6G到底在做什么？为什么强调“通信、感知、计算、智能”融合？

摘要
如果只把6G理解成“比5G更快”，很多研究方向都会显得多余：为什么基站要感知环境，网络为什么要调度算力，AI又为什么要进入空口和网络架构？答案是，未来网络面对的对象将从“人的内容消费”扩展到机器人、车辆、无人机、数字孪生和智能体。它们要的不是一次孤立的数据传输，而是在规定时间内完成“观察环境、交换信息、执行计算、形成决策、控制设备”的完整任务。6G所说的通信、感知、计算、智能融合，本质上就是围绕这个任务闭环重新组织网络能力。

先说结论：6G不是给5G再加一档速率

5G仍会长期演进，5G-Advanced也正在把通感、AI、非地面网络等能力逐步带入商用系统。6G并不是因为5G“突然不够用了”，而是研究者预判：2030年前后，一部分业务的核心矛盾将不再是下载速度，而是网络能否和物理世界实时互动。

例如，机械臂发现有人进入危险区域后，需要识别目标、交换状态、选择计算节点、完成推理并制动。任何一个环节超时，哪怕链路峰值速率很高，任务仍然失败。因此，6G的评价对象可能从“这一段链路传得多快”，进一步扩展到“整个任务能否按时、可靠、节能地完成”。

ITU-R在IMT-2030框架中提出六类使用场景，其中包括“泛在连接”“通信与AI”“通信与感知融合”等，并把感知、AI集成列为新增能力。它还明确讨论了计算服务、数据服务成为未来系统组成部分的方向。需要强调的是：这是全球6G愿景和研究框架，不等同于一份已经冻结的3GPP 6G协议。

图1：四种能力围绕业务任务进行联合编排（作者绘制）。
“融合”并非把四个模块简单摆在同一张架构图里，而是让它们能够共享必要的信息、接受联合调度，并以任务结果而非单项指标作为优化目标。

四个词分别解决什么问题？

1. 通信：让参与者可靠交换信息

通信仍是底座。终端、基站、边缘节点和云需要交换观测数据、控制指令、模型参数与协同状态。未来系统仍然要解决覆盖、容量、可靠性、时延、移动性和能耗问题，只是“传输数据”不再是终点，而是完成任务的一个环节。

2. 感知：让网络获得物理世界的信息

传统网络主要关心信号能否被正确接收；通感融合进一步利用无线信号的反射、散射和时延等信息，估计目标的位置、速度、形态或环境变化。基站及终端因此可能既提供连接，也参与环境感知。

这样做的价值，一是复用频谱、天线、射频和站点资源，减少重复部署；二是让通信和感知互相协助。例如，感知结果可以辅助波束跟踪，通信连接也可以汇聚多节点观测。但它不会自动替代摄像头和专业雷达，最终形态取决于精度、成本、监管与场景。

3. 计算：决定任务在哪里执行

机器人和轻量终端不可能常驻所有模型，也不能把所有原始数据都发往远端云。任务可能在本地完成，也可能被切分到边缘或云端。网络因此不仅要分配无线资源，还要理解算力是否可用、模型是否已经加载、数据能否离开本地，以及传输和排队是否会错过截止时间。

所谓通信与计算融合，不一定意味着运营商包办所有计算，而是让连接状态和计算状态能够协同：无线链路变差时，可以改变任务切分；边缘节点拥塞时，可以换节点、换模型或降级执行。

4. 智能：让系统能够预测、决策和协同

智能有两个方向。一是用AI优化网络，例如预测负载、选择波束、节能和辅助定位；二是让网络服务AI业务，例如支持分布式推理、模型协作和端边云任务编排。前者常被概括为“AI for Network”，后者则是“Network for AI”。

AI也不是魔法。它不能消除噪声、干扰、能量和算力约束，还会带来模型漂移、训练数据偏差、可解释性和跨厂商互操作问题。所以“AI原生”真正困难的地方，不是把一个模型装进基站，而是建立可测量、可回退、可验证的工程体系。

