如圖2-5所示）。圖 2-4：通過智能替代實現 CP 功能的簡化賦能功能隨機接入優化移動性優化尋呼優化策略優化通用預測業務預測位置預測負載預測用戶喜好預測輸入（通用預測）數據輸入（個性化數據）個性化數據 每個具體功能進行AI 分析時需要的專有數據 終端數據電量/能耗算力網絡數據簽約/策略上下文應用數據期望的用戶行為用戶體驗業務特征分析處理步驟-3處理步驟-2處理步驟-1處理步驟-n限制因素期望效果

39、部分或全部步驟/算法使用 AI 模型替代某功能的原數據處理后數據圖 2-5：通過智能替代實現 UP 功能的簡化2.26G 極簡核心之安全6G 時代萬物互聯，業務、連接方式、接入設備呈多樣化發展，如工業互聯網、智能家居、智慧物流等業務，這些行業用戶通常會使用專屬設備、需要機器與機器之間的數據流、使用 Sidelink 連接方式，這些需求會對當前以人與人為主的通信模式帶來巨大改變。3GPP 5G 安 全 標 準 TS 33.501 5定 義 了 雙 向 信 任 的 安 全 架 構，即 UE（User Equipment 用戶設備）和運營商 HE（Home Environment 歸屬環境）雙方共享

40、用戶根密鑰，作為雙向信任的安全可信根。當用戶設備接入運營商網絡使用網絡資源的時候，用戶和運營商網絡根據用戶根密鑰執行雙向認證。并且，用戶和運營商網絡各自根據用戶根密鑰進行密鑰衍生計算，得到一系列保護密鑰，對雙向傳輸的信令和數據進行加密保護和完整性保護。6G 時代，如工業互聯網、智能家居、智慧物流等業務的行業用戶通常會使用專屬的終端設備，當這些設備接入運營商網絡使用網絡資源的時候，需要在接入設備、行業用戶、運營商之間進行認證，因此至少需要在接入設備、行業用戶、運營商之間建立三方信任模型。當連接方式和業務模式繼續變化，靈活組合，出現如 Sidelink 機器與機器連接、多業務相互協同、MEC 部署

41、等情況，信任關系則基于接入設備、行業用戶、運營商三方信任模型，進一步演變為包含多終端、多個行業用戶、多個入網節點的多方信任模型。包含多終端、多個行業用戶、多個入網節點的多方信任模式需要的安全可信根不可能僅僅基于單一的用戶根密鑰，而需要根據設備、業務、網絡的基礎組件建立內生安全可信根。6G 時代，人工智能的使用將成為主流趨勢，數據資產成為數字化社會的關鍵生產要素，以工業互聯網及智慧物流為代表的行業數字化業務將會產生大量數據，如零功耗、通感一體化為代表的新型終端和通信方式使得網絡中承載的數據更多來源于分布式的終端設備。多元的工業數據需要高效的安全保護機制，分布式的多源的數據采集和匯聚方式使得雙向傳

42、輸保護不再適用，基于用戶根密鑰及衍生密鑰的安全保護將會發生變化，需要更靈活和更智能的安全保護機制。對于 6G 安全架構來說，發生的關鍵變化體現為以下兩點：安全信任模型由雙向信任變為多方信任，需要建立多方信任模型與內生安全 安全保護的業務數據由單一變為多元，需要建立多元的業務數據與智能安全2.2.1 6G 時代的變化及安全趨勢166G：極簡多能，構建移動的世界多元的分布式業務數據與智能安全多方信任模型與內生安全隨著 6G 時代業務類型、終端類型、接入技術類型的不斷豐富，為了高效的實現靈活的、動態的安全策略，必須引入智能化的安全策略管理機制。2.2.2 6G 時代關鍵安全技術176G：極簡多能，構

43、建移動的世界區塊鏈具有分布式和可信的特點，能夠促進數據的共享，在 6G 時代將成為產業數字化的關鍵基礎設施。在產業應用中，電信運營商和區塊鏈供應商大力發展區塊鏈基礎設施網絡，并面向各行各業推出區塊鏈服務，其中包括區塊鏈身份管理服務、接入認證服務和安全服務。區塊鏈分為公有鏈、私有鏈、聯盟鏈。其中聯盟鏈和私有鏈是可信區塊鏈，聯盟鏈可以由多方參與，通過安全算法實現參與方之間的信任關系，能夠用于實現 6G 時代的多方信任模式，不依賴于第三方即可構建內生可信的多方信任可信根?；趨^塊鏈的 DID（分布式數字身份)技術，能夠支持分布式的身份管理，可用于實現分布式認證。零功耗設備這樣的輕量級 IoT 終端受

44、限于計算、存儲資源，可能無法支持傳統的認證計算，DID（分布式數字身份)技術支持輕量級的身份管理和認證機制，可用于低成本認證。區塊鏈支持多方信任模式和分布式業務數據保護物理層安全基于香農提出的完美安全性概念以及 Wyner 提出的竊聽信道模型，建立傳輸信道的安全性，不需依賴于高層的協議及設備的加密計算。零功耗設備受限于計算、存儲資源，可能無法支持傳統的安全保護，如基于 256 位密鑰的加密機制，PDCP 協議層的安全處理。物理層安全可以作為一個很好的補充，實現極簡 IoT 設備的輕量級傳輸安全。物理層安全支持輕量級傳輸安全6G 引入新業務并非一蹴而就，面向用戶的數據連接和面向工業互聯網的數據連

45、接都會為 6G 創造價值，零功耗 IoT 設備和 NB IoT 設備將長期共存，分布式的信任模式和分布式的認證機制并不能取代中心化的安全機制，輕量級傳輸安全是對極簡 IoT設備的一種補充安全機制。面向 6G 多元的業務、多源的數據，安全策略必須是智能的、靈活的、動態的。智能的安全策略可以從以下幾個方面考慮：智能的信任模型和認證機制。運營商可擁有多種可信根，支持對應的認證機制，根據業務類型、終端類型、數據類型、接入技術類型、安全風險等級，選擇不同的可信根及認證機制。例如選擇雙方/三方可信根和 5G AKA 認證機制，或者選擇可信區塊鏈的多方可信根和證書認證機制。智能的傳輸安全機制。運營商可根據業

46、務類型、終端類型、數據類型、接入技術類型、安全風險等級，選擇不同的傳輸安全，或者他們的組合。智能的安全策略2.2.3 6G 時代零信任安全架構基于多方信任模型與內生安全這個關鍵變化，對傳統安全信任域劃分帶來改變，傳統的安全邊界被打破，不再根據設備在網絡中所處的位置來定義信任域?；诙嘣臉I務數據與智能安全這個關鍵變化，同樣的連接中傳輸的可能是不同的數據，傳輸安全保護的等級需要考慮數據本身的分類分級，傳輸安全由保護網絡向保護數字化資產遷移。在 6G 時代需要對信任域、數據訪問、以及傳輸安全進行更全面的安全評估，實施靈活的、動態的安全策略。自從 2009 年 Forrester 提出零信任理念以來

47、，零信任安全模型在金融、互聯網、云服務等行業中得到廣泛應用。零信任側重于保護資源（資產、服務、工作流、網絡帳戶等），而不是網段 6?；诹阈湃蔚陌踩到y設計可以通過動態的身份認證和授權，保證對數據和資源的訪問由動態策略決定。在 6G 時代，可以考慮基于零信任的安全架構，設計靈活的、動態的智能安全策略，以保證多方信任模型與內生安全以及多元的業務數據與智能安全。186G：極簡多能，構建移動的世界2.36G 極簡核心之靈活頻譜共享首先，對于頻譜主管機構而言，頻譜劃分的目的是讓通信技術更高效、快速的落地，同時又要滿足頻譜使用方的實際需求，并且還要保證較高的頻譜利用率。通常對于頻譜使用者而言，頻譜的使用

48、需求并非在任意時刻或者不同地理區域都是均勻分布。理想情況下，為了滿足頻譜的需求且保證高利用率，需要做到對于時間，地理位置的極致細化的劃分。但是這樣將嚴重拉長頻譜劃分前的調研和準備工作，從而導致頻譜劃分的滯后。因此傳統的頻譜劃分無法做到細粒度劃分，只能不分時間和地理位置，僅從頻域維度將頻譜分配給使用方，這樣也是一個各種因素權衡后的結果。除此之外，當頻譜劃分并拍賣后，對于頻譜使用率的管理也是主管機構面臨的一個挑戰，為了有效的獲取頻譜使用的情況，主管機構需要在不同的時間地點對于頻譜的使用情況做監測和統計，這樣也增加了管理成本。其次，對于頻譜使用方來說，不同國家的頻譜使用成本各異。但總體來說，使用方首

49、先需要付出高額的頻譜租用費用，但是商用布署無法快速達到全地域全面覆蓋，因此在部署沒有達到成熟階段之前，頻譜的利用率并不理想，導致投資收益率較低。因此，簡化的頻譜分配和管理也是 6G 極簡核心一個重要功能，這里極簡的含義，一方面是要大幅的簡化頻譜分配和管理的流程，另一方面是要提高頻譜的利用率。196G：極簡多能，構建移動的世界在傳統的通信系統中，高效的頻譜管理一直是一個難題。傳統頻譜分配痛點靈活頻譜共享的目標靈活頻譜共享的實施首先需要建立一個區塊鏈基礎設施，在基礎設施上可以建立一個聯盟鏈，聯盟可以由頻譜主管機構，傳統運營商，垂直行業運營商組成。他們也同時是聯盟鏈上的節點，當頻譜擁有者發布一個智能

50、合約來觸發頻譜的共享。使用權的轉讓可以通過競價形式，或者是非競價形式，對于后者可能存在同一個頻譜中有多個使用者的情況，因此在這個場景中需要考慮到干擾規避傳輸技術。當交易完成后，節點會把交易記錄和使用權記錄打包成區塊并連接到鏈上，這樣區塊鏈上的各個全節點都可以保存最新的使用權更新數據，整個的數據結構如圖 2-7 所示?；趨^塊鏈的頻譜共享的另一個優點是，主管機構可以實時的掌握真實不可被篡改的頻譜交易記錄，可以獲取更為真實的頻譜的實際市場估值，以及頻譜的利用率。另一方面，頻譜使用者可以通過區塊鏈來記錄更細節化的頻譜使用信息，這樣主管機構可以更方便的獲得頻譜的使用情況，從而大幅減少頻譜管理的成本。2

51、06G：極簡多能，構建移動的世界一個簡單的描述是頻譜擁有者可以把頻譜的使用權轉讓出，頻譜使用權的轉讓可以細化到時間、地理位置的維度，獲得頻譜使用權的一方可以在此頻譜中通信，同時頻譜擁有者也可以從中獲得收益，從而通過頻譜共享達到按需動態分配頻譜的目的。采用靈活頻譜分配，主管機構可以進行相對簡化、粗粒度的初始頻譜劃分，而更細化的劃分交給后續的頻譜共享機制來完成，而頻譜擁有者可將使用權按時間、頻譜、地理位置三個維度進行劃分、轉讓。例如，頻譜擁有者可以根據自身的情況，決定對于某段頻譜在特定時間內，在特定地理位置下的使用權進行轉讓，如圖 2-6。6G 靈活頻譜分配的核心，是借助區塊鏈技術來實現頻譜的靈活

52、共享。圖 2-6：時間、頻譜、地理位置三維頻譜使用權劃分位置 2地理位置時間位置 1頻段 1頻段 2頻段索引圖 2-7：區塊鏈頻譜共享數據結構時間1位置1位置2位置M使用者頻段1使用者頻段2使用者頻段N使用者頻段1使用者頻段2使用者頻段N使用者頻段1使用者頻段2使用者頻段N6G寬帶蜂窩子系統6G寬帶蜂窩KPI指標要求6G寬帶蜂窩關鍵技術與系統設計6G空口的AI化替代首先，5G 系統理論上的峰值數據率 20Gbit/s 已經可以支持高清視頻、XR 媒體流甚至 AI 模型和數據在廣域覆蓋環境中的傳輸，因此 6G 寬帶蜂窩子系統的峰值速率不需要追求明顯高于 5G 的峰值數據率。其次，由于 5G 高階

