2025年AI与6G网络融合报告-中国信科

T中T中信科移动CCTMobileAI与6G网络融合INTEGRATIONOFAIAND6GNETWORK 摘要系统阐述了6G内生智能架构的核心设计理念、关键技术及发展路径，旨在构建具备内生智能、开放生态与智能孪生特内生AI能力和多层次AI智算开放体系。通过定义能力调用、AI数据交互等技术的特点，详细阐述了小模型驱动边缘智能、大模型赋能全局智简，以及智能孪生实现虚实协同的具体技术路径。AI小模型凭借在特定场景下的高精度与高效能，在各类功能级用例中展现出显著优势；网络大模型/智能体（Agent）则更适用于处理跨模态数据、复杂决策与资源编排等全局本白皮书为6G内生智能架构提供了系统性技术框架。中信科移动通信技术股份有限公司（简称“中信科移动”）希望以此为契机，推动产业协同AI与6G网络融合内生·内生·开放·孪生本白皮书版权专属中信科移动通信技术股份有限公司科移动”）所有，并受法律保护。如需基于非商业目的引01020304目录目录AI与6G网络融合白皮书言通信技术的每一次跃迁都在不断拓展连接的内涵。从5G开启的“万物互联”时代，到6G描绘的“万物智联”蓝图，本次跨越十年的技术变革不仅将实现跨越单一领域的创新，更将成为推动产业随着全息通信、群体智能、元宇宙等新型场景的爆发式增长，传统基于规则驱动的网络正面临根本性挑战：依赖人工经验的参数配置难以适应时变信道；固定功能的协议栈无法灵活满足多元化业务需求；烟囱式网络架构也使AI能力难以高效融入。要破解这些难题，AI与6G的深度融合已不再是技术选项，而是构建下一代智能通信基础设施的必由之路。通过将AI内生于网络架构，使每一个网络节点都具备感知、决策与执行的智能闭环能力，最终为破解通信网络当前面临的“管道化”和“边缘化”困境，本白皮书提出了“内生-开放-孪生”通过网络功能与AI能力的原生耦合，实现AI能力与网络功能的深度集成。网络内生支持AI全生命周期管理，并通过统一的架构对数据、算力、模型等资源要素实现协同调度；同时，前向兼推动6G网络内生智能的实现。端、边、网、云协同的分层智算体系实现算力、数据和模型服务的开放，利用统一接口赋能千行百业。无线基站提供实时智算能力，边缘智脑支持区域化大模型部署，智脑中心打造全局智算有效降低各行业智能化的门槛。升级数字孪生为智能孪生，融合大模型与智能体技术，构建虚实交互闭环。通过内闭环验证AI策略的可靠性，外闭环反馈优化孪生模型，实现网络的自配置、自优化和自修复，为复杂场景提供高保真预演与风险规避能力。内生·开放·孪生在AI与网络融合的路径上，针对差异化问题采用多元AI技术方案。小模型驱动边缘智能，在端边侧部署轻量化模型，解决超大规模天线波束管理、大模型赋能全局智治，云端大模型整合跨域数据，构建网络知识图谱，实现意图驱动的决策与多智能体协同，推动网络由单域优化向全局智能演进。智能孪生则实现虚实协同，利用数字孪生生成海量理网络反哺孪生模型，孪生模型优化物理网络”的智能的核心问题，并为国际组织提供了标准制定的02AI与6G网络融合白皮书AI与6G网络融合白皮书01内生·开放·孪生04业务模式革新：AI加速推动移动通信服务向场景化、定制化方向升级。高清视频、XR/全息通信等新兴业务对网络提出了超低时延、超高可靠和确定性体验保障等更高要求[1]，需AI技术贯穿业务全生命周期。6G网络通过AI驱动的用户行为建模、智能流量调度、多维QoS映射，能够精准匹配差异空口、分布式智能体、AI原生协议栈和数字孪生仿真等创新技术，推动网络突破传统架构瓶颈，加速多维数据融合：AI推动复杂异构环境下的开放服务生态构建。通过通感算智一体化，AI支持环境感知与资源动态编排，结合多模态数据融合分析，打造意图驱动的自智网络[4]，为智慧城市、工业互AI与6G网络的深度融合，正引领通信系统智能化重构融合性发展智联化升级6G网络服务体系将由“通信主导”向“通感算智”深度融合转变，从单纯信息传递升级为赋能服务。