【導讀】在MWC巴塞羅那2026這一全球科技盛會上，高通技術公司展示了其對于未來連接范式的深刻洞察：6G不再僅僅是峰值數據速率的線性提升，而是一個“AI原生”的智能系統。通過深度融合感知、數字孿生與物理AI，高通正致力于將6G的能力邊界從單一的連接擴展至情境感知、分布式計算與智能協同的全新維度。本次展示不僅涵蓋了超大規模MIMO、子帶全雙工等基礎技術的演進，更揭示了智能體AI、增強現實（AR）體驗以及通感一體化（ISAC）如何重塑終端、網絡與服務之間的互動關系。
今年高通的演示圍繞三大主題：6G基礎技術演進、打造新體驗的AI原生設計，以及面向效率提升與新服務的感知賦能的數字孿生平臺。
在MWC巴塞羅那2026展示6G技術領導力
6G基礎技術演進：新頻譜、新技術、早期生態協同
6G始于可規模化擴展的系統設計選擇：如何利用大帶寬、如何提高頻譜效率，以及空口如何演進以實現更智能的運行。
端到端6G原型系統
今年，關于如何借助新頻譜使用、大帶寬和先進技術推動無線性能實現下一次飛躍，系統級核心原型進行了探索。該原型系統展示了超大規模MIMO、概率整形和子帶全雙工，在結合更高頻譜效率的同時，提高上下行鏈路吞吐量。這些基礎性創新表明，6G正朝著更智能、更高效的系統形態演進，以支撐未來數據密集型應用。
6G射頻校準與互操作性測試
與此同時，我們攜手領先的基礎設施供應商，進行6G射頻對準與互操作性測試，以推進早期生態驗證。通過對新頻譜使用、大帶寬和關鍵射頻前端性能目標進行驗證，這些測試標志著實現預期中6G性能飛躍的重要一步。
基于AI的聯合信源與信道編碼
高通技術公司和諾基亞貝爾實驗室合作開發的一項互補性的概念驗證，將基于AI的聯合信源和信道編碼應用于HARQ反饋機制。系統通過學習真實世界網絡狀況，并對反饋信令進行實時自適應，有效降低了誤碼率和不必要的重傳次數，不僅能夠提升當下的可靠性和效率，還將為未來6G網絡中智能化、AI原生的空口接口奠定基礎。
AI原生體驗與服務：讓連接適應意圖、情境和計算需求
隨著AI驅動的應用不斷演進，系統面臨的核心挑戰已從傳輸比特轉變為保持始終一致的體驗。分布式計算、協同通信與情境感知自適應，由此成為新的重要課題。
智能體AI和AR體驗
智能體AI與AR體驗依賴持續感知、記憶和回溯能力。要在規模化場景下支持這些能力，需要重新思考終端計算與連接的方式。本演示展示了基于分布式計算賦能的AI回溯用例——AI工作負載（例如視覺記憶的生產與檢索）能根據鏈路條件與功耗約束，在終端與網絡邊緣之間動態遷移。演示還呈現了協同通信賦能的“見我所見”用例：多個蜂窩聯網終端相互協作，共同支撐業務體驗，從而提升系統的可靠性、擴大覆蓋范圍并降低時延。上述能力綜合展示了6G如何在更高效地管理終端約束與網絡資源的同時，支持AI驅動的AR體驗。
AI賦能的情境感知通信
第二項演示聚焦于面向6G、AI賦能的情境感知通信——終端側AI讓連接能夠根據業務意圖、所處情境以及動態變化的網絡環境實現自適應調整。技術方向旨在構建AI原生協議：無需完全依賴傳統服務質量（QoS）機制，即可為視頻通話、云游戲等應用提供更具適應性的性能表現，并最終實現網絡的響應方式與其所支撐的應用體驗真正匹配。
規模化部署網絡計算與推理服務
隨著模型能力持續提升，未來的連接將不僅作為傳輸數據的通道，還需助力智能，到達所需之處。本演示揭示了6G如何通過在終端與邊緣網絡之間分布式部署智能，幫助終端獲取更強大的AI能力，同時兼顧能耗、時延與可靠性。演示還為運營商指明了全新的服務機遇，而隱私與安全始終是其中不可忽視的核心考量。
