1.4　6G体系架构和关键技术

为了实现“泛在连接、万物智联”、6G将与复杂多样的垂直行业标准和技术进行融合。为满足不同类型移动通信应用和性能指标差异化需求，要求6G的网络架构具有支持多种异构网络智能互联融合的能力，以动态适应复杂多样的场景和满足各种极致性能需求[18]。

后5G时代在大幅度提高用户体验速率的同时，还要满足飞机、轮船等机载船载互联网的网络服务需求，保障高速移动的地面车辆、高铁等终端的服务连续性，支持即时抢险救灾、环境监测、森林防火、无人区巡检、远洋集装箱信息追踪等海量物联网设备部署，实现人口稀少区域低成本覆盖等需求。故6G覆盖主要形式是将网络覆盖范围拓展到太空、深山、深海、陆地等自然空间，构建空天地海一体化网络，实现通信网络全球全域的三维立体“泛在覆盖”。

5G对偏远山区和海洋等地域盲区缺乏低成本无线覆盖方案，为了实现“泛在连接”，可将卫星通信系统和深海通信系统与地面通信系统相结合，形成空天地海一体化的网络架构。该网络架构可充分利用卫星通信系统和深海通信系统的优势，能够在任何地点、任何时间，以任何方式提供信息服务，实现空基、天基、陆基、海基等各类用户接入与应用，实现真正的全地形覆盖。空天地海一体化网络具有不可替代的重要战略意义，已成为国民经济和国家安全的重大基础设施[19]。

1.4.1　AI驱动的空天地海一体化按需网络

空天地海一体化网络主要包括不同轨道卫星构成的天基、各种空中飞行器构成的空基、卫星地面站和传统地面网络构成的地基、海洋领域通信设备组成的海基4个部分，具有覆盖范围广、可灵活部署、超低功耗、超高精度和不易受地面灾害影响等特点。

空天地海一体化网络的难点在于目前不同通信系统的通信制式互不兼容、通信带宽高低不一、网络结构极为复杂、网络业务多样化、缺乏统一高效的管理机制。不同系统的通信节点特征各不相同，例如，天基系统中的低轨卫星节点具有高速移动的特点，多普勒频移大，其网络拓扑结构、基站覆盖等都具有时变特征，且传输时延大。因此，要实现空天地海一体化网络，需要重点解决网络架构、接口标准、频谱资源管理等问题。AI驱动的空天地海一体化网络如图1-18所示。

6G将通过按需自重构方式驱动无线网络，以满足无线网络日益增长的性能需求。AI可以通过学习预测未来网络发生的变化，并提前做出相应操作，实现网络的自动、自优、自愈和自治。虽然AI在5G资源管理、无线网络规划优化和运维、数据业务推送等方面都有成功的应用，但其主要聚焦于5G规定的无线网络架构的优化。如何基于AI构建高效的按需可重构无线网络架构，是6G的核心关键技术之一。

想要实现按需自重构，就必须让网络知道用户、性能、运维等多维意图。2015年，时任美国开放网络基金会北向接口工作组主席Daivd Lenrow提出了意图驱动网络（Intent-Driven Network，IDN）的概念[20]，在所谓的意图模式中，智能软件将决定如何把意图转化为针对特定基础设施的配置手段，从而使网络以期望的方式运行。IDN借助AI可以实现意图的转译和验证、自动化部署配置、网络状态的察觉和精准预测以及动态的配置优化和补救等，以用户意图自主驱动网络的全生命周期自动化管理，极大地提升了网络的运维效率和相应业务变化的速度，在面对不断更新的用户需求和时变的无线环境时展现出可观的性能优势。

意图驱动的6G空天地海一体化网络以人工智能、网络虚拟化、软件定义网络等技术为基础，将用户或者运营商对网络期望的业务、性能和组网“意图”转化为实际组网策略，实现空天地海一体化网络的高效柔性可重构。该体系架构可适配不同的网络配置方法和物理层传输技术，满足海量连接、超低时延、超大带宽等6G时代的组网需求。