服务场景进一步拓展，从单一连接向全维智能使能延伸[6]，重塑通信突破了传统交互边界，实现虚实空间的实时映射。分布式群体智能支撑智能设备自主通信设备正突破物理局限，加速向智能体终端演进。AI赋车等）多模态感知能力，6G终端将不再仅作为信息接收者，而是具备环境感知与协作AI与6G网络融合白皮书05目前，6G正处于早期研究与开发阶段，全球众多国家和行业组织已开始积极布局6G通信与AI场景用例与需求研究》首个6G标准项目，标志着全球6G标准化工作正式进入实质推进阶段。2025年3月，在韩国仁川召开的6G研讨会上，有公司提出构建可扩展的AI/ML框架，并要求网络原生支持AI生命周期管理。在SA1会议中，多家公司提交了有关AIAgent、自动驾驶、智能群组管理等应用场景的用例建议。2025年5月的SA2会议则将Agent相关研究正式纳入标准研究范围。总体来看，3GPP的6GAI标准化正处于由需求定义向架构设计转型的关键阶段，内生智能理念已形成广泛共识，但具体的技术路径与用例方案仍需进一步明确。国内外各方也在积极探索AI与6G的深度融合。IMT-2030(6G)推进组持续在面向AI服务的QoS体系构建、多维智能协同、网络大模型与智能体等方面开展研究[8]。ITU则启动了《6G网络架构和技术性能指标》研究项目，提出了6G网络架构设计的指导原则，强调网络功能与AI能力的深度融合[9]。目前，AI与6G网络的深度耦合正逐步从理论研究向实际应用转化，但仍需突破内生智能架构设计、网络大模型/Agent研发与大小模型协同等技术瓶颈，并依托全球协作推动标准化和产业化进程。内生内生·开放·孪生02AI与6G网络融合白皮书07空天地一体等新型业务场景的爆发式增长，移动通信网络正面临多维叠加的技术挑战：在空口效率方面，需要攻克超大规模天线阵列的动态波束管理难题；在网络架构方面，空天地一体化组网导致网络拓扑复杂度成指数级提升；在服务能力方面，既要满足时延敏感型业务，又需兼容带宽密集型业务的服务质量需求。传统基于规则驱动的网络优化方法难以应对复杂多变的网络环境，尤其在网络运维和动态运行场景下，许多问题难以通过精确数学模型实现闭环优化。以深度神经网络为代表的AI技术具备数据驱动的自适应学习能力，兼具动态场景下的实时推理效率与多目标的全局优化能力，正成为突破传统通信技术瓶颈的关键路径。因此，6G网络能力的跃升亟需AI赋能，并在架构设计阶段围绕5G系统设计之初未原生集成AI能力，导致AI应用必须通过外部接口接入，业务耦合度低且分析结果需往返传递，时效性受限，同时集中式智能网元易成为资源瓶颈。6G智能网现与AI的深度耦合[10]，使AI分析与数据产生源（网络功能）紧密结合，减少数据跨域传输与信令交互，提升决策实时性与资源利用效率。更为关键的是，6G内生智能需构建支持AI全生命周期管理的统一架构，协同调度网络、数据、算力等多种资源。面对AI技术的快速演进和网络的高稳定性要求，还需建立能力弹性机制，在保障网络平稳运行的同时，持续引入新兴AI6G内生智能网络为网络AI发展提供了广泛资源，但资源的高效利用成为新的挑战。面对AI应用的快速发展和多样化服务需求，6G智能网络须通过开放式架构设计，面向智能社会的千行百业释放当前网络的数据采集存在规模受限和成本过高的难题，阻碍了内生·开放·孪生网络智能化演进的核心驱动力。这些技术的不断发从通信与AI融合的现状来看，目前AI用例多以传统协议层划分，针对具体场景设计定制化小模型，因其高效率、低实现复杂度和较强准确性，已在网络优化、资源调度等领域取得显著成效。然而，小模型在实际部署过程中往往存在泛化性能不足、难以复用等局限。随着AI与通信网络需求的不断扩展，如何实现小模型的高效管理和泛化能具备知识抽取、多模态融合、跨域泛化、自主规划与学习及自进化等核心能力。