高通徐晧：利用6G和AI重塑移动连接的未来

4月10日至12日，由未来移动通信论坛、紫金山实验室主办的2025全球6G技术与产业生态大会在南京举行。作为6G领域最具影响力的国际会议，这一大会已连续举办四届，成为促进全球6G技术交流与合作、推动技术和场景创新的重要平台。今年，大会以“共筑创新 同享未来”为主题，聚焦人工智能、无线通感融合、空天地一体化、毫米波和通信等领域，汇聚来自全球6G领域的思想领袖、技术先锋和产业领军人物，共同探寻助力科技成果转化的最佳路径，探讨6G技术创新与未来产业生态的发展蓝图。

2025年是6G发展的关键之年，作为6G标准制定的元年，将见证全球统一标准的推进，而人工智能与通信的融合是关键的技术趋势之一。在大会首日，高通公司中国区研发负责人徐晧受邀出席 “通信与AI融合”分论坛，并发表题为“利用6G和AI重塑移动连接的未来”演讲。徐晧在演讲中强调了6G与AI的协同赋能和融合发展，表示AI已经在各种智能终端得到了广泛应用，，而5GAdvanced向6G的演进也能很好地推动AI发展。

首先无论是云端，终端还是边缘侧的AI都有望为6G带来更多的应用场景。徐晧分享了终端侧AI的优势，以及连接在其中扮演的关键角色。他指出，终端侧AI能够带来成本、能效、性能、隐私、安全和个性化等多项优势，而在云端、边缘侧和终端分配并协调AI工作负载的过程中，5G和6G连接提供了稳定且低时延的接口。徐晧提到，今年是高通公司成立40周年，而高通深耕AI研发已超过15年。如今，AI正越来越多地在人们触手可及的终端上运行，在手机、PC、XR等领域展现出巨大潜力，这些AI应用会产生大量的数据和全新的需求，并且持续推动6G的发展。

另一方面，AI也可以给无线通信设计提供全新的解决方案。在无线通信领域，无线通信和AI具有互补优势。徐晧指出，AI的优势在于能够在复杂任务中进行准确预测，此外在面对很多不确定因素的时候，AI能够发挥出更大优势；而无线通信是已经比较成熟的领域，有很扎实的理论基础作为支撑，且历经几十年的研究和积累在很多工程问题上建立了精确的数学模型和最佳解决方案。然而在某些反面，比如无线信道的测量，预测和压缩还有很大的优化空间。无线通信和AI的结合，能够更好地优化信道反馈、波束预测和无线定位等问题，带来更好的无线通信系统性能和表现。

徐晧也特别提到高通如何利用AI提升5G性能。不久前刚刚推出的高通X85，搭载了高通第四代集成到调制解调器的专用AI处理器，能够以更高的处理性能运行更多AI专用5G算法，AI推理速度相比上一代快30%。在演讲最后徐晧还指出，除了AI，还有很多6G关键研究方向，包括较为基础的调制与编码技术、各种物理层的增强、感知等等。

以下为徐晧演讲实录：

大家好，我是高通公司徐晧。今天我想与大家分享高通公司在AI和6G领域的研究与规划，共同探讨如何利用6G和AI重塑移动连接的未来。

6G和AI是当前最热门的两个话题，这页幻灯片展示了6G与AI如何协同赋能，共同推动无线技术向前发展。可以看到，在云端部署AI有诸多优势，比如云端拥有更强大的算力。但随着无线连接技术推动智能网联终端的普及，我们也意识到，终端侧AI对于AI的规模化扩展至关重要。我们每个人都有包括手机、汽车在内的各种智能终端，随着AI的日益普及，很多AI处理都能够在终端侧完成。今天我演讲的第一个部分将介绍AI在端侧的推广如何为6G带来更多的应用场景。然后在第二部分，我会分享AI在无线通信中的应用，也就是如何利用AI技术取代无线通信中的一个或更多的模块。

实际上，从现在5GAdvanced向6G的演进过程中我们已经看到了很多端侧AI的应用潜力，稍后我会分享更多基于终端侧AI实现的用例。终端侧AI能够带来成本、能效、性能、隐私、安全和个性化等多项优势，我想通过两个简单例子说明。第一个用例是利用终端侧AI实现图像或视频处理。比如我们用手机拍完照片的瞬间就会看到人工智能处理过的结果，无须将这些图像上传至云端，仅利用终端侧AI就能对照片进行美颜处理。与云端处理相比，利用终端侧AI能够更快地进行图片处理，同时保护了用户的隐私。第二个例子是，如果用户想查询近期通过微信或短信与他人沟通的某些特定信息，例如约定见面的地点或其他行程安排，利用终端侧AI智能体处理这类面向特定领域知识（Domain Knowledge）和涉及个人隐私的信息更具优势，用户无需将所有微信聊天记录、短信、相片上传至云端，仅通过终端侧AI就能处理这些信息。上述是两个比较典型的用例，终端侧AI还能应用于更多场景。

