6G智简信息传输及使能技术白皮书（2025年）-中关村泛联院

微信扫码，打开到小程序

6G 智简信息传输及使能技 术白皮书 （2025 年） 中关村泛联移动通信技术 创新应用研究院 编制单位：中关村泛联移动通信技术创新应用研究院、北京邮电 大学、中信科移动通信技术股份有限公司、中国联合网络通信有限公 司研究院、中国移动通信研究院 · 前 言 随着 6G 网络的快速发展，通信系统正迈向智能化、差异化和多样化需求的 新阶段。在此背景下，针对未来机器人等智能化终端泛用所导致的海量多模态数 据（如图像、视频、点云等）传输需求，传统以精确到比特级信息传输为核心的 编码调制方法逐渐接近香农极限，信息传输速率和系统性能的提升遭遇瓶颈。语 义通信作为一种新兴范式，以人工智能技术为核心驱动，将通信范式从比特级跃 迁至语义级，聚焦于信息的语义内容而非原始比特流，以突破传统通信香农极限， 为未来 6G 网络多模态信息的智简传输提供了全新的技术路径。 因此，本白皮书聚焦 6G 智简信息传输及使能技术，旨在构建适用于语义通 信的新型传输理论框架，设计端到端的自适应多模态语义通信系统，并研发动态 匹配与更新的语义知识库技术，为语义通信网络的高效和可靠运行提供理论和模 型基础，进而构建多模态业务适配的智简信息传输保障使能技术体系，支撑智简 传输系统未来可能的工程落地。 目 录 1. 引言 ........................................................ 1 2. 智简信息传输总体框架......................................... 2 2.1 设计思路 .................................................. 2 2.2 技术框架设计 .............................................. 3 3. 新型智简传输理论............................................. 5 3.1 模分多址传输理论 .......................................... 6 3.1.1 MDMA 基本原理 ..................................... 7 3.1.2 MDMA 理论性能分析 ................................. 8 3.1.3 MDMA 系统性能仿真对比 ............................ 10 3.2 准正交模分多址传输理论 ................................... 11 3.2.1 O-MDMA 基本原理 .................................. 11 3.2.2 O-MDMA 理论性能分析 .............................. 11 3.2.3 O-MDMA 系统性能仿真对比 .......................... 14 4. 多模态智简传输技术.......................................... 15 4.1 多模态自适应语义通信 ..................................... 15 4.1.1 基于层的图像语义通信系统......................... 15 4.1.2 面向点云的语义通信系统（PCSC）................... 19 4.1.3 基于模分多址的视频语义通信系统（MDVSC）.......... 21 4.2 语义知识库动态匹配与更新 ................................. 22 5. 智简信息传输使能技术........................................ 25 5.1 智能新型网络传输与业务保障技术 ........................... 25 5.2 多维资源感知与智能调度技术 ............................... 29 6. 总结与未来展望.............................................. 34 缩略语列表..................................................... 