1.4.2　物理层关键技术

为满足未来6G网络的性能需求，需要引入新的物理层关键技术。目前业界讨论较多的技术方向主要包括面向更高更宽频谱的太赫兹、可见光、高效频谱使用等新型频谱使用技术，以及提升频谱效率的超大规模天线、轨道角动量（Orbital Angular Momentum，OAM）等高效无线接入技术等。这些潜在使能技术将极大地提升6G传输性能，为用户提供更加丰富的业务和应用。

（1）太赫兹通信

随着手机、平板电脑等移动终端的普及，移动数据流量呈指数级增长，无线通信正面临有限频谱资源和迅速增长的高速业务需求的矛盾。现有的无线通信技术已难以满足多功能、大容量无线传输网络的发展需求，迫切需要发展新一代高速传输的无线通信技术。太赫兹频段的通信技术被认为是有望解决频谱稀缺问题的有效手段，引起世界各国的高度关注。太赫兹技术作为非常重要的交叉前沿技术，是当今国际学术研究的前沿和热点[21]。太赫兹频段是指频率在0.1～10THz范围的电磁波，如图1-19所示，频率介于技术相对成熟的微波频段和红外线频段两个区域之间。太赫兹频段是宏观电子学向微观光子学过渡的频段，也是人类尚未完全认知和利用的频段，被称为电磁波频谱资源中的“太赫兹间隙”。

太赫兹通信的特点如下。

•大气传输影响大，不透明。大气中的水汽对太赫兹波有强烈的吸收作用，太赫兹波对大气表现为不透明性，使得太赫兹通信不适合地面远程通信。但在距通信双方一定距离以外的区域，太赫兹通信信号有一个很高的衰减，使得探测通信信号难度加大，因此太赫兹通信适合地面短程安全通信。

•频谱带宽较宽。太赫兹频段在0.1～10THz，因此可以划分出更多的通信频段。太赫兹频段大约是长波、中波、短波、微波总的带宽的1000倍。太赫兹频段的高带宽特性可以满足未来人们对通信速率不断增加的要求。另外，如果事先不知道通信双方使用的频段，在如此高的带宽内正确捕捉到通信双方使用的频段的概率非常小，因此太赫兹通信较为安全。

•天线小，方向性好。由于太赫兹波比微波的频率更高，波长更短，可以制成方向性很强、尺寸又小的天线，大幅降低发射功率和减少相互之间的干扰。

•散射小。对浮质和云层可穿透性高。这主要是由太赫兹波的波长大小决定的。太赫兹通信适用于卫星间的星际通信和同温层空对空通信。同温层是指从地面10～50km高度的大气层，同温层内的空气大多做水平运动，气流平稳，能见度好，适合监视和侦察设备飞行。

•安全性高：与X射线相比，太赫兹辐射是非电离的。X射线会电离，会对人体健康造成重大危害，而太赫兹波的光子能量极低，不存在化学键被破坏和测试材料被损坏的危险，因此太赫兹波对人体的安全性较高。

与现有的通信手段相比，太赫兹通信技术在高速无线通信领域具备了明显的技术优势：①频谱资源宽，太赫兹高速无线通信可利用的频率资源丰富；②高速数据传输能力强，具备100Gbit/s以上高速数据传输能力；③通信跟踪捕获能力强，灵活可控的多波束通信为太赫兹通信在空间组网通信中提供更好的跟踪捕获能力；④抗干扰/抗截获能力强，太赫兹波传播的方向性好、波束窄，侦察难度大；太赫兹信号的激励和接收难度大，具有更好的保密性和抗干扰能力；⑤克服临近空间通信黑障能力强，能有效穿透等离子体鞘套，提供临近空间高速飞行器的测控通信手段。

太赫兹通信技术具备以上优势的同时，也面临一些挑战。太赫兹波在空气中传播时很容易被水分吸收，会经历极为严重的路径损耗，大大限制了通信距离。另外，传统的通信器件和技术难以满足太赫兹波的需求，为实现太赫兹通信的应用，要克服通信硬件的约束，调整太赫兹系统和相关通信策略的设计。