53、 MIMO 傳輸和毫米波傳輸的覆蓋率有限，在 5G 宏小區邊緣實現 100Mbit/s 的用戶感受數據率仍然存在挑戰，6G 應致力于切實保證這一速率成為隨時隨地可得的用戶感受，追求理論上的更高數據率并不是首要目標。接下來，由于空天通信和地面蜂窩系統的信道傳輸環境、軟硬件能力存在很大的差別，6G 寬帶蜂窩子系統應集中定義地面蜂窩傳輸技術，首先致力于在經常有人居住的地區提高覆蓋深度，海洋、荒漠等人員稀薄地區的覆蓋應由 6G 空天通信子系統實現。最后，6G 寬帶蜂窩子系統仍應側重于通信能力，具備基本的定位和感知能力即可，不應過度追求超高精度的定位和感知性能，造成系統、終端的復雜度和成本大幅提升。這一

54、能力定位對于絕大多數寬帶多媒體和 AI 業務是足夠的，少量確需高精度定位、感知的應用場景，可以通過在網絡和終端集成 6G 定位與感知子系統來提供業務。6G 寬帶蜂窩 KPI3.1指標要求226G：極簡多能，構建移動的世界寬帶蜂窩模式是 4G、5G 系統的傳統核心，在 6G 系統中仍是最重要的子系統之一。同時，寬帶蜂窩也是 4G、5G 系統中技術最成熟、用戶滿意度最高的應用模式。4G、5G 手機業務快速普及，有力支撐了各種移動互聯網應用的蓬勃發展，證明了 4G、5G 在滿足手機用戶的多媒體音視頻感受方面獲得了良好的效果。6G 寬帶蜂窩技術主要目標，并不是使能一個新業務，而是傳統業務的性能提升和應

55、用范圍擴展，主要包括：高分辨率視頻流的普及；XR 業務的普及；AI 模型的分布式推理、傳輸與訓練。我們認為，6G 寬帶蜂窩子系統應滿足如圖 3-1 所示。圖 3-1：6G 寬帶蜂窩子系統 KPI 要求CoverageExperienceddate rate(Mbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m

56、2)Energy efficiencyGlobalTerrestrial1000100101100.1110-610-5101001010020X10X11000100101000100101011010011003x1x10-7Hotspot1X0.1x5006G 寬帶蜂窩關鍵技術3.2面向上述 6G 寬帶蜂窩子系統 KPI 指標，我們對各項 6G 潛在關鍵技術的觀察如下表。根據對 6G 性能的貢獻，這些技術可以分為四大類：與系統設計236G：極簡多能，構建移動的世界這類技術的目標是實現比 5G 更大的傳輸帶寬和更高峰值速率，由于獲取更大帶寬的主要方式是在高頻段尋找新的頻譜，這類技術主要是高

57、頻段傳輸技術。其中頻率較低的毫米波傳輸技術已經在 5G-Advanced 階段進行了研究，結論是可以重用中低頻 5G 的 OFDM 技術。但高頻毫米波信號的傳輸特性將發生較大變化，可能需要考慮不同于傳統 CP-OFDM 的新波形技術。更高頻段的太赫茲（THz）和無線光通信技術雖然可能實現更大帶寬和更高速率的傳輸，但其傳輸距離過短，用于蜂窩組網需要極高的基站密度，部署難度很大。我們認為太赫茲和無線光通信更適合用于 6G D2D 子系統，將在 4.2 節中介紹。當然，這兩種技術還有可能作為感知技術用于 6G 定位感知子系統。高頻新空口技術技術分類關鍵技術6G 應用前景基于AI的空口增強相對成熟，6

58、G 應用可能性很高，性能增益大小有待于進一步研究。超大規模天線新型多址全雙工相對成熟，6G 應用可能性較高，但仍需解決應用場景狹窄/耗能高的問題取決于是否獲得足夠大的性能增益、是否能就技術方案達成共識。靈活雙工模式相對成熟，6G 應用可能性較高。全雙工成熟度挑戰較大，實際性能增益有待驗證。相對成熟，6G 應用可能性較高，但仍需驗證實際性能增益，并解決部署成本的問題。新型信道編碼智能表面（RIS）解決高頻段視距傳輸覆蓋率低的問題仍在研究中，實際性能增益有待驗證。太赫茲傳輸無線光通信傳輸距離短，更適合 D2D 傳輸傳輸距離短，更適合 D2D 傳輸實現更大傳輸帶寬和更高峰值速率表 3-1：6G 寬帶

59、蜂窩潛在關鍵技術相對成熟，6G 應用可能性較高，但仍需解決視距傳輸覆蓋率低的問題。采用該技術的目的高頻新空口技術頻譜效率提升技術覆蓋增強技術用于高頻毫米波的新波形獲得更高的頻譜效率實現更高傳輸可靠性（如 10-7或更高）可靠性提升技術由于 4G MBB 和 5G eMBB 技術已經相當成熟，也在市場上廣泛驗證了其應用效果，在 6G 沿用 5G 核心物理層技術（OFDM+MIMO）的條件下，6G 寬帶蜂窩子系統可以大量沿用 5G eMBB 的成熟設計，包括信道結構、資源分配、接入等物理過程。但是在此之上，6G 寬帶蜂窩子系統還可以引入 AI 算法，與傳統算法并行使用。如 2.1.3 接所述，使用

60、 AI 算法的 6G系統可能采用明顯不同的以“描述 AI 模型生命周期管理”為基礎的系統設計。也就是說 6G 寬帶蜂窩子系統可能會包含兩種空口系統設計。246G：極簡多能，構建移動的世界從 2G 開始，頻譜效率提升是歷代移動通信技術長期追求的目標。理論上講，頻譜效率的提升總是可以換取更高的數據率和系統性能。但實際上，提高頻譜效率當然不是沒有代價的，其幾乎必然要付出更高的設備復雜度和部署成本。以多天線（MIMO）技術為例，在 HSPA+和 4G 系統中開始引入 MIMO 技術時，只采用 24 個天線端口就能實現大幅度的頻譜效率增益，采用 MIMO 技術的“投入產 出 比”很 高。在 5G 中 采

61、 用 大 規 模 天 線 技 術，可 以 實 現 多 用 戶 MIMO（MU-MIMO）和垂直方向的分層覆蓋，從理論上是很有吸引力的技術。但MU-MIMO 和 3D MIMO 并不是在所有部署場景都能獲得明顯的性能增益，大量天線帶來的成本和能耗提升并不總能換取相應的性能提升。新型多址技術是另一種在 5G 階段深入研究過的關鍵技術，但由于候選技術方案過多、性能增益和復雜度評估沒有明確結論，沒有被 5G 標準采納。預計 6G 標準化階段會對新型多址技術再次進行研究，但仍然會面臨 5G 時類似的挑戰，新型多址技術往往也是在某些特定的場景能夠獲得比較明顯的增益，產業是否能對這些“優勢場景”及其性能增益

62、獲得共識，仍然是一個問號。作為全雙工的初步階段，3GPP Rel-18 開始對靈活雙工技術開展研究，這種技術雖然不能實現完全的“全雙工”效果，但其實現復雜度相對較低，沿這個技術路線完全有可能成為 6G 標準的一部分。完整版本的全雙工技術還在深入研究中，如何控制設備復雜度還面臨一定挑戰。物理層 AI 是在 3GPP Rel-18 中研究的另一項“準 6G”技術，雖然還沒有完成性能增益的評估，但是已經基本可以確定是 6G 的核心技術之一。究其原因，不僅因為 AI可能實現一定的性能增益，還因為它可能實現大幅簡化的空口協議，并實現與業務層的 AI 算法共享訓練和推理算力，使 6G 設備和終端的應用處理

63、和基帶處理有望統一到一個軟硬件架構中。6G AI 對物理層算法的替代，將在 3.3 節中進一步介紹。頻譜效率提升技術在 5G 階段，3GPP 也對一些覆蓋增強技術進行研究和標準化，包括中繼技術和信道設計的各種優化等。智能表面（RIS）是一種針對性的解決毫米波視距傳輸覆蓋率低的覆蓋增強技術，如果能顯著提升毫米波信號的覆蓋范圍，將比引入更高頻段的 THz、無線光通信等只能用于熱點覆蓋的“峰值增強技術”，對 6G 的意義更大。但業界仍需深入驗證 RIS 實際性能增益，并解決 RIS 站點的部署成本問題。覆蓋增強技術5G 標準引入 LDPC 和 Polar 編碼，分別為 eMBB 高速率傳輸和 URL

64、LC 高可靠性做出了貢獻。是否需要引入新的信道編碼，以實現更高的傳輸可靠性，學術界還在深入研究。不過如 3.1 節所述，6G 寬帶蜂窩子系統不需要進一步提高傳輸可靠性，如果引入新的信道編碼，其主要應用場景適用于 6G URLLC 子系統。在 5G 系統中，eMBB 和 URLLC 都是共用一套信道編碼技術。但在 6G 系統中，如果新的編碼技術具有相對高的復雜度，也可以考慮僅在 6G URLLC 子系統中采用?？煽啃蕴嵘夹g6G 空口的 AI 化替代3.3智能化的網絡構建已經成為未來移動通信系統設計的重要方向。3GPP Rel-18 已經初步開展用于 5G 空口的 AI 增強技術研究，涉及信道狀

65、態信息（CSI）反饋增強、波束管理、定位增強 3 個 use case。但是在這 3 個 use case 引入 AI 增強仍是在傳統的收發信機架構中，試圖在零散的物理層技術點上用 AI 算法替換傳統算法，即便在這些技術點上獲得了一定增益，對 6G 系統整體的性能提升也貢獻有限。因此，在當前針對 6G 系統的空口 AI 化演進的過程中，有必要對研究的路線、所受的限制條件、基礎問題，以及期待的突破與改變做出較為客觀和明確的判斷，并相應構建短、中、長期演進規劃，以在不同層面和維度上獲得理論與工程上的增益與突破。未來無線通信系統的一體化、系統化 AI 設計研究；針對小樣本、場景自適應、可在線更新需求

66、的無線 AI 解決方案分析；以智能信道建模與虛擬重構為代表的無線 AI 數據集構建等問題。256G：極簡多能，構建移動的世界如圖 3.2 所示，針對無線通信系統的智慧賦能將依托 AI 技術首先提升單點或者特定鏈路上的無線通信系統性能，即利用 AI 對原有系統架構中的功能模塊進行數據驅動或者模型驅動的智能化增強。例如，在物理層對原有的信道估計功能、信道狀態信息反饋模塊、波束管理功能、符號檢測鏈路、定位子系統等進行利用 AI 技術的增強設計，提升相應模塊的性能；在接入網對系統中的移動性管理、資源分配、負載均衡、網絡/用戶節能等問題，利用 AI 的決策優勢和預測優勢，提升接入網絡整體性能增益；在核心

67、網側，構建支持 AI 的網絡結構，實現基于 AI 的網絡規劃與細化優化，并實現基于 AI 的網絡故障檢測與維護能力。上述面向空口 AI 化的功能應用是無線通信與 AI 技術結合的開端，但需要注意的是，6G 階段的一個重要的背景特征是整個通信行業再次獲得了系統性改變整體通信架構的機會。所以，在這個階段，局限在現有架構設計的基礎上做基于 AI 的系統優化并不是智能化 6G 研究的全部內容。著眼于 AI 對未來通信系統設計與重構的深度影響，一些固有的模式需要被嘗試打破，開展全新的探索，以期構建形成面向智能需求且構建于智能技術上的新一代無線通信系統。6G 空口 AI 化的研究將不只在已成型的具體無線用

68、例上做修補優化型演進，而是從系統重構的角度出發，開展無線 AI共性基礎問題的深度剖析，包括：6G 空口的 AI 化替代包括基于 AI 的系統賦能和基于 AI 的系統重構兩個層面圖 3-2：智能技術為 6G 賦能與重構智能技術為 6G 賦能與重構基于 AI 的系統賦能依托基礎系統架構，利用 AI 技術實現模塊化/功能化/系統化的性能提升?；?AI 的系統重構不局限在現有系統架構，研究 AI 對未來通信系統設計的影響。266G：極簡多能，構建移動的世界首先，未來無線通信系統的一體化、系統化 AI 設計可包括自上而下的一體化設計和自下而上的系統化集成兩個方向，如圖 3-3 所示。傳統的通信系統設計

