报告概述
本白皮书围绕6G从研究走向现实的主题，系统介绍VIAVI Marconi实验室在6G关键技术验证方面的最新成果。报告以VIAVI 6G Test Bed为核心，覆盖无线接入网络和系统架构研究方向，重点探讨网络数字孪生中的近实时射线追踪、通信感知一体化测试、面向RAN的AI应用以及沉浸式扩展现实通信。报告采用从测试平台到算法验证的工程化框架，结合3GPP标准化路线图，说明关键技术如何通过高性能GPU加速、神经网络和数字孪生仿真在真实信道条件下进行验证。读者可从中了解6G候选技术的测试方法、性能评估维度和产业化路径。
报告的核心结论
6G研究聚焦新功能与AI/ML深度融合
报告指出，3GPP已正式启动覆盖无线接入网络和系统架构的全面6G研究，为Release 21标准奠定基础。研究方向包括通信感知一体化、沉浸式体验、代理式AI服务、增强空对地覆盖等新功能，同时人工智能和机器学习成为中心话题，正在探索全系统AI/ML管理、数据收集和智能优化框架，以改善系统关键性能指标。
射线追踪是构建6G网络数字孪生的关键
报告认为，传统随机信道模型难以准确捕捉电磁波与复杂环境的相互作用，而在城市或高频段场景下，基于GPU加速的近实时射线追踪技术能够高保真模拟无线电传播，支持网络规划、覆盖优化、干扰检测和主动资源管理。该技术是射频数字孪生乃至全RAN级数字孪生的关键使能因素，并可与现场测量数据闭环校准。
位置增强AI波束管理显著优于传统方案
报告展示了利用UE相机、激光雷达和IMU传感器，通过SLAM获取位置信息，再经神经网络融合L1-RSRP测量来预测最佳波束。在包括低信噪比的各种条件下，该方案相比无位置信息的AI-BM和非AI半扫频BM，均能实现更高的波束预测精度和接近最佳的吞吐量性能，同时降低扫描开销和能耗。
神经形态接收机大幅降低能耗并保持高性能
VIAVI推出的基于脉冲神经网络（SNN）的神经形态接收机，用离散时间尖峰模拟生物神经元。相比传统人工神经网络接收机，它在显著降低能耗的同时实现相当的误码率性能，并优于传统基于信号处理的5G接收机。该接收机还支持AI优化高阶调制的解码，为6G可持续通信提供了节能方案。
报告回答的关键问题
6G研究目前主要聚焦哪些方向？
报告指出，3GPP已启动覆盖无线接入网络和系统架构的全面6G研究，将最终选定Release 21所需的关键技术。当前方向包括通信与感知一体化（ISAC）、沉浸式体验、代理式AI服务、增强空对地覆盖（NTN）等新功能，同时AI/ML集成、可持续性和全球互操作性也是研究重点。
网络数字孪生如何用于6G网络测试？
报告介绍，网络数字孪生通过近实时射线追踪建立射频传播的虚拟环境，结合TM500 UE仿真器和TeraVM AI RAN场景生成器，可构建射频、UE和无线场景三层数字孪生。这样能在实验室中重现特定站点的网络问题，验证软件升级、节能策略和AI模型，从而降低现场部署风险并同步真实网络数据。
通信感知一体化（ISAC）怎样进行测试？
报告展示了一种基于射线追踪的ISAC测试方案，在电磁环境数字孪生中模拟目标和背景物体的反射信道，包含路径增益、延迟、多普勒和角度信息。通过该方案可测试单站和双站ISAC系统，评估目标检测、定位和识别性能，也可用外部信道仿真硬件对大规模MIMO ISAC系统进行实时测试。
6G如何满足XR和元宇宙的低延迟高带宽需求？
报告提出采用目标导向与语义通信，仅提取和传输重建体验所需的信息，如虚拟形象骨骼、背景描述和天气文本，并结合速率分割多址（RSMA）高效传输。在VIAVI Test Bed上验证了该方案能显著降低传输数据量和延迟，同时不牺牲用户体验，为XR和元宇宙应用提供了可行的通信框架。
报告中的代表性数据
目标导向语义通信传输延迟降低比例
2025年世界移动通信大会演示，报告展示的针对Metaverse天气预报视频广播测试中，使用目标导向与语义通信及RSMA多址方案，在不牺牲用户体验的前提下，传输延迟较传统方案降低99.95%。
射线追踪计算时间占UE采样时间的比例
高通圣地亚哥园区数字孪生测试，当行人UE移动时，VIAVI高级射线追踪实时预测每个发射-接收点的最佳波束；UE移动至下一位置需490毫秒，射线追踪计算耗时不到该采样时间的四分之一，从而实现实时预测。
神经形态接收机单个尖峰能耗
报告发布时，基于脉冲神经网络（SNN）的神经形态接收机中，每个尖峰仅消耗几皮焦能量，相比传统人工神经网络架构能显著降低能耗，同时保持与ANN相当的解码性能。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- VIAVI 6G Test Bed 架构详解：介绍了T-1和T-2两个测试平台版本，包括高性能服务器、集成GPU、支持最高7.2GHz载波频率、400MHz带宽和8x8天线配置，以及Ubuntu/Debian实时内核和TensorFlow/PyTorch等软件环境。平台支持5G物理层，并已用于验证新波形、速率分割多址和AI调制等候选技术。
- 网络数字孪生与近实时射线追踪专题：详细阐述了射线追踪作为确定性信道建模技术的原理，展示路径损耗热图、基于真实世界数据的闭环验证架构，以及通过GPU加速和专利算法降低计算开销的方法，并说明如何与现场工具配合进行环境校准，使数字孪生与现实世界保持同步。
- 通信感知一体化测试方案：从感知信道模型出发，介绍路径增益、延迟、多普勒、到达角/离开角等关键参数在目标检测和定位中的作用，并展示基于射线追踪的ISAC测试场景，包括RCS估计、速度估计和微多普勒识别方法，以及32输入16输出双站ISAC系统的实时测试。
- AI辅助波束管理机制：对比全波束扫描、部分波束扫描和AI辅助扫描三种流程，说明AI-BM如何用少量测量预测最佳波束。重点介绍位置增强AI-BM方案，包括SLAM数据融合、神经网络结构和基于射线追踪的测试台，展示其在FR3厘米波频段的性能优势。
- 神经形态接收机与AI优化调制测试：介绍从传统接收机到神经网络接收机再到脉冲神经网络接收机的演进过程，展示神经形态接收机在端到端测试中的节能性能，以及与Samsung Research合作测试AI优化高阶调制的实验，包括星座图设计和AWGN信道下的训练过程。
- 面向RAN的AI关键性能指标框架：建议采用以通信为中心、以AI为中心和以能源效率为重点的三类KPI，包括BLER、BER、SER、吞吐量、频谱效率、普遍性、可解释性、能源效率和模型延迟，用于全面评估基于AI的算法在实际无线网络中的表现。
- 沉浸式XR与目标导向语义通信系统：报告与伦敦国王学院、Nokia Bell实验室合作，展示了面向Metaverse的天气预报视频传输场景，采用AI辅助信源信道编码提取虚拟形象骨骼和背景语义，结合RSMA多址向多个用户高效分发，验证了显著降低传输数据量的能力。
- 完整演示视频列表与参考文献：列出12个演示的YouTube链接，涵盖神经形态接收机、AI波束管理、数字孪生、语义通信、RSMA、OTFS、射线追踪ISAC等主题；附录收录24篇相关学术论文和标准引用，为深入研究和复现提供参考。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