太赫兹通信应用场景广泛，典型应用场景如图1-20所示。太赫兹通信可以被用于陆地的密集无线网络中，提升局部热点区域的组网容量；也可以被用于空间信息组网，利用其超大带宽和太空传输无损等特征，提高超高传输速率等；还可以被用于身体微纳组网，监测身体健康和治疗疾病等。

（2）可见光通信

可见光通信技术利用了可见光发光二极管（Light Emitting Diode，LED）高速切换的特性，其结构由LED发射光源、可见光传输信道和可见光接收3个部分组成，如图1-21所示。可见光通信通过LED照明、显示等设备将受信息编码、调制和预均衡的电信号转换成光信号进行传输，再通过光电二极管等光电转换器将接收到的光信号转换为电信号，通过解码、解调和后均衡等信号处理，最终解调得到信息。

可见光通信充分利用LED的优势，实现照明和高速数据通信的双重目的。与无线电通信相比，可见光通信在宽带高速、泛在覆盖、安全兼容、融合包容、绿色节能五大方面具备独特的优势，具体如下。

•可见光频谱使用不受限，不需要频谱监管机构的授权，且具有大量的可用频谱，具有极高的传输速率。

•可见光通信在信号收发过程中不会产生电磁干扰，也不易受外部电磁干扰的影响，更适用于医院、核电站、机舱、矿井、工厂等限制电磁干扰的特殊场景。

•可见光定位具有精度高、操作便捷、性能稳定等显著优点，可解决无线电定位在室内复杂环境精度差、需布设基站、成本高、在具有强电磁干扰区域难以适用、电磁兼容性能差的问题。

•可见光通信技术所搭建的网络安全性更高。该技术使用的传输媒介是可见光，不能穿透墙壁等遮挡物，传输限制在用户的视距范围以内。这就意味着网络信息的传输被局限在一个建筑物内，有效地避免了传输信息被外部恶意截获，保证了信息的安全性。

•可见光通信的通照两用的优势大大简化了通信网络的建设，为广泛解决通信末端介入和深度覆盖问题提供了一种便捷而自然的方式。

可见光通信系统的通信距离和覆盖范围主要由光学天线等器件决定，因此设计适用于通信系统的光学器件仍是一个重要的研究领域；可见光通信组网目前参考各种成熟的射频（Radio Frequency，RF）通信组网技术，包括多址接入、上下行链路设计、网络融合等，然而光与电磁波的传播特性存在较大差异，改进或者设计一个适用于可见光的组网技术，是6G的核心关键技术之一。

（3）超大规模天线技术

大规模天线技术是5G中提升无线移动通信系统频谱效率的关键技术之一。相较于5G，6G对于频谱效率的要求更高，进一步增加天线数目，提升天线增益是可行的技术之一。超大规模天线技术与传统的多用户MIMO对比见表1-2。6G超大规模天线技术通过部署数量更多、空间分布更复杂的多天线技术，可以进一步提升无线传输的频谱效率，提升理论极值容量，但也带来理论和技术多方面的挑战。

