面向6G的移动AI创新发展研究*

doi:10.12267/j.issn.2096-5931.2026.10.002

信息通信技术与政策 ›› 2026, Vol. 52 ›› Issue (10): 9-15.doi: 10.12267/j.issn.2096-5931.2026.10.002

面向6G的移动AI创新发展研究^*

Research on development of mobile AI for 6G

杜刘通, 李阳, 王焕丽, 刘玉娟, 黎卓芳, 杜滢, 徐菲, 张晶

中国信息通信研究院无线与移动通信研究所, 北京 100191

收稿日期:2026-08-28 出版日期:2026-10-25 发布日期:2026-10-28
通讯作者: 张晶
作者简介:
杜刘通,中国信息通信研究院无线与移动通信研究所高级工程师,主要从事5G/6G标准与产业研究等方面的工作;
李阳,中国信息通信研究院无线与移动通信研究所工程师,主要从事面向6G的无线人工智能研究等方面的工作;
王焕丽,中国信息通信研究院无线与移动通信研究所工程师,主要从事5G/6G标准及产业研究等方面的工作;
刘玉娟,中国信息通信研究院无线与移动通信研究所高级工程师,主要从事5G/5G-A技术与应用融合研究等方面的工作;
黎卓芳,中国信息通信研究院无线与移动通信研究所技术产业研究部主任,正高级工程师,主要从事5G-A/6G技术产业发展战略研究等方面的工作;
杜滢,中国信息通信研究院无线与移动通信研究所副所长,正高级工程师,主要从事无线移动通信技术和标准研究等方面的工作;
徐菲,中国信息通信研究院无线与移动通信研究所副所长,正高级工程师,主要从事移动通信技术、标准和产业发展研究等方面的工作
基金资助:
^*国家科技重大专项项目(2024ZD1300300);中国工程院科技战略咨询项目(2026-XZ-118)

DU Liutong, LI Yang, WANG Huanli, LIU Yujuan, LI Zhuofang, DU Ying, XU Fei, ZHANG Jing

China Academy of Information and Communications Technology Wireless and Mobile Communication Research Institute, Beijing 100191, China

Received:2026-08-28 Online:2026-10-25 Published:2026-10-28
Contact: ZHANG Jing

摘要/Abstract

摘要：

面向第六代移动通信技术(6th Generation Mobile Communication Technology,6G)通智融合,系统梳理移动人工智能(Artificial Intelligence,AI)的典型场景、核心需求、关键技术与发展路径。首先,深入剖析了移动AI内涵与核心愿景,以及面向智慧生活、智慧生产、城市治理3类移动AI典型场景,并进一步归纳典型业务核心需求,构建分级指标体系;然后,从网络、AI等角度针对性提出移动AI潜在的关键技术;最后,提出移动AI发展路径与发展建议,以期从移动AI角度为促进6G通智融合高质量发展提供参考。

关键词: 移动AI, 6G, 智能体, 端边网云协同, Token通信

Abstract:

This paper analyzes the connotation and core vision of Mobile AI, summarizes the core requirements and constructs a hierarchical indicator system for ToC smart life, ToB smart production and ToG urban governance scenarios, and further proposes key technologies of Mobile AI from the perspectives of network and AI. Finally, the development path and suggestions of Mobile AI are presented, providing reference for the high-quality development of 6G intelligence-communication integration.

Key words: mobile AI, 6G, agent, device-edge-network-cloud collaboration, Token communication

中图分类号:

TN929.5

杜刘通, 李阳, 王焕丽, 刘玉娟, 黎卓芳, 杜滢, 徐菲, 张晶. 面向6G的移动AI创新发展研究^*[J]. 信息通信技术与政策, 2026, 52(10): 9-15.

DU Liutong, LI Yang, WANG Huanli, LIU Yujuan, LI Zhuofang, DU Ying, XU Fei, ZHANG Jing. Research on development of mobile AI for 6G[J]. Information and Communications Technology and Policy, 2026, 52(10): 9-15.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2026.10.002