通过融合通信领域专业数据构建网络大模型，并面向典型通信场景开 发Agent系统，可充分释放大模型/Agent在数据 分析与逻辑推理方面的优势，使通信网络具备自 规划、自学习、自进化的能力，灵活应对更高层次 和更丰富的应用需求，助力智能网络向“智简网络”发展。数字孪生技术则在6G网络的规划与运维中展现独特优势。通过对网络结构、环境和行为进行精细模拟，实现网元孪生、环境仿真与行为预测等功能，数字孪生能够有效缓解真实数据短板、缩短算法迭代周期、提高资源配置效率。结合大模型等先进技术，数字孪生有助于实现个性化资源分配和精准性能优化，赋能网络多场景服务能力，打造科学高效的网络训练、部署与优化平台，为网络规划和决策提供强有力支撑，推动无线通信网络迈向高08AI与6G网络融合白皮书09络融合实践中仍面临诸多挑战。其一，需要确保AI模型在多网元、跨域等复杂场景下稳定高效协同，防止算法偏差导致的误判、进而影响网络整体性能与用户体验；其二，算力供给与算法性能间的平衡至关重要，在有限资源条件下兼顾高性能和低能耗问题、开放程度与数据安全性的平衡，也是实现商总之，AI与6G网络的深度融合正处于快速发展和持续突破的关键阶段。充分发挥小模型的高效性、大模型/Agent的泛化能力以及数字孪生的模拟优化价值，将是6G迈向高度智能化的核心路径。未来通信与AI的融合技术发展将呈现分层演进趋势：网元级侧重于高性能和高效部署驱动，高层聚焦多任务、多网元的协同，顶层则以大模型赋能的强智能为核心动力。针对特定用例和场景，小模型将持续创新并广泛应用；而随着AI技术进一步发在大模型与网络的融合路径上，不同网络域的发展进程存在先后顺序。例如，在运维智能与运行智能、核心网与接入网侧的融合推进上，通常会优运行智能。实际部署中，既有网元集成，也有云化两种方式：网元集成主要解决实时性要求，云化则内生·开放·孪生来自系统外部的多样化智能体应用。当前，智能体在6G运维场景中的应用更为成熟和可控，而在6G业务架构中的深度赋能尚需进一步研究探索。覆盖的复杂任务，但这一过程需以单Agent的成熟和稳定为前提，Agent与通信的深度融合将是一个长期演化过程。同时，大模型/Agent正在多模态支撑等方面快速进步，通信领域面向具体场景的专业大模型与Agent方案同步推进，有望持续应对和数字孪生技术的发展将进一步提升网络的高阶智能和自主演进能力。数字孪生网络的实现需要持续的目标牵引和分阶段、分层次的系统构建，先从网元级孪生出发，逐步扩展到大规模的网络级孪生系统。在数字孪生体系中，实现虚实孪生体的自主决策和协同，是迈向高级智能的重要标志，这一过 ......空口性能无线系统性能......模型评估网元运行数据通信行业知识......要实现大模型/Agent和数字孪生等AI技术与通信网络的深度融合，必须在网络功能、数据管理和算力管理等维度实现高度协同，并对网络架构、流程和端到端设计提出更高挑战。同时，随着AI技术的持续快速创新，6G网络架构必须具备足够的弹纵观AI技术发展，有通用能力基础的底座模型，通过数据飞轮实现持续优化，通过强化学习提升推理能力，借助在线/离线学习增强泛化能力，并结分层分布式协同、AI能力开放等原则，并通过完善的生命周期管理，实现高效、灵活和可持续发展的AI与6G网络融合白皮书AI与6G网络融合白皮书03内生·开放·孪生算力、算法、数据等核心能力的解耦，并转化为可独立调用的模块化服务单元。各AI要素可根据实际需求实现弹性扩展，算力资源可随业务波动动态调度，算法模块可根据场景动态更新迭代。通过灵活编排，实现不同层级网络对各类AI要素的按需组合，打破资源孤岛，提升智能服务的复用效率与响应速度，实现跨域资源高效共享。多维异构网络AI资源协同控制：6G网络需实现频谱、算力、数据等多维异构资源的智能协同，通过AI动态生成资源分配策略，形成需求识别、策略制定、执行反馈的完整闭环管理。突破传统静态资源配置，实现资源与业务需求的精准匹配，链路层、应用层的传统界限，建立端到端的全局优化体系。