由于6G极有可能采用太赫兹频段进行通信，天线的尺寸可以小于毫米量级，基站可配置上千甚至上万个天线单元。这样的超大规模天线技术可带来以下优点。

•可在同一频率通道上传输数百个并行数据流，通过超高的空间多路复用能力来实现超高的频谱效率。

•可以显著提高能源效率和减小时延。

•可以提供数百个波束同时为更多的用户服务，且由于天线尺寸很小，使用户端配置大规模天线成为可能，网络吞吐量显著提高。

•形成的超窄波束有助于克服毫米波和太赫兹频严重的传输损耗，并可以减少共信道的小区间干扰。

虽然超大规模天线技术存在上述明显的优点，但是采用超大规模天线技术还需要研究并突破如下几方面的问题。

•解决跨频段、高效率、全空域覆盖天线射频领域的理论与技术实现问题。

•研究可配置、大规模阵列天线与射频技术，突破多频段、高集成射频电路面临的低功耗、高效率、低噪声、非线性、抗互扰等多项关键问题挑战。

•提出新型大规模阵列天线设计理论与技术、高集成射频电路优化设计理论与实现方法，以及高性能大规模模拟波束成形网络设计技术。

此外，在发射端和接收端获得准确的信道状态信息（Channel State Information，CSI）对于系统充分实现超大规模天线增益异常重要。对于超大规模天线来说，获取CSI极具挑战性。由于传统信道估计采用正交导频时，导频开销随着发送侧的天线总数线性增加，即使在TDD双工模式下，由于正交导频资源的匮乏，依然会存在导频污染的问题，即来自不同小区的上行链路导频序列彼此干扰。天线阵子数越多，需要估计的信道数目将会越庞大。

幸运的是，在超大规模天线系统中，发射机和/或接收机配备了大规模天线阵列，由于散射群数量有限，空间分辨率提高，信道可以在角域中稀疏地表示。另外，相关研究和实际测量表明，太赫兹到达信号由少量的路径簇构成，且每个路径簇仅有较小的角度扩展。这些太赫兹频谱及其大规模天线的显著稀疏特性有利于采用压缩感知技术对信道进行估计和反馈，来有效降低处理复杂度，提升系统性能[1]。

（4）智能反射表面

通过充分利用超大规模天线带来的高空间复用增益和太赫兹频段的大带宽的综合优势，可以实现频谱效率的大幅提高。但是，在高频段工作的几个射频链会导致信号处理过于复杂、功耗极高且硬件成本过高。智能反射表面（Intelligent Reflect Surface，IRS）是解决上述挑战的方案之一。

虽然5G物理层技术通常能够适应空间和时间变化的无线环境，但信号传播本质上是随机的，在很大程度上是不可控制的。而智能反射表面可以通过软件控制反射来重新配置无线传播环境，是一种很有前途的新技术。如图1-22所示，IRS是由大量低成本无源反射元件组成的平面，每个元件能够独立地诱导入射信号的振幅和/或相位变化，从而协同形成精细粒度的三维反射波束。与现有的发射机/接收机无线链路适配技术形成鲜明对比的是，IRS可通过高度可控和智能的信号反射，主动地修改发射机/接收机之间的无线信道，这为进一步提高无线链路的性能提供了新的自由度，为实现智能可编程无线环境铺平了道路。由于IRS无须射频链路，因而可以灵活地控制其成本；再则IRS一般作用于小范围内的节点，因而无须在无源IRS之间进行复杂的干扰管理，易于实现低能耗的密集部署。

从实现的角度来看，IRS具有多个显著优势。首先，IRS通常是采用低轮廓、轻重量和相同几何形状制作而成的，这使得用户很容易在墙壁、天花板、建筑立面、广告面板等地安装/移除它们。此外，由于IRS在无线网络中是一种补充设备，将其部署在现有的无线系统（例如蜂窝或Wi-Fi）中不需要更改其标准和硬件，而仅需对通信协议进行必要的修改。将IRS集成到无线网络中可以对用户透明，从而提供比现有无线系统更高的灵活性和更优越的兼容性，并且以较低的成本在无线网络中实际部署和集成[22]。

（5）轨道角动量

轨道角动量的工作原理是通过在正常电磁波上添加一个与空间方位角相关的旋转相位因子，将正常电磁波转变为涡旋电磁波，利用不同本征值涡旋电磁波的正交特性，在同一带宽内并行传输多路涡旋电磁波，在同一频段对多个数据流进行多路复用，从而获得更高的频谱效率。

轨道角动量在无线通信领域的应用主要面临如下问题和挑战：如何在无线领域产生不同本征值的涡旋电磁波；如何对大量的涡旋电磁波状态进行有效的检测和分离；如何降低传输环境对涡旋电磁波的影响。