http://ictp.caict.ac.cn/CN/Y2026/V52/I10/9

图/表 3

参考文献 14

[1]	ITU-R. Framework and overall objectives of the future development of IMT for 2030 and beyond:recommendation ITU-R M.2160-0[R]. 2023.
[2]	工业和信息化部. 2026年前7个月通信业经济运行情况[EB/OL]. (2026-08-28)[2026-08-28]. https://www.miit.gov.cn/gxsj/tjfx/txy/art/2026/art_d78fc2fbd1d9467286f9a71986bdafe7.html.
[3]	新华网. Token经济加速起势彰显智能经济新活力[EB/OL]. (2026-08-06)[2026-08-06]. https://www.news.cn/tech/20260806/eb5c18bf7944459abc6aad82f836ec4f/c.html.
[4]	OpenAI. GPT-4 technical report[PP/OL]. V1. arXiv (2023-03-15)[2026-08-06]. https://arxiv.org/abs/2303.08774.
[5]	Howard A G, Zhu M, Chen B, et al. MobileNets: efficient convolutional neural networks for mobile vision applications[PP/OL]. V1. arXiv (2017-04-17)[2026-08-06]. https://arxiv.org/abs/1704.04861.
[6]	IMT-2030(6G)推进组. 6G总体愿景与潜在关键技术白皮书[R]. 2021.
[7]	ITU-R. Minimum requirements related to technical performance for IMT-2030 radio interface(s)[R]. 2026.
[8]	全国机器人标准化技术委员会. 具身智能机器人和移动通信技术研究报告(2025版)[R]. 2026.
[9]	3GPP. Study on 6G use cases and service requirements: TR 22.870 (Release 20)[R]. 2026.
[10]	GB/Z 177—2026 人工智能终端智能化分级[S].
[11]	Vaswani A, Shazeer N, Parmar N, et al. Attention is all you need[C]// Advances in Neural Information Processing Systems 30. Long Beach:Curran Associates, 2017: 5998-6008.
[12]	IMT-2030(6G)推进组. 6G网络架构愿景与关键技术展望白皮书[R]. 2023.
[13]	TS 28. 105(Release 18) Management and orchestration; artificial intelligence/machine learning (AI/ML) management[S].
[14]	3GPP. Study on artificial intelligence (AI)/machine learning (ML) for NR air interface: TR 38.843 (Release 18)[R]. 2024.

关键指标	指标定义	近期参考指标
首Token交互时延/ms	用户发起请求后,系统输出首个有效响应内容的时间,反映系统“是否够快地开始响应”的能力(参考Humanbenchmark)	≤400
Token间时延/ms	系统连续生成响应过程中,相邻Token间的平均输出间隔,反映交互连续性与流畅性	≤50
指令识别准确率	模型在面对复杂、明确、可验证的指令约束时,能够一次性生成完全符合要求的回答的比例(参考IF Bench)	>95%
推理准确率	AI模型预测正确的样本占总样本的比例(参考AA—LCR)	>95%

关键指标	指标定义	近期参考指标
首Token交互时延/ms	用户发起请求后,系统输出首个有效响应内容的时间,反映系统“是否够快地开始响应”的能力(参考Humanbenchmark)	≤400
Token间时延/ms	系统连续生成响应过程中,相邻Token间的平均输出间隔,反映交互连续性与流畅性	≤50
指令识别准确率	模型在面对复杂、明确、可验证的指令约束时,能够一次性生成完全符合要求的回答的比例(参考IF Bench)	>95%
推理准确率	AI模型预测正确的样本占总样本的比例(参考AA—LCR)	>95%

类别	关键指标	指标定义	近期参考指标
通信类	泛在网络上行速率	超过95%的场景区域下,网络可以支持的上行实时速率大小	密集城区室内:50 Mbit/s;^[7] 城区室外:20 Mbit/s
	用户面时延	指一个数据包从发送端的无线协议栈入口,经过空口传输,到接收端的无线协议栈出口的单向传输时间	毫秒级
	端到端时延抖动	同一业务类型的数据包,先后到达接收端的端到端时延差值的变化量的范围	≤50 ms^[8]
	可靠性	在预定的时间段内以高成功概率传输一定量业务流量的能力	99.999%^[7] [1ms内传输32字节]
感知类	水平定位精度^[7]	设备在水平方向上的定位误差的累积分布函数(CDF)的90%点	室内≤ 0.75 m 室外≤6 m
感知类	检测概率^[7]	检测概率是指当感知目标存在时正确检测到该目标存在的概率	≥95%
智能类	关键Token传输可靠性^[9]	多维感知信息Token化后再上传,关键Token的传输正确率需求	>99.999%
智能类	非关键Token传输可靠性	多维感知信息Token化后再上传,非关键Token的传输正确率需求	>80%

