6G原生智能：架构、演进与应用｜CNCC Tutorial

阅读量:0 2025-09-09 收藏本文

CNCC2025 Tutorial是由领域内专家主讲，面向全体参会者开放的专题讲座或教学环节，旨在介绍研究领域的最新进展或基础知识，内容涵盖原理、挑战、方法等。可以帮助刚进入该方向的博士生、青年学者快速补齐知识短板，以便更好地参会后续的前沿报告理解与未来方向思辨。

今年Tutorial共设置9大主题板块：AI基础模型、机器学习理论与机理、强化学习与推理、视觉与多模态、AI安全与治理、面向AI的数据管理和治理、Agent与具身智能、新型计算与网络架构、AI4Science。

Tutorial名称：

6G原生智能：架构、演进与应用

所属主题：

新型计算和通信融合架构

日程安排：

2025年10月22日下午

举办地点：

哈尔滨市·华旗饭店

注：如有变动，请以官网(https://ccf.org.cn/cncc2025)最终信息为准

模块	时长	内容
1. 概述	20min	介绍研究背景和意义，全球的研究进展和产业化进展，介绍核心定义（从"AI辅助网络架构"到"AI原生网络架构"的范式转变）
2. 系统设计	60min	AI融合的计算-通信网络架构原生化改造，智能控制器层级以及服务编排管理的AI集成
3. 关键技术	60min	介绍边缘智能学习框架、实时推理技术（轻量化模型/边缘AI部署），语义通信与多模态感知等
4. 展示与应用	40min	硬件仿真平台及软件系统展示教学（面向二次开发、实验、测试、概念验证以及PoC),前沿应用方向成果展示(demo演示视频)
5. Q&A and Discussion	30min	讨论和互动

Tutorial简介

随着人工智能（AI）技术的快速发展，6G网络逐渐超越以性能为核心的传统架构，一种变革性范式——原生智能的通算融合架构正在兴起。该技术深度重构AI协议栈与通信协议栈，引入边缘智能、语义智能、自主决策和基础大模型至网络的云边端节点，重新定义了无线通信网络的本质。本教程将系统性地探讨支撑意图理解、智能体驱动和语义感知型无线网络架构发展的关键技术、设计原则与研究前沿。

教程首先剖析分布式AI如何贯穿无线通信网架构层级，实现低时延自适应、跨层推理和自主控制。随后深入解析语义感知架构的创新架构——该架构通过将语义通信层与原生AI融合，构建起面向任务、上下文感知的新型网络范式。我们特别聚焦基于多智能体系统（如大语言模型驱动的xApps）的突破性进展，这些系统作为目标驱动实体在O-RAN框架内实现实时优化、故障检测和策略规划等功能。最后，我们将探讨基础模型（如大语言模型）在网络边缘的高效微调与部署技术，涵盖参数高效适配、知识蒸馏和设备端推理加速等前沿方法。

本教程通过理论解析、工具演示与工业案例（如智能节能、意图驱动切片）的三维联动，助力研究者与工程师掌握6G AI-RAN从算法设计到系统实现的全栈技术栈，为构建认知无线边缘网络提供方法论指导与实践范式。

Tutorial目标

目标1：掌握AI-RAN的核心技术框架，包括分布式机器学习、语义通信及多智能体协同的理论基础

目标2：实践AI-RAN关键工具链（如O-RAN仿真平台、边缘模型压缩工具），完成从算法设计到部署的全流程验证

目标3：解决实际网络优化问题（如智能负载均衡、意图驱动切片），具备跨学科技术整合能力

目标4：洞察6G AI-RAN的标准化方向与研究前沿，定位潜在创新点

1. Pathway to Future 6G Native-AI network: Fundamental concept, key technology and future directions

探讨6G网络与原生人工智能（AI）深度融合的愿景、关键技术及发展方向。6G将突破传统通信框架，通过内生AI实现自主优化、智能决策与资源动态调配，构建“感知-通信-计算-智能”一体化网络。核心技术创新包括分布式AI架构、语义通信、智能体网络、数字孪生及绿色节能技术等。未来研究将聚焦于AI驱动的网络自治、语义通信、安全隐私保护及跨域协同，推动6G成为支撑元宇宙、全息通信等新兴场景的智能基础设施。本文为6G原生AI网络的演进提供了系统性参考。