目前常用的移动通信、广播电视、卫星通信和导航等均基于平面电磁波理论（与球面波的远距离近似），其等相位面与传播轴垂直。电磁波的轨道角动量特性却使得电磁波的等相位面沿着传播方向呈螺旋上升的形态，故轨道角动量电磁波又称涡旋电磁波，如图1-23所示[23]。

与频分复用（Frequency Division Multiplexing，FDM）、时分复用（Time Division Multiplexing，TDM）、码分复用（Code Division Multiplexing，CDM）、空分复用（Space Division Multiplexing，SDM）类似，电磁波的轨道角动量为无线通信系统提供了另一个复用维度，其传输能力无可限量。涡旋电磁波的场表达式中具有exP(−j lφ)的相位因子，每一个轨道角动量态可被一个量子拓扑电荷（Topological Charge）l来定义，l可取任意的整数值，拓扑电荷亦被称作轨道角动量的阶数。具有不同拓扑电荷的涡旋电磁波间相互正交，因此在无线传输过程中，可以在同一载波频率上将信息加载到具有不同轨道角动量的电磁波上，而相互之间不影响。这种复用技术不仅可有效提高频谱利用率，而且具有更高的安全性。

此外，由于轨道角动量在理论上可以拥有无穷维阶数（l可取任意的整数值），故理论上同一载波频率利用轨道角动量涡旋电磁复用可获得无穷的传输能力[23]。图1-24给出了一个轨道角动量无线传输示意图，在X极化和Y极化上均成功传输了拓扑电荷l=−1,−3,1,3的涡旋电磁波，共计8个通信信道，误码率低于3.8×10−3[24]。

（6）基于人工智能的物理层技术

为了降低实现复杂度，提升链路级信号处理性能，在6G中将对AI技术进行初步的探索。目前主要采用基于深度学习等AI算法，移动通信领域研究中比较常用的AI方法如图1-25所示，大体可以分为3类：一是“改进”类，包括物理层研究中的去模块化、由传统最优化的资源分配到基于深度学习的资源分配等；二是“0到1”类，包括自组织网络或网络运维中的KPI建模、多参数性能模型等；三是“代替”类，包括通过神经网络代替MIMO最大似然检测以降低复杂性等。

使用深度学习解决物理层无线通信问题有诸多技术挑战，比如如何建立通信数据集、如何选取或设计适用于通信场景的神经网络及如何将基于深度学习的通信技术运用于通信设备等。目前的研究主要聚焦在端到端的无线链路设计、信道估计、信号检测、信道状态信息的反馈与重建、信道解码等方面[25]。

将AI用于物理层的主要有两种类型的深度学习网络，一种是基于模型驱动的神经网络，另一种是基于数据驱动的神经网络。基于模型驱动的神经网络是在传统无线信号处理算法的基础上，将传统算法的迭代结构转化为神经网络的架构，通过神经网络的强大学习能力来优化算法，从而提高算法性能。

基于数据驱动的神经网络将无线通信系统的多个功能模块看作一个未知的黑盒子，利用深度学习网络取而代之，然后依赖大量训练数据完成输入到输出的训练。6G物理层性能的提升离不开功能模块的建模，基于数据驱动的神经网络摒弃这些已有的无线通信知识，需要海量数据进行训练与学习，而获得的性能往往达不到已有无线通信系统模型的性能。而基于数据模型双驱动的神经网络以物理层已有模型为基础，可以显著减少训练或升级所需的信息量。由于已有的模型具有环境自适应性和泛化性，因此数据模型双驱动深度学习网络也具有这些特性，并且在原模型基础上进一步提升系统的性能。

1.4.3　边缘计算和雾计算

6G是通信技术、信息技术、大数据技术、AI技术、控制技术深度融合的新一代移动通信技术，呈现出极强的跨学科、跨领域发展特征。6G“泛在连接、万物智联”愿景，需要从信息采集、信息传递、信息计算、信息应用多个环节端到端设计。这些技术的深度融合将是6G端到端信息处理和服务架构的发展趋势，是推动网络全维可定义的柔性无线网络的基础；是推动人工智能与大数据全面渗透的智能无线网络的基础；也是推动确定性网络发展的自动化系统与数字孪生系统的基础。6G将在大数据流动的基础上实现云、网、边、端、业深度融合，并通过以区块链为代表的手段创造可信环境，提升各方资源利用效率，协同升级云边计算能力、网络能力、终端能力和业务能力。

