6G 被称为 AI 原生系统这个判断在通信行业和终端厂商之间已经讨论了相当长时间。它表达的核心意思是6G 不再像 5G 那样把人工智能当作外挂优化工具而是从空口协议、网络架构到设备能力的每一层都把 AI 设计成内建组件。在围绕这个判断展开的产业讨论中豆包手机这类深度整合大模型的终端产品被多次点名理由是它把 AI 从“应用层功能”提升成了“系统级能力”。这两个信号一前一后其实指向同一条技术主线智能正在从云端数据中心向网络基础设施和终端设备两端同时下沉。这条主线值得拆开看。它决定未来五到十年的网络架构怎么设计、手机芯片往哪个方向做、端侧模型能跑多大也决定开发者在 6G 和 AI 交叉领域应该提前掌握哪些技能。下面先解释“AI 原生系统”的技术含义再拆解 6G 网络里 AI 具体承担哪些模块然后切换到终端视角分析 AI 手机在技术上的三个层次最后用一套可以在 6GB 显存上运行 8B 视觉语言模型的实例说明端侧本地推理怎么落地、怎么验证、怎么排查。1. 先拆掉“AI 原生”四个字它和“AI 增强”不是一回事1.1 “AI 增强”是打补丁“AI 原生”是重新设计通俗地说AI 增强的思路是先把网络建好再在运行管理阶段把 AI 加进去。网络本身的功能是确定的流程是写死的AI 只负责在某个环节做预测、做优化比如根据流量预测调整基站睡眠策略或者根据用户轨迹提前切换小区。这套做法在 5G 网络里已经大量存在但它有一个隐含前提AI 不在协议栈内部出了问题可以直接摘掉不影响基础通信功能。AI 原生的思路完全不同。它假设网络服务的对象本身就是智能应用比如 AI 手机、自动驾驶、数字孪生工厂、人形机器人。这些应用的行为不是固定比特流而是由模型推理驱动的、有语义内容的交互。网络不仅要传输这些交互还要理解交互、调度算力甚至承担部分推理任务。此时 AI 不是可选插件而是协议设计、资源调度、空口编码都要围绕它来定义的默认能力。这个区别可以用“补丁”和“重建”来概括AI 增强是在旧地基上加智能模块AI 原生是围绕智能重建整套网络体系。6G 的目标是后者不是前者。1.2 为什么 4G/5G 时代不能直接做到 AI 原生一个很自然的追问是既然 AI 对网络优化有帮助为什么 4G、5G 不直接设计成 AI 原生这里有几个现实原因。第一通信系统长期追求确定性。误码率、时延、同步、切换成功率都有明确指标网络设备商和运营商不敢把一个概率性的推理结果直接放进控制回路。比如让 AI 决定是否切换基站一旦模型误判可能导致大面积掉话。5G 时代只敢让 AI 做优化类工作移动性预测、负载均衡、节能调度、故障定位这些任务即使出错也有兜底。第二算力条件不成熟。基站和手机上的 NPU 算力、内存带宽、能效比在 5G 商用初期都不足以支撑端侧模型推理更别说空口实时推理。云侧大模型也是近两三年才进入工程可用阶段之前连“把模型放进网络设备”的现实成本都难以接受。第三标准化节奏问题。移动通信协议从需求定义到商用落地通常需要多年周期6G 的标准工作恰好赶上了大模型、端侧 AI、NPU 普及这些技术条件的成熟窗口。按当前产业共识6G 预计在 2030 年前后进入商用现阶段正好处于关键技术验证与标准定义期。因此“AI 原生”不是突然冒出来的口号而是技术条件成熟后的重新设计选择。对比维度AI 增强5G 阶段AI 原生6G 目标设计起点网络先定义好再叠加 AI 优化网络从需求阶段就把 AI 作为默认能力AI 在协议中的位置外部工具可摘除内建功能空口和协议栈直接支持对模型推理的态度推理只做优化建议推理参与控制决策并有兜底机制对端侧智能的支持不支持或很少支持支持分布式推理、语义通信、算力调度典型服务流量预测、节能、移动性优化AI 手机、语义通信、云边端协同推理2. 