作者 | 周雅

来源 | 科技行者

如果要用一句话总结今年MWC2026给人的总体观感，那或许是，AI正在进行一场深度的“二次渗透”。它沿着两条看似独立、实则相互咬合的路径渗透——一端，是越来越贴身的个人AI，渗入手表、眼镜、胸针、耳机这些近身设备，试图比你更懂你；另一端，是越来越有脑的网络，它把感知与计算注入到基站与RAN。

而把这两条路径拧成一根绳的，是6G——一个被高通定义为“连接、感知、计算”三位一体、天生就是AI原生的网络。

6G：不止于连接的AI原生平台

“我们为何现在要讨论6G？谁在期待它？为何如此紧迫？”

在与我们的交流中，高通技术公司执行副总裁兼技术规划、边缘解决方案与数据中心业务总经理马德嘉（Durga Malladi）开门见山抛出了通信行业的共同议题。确实，当5G还在持续演进时（目前处于5G-A阶段），过早谈论6G似乎显得有些“不合时宜”。

但高通的答案却异常坚定：时机已到，且刻不容缓。因为一个与5G并行发展的巨大变量——人工智能已经坐上牌桌。

“5G在演进，AI也在狂奔，这两项技术在未来都蕴含巨大潜力。”马德嘉解释说，“所以，我们现在必须开始规划一个全新的蜂窝平台，它能够融合两者优势，在单一技术体系中加以整合。”

这些思考，最终凝聚成了高通首次在MWC上完整阐述的6G愿景。它不再是围绕“连接”单一维度的线性升级，而是搭建了三大基石：连接（Connection）、广域感知（Wide-Area Sensing）和高性能计算（High-Performance Computing）。这三大基石，为未来的智能体验打下最深的地基。

高通技术公司执行副总裁兼技术规划、边缘解决方案与数据中心业务总经理马德嘉（Durga Malladi）

基石一：被AI重塑的「连接」。

连接，作为移动通信的本行，这在6G时代依然是核心。但重点变了。

过去，从3G到5G，我们对连接的追求主要集中在“下行链路”——更快的下载速度，意味着更流畅的视频、更快的游戏加载速度。然而，随着AI，特别是端侧AI应用的兴起，一个长期被忽视的瓶颈开始冒出来：上行链路。

高通技术公司工程技术副总裁季庭方博士

高通技术公司工程技术副总裁季庭方博士一语中的：“现在下行速率已经做到很快，但是上行链路相对会受到限制，因为在此前的应用中，上行的数据量比较有限。但从去年开始，智能体设备（比如智能体手机）出现，上行数据量一下子增加了很多。未来十年，你要随时跟AI交互，上行能力绝对会成为一个瓶颈。”

换言之，当未来的AI眼镜、AI胸针等个人AI设备成为主界面时，设备需要一秒不落地把看到的画面、听到的声音上传，以获取云端或边缘侧的AI分析与反馈。这种持续性的数据上传需求，对上行带宽和时延提出了高要求。

所以，6G从一开始就把“提升上行能力”放在了核心位置。季庭方抛出了几条硬核的技术路径：

譬如，6G打算引入“全双工（FDX）”概念。现在的5G网络就像一条限时的单行道，大部分时间用来接收（下行），只有很小一部分时间允许你发送（上行），这是因为现有的子带双工采用“时分双工（TDD）”，通常是“4收1发”的配置，4个时序用于接收，1个时序用于发射，只有1/4至1/5的时间来发射信号。而全双工技术，能让数据的收和发在同一个瞬间同时进行，这就打破时延的紧箍咒。

再譬如，向更高频段演进，以及天线数量的增加，也为提升上行能力提供了新解法。传统的单天线通常是全向辐射，发出的电磁波是发散的，就像个“灯泡”把信号向四面八方乱撒，极度浪费能量；但在6G高频段下，天线矩阵就像“聚光灯”，能极其精准地把信号“打”向基站。这样一来，就算手机发射功率卡在200毫瓦的安全红线内，基站也能稳稳接住这股集中的能量。此外，高通还在同步推进底层波形的改进，单靠波形优化，就能额外带来2倍的上行链路增益。

当然，未来的连接并非只有6G一条路。在室内和企业环境中，Wi-Fi 依然是不可或缺的关键角色。

对此，高通技术公司副总裁兼无线基础设施与联网业务总经理Ganesh Swaminathan在采访中，也给出了清晰定位：“在高通看来，蜂窝网络与 Wi-Fi 并非替代关系，而是互补关系。”他解释道，“未来十年，越来越多的应用场景、不同的带宽要求，以及在延迟、覆盖范围方面的敏感度需求，将最终决定在特定场景中哪种技术更适合被采用。”这种蜂窝与Wi-Fi的互补共生，共同构成了AI时代的连接底座。