此外，随着移动通信技术的快速发展，业务需求与场景更加多元化、个性化，6G网络将采用更加灵活的可重构架构。一方面基于共享的硬件资源，网络为不同用户的不同业务分配相应的网络和空口资源，实现端到端的按需服务，在提供极致服务的同时，实现资源共享，以最大化资源利用率，降低网络建设成本；另一方面，极简的网络架构、灵活可扩展的网络特性为后续网络维护、升级及优化提供极大的便利，进一步降低运营商网络运营成本。另外，面向6G内生智慧的特征需求，也对网络的计算能力以及可扩展能力提出了更高的要求。

20世纪90年代，Akamai公司推出了内容分发网络（Content Delivery Network，CDN），该网络在接近终端用户处设立了能够存储缓存静态内容的传输节点，这可被看作边缘计算的起源。思科在2011年首次提出了雾计算概念。该概念拓展了云计算的概念，把数据、与数据相关的处理和应用程序向网络边缘的雾节点集中，而并非全部在云端处理。边缘计算与雾计算有效弥补了云端传输链路较远的问题，将数据处理转移到数据生成源头，以有效降低时延和成本，满足了地理上大规模分布式物联网设备的服务需求[26]。

边缘计算和雾计算虽然有很多相似的地方，但是这两者对数据的收集、处理以及通信的方法是不同的。在边缘计算中，物联网设备的嵌入式计算设备通过Ad-Hoc网络连接本地资源，并可以进一步被用于处理物联网数据，且这些数据大多来源于所在的物联网设备本身。然而，并非所有物联网设备都是计算使能的。当物联网设备不具备计算能力时，需要将处理任务发送到云端进行处理，这会显著降低时延敏感的物联网应用程序的服务质量（Quality of Service，QoS），同时也容易造成网络拥塞。

为了应对这些挑战，雾计算通过分布式雾节点提供基础和软件服务，以在网络中执行物联网应用程序。在雾计算中，传统的网络设备，如路由器、交换机等，都可以充当雾节点，并且可以通过独立或集群的方式创建广域的云服务。移动边缘服务器或微云也可以被视为雾节点，并在雾使能的移动云计算（Mobile Cloud Com-puting，MCC）和MEC中执行各自的工作。在某些情况下，边缘计算和雾计算的概念是等同的，但从更广泛的角度来看，边缘计算是雾计算的一个子集。

从6G的角度来看，MEC是独立于通信而被提出的一种计算架构，其核心是围绕业务和应用，预先将业务缓存到本地服务器，目的是减少端到端时延。而雾计算则侧重和无线接入网的深度融合，利用边缘通信节点的通信、计算、感知、测量等能力，进行中心分布自适应的信号处理，通过大规模集中式协作处理减少干扰以提升容量，通过本地信号处理和预先缓存业务，减少端到端时延和缓解前传链路容量压力等。因此，雾计算可以被看作云计算和MEC的协同自适应集合，其包含了两者的优势，并和超密集异构无线组网、终端直通、边缘AI等深度融合在一起，是6G的一种重要组网形式。基于雾计算可以实现智能的空天地海一体化无线组网，自适应满足差异化应用和全场景业务需求，如图1-26所示。

1.4.4　通信−感知−计算一体化

通信−感知−计算一体化是指在信息传递过程中，同步执行信息采集与信息计算的端到端信息处理技术框架。其将打破终端进行信息采集、网络进行信息传递和云边进行计算的烟囱式信息服务框架，是提供无人化、浸入式和数字孪生等感知通信计算高度耦合业务的技术需求。

