研究团队
崔琪楣, 南国顺, 张雪菲, 张建华, 吕昕晨, 陶小峰, 冯志勇, 张平: 北京邮电大学
尤肖虎, 黄永明, 潘志文: 东南大学移动通信国家重点实验室
倪巍: 复旦大学信息科学与工程学院
艾明: 中信科移动通信技术股份有限公司
武庆庆, 陶梅霞: 上海交通大学
黄崇文: 浙江大学信息与电子工程学院
刘光毅, 孙韬: 中国移动研究院
彭程晖: 华为技术有限公司
Dusit Niyato: 南洋理工大学计算机与数据科学学院
Tao Chen: 芬兰国家技术研究中心
Muhammad Khurram Khan: 沙特国王大学信息保障卓越研究中心
Abbas Jamalipour: 悉尼大学电气与信息工程学院
Mohsen Guizani: 穆罕默德·本·扎耶德人工智能大学
Chau Yuen: 南洋理工大学电气与电子工程学院
文章下载
Cui Q M, You X H, Ni W, et al. Overview of AI and Communication for 6G Network: Fundamentals, Challenges, and Future Research Opportunities. Sci China Inf Sci, 2025, doi: 10.1007/s11432-024-4337-1
随着第六代移动通信(6G)向超高速率、全域覆盖和智能服务方向的演进，人工智能(AI)与通信技术的深度融合已成为突破传统性能边界、重构网络生态体系的核心驱动力。在该趋势下，6G 网络将实现从 “人-人连接” 、“人机物连接” 到 “万物智联” 的跨越。AI强大的数据分析与决策能力，能使网络更好地感知、理解和适应复杂多变的无线环境，满足差异大、个性化的用户需求。然而，6G网络与AI的深度融合也面临多重矛盾性挑战：从数据层面看，AI语义压缩技术可以提高编码效率并减少带宽占用，但模型参数、训练数据等附加传输需求可能抵消其带来的部分增益。从能耗方面看，AI驱动的智能资源分配能够显著提高能效，但其算法的运行与计算又带来了额外的能耗，需要在能效提升与算力消耗之间寻求平衡。从可靠性看，AI的动态优化能力可以增强网络的弹性响应性能，但在复杂环境下，其算法决策的不确定性可能引发新的可靠性风险。为应对这些挑战，需要更细致、深入地探讨如何将AI集成到6G系统的网络架构、网元和功能流程中，以确保AI与6G网络之间实现真正的协同效应。本文的研究意义在于从技术层面系统分析了AI与通信融合过程中面临的挑战和关键问题，探索可能的解决路径，为6G网络内生智能化理论及技术研究提供基础指导。本研究全面概述了面向6G及后续的AI与通信技术融合进程及最新研究进展，重点介绍了它们的基本原理、使能技术、挑战和未来的研究机遇。文章首先回顾了6G背景下AI与通信的融合，探讨了AI赋能无线通信的驱动因素，以及AI与6G融合的总体愿景。然后详细阐述了AI与通信融合的研究进程，包括三个关键渐进阶段：AI for Network(AI4NET)，Networkfor AI(NET4AI)和AI as a Service(AIaaS)。第一阶段——AI4NET，重点是利用AI技术增强网络性能，优化效率，提升用户服务体验。随着以深度学习为代表的AI技术日渐成熟，集连通性和计算能力于一体的新型基础设施的出现，AI4NET相关应用将变得更加丰富和复杂，并可能进一步向纵深发展。本文从无线空口性能增强和网络运维改进两方面详细介绍一些典型案例，进而讲述AI4NET的概念和现状。
图1AI4NET架构图
第二阶段——NET4AI，强调通过云、网、AI的全融合，增强网络全局智能自治管控能力，构建云网和泛在终端的原生AI能力。文中首先总结了当前工业界和学术界中与NET4AI有关的架构与思想，然后给出了NET4AI的五个重要组成，从系统上构建了NET4AI的关系与架构，并基于新型NET4AI架构介绍了关键使能技术。此外，本文将无线网络大模型与传统的大语言模型（LLM）进行了比较，探讨了构建无线网络大模型的潜在技术思路和面临的关键挑战。
图2 NET4AI架构图
第三阶段——AIaaS，网络将原生地为AI业务和应用提供高效的端到端支持，实现无处不在的通用智能，为用户提供AI即服务。本文展示了多个场景下网络提供AI服务的案例，并总结了AI服务的服务质量指标，用于从不同维度表征AI服务的性能。
本文梳理了5G/6G网络融入AI的标准化研究进展，回顾了关键里程碑并介绍了当前正在推进的工作。同时，从移动网络的可持续发展、实时AI应用、安全与隐私保障、人机交互等多个维度，深入分析了6G中AI与通信深度融合所面临的核心挑战。最后，探讨了自适应学习机制、新型网络架构设计、绿色可持续性发展、基于LLM的6G认知网络等潜在的未来研究方向。