【主编观点】肖泳：迈入网络智能3.0——移动智能体信息通信网

专题客座主编

华中科技大学教授，IMT-2030（6G）推进组网络智能组副组长，入选国家级人才计划青年项目。曾任美国自然科学基金NSF大学与工业联合研究计划资助的BWAC大型研究中心Center Manager。在国际电信联盟ITU-T牵头多项国际标准。担任CCF A类推荐期刊IEEE Transactions on Mobile Computing副编辑和20多个专业主流期刊和会议的技术委员会成员。牵头获湖北省科技进步一等奖和IET全球创新奖。研究兴趣包括无线通信、云/雾/边缘计算、网络智能、语义通信和语义认知网络等。

人工智能与信息通信网络的深入融合被普遍认为是未来通信网络系统发展的重要趋势之一。尽管人工智能已经在自然语言、图像与视频处理及生成等方面展现出卓越的性能，然而在通信网络领域的应用仍处于初始阶段。具体而言，虽然5G从R15版本就已引入网络数据分析功能（NWDAF, Network Data Analytics Function）模块处理网络中传输和产生的各类数据，但仍然与全自治网络相去甚远。此外，所谓网络“内生智能”的具体实现路径与理论方法也尚未形成共识。

造成上述困境的原因主要有两个方面。首先，从通信网络技术角度，由于隐私保护等原因，通信网络中传输和处理的数据一般已在源端进行过压缩和加密处理，因此其源数据内部的结构特征已被减弱或完全消除；同时，不同应用和设备对数据的处理和加密方式及格式也有所不同，导致网络中的数据存在高度异构性和随机性等特点，因此难以直接应用现有以模式识别和特征提取为主的人工智能算法与模型进行处理。

其次，从人工智能本身的局限性角度，现有模型与技术仍面临如下挑战：

（1）高度依赖高质量数据集：现有人工智能算法主要依赖人工或半人工标注的、具有较显著结构特征的数据集进行模型的训练和调优。例如，在自然语言处理和视觉图像处理为主的应用中，所处理的训练数据具有较为清晰的结构特征，如语法和语义特征等。但是，通信网络中的大量数据并不具备较为普适和明显的结构特征，难以用于高质量的通信网络模型训练和调优。

（2）人工智能模型的功能和目标有限：人工智能模型一般仅针对特定目标和任务的开发和部署。虽然已有面向多任务的人工智能算法和模型，但这类模型普遍存在泛化性和个性化误差之间难以兼顾等问题。此外，模型结构一般在选定并开始训练后便无法再做调整和修改。因此，如何针对高度随机性和动态性且功能复杂的通信网络设计高效、普适性的智能功能模块和人工智能模型仍是一大难题。

（3）通用和确定性智能仍难以实现：目前主要的人工智能算法，尤其是以深度神经网络为代表的先进人工智能算法，在通用性和确定性等方面仍然难以提供100%的保障，因此难以部署和应用于通信网络基础设施这类对可靠性、确定性和可控性要求极高的社会重要基础设施。近年来，美国和欧洲先后发布了相关政策，禁止在包括军事和国家基础设施等极敏感和高安全领域使用和部署“黑盒式”人工智能技术。

（4）数据隐私保护：如前所述，通信网络中传输的大量数据在源端就已经过加密处理，因此一般难以通过数据分析推理出数据源或用户的私有特征与偏好，导致目前主要的网络智能技术应用仍以应用层为主。

尽管上述困境目前仍难以找到简单、直接且有效的解决方案，但学术界和工业界都已经开始积极寻求解决方案。例如在人工智能领域，业界已经针对通用人工智能（AGI）的发展方向提出了各自的技术路线。例如，近期Open AI提出了AGI的五个发展阶段（Stages），包括聊天机器人（Chatbots）、推理者（Reasoner）、智能体（Agents）、创新者（Innovators）和组织者（Organizer），并预计在2027年实现最高阶的AGI“组织者”。而谷歌公司DeepMind也提出了AGI的五个等级（Level），即初级（Emerging）、技术员（Competent）、专家（Expert）、大师（Virtuoso）和超人类（Superhuman）。从上述技术路线不难发现，未来AGI技术的发展会更加依赖信息通信网络。具体而言，依靠单一云模型或者本地小模型的网络智能所具有的诸多局限性已经日渐显现出来，未来的人工智能技术需要依赖高性能信息网以实现不同智能体之间的无缝交互、协同与合作。

从通信网络发展与演进的角度，我们也需要针对网络智能的发展方向研究对应的技术路线。具体而言，从网络智能的应用和发展规律来看，我们可以大致将网络智能发展划分为五个阶段：

（1）应用侧智能，即人工智能技术仅在应用层进行部署和实现，而通信网络仍以数据传递为主，并不对传输的数据进行任何处理和决策。

（2）分布式跨层智能，人工智能技术开始部署到除了应用层之外的其他层中，如网络层、物理层等。例如，近日欧美主流AI公司联合成立的AI-RAN联盟主要致力于将AI和接入网进行深度融合，实现包括智能资源分配、网络感知等功能。

（3）智能体信息网，即网络中将部署具有不同能力、类型和层次的智能体，不同智能体之间通过网络进行交互与协作，共同完成特定的功能和任务目标。

（4）自学习网络，即网络可以在与人类的交互过程中自动学习、更新和校准人类用户的需求和操作，并具备未知场景的推理，如潜在未知隐患的发现及提醒功能。

（5）全自治网络，即信息通信网络可自动学习、更新并自行发现隐患，并自行决策，实现高性能、高稳定和高可靠的信息通信，全程无需人类干预。我们将上述网络智能的发展阶段简称为网络智能1.0（应用侧智能）到5.0阶段（全自治网络）。

目前，我们仍处在网络智能2.0的初期，该阶段的典型标志包括3GPP R19中已经得到进一步扩展的NWDAF功能模块。该模块中已经定义了分布式学习等在内的多个网络智能功能和能力。6G时代将有望全面实现网络智能3.0，即移动智能体信息通信网。因此，目前亟需针对移动智能体信息通信网开展前期理论研究和技术储备，为网络智能从2.0到3.0的平稳过渡奠定坚实基础。

目录 | 2025年第6期 本期专题：6G卫星互联网

目录 | 2025年第7期 本期专题：语义通信与语义信息论基础理论与关键技术

每期目录 | 近期征稿 | 专题链接

《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国通信学会《信息通信领域高质量科技期刊分级目录》入选期刊、中国电子学会《电子技术、通信技术领域高质量科技期刊分级目录》入选期刊、中国应用型核心期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。