69、中，基于功能劃分等原因，整體通信系統一直以來被劃分為特定模塊單元，通過問題拆解、模型化、參數化擬合等方法級聯形成完整的通信系統設計。但是，通信的目的是有效信息的成功傳輸，人為劃分的模塊化設計只是實現達到上述目的一種方法，AI 技術則為上述問題提供了另一條思路?；?AI 的整體通信系統設計，可以采用以傳輸增益最大化為目標，以待傳輸信息作為收、發模型的期待輸入輸出條件，以信道環境、噪聲等不可控因素作為傳輸和模型構建的限制條件，以期獲得整體的設計增益。與此同時，有必要指出大規模系統的一體化設計雖然在減少信息量損失的角度來看是有益的，但也會相應引入極高的自由度和復雜度問題，對于無損信息量中有用信息的

70、提取在短時間內依舊是對 6G 系統 AI 化的挑戰。所以基于模塊化 AI 的集成與融合，也是未來無線通信系統智能化演進的重要探索階段。1.未來無線通信系統的一體化、系統化 AI 設計研究其次，對于智能化的 6G 無線通信系統來說，還需要對無線通信問題與 AI 技術深度融合所需面對的共性限制條件形成明確的判斷。自 5G 研究與商用的后半程開始，無線系統 AI 化的研究重點集中在了期望通過增益、復雜度、泛化性以及其他多個維度優先評估無線通信系統與人工智能技術結合后對未來無線通信系統帶來的新變化，繼而觸發更多針對性的研究與工作。在上述階段，相對理想的數據、訓練、場景等限制條件被優先考慮，以快速確認

71、AI 解決方案在無線系統中使用所帶來的影響。但上述的假設往往會引入一些過于理想的條件假設，比如，對于數據來說，是否能夠獲取足量的訓練數據，以及獲取數據所需要付出的代價如何評估；對于場景來說，是否模型訓練可以在足量場景下完成，以及不同場景對于智能無線通信解決方案的影響如何評估；2.針對小樣本、場景自適應、可在線更新需求的無線 AI 解決方案分析（a）一體化 AI 設計與重構發射機接收機信源信宿信道p(y|x)發射機接收機發送信息發射機輸出接收機輸入接收信息信源編碼信道編碼調制發送天線耦合信道接收天線耦合解調信道解碼信源解碼圖 3-3：一體化、系統化 AI 設計的兩種思路（b）模塊化 AI 集成與

72、融合導頻信道粗估模塊粗估計信道UEBS恢復后的信道編碼器反饋信道信息反饋子網絡1011010110110101解碼器信道估計子網絡人工智能的發展與應用為未來無線通信系統的智能構建提供了潛力，也帶來了更多的挑戰。對于 6G 來說，未來的無線通信網絡將不再是一張簡單的傳輸網絡，智能的需求、智能的改變、智能的構建將貫穿于 6G 系統甚至更長久系統的設計與建設當中，我們期待著“智啟無線、智享世界”的到來。276G：極簡多能，構建移動的世界此外，對于模型、算法訓練來說，在不同場景、數據條件下是否都可通過離線處理的方案來解決也是不確定的。對于 6G 系統智能重構來說，需要充分考慮實際系統與人工智能技術深度

73、結合時所面臨的上述數據、場景、以及在線訓練更新等更多方面的影響因素，從系統設計的源頭支持面向小樣本、場景自適應、可在線更新需求的無線 AI 解決方案（例如，元學習、遷移學習等，如圖 3-4 所示）的應用部署，進一步構建和擴充未來無線通信系統的智能化邊際。此外，AI 和下一代無線通信系統的深度結合過程中，作為智能化系統設計、性能評估的基礎，針對無線數據集本身以及衍生問題的研究在 6G 階段中將扮演著不可或缺的角色。以物理層應用為例，無線數據大多都可溯源到信道數據。作為基礎方案，可采用平臺仿真與外場實采形成基本的物理層無線 AI 研究數據集。但是，對于實際無線環境來說，通信系統所需面臨的信道條件往

74、往極度復雜，仿真數據、以及局部實采數據對于方案論證的可靠性往往有限。在實際無線環境中，充分且完備的實采信道數據很難獲取。通過傳統路測的方式獲得底層無線信道數據來支撐基于 AI的無線通信研究時，往往在花費極大的人力、物力成本后依舊很難獲取到期望的完備數據集作為無線 AI 解決方案的有效訓練數據。針對這類問題，在 6G 無線系統的AI 化構建中需要充分考慮無線 AI 不同研究方向下所涉及的數據集需求，充分評估獲取的方式與潛在的獲取難度，并支持在小樣本數據假設下依托少量真實樣本的假設完成真實數據建模，例如通過智能技術實現物理信道的虛擬重構，如圖 3-5 所示，繼而評估不同來源的無線 AI 數據集在其

75、所對應的相關無線 AI 用例中的可用性及有效性。3.以智能信道建模與虛擬重構為代表的無線 AI 數據集構建等問題元模型目標模型目標數據元數據圖 3-4：基于元學習的小樣本條件場景化適配示意基礎模型噪聲向量真實信道虛擬信道真實信道數據庫虛擬信道生成器信道鑒別器圖 3-5：基于 AI 的小樣本條件信道建模與虛擬信道重構6GD2D 子系統6G D2D KPI 指標要求6G D2D 關鍵技術與系統設計基于 AI 的 D2D 系統設計太赫茲技術可見光通信296G：極簡多能，構建移動的世界4.16G D2D KPI 指標要求6G D2D 子系統的 KPI 指標可以通過下圖所示。6G 系統考慮采用更高通信頻

76、段的傳輸技術，如太赫茲通信和無線光通信，這些高頻段具有很大帶寬，可以提供高傳輸速率。但其傳輸距離過短，用于蜂窩組網需要極高的基站密度，部署難度很大。太赫茲和無線光通信更適合用于 6G D2D 子系統，在幾米甚至更短的距離上進行終端間的直接數據傳輸。因此 6G D2D 子系統的峰值速率和用戶數據率可能會超過 6G 寬帶蜂窩子系統。也就是說，6G 系統的最高峰值速率和用戶數據率可能是通過 D2D 子系統來實現的。峰值速率和數據率由于消費電子設備之間的 D2D 通信可能在很短距離內進行，使 D2D 子系統可以實現很高的連接密度，支持很高的用戶連接數量，6G D2D 子系統的連接密度也完全可能超過 6

77、G 寬帶蜂窩子系統。連接密度D2D 通信的主要應用場景仍然是個人設備之間的互聯和車-車互聯，因此其移動速度在 150km/h 以下即可滿足要求，支持過高移動速度可能提高 D2D 子系統的復雜度和成本。移動性由于 D2D 感知主要用于相鄰終端之間的精確定位，定位距離較短，視距連接比例很高，更有利于實現很高的定位精度。因此 6G D2D 子系統的感知精度可望達到 cm級別，這種高精度定位對鄰近終端之間的高精度互動業務（如交互式 XR 游戲、協同駕駛）也是必要的。定位精度圖 4-1：6G D2D 子系統 KPI 指標CoverageExperienceddate rate(Mbit/s)Latenc

78、y(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1000100101100.1110-610-5101001010020X10X11000100101000100101011010011003x1x10-7Hotspot1X0.1x5003GPP 已經展開側行

79、鏈路（Sidelink，SL）的研究和標準化工作，用于支持 D2D 系統通信。首先，sidelink 的資源分配可以分成兩種模式，即模式 1 和模式 2。在模式 1 中，終端的傳輸資源是由基站分配的?；究梢詾榻K端動態調度資源，也可以為終端配置側行配置授權（Sidelink Configured Grant，SL CG）資源。在模式 2中，終端自主從網絡配置或預配置的資源池中選擇傳輸資源。在 R16 版本的標準中，支持基于完全偵聽（Full Sensing）的資源選擇方式，進一步地，在 R17 版本中又標準化了基于部分偵聽（Partial Sensing）和隨機選取的資源選擇方式。在模式 2

80、中，由于各個終端獨立地確定各自使用的資源，這種分布式的模式對于引入機器學習的算法特別是引入強化學習的算法有天然的優勢，并且這種基于強化學習的資源分配方式在學術界已經有了一定數量的研究成果。強化學習是機器學習的一個重要分支，用于解決終端在與環境的交互過程中通過學習策略從而達成回報最大化等問題。換句話說，強化學習不需要事先給定訓練集，而是通過執行動作獲得環境對動作的獎勵，不斷地更新模型直至收斂。依據是否沿用 3GPP 規定的模式 2 資源選擇算法，可以將基于強化學習的資源分配大體分成以下兩個方向：在模式 2 資源選擇算法，即資源預留與資源選擇的基礎上，針對其中的一些參數，引入強化學習確定其最優值。

81、例如，文獻7中針對 V2V 中資源排除時使用的RSRP 門限值使用 Q learning 進行優化，以平均包接收率（Packet Reception Ratio，PRR）設計回報函數，確定最優的 RSRP 門限值。又例如，文獻8中以碰撞概率和時延作為回報，調整半靜態傳輸中計數器的值以及計數器減為 0 后的重選概率，使得終端采用匹配傳輸業務或負載的半靜態策略。因此，沿用這一思想，對于資源選擇或排除其他步驟中參數，都可以嘗試通過強化學習進行優化。另外一個可能的方向是，打破現有的資源預留與資源選擇的機制，各個終端直接通過環境的感知，例如通過 CSI 以及干擾的測量，利用強化學習的方式確定最優的傳輸資

82、源，最大化系統的吞吐量和可靠性等指標910。但該方向相對于第一種方式對于傳統的從 R14 以來一直使用的資源預留與資源排除機制破壞性較大。目前，人工智能在計算機視覺和自然語言處理等領域有著廣泛的應用，在通信領域引入 AI 已經成為 6G 的研究熱點。在 D2D 系統中可以考慮為 AI 技術引入如下新切入點：隨著 6G 系統中可用頻段越來越高，通過基站實現無縫覆蓋變得越來越困難，利用 D2D 技術實現終端到終端之間的直接通信會成為 6G 系統中越來越重要的通信方式。另外，D2D 技術可以和其他技術相結合，如基于側行鏈路的定位技術、感知技術、大規模 IoT 技術、人工智能等，因此，D2D 技術將成

83、為 6G 系統中最重要的技術之一。4.2.1 基于 AI 的D2D 系統設計4.26G D2D 關鍵技術與系統設計306G：極簡多能，構建移動的世界基于 AI 的資源分配和功率控制基于 AI 對業務和負載進行預測基于 AI 的 Mesh 組網1.基于 AI 的資源分配和功率控制預測也是人工智能或者說機器學習的一個重要分支。所謂預測，就是根據已有的訓練集進行模型的訓練，利用訓練好的模型對于未知的數據，給出盡量正確的答案。預測可以是分類也可以是回歸，例如如果預測業務是否會到達，則屬于分類問題，如果預測業務的到達時間，則屬于回歸問題。在側行鏈路中，對于業務或負載的預測可以應用于以下方面：基于業務或負

84、載的預測進行信道接入基于業務或負載的預測進行資源分配基于業務或負載的預測進行擁塞控制316G：極簡多能，構建移動的世界首先，基于對業務或負載的預測可以 用于非授權頻譜上的信道接入。非授 權頻譜是國家和地區劃分的可用于無 線電設備通信的頻譜，該頻譜通常被 認為是共享頻譜，因此當通信設備在 非授權頻譜上傳輸前需要進行先聽后 說(Listen Before Talk，LBT)，LBT成功后再傳輸數據。也就是 說，當某一終端在非授權頻譜上進行 傳輸時，很可能導致另一終端 LBT 不成功而無法接入信道。如果終端能 夠預測出其他終端的業務，就可以提 前獲知頻譜占用情況，從而避免上述 LBT 不成功的情況。

85、在該情況下，可以使各個終端信道接入的 時 機 盡 可 能 地 協 調 開，降 低 LBT 的影響，使 得通信傳輸達到與授權頻段類似的效 果。其次，在上文中提到，目前終端自主 進行資源選擇是基于資源預留的，即 當其他終端通過側行控制信息預留了 某一資源時，進行資源選擇的終端將 排除該資源，從而避免資源碰撞。但 其他終端預留了資源并不表示該終端 一定會使用該資源。因此，目前的機 制可能會導致預留的資源未被任何終 端使用。通過將資源預留和業務預 測 相 結合，可以解決上述問題，使得一 些被預留的資源也可以被使用，進而 提高頻譜效率。進一步地，業務的預 測也可以替代資源預留，從而節省傳 輸資源預留信息