高通技术公司副总裁兼无线基础设施与联网业务总经理Ganesh Swaminathan

基石二：让网络睁开眼睛的「广域感知」。

如果说重塑连接是在修路，那么“感知”能力，则是6G赋予移动通信网络的一项全新维度，也是6G相较于前几代技术最独特的超能力。

这项技术，在业内被称为「通感一体」（ISAC）。简单来说，就是利用无线电波在传播过程中弹射、反射的物理特性，反推出周围物体的距离、速度甚至形状。本质上，它让基站变成了一个个低分辨率但覆盖范围极广的雷达。基站，第一次拥有了自己的眼睛。

高通在MWC展台的现场演示，已经让它照进现实：利用Giga-MIMO（一种超大规模天线技术）的广域感知能力，实现了厘米级精度的无人机探测。季庭方告诉我们，在基站侧，Giga-MIMO技术能提升频谱的覆盖能力；在终端侧，由于频率越高，波长越短，天线尺寸越小，Giga-MIMO技术能在上中频段（Upper mid-band）可以集成更多天线，终端功能随之提升。

“感知是非常特殊的应用场景，需要广泛的网络覆盖，本质上是基于无线信号，这是运营商实现转型的重要切入点。”季庭方强调。

他从商业模式角度分析，目前运营商的安防监控主要依赖视频摄像头，如果把中国现有的400多万个5G基站，都变成新的广域感知传感器，就能获取更丰富的信息。6G的“射频感知（RF Sensing）”能力，可以在现有基础上叠加一层全新的信息维度。

譬如，有一个安防摄像头，目前它通过5G网络连接，将拍摄的视频画面回传，然后利用AI分析盒检测画面中的人员是否佩戴安全头盔，这是目前企业场景中的一种解决方案。如果进入6G时代，这个摄像头不仅是一条连接通路，本身也是一个雷达，无论是黑夜还是下雨，或者有人走到树后面被遮挡时，光学摄像头可能会失效，但射频信号却能够穿透这些障碍，依然实现有效感知。

基石三：让网络拥有大脑的「分布式高性能计算」。

网络有了眼睛，看到了海量数据，下一个致命问题来了：这天文数字般的数据，难道全塞给远端的云服务器去算？

马德嘉用一组极其现实的功耗对比，解释了数据处理的思路：“如果把AI推理完全放在终端侧，功耗只有5瓦左右；如果全部放到云端数据中心处理，单个机架的功耗高达100-200千瓦，需要用复杂的液冷系统才能维持运行。而如果放到网络侧（比如基站）处理呢？只需部署普通的风冷服务器和加速卡，功耗就能控制在100-300瓦。这样既降低了能耗，又兼顾了AI推理。”

这正是高通一直倡导的「混合AI（Hybrid AI）」或分布式计算路线。高通意识到，当AI从“训练”走向“推理”阶段，算力必须下沉到离用户更近的基站或边缘节点，可以在功耗和时延上取得巨大优势。在这个过程中，「边缘计算」其实涵盖了两个节点：一类是终端本身，另一类则是电信运营商的网络。对应到整体架构上，这就形成了端、网、云协同，这才是最优解。

“中国已经建了400多万个5G基站，这是一个极其庞大的计算节点规模，是运营商的重要资源。”季庭方指出。过去，基站边缘计算（MEC）一直雷声大雨点小，原因很简单——没有AI，无法调用算力。如今，终端AI催生的海量推理需求，刚好能把这些沉睡的计算节点彻底激活，运营商可以在遍布全国的基站中部署AI加速卡，构建一个分布式的AI推理网络。

当被问及这是否需要对现有RAN（无线接入网）架构进行调整时，马德嘉提出了高通的独特见解。他认为，网络中的工作负载可以分为两类：一类是传统的RAN协议栈处理，最适合由CPU完成；另一类则是AI推理，最适合由NPU完成。“两类工作负载的处理过程截然不同。业内存在另一种观点认为GPU能同时解决所有问题，我们认为这并非最优解，不同工作负载需要定制化处理方案。”这种异构计算的思路，体现了高通在芯片设计领域深厚的功力，以最优能效比来构建网络大脑。

连接、感知、计算，这三大基石共同构筑了6G的AI原生平台。为了推动6G往前发展，高通在MWC期间牵头打造了「6G发展共识」，目前已经集结了包括三大运营商在内的全球近60家合作伙伴。

“6G会是全球统一标准。”季庭方对此毫不怀疑，“一旦出现不同标准，整个生态系统将难以承受。”而这份涵盖了全球主要玩家的共识，正是迈向统一标准的第一步，也是最关键的一步。

