报告概述
本白皮书系统阐述了6G网络与人工智能深度融合的变革趋势与技术路径。报告以“内生智能、能力开放、数字孪生”三大核心特征为基石，构建了云网边端分层智能架构，提出“大模型+小模型+网络智能体”的协同框架，并深入分析了智能数字孪生的双循环协作机制。报告旨在为通信行业从万物互联向智能万物互联的跃升提供理论指导与实战参考，推动网络从“连接管道”转变为“智能服务引擎”。
报告的核心结论
6G网络正从“数据管道”转型为“智能服务引擎”。
报告指出，6G网络不再仅充当信息传输管道，而是通过内生智能、能力开放和数字孪生三大特征，构建起集成通信、感知、计算与智能的新一代数字基础设施，主动为新兴应用提供智能化服务。
内生智能是6G通信系统的核心基础。
报告认为，内生智能意味着AI从5G时代的外部辅助工具变为6G网络架构的内生元素，实现自感知、自决策、自优化、自执行和自演进，这是6G网络达成高度自主运行的关键。
6G将实现从“万物互联”到“智能万物互联”的跃升。
报告强调，通过分布式智能和网络能力开放，6G推动互联万物向智能互联万物演进，释放全领域赋能潜力，使终端形态、应用场景、网络架构和服务体系发生根本性变革。
AI与6G融合带来终端、架构、场景和服务的四大核心变革。
报告详细阐述了四大变革：终端演进为智能体终端；网络架构从AI辅助转向AI原生；应用场景从互联升级为智能互联；服务体系从通信中心转向通信、感知、智能与计算深度融合。
报告回答的关键问题
6G网络为什么需要内生智能？
报告指出，传统规则驱动范式难以满足未来应用对空口效率、网络架构和服务能力的多维需求。内生智能通过数据驱动闭环和分层协作架构，赋予网络自感知、自决策和自演进能力，是突破现有瓶颈、实现自主运行和性能质变的关键。
AI和6G如何实现深度融合？
报告提出基于“大模型+小模型+网络智能体”的协同框架：信道基础模型负责物理层感知，网络运维大模型进行全局调度，网络智能体实现意图驱动的闭环实时控制。三者通过分层演进（从网元级到全域网）逐步融合。
6G能力开放如何赋能新兴应用？
报告认为，6G通过网络计算资源、网络数据和AI模型等核心能力开放，建立“运营商-开发者-用户”生态。关键技术包括云网边端AI协同、AI模型全生命周期管理和AI服务QoS保障，为机器人协作、智能体交互、分布式大模型训练等新兴应用提供全流程支撑。
智能数字孪生在6G中起什么作用？
报告指出，智能数字孪生（iNDT）是6G内生智能的核心机制。它通过内闭环验证和外闭环反馈的双循环协作，在数字空间预演AI策略，降低现网部署风险，加速模型迭代，并为网络精准优化、训练数据生成和技术创新提供实验室环境。
完整报告包含什么
- 核心变革与趋势：详细阐述AI-6G融合引发的四大核心变革——终端形式革命性进化、应用场景智能互联升级、网络架构智能重构、服务体系融合发展，并分析三大核心特征（内生智能、能力开放、数字孪生）的技术优势与分层发展路径。
- 6G智能网络架构：提出云网边端五层智能架构（终端设备、无线接入网、边缘智能脑、核心网、中央智能脑），强调AI元素服务化、多维异质资源协同、跨层端到端联合智能等设计原则，并内置内生智能、能力开放和数字孪生三大关键特性。
- 内生智能驱动6G演进：深入分析信道基础模型、网络运维大模型、网络智能体三大关键技术的运行机制与技术逻辑，涵盖多模态数据融合、跨域任务处理、意图驱动闭环控制等核心研究方向。
- 6G能力开放赋能新兴应用：系统阐述操作机制（资源、模型、服务三层开放）、关键技术（云网边端AI协同、AI模型全生命周期管理、AI服务QoS保障）以及发展趋势（全球智能连接、生态开放共生、服务精准定制、安全可信）。
- 智能数字孪生引领新范式：介绍6G智能数字孪生（iNDT）的双循环协作机制（内闭环验证与外闭环反馈），分析多维数据采集感知、网络动态建模、无线环境实时建模等关键技术，以及从单场景向跨域协同的发展趋势。
- 完整市场数据与趋势图表：白皮书包含多幅技术架构示意图、运行机制流程图和关键技术表格（如AI服务QoS指标要素表），直观展示6G智能网络的分层结构、模型协作逻辑和能力开放体系。
- 研究模型与评价维度：提出基于“大模型+小模型+网络智能体”的协同范式，以及“内闭环验证—外闭环反馈”的数字孪生双循环模型，为6G内生智能研究提供可操作的技术框架。
- 服务商分层与厂商分析：材料中虽未明确列出厂商分析，但报告聚焦于CICT Mobile（中信科移动）的技术方案，体现了其在6G与AI融合领域的研发积累与产业定位。
- 案例、方法、预测和选型框架：报告针对XR/全息通信、分布式群体智能、下一代智能终端等新兴服务需求，给出了技术预测和应用前景，并为网络运营商和设备商提供了分层部署策略和演进路线图。
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。