36 参考文献....................................................... 38 1. 引言 随着 6G 网络的快速发展，通信系统正迈向智能化、差异化和多样化需求的 新阶段。在此背景下，针对未来机器人等智能化终端泛用所导致的海量多模态数 据（如图像、视频、点云等）传输需求，传统以精确到比特级信息传输为核心的 编码调制方法逐渐接近香农极限，信息传输速率和系统性能的提升遭遇瓶颈。传 统通信范式已然难以适配 6G 网络日趋高效的传输需求，亟待开拓新的优化空间 与维度，提高通信传输的信息量显得尤为重要。 智简信息传输应运而生，以达意传输为目标，不再是单纯追求越精确越好的 数据搬运，而是通过人工智能驱动的语义表征技术，推动通信系统向更高层次的 语义理解与表达跃迁。语义通信正是在这一技术需求的强烈牵引下出现，是先理 解后传输的一种通信新兴范式，完美契合未来 6G 智简信息传输需求。语义通信 以“智（人工智能）”作为核心技术驱动力，将传统通信精确到比特级的传输范 式跃迁至语义级，聚焦于信息的语义内容而非原始比特流，从而实现传输的“简”， 为 6G 网络信息的智简传输提供了全新的技术路径，为 6G 时代复杂场景下的通信 需求开辟了突破物理层桎梏的技术方向，助力实现高效、智能、简约的通信愿景。 同时，6G 网络中以语义传输为代表的智简信息传输仍面临多重挑战。当前 存在以下关键问题：首先，在基础理论层面，语义通信和语义传输理论处于构建 并逐渐完善阶段，语义信息的提取与表征方法尚未统一，缺乏标准化的语义解析 与编码规范；其次，在动态适应性方面，现有技术难以实现多源多端的语义知识 库对齐，缺少有效的自适应同步机制；此外，在传输控制层面，面向多样化业务 需求的智能精细化管控能力有待提升；最后，在系统融合方面，语义传输与传统 语法传输的资源分配和业务传输保障策略尚未实现有效协同。 针对这些挑战，需要从理论方法和使能技术两个维度进行突破：一方面要构 建新型智简传输理论框架，探索多模态自适应传输技术路径；另一方面需研究智 能新型网络传输与业务保障技术，建立全局资源认知体系及智能调度机制，为语 义与语法融合传输的差异化服务质量保障提供系统支撑。 因此，本白皮书聚焦 6G 智简信息传输及使能技术，旨在构建适用于语义通 信的新型传输理论框架，设计端到端的自适应多模态语义通信系统，并研发动态 匹配与更新的语义知识库技术，为语义通信网络的高效和可靠运行提供理论和模 型基础；进而，研究更适合捕捉数据流特征的人工智能技术，实现多模态业务流 的特征识别，为智简传输的精准保障提供前提；研究业务数据流的差异化服务质 量保障技术，为智简传输的网络资源高效利用和精准适配用户体验提供基础；研 究多维资源感知方法与智能调度技术，形成统一的资源表征图谱，并在此基础上 智能调度配置智简网络资源，优化系统整体信息传输效率，提升用户体验，为自 适应多模态语义通信的实现提供支撑。 2. 智简信息传输总体框架 2.1 设计思路 由于智简信息传输范式相较于传统通信范式发生了三个层面的核心转变：传 统通信以保障比特级精确传输为目标，而智简传输聚焦于语义层面的信息理解与 重构；传统信源编码采用基于概率模型的压缩算法，而智简传输通过 AI 驱动的 信源信道联合编码实现场景适配；传统通信传输以单一信道容量为优化目标，而 智简传输需构建多模态业务语义传输需求的按需、动态、弹性适配的差异化传输 保障系统支撑能力。因此，智简信息传输总体框架设计需从理论突破、技术实现、 系统支撑三个层面展开： 第一，构建新型智简传输信息理论，为 6G 智简信息传输提供理论基础。传 统通信理论依托香农信息论，聚焦于确保信息传输的比特级精确性，位于信息传 递的三个层次的第一层。然而，在 6G 智简信息传输中，信息传输需求向语义理 解层跃迁，传统理论框架与语义通信的发展诉求产生根本性错位。语义通信作为 第二层通信范式，其性能评估不再局限于比特级精确性，而需建立面向语义内涵 的新型理论模型。 第二，研发面向多模态的语义智能编码框架，为 6G 智简信息传输提供技术 实现路径。语义通信主要面向结构化信源的传输需求，而结构化数据（如视频/ 图像/文本）已占据全网流量的 85%以上。需借助成熟的人工智能语义提取框架， 综合考量通信信道状态和条件，生成适用于通信传输的最优编码，从而提升对通 信资源的利用率，提升网络总体性能，为 6G 智简信息传输提供语义传输模型。 