不止于手机，让AI跨端干活

当6G在宏观层面重塑网络的同时，在微观层面，一个由“个人AI”组成的微型宇宙正在爆发。

高通技术公司执行副总裁兼手机、计算和XR事业群总经理阿力克斯·卡图赞（Alex Katouzian）将目光拉回到了我们每个人身上。在他看来，AI眼镜、胸针等智能穿戴设备的爆发，核心并不在于某个App有多好用，而在于设备本身拥有了感知你生活的能力。

但现实很骨感：在巴掌大甚至硬币大小的可穿戴设备里，硬跑一个20亿参数的大模型，功耗真的撑得住吗？

为了解开这个痛点，卡图赞抛出了高通的一套神级调度方案，他称之为“Good-Better-Best（良好-更佳-最佳）”的分层处理模式。

第一层是“Good（良好）”。遇到最简单、要求秒回的日常小事，比如调个设备设置、快速查个本地信息，由可穿戴设备自身的NPU直接处理。卡图赞评价这种本地直出的体验：“非常实用，且时延超低。”

第二层是“Better（更佳）”。遇到稍微复杂点的问题，可穿戴设备绝不自己死磕，而是通过蓝牙或Wi-Fi，把任务顺滑地“甩”给兜里的手机或包里的PC。要知道，现在的手机和PC已经能跑起100亿甚至200亿参数的模型了，哪怕在不联网的离线状态下，也能给出极高质量的回答。

第三层是“Best（最佳）”。只有遇到那种需要上知天文下知地理、需要海量知识推理的终极难题，任务才会被最终抛上云端，交给云端的超大模型来降维打击。

正是这套“三级火箭”式的算力接力，平衡了时延、功耗与性能的“不可能三角”。它让你的智能设备既能随时召唤顶级AI，又不至于半天就耗尽电量。

在硬件的极限压榨上，卡图赞透露了一组极具反差感的数据：高通把芯片组架构的各项功能功耗，控制在了约1瓦的极低水平，更甚者，当某个模块运行时，根本不需要唤醒整块芯片上的其他组建，把能效表现做到极致。

得益于这种极高的集成度，现在的芯片主板只需占用眼镜框的一个微小角落，省出来的大把物理空间，全都可以用来塞电池。卡图赞表示，目前搭载骁龙芯片的AR眼镜已经能跑到约8小时续航，而在这种极致的功耗控制下，未来设备的续航有望被拉长到16至20小时。

高通技术公司执行副总裁兼手机、计算和XR事业群总经理阿力克斯·卡图赞（Alex Katouzian）

但新痛点也随之而来：试想一下，未来你手腕上戴着智能手表，鼻梁上架着智能眼镜，胸前还别着个AI胸针。这三四件神仙打架的设备，怎么知道彼此在干嘛？我们独一份的个人信息，又怎么在它们之间丝滑流转？

对此，卡图赞抛出了极其务实的两条策略：

第一条叫“高通搭台”：用一套标准软件打天下。

如果你买的设备来自不同厂商，没有那种完美的“全家桶”生态怎么办？高通直接提供一整套参考设计平台，其中包含一套软件栈以及配套App可供下载。

卡图赞拿一款基于高通SDK开发的智能胸针举了个例子：当你把胸针和手机App连上后，App会通过主动向你提问，来了解你的个人信息（这些数据建议留在端侧并进行私有云备份）。此外，这个App还是个“调度大师”，当你有任务需求时，它会智能安排算力优先级，先让手机算，算不过来再顺滑地抛给ChatGPT或豆包等云端AI平台。“这些AI助手随着对你了解加深，给你提供的帮助就越来越有用。”

第二条叫“厂商全包”：借力OEM的原生生态闭环。

如果OEM厂商本身就同时生产手机和可穿戴设备，那事情就简单多了。卡图赞举例说：比如你买了一部手机，顺手搭了一副同品牌智能眼镜。拆开包装那一刻，它们在底层就已经自动建联了，并且无缝接入了这家厂商自研的AI助手。在这种原生生态里，所有的跨端协同、算力编排，终端厂商在出厂前就已经替你默默铺好了路。

简言之，一条路是高通造的一座“软件通用桥”，另一条路是头部大厂建好的“原生全家桶”。这两套方案并驾齐驱，确保了你的个人AI无论在哪家设备上，都能像串门一样无缝穿梭。

但这又引出了一个终极拷问：当这个AI被你训练得越来越个性化，几乎成了世界上的“另一个你”时，它的“数据”和“个性”到底存在哪儿？万一你把眼镜丢了，或者换了部新手机，这个最懂你的AI助手如何迁移？

