GTI 6G与AI融合发展白皮书深度解读:技术路径与产业布局(2026)

发布时间: 2026年4月21日 | 分类: 6G通信 | 阅读时间: 约12分钟
6G AI融合 GTI 网络智能化 标准化
核心要点

一、GTI组织背景及其在6G标准中的角色

1.1 GTI组织简介

GTI(Global TD-LTE Initiative,TD-LTE全球发展倡议)成立于2011年2月,是由中国移动联合多家国际运营商和产业合作伙伴共同发起成立的产业合作平台。GTI的成立旨在推动TD-LTE(时分双工长期演进)技术在全球的规模化部署与商用。经过十余年发展,GTI已从最初的TD-LTE技术推广组织,演进为涵盖4G、5G乃至6G的综合性国际产业合作平台。

GTI成员单位已覆盖全球超过130个国家和地区的数百家运营商及企业,形成了庞大的国际产业生态。GTI的核心价值在于:一是搭建跨国技术交流与合作平台,推动技术标准统一;二是加速新技术的商用化进程;三是促进产业链上下游协同创新。

1.2 GTI在6G标准中的战略定位

进入6G时代,GTI积极转型,将工作重心从4G/5G逐步拓展至6G预研与标准化推进。GTI在6G标准中的角色主要体现在以下几个方面:

GTI在6G标准化中的核心作用

2025年以来,GTI专门成立了6G AI融合特设工作组,汇聚华为、中兴、中国移动、NTT DoCoMo、SK Telecom等主要厂商,围绕AI与6G的深度融合开展系统性的技术研究与标准推进工作。这一工作组的成立标志着GTI从传统的移动通信技术推广组织,向前沿技术预研与标准化平台的战略转型。

二、AI与6G融合的核心技术方向

GTI白皮书指出,AI与6G的融合将沿着三个核心技术方向展开:AI-RAN(无线接入网智能化)、AI-Core(核心网智能化)和边缘智能。这三个方向相互协同,共同构成6G智能化网络的完整技术体系。

2.1 AI-RAN:无线接入网的智能化重构

AI-RAN(AI-Radio Access Network)是AI技术渗透至无线接入网层面的核心应用。传统无线接入网以硬件为主导,功能相对固定;而AI-RAN通过引入人工智能算法,实现无线资源管理的智能化、动态化。

AI-RAN的核心能力包括:智能波束管理(通过深度学习预测用户位置与移动轨迹,提前完成波束切换)、自适应功率控制(根据实际业务需求动态调整发射功率,降低能耗)、干扰协调与抑制(AI驱动的干扰识别与协同调度),以及空口资源动态分配(基于业务类型与用户需求的实时资源调度)。

AI-RAN关键技术能力

2.2 AI-Core:核心网的深度智能化

AI-Core聚焦于6G核心网的智能化重构。在5G时代,核心网已经引入了SBA(服务化架构)和网络切片技术;而在6G时代,AI将成为核心网的"大脑",实现网络的自规划、自配置、自优化、自修复。

GTI白皮书将AI-Core的核心能力总结为四个维度:智能网络切片编排(AI根据业务需求自动创建、调整和优化网络切片)、意图驱动网络运维(运营商以自然语言描述业务意图,AI自动转化为网络配置策略)、分布式AI协同(核心网各功能模块之间的AI模型协同与知识共享),以及网络安全态势感知(AI实时监测网络安全威胁,自动触发防御机制)。

2.3 边缘智能:泛在计算能力的构建

边缘智能是6G AI融合的重要组成部分。随着AI模型规模持续增长,集中式云端处理面临时延、带宽和隐私的多重挑战。边缘智能通过将AI推理能力下沉至网络边缘,实现就近处理、即时响应。

在6G网络中,边缘智能将涵盖移动边缘计算(MEC)、用户平面功能(UPF)嵌入式AI推理、以及终端侧AI协同等多个层面。6G网络的超低时延(目标小于1毫秒端到端时延)和超大带宽特性,将为边缘智能提供强大的基础设施支撑。

三、白皮书核心观点:双演进路径

GTI白皮书提出了AI与6G融合的双演进路径框架,这是整份白皮书最具理论创新价值的核心观点。

3.1 路径一:智能化网络(AI for Network)

智能化网络(AI for Network)是指利用AI技术提升6G网络自身的运营效率、网络性能和资源利用效率。这是当前业界研究最为成熟、落地最快的方向。

在这一路径下,AI是工具,网络是对象。AI被用于网络规划(如智能基站选址、参数调优)、网络运维(如故障根因分析、告警压缩)、网络优化(如负载均衡、参数自适应)等各个环节。运营商通过引入AI,可以显著降低网络OPEX(运营成本),提升用户体验。