此框架需解决两大技术难点：一是建立语义知识库动态匹配机制，确保收发端语 义先验的一致性；二是设计语义知识库的更新迭代算法，解决预定知识库无法覆 盖全场景通信需求的问题。 第三，构建多模态业务适配的智简信息传输保障使能技术体系，支撑智简传 输系统的工程落地。面向 6G 网络承载的多模态业务，需构建三层使能技术体系： 在业务保障层，开发基于 AI 的业务特征识别引擎，实现业务流数据模态的自动 分类，设计 QoS 控制策略自生成机制，实现为不同类别和用户体验需求的业务提 供优化的 QoS 策略选择，从而完成业务适配和传输策略控制；在资源调度层，动 态获取网络资源与状态，结合 QoS 控制策略，应用基于 AI 的动态资源分配算法， 实现弹性、动态的资源调度与配置优化，提升资源利用效率与服务保障能力；在 智简传输层，构建多模态自适应语义通信传输处理机制，基于语义编解码和语义 知识库动态匹配与更新，实现高效、鲁棒地传输不同数据形态（模态）的信息语 义，并兼容语法传输和语义传输。缺少这些使能技术，语义通信系统将退化为面 向单一业务的专用通道。因此，该技术体系是连接理论创新与工程实践的关键桥 梁。 2.2 技术框架设计 基于以上设计思路，本白皮书依托于新型智简传输信息理论基础，在从智简 传输、资源调度、业务保障维度对 6G 智简信息传输架构进行了设计，如 通感互联 AI应用 超能交通 全息交互 精准医疗 智能交互 元宇宙 智能新型网络传输业 务流智能识别分类 业务保障层 QoS规则生成 QoS流映射 资源调度层 资源调度和配置 多维资源和状态感知 智简传输层 语义编码 语义知识库同步 语法编码 语义解码 语法解码 网络资源状态库 共享语义知识库 本地语义知识库 AI引擎-AI训练 业务智能 识别分类 智简传输资源库 QoS策略 自生成 资源调度 配置策略 语义编解 码器 多模态自适应传输 图 2-1 所示： 通感互联 AI应用 超能交通 全息交互 精准医疗 智能交互 元宇宙 智能新型网络传输业 务流智能识别分类 业务保障层 QoS规则生成 QoS流映射 资源调度层 资源调度和配置 多维资源和状态感知 智简传输层 语义编码 语义知识库同步 语法编码 语义解码 语法解码 网络资源状态库 共享语义知识库 本地语义知识库 AI引擎-AI训练 业务智能 识别分类 智简传输资源库 QoS策略 自生成 资源调度 配置策略 语义编解 码器 多模态自适应传输 图 2-1 6G 智简信息传输总体架构 （1）. 智简传输层 智简传输层是智简信息传输理论创新的关键基础能力层，通过智能、灵活的 多模态自适应传输技术，高效鲁棒地传输理解不同模态的信息；建立高效的语义 知识库动态匹配与更新机制，降低语义知识库更新成本，实现多任务/多信源高 效协同适配。 （2）. 资源调度层 资源调度层通过多维资源和状态的智能感知机制，获取和构建网络资源图谱， 为资源调度决策提供数据支撑。通过资源的智能统一调度，显著提升了关键信息 传输的可靠性，从而全面增强了网络的 QoS 保障能力。 （3）. 业务保障层 业务保障层通过智能新型网络传输的业务流智能识别和分类，完成了多模态 业务流的精准区分；传输业务保障技术，提供基于 AI 的 QoS 控制策略的生成功 能，结合智能分类信息和用户体验需求确定差异化的 QoS 映射规则，用于传输过 程中的 QoS 流映射，为服务质量保障奠定基础。 同时，AI 作为赋能智简信息传输的智慧内生引擎，提供智简信息传输架构 所需的模型训练能力，包括业务智能识别分类、QoS 策略自生成、资源调度配置 策略和语义编解码器等模型供给。而智简传输资源库则包括语义知识库的管理和 网络资源与状态的管理，是智简传输数据层面的基础设施。可通过共享语义知识 库和本地语义知识库，为智简传输层语义知识库的动态匹配与更新提供数据支撑； 网络资源与状态库则存储网络资源与状态，包括网络拓扑、网络资源与状态信息， 可提供给 AI 引擎用于智简模型训练，以及提供全域资源状态给资源调度层作为 资源调度和分配的依据。 通过智简传输信息理论和以上技术体系，可为 6G 智简信息传输的标准化和 产业化奠定基础，进一步推动学术界和产业界协同努力，助力未来 6G 智简信息 传输的可能的工程落地。 3. 新型智简传输理论 新型智简传输理论的核心，在于将通信的关注点从 Shannon-Weaver 模型的 第一层（精确比特传输）提升至第二层（语义信息传递）。这一范式跃迁意味着， 传统通信理论围绕比特恢复构建的基石——香农信息论、误码率（BER）指标及 其理论极限——在面对图像、文本等富含语义的信源时，其适配性和有效性面临 根本性挑战。