6G 网络里的 AI 到底在做什么从空口到管理面2.1 AI for NetworkAI 重塑空口和网络优化AI for Network 指用 AI 改进网络自身的性能。这是最容易理解的部分也是最容易在 6G 前期落地的部分包含几个典型方向。信道预测与 CSI 压缩。6G 使用更高频段、更大天线阵列信道状态信息反馈开销巨大。AI 可以预测信道变化减少反馈量同时保持波束成形质量。这里要说明不是简单地“用模型算一下结果”而是要把预测结果变成协议里可校验的参考信息否则运营商不会敢用。波束管理。毫米波和太赫兹频段波束窄、对准难、容易遮挡。AI 结合终端轨迹和传感器数据预测波束方向可以明显降低波束扫描开销提高链路稳定性。天线阵列与射频前端。大阵列意味着更多射频通道无源器件设计的难度也在上升。比如 2-6GHz 宽带范围内的一分四功分器设计要求在目标带宽内维持幅度一致性和相位一致性这类射频前端课题会成为 6G 硬件工程师的日常。AI 可以参与器件仿真、链路校准和故障诊断但硬件本身的指标仍然要在真实电路上验证。网络节能和故障定位。AI 按业务潮汐自动调节基站状态并在故障发生前通过指标异常提前告警。这部分在 5G 已经有商业化实践6G 会把它纳入标准能力而不是停留在厂商私有方案。2.2 Network for AI网络要成为智能推理的基础设施Network for AI 是 6G 比 5G 走得远的关键。它不再只把网络看成传输管道而是把网络看成推理基础设施具体表现在三个方面。第一分布式推理。一个复杂的模型推理任务可以拆成“端侧小模型粗筛 边缘中模型处理 云侧大模型精修”网络负责把中间结果实时传到下一个算力节点。端侧跑不动的任务就近卸载而不是全部路由到云端。这个模式和现在“所有请求都打到云端 API”的做法完全不同它要求网络具备任务调度和中间结果传输能力。第二联邦学习与模型分发。网络把模型更新分发给节点各节点用本地数据训练只回传梯度或参数更新避免原始数据出域。这对医疗、金融、工业数据尤其重要。6G 里模型分发的频次和规模都会远高于 5G怎么保证模型版本一致、怎么回滚都是要解决的工程问题。第三语义通信。传统通信传比特语义通信传“含义”。如果收发两端都内置多模态模型发送端可以把图像先压缩成语义描述接收端再重建。这样能大幅降低带宽消耗但前提是两端模型能力要足够强而且对模型幻觉要有容忍和处理机制。这也是端侧模型越强6G 网络越敢做语义通信的原因。2.3 通信与计算融合算力成为可调度的网络资源6G 还有一个重要的设计变化把计算资源和通信资源放在一起调度。传统网络只管带宽、时延、丢包6G 还要管“任务在哪里算”。一个时延敏感的增强现实任务不能等数据传到千里之外的数据中心而要调度到最近的边缘算力节点。目前“算力路由”是热门研究方向思路是网络节点上报算力状态控制器根据任务类型、模型大小、数据位置一起决定路由和计算节点。这背后需要网络切片进一步细化到“算力切片”也需要对模型本身做版本管理和质量评估。可以设想未来一个 AI 手机发起请求时网络看到的不是简单的“用户要上网”而是“用户要跑一个 7B 参数的多模态模型需要 4GB 显存期望时延 100 毫秒”。整个网络管理语义都会随之改变。方向解决什么问题典型技术当前阶段AI for Network让网络更省、更快、更稳信道预测、波束管理、智能反射面已有优化经验6G 会深入控制面Network for AI让网络支撑智能应用分布式推理、联邦学习、语义通信标准定义阶段需要端侧模型配合通信计算融合让算力像带宽一样可调度算力路由、算力切片、边缘调度 6G AI原生系统：从空口协议到终端推理的全面重构