当然也有一些复杂的AI处理可以在云端或者边缘云端处理，所以我们可以针对不同的运算需求合理调度和分配算力资源。在云端、边缘侧和终端分配并协调AI工作负载的过程中，5G和6G连接提供了稳定且低时延的接口，发挥了非常重要的作用。

今年是高通公司成立40周年，高通深耕AI研发已超过15年。所以我们能够把AI推广到各种形式的终端产品中去。可以看到，AI越来越多地在人们触手可及的终端上运行，包括手机、汽车、PC、XR、网关和其他设备。接下来我将分享终端侧AI应用的三个重要领域，以及AI将如何推动6G的发展。

在手机领域，高通在2025世界移动通信大会期间带来了多项终端侧AI演示，其中一项演示是在不接入云端的情况下，在终端侧运行当下最流行的DeepSeek模型；还有一项是利用手机中的AI智能体（AI Agent）规划行程，并在手机短信中查找用户想要的特定信息。这两个用例展示了终端侧AI正变得更加普及，这对6G也将产生非常大的影响。在未来，我们有望看到更多终端侧AI用例。

其次，AI也正变革PC领域。我们率先提出了“AIPC”这一概念，并推出了骁龙X系列平台，目前已有超过80款搭载骁龙X系列平台的设备已经发布或正在开发中。此外，去年我们还完成了一项AI服务机器人展示，在PC端通过大语言模型实现与机器人交互，并为机器人规划任务。与手机相比，我们可以在PC端运行参数规模更大的模型——通常情况下，在手机侧已经可以运行30-70亿参数的大语言模型，而在PC端也已可以运行70-100亿参数的模型，这能极大地提升工作效率。

针对AI在XR领域的应用，我们也取得了几项新成果。今年，我们通过毫米波实现了XR设备之间的连接，XR是对大带宽、低时延有着很高要求的应用场景。此前大多数商用XR设备都是通过Wi-Fi实现连接，在无线大空间场景下，Wi-Fi可能最多支持4路并发XR业务。但随着毫米波的引入，在相同场景下，毫米波可以同时支持40路XR业务的接入，这能为XR服务运营商带来更广阔的营收机遇，并进一步推动XR应用的发展。

刚刚我简单介绍了现阶段AI在三个不同领域的应用，实际上AI也将被广泛应用于其它6G的应用场景，比如全息远程临场、自动驾驶等用例，当然也包括与网络实现更快连接的技术。接下来，我将分享更多与6G相关的具体技术细节。

从这页幻灯片可以看到，在ITU-R设定的6G愿景中，AI和通信、通信感知一体化和泛在连接是其中三大应用场景。在这三大应用场景中，AI将对6G产生巨大的影响。当前，行业也正围绕6G进行规划。就在几周前，3GPP在韩国仁川举办了6G国际标准研讨会，标志着3GPP正式开始6G标准化相关工作。

接下来让我们看看AI在6G或无线通信中的应用。无线通信和AI具有互补优势，AI的优势在于能够在复杂任务中进行准确预测，对于下棋游戏等这类具有固定逻辑和规则的任务，AI能够进行高效处理并且展示了超过人类的能力。此外在面对很多不确定因素的时候，AI能够发挥出更大优势，比如对有非常多信息的图像进行处理，AI能够快速处理并摘取有效信息。而无线通信是已经比较成熟的领域，有很扎实的理论基础作为支撑，且历经几十年的研究和积累。

我们开展了非常多的实验，验证是否能够利用AI取代现有的无线通信算法。我们发现，在很多时候，人工智能还无法取代现有的无线通信算法。我们知道，MLD（Maximum Likelihood Detection）算法在理论上已经被证明是用于信号检测的最优算法，AI能预测到的最准确情况也只是找到这个最优答案，因此没有必要用AI来取代已有理论依据支持的无线通信算法。

那么人工智能可以在哪些领域为无线通信系统带来增益？一个较为明确的领域，就是我们可以利用人工智能来进行信道处理和信道预测。我们知道，无线信道与有线信道相比最大的区别在于它所处的场景是千变万化的，这实际上与利用人工智能进行图像处理的场景相似。比如，如果我们向AI模型输入生成一只猫图像的指令，模型可以生成几千种、甚至几万种不同的图像。无线通信的信道也类似，在同一个城市进行无线信道处理和预测，可能受到不同建筑、不同数量树木或者车辆行人的影响，也与在不同频段进行信道处理和预测，或者天线的设计有关。