语义通信追求的是信息含义的有效理解和传递，这需要突破传统框 架，建立一套全新的性能指标和理论基础，以支撑 6G 所追求的“智简”传输愿 景，即在复杂环境下实现更智能、更简约、更高效的信息交互。 在这一理论构建过程中，多用户语义通信支持构成了一个核心且极具挑战性 的问题。现有的多址接入技术（如 TDMA、FDMA、SDMA、CDMA、NOMA） [1]均植根于 对物理通信资源（时隙、频段、空间流、码字、功率）的划分与共享机制。然而 在语义层面，这些现有技术便暴漏出根本局限性：它们无法有效感知和利用信源 本身（如图像、文本）内在的语义结构。现实世界的信息往往包含共享的公共特 征（如一张图片的背景、一段文本的主题）和个性化的私有特征（如图片中特定 人物的细节、文本中用户关心的关键信息）。现有多址技术直接切割物理资源， 却忽略了信源中蕴含的这种结构性语义信息。这导致了大量冗余信息（尤其是共 享特征）被重复传输给多个用户，使得通信带宽效率低下；在低信噪比（SNR） 等恶劣信道条件下，基于物理资源争夺的现有方案性能急剧恶化，难以保障基本 的语义可达性；更关键的是，它们完全缺乏对用户个性化语义需求的建模与响应 能力——每个用户可能只关心信息流中与其高度相关的特定语义片段，而现有机 制对此束手无策。 因此，关键突破在于发展能在语义模型信息域本身进行资源分配和用户区分 的新理论，这直接驱动了对模分多址（MDMA） [2]及其演进准正交模分多址（O-MDMA） [3]理论界限的研究。MDMA 不再局限于物理资源的“硬分割”，而是深入到信源的 语义特征空间，根据其内在的结构（共享性、个性化）以及用户的具体语义需求， 进行智能、动态的“软划分”与资源调配。O-MDMA 则更进一步，通过设计“准正 交”的不同特征映射（语义模型），来支持不同模态（如图像与文本）、速率和 信号长度的异构数据源同时进行语义传输，且最大程度地控制模态间干扰（保障 个性化特征传输的可靠性）。 3.1 模分多址传输理论 图 3-1 语义通信创建的模型信息空间 语义通信系统的新范式产生了一种新的分配资源，即模型信息空间，为新的 多址技术——模型分多址（MDMA）的建立提供了理论基础。MDMA 是一种从更高信 息维度利用信源语义域特征的新型多址方法。借助人工智能模型从信息源中提取 语义特征，可以对用户的信源特征进行建模，为多用户语义信息的区分提供知识 基础。如图 3-1 所示，结合传统物理资源和模型信息空间，信道容量可表示为： 2 2 0 log , n H k k k P C TB   =   = +      I H H (3-1) 其中，T B P 、 、 、 、 H Φ 分别表示时域资源、频域资源、功率域资源、空域 资源和模型信息空间资源， I 为单位矩阵， 2  为噪声方差。 3.1.1 MDMA 基本原理 图 3-2 两个用户为 MNIST(a)和 Open Image(b)数据集提取的不同图像的语义信号 [2] 提取语义信号时，信源被映射到高维语义模型空间。本节说明不同用户在该 空间存在大量共性语义信息。下面将介绍用户共性与个性语义信息，并描述基于 此的 MDMA 上下行流程。 实验使用图像语义通信系统（MNIST/Open Image 数据集）。如图 3-2 所示， 用户 1 和用户 2 的语义信号（蓝线/橙线）在不同图像上表现出显著相似性：(a) 不同数字图像信号幅度/相位仅有很小的变化；(b)复杂图像信号在前 30 维高度 相似，60-80 维幅度相似但极性相反。这表明用户间存在大量共性信息。 MDMA 技术旨在利用此共性信息避免冗余传输浪费带宽。它并非在信号空间 区分用户，而是在模型信息空间挖掘共性与个性信息：共性信息在相同时频资源 内传输复用，个性信息单独传输。相较于传统多址，MDMA 的增益主要源于模型信 息空间中共性信息的重用。 图 3-3 描述了多个用户同时向基站传输语义信息的上行场景，首先基站匹配 两个发起上行传输指令的用户，用户 1 和用户 2 分别提取各自的信源语义信息 x S 和 y S ，然后用户 1 和用户 2 在时刻 1（频率 1）向基站发送共性语义信息 s s x y S + S ，之后用户 1 和用户 2 在时刻 2（频率 2）向基站发送个性语义信息 pxS 和 pyS 。基站接收到用户 1 和用户 2 发送的共性信息和个性信息后，恢复出各个 用户的原始语义信号，并通过语义解码器恢复出信息来源。 图 3-3 MDMA 上行链路示意图 图