（1）一体化背景

日益增长的信息处理需求同样对无线频谱资源带来巨大压力。6G将全频谱接入，支持3GHz以下低频段，包括3.3～3.6GHz和4.8～6GHz在内的中频段，24.5～7.5GHz、37～43.5GHz和66～71GHz在内的毫米波频段，引入潜在的140～220GHz、275～296GHz、306～313GHz、318～333GHz和356～450GHz太赫兹频段以及可见光波段，并将兼容非授权频段和卫星频段等。这些频段与传统的无线感知（雷达）频段将产生越来越多的交叠，传统频谱共享与兼容性设计亟待升级[19]。

同时，面向6G的超大规模天线、太赫兹通信和可见光通信等无线通信技术具备三维定位和成像能力，感知与通信共设备使得降低成本成为可能。另外，新业务需要多时空维度的实时感知与协同决策，对端到端时延敏感，传统串行信息采集、信息传递和信息处理流程亟须重新设计。

上述技术趋势与需求促进了通信−感知−计算一体化技术的发展，成为6G空口研究热点。无线感知通信一体化是指基于软硬件资源共享实现无线感知与无线通信功能协同的信息处理与服务技术。具体来说，它包括在感知软硬件资源中引入通信功能，或在通信软硬件资源中引入感知功能，还包括基于信息共享的感知通信功能协同等。IEEE 802.15.7制定了可见光成像通信技术标准，3GPP NR正在制定无线定位技术标准，将定位引入空口功能中。通信−感知−计算一体化3GPP NR将为6G提供一种新型的信息处理能力[18]。

（2）一体化技术

通信−感知−计算一体化具体分为功能协同和功能融合两个层次。在功能协同框架中，感知信息可以增强通信能力，通信可以扩展感知维度和深度，计算可以进行多维数据融合和大数据分析；感知可以增强计算模型与算法性能，通信可以带来泛在计算，计算可以实现超大规模通信。

在功能融合框架中，感知信号和通信信号可以使用一体化波形来设计与检测，共享一套硬件设备。一方面，目前雷达通信一体化技术已成为热点，将太赫兹探测能力与通信能力融合，以及将可见光成像与通信融合成为6G潜在的技术趋势。另一方面，感知与计算可融合成算力感知网络，计算也可与网络融合实现网络端到端可定义和微服务架构。

未来，感知通信计算可以在软件定义芯片技术发展基础上实现功能可重构。通信−感知−计算一体化的应用场景包括无人化业务、浸入式业务、数字孪生业务等。在无人化业务领域，提供智能体交互能力和协同机器学习能力；在浸入式业务领域，提供交互式XR的感知和渲染能力，全息通信的感知、建模和显示能力；在数字孪生业务领域，提供物理世界的感知、建模、推理和控制能力；在体域网领域，提供人员监控、人体参数感知与干预能力。

（3）一体化应用

通信−感知−计算一体化主要被应用在感知、通信与计算紧耦合的场景，包括基于智能体交互的无人化业务、基于人机交互的沉浸式业务和基于虚实空间交互的数字孪生业务。这类业务中的感知行为和内容与通信行为和内容具有不同层次与层度的相关性。下面以智能体交互为例，阐述感知通信计算一体化的具体应用思路。

智能体是指具有环境感知、交互与响应能力的实体，如机器人、无人车和无人机等。智能体感知能力通常来自摄像头、各类雷达和各类传感器。交互能力通常基于感知与通信实现。响应能力来自智能体的学习（包括推理和决策）和执行能力。由于智能体软硬件资源不同，其无线感知、通信、学习、计算能力各有差异，智能体交互具有不同层次的目标[27]。

•协同感知。为了完成目标任务，智能体需要交互数据与信息。例如，在车联网场景中，车车或车路之间以通信方式交换感知数据，通过数据融合提高感知维度、深度和精度。这里，被交互的数据可以是原始数据或训练集数据。

•协同训练。协同训练是智能体合作训练模型的过程。具体有3种情况：一是智能体算力不均衡，较强算力的智能体帮助其他智能体完成模型训练；二是相关智能体分工完成本地模型训练，再汇总形成完备的区域模型；三是智能体交互各自的训练模型，帮助测试和优化性能。

