面向6G AI-RAN的体系架构、关键技术与智能体网络演进

人员

报告安排

1. 迈向未来6G AI原生网络：基础概念、关键技术及展望

   Tony Quek · 新加坡科技设计大学

   简介

   词元通信（Token Communication）是一种新兴范式，它通过被称为词元的人工智能基本处理单元，将小型语言模型、大型语言模型以及通用机器人等智能体连接起来。这些离散单元承载了基础模型所使用的语义信息。与此同时，业界正积极探索利用计算与通信融合基础设施同时承载无线接入网（RAN）和人工智能（AI）工作负载，从而提高平台资源利用率并创造新的商业价值。这一理念被称为AI无线接入网（AI-RAN）。AI-RAN通过原生集成AI驱动的RAN功能，实现面向特定站点的智能化网络运行，并提升关键绩效指标（KPI）。本报告将系统介绍词元通信与AI-RAN的融合与交叉，并分享我们依托新加坡未来通信研究与发展计划（Future Communications R & D Programme，FCP）在AI-RAN领域开展的部分最新研究工作。

2. AI-RAN中的智能体通信：自主规划、动态协同与语义传输

   郭帅帅 · 山东大学

   简介

   随着无线接入网由传统的连接与传输基础设施加速演进为集通信、感知、计算与智能于一体的AI原生网络基础设施，AI-RAN已成为全球移动通信产业面向6G布局的重要技术方向。其核心目标不仅是利用AI优化无线资源管理和网络运维，更是将大模型与AI智能体引入无线接入网，形成具备环境感知、自主规划、协同决策、工具调用和闭环执行能力的网络智能系统。在AI-RAN从技术验证走向产业应用的关键阶段，如何构建以多模态大模型为认知核心、以多智能体协作为组织方式、以通信网络为执行载体的新型智能架构，正在成为学术界与产业界共同关注的前沿问题。本报告首先介绍大模型与AI智能体的基本原理，阐述AI智能体如何在大模型基础上集成感知、规划、记忆、工具调用、执行与反馈等模块，形成面向复杂任务的自主闭环，并进一步讨论智能体驾驭工程、双层记忆、技能体系、检索增强生成和元认知进化等关键技术。在此基础上，报告面向高空智能体网络，分析智能体网络在降低专家依赖、适应动态环境以及协调受限通信与计算资源等方面的技术价值，重点围绕自主规划、动态协同和可靠传输三个层面展开。在自主规划方面，报告介绍基于大模型和多智能体协作的基站选址方法，通过任务建模、代码生成、工具执行、结果评估与循环修正，实现复杂网络规划问题的自主求解。在动态协同方面，面向高空平台节点高速移动和任务实时变化，构建由多个专业智能体组成的协同框架，利用工具调用、标准化指令和分层决策机制，实现覆盖优化、冲突规避、突发事件响应及轨迹调整。在可靠传输方面，进一步探讨面向AI智能体的任务导向语义通信与词元通信，通过评估词元的任务价值和语义重要性，联合优化信息选择、编码传输、无线资源分配与接收端智能纠错，推动通信目标由“可靠传输比特”转向“高效完成智能任务”。最后，报告讨论AI-RAN与智能体通信面临的大模型幻觉、能力边界、隐私安全、技术依赖及系统性风险，并展望多智能体协议、智能体感知的网络控制、通信—计算—智能联合编排以及人类智能、机器智能与生物智能融合通信等研究方向。以大模型为认知引擎、以多智能体为协作主体、以AI-RAN为基础设施的智能体通信，将成为6G网络由“万物互联”迈向“万物智联”的重要技术基座。

3. 认知赋能的Agent RAN：架构、记忆与可解释决策

   王玺钧 · 中山大学

   简介

   本部分将讨论无线接入网如何从传统的模型驱动优化和 AI 辅助控制，演进为具备感知、记忆、推理、行动与自我改进能力的智能体系统。在 6G 和 O-RAN 架构中，网络智能不再集中于单一优化器，而是分布在 xApp、rApp、物理层智能模块和大模型智能体之间。这些智能体在不同时间尺度上观察网络状态、执行控制决策，并共同作用于小区、切片、频谱和算力等共享资源。这一范式为意图驱动网络管理、复杂场景自适应和端到端自治提供了新的可能，同时也带来了新的系统挑战。首先，现有接口往往将高维物理层状态压缩为低维指标，使上层智能体难以获得足够真实的环境认知。其次，智能体缺乏跨周期的状态记忆和经验沉淀，难以从历史运行中形成可复用知识。再次，多智能体并发决策会产生跨小区、跨切片和跨时间的连锁影响，使网络运维难以解释一次告警、退化或冲突背后的决策链条。针对上述问题，本部分将介绍团队在 AI-RAN 统一记忆架构和 Context Graph 的研究，阐述 Agent RAN 的系统化设计思路，其中包括统一记忆机制、结构化上下文图，和可解释决策链。本部分旨在帮助参会者理解 Agent RAN 的基本概念、体系架构、关键技术瓶颈和未来研究方向，为构建可感知、可解释、可演进的 6G 原生智能网络提供参考。

4. 语义智能赋能Agent RAN：迈向任务导向的AI原生无线网络

   冯晨远 · 英国埃克塞特大学

   简介

   随着6G将智能定位为原生网络能力，无线接入网正经历根本性变革。本教程从语义通信与智能体驱动双重视角，系统探讨6G原生AI-RAN的新范式，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通信，并借助多智能体协同赋予网络自主决策能力，支持动态资源分配与分布式学习。教程围绕语义抽象、智能体自主性与控制环路部署三个耦合维度展开，讲解双时间尺度闭环架构（快速语义感知控制与慢速模型策略适配）。关键技术涵盖语义编码、意图驱动网络、边缘智能体协作及数字孪生辅助训练。同时引入开销感知的O-RAN工作流，融合语义遥测设计、上报策略与控制面约束，集成至现有RIC架构。性能评估表明，语义-智能体设计在任务成功率、带宽效率、学习稳定性及能耗时延权衡上增益显著。未来方向包括语义-智能体联合优化、可信AI部署与跨域知识共享，推动6G RAN向自主化认知化演进，支撑智能物联网与具身智能赋能的智慧工厂等场景。本教程还将现场演示团队搭建的语义AI-RAN与具身智能原型系统，呈现从理论到实践的技术落地。