3.2 路径二:网络即智能(Network as AI)

网络即智能(Network as AI)是更具前瞻性的演进路径,其核心理念是将6G网络本身打造为一个分布式AI计算平台,使网络基础设施具备原生的AI推理与服务能力。

在这一路径下,网络不再仅仅是传输数据的通道,而是一个承载AI推理任务的分布式计算平台。6G网络的基站、核心网元、边缘节点都可以作为AI推理节点,协同完成复杂AI任务的分布式计算。这意味着未来的6G网络将同时提供连接服务(connectivity)和智能服务(intelligence)两类价值。

双演进路径对比

维度 AI for Network Network as AI
核心理念 用AI优化网络 网络本身即AI平台
成熟度 较高,部分已商用 研究早期,预估2030年后
典型应用 网络优化、故障预测 分布式AI推理、边缘智能
价值定位 提升网络自身效率 网络提供智能服务
技术挑战 模型精度、实时性 架构重构、算力分配

四、标准化进程:6G AI融合标准化流程图

为帮助读者更直观地理解6G AI融合标准化的整体进程,以下流程图展示了从技术预研到商用落地的完整标准化演进路径:

flowchart LR A["技术预研阶段\n2024-2026"] --> B["需求定义与架构设计\n2026-2027"] B --> C["标准草案制定\n2027-2028"] C --> D["3GPP/ITU标准评审\n2028-2029"] D --> E["商用规范编制\n2029-2030"] E --> F["试验网验证\n2028-2030"] F --> G["规模商用部署\n2030+"] style A fill:#dbeafe,stroke:#2563eb style G fill:#dcfce7,stroke:#16a34a style B fill:#e0e7ff,stroke:#4338ca style C fill:#e0e7ff,stroke:#4338ca style D fill:#fef3c7,stroke:#d97706 style E fill:#fef3c7,stroke:#d97706 style F fill:#fce7f3,stroke:#db2777 linkStyle 0 stroke:#2563eb,stroke-width:2px linkStyle 1 stroke:#4338ca,stroke-width:2px linkStyle 2 stroke:#4338ca,stroke-width:2px linkStyle 3 stroke:#d97706,stroke-width:2px linkStyle 4 stroke:#d97706,stroke-width:2px linkStyle 5 stroke:#db2777,stroke-width:2px linkStyle 6 stroke:#16a34a,stroke-width:2px

图1:6G AI融合标准化进程流程图

五、AI-RAN技术交互流程

以下时序图展示了AI-RAN架构中各功能实体之间的典型交互流程,包括业务请求、波束管理、资源调度等关键环节:

sequenceDiagram participant UE as 用户终端 participant DU as 分布式单元DU participant AI_RAN as AI-RAN控制器 participant CU as 集中单元CU participant Core as 6G核心网 UE->>AI_RAN: 发起业务请求 AI_RAN->>AI_RAN: AI分析业务类型与SLA需求 AI_RAN->>DU: 下发无线资源分配策略 DU->>UE: 动态分配时频资源块 AI_RAN->>AI_RAN: 实时监测信道状态 AI_RAN->>DU: 智能波束预置与切换指令 DU->>UE: 执行波束切换 UE->>DU: 上报信道状态信息CSI DU->>AI_RAN: 反馈资源利用效率 AI_RAN->>AI_RAN: 强化学习模型更新 AI_RAN->>CU: 汇报网络性能指标 AI_RAN->>Core: 申请边缘AI算力协同 Core-->>AI_RAN: 分配边缘AI推理资源 AI_RAN->>DU: 下发优化后的资源调度策略 Note over AI_RAN: 持续迭代优化,形成闭环控制