86、的信令開銷。此外，從進行資源預留的終端的角度描述，如果進行資源預留的終端可以預測出 即 將 通 過 側 行 控 制 信 息(Sidelink Control Information，SCI)預 留 的 資源上是否會傳輸業務，當不進行業 務傳輸時，則不進行資源預留，也可 以使相應的資源被其他終端使用，提 升資源利用率。此外，業務預測也可以應用于擁塞控 制。例如在現有側行鏈路機制中，信 道 占 用 率(Channel Oc-cupancy Ratio，CR)是用于支持擁塞控制的 基本測量量。CR 的定義為:終端在 n-a,n-1 范圍內已經用于發送的子信 道個數和 n,n+b 范圍內已獲得的側 行

87、授權包含的子信道個數占 n-a,n+b 范圍內屬于資源池的子信道總數的比 例。根據測量的 CR 與信道占用率 門 限(CRlimit)進 行 比 較，如 果 超 過 CRlimit 則 放 棄 相 應 傳輸。從 CR 的 定義可以看到，目前計算 CR 是按照 n,n+b 范圍內已獲得的側行授權包含 的子信道個數，但是實際上 n,n+b 范圍內已獲得的側行授權包含的子信 道并不一定均會被終端使用。因此，結 合 業 務 的 預 測，預 測 n,n+b 范圍 內會被使用的資源數目，有利于提升 擁塞控制中測量量計算的準確性。2.基于 AI 對業務和負載進行預測326G：極簡多能，構建移動的世界未來世界

88、將存在種類非常豐富的智能終端設備，例如日常生活中經常使用的智能手機、可穿戴設備、智能汽車，例如構建智慧醫療、智慧工廠、智慧家庭、智慧交通等各個垂直行業所需的智能設備，同時，XR 設備和機器人也有望在 6G 時代大放異彩，甚至未來可能出現全新設計的人機交互產品。不同類型設備之間如果存在邊界而導致無法互相連接，便無法帶來更加智能化的用戶體驗，6G 將實現各類智能終端群的互聯互通，構建“萬物互聯”的移動世界。但是，當終端設備的種類和數量迎來爆發式增長，也將對通信質量和網絡性能帶來全新挑戰，僅依靠基站集中調度的蜂窩網絡可能不足以支撐各類智能設備互聯互通的需求，6G 有望超越 5G，由蜂窩網絡拓展到多樣

89、化的網絡拓撲結構，以部署更加廣泛的應用場景。Mesh 網絡是一種網狀拓撲結構，不同于中心輻射式的蜂窩網絡，Mesh 網絡中沒有中心控制端，終端設備以多跳互聯的方式形成自組織網絡，網絡中任何兩個設備均可以保持無線互聯，這樣的網絡適用于智慧家庭、工業物聯網、緊急救援等許多場景。Mesh 網絡對于底層物理通信技術不做限制，D2D 直連通信顯然可以為 Mesh 組網提供便捷通道。在 Mesh 組網關鍵技術的研究中，涉及到方向包括網絡發現、路由轉發和網絡維護。網絡發現即用于終端節點發現并加入已有的 Mesh 網絡。Mesh 網絡中的終端設備通過單跳或多跳的方式互相通信，因此路由路徑的設計算法將直接決定網

90、絡性能，如何選擇路徑和中繼節點需要衡量多種性能指標從而實現最優拓撲結構。在穩定的 Mesh 網絡中，可能遇到已有節點故障或離開等突發情況，Mesh 網絡的一個重要優勢則在于不會因為某一個節點的故障而導致其余節點之間的通信失效，這正是因為 Mesh 網絡可以實時更新網絡路由鏈表，維持網絡穩定。未來智能終端可能同時處于物理與虛擬的“融合”世界，所處的周邊環境將會更為復雜，同時自身可能處在高速移動狀態，因此，Mesh 網絡中的智能設備既需要快速加入網絡建立通信連接，也需要快速應對動態環境的變化做出決策，更新并維護網絡拓撲結構，從而保持高效穩定的運行狀態，但是目前智能終端可能無法支持如此強大的預測和決

91、策能力。6G 時代，AI 可以賦能 D2D 系統，智能終端作為邊緣云計算和分布式 AI 計算的天然載體，以智能終端為中心，發揮 AI 強大算力解決 Mesh 組網中的關鍵技術，助力 Mesh 網絡部署于廣泛的應用場景。3.基于 AI 的 Mesh 組網336G：極簡多能，構建移動的世界4.2.2 太赫茲技術6G 網絡中涌現了很多新興應用，如沉浸式遠程存在、全息技術、連接機器人和自主系統、擴展現實（eXtended Reality,XR）和數字孿生等，這些帶寬密集型應用與5G 系統相比，至少需要增加 1000 倍的容量，并且這些應用還需要多用途的無線功能，包括通信、傳感、定位和控制，因此需要向更

92、高頻率的太赫茲頻段進行遷移。太赫茲頻段在 0.1Thz-10THz（1Thz=10 Hz），介于微波和紅外線之間，頻帶資源豐富，之前由于半導體發展技術的限制，沒有有效的收發器和天線，太赫茲通信技術沒有得到應用，但由于等離子體器件和石墨烯設計的最新進展，太赫茲通信技術已成為 6G 網絡中的研究熱點。太赫茲頻段具有以下特點：1.數據傳輸速率高，頻帶資源豐富，可以為 6G D2D 系統提供高傳輸速率；2.高路徑損耗和反射損耗；3.視距鏈路易被阻塞；4.分子吸收性，盡管分子吸收性會阻礙太赫茲波段的通信，但這一特性顯著提高了太赫茲的傳感能力；5.太赫茲頻段的準光學特性具有很好的傳感、成像和定位功能。太赫

93、茲通信的路徑損耗特性呈現出“傳輸窗”的特點，如圖 4-2 所示，在傳輸窗進行通信時，路徑損失會相對較小。但是傳輸窗并不固定，受環境、天氣變化的影響，同時跟傳輸頻率和距離有關，因此利用太赫茲通信在受控或室內環境中進行傳輸更有意義。太赫茲通信的特性使其適用于室內以及短距通信，因此將太赫茲技術與 D2D 通信技術相結合將是 6G 系統中的一個主要應用場景，其應用場景可以包括：車聯網：車輛之間的超快海量數據傳輸；通感融合：車輛或手持設備通過側行鏈路發送太赫茲信號，感知周圍環境信息；觸覺通信：實時傳輸觸覺或感官信息；人機接口：通過人腦控制車輛、終端等；室內應用：如智能家居，高清全息游戲，VR，AR 等。

94、124.2.2.1 太赫茲技術的特點圖 4-2：太赫茲通信的路徑損耗特性100050100150200250300距離為0.01m2003004005006007008009001000距離為0.1m距離為1m距離為10m路徑損耗/dB頻率/GHz太赫茲波束管理的挑戰與方法：346G：極簡多能，構建移動的世界由于太赫茲工作頻段極高，其對應的物理單元尺寸極小，使得一個天線面板集成成百上千根天線組成超大規模 MIMO（Ultra-massive MIMO）系統成為可能，太赫茲通信通過產生具有高波束賦形增益的鋒利窄波束，可以克服太赫茲波段的通信距離限制問題，同時有望實現高能量效率和支持移動覆蓋。由于

95、太赫茲波束極窄以及可容忍的 傳輸延遲非常低，太赫茲窄波束管 理中需要極高角度分辨率的的到達 方向角(Direction of Arrival，DoA)估計和快速波束跟蹤。為了 達到毫度級的 DoA 估計和毫秒級 波束跟蹤，在太赫茲通信中可以采 用基于深度學習(Deep learning，DL)的波束訓練的方法，比如基于 DL 的 DoA 估計的算法有深度卷積 神 經 網 絡(Deep convolution-al neural network,DCNN)，卷積長 短 期 記 憶(Convolutional long short-term memory，ConvLST-M)等，可以在較低計算復雜

96、度和 波束訓練開銷的情況下捕獲毫秒級 別的 DoA 變化。由于太赫茲系統帶寬很大，會導致 陣列方向圖隨頻率而產生較大幅度 偏移，從而產生波束斜視效應，波 束斜視導致不同頻率的波束無法對 準，嚴重降低了系統性能。因 此，需要制定有效的訓練方案來消 除波束斜視效應。為了緩解太赫 茲系統中波束斜視效應，一種方法 是將斜視波束重新聚合，為此可以 采用基于時間延遲移相器的混合波 束賦形結構和相應的訓練方案，將 頻率無關的移相器替換為頻率相關 的 真 實 時 間 延 遲(True time delay，TTD)移 相 器，從 而 消 除 波束斜視效應。另一種方法是將 波束的角度分開以擴大角度覆蓋范 圍，通

97、過將波束分成不同的方向性 波束以獲取角度擴展，在增加角度 覆蓋的同時，不會降低每個子帶的 方向增益，因此可以在保持距離覆 蓋的同時實現較大的角度覆蓋。20 年前發光二極管（Light Emitting Diodes,LED）開始廣泛應用，LED 得到發展不久后，可見光（Visible Light Communication，VLC）得到了研究界的廣泛關注。VLC 通信使用可見光（380-780nm）為數據載體，在正常照明前提下，將信息調制到 LED 燈發出的可見光中，接收端利用光電檢測器將可見光轉換為電信號，并從中解調出相應的調制信息。356G：極簡多能，構建移動的世界可見光通信技術具有以下特

98、點：頻譜資源豐富，數據傳輸速率高：與射頻信號相比，VLC 通信具有巨大的免費的光譜資源，能夠實現非常高的數據傳輸速率，實現了 6G 中高傳輸速率的性能指標，此外，與 MIMO 技術相結合可以進一步提高傳輸速率。穿透能力有限：VLC 通信和 RF 通信的主要區別在于所利用的電磁波的固有特性，射頻波具有穿透大多數非金屬材料的能力，而可見光只能穿透透明材料。部署成本低、實現簡單：現有的 LED 照明設備進行改裝后可用于 VLC 通信，成本低，且易于部署。節約能源：VLC 通信無需消耗額外的電能，同一個設備既可以照明又可以作為數據的載體。安全性、私密性好：VLC 通信的信號隔離特性可以防止對室內或建筑

99、物內部通信的竊聽，從而提高通信的安全性。VLC 通信技術提出主要是用于室內和海下通信，但由于其高速傳輸速率的特性，被應用在很多領域，比如可利用智能臺燈傳遞信息，在商場給顧客發送信息推送、隱形廣告等；基于 VLC 通信的車聯網應用場景得到了廣泛關注，可將交通信號燈和汽車車燈進行改裝，通過 VLC 通信提高駕駛的安全性；在車輛編隊場景中，前后車之間可以通過車燈實現基于 VLC 的高速率數據傳輸；VLC 通信還可以用于可穿戴設備，用于實時健康監測。1.可見光通信的特點雖然可見光頻譜資源豐富，可以提供高傳輸速率，但是相對于傳統的基于射頻技術的通信系統，可見光用于數據通信會面臨相應的挑戰。LoS 徑和

100、NLoS 徑對接收強度影響大：LoS 徑與 NLoS 徑影響光的接收強度，另外，發射機的角度也會對接收強度有影響，發射機角度越寬，接收信號越弱，角度越窄信號越強。當接收者的設備是移動設備，用戶可以不斷地改變方向，從而導致接收強度忽強忽弱。因此，需要開發不在發射機的 LoS 徑視野內的高速通信技術。智能反射表面（Intelligent Reflective Surface，IRS）技術可以控制信號反射方向，將可見光通信和 IRS 技術相結合可以提升可見光傳輸性能。VLC 上行鏈路實現困難：在室內環境中，智能手機和其他低功耗設備將信息發送回 LED 燈泡，上行鏈路若使用可見光通信，則需要在移動設備

101、上添加多個光源，其中大多數光源的方向隨機，可能會對人眼造成不適，目前的主要解決方案是利用射頻、紅外等技術建立上行鏈路。移動性：基于 VLC 的系統必須支持移動設備，為了使可見光通信成為一種無處不在的技術，需要有機制確保在系統覆蓋范圍內以不間斷的方式高速連接。為了使VLC 系統在商業上取得成功，特別是在消費市場上，需要解決與信號覆蓋和移動性相關的挑戰。4.2.3可見光通信2.可見光通信的物理層挑戰366G：極簡多能，構建移動的世界可見光通信系統的其開放性和廣播性，使其在一定空間內很容易受到竊聽，為了提升可見光系統通信安全性，需要研究適用于可見光通信系統的物理層安全通信方法。物理層安全通信是指利用