6G 被称为 AI 原生系统这个判断在通信行业和终端厂商之间已经讨论了相当长时间。它表达的核心意思是6G 不再像 5G 那样把人工智能当作外挂优化工具而是从空口协议、网络架构到设备能力的每一层都把 AI 设计成内建组件。在围绕这个判断展开的产业讨论中豆包手机这类深度整合大模型的终端产品被多次点名理由是它把 AI 从“应用层功能”提升成了“系统级能力”。这两个信号一前一后其实指向同一条技术主线智能正在从云端数据中心向网络基础设施和终端设备两端同时下沉。这条主线值得拆开看。它决定未来五到十年的网络架构怎么设计、手机芯片往哪个方向做、端侧模型能跑多大也决定开发者在 6G 和 AI 交叉领域应该提前掌握哪些技能。下面先解释“AI 原生系统”的技术含义再拆解 6G 网络里 AI 具体承担哪些模块然后切换到终端视角分析 AI 手机在技术上的三个层次最后用一套可以在 6GB 显存上运行 8B 视觉语言模型的实例说明端侧本地推理怎么落地、怎么验证、怎么排查。1. 先拆掉“AI 原生”四个字它和“AI 增强”不是一回事1.1 “AI 增强”是打补丁“AI 原生”是重新设计通俗地说AI 增强的思路是先把网络建好再在运行管理阶段把 AI 加进去。网络本身的功能是确定的流程是写死的AI 只负责在某个环节做预测、做优化比如根据流量预测调整基站睡眠策略或者根据用户轨迹提前切换小区。这套做法在 5G 网络里已经大量存在但它有一个隐含前提AI 不在协议栈内部出了问题可以直接摘掉不影响基础通信功能。AI 原生的思路完全不同。它假设网络服务的对象本身就是智能应用比如 AI 手机、自动驾驶、数字孪生工厂、人形机器人。这些应用的行为不是固定比特流而是由模型推理驱动的、有语义内容的交互。网络不仅要传输这些交互还要理解交互、调度算力甚至承担部分推理任务。此时 AI 不是可选插件而是协议设计、资源调度、空口编码都要围绕它来定义的默认能力。这个区别可以用“补丁”和“重建”来概括AI 增强是在旧地基上加智能模块AI 原生是围绕智能重建整套网络体系。6G 的目标是后者不是前者。1.2 为什么 4G/5G 时代不能直接做到 AI 原生一个很自然的追问是既然 AI 对网络优化有帮助为什么 4G、5G 不直接设计成 AI 原生这里有几个现实原因。第一通信系统长期追求确定性。误码率、时延、同步、切换成功率都有明确指标网络设备商和运营商不敢把一个概率性的推理结果直接放进控制回路。比如让 AI 决定是否切换基站一旦模型误判可能导致大面积掉话。5G 时代只敢让 AI 做优化类工作移动性预测、负载均衡、节能调度、故障定位这些任务即使出错也有兜底。第二算力条件不成熟。基站和手机上的 NPU 算力、内存带宽、能效比在 5G 商用初期都不足以支撑端侧模型推理更别说空口实时推理。云侧大模型也是近两三年才进入工程可用阶段之前连“把模型放进网络设备”的现实成本都难以接受。第三标准化节奏问题。移动通信协议从需求定义到商用落地通常需要多年周期6G 的标准工作恰好赶上了大模型、端侧 AI、NPU 普及这些技术条件的成熟窗口。按当前产业共识6G 预计在 2030 年前后进入商用现阶段正好处于关键技术验证与标准定义期。因此“AI 原生”不是突然冒出来的口号而是技术条件成熟后的重新设计选择。对比维度AI 增强5G 阶段AI 原生6G 目标设计起点网络先定义好再叠加 AI 优化网络从需求阶段就把 AI 作为默认能力AI 在协议中的位置外部工具可摘除内建功能空口和协议栈直接支持对模型推理的态度推理只做优化建议推理参与控制决策并有兜底机制对端侧智能的支持不支持或很少支持支持分布式推理、语义通信、算力调度典型服务流量预测、节能、移动性优化AI 手机、语义通信、云边端协同推理2. 