实现底层传输特性和上层业务需求的深度融合，消除分层架构的信息孤岛，使网络整体性能从局部优化迈向全局最优，大幅提升端到端服务质量。网-云”分层架构，在各层级注入差异化AI能力：终端侧重轻量化推理，基站及边缘节点提供实时智能计算，网络层实现区域协同，中央智脑实现全局优化。支持AI模型分布式训练/推理与多节点智能实现对AI数据处理、模型训练、部署、更新等全流虚实融合智能决策：6G智能架构要坚持虚实融合，通过数字孪生体实现物理网络的实时映射，AI引擎结合历史数据和仿真演练，支持预测性运行与策略仿真。基于数字孪生与AI深度融合，网络系统可实现自配置、自优化、自修复等自治功能，推AI能力开放与定制：6G智能网络应坚持AI能力开放，通过统一标准接口对外开放数据、算力和AI模型，支持各行业按需进行智能业务开发。提供定制化能力以适配不同行业差异化需求，如毫秒级延迟AI推理服务，打破技术壁垒，实现AI能力的社会普惠，推动“网络即平台、能力即服务”的智AI与6G网络融合白皮书生态开放与标准统一：为实现全球协同创新，6G需在架构层面支持生态开放与共享，并与国际标准组织协作，制定统一的模型接口、数据格式、算力调度等标准，确保跨域的不同厂商系统间的互操作。通过认证与开源机制，降低技术融合难度，加快AI工具应用落地，促进智能生态可持续发展。NN......MAI应用AI应用AI应用AI应用AI应用AI应用AI应用内生·开放·孪生无线接入网、边缘智脑、核心网、智脑中心五个层级，各层均内生AI能力，并共同构建了多层次的交互接口打通各层，实现跨层协同与端到端高效联动，同时支持AI服务能力的开放。在这一多级智能体系中，融合智能孪生机制，进一步促进6G网络力持续下沉。物理层引入AI信道估计、AI低导频传度与自适应重传策略等智能决策机制。系统级智能管控则通过整合无线工具库和历史数据，支撑无线侧AI生命周期的本地化管理。核心网支持网络大模型的部署，并协同整合接入网与核心网的数据，实现从终端接入到业务卸载的全局智能优化。网络中可部署多类型Agent，结合网络孪生平台，通过虚拟镜像方式模拟不同AI策略的实施效果，实现对历代移动通信网络架构在一代无线通信周期内基本保持不变。随着AI技术的迅猛发展，6G网络架构必须具备对新型AI技术的兼容和可持续应用能力。在连接、AI、数据、算力等基本要素深度融合的基础上，6G功能架构采用服务化设计理念。采取解耦设计，确保6G网络能既具备确定性的内生智能功能，又能灵活适应AI技术的迭代升级。AI与6G网络融合白皮书在6G网络架构设计中，AI数据的高效流转与网络内生AI生命周期管理是6G内生智能的重要基将AI数据、算力、生命周期管理等核心要素深度嵌“控制与数据执行分离”是移动通信网络演进中逐步积累的实践经验。在AI能力实现上，6G架构引），CECE......功能模块化与服务化编排，将AI相关能力解耦为可独立调用的网络服务单元。数据管理功能（DMF）作为“数据管家”，实现网络多模态数据的统一管理；算力调度通过计算控制功能（CCF）功能（AIMF）作为“AI生命周期引擎”，覆盖从模内生·开放·孪生另一方面，基于AI动态优化数据传输，针对不同业务类型智能选择最优的数据部署实时智能处理引擎，支持动态算法加载，实现高效的数据预处理、清洗和特征算力调度中枢：CCF的智能资源编排作为“6G网络算力”的核心调度器，CCF实现统一纳管，实时监控各算力节点负载，并制定优化调度策略。通过建立“端侧轻量训练/推理-边缘调配无线与计算资源，保障各类业务的高效处理。提供设计、训练、部署、优化全流程自动化。设提供设计、训练、部署、优化全流程自动化。设计阶段将网络优化需求（如降低切换失败率）转化为可执行的AI任务描述，自多模态训练（集中式、分布式、联邦学习等）。部署阶段结合业务需求灵活选择部署位置（如边缘节点或云端）。优化阶段设有实时监测机制，当模型推理精度下降在兼容现有注册机制的基础上，扩展模型注册、智能体注册、工具注册等能力。在兼容现有注册机制的基础上，扩展模型注册、智能体注册、工具注册等能力。