信道建模分为四个类型：第一个是信道模型的建立，第二个是信道预测，第三个是信道推理，最后一个是信道压缩。这与我们在3GPP Release 19中聚焦的将AI与无线信道相结合的三个研究方向相似：第一是如何利用人工智能进行信道反馈，第二是如何利用人工智能进行波束预测，第三是如何利用人工智能进行定位。

接下来我将具体介绍我们针对上述三个方向开展了哪些研究和实验。去年，我们与诺基亚贝尔实验室完成了基站与手机之间的联调测试，当手机需要传送一个信号到基站，或者基站需要传送一个信号到手机的时候，手机和基站两侧的AI模型需要能够互相响应。这需要系统厂商和手机厂商之间进行联调，才能确定是否能匹配成功。

去年我们与诺基亚贝尔实验室开展的联合研究表明，通过共享数据集分别对基站和终端侧的模型进行训练，可以确保模型在学习过程中使用相同的语言，从而无需要求不同公司分享关于他们实现细节的详细信息。这对我们而言是一个非常好的消息：即使基站和手机运行着各自的AI模型，两者之间还是能进行通信。

今年，我们还与诺基亚贝尔实验室开展了进一步测试，希望确保模型能够在分别训练的情况下运行。通过这些实验，我们证明了无论是先训练5G基站（gNB）中的AI模型，再训练用户终端（UE）中AI模型，还是先训练UE中的模型，再训练gNB中的模型，这两种顺序都是可行的，不一定要端到端同时进行模型训练。此外，我们比较了使用不同位置数据训练的模型，与使用特定蜂窝基站数据训练的超本地化模型的性能，结果表明如果有足够的训练数据，一个通用的训练模型可以在各种情况下呈现比较好的鲁棒性。

我们还开展了基于毫米波的信道预测实验，我们知道在不同场景下，比如从城区转到空旷的操场，无线信道环境是完全不同的。我们的实验测试了如何利用不同的模型与多样化的场景进行适配。

这页幻灯片展示了面向无线AI生命周期管理的几项技术，其中一项技术称为动态模型切换（Dynamic model switching）。我们开展的实验显示，如果当前环境下有好几个基站，且每个基站的天线配置情况不一样时，终端侧AI模型能够根据终端位置，自动切换到更合适的基站，并且切换对应的AI模型以确保最优的系统性能。

还有一项技术叫做终端侧模型自适应（On-device model adaptation），指的是如果AI模型没有提前针对特定场景或环境进行训练，且在这一场景下AI模型的表现不理想时，我们能够通过即时训练（On-the-Fly Training），也就是让终端采集更多新数据以更新终端侧AI模型，使其能够更好地适应新的需求。这是一项非常重要的机制，因为我们不能保证在进行模型训练时，训练集已经涵盖了所有场景。这项机制能够帮助我们确定两个关键信息：一是AI模型在全新场景下的表现是否理想；二是如何通过更多的导频（Pliot）优化模型训练，使调校后的AI模型能够有更好的表现。以上是我们针对无线AI生命周期管理开展的两项实验。

刚才提到的两个例子，展示的都是如果在物理层利用AI提升6G或者5G Advanced的性能表现。从更高层的网络架构而言，我们认为6G也具备非常好的自适应能力，也就是6G能够使高层的网络资源规划变得更具自适应性。通过面向6G的AI原生系统设计，我们能够使云端或网络端，也就是基站的上层配置变得更加智能、更加自适应化。

我们认为人工智能对无线通信产生较大影响的另一项技术，是数字孪生（Digital Twin）。如果我们能够把周围的物理环境非常准确地映射出来，我们就能判断波束方向和位置。比如在一个房间内，如果我们知道小基站和用户终端的具体位置，我们就能对这个房间进行3D建模，并生成非常精准的数字孪生模型，这样我们就能判断基站向终端发射的波束方向，以及从房顶或墙面反射的波束是从哪过来的。此外针对高频，我们还大量采用了光追技术（Ray Tracing）来模拟真实的物理环境。

这页幻灯片展示了高通如何利用AI提升5G性能。不久前刚刚推出的高通X85是我们最新一代5G调制解调器到天线的解决方案，搭载了高通第四代集成到调制解调器的专用AI处理器。这款处理器能够以更高的处理性能运行更多AI专用5G算法。比如，全新的高通AI赋能的数据流量引擎，能够利用AI处理器，增强数据流量模式识别能力，为手游用户带来更低时延、更快响应速度的游戏体验。这款处理器性能强大，AI推理速度相比上一代快30%。

今天我的演讲主要聚焦人工智能对6G的影响，但除了AI，还有很多6G关键研究方向，包括较为基础的调制与编码技术、各种物理层的增强、通信感知融合等等。也希望有更多机会能够与业界同行交流，共同推动6G的发展，谢谢！