102、調制，信號以及信道等屬性的差異進行傳輸，不訴諸數據加密，發射前不需要密鑰。物理層安全通信主要有兩種辦法：1.利用無線信道的互易性和獨特性，合法通信雙方根據各自所提取的物理層信道參數獨立生成密鑰進行高層加密，這類方法可以避免密鑰的傳輸泄露，主要難點是在有噪聲干擾時雙方如何生成一致的密鑰；2.利用無線信道的空域屬性實現物理層安全，通過一定的手段增加竊聽方恢復信號的難度，提高其誤碼率來實現信息的低截獲概率傳輸?？梢姽馔ㄐ畔到y的上行鏈路采用何種方案一直是待解決的問題，目前傳統方案是將射頻通信作為 VLC 系統的上行鏈路，即采用射頻（Radio Frequency，RF）與VLC 混合組網的方式。在 6

103、G 系統中，RF 與 VLC 混合組網的研究方向可能有：（1）引入新的高效優化技術來提高混合 RF/VLC 網絡的性能；（2）使用軟件無線電系統改進網絡配置的實現；（3）通過應用機器學習算法，進行頻譜感知并利用最佳的射頻或可見光光譜；（4）尋找 RF/VLC 系統的新應用。3.可見光通信的主要研究方向6G 低時延高可靠 KPI 指標要求6G 低時延高可靠關鍵技術與系統設計6G 低時延高可靠子系統低時延高可靠（URLLC）是 5G 引入的一種應用場景，主要用于工業互聯網、車聯網等對時延、可靠性要求更高的關鍵物聯網（Critical IoT）業務?？梢灶A計，URLLC 子系統也將成為 6G 系統的

104、重要組成部分。5G URLLC 在 Rel-15 版 本 中 已 初 步 支 持，Rel-16、Rel-17 兩個版本又相繼增強，但其產業化進程并不順利，尚未獲得大規模商用普及。究其原因，5G URLLC 是在 5G eMBB 基礎上增強而來，在追求更低時延、更高可靠的同時，并沒有針對工業互聯網、車聯網等場景對 eMBB 的冗余設計進行大量裁減，造成復雜度和成本不必要的疊加。試圖同時兼顧多種業務場景，最終顧此失彼，對任何一個行業都不能做到足夠優化。因此 6G URLLC 可以嘗試更準確的定位目標市場，對技術特性做更大膽的取舍，實現針對關鍵應用場景的性能優化和成本控制，提高 6G 在這個橫向市場

105、的競爭力。在 5G 中，URLLC 涵蓋的范圍很廣，既包含要求中低速率、很低時延、很高可靠性的工業、交通等實時控制業務，也要涵蓋很高速率、較低時延的 XR（混合現實）業務，這種矛盾性的 KPI 要求給系統設計制造了較大困難，容易顧此失彼，哪種業務的性能也無法真正優化。6G URLLC 子系統應根據不同目標業務的不同需求細分為如下兩類，適度分別優化：業務目標一：使能工業、交通等中低帶寬高可靠性實時控制，KPI 指標如圖 5-1 所示。為滿足工業自動化動態控制的效率、精度及可靠性需求，時延需要達到 1ms 及以下，可靠性要求為 99.99999%。對于采用視覺控制的系統，用戶體驗速率需要達到 10

106、0 Mbit/s。在高密 度 部 署 場 景 中，連 接 密 度 需 要 達 到 10 devices/m2。要實現對高鐵的實時控制，系統所支持的移動速度高到 500km/h。業務目標 2：高帶寬實時交互多媒體娛樂，KPI 指標如圖 5-2 所示。AR、VR 等實時交互多媒體娛樂業務不要追求工業控制類 URLLC 那么高的時延和可靠性性能，其時延要求可為 1ms，可靠性要求可為99.999%，連接密度可為 15 devices/m2。但同時，AR、VR 對于數據速率的要求較高，特別是與 AI 結合使用后，用戶體驗速率需求將高到 10 Gbit/s。為滿足下一代高鐵列車內的應 用 需 求，此 類

107、 URLLC 業 務 也 需 要 支 持500km/h 的移動速度。6G 低時延高可靠 KPI 指標要求5.1386G：極簡多能，構建移動的世界圖 5-1：6G 低時延高可靠子系統業務目標 1 的 KPI 指標CoverageExperienceddate rate(Gbit/s)Latency(ms)Jitter(uc)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devi

108、ces/m2)Energy efficiencyGlobalTerrestrial1011010.10.1110-610-5100100001010020X10X11000100101000100101011010011003x1x10-7Hotspot1X0.1x500圖 5-2：6G 低時延高可靠子系統業務目標 2 的 KPI 指標CoverageExperienceddate rate(Gbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing accuracy(cm)Spectrume

109、fficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1011010.10.1110-610-5100100001010020X10X11000100101000100101011010011003x1x10-7Hotspot1X0.1x500為滿足高可靠、短時延且高速率傳輸的需求，6G 系統將進一步探索支持更大的傳輸帶寬，更快的終端處理能力。在 5G 系統中，當終端被配置使用高等級處理能力（對應較短的 PDSCH 處理時間、PUSCH準備

110、時間）時，所有的數據都采用高等級能力進行處理。具體來說，對于同時支持寬帶數據傳輸與低時延高可靠數據傳輸的終端，終端對于寬帶數據的接收處理和發送準備處理也需要滿足短時延業務的要求進行。這樣的處理方式一方面會影響寬帶數據傳輸的性能及體驗，另一方面由于終端總是處于高速數據處理狀態因此終端功耗較高。6G 系統中，在提升終端處理能力速度的同時也要考慮支持終端處理能力的動態切換，即在收、發寬帶數據時采用較慢速的處理能力，在收、發短時延高可靠業務時切換為較快速的處理能力，從而有效降低終端功耗。要實現終端處理能力動態切換，系統還需要支持靈活的時序關系，包括：調度時序、反饋時序、復用處理時序等。對于同一類型的數

111、據（即對應相同處理能力的數據）傳輸，時序上依然可以需要滿足類似 5G 系統的要求，例如：調度在先的數據優先被處理、傳輸在先的數據優先被反饋。但是對于不同類型的數據（即對應不同處理能力的數據）之間的時序約束應該放開或取消。否則，終端采用較低處理能力接收一個寬帶數據后，在該寬帶數據未完成解調、反饋之前，后續傳輸的短時延數據都無法按照較高處理能力進行接收。對于同時支持寬帶數據和短時延高可靠數據的終端，支持同時獨立收、發不同類型數據，即不同類型數據通過獨立信道同時傳輸，可利于提高系統傳輸效率。對于 TDD 載波，由于 TDD 上下行配置造成的 HARQ 重傳時延需要進一步降低。6G 系統中，可考慮使用

112、不同上下行配置的載波進行聚合，并采用 HARQ 進程跨載波重傳或多載波 HARQ進程統一管理的方式降低 HARQ 重傳時延。另外，6G URLLC 子系統也可引入 AI 技術輔助實現如下功能：數據到達預測：基站通過預測數據到達時間及數據量，進行預先調度。終端基于預測結果，實現完全的無調度傳輸或自主傳輸；調度、重傳預測：終端基于預測結果提前進行數據準備，從而降低數據準備時延?；净蚪K端基于預測結果直接進行數據重傳，而不需要等待反饋信息；沖突預測：避免用戶間或用戶內的資源沖突。UCI（上行控制信令）增強：基于 AI 算法對 UCI 信息進行壓縮，降低反饋信息量。6G 低時延高可靠5.2關鍵技術與系

113、統設計396G：極簡多能，構建移動的世界6G 感知 KPI 指標要求6G 感知關鍵技術與系統設計6G 感知子系統的兩種模式通信感知融合系統的關鍵技術獨立感知模式關鍵技術感知子系統是 6G 引入的一個新的子系統，雖然 5G 系統中已經包含定位功能，但全面的支持物理環境的感知，對移動通信系統還是一個新的變化。6G感知子系統6G 感知功能將使能無所不在的感知能力，捕獲物理世界的環境細節，支持虛擬世界的孿生重建。6G 感知能力不僅包括目標識別，目標定位（測距、測速、測角）、目標跟蹤和目標成像的能力，還將包括材質檢測、模式識別和醫療輔助等。為了滿足上述 6G 感知能力，一些感知 KPI 被定義，特別是感

114、知精度需要達到 cm 級別，如圖 6-1 所示。但同時，由于 6G 感知子系統應首先保證在感知性能方面的市場競爭力，不可能要求其具有和 6G 寬帶蜂窩子系統、6G URLLC 子系統相同的通信性能，在數據率、頻譜效率、系統容量等各方面的要求應該適當放松，給感知性能的優化留出設計空間。416G：極簡多能，構建移動的世界6G 感知 KPI 指標要求6.1圖 6-1：感知子系統 KPI 指標要求CoverageExperienceddate rate(Gbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Se

115、nsing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1011010.10.1110-610-5101001010020X10X11000100101000100101011010011003x1x10-7Hotspot1X0.1x5006.26G 感知關鍵技術在信號處理技術的歷史上，感知和通信是需求不同、系統設計迥異的兩種技術。6G希望將通信、感知兩種技術融合在一個系統中，盡量復用軟硬

116、件資源，取得“一事兩全”的效果。但是客觀地說，一個系統兼顧兩種業務，兩個業務共享資源，通信性能和感知性能可能都會受到一些影響，不可能完全發揮各自的技術潛力。因此，根據具體應用場景不同，6G 感知子系統可考慮支持兩種模式：通信感知融合模式和獨立感知模式。通信感知融合模式適用于一個運營主體同時提供通信和感知業務、用戶使用通信與感知多功能終端、使用通信/感知融合業務的場景。這種情況下，融合設計可以實現通信和感知共享頻譜、硬件資源，靈活協作，為通信和感知雙重需求的場景提供一種高效的解決方案。這種模式下，運營方和用戶并不追求單方面性能最優，而是追求兩種能力的性能均衡。但是對于單純的感知業務運營，獨立感知

117、模式可能就是更優的解決方案。運營方希望把資源集中用于優化感知性能，以在專業市場上獲得足夠的競爭力，用戶使用專用感知終端和感知業務，希望獲得最優的感知業務感受。通信能力在這種模式中主要提供感知相關信息、信令的傳輸。這種模式下，系統應該按照感知性能優化選擇關鍵技術、決定系統設計，且采用相對簡單的協同實現方案，從而為感知強需求、通信弱需求的場景提供了一種優化且低成本的解決方案。上述兩種模式既可以選擇一些相同的關鍵技術，也可以選擇一些差異化的技術，如圖表 6-1 所示。6.2.1 6G 感知子系統的兩種模式426G：極簡多能，構建移動的世界與系統設計通信感知融合模式獨立感知模式同性關鍵技術差異化關鍵技

118、術參數估計技術，AI輔助算法，協同感知技術等通信與感知的硬件融合通信與感知的信號融合通信與感知融合的網絡架構與組網感知信號信道設計感知硬件增強感知系統的網絡架構與組網表 6-1：通信感知融合模式與獨立感知模式的關鍵技術6.2.2 通信感知融合系統的關鍵技術 436G：極簡多能，構建移動的世界通信與感知的硬件融合技術無線通信與感知系統都是利用電磁波傳遞信息，一個是通過電磁波承載，一個是從電磁波的特性中提取。因為功能和需求不同，兩者在信號收發模式，接收檢測靈敏度，同步精度，以及射頻通道的性能指標需求差異較大?，F有系統都會獨立設計，或者有所側重，例如，雷達系統中也具備低速率的數據傳輸能力，但硬件設計

119、還是以雷達需求為主。通感一體化技術需要將通信和感知功能融合，盡可能地復用一套硬件系統，得以在成本，尺寸和性能上取得優勢。通信與感知的信號融合技術通信信號與感知信號的融合分為兩個層次。一個層次是由同一個系統發出的信號既可以用于通信，也可以用于感知，但兩者可以通過獨立的信號承載，即系統級的通信信號與感知信號的融合。在這樣的系統中，通信信號與感知信號可以在時域，頻域，空間域進行復用。另外一個層次是通信與感知通過一個信號承載，即信號級的的通信與感知的融合。1.通信與感知融合模式關鍵技術6G 感知不僅包括經典參數估計，例如，目標識別，目標定位（測距、測速、測角）、目標跟蹤和目標成像的能力，還將包括模式的