模型注册涵盖版本、接口、资源消耗等元数据，便于快速检索调用。智能体注册AI与6G网络融合白皮书6G架构兼顾核心功能的确定性与未来AI技术的可扩展性。基础功能部分（数据、算力、AI生命周期管理等核心模块）采用紧耦合、标准化服务接口设计，保障关键业务的高可靠性和确定性体验。针对新型网络大模型与AI算法，则采用松耦合、插件化架构，支持动态加载和灵活接入。通过构建成熟后可通过RM注册机制无缝纳入生产网络。核心功能拆分为独立可部署单元，模块支持版本独立演进，无需调整通信与AI生命周期管理架构，实现能力的开放基座。6G无线基站通过智算板卡与边缘推理单元的深度融合，形成“基站即智能节点”的具备低时延AI服务能力，依托边缘GPU资源池实现AI服务的开放运行。核心网通过安全隔离机制，保障智算资源的安全可控；多租户隔离技术实现通信算力与AI算力的逻辑分离。通信核心算力专注于信令处理、会话管理等实时功能，确保6G协议栈的高可靠性；AI增强算力则面向第三方开发者智脑中心作为6G网络的“中央智脑”，通过超大规模智算集群，成为全局智算引擎。它汇聚接入网与核心网的数据资源，训练跨域协同的网络优等智能体，完善智能体生态。依托泛在连接能力，实现智脑中心与边缘节点算力资源的池化，打造内生·开放·孪生网络AI服务化，通过网络资源服务化封装，构AI服务能力的高效输出和广泛应用。开放接口体系赋能各行各业智能化转型，潜在的开放模式包括：开放算力资源池（基础设施即服务IaaS）、开放预训练模型（模型即服务MaaS）、开放可编排智能体（智能体即服务AaaS）。6G网络AI服务技术将打造“运营商提供设施与平台—开发者构建智能应用—用户享受个性化服务”的良性产业生态，推在6G系统内生智能架构的驱动下，数字孪生与AI技术深度融合，进化为具备自主决能孪生。这一演进突破了传统数字孪生“镜像映射+规则驱动”的局限性，通过整合神经网络、强化在设备状态数字孪生镜像的基础上，物理层的智能化得到增强，引入了实时AI特征注入能力。系其输入智能孪生空间，实现高精度信道建模。在高层功能方面，系统部署了分布式智能体集群，每个智能体负责特定的优化目标（如资源调度、干扰协调等）。智能孪生空间能够实时模拟不同调度策略的效果，并通过与大模型的交互，生成最优调度方源利用效率。智脑中心引入网络大模型，作为智能孪生的“中枢大脑”，整合接入网与核心网的跨域数据，构建网络运行的深度知识图谱，实现对系统运行状态的预测性保障，大幅提升网络的稳定性。的双环机制，实现AI策略与物理网络的高效协同。在智能孪生空间的内闭环中，系统通过构建与物理网络等比例映射的虚拟环境，对AI生成的策略进行多维度验证，包括性能评估（模拟实施后的网络性能变化）、风险评估（通过注入调整方案，检验策略鲁棒性）等。依托模型自优化机制，孪生系统可根据验证结果自动触发模型优化流程：当策略效果未达预期时，系统追溯至数据预处理或算法层，形成“验证—诊断—优化”的闭环。在物理网络的外闭环中，经过内闭环验证的策略采用渐进式方式在现网小范围试点部署，实时采集实际运行数据，并与孪生预测结果对比，以支持后续大范围平滑扩展和部署。同时，物理网络的真实运行数据通过双向数据反馈机制，反向注入智能孪生空间，用以动态更新模型的训练数据和智能体的决策规则。通过这一双向交互，智能孪生的网络状态映射精度AI与6G网络融合白皮书随时间不断提升，最终形成“物理网络反哺数字孪智能孪生与6G网络深度耦合，构建起“物理世界—数字孪生—智能决策”协同体系。智能孪生关键载体，促进通信网络从工具型基础设施向智能型生态系统的历史性跨越。随着智能孪生闭环演进优化、自生长”的终极目标，为未来应用场景打造标，通过协议体系的重构与服务接口的标准化，实现网络复杂度的下降和智能能力的原子化集成。AI能力解耦为可独立调用的智能原子，并通过标准化在协议层面，6G网络对传统分层协议架构进行重构，在保留原有控制接口的基础上，新增专为型参数及梯度等）的传输需求，特别设计了轻量级实现比传统比特流更高效的AI特征数据传递。