•协同推理。协同推理是智能体合作求解问题的过程。通常目标任务会被定义为若干优化问题，每个问题可被分解成子问题，并分配给智能体局部求解。智能体基于自身的资源和模型对分配的问题进行推理，并将局部推理结果发送给其他智能体进行参考或修正，或者发送给网络合成整体推理结论。最终推理结论可能需要多次推理结果的更新迭代才能确定。多个智能体通过交互形成推理网络，需要精心设计推理架构来优化其推理能力。

•协同决策。协同决策是智能体达成一致行动约定的过程。这些行动约定以命令的形式被下发到智能体的执行单元，推动任务流程或响应任务外的突发事件。数据融合问题贯穿上述4个智能体交互层级，可以进行数据级、推理级或决策级融合。如摄像头和毫米波雷达感知信息的融合，可以综合利用目标形状、距离、速度等感知信息，实现对物体的精准定位与识别。

通信−感知−计算一体化可以应用在上述4个智能体交互层级，支持数据融合、数据降维，提升感知精度。其主要应用思路是围绕目标任务，充分利用基于通信的合作感知方式，降低感知数据量。对于非合作目标，充分利用任务先验信息和合作感知获取的先验信息，降低感知计算量。同时，根据目标任务的全生命周期等先验信息，通过通信−感知−计算一体化，减少下一步流程中不必要的感知、通信与计算行为。

1.4.5　内生安全

传统无线网络的安全性主要依赖于位级加密技术和不同层级的安全协议，这些解决方案采用的是“补丁式”和“外挂式”的思想。一方面，随着网络边缘化以及软件虚拟化，网络安全的边界越来越模糊，网络架构所引发的安全缺陷越来越凸显；另一方面，随着人工智能等革新性技术与通信网络的深度融合，网络数据安全面临着前所未有的挑战。6G无线网络内部安全问题已无法依靠传统的方案来解决，因此，亟须在设计之初就植入防御机制，使网络安全体系从外向内演化，逐渐进化为以内生安全为主导的安全体系架构，从而适配新一代6G移动通信网络。

6G内生安全遵循“内聚而治、自主以生”的思想[28]。内聚而治指6G网络在技术融合与业务融合的背景下对不同安全协议与安全机制的聚合，进而对网络进行安全治理；自主以生指6G网络的安全防护应具备自主驱动力，来同步甚至前瞻地适应网络变化，以衍生网络内在稳健的防御力。

6G网络内生安全体系结构将分为接入侧安全与网络侧安全。接入侧安全通过“内聚而治”为6G网络内生安全网络实现“门卫式”安全保障；而网络侧安全提供网络自内向外的安全稳健能力，是体现“自主以生”的重要方面。未来网络可在身份认证、接入控制、通信安全以及数据加密等方面采用物理层安全通信、量子密钥分发以及区块链等实现6G网络内生安全。

在基于区块链的6G内生安全体系架构中，设备间进行直接通信，减少上传云服务器的时间，提升设备处理速率，同时深度覆盖的物联网容量进一步促进了区块链去中心化特征的实现。基于区块链的6G内生安全如图1-27所示。利用区块链中节点之间通信发送方和接收方数字签名实现网络节点验证，确保通信的网络安全性和可追溯性；通信和区块链之间的特征完全契合，有效解决了应用场景中数据共享安全问题，排除了恶意节点的随意非法访问，进一步实现了高速率传输、低时延、低功耗的网络传输。

基于共识机制的区块链技术与去中心化、分布式的6G网络架构结合，通过减少数据挖掘处理开销和时延，增加区块链的可扩展性，进而抵抗多种安全攻击，提升系统安全。共识机制的应用提升了交易验证和防范恶意攻击、篡改信息数据的能力，降低了网络攻击、恶意节点欺骗和外部环境攻击的风险。智能合约技术的不断完善，其规则制定必将由固定规则向智能化学习规则发展，提升了6G网络数据传输速率，加快了共识进程，提升了网络性能，避免了因传输数据量大、交互频繁而出现的系统故障[29]。