6G時代將帶來根本性的變革——這很可能是無線電信網路中首個AI原生(AI-native)的世代。隨著AI預計將在6G中被廣泛應用，工程師們面臨著前所未有的挑戰：如何驗證一個比以往任何系統都更具動態性、更智慧且更快速的系統？
隨著AI與機器學習預計將成為6G標準的關鍵要素，通訊與運算的融合有望開創完全嶄新的應用領域，從即時數位孿生與智慧工廠，到自主移動與全像通訊皆然。
6G的發展將以國際電信聯盟(ITU)對2030年及以後行動網路與技術趨勢的展望為指引。
在2026年6月舉行的第三代合作夥伴計畫(3GPP)第112次技術規範小組會議上，3GPP批准了Release 21的時程表，這將是首個預計包含規範性6G規格工作的版本。這一點之所以重要，是因為它為業界提供了更清晰的路線圖，說明6G的需求、架構、通訊協定及最終技術細節將於何時制定完成。
即使標準尚未底定，業界的雄心壯志已然清晰可見。峰值資料傳輸速率可能達到每秒
50、100或200Gbps，而更高數值則仍有待進一步研究。空中介面延遲預計可低至0.1毫秒。此外，業界還設想了每平方公里高達1億台的裝置密度、每小時高達1,000公里的移動速度、1至10公分的定位精度，以及實現無所不在連接的願景。
數位孿生、智慧工廠與自主移動
6G與AI這兩大引擎，預計將驅動即時數位孿生、智慧工廠、高度自主移動、全像通訊及無所不在的邊緣智慧等令人振奮的新使用情境。
數位孿生有望成為強大的工具，用於即時建模、監測、管理、分析及模擬實體資產、資源、環境與情境。數位孿生網路可作為實體網路的複製品，實現無線通訊系統的即時最佳化與控制。6G所提出的整合感測與通訊(ISAC)等功能，將能有效串聯數位世界與實體世界。
工業應用預計也將受益匪淺。透過可靠的低延遲連接，6G與AI將能支援無所不在的即時資料蒐集、共享與決策。這將透過智慧裝置、工業物聯網(IoT)部署、自動導引車(AGV)及機器人，實現工廠的全面自動化運作。專用6G網路亦可簡化機場、海港、礦場及其他大型設施的營運流程。
自主移動領域則是另一項重大契機。AI輔助的自動駕駛、即時3D地圖繪製及高精度定位技術，可望提升自動駕駛車輛與蜂巢式車聯網(C-V2X)技術的效能。超低延遲與高可靠性將使AI驅動的控制系統，能根據來自攝影機、雷達、光達、基礎設施及周邊車輛的資料，即時做出決策。
為了實現安全的自主運作，邊緣AI對於即時障礙物偵測、避免碰撞及交