卡图赞给出的方案是“端侧隐私”与“私有云备份”的结合。

“用户数据留在本地（端侧）绝对是最安全的，因为除了用户本人，任何人都无法访问这些数据。”卡图赞先强调了端侧处理的隐私优势，但为了防止设备遗失或更换带来的数据风险，高通强烈倡导把个人数据和模型备份到私有云。请注意，这里的私有云加了一道锁：“这些数据全部经过加密，必须用你本人的专属密钥才能解锁。无论是OEM厂商还是云服务供应商，均不持有该密钥。”

不止于数字世界，让AI走出屏幕拥抱物理世界

如果AI长出四肢和感官，它是否就能真正活过来，在这个物理世界里替我们倒水、搬砖甚至开车？

答案是肯定的，到那时候我们就毫无悬念地来到具身智能时代的新纪元。

在MWC同期的一场论坛上，高通技术公司执行副总裁兼汽车、工业及嵌入式物联网与机器人事业群总经理Nakul Duggal，为我们揭开了高通在具身智能领域的举措。

“我想大家都会同意，具身智能是个相对新的概念。”Duggal坦言。这个概念的核心，是让AI不仅处理信息的数字大脑，而是一个能够通过物理实体（如机器人、汽车）感知世界、并对世界施加影响的“行动派”。

这恰好与6G形成了完美闭环。6G的广域感知能力，相当于给物理建了一个实时的“数字孪生”地图，而具身智能机器人，就是在这个高精度地图里干活的执行者。

谈到机器人的设计，Duggal打了个比方：目前的智能驾驶汽车，充其量只是个“运输机器人”；但未来真正的物理机器人，要面对更复杂的挑战，如高精度的操作、与非结构化环境的交互等。

这需要全新的系统架构。这意味着，未来的机器人造物法则变了，硬件（四肢、手爪、传感器）与AI算法（大脑）必须被当成一个血脉相连的整体来设计，这才是真正的“物理智能”。

但现实问题随之而来：一个既要长眼睛又要长脑子的全能管家机器人，难道非得在肚子里塞一块极其昂贵、发热严重、一小时就把电吃光的超级芯片吗？

季庭方在采访中，给出了与上文“个人AI设备”一脉相承的解法——分布式智能。

“我完全可以想象，5年以后家里出现机器人的可能性很高。”季庭方畅想道，“怎么搞定算力和功耗？很简单，把VLA（视觉-语言-行动）模型拆开，把视觉部分做成小模型在本地运行，把语言部分放到运营商的云端去做推理。”

这个解耦思路，把高通的业务也串联了起来：

第一步（小脑反应）：用高通骁龙机器人平台（比如跃龙IQ10）化身机器人的“本地小脑”，可以在端侧运行中等规模的视觉模型，处理实时感知和快速反应，确保机器人走路不摔跤，做到毫秒级的条件反射。

第二步（神经传导）：通过6G网络这条超高速的“数字神经”，把那些需要深度思考、疯狂消耗算力的自然语言理解和复杂决策任务，瞬间卸载出去。

第三步（云端大脑）：卸载给谁？卸载给运营商基站里的边缘计算节点。这里部署着高通的高能效推理芯片（如高通AI100系列），它们以远低于传统数据中心的功耗，完成大规模AI模型的推理任务。

端侧管条件反射，边缘管深度思考，6G负责无缝连接。这套“端-边-云”协同的具身智能系统，让机器人既拥有了轻便低功耗的身体，同时又通过6G能随时召唤一个强大智慧的“云端大脑”。这使得通用智能机器人的实现，在商业和技术上都变得更加可行。

“距离上一次出现真正全新的终端类型（智能手机），已经接近20年了。”马德嘉感叹。4G时代的智能手机定义了过去二十年的移动生活，而6G时代，高通期望催生的，正是下一代颠覆性的终端物种。马德嘉在被问及手机是否会被取代时回答说，“手机不会消失，但你的使用方式会被彻底颠覆。”而按照卡图赞的说法：“未来的智能将不再局限于一块屏幕，而是以多种形态，如影随形地伴随用户。”

根据高通此次在MWC期间公布的6G时间表，6G将于2029年起正式商用，为了实现该目标，2027年要上原型机演示，2028年要出预商用方案。

距离2029年只剩短短三年。对埋头研发的工程师来说，三年转瞬即逝，用马德嘉的话说：“我们还有大量的工作待完成。”但对于站在新旧时代交替门口的我们来说，这三年，或许正是重塑下一个20年科技版图的最关键时刻。

· FIN ·

科技行者团队出品

150亿估值，融资一分没花，但18家全球顶级车企买单，一位物理AI公司CEO的反直觉创业经

“这枚戒指，也是一个能托住女性情绪的AI闺蜜”——特蕾莎「洛小安」创始人娄雪慈｜《原点Talk》Vol.3