120、識別，材料檢測等。對于經典參數估計，一些經典的非線性算法，例如 FFT 和 MUSIC 算法是在復雜度和性能之間做了平衡。ESPRIT 算法復雜度高，但可以獲得更優的檢測性能。對于模式識別，材料檢測等，不可避免地需要從物理世界采集大量的感知數據，這些感知數據采用 AI 算法將還原出更加豐富的信息。2.信號處理技術協同感知技術通過多條感知鏈共同完成一個感知任務，提高感知結果的準確性與完整性，實現廣覆蓋。協同感知的模式也是多種多樣，包括多節點協同感知、多頻段協同感知以及多制式協同感知。其中，多節點協同感知和多頻段協同感知可以廣泛應用于基站與終端，多制式協同感知將無線感知與終端設備中的攝像頭，重力感

121、應等感知模塊結合，提高用戶體驗。多節點協同感知多節點協同感知指在相同的感知制式下，多條感知鏈路之間的協同感知。該技術應用廣泛，可以解決應用場景和設備實現中的非理想因素帶來的問題，提高感知性能。具體包括：克服遮擋，實現連續覆蓋和提升信號處理效果。在上述多點協作感知用例中，可以抽象出多點協作感知的 2 個空口關鍵技術：感知節點選擇和感知信息融合。此外，為了避免多節點感知信號的相互干擾問題，多節點的感知信號協調問題也需要考慮。由于需要多個感知節點之間協作通信，核心網的增強也是必不可少。3.協同感知技術感知節點選擇意在選出能夠感知且感知結果可靠的感知節點。其中，選擇能夠感知的節點既要考慮感知授權和安全

122、問題，還要考慮感知節點的空口能力，例如，感知信號的帶寬和發送功率，直接影響感知精度和感知范圍。感知節點的通信業務量，避免對通信無線資源的擠兌，降低通信速率。感知結果的可靠性與感知節點和感知目標的相對位置有關，甄別影響感知結果的因素，以及這些因素對應的信號特征量，使得控制節點可以通過感知節點的測量上報篩選出優質的感知節點。對于感知切換的場景，除了選擇合適的感知節點，也要考慮感知切換過程設計，確保感知的連續性。感知信息融合意在將多個感知節點的感知信息合并處理。感知信息融合與單節點感知結果反饋相關。因此，可以根據單節點感知結果反饋的類型，對應地將感知信息融合技術分為三種：基于原始信道信息的融合、基于

123、信道特征量的融合以及基于感知結果的融合。對于基于原始信道信息的融合，控制節點可以獲得完整的信道信息，最大程度地從大量的信道信息中挖掘出信號傳輸環境信息和感知結果。對于基于信道特征量的融合和基于感知結果的融合，其好處在于單節點的反饋量下降，但由于反饋信息的缺失，控制節點可挖掘的信號傳輸環境信息有限，降低了融合效果。一方面，可以通過一些融合算法或濾波技術，增強融合結果的準確性。另一方面，也可以通過感知節點反饋一些輔助信息，輔助控制節點對多節點感知結果的融合處理。多頻段協同感知6G 系統支持的工作頻段會更廣，包括低頻，毫米波，太赫茲和可見光，不同頻段有其適合的應用場景。由于天然的物理性約束，不同頻段

124、電磁波所能提供的感知功能和業務能力是不同的。理論上，頻段越高、波長越短、頻帶越寬，提供的感知精度和時頻分辨率就會越高；但是，由于無線信號的衰減或遮擋，感知有效作用的距離和范圍會越短越小。通常，較低頻段的通感融合信號可以實現大輪廓的粗淺感知，而較高頻段的通感融合信號可以實現更精細感知。446G：極簡多能，構建移動的世界多制式協同感知當前的終端除了具有支持通信功能的硬件之外，還擁有大量用于提升終端交互體驗的傳感器，例如攝像頭、加速度計、陀螺儀、光線傳感器、距離傳感器、重力傳感器、磁場傳感器、氣壓傳感器等。隨著終端形態、人機交互功能的不斷演進，未來的 6G 終端將擁有越來越豐富的傳感器。終端的這些傳

125、感器能夠針對終端周圍的物理環境提供豐富的感知信息。為滿足 6G 豐富的感知需求，可以考慮將這些基于專用傳感器的其他感知技術與無線感知進行結合。與單一的無線感知相比，這種多制式協同感知可以利用不同感知技術的獨特優勢來更準確、全面地感知物理世界。多制式協同感知的增益主要來自于不同制式感知技術獲得的感知信息的融合。由于不同制式的感知信息具有不同的數據屬性、感知精度、感知范圍、數據格式，不同制式的感知信息的融合是多制式協同感知的關鍵技術。感知信號資源分配如上文所述，在通信和感知融合的網絡中一個信號可以同時滿足通信和感知的需求，從資源分配角度，感知參考信號的資源分配即為通信資源分配。在現有側行通信系統中

126、，側行通信資源可以由網絡調度或由終端自主選擇。網絡調度的資源分配需要網絡運營商的參與，而且終端必須位于運營商的網絡覆蓋之下。終端自主選擇主要依靠解碼資源預留信息，然后根據 RSRP 測量進行資源篩選實現。在 6G 側行通信中，可以通過強化學習進一步提高終端自主資源選擇的性能。這些側行通信資源分配方式可以同時用于解決通信感知信號資源分配的問題。4.終端感知技術如果感知信號不同于通信信號，而且感知信號和通信信號之間沒有靜態的資源劃分，則感知信號資源分配需要解決感知信號和通信信號之間的干擾以及感知信號之間的干擾。對于終端自主資源選擇，在資源篩選過程中需要同時考慮用于感知信號和通信信號的預留資源。如果

127、感知信號和通信信號之間存在靜態資源劃分，感知信號資源分配只需要解決感知信號之間的干擾，用于感知信號的終端自主資源選擇和通信信號類似。然而，如果強化學習用于感知信號資源選擇，需要納入感知相關的優化目標，例如最大化檢測概率，最大化感知精度等，當感知信號和通信信號之間沒有靜態資源劃分時，甚至需要同時考慮通信相關的優化目標。456G：極簡多能，構建移動的世界在通信感知融合的網絡架構中，如圖 6-2，核心網中增加感知控制網元和感知收集實體。感知控制網元負責控制面消息交互，包括對感知業務請求的鑒權/授權、面向區域或面向特定目標的感知控制，感知結果的對外開放等。感知節點探測的感知數據一般為點云信息，數據量大

128、，適合經由用戶面進行感知數據的上報，感知控制網元將感知收集實體的 IP 地址提供給基站/UE，基站/UE 將感知數據通過 IP 路由直接上報到感知收集實體。感知收集實體可以對收集到的感知數據進行分析產生最終的感知結果。感知收集實體將感知結果發送給感知控制網元，由感知控制網元通過網絡開放功能開放給外部應用，或者如果感知結果數據量依然很大，也可以是應用功能從感知控制網元得到感知結果的獲取地址，再通過用戶面訪問感知收集實體獲得感知結果。在實際部署中，感知控制網元和感知收集實體可以分開部署或者集中實現在相同網元中。5.網絡架構與組網技術圖 6-2：通信感知融合的網絡架構第三方應用應用網元網絡開放功能感

129、知控制網元感知收集實體終端設備核心網移動性管理網元接入網設備獨立感知設備控制信令IP數據466G：極簡多能，構建移動的世界6.2.3 獨立感知模式關鍵技術為了滿足感知需求，高隔離度的系統設計和高性能高精確度的器件要求都是必不可少的。前者是避免雙工系統的自干擾問題的必要手段，后者使能大帶寬數據處理與精準的同步。1.高性能高精度的 硬件設計感知波形大多是規則的已知信號，要求具有優良的自相關特性、很大的信號帶寬、很高的動態范圍，可以容忍大的多普勒頻偏，以估計運動目標的速度。對于獨立感知的模式，只需要考慮感知的需求，因此，一些經典或先進的雷達探測信號都可以考慮，例如線性調頻連續波 FMCW。2.信號與

130、信道設計為了支持獨立模式的感知設備，還可以在核心網中部署運營商管理的應用網元，負責通過應用層交互從獨立模式的感知設備獲得感知數據。這個應用網元接受感知控制網元的控制，并可以向感知收集實體進行感知數據的匯報。3.網絡架構與組網技術6G 超大規模 IoT 技術需求技術需求KPI 指標要求6G 超大規模 IoT 關鍵技術與系統設計6G 超大規模IoT 子系統6G 超大規模 IoT 技術需求7.17.1.1 技術需求5G 設計之初，就將 massive MTC 列為 5G 的三大需求場景之一，旨在在 5G 時代滿足來自垂直行業日益增長的物聯網通信需求。因此，在過去的十年期間蜂窩物聯網通信技術與標準逐步

131、得以發展。其中，3GPP 標準化了 MTC（Machine Type Communications，機器類通信）、NB-IoT(Narrow Band IoT，窄帶物聯網)和 RedCap（Reduced Capability UE，縮減能力終端）等一系列的物聯網技術。這些物聯網技術采用小帶寬、單天線、降低峰值速率、半雙工、降低發射功率等技術顯著降低了物聯網終端的成本。進一步地，通過引入 eDRX（enhanced Discontinuous Reception，增強的非連續接收）、PSM（Power Saving Mode，節能模式）、節能 BWP（帶寬部分）等技術極大降低了物聯網終端的功耗

132、。同時，可以支持大量物聯網終端接入網絡，從而滿足大連接的需求。得益于這些技術，物聯網蓬勃發展。截止 2022 年 8 月，中國物聯網訂閱數達16.98 億，已經超過 16.78 億個人用戶。在 6G 時代，隨著物聯網技術在千行百業的推廣應用以及在個人消費者生活中的普及，可以預見物聯網將真正得以爆發式增長。人們將迎來千億甚至萬億級的物聯網鏈接，物聯網技術將持續變革社會經濟發展以及人們的生產生活方式。486G：極簡多能，構建移動的世界隨著物聯網技術的進步，物聯網在各行各業將加速普及。能源、工業、交通、物流、農牧業、醫療、環保等等行業以及智能家居、可穿戴、大健康等個人消費領域均將顯著受益于物聯網技術

133、的發展。因此，6G 超大規模 IoT 需支撐更大的鏈接數，同時可以提供高質量的物聯網服務。面對不同的應用需求，未來的物聯網中會存在多層次的需求?；谑褂脠鼍?、部署方式等方面的不同，物聯網終端的成本、傳輸速率、通信時延、覆蓋需求、終端功耗等也將呈現多樣化、離散化的特征。物聯網也將支持物體識別、傳感數據獲取、定位信息采集等多方面的功能。面向不同的需求，5G 時代針對性研發了 NB-IoT、MTC、RedCap 等技術。6G 超大規模 IoT 在設計之初需要針對不同的場景須做好精細的技術統籌，在滿足多樣化需求的同時協調好技術之間的兼容互通，從而最大化降低標準研發與產品開發成本。6G 超大規模 IoT

134、 具備與多種 6G 技術融合的能力。物聯網終端借助于其無處不在的感知能力，可天然地與通信感知技術有機融合，增強 6G 網絡的感知能力。泛在的物聯網鏈接可實現低成本、超大規模的數據采集，更好使能 6G AI 技術。車載或路側物聯網終端將更好地構建智能 V2X 系統。物聯網的低功耗、低成本等技術也將可能應用于 6G MBB 的終端節能中。因此，6G 超大規模 IoT 的設計須考慮多技術融合的需求。更大鏈接數6G 超大規模 IoT 的技術需求包括：多層次/多功能的物聯網物聯網與多技術的融合能力需要支持低功耗甚至極低的功耗，如部分場景需要支持毫瓦級甚至微瓦級的通信功耗；需要支持更大的連接；需要支持從短

135、距離覆蓋（幾十米），中距離覆蓋（數百米級別）直至數公里的多樣化覆蓋需求；7.1.2 KPI 指標要求496G：極簡多能，構建移動的世界物聯網蓬勃發展，但仍有很多場景下的物聯網通信需求無法使用現有技術得到滿足，例如：嚴苛的通信環境某些物聯網場景，可能面臨高溫、極低溫、高濕、高壓、高輻射或高速運動等極端環境。如超高壓變電站、高速運動的列車車軌監測、高寒地帶環境監測、工業產線等。在這些場景中，受限于常規電源的工作環境限制，現有物聯網終端將無法工作。另外，極端的工作環境也不利于物聯網的維護，如更換電池。極小尺寸的終端形態需求某些物聯網通信場景，如食品溯源、商品流通以及智能可穿戴等要求終端具備極小的尺寸