6G 网络里的 AI 到底在做什么从空口到管理面2.1 AI for NetworkAI 重塑空口和网络优化AI for Network 指用 AI 改进网络自身的性能。这是最容易理解的部分也是最容易在 6G 前期落地的部分包含几个典型方向。信道预测与 CSI 压缩。6G 使用更高频段、更大天线阵列信道状态信息反馈开销巨大。AI 可以预测信道变化减少反馈量同时保持波束成形质量。这里要说明不是简单地“用模型算一下结果”而是要把预测结果变成协议里可校验的参考信息否则运营商不会敢用。波束管理。毫米波和太赫兹频段波束窄、对准难、容易遮挡。AI 结合终端轨迹和传感器数据预测波束方向可以明显降低波束扫描开销提高链路稳定性。天线阵列与射频前端。大阵列意味着更多射频通道无源器件设计的难度也在上升。比如 2-6GHz 宽带范围内的一分四功分器设计要求在目标带宽内维持幅度一致性和相位一致性这类射频前端课题会成为 6G 硬件工程师的日常。AI 可以参与器件仿真、链路校准和故障诊断但硬件本身的指标仍然要在真实电路上验证。网络节能和故障定位。AI 按业务潮汐自动调节基站状态并在故障发生前通过指标异常提前告警。这部分在 5G 已经有商业化实践6G 会把它纳入标准能力而不是停留在厂商私有方案。2.2 Network for AI网络要成为智能推理的基础设施Network for AI 是 6G 比 5G 走得远的关键。它不再只把网络看成传输管道而是把网络看成推理基础设施具体表现在三个方面。第一分布式推理。一个复杂的模型推理任务可以拆成“端侧小模型粗筛 边缘中模型处理 云侧大模型精修”网络负责把中间结果实时传到下一个算力节点。端侧跑不动的任务就近卸载而不是全部路由到云端。这个模式和现在“所有请求都打到云端 API”的做法完全不同它要求网络具备任务调度和中间结果传输能力。第二联邦学习与模型分发。网络把模型更新分发给节点各节点用本地数据训练只回传梯度或参数更新避免原始数据出域。这对医疗、金融、工业数据尤其重要。6G 里模型分发的频次和规模都会远高于 5G怎么保证模型版本一致、怎么回滚都是要解决的工程问题。第三语义通信。传统通信传比特语义通信传“含义”。如果收发两端都内置多模态模型发送端可以把图像先压缩成语义描述接收端再重建。这样能大幅降低带宽消耗但前提是两端模型能力要足够强而且对模型幻觉要有容忍和处理机制。这也是端侧模型越强6G 网络越敢做语义通信的原因。2.3 通信与计算融合算力成为可调度的网络资源6G 还有一个重要的设计变化把计算资源和通信资源放在一起调度。传统网络只管带宽、时延、丢包6G 还要管“任务在哪里算”。一个时延敏感的增强现实任务不能等数据传到千里之外的数据中心而要调度到最近的边缘算力节点。目前“算力路由”是热门研究方向思路是网络节点上报算力状态控制器根据任务类型、模型大小、数据位置一起决定路由和计算节点。这背后需要网络切片进一步细化到“算力切片”也需要对模型本身做版本管理和质量评估。可以设想未来一个 AI 手机发起请求时网络看到的不是简单的“用户要上网”而是“用户要跑一个 7B 参数的多模态模型需要 4GB 显存期望时延 100 毫秒”。整个网络管理语义都会随之改变。方向解决什么问题典型技术当前阶段AI for Network让网络更省、更快、更稳信道预测、波束管理、智能反射面已有优化经验6G 会深入控制面Network for AI让网络支撑智能应用分布式推理、联邦学习、语义通信标准定义阶段需要端侧模型配合通信计算融合让算力像带宽一样可调度算力路由、算力切片、边缘调度