2. Toward 6G Native-AI RAN: A Semantic and Agentic Perspective

探讨6G无线接入网（RAN）与原生人工智能（AI）融合的新范式，从语义通信和智能体驱动的视角重构未来网络架构。6G原生AI-RAN将超越传统比特传输，通过语义信息提取与知识驱动优化，实现高效、上下文感知的通信。同时，多智能体协同技术赋予网络自主决策能力，支持动态资源分配、分布式学习与自适应优化。关键技术包括语义编码、意图驱动网络、边缘智能体协作及数字孪生辅助训练等。未来研究方向涵盖语义-智能体联合优化、可信AI部署及跨域知识共享，推动6G RAN向自主化、认知化演进，为沉浸式XR、大规模物联网等场景提供低时延高可靠服务。

3. A Tale of Interference in Distributed Machine Learning Over-the-Air

本部分深入探讨基于无线信道叠加特性的高效分布式机器学习——空中计算联邦学习；尤其是关于电磁干扰从传统通信的消极因素转变为提升模型泛化能力的高效赋能工具。将系统性分析多用户干扰、信道噪声与衰落对模型聚合精度和收敛速度的影响机理，揭示了通信-学习联合优化的内在权衡。通过提出动态功率控制、波束成形与梯度压缩的协同优化方案，实现干扰环境下的高效模型聚合。研究进一步发现，适度保留的干扰可增强联邦学习的隐私保护能力。这些发现为5G/6G网络中大规模分布式机器学习系统的设计提供了新范式，推动通信与AI的深度融合。

4.Efficient and scalable distibuted LLM-based agentic network within AI-RAN

探讨基于大语言模型（LLM）的智能体网络在AI原生无线接入网（AI-RAN）中的关键技术与架构设计。针对传统集中式AI-RAN在实时性、扩展性和能耗方面的局限，本文提出一种分布式LLM智能体协同框架，通过轻量化模型部署、动态任务分解，实现边缘侧高效推理与自主决策。重点研究了多智能体通信机制、增量式联邦学习与无线资源联合优化方法，以降低通信开销并保障低时延服务。实验表明，该方案在语义通信、网络切片等场景中显著提升吞吐量并降低能耗，为6G时代分布式AI-RAN的智能化演进提供了新思路。

讲者介绍

Tony Quee Seng Quek

新加坡工程院院士，新加坡科技设计大学副校长

美国麻省理工学院（MIT）博士，新加坡工程院院士，IEEE Fellow，WWRF Fellow（首个亚洲华裔会士）, 全球AI-RAN联盟AI-on-RAN工作组主席（全球唯一华裔主席）, 新加坡 Cheng Tsang Man 讲席教授, ST工程杰出教授, 斯坦福全球高被引学者、科睿唯安高被引学者，现任新加坡科技设计大学（SUTD）副校长，负责人工智能和数位创新。Tony Q. S. Quek院士研究项目包括人工智能、数字经济、开放无线接入网络和未来通信技术，获 2008 年 Philip Yeo杰出研究成就奖、2012年 IEEE William R.Bennett 奖、2016 年 IEEE 信号处理学会青年作者最佳论文奖、2017年CTTC 早期成就奖、2017 IEEE通信协会亚太地区年度最佳论文奖、2020年 IEEE 通信学会青年作者最佳论文奖和 2020 年 IEEE Stephen O.Rice 奖、 2022年 IEEE 信号处理学会最佳论文奖。以项目负责人身份，累计负责新加坡国家研究基金以及企业科技项目约20项，到账经费超10亿人民币。在产业技术攻关方面，Tony Q. S. Quek院士担任新加坡国家项目未来通信（FCP）唯一项目主任，主导非地面网络在6G通信中的关键技术研究，提出融合卫星通信、高空平台、低空无人机网络与地面蜂窝网络的空天地一体化架构，聚焦于提升网络覆盖广度、增强系统弹性及应急通信能力，力求实现核心技术的突破与工程转化，积极推动其产业化与规模化部署。前期研究已取得积极成果，部分技术入选2025年巴塞罗那的世界移动通信大会（MWC）展示，入选 2024年美国RIC Forum前十强（全球唯二入选高校单位）做现场实地直播展示，并荣获2024年国际顶级会议IEEE INFOCOM最佳演示系统奖。凭借在工程技术领域的突出贡献，Tony Q. S. Quek院士获得2024年IIT国际工程与技术卓越研究奖（全球唯一一位获奖者）。

