有專家將5G網絡中引入的AI比作是“外掛式”、“嫁接式”AI，在6G網絡設計之初，業界有意愿將AI設計成6G的“神經網絡”。浙江大學教授張朝陽在日前的6G系列研討會上表示，無線AI可能會改變經典通信系統的模塊化架構和通信范式，甚至實現6G智能空中接口。

未來通信是大規模復雜系統

張朝陽表示，未來通信系統是大規模復雜系統，同時還有空、天、地、海的超大距離連接，應用場景復雜多樣，人、機、物存在其中，網絡的動態特性增加。

經典的通信范式是基于給定的需求、場景和資源分而治之，采用分層、分區、分簇的方式滿足需求，將時、空、頻切片滿足不同的場景，由此導致全局的狀態空間異質化、分布化、碎片化和非連續化。

張朝陽說，經典通信范式往往是基于局部有限場景，而且高度依賴于信道模型，因此必須針對不同的信道模型進行復雜的測量。經典的通信范式有一些明顯的不足，信號設計高度依賴模型，使確定性場景的細節缺失。

具體來說，經典的通信架構和范式是基于給定的需求、場景、資源分而治之，基于局部有限狀態進行局部優化控制，基于簡約參數設計模型進行收發處理，面向瞬時樣本序劃進行實時小數據計算，基于單用戶通信模式實現多用戶傳輸;；未來的通信網絡要轉向智能場景，具備情境感知能力，數據和模型融合處理，全維資源挖掘利用，對海量時空樣本的分布狀態做空間利用，全網多用戶智能分布協作。從而實現全面感知、全局優化，提升資源效用和容量時延性能。

無線AI原理性框架已初步建立

人工智能為通信架構和范式轉變提供了手段。張朝陽認為，通過云、邊、端海量分布數據和大狀態空間的挖掘利用，會極大提升網絡的感知和學習能力，實現接近全局最優的性能，促進網絡智能的形成，以提供高度智能的服務。

當前，無線AI已經受到國內外研究機構的高度重視和關注。無線AI的原理性框架和系統架構已經初步建立，AI優化、遷移、壓縮等理論快速發展，AI增強無線通信系統性能的機理和相應性能極限則有待進一步探索。

MIT、UIUC、GaTech、香港科大、西安交大和浙大等高校已經展開了相關探索，各種算法紛紛被提出，AI增強的編碼調制、MIMO傳輸、波束成形、信道估計、干擾協調、資源分配等等，機器學習框架和優化算法不斷得到驗證。IEEE通信學會啟動了“基于機器學習的通信新興技術研究計劃”，歐盟Horizon2020啟動“智能網絡與服務”6G研究項目，日本、韓國也開展了相關計劃。

近年，AI用于5G和6G的國際討論非常活躍。有專家提出6G網絡將從軟件化向智能化發展，具備環境感知、資源挖掘、分布學習能力，甚至實現6G智能空中接口;也有學者提出了針對物聯網的機器學習架構。

例如針對大規模異構接入場景，在動態頻譜接入上，實現分布感知小樣本實時學習，利用深度學習和深度強化學習、水庫計算等方法，實現有效的未來大規模機器設備的動態隨機接入，從而提高頻率效率。

國內學者還提出利用無線AI做頻譜、能量、緩存、計算等資源的深度挖掘，提升無線網絡的自治能力，而且適用于物聯網、車聯網等動態部署場景。

張朝陽說，無線AI會實現網絡系統端到端優化設計，還能夠充分利用網絡的傳輸樣本，將數據和算力變為資源的一部分，進一步提升資源效率，促進通信與計算、存儲更深地融合。未來將以網絡為平臺、以用戶為中心、以數據為原料、以算力為動能，使網絡綜合服務能力得到顯著提升。

同時，無線AI也面臨很多基礎性問題，包括架構、數據、模型、算法等方面，這些問題的本質是通信與計算融合的問題，也是物理與數學在信息領域的前沿交叉，迫切需要深入研究和探索。