智能体间通信遵循智能体通信语言标准，定义了标准化的智能体交互接口及通信协议，不仅支持网络内智的高效协同。传统无线通信协议栈进一步升级为可编程协议栈。配合面向AI数据高效协同与传输的新型协议，与无线网络协议栈深度融合，实现协议在服务接口方面，通过标准化的控制、数据、模型与智能体等多维功能接口，搭建起高效的连接桥梁，使数据流通、指令下发、模型上下文传递及智能体协同等变得更加流畅高效。面向6G时代的智能通信架构，借鉴HTTP/3.0、QUIC及SSL/TLS等先进协议与安全技术，进一步提升6G网络的信复杂性有效隐藏于底层架构之中，大幅降低网络复杂度和运维成本，同时显著提升资源调度效率，推动6G走向更敏捷、更高效的发展方向。用户与智能体将获得无缝、智能的通信体验，智能能力亦能按需调用。6G智能网络协议为面向未来的智能化场内生内生·开放·孪生04AI与6G网络融合白皮书6G无线空口承担着提升数据传输速率的核心任务，对实时性、准确性和可靠性有着极高要求，同时还需致力于降低通信系统能耗，实现能效与性能的双重提升。为满足6G对于极高数据速率、超高可靠性、极低时延、超高连接密度和低能耗的综合需求，无线空口需要攻克多重难题：如在利用超大规模天线提升速率的同时，降低信号处理复杂度与能耗，减少信道状态信息（CSI）获取的信令开销；在提升连接密度的同时，降低接入时延和设备能耗，并优化接入机制与频谱分配的复杂性。例如，基于AI的低开销CSI反馈、波束预测术将内生嵌入无线空口的设计全流程：通过AI驱动基于AI模型预测频域/空域的信道状态，有效降低信令开销、提升系统频谱效率；同时，开发智能化接收机，利用AI实现信道估计、均衡、解调、解码等多模块的协同优化，降低接收机复杂度并进一步面临计算复杂度高、难以获得全局最优解、灵活性超大规模天线阵列和分布式组网模式使系统变量维在此背景下，AI以卓越的全局寻优能力展现出独特系统架构，支撑多维度、动态资源管理。通过内生AI引擎，能够实现算力、存储、数据的全局感知与弹性调度，实现业务需求与网络状态的超实时自适应匹配，支持复杂场景下的资源拓扑重构与能效最优配置。同时，AI将基于实时采集的网络负载与用户分布，智能自适应调整基站发射功率与天线方向图等参数，优化覆盖质量和频谱利用率，并通过多内生·开放·孪生22作为新一代数据处理中枢，6G网络需在高度推动连接、算力、算法与数据等多要素的全局协同调度。其核心目标在于：构建覆盖AI全生命周期的资源编排体系，破解传统外挂式AI在算力、数据与连接之间跨域协同效率低下的瓶颈，建立面向多模态媒体交互与AIAgent互联等新兴业务场景网络需突破传统协议栈限制，创新差异化的数据传输方案，构建融合业务意图理解与数据处理的新型架构。借助AI对数据传输、业务感知和资源效率的全方位赋能，可打造具备自感知、自优化、自演进能力的智能数据面架构。通过将AI能力深度嵌入网络协议栈，实现从数据采集、特征提取到策略生成的全流程闭环优化，有效消除外挂式AI模块的跨层交互时延。典型应用场景包括：基于业务画像，实现按需数据采集和就地数据处理，提升网络数据流转效率；深入分析新型业务载荷特征及传输模式，与6G网络的深度融合，可实现从数据平面到业务平面的全方位优化，切实提升跨域数据传输与网络资源的全局调度效率，为未来智能化应用场景夯实基础。通过大模型与小模型的协同配合，6G网络突破了单一模型的能力边界，实现了低时延快速响应决策与复杂推理能力的有机结合，同时兼具轻量低功耗与海量算力跨域泛化优势。大模型为网络提供丰富的资源和知识支撑，小模型则聚焦于动态优化与场景适配，由此打造出架构简洁、功能高效的智简网络生态。AI23能各类智能体应用及场景。智能体应用不再局限于模型通信协议和智能体间通信协议的理念及增强，移动通信网络将开放边缘节点，为智能体应用提供AI感知、多模态视觉分析和实时决策等服务。