冯晨远

英国埃克塞特大学计算机学院研究员

博士，欧盟玛丽居里学者，6G星辰青年科学家，分别于电子科技大学、新加坡科技设计大学获得学士、博士学位，获IEEE和AAAI中智能通信和人工智能领域最佳会议论文奖4项；主持/联合主持欧盟地平线计划玛丽居里学者基金等2项，作为核心人员参与新加坡未来通信国家重点研发项目，在法国Eurecom &索邦大学以及OAI 联盟（全球最早、最著名的O-RAN联盟之一）参与法国高教部B5G项目和欧盟地平线计划 6G-Goals 项目。担任国际顶级期刊 IEEE Internet of Things Journal 和 IEEE Open Journal of Communication Society 副编辑，中国卓越期刊Journal of Intelligence and Information客座编委，深圳市信息服务业区块链协会外聘专家、深圳市计算机学会元宇宙专委会委员，并在多个国际学术会议上担任分会主席、研讨会主席、出版主席、宣传主席、程序委员会委员等。

杨浩

浙江大学研究员

杨浩于2012年获中国哈尔滨工业大学学士学位，2013年获香港科技大学硕士学位，2017年获新加坡科技设计大学博士学位。现任浙江大学助理教授、研究员、博导，并兼任美国伊利诺伊大学厄巴纳-香槟分校客座助理教授。主要研究方向包括现代无线网络建模、高维统计、图信号处理及机器学习，谷歌累计被引超7000 次；现任IEEE Transactions on Wireless Communications副编辑以及IEEE Open Journal of The Communications Society特约编辑。其研究成果荣获多项国际学术奖项，包括2023年IEEE通信学会亚太区杰出青年学者奖、2022年IEEE信号处理学会最佳论文奖以及2019年IEEE WCSP十周年杰出论文奖，于2024年全球6G技术大会被授予6G星辰青年科学家称号。

王玺钧

中山大学副教授

清华大学博士，现任中山大学副教授，累计发表国际顶级期刊与会议论文180余篇，获得2016 年陕西省科学技术奖一等奖、华为 2023年度优秀技术合作项目奖、IEEE ICCC 2013 最佳论文奖、FCN 2024 最佳论文奖以及ICCCS十周年最佳会议论文奖等，谷歌累计被引超过 5500 次，主持和参与了多个科研项目，作为项目负责人主持了国家自然基金青年基金项目和面上项目，作为科研骨干参与了国家自然科学基金重点项目及科技部重点研发计划项目等重大课题，曾任IEEE ICCC 2013 宣传主席、IEEE ICCC 2016 无线通信专题技术委员会共同主席、IEEE ICCC 2022 Tutorial 共同主席以及 IEEE ISIT 2026 财务主席等职务。

CNCC2025

CNCC2025将于10月22-25日在哈尔滨举办。专题论坛将在往年多样化主题的基础上，首次通过“基础-前沿-未来”的一体化设计，满足不同背景参会者的需求，构建从知识获取到创新激发的完整路径，打造系统化、进阶式的参会体验。重点设置9大主题板块，每个主题板块的专题论坛由三大核心模块组成：面向前沿领域的体系性Tutorial、聚焦前沿突破的专题论坛以及探讨未来发展路径的思辨论坛。Tutorial作为这一设计的起点，为参会者构建坚实的共同知识基础，能够深度参与后续的前沿报告理解与未来方向思辨。同时面向青年学者、行业新锐等人群，通过系统性教学，助力赋能青年人才发展。

<<< 上一篇面向智能加速的异构算力云｜CNCC Tutorial

智能语音，让沟通更顺畅，让医疗更温暖 | CNC 下一篇 >>>

<<< 下一篇智能语音，让沟通更顺畅，让医疗更温暖 | CNC