136、以方便在這些場景下使用。例如，用于流通環節上商品管理的物聯網終端通常使用電子標簽的形式，以非常小巧的形態嵌入到商品包裝。再例如，輕巧的可穿戴設備可以在滿足用戶需求的同時提升用戶使用體驗。極低成本的物聯網通信需求眾多的物聯網通信場景要求物聯網終端的成本足夠低廉，從而提升相對于其他可替代的技術的競爭力。如物流或倉儲場景，為了便于管理大量流通的物品，可以將物聯網終端附著在每一件物品上，從而通過該終端與物流網絡之間的通信完成物流全過程、全周期的精確管理。這些場景要求物聯網終端價格具備足夠競爭力。因此，為了覆蓋這些未滿足的物聯網通信需求，6G 超大規模 IoT 需要研發超低成本、極小尺寸、免電池/免維護

137、的物聯網。覆蓋未滿足的物聯網通信需求 6G 超大規模 IoT 子系統的特色KPI 包括：而其他常規 KPI 如峰值速率、通信時延、移動性、頻譜效率等方面相對 eMBB 通信而言要求不高。如部分通信場景的峰值速率可低至幾十 kbit/s；部分固定部署的場景對移動性沒有要求；可以使用專網部署或在移動通信網的業務低谷使用頻譜，因此不要求高的頻譜效率。圖 7-1：6G 超大規模 IoT 子系統 KPI 指標CoverageExperienceddate rate(Gbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/

138、m2)Sensing accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1011010.10.1110-610-5101001010020X10X11000100101000100101011010011003x1x10-7Hotspot1X0.1x5006G 超大規模 IoT 關鍵技術與系統設計6G 超大規模 IoT 子系統可能采用的關鍵技術包括：7.2506G：極簡多能，構建移動的世界如前所

139、述，為支持更多的應用需求，支持免電池通信將是 6G 超大規模 IoT 的重要需求。為此，需要研究免電池通信技術。物聯網終端可以從各種環境能量，如光、無線電波、熱能、震動能等汲取通信所需要的能量，從而擺脫對傳統技術的依賴，這類終端可稱之為零功耗物聯網終端。其中，基于無線電波的能量可以從 6G 網絡中提供，需要研究如何高效合理的向零功耗物聯網終端提供無線電能量。進一步地，也需要研究如何提升終端的能量采集效率與采集靈敏度。另外一方面，各類環境能量具有如下特點：可提供的環境能功率低，普遍在數微瓦至數毫瓦的區間環境能量不穩定，如晴朗的白天可以獲得充足的光照，而晚上或陰天光能不足。因此，需要研究適應上述特

140、點的免電池通信技術，如超低功耗通信技術、能量管理技術、能量自適應的通信協議。免電池通信技術不管是有源的物聯網終端應用場景，還是上述免電池免維護的物聯網終端。降低終端的功耗甚至達成超低功耗通信可顯著提升終端使用壽命、降低使用/部署成本、有助于節能環保（考慮未來巨大數量的物聯網終端的功耗）。因此，低功耗/超低功耗通信將是物聯網技術永遠不變持續努力的技術追求。當前的物聯網終端的工作功耗普遍在幾十至數百毫瓦，低功耗/超低功耗通信的終端功耗需要降低至 1 毫瓦之下?？煽紤]如下方式實現低功耗/超低功耗物聯網通信：極簡的收發信機與極簡調制方式在面向物聯網的MTC、NB-IoT以及RedCap等技術中，雖然終

141、端的能力相對L TE終端或 NR 終端有顯著的降低，但基本繼承了這些傳統的調制或編碼方式。例如MTC/NB-IoT可以支持BPSK、QPSK和16QAM等調制方式以及Turbo碼和卷積碼、而RedCap也可以支持BPSK、QPSK、16QAM和64QAM以及LDPC碼和Polar碼。低功耗/超低功耗通信技術然而，這些對于普通的終端常用的調制和編碼方式，對于低功耗/超低功耗通信終端而言卻是極大的挑戰。低功耗/超低功耗通信具有極簡的射頻和基帶結構，同時低功耗/超低功耗通信終端需要以超低功耗的方式進行數據傳輸。因此，對于低功耗/超低功耗通信終端可使用的信號調制和編碼方式均會帶來較強約束與限制。具體而

142、言，極簡的射頻和基帶結構使得終端難以同時實現相位和幅度調制和解調制，因此 QPSK、QAM 調制難以支持。而盡管具備出色的信號編譯碼性能，Turbo、LDPC、Polar 以及 Convolutional 等前向糾錯信道編碼方式對于追求極低復雜度和極低功耗的低功耗/超低功耗通信終端，也難以支持。一些低功耗技術如開關調制技術、反向散射技術（如圖 7-2）可有機結合起來，使得終端以極其簡單的硬件結構實現 ASK、FSK 或 PSK 等調制方式，從而實現反向散射的方式的數據傳輸。使用開關調制技術，低功耗/超低功耗通信終端在硬件上僅需要具備調整其電路阻抗、電容或相位延遲的能力，即可實現信號的調制與反向

143、散射傳輸。另一方面，簡單的 ASK，FSK 或 PSK 等信號也使得信號解調制也可以通過簡易的硬件結構即可實現，例如可以通過一個比較器即可實現對 ASK 信號的解調制，在規避了復雜的基帶信號處理的同時，也極大地降低了終端功耗。極致節能機制針對低功耗/超低功耗通信，可在現有的節能機制如 DRX、eDRX、WUS、間歇性控制信道監聽等方案的基礎上，進一步設計更極致的節能機制，例如基于業務需求按需觸發通信需求，其余時間終端處于深睡眠狀態。同時，也要設計合理的能量管理機制，針對微弱的采集能量進行精確的管理，最大化提升能量的使用效能，提升能量的使用效率。516G：極簡多能，構建移動的世界針對低功耗/超低

144、功耗通信，除了需支持極簡的物理層技術，也需要支持靈活可裁剪的協議架構，針對不同的使用需求而靈活裁剪。而對于要求極低功耗的環境，可使用輕量化協議架構。設計輕量化協議架構可能的思路包括：支持免連接的通信，大幅簡化接入過程，節省連接建立所需的信令開銷與協議層需求。大幅壓縮協議的層級，僅保留支持小數據包的必要的控制信令與數據面頭開銷?？伸`活裁剪的協議架構TXRXLNAAMP反向散射讀寫器反向散射標簽載波反射信號邏輯處理能量采集圖 7-2 反向散射通信原理圖526G：極簡多能，構建移動的世界針對 6G 超大規模 IoT，需要保證用戶的隱私與通信安全。面對不同的應用場景以及對應的不同的安全需求，需設計豐富

145、可選的通信安全套件集合，以適應不同終端能力等級的不同需求。低功耗、超低功耗設備能支持的計算、存儲和傳輸資源都相對傳統終端非常有限，傳統的安全機制受到資源限制的挑戰，需要研究如何在資源受限的條件下仍然為用戶提供可信的接入與安全的傳輸。面向 6G 萬物互融的海量鏈接與設備，高效的分布式認證授權需要在當前集中式的信任機制上進行重新設計，以保證可信的身份、靈活的授權及分布式認證。區塊鏈是較好的技術選擇，但需要從基礎設施的建設和生態的成熟等方面考慮以支持多場景、多業務、多用戶的可信安全機制。對于低功耗、超低功耗設備，可信的身份管理、可靠的安全傳輸是保證業務、網絡、用戶權益的必要條件，需要在傳統的安全機制

146、基礎上，結合設備成本低特點進行優化傳輸安全機制，考慮數據傳輸的分層分級保護機制，研究物理層、傳輸層結合的增強安全方案。豐富的通信安全套件集很多 IoT 場景提出明確的定位需求。6G 超大規模 IoT 需要支持定位功能，尤其是對于低功耗、超低功耗設備也需要一定的定位功能，如生產線的產品精確管理、實現室內低成本定位（如商場導航、停車場導航，如下圖 7-3 所示）以及物流等。這類應用中，終端設備將具備極低的復雜度，且可能使用環境能量驅動自身工作而因此僅支持極低的工作功耗（如小于 1 毫瓦），需要研究對于這類簡單設備如何達到一定的定位精度（如米級別或亞米級別）。支持超低功耗定位圖 7-3 室內定位場景

147、示例6G 空天通信子系統6G 空天通信 KPI 指標要求6G 空天通信關鍵技術與系統設計6G 空天通信 KPI 指標要求6G 空天通信子系統 KPI 指標要求如下圖。6G 空天通信的業務類型雖然和 eMBB 業務類似，但由于其傳輸環境的限制，空天通信并不追求很高的數據率，主要強調業務的覆蓋能力。8.1546G：極簡多能，構建移動的世界圖 8-1：6G 空天通信子系統 KPI 指標CoverageExperienceddate rate(Gbit/s)Latency(ms)Jitter(us)Mobility(km/h)Area trafficcapacity(Mbit/s/m2)Sensing

148、 accuracy(cm)SpectrumefficiencyPeak date rate(Gbit/s)ReliabilityConnectiondensity(devices/m2)Energy efficiencyGlobalTerrestrial1011010.10.1110-610-5101001010020X10X11000100101000100101011010011003x1x10-7Hotspot1X0.1x500對于新一代通信技術的推廣，一個很大的挑戰是運營商需要花費大量的成本布署網絡來達到廣覆蓋，因為對于很多國家地區而言至今無法達到全覆蓋。在國內，即便在 4G 和 5G

149、 系統基本實現全國覆蓋的情況下，在某些特定區域仍然無法提供通信覆蓋，例如海洋，高山。這里的覆蓋限制主要歸因于時間，成本，或者地理環境限制。未來 6G 系統需要打破這些限制，真正的實現全覆蓋。隨著航天運輸的成本逐漸降低，空天通信可以更有效的打破地理限制，為真正全覆蓋提供有效的技術。5G NR NTN 系統雖然提供了一個最基礎的終端與衛星通信的框架，然而并沒有對終端功耗做進一步優化。例如 5G NTN 終端需要頻繁的通過終端 GPS 系統來調整上行同步。這使得 NTN 終端相比傳統的蜂窩終端需要消耗更大的能耗，因此為了進一步提升移動終端的節能效果，對于 6G 終端的能耗問題需要進一步做優化。除此之

150、外對于高速場景的支持也是 6G 空天通信的重要目標，如何在提高覆蓋的情況下進一步的提升傳輸速率也是一個對于 6G 空天通信的挑戰。在 5G NR NTN 系統中，由于延用了 NR 的 OFDM 波形以及 OFDMA 多址接入技術，使得 NTN 對于多用戶的上行同步較為敏感。傳統的以基站控制為主導、利用MAC-CE 調整上行同步的方法已經不能滿足上行同步的要求。取而代之的是需要終端根據網絡提供的衛星星歷信息自主調整和維護上行同步。這樣使得終端的功耗大幅上升。6G 空天通信系統可以考慮和地面系統的波形解綁，設計一個更符合衛星通信的波形，例如單載波波形，從而使得系統對于上行同步的要求可以大幅降低，這

151、樣終端可以節省用于同步維護的功耗。另外，由于衛星的覆蓋面積廣大，為了保證良好的鏈路預算，衛星側通常利用波束賦形的方式發送和接收信號。然而 5G NR NTN 系統并沒有對于衛星波束管理做進一步優化，這樣導致的問題是當用戶數增加，或者當小區內的衛星波束數量增加后，衛星波束間切換的信令開銷會大幅增加從而減少了頻譜效率。對于 6G 空天通信系統，針對衛星波束的高效波束管理機制將是一個必要的研究方向。556G：極簡多能，構建移動的世界6G 空天通信關鍵技術 與系統設計8.2圖 8-2：6G 空天通信的波束管理BWP 1Beam 1BWP 2Beam 2BWP 3Beam 3BWP 1Beam 5BWP

152、 3Beam 7BWP 4Beam 8BWP 2Beam 6BWP 4Beam 4BWP 和波束切換BWP 和波束切換BWP 和波束切換除此之外，衛星和地面網絡的雙鏈接將在很大的程度上增加用戶體驗。試想一下，當衛星的廣覆蓋特性提供用戶的基本覆蓋連接，而地面網絡可以額外提供用戶高速率用戶體驗，這樣既可以保證高速率業務需求同時也可以大幅減少用戶由于移動性導致的頻繁小區切換。目前 5G 僅支持地面網絡的雙鏈接，6G 需要進一步研究空天通信的雙鏈接功能。另一方面，對于衛星網絡本身的大速率傳輸在 5G 時代也受到一定的限制。主要的原因是 5G NR NTN 以透明轉發為基礎，這樣由于終端到衛星和衛星到地