利用終端側AI智能體增強蜂窩體驗
終端側智能體AI還指向一種更主動的模式，以實現體驗連續性。本演示重點展示終端如何綜合應用（app）行為、網絡狀況與環境情境，主動識別性能問題并進行預先調整，從而提升日常移動場景下的體驗連續性。
感知 + 數字孿生：擴展服務能力，提升運營效率
通感一體化（ISAC）讓無線通信突破單純的連接功能，延伸至感知領域。ISAC與AI、無線電數字孿生相結合，不僅為全新服務機遇開辟路徑，也為無線系統的高效運營創造了全新實現方式。
6G感知與智能分類
本演示通過三個實時場景，重點展示了實時目標檢測、追蹤與分類能力， 包括：無人機的檢測與分類、在限定區域內的遠距離車輛探測，以及對車輛的精準追蹤。這項工作推動移動網絡超越純粹的連接功能，賦能安全、安防與智慧城市等領域的智能應用，并為數字孿生平臺開辟了全新的服務方向與應用可能。
通過感知與AI實現可擴展的無線電數字孿生
感知技術賦能的高保真無線電數字孿生，可用于持續調優網絡性能、降低系統開銷，并賦能新型服務的落地。本演示展示了網絡集成射頻感知與AI相結合，如何在6G中構建可擴展、持續更新的無線電數字孿生。
基于數字孿生的人工智能/機器學習（AI/ML）模型訓練
無線環境日趨動態復雜，終端所用的AI模型（比如波束預測模型）必須在不能依賴大規模空口OTA數據采集的情況下，實現高效自適應。本演示重點展示了如何利用無線電數字孿生生成的合成訓練數據，在規模化條件下訓練面向特定環境的AI模型，進而降低網絡流量、能耗與運營開銷。將這預訓練模型與輕量級終端側自適應機制相結合，為面向6G的無線AI模型的高效生命周期管理提供了可行方向。
6G網絡和終端節能
能效對6G來說是基本要求。本演示重點展示了通感一體化（ISAC）和無線電數字孿生如何優化網絡和終端側的功耗。通過結合射頻感知與AI、數字孿生輔助無線電建模，以及終端級低功耗運維技術（如喚醒接收器），6G系統能夠動態調整資源配置、減少能源浪費，同時保障良好的用戶體驗。
不斷演進的非地面網絡（NTN）：將寬帶擴展至地面邊界之外
非地面網絡（NTN）持續演進，3GPP生態系統也將蜂窩連接擴展至傳統地面系統的覆蓋范圍之外。本演示探討了毫米波NTN如何支持高性能鏈路，并擴大可靠寬帶通信的接入范圍。
寬帶NTN的演進
本演示探索了下一代寬帶接入終端如何利用毫米波頻譜，提供高性能的衛星連接。演示結果表明，借助緊湊型硬件、先進的波束捷變能力和移動衛星的實時自適應能力，可以在更廣泛的區域提供穩健、高速的寬帶接入。
實現毫米波衛星直連終端NTN
本演示重點展示了毫米波NTN如何擴展全球連接能力，為手機、汽車和無人機等終端，提供高速通信鏈路。通過衛星直連手持終端通信的演示，展示了高頻頻譜、先進天線技術和6G時代系統設計融合后，如何在更廣泛的場景下提供快速可靠的接入。
總結
高通在MWC 2026上的技術演示清晰地勾勒出6G發展的三大核心支柱：堅實的技術底座、AI原生的體驗重構以及感知賦能的效率革命。從端到端原型系統的互操作性驗證，到基于AI的聯合信源信道編碼創新；從支持智能體回溯與協同通信的分布式架構，到利用數字孿生實現網絡能效優化與模型訓練，這些成果共同證明了6G正在成為支撐未來千行百業數字化升級的“智能底座”。