图2:AI-RAN技术交互时序图

六、6G智能化网络架构

以下架构图展示了6G智能化网络的整体技术架构,涵盖终端层、接入层、边缘层、核心层和协同编排层的完整层级设计:

flowchart TB subgraph Terminal["终端层"] T1["AI增强型终端"] T2["智能物联网设备"] T3["AR/VR终端"] end subgraph Access["接入层"] A1["AI-RAN控制器"] A2["智能基站\n(AAU+BBU)"] A3["边缘AI推理单元"] end subgraph Edge["边缘层"] E1["MEC平台"] E2["UPF+AI推理"] E3["分布式缓存"] end subgraph Core["核心层"] C1["AI-Core编排器"] C2["智能核心网元\n(AMF/SMF/UDM)"] C3["意图引擎"] end subgraph Orch["协同编排层"] O1["全网AI协同平台"] O2["数字孪生仿真系统"] O3["多域切片编排器"] end Terminal --> Access Access --> Edge Edge --> Core Core --> Orch Orch -.->|"全局策略下发"| Access Orch -.->|"资源协同"| Core style Terminal fill:#f0f9ff,stroke:#0284c7 style Access fill:#fef3c7,stroke:#d97706 style Edge fill:#fce7f3,stroke:#db2777 style Core fill:#dbeafe,stroke:#2563eb style Orch fill:#dcfce7,stroke:#16a34a

图3:6G智能化网络架构图

七、主要参与厂商及产业布局

7.1 华为:全栈AI能力输出

华为是GTI 6G AI融合工作的重要推动者之一。在AI-RAN领域,华为提出了"Intelligent RAN"理念,推出了基于AI的无线网络优化解决方案,该方案已在全球多个运营商网络中开展测试。在AI-Core方面,华为发布了智能核心网白皮书,提出"Autonomous Core"(自主核心网)愿景,目标是实现核心网的零接触运维。

华为还在GTI框架下积极推动AI模型标准化,提出了"电信大模型"概念,即面向电信网络垂直场景训练的大语言模型,可用于网络运维智能问答、故障诊断辅助等场景。

7.2 中兴:无线智能化深耕

中兴通讯在AI-RAN领域布局较为深入。中兴提出的"NodeEngine"方案将AI推理能力嵌入基站BBU,为运营商提供就近的边缘AI服务能力。此外,中兴在智能节能方面积累了丰富的实践经验,其AI驱动的基站休眠与唤醒方案已在多个省份的5G网络中得到验证,节能效果显著。

7.3 中国移动:运营商视角的顶层设计

作为GTI的创始成员和主要推动者,中国移动在6G AI融合中代表了运营商的核心利益与诉求。中国移动提出的"能力即服务"(CaaS)理念与白皮书中"网络即智能"的路径高度契合。中国移动还推动建立了"6G AI融合测试床",为产业链各方提供开放的技术验证平台。

在2025年中国移动全球合作伙伴大会上,中国移动正式发布了《6G AI融合技术白皮书》,系统阐述了运营商对6G AI融合的需求愿景、技术路径和商用预期,成为GTI白皮书的重要参考来源。

7.4 其他国际厂商动态

除中国厂商外,NTT DoCoMo、SK Telecom、Ericsson和Nokia等国际厂商也在GTI框架下积极参与6G AI融合标准讨论。值得关注的是,不同地区厂商对于AI与6G融合的优先级和路径选择存在一定差异:中国厂商更强调网络基础设施层面的AI融合,而欧美厂商则更关注AI原生(AI-Native)的网络架构设计。

八、2026年产业进展与商用预期

8.1 当前产业进展(截至2026年4月)

进入2026年,6G AI融合已经从技术预研阶段进入标准化推进的实质性阶段。产业层面的主要进展包括:

2026年6G AI融合产业进展

8.2 商用时间表预测

基于当前进展,GTI白皮书给出了6G AI融合技术的商用时间表预测:

技术方向 标准化完成 试验网验证 规模商用
AI-RAN(基础功能) 2028年 2029年 2030-2031年
AI-Core(核心网智能化) 2028-2029年 2029-2030年 2031-2032年
Network as AI(网络即智能) 2030年以后 2031-2032年 2033年+
边缘智能(泛在AI推理) 2029年 2030年 2031年

8.3 挑战与不确定性

尽管产业界对6G AI融合前景普遍乐观,但仍面临以下主要挑战:

九、总结与展望

GTI发布的《6G与AI融合发展白皮书》是当前最具系统性、最具产业影响力的6G AI融合指导文件之一。白皮书提出的"双演进路径"框架——AI for Network与Network as AI——为产业界提供了清晰的技术演进导航。

从产业格局看,中国厂商(华为、中兴、中国移动)在GTI框架下占据了显著优势地位。这既得益于中国在5G商用中积累的产业经验,也与中国市场对AI与网络融合的强烈需求密切相关。

展望未来,AI与6G的融合将重新定义通信网络的本质。从"连接管道"到"智能平台",6G网络将同时承载连接价值与智能价值,成为数字经济的基础设施底座。这一变革既为产业界带来了巨大的创新空间,也对技术标准、产业链协同和商业模式的变革提出了更高要求。