153、面站的疊加傳輸延遲導致無法支持大速率傳輸業務，而要支持這類業務必不可少的需要考慮基站上星的場景。因此再生轉發的架構需要在 6G 系統中被重點考慮，這里不可避免的需要進一步研究星間傳輸所導致的問題，因此再生轉發也將成為 6G 空天系統下的一個重要課題。566G：極簡多能，構建移動的世界圖 8-4：6G 衛星系統的再生轉發NTN 地面站衛星間鏈路饋電鏈路饋電鏈路服務鏈路透明轉發衛星或再生衛星再生衛星圖 8-3：6G 衛星和地面網絡的雙鏈接NTN 地面站NTN 地面站衛星間鏈路饋電鏈路饋電鏈路服務鏈路透明轉發衛星或再生衛星再生衛星最后，基于側行鏈路（sidelink）的點對點直連通信技術可以在空天系

154、統的框架下進一步擴展。目前側行鏈路通信的傳輸機制有覆蓋內（in coverage）和覆蓋外（out of coverage）兩種。后者即當側行鏈路通信用戶不在網絡覆蓋范圍內時，側行鏈路通信的傳輸將回退到一種避免碰撞的先聽后傳模式，這種模式傳輸延遲長，終端功耗開銷大，傳輸效率相對低。如果可以結合空天通信系統在衛星的覆蓋下完成側行鏈路通信傳輸，將大大緩解上述的問題。576G：極簡多能，構建移動的世界圖 8-5：采用 6G 衛星網絡增強 sidelink 用戶的覆蓋NTN 地面站衛星間鏈路饋電鏈路饋電鏈路服務鏈路透明轉發衛星或再生衛星再生衛星側行鏈路總結本白皮書的核心觀點如下：移動通信實際上并不是通

155、過一代技術實現一次產業升級，而是每兩代技術實現一個大的產業升級目標。6G 的歷史使命，是基于 5G 的經驗教訓，徹底實現“移動的世界”的目標。5G 仍然基于“單一功能系統”的系統設計原則，面向一套“剛性管道指標”（即高速率+低時延高可靠），在技術上追求一體化設計，嘗試通過“多參數集+網絡切片”兼顧千行百業的細分業務需求。但由于 5G 各垂直技術均以 eMBB 作為基線（baseline）和缺省設計，限制了技術創新空間，無法針對目標垂直領域做徹底優化，在很多垂直領域并未實現比較優勢和可控成本。十年來兩個發現，決定了 6G 的新定位：6G 的愿景應該是：溝通虛實世界的智能體，實現兩個世界的互通互融

156、，成為元宇宙的基礎設施，為移動信息化世界提供一個技術底座。6G 要實現物理世界和虛擬世界的“互通互融”，真正實現“系統多能化，世界移動化”，進一步擴展到通感、空天、零功耗等應用場景，以可控的成本實現在各個維度上幾倍的性能提升，必須要采用新的設計思路。6G 極簡多能系統的設計主要包含如下要素：AI 技術將是 6G 網絡的重要組成部分，不同于控制面對應的靈活性維度和用戶面對應的性能維度，AI 技術對應的智能維度將成為 6G 網絡的一個新維度。由子系統集構成的 6G 系統的一個核心問題，是如何能按需配置網絡資源，真正為各個垂直行業部署“能力夠用、成本可控”的 6G 子系統。由于千行百業的需求千變萬化

157、，這種按需組網難以靠人工方式實現，應該通過 AI 訓練，采用智能化方式實現。智能化替代即將相當一部分傳統協議、傳統算法替換為“黑箱化”的 AI 協議和 AI 算法。各種 AI應用例（use case）的標準化影響基本都是類似的，無非是要定義 AI 的生命周期管理（Life Cycle Management，LCM），包括 AI 數據采集、AI 模型的訓練、部署、管理、傳輸、激活、選擇、切換、配置及推理等。對于 6G 安全架構來說，關鍵變化體現為以下兩點：安全信任模型由雙向信任變為多方信任，需要建立多方信任模型與內生安全；安全保護的業務數據由單一變為多元，需要建立多元的業務數據與智能安全。6G

158、靈活頻譜分配的核心，是借助區塊鏈技術來實現頻譜的靈活共享。在當前針對 6G 系統的空口 AI 化演進的過程中，有必要對研究的路線、所受的限制條件、基礎問題，以及期待的突破與改變做出較為客觀和明確的判斷，并相應構建短、中、長期演進規劃，以在不同層面和維度上獲得理論與工程上的增益與突破。6G 空口的 AI 化替代包括基于 AI 的系統賦能和基于 AI 的系統重構兩個層面。由一個最小化的極簡核心提供內生智能、安全、靈活頻譜管理等共性能力；針對四個不同能力方向做專門優化，包括：云連接（Clouding）、關鍵物聯（Critical IoT）、泛在物聯（Ubiquitous IoT）和感知（Sensin

159、g）。在每個能力方向上設計一到兩個子系統，可以根據應用場景、頻譜、接口類型等獨立選擇關鍵技術，分別進行硬件系統設計。如可分為：6G 寬帶蜂窩、6G D2D、6G URLLC、6G 定位與感知、6G 大規模物聯網、6G 空天通信等子系統。子系統之間按需選擇是否保持空口兼容性，按需確定多大程度與 6G 寬帶蜂窩子系統共用空口技術與硬件設計。以黑箱化、專業化的 AI 算法庫替代通用而復雜的傳統軟件算法，實現各子系統的“相對獨立、各自優化”和通信協議的大幅簡化。通過多種 AI 算法的切換和組合，實現多個子系統的切換和組合。第一個發現：構建移動的信息化世界，必須引入 AI（人工智能）智能體作為人、機、物

160、之間的中間管理者。第二個發現：構建移動的信息化世界，必須為機、物、智能體構建一個與物理世界對應的虛擬世界。596G：極簡多能，構建移動的世界 6G 空口 AI 化的研究將不只在已成型的具體無線用例上做修補優化型演進，而是從系統重構的角度出發，開展無線 AI 共性基礎問題的深度剖析，包括：未來無線通信系統的一體化、系統化 AI設計研究；針對小樣本、場景自適應、可在線更新需求的無線 AI 解決方案分析；以智能信道建模與虛擬重構為代表的無線 AI 數據集構建等問題。隨著 6G 系統中可用頻段越來越高，通過基站實現無縫覆蓋變得越來越困難，利用 D2D 技術實現終端到終端之間的直接通信會成為 6G 系統

161、中越來越重要的通信方式。另外，D2D 技術可以和其他技術相結合，如基于側行鏈路的定位技術、感知技術、大規模 IoT 技術、人工智能等，因此，D2D 技術將成為 6G 系統中最重要的技術之一。6G URLLC 子系統應根據不同目標業務的不同需求細分為兩類，適度分別優化：使能工業、交通等中低帶寬高可靠性實時控制；大帶寬實時交互多媒體娛樂。6G URLLC 子系統可引入 AI 技術輔助實現如下功能：數據到達預測；調度、重傳預測；沖突預測；UCI（上行控制信令）增強。由于 6G 感知子系統應首先保證在感知性能方面的市場競爭力，不可能要求其具有和 6G 寬帶蜂窩子系統、6G URLLC 子系統相同的通信

162、性能，在數據率、頻譜效率、系統容量等各方面的要求應該適當放松，給感知性能的優化留出設計空間。根據具體應用場景不同，6G 感知子系統可考慮支持兩種模式：通信感知融合模式需要研究硬件融合、信號融合、信號處理、協同感知、終端感知、網絡架構與組網等技術；獨立感知模式。6G 超大規模 IoT 的特色 KPI 包括：支持低功耗甚至極低的功耗，如部分場景需要支持毫瓦級甚至微瓦級的通信功耗；支持更大的連接；支持從短距離覆蓋（幾十米），中距離覆蓋（數百米級別）直至數公里的多樣化覆蓋需求。6G 超大規模 IoT 子系統可能采用的關鍵技術包括：免電池通信；低功耗/超低功耗通信；可靈活裁剪的協議架構；豐富的通信安全套

163、件集；支持超低功耗定位。6G 空天通信子系統應研究如下關鍵技術：終端的能耗優化、傳輸速率提升、和地面系統適度解綁的波形設計、高效衛星波束管理、空天通信的雙鏈接、再生轉發、衛星覆蓋下的側行鏈路通信等。最后，面向 6G“極簡多能”的系統架構，考慮 3GPP 在 6G 標準化各階段的工作容量，可考慮按如下兩個階段完成 6G 標準化：第一版本（Rel-21）首先完成極簡核心、寬帶蜂窩和 D2D 子系統。第二版本（Rel-22）開始補充 URLLC、定位感知、空天通信與大規模 IoT 子系統。606G：極簡多能，構建移動的世界6G極簡核心內生智能靈活頻譜安全6G URLLC子系統空天通信子系統6G 寬帶

164、蜂窩子系統6G 定位與感知子系統SensingSense everythingCritical IoTControl everythingUbiquitous IoTConnect everythingCloudingCloud everything6G D2D子系統大規模 IoT子系統6G極簡核心內生智能靈活頻譜安全6G 寬帶蜂窩子系統CloudingCloud everything6G D2D子系統202520283GPP Rel-223GPP Rel-20/Rel-21圖 9-1:3GPP 6G 標準化階段劃分1 Pouyanfar S,Sadiq S,Yan Y,et al.A sur

165、vey on deep learning:Algorithms,techniques,and applica-tionsJ.ACM Computing Surveys(CSUR),2018,51(5):1-36.2 Chen M,Challita U,Saad W,et al.Artificial neural networks-based machine learning for wireless networks:A tutorialJ.IEEE Communications Surveys&Tutorials,2019,21(4):3039-3071.3 OPPO Research In

166、stitute.6G Withe Paper:6G AI-Cube Intelligent Networking R/OL.(2021-07-14)2022-08-15 https:/puter.org/publications/tech-news/trends/op-po-6g-white-paper 4 6GANA TG2 6G 內生 AI 網絡架構 10 問白皮書 5 3GPP TS 33.5016 NIST SP 800-207Zero Trust Architecture7 陳明，未來通信網絡中基于機器學習的自適應資源調度算法設計與實現，北京郵電大學，2018。8 王萍，陸巖，王帥，

167、姚汪鼎，一種基于預留-重用聯合的 C-V2X 通信 Q 學習型半持續調度算法，電子與信息學報，2022 年，第 44 卷第 8 期。9 方維維，王云鵬，張昊，孟娜，基于多智能體深度強化學習的車聯網通信資源分配優化，北京交通大學學報，2022 年，第 46 卷第 2 期。10 H.Ye,G.Y.Li and B.-H.F.Juang,Deep Reinforcement Learning Based Resource Allocation for V2V Communications,IEEE Transactions on Vehicular Technology,vol.68,no.4,Ap

168、ril 2019.11 S.Nie,Z.Fan,M.Zhao,X.Gu and L.Zhang,Q-learning based power control algorithm for D2D communication,IEEE 27th Annual International Symposium on Personal,Indoor,and Mobile Radio Communications(PIMRC),2016.12 謝莎，李浩然，李玲香，陳智，李少謙，太赫茲通信技術綜述，通信學報，2020 年 5 月，第 41卷第 5 期。13 5G 技術核心與增強：從 R15 到 R16，OPPO 研究院組編，沈嘉、杜忠達、張治、楊寧、唐海等編著，清華大學出版社，2021 年14 5G 技術核心與增強：從 R15 到 R17，OPPO 研究院組編，沈嘉、杜忠達、張治、石聰、楊寧、唐海等編著，清華大學出版社，2023 年（即將出版）15 5G V2X 與側行通信，OPPO 研究院組編，張世昌、趙振山、丁伊、林暉閔、郭雅莉、盧前溪、冷冰雪等編著，清華大學出版社，2023 年（即將出版）16 5G 終端技術演進與增強，OPPO 研究院組編，左志松、徐偉杰、賀傳峰、崔勝江、李海濤、胡奕等編著，清華大學出版社，2023 年（即將出版）參考文獻616G：極簡多能，構建移動的世界