类别	关键指标	指标定义	近期参考指标
通信类	泛在网络上行速率	超过95%的场景区域下,网络可以支持的上行实时速率大小	密集城区室内:50 Mbit/s;^[7] 城区室外:20 Mbit/s
	用户面时延	指一个数据包从发送端的无线协议栈入口,经过空口传输,到接收端的无线协议栈出口的单向传输时间	毫秒级
	端到端时延抖动	同一业务类型的数据包,先后到达接收端的端到端时延差值的变化量的范围	≤50 ms^[8]
	可靠性	在预定的时间段内以高成功概率传输一定量业务流量的能力	99.999%^[7] [1ms内传输32字节]
感知类	水平定位精度^[7]	设备在水平方向上的定位误差的累积分布函数(CDF)的90%点	室内≤ 0.75 m 室外≤6 m
感知类	检测概率^[7]	检测概率是指当感知目标存在时正确检测到该目标存在的概率	≥95%
智能类	关键Token传输可靠性^[9]	多维感知信息Token化后再上传,关键Token的传输正确率需求	>99.999%
智能类	非关键Token传输可靠性	多维感知信息Token化后再上传,非关键Token的传输正确率需求	>80%

[1]	王燕敏, 冯伟, 董超, 任保全, 段向阳. 面向6G无人作业的“感-传-算-控”闭环:模型、度量与网络设计^*[J]. 信息通信技术与政策, 2026, 52(9): 2-8.
[2]	刘光毅, 贺智敏, 王新尧, 蔡青, 王凯悦, 陈天骄, 金婧. 6G通信-计算-智能融合赋能具身智能应用[J]. 信息通信技术与政策, 2026, 52(9): 29-37.
[3]	张文静, 晁军显, 吴紫涧, 程宝平. 具身智能的未来演化方向与路径展望[J]. 信息通信技术与政策, 2026, 52(9): 38-44.
[4]	刘军, 董霁, 王威. 基于风险管控视角的终端智能体安全防护与治理路径研究[J]. 信息通信技术与政策, 2026, 52(8): 18-22.
[5]	吴寒冰, 冯艺卓. 智能体互联场景中的用户授权机制与身份伪造风险研究[J]. 信息通信技术与政策, 2026, 52(8): 2-10.
[6]	韩涵, 王景尧, 常天恩. 基于大模型驱动的新型智能体安全软件测试方案研究[J]. 信息通信技术与政策, 2026, 52(8): 74-81.
[7]	徐明. 低空“一网统飞”平台跨域数据安全治理综述[J]. 信息通信技术与政策, 2026, 52(6): 70-78.
[8]	王施霁, 王立文, 张岩, 曹畅, 王润岩, 何万县, 裴培. 面向应用级算力业务的服务语义路由技术[J]. 信息通信技术与政策, 2026, 52(5): 80-88.
[9]	康绍莉, 王可, 秦海超, 冯云九, 王丹, 杨祺欣. 面向6G的低空智能网联系统用例研究[J]. 信息通信技术与政策, 2026, 52(4): 2-14.
[10]	程莹, 刘志鹏, 张萌. 终端智能体发展路径、潜在影响与治理对策研究[J]. 信息通信技术与政策, 2026, 52(3): 2-7.
[11]	杨蕾, 王峰, 张鑫, 林军. 大模型时代智能终端与互联网服务的生态博弈与协同模式对比[J]. 信息通信技术与政策, 2026, 52(3): 8-13.
[12]	郭振铭, 陈力, 陈锋. 6G时代下AI赋能的无线定位技术^*[J]. 信息通信技术与政策, 2026, 52(10): 16-25.
[13]	张晶, 王焕丽, 崔璨, 黎卓芳, 杜刘通. 6G网络与AI双向赋能标准化进展研究^*[J]. 信息通信技术与政策, 2026, 52(10): 2-8.
[14]	徐明枫, 李阳, 许伟华, 周吉喆, 江甲沫. 边端协同关键技术、挑战及6G赋能展望^*[J]. 信息通信技术与政策, 2026, 52(10): 40-46.
[15]	李嘉慧, 孙嫣然, 龙彪. 面向6G核心网的多智能体协同与AI能力生命周期管理架构^*[J]. 信息通信技术与政策, 2026, 52(10): 47-54.

面向6G的移动AI创新发展研究^*

Research on development of mobile AI for 6G

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 3

参考文献 14

相关文章 15

编辑推荐

Metrics

本文评价