为什么非要融合？因为现实任务本来就是一个闭环

图2：从感知到行动的任务闭环（作者绘制）。
如果通信、感知、计算和智能各自优化，局部最优未必能换来任务成功：感知生成了大量原始数据，却没有足够上行资源；链路很快，边缘节点却在排队；推理很准，但结果返回时设备已经错过制动窗口。

融合的目标，是减少这类跨环节失配。系统可以根据任务的截止时间和重要程度，联合决定感知频率、传输内容、计算位置、模型版本与控制策略。它优化的不是单一“峰值”，而是完成一次任务所消耗的时间、能量和成本，以及最终结果的可靠程度。

工业现场是最直观的例子：同一套无线基础设施可以连接设备、辅助定位、发现障碍、把复杂推理送到边缘，并将控制结果返回机器人。车联网和低空场景则需要多节点共同感知遮挡目标，并把局部观测快速合并。沉浸式业务和数字孪生更关心现实状态、虚拟模型与用户动作是否持续同步，而不只是视频码率。

它会怎样改变网络？

第一，资源调度的范围可能扩大。今天主要调度时频资源、功率和波束；未来还可能同时考虑感知机会、边缘算力、模型位置和数据权限。

第二，上行与边缘的重要性会提升。机器产生的多模态数据需要及时处理，把所有数据集中送往远端云既昂贵又不稳定，端边云协同会成为更现实的选择。

第三，网络指标会更贴近业务结果。吞吐量和时延仍然重要，但还需要观察感知质量、推理准确度、任务完成时间、能耗、隐私风险和系统可用性。

第四，网络边界会变得更开放。通信设备、算力平台、AI模型和行业控制系统来自不同主体，接口、责任和商业模式都比传统连接服务更复杂。

融合不是免费的：真正难点在工程与治理

通感共用硬件，需要处理自干扰、同步、校准和感知数据监管；计算下沉会增加站点能耗、散热和运维压力；AI进入关键控制后，需要解决数据来源、模型更新、故障回退和安全攻击；跨域协同还涉及谁拥有数据、谁承担错误决策责任、如何计费等问题。

因此，未来并不会所有业务都使用“四合一”能力。普通网页浏览、视频观看仍可由成熟的连接服务高效承载。只有当融合能够显著改善任务效果或降低总体成本时，它才有部署价值。这也是判断6G概念是否务实的一条简单标准：不要只看名字是否新，而要问它解决了哪个跨环节问题。

6G现在走到哪一步？

截至目前，IMT-2030仍处在技术研究和标准准备阶段。3GPP Release 20开展早期6G无线与系统架构研究，Release 21预计启动首个6G规范版本的标准化工作。因此，今天看到的融合方向代表的是较强的产业与研究共识，但具体架构、接口、频段和产品形态仍会在后续标准中收敛。

换句话说，6G现在做的不是提前制造一个“更快的5G”，而是在回答一个更底层的问题：当通信对象从人和手机扩展到机器、环境与智能体，移动网络应该怎样参与现实世界的感知、计算和决策？

小结

“通信、感知、计算、智能”融合可以浓缩为一句话：让网络从传送数据的管道，逐步变成支撑智能任务闭环的基础设施。

通信负责连接，感知提供环境信息，计算承接任务，智能形成判断；四者联合起来，才可能让机器人协作、车路云协同、低空运行和数字孪生等业务稳定落地。它并不意味着每张网络都要无条件堆叠四种能力，也不意味着相关技术已经定型。6G真正需要证明的，是这种融合能否以可接受的成本、能耗和复杂度，带来单项能力无法实现的系统收益。

参考资料

1. ITU-R M.2160-0：Framework and overall objectives of the future development of IMT for 2030 and beyond
2. ITU：IMT-2030（6G）总体页面
3. 3GPP：Release 20
4. 3GPP：Industrial 6G
5. ITU-T：IMT-2030 network orchestration and management 工作项目