6G采用统一标准的智能体通信协议，实现智能体通信的标准化和业务配置模型的一致化，高效支撑智能体间的互联互通，助力智能体应用的普及和升级。o大模型能力赋能网络智治驱动”演进。大模型具备“全景认知理解”和“意图交互驱动”等强大能力，为自智网络实现高级智能治理提供关键基础。借助通信行业大模型，可构建原子化智能能力，赋能网络高效决策。当前，大模型正在由以Copilot和单场景Agent部署为主的的第二阶段演进，着力攻关多域端到端（E2E）复杂场景下的智能化难题。未来，大模型将依托强大的数据分析、推理与意图识别能力，简化并提升网络治理的智能化和高效性，为6G自智网络提供坚总流量提升5%o网络大模型融入网络运行面对6G网络跨域协同复杂、异构资源调度动态性强等挑战，亟需打破5G时代“烟囱式”服务模式和外挂式能力引入的局限。基于多层级内生智能网络架构，网络大模型能够为6G高效运行注入内生·开放·孪生24强大动力。网络大模型可通过构建用户画像、推演网络态势，形成通信领域知识图谱以及时空多模态感知、计算等多模态数据，结合多步推理机制，有效应对业务意图模糊识别、跨域资源动态映射等难题，赋能运行层面的网络功能灵活编排与资源自o智能体技术赋能网络自主从工作流角度看，AI智能体依托预设规则和智能算法，通过分层协同架构，结合单域智能体和跨域多智能体协作，共同支撑网络运维和运行的自主化编排与动态优化。随着智能体技术不断演进，网络系统正从被动响应向自主决策转变，具备大模型驱动的任务分解能力与反思式学习机制。代理型AI三阶段闭环，为网络赋予类人类的主动推理及动态调整能力，简化操作流程，使网络由开环配置逐步迈向全流程闭环的自主运行。需要进一步研究以确保其在复杂网络环境下输出稳定、可靠的智能服务。其次，大模型的部署对硬件需在保障性能的前提下优化节能策略。此外，还需加快标准化与互操作性研究，推动不同厂商和技术大模型和Agent技术正深刻影响6G网络的设计与演进。尽管面临诸多挑战，这一变革为通信行业带来了极大的内生智能能力提升空间。未来，大探索智能协同方案：推动大模型/Agent与6G网络在端、边、网、云等多层次的协同与融合，持续 强化安全与信任机制：制定可信策略规范大模型/Agent行为，利用其强大分析与预测能力加强6G推进标准化进程：推动大模型/Agent与6G网络融合相关标准，尤其是跨域标准化，促进各方力量随着无线通信网络组网和运营需求日益复杂，数字孪生技术凭借其精细的网络模拟和高保真建模通过构建高精度物理网络镜像模型，数字孪生不仅能够为物理网络提供网元孪生、环境仿真与行为预AI与6G网络融合白皮书25采集范围有限的困境，还为新型通信协议和AI驱动技术创新提供丰富的试验土壤，助力通信行业不断数字孪生能够对物理环境实时映射与高保真数字孪生技术具备高保真、实时映射物理环境大规模MIMO波束智能管理、高精度定位等）了技术探索的实验场域。同时，借助AI强大的数据处理及分析能力，可以更加高效地挖掘和应用数字孪生环境下的丰富数据，实现AI模型与场景用例的正在重塑AI与6G融合的技术验证范式。在大规模MIMO场景下，数字孪生可构建与实际场景等效的波束空间信号模型，通过AI算法实现更优的波束选数字孪生进一步融合基站实测、射线追踪及无线电地图建模等多源数据，构建非视距条件下的高维数据动态模型，有效突破信道测量的物理约束，驱动形成从算法创新到系统级验证的闭环，为6G时代AI驱动的前沿通信技术提供高保真的虚实协同验证数字孪生平台具备独立计算资源和大量模拟数字孪生平台具备独立的计算资源和丰富的模拟数据，不断向内生智能网络提供优化迭代和持续更新的AI模型，推动网络智能水平迈向高阶自治。作为AI能力的“训练场”，孪生平台为AI模型提供远离现网压力的大规模训练环境以及充足的数据依托孪生平台与真实环境的高效交互机制，孪生环境中训练生成的AI模型可无缝迁移并直接内生·开放·孪生26复用于物理网络。这种协同不仅减少了对现网计算资源的依赖，还有助于避免