摘要：
在日前召开的“6G协同创新研讨会”上，中国工程院院士邬贺铨提出，尽管6G技术还在讨论中，考虑到5G在生态建设上遇到的挑战，6G的应用生态建设应该提前谋划、提早布局。
邬贺铨认为，从5G到6G，有可能会从纯粹解决连接问题发展为解决通信与计算融合的问题，并且推动这种融合广泛应用。
但6G会采用什么技术，现在还不是特别明确。邬贺铨说：“3G在定义之初就以希望提高数据业务能力为目标，从开始制定标准到实现商用，3G用了15年时间，在这段时间中，互联网的发展今非昔比，虽然3G选择切入数据业务，但对互联网的发展程度估计不足。因此尽管3G时代催生了智能手机，但智能手机的出现又凸显出移动通信数据传输能力不足的短板。”
“而数据传输能力得到近百倍提升的4G，则是从2004年开始标准化，仅用6年就完成了从标准化到商用的过程，可以说4G是在市场的等待中开始商用的，一旦商用就释放出大量需求，很快激活了短视频应用，也引起了移动互联网的爆发。”邬贺铨说。
而5G从标准化到商用也是用6年时间完成，5G的设计初心是切入垂直行业，特别是工业领域。“在5G的应用生态建设上，我们低估了工业互联网的门槛；同时，也受限于手机屏幕的尺寸，5G能够支持的4K、8K超高清视频，也无法在手机上显现出优势，面对5G商用，可以说5G的生态并没有准备好。”邬贺铨说。
当前正处于6G关键技术研发窗口期，而中国是用户最多、技术布局最先进的5G市场。如何推进6G关键技术的研发？邬贺铨认为，研究6G技术要回归到市场需求上来，而不是一味追求网络速率的提升。
“从1G到4G基本上是需求牵引，市场在等待，一旦网络就绪新应用就能顺势而为，但5G网络能力与产业链上下游生态脱节，发展6G尤其要注重产业链上下游生态的培育，着力与相关行业实现协同创新。”邬贺铨表示。
邬贺铨认为，频率依然是6G发展生态的前置条件，但毫米波频段面临挑战，基于这一频段发展6G，会有较大的传输损耗和较多的干扰因素限制。目前行业内将超大规模天线作为6G研究的主要发力点，重点研究千级规模的天线阵子、3D MIMO、智能超表面（RIS）、分布式MIMO、通感融合MIMO等，但这些天线技术进一步发展也面临复杂度高、成本高和功耗大的挑战。
“5.5G的目标是实现峰值上行Gpbs级别,下行10Gbps级别，6G可以再把网络速率提高一些，但没有必要追求达到Tbps级别,目前还没有出现哪个应用是需要达到这个速度级别的，即使在个别超高带宽的应用，也可以通过载波聚合等技术实现。”邬贺铨表示。
同时6G仍然需要光传输系统的支持，光通信发展的空间还很大，既可以利用光的多波长提高容量，也可以利用光纤的频段技术提升容量。光通信技术支持未来6G网络的发展，不存在技术障碍。
邬贺铨对以下五个应用的生态建设以及会遇到的挑战做了进一步分析。
车联网是通信、IT和汽车三个产业的交汇，车载电子及联网服务将打造万亿元量级的新兴产业，车联网是5G/6G主要应用领域。目前不依赖于道路协同的智能座舱和单车智能已经在开放道路无驾驶员出租车试验。生态建设面临的挑战是车路协同基础设施建设与运营主体不明确，商业模式不清晰，生态不完善，制约了5G/6G车联网的发展。
非地面移动通信网（NTN）以地面移动通信为中心，将卫星通信融合到移动通信网络中，实现更广覆盖和应急时提供对移动网络的备份，同时将公众网移动终端纳入卫星用户范围，增强卫星通信的用户覆盖。发展星地融合，面临着时延长、多普勒频移大、频率干扰、波束管理、频繁切换等挑战。我国的卫星互联网频轨道资源受限，Q频段损耗大，移动通信频段需要严格干扰管理，境外落地站困难，这些都是是生态建设面临的严峻考验。
6G泛在连接有一个重要应用场景是高性能无线短距离通信，主要有三大趋势：一是从尽力而为走向质量保障；二是从单纯无线连接走向通信、感知、定位一体化；三是从自闭态走向开放对接各种应用生态。新型高性能无线短距离通信的挑战与创新在于，多系统共享频谱克服干扰同时要优化效果；要兼顾通信、感知、计算各个目标的同时，实现系统的综合优化；要支持原生应用及第三方应用生态。
6G要以突破的新型终端显示技术提升视频业务体验。5G面向行业应用呈现出慢热，要实现6G投资的良性循环还是需要消费应用的拉动。在手机上配裸眼3D屏或特制全息投影屏可观看3D视频，也可以装在头显上。目前的挑战是需要光学技术创新以降低成本及减轻重量。通常裸眼3D只有有限的最佳视点，利用人眼追踪技术实时定位人眼坐标，并储存此对图像像素重新排布改变最佳视点区域。另一方面，为了让移动芯片的VR/AR设备也能显示 出顶级的画质，需 将3D图形运算放在云端，让XR终端更加轻量化、平价化，VR的渲染体验关键指标是运动到成像的时延需控制在20毫秒以骨，其中上云的时延不能超过1毫秒。
AI大模型也是6G应用生态中的一个部分。中小企业可以在本地设备上部署，在基础大模型上提供调用接口及配套的低代码开发和模型编排等工具，加入企业自身数据对模型精细化调整后可进行个性化管理应用。挑战是目前垂直行业企业没有哪一家自建大模型，科研机构、互联网企业做的大模型都是语言类的大模型，并没有商业模式，而且互联网和科研机构的大模型并不懂垂直行业需求，需要推动双方合作，让垂直行业数据“扎”进去进行细调、量化以及场景迁移，把基础大模型变成行业的小模型。
来源：信息化时代
免责声明：所载内容来源互联网、微信公众号等公开渠道，我们对文中观点保持中立，仅供参考、交流等非商业目的。转载的稿件版权归原作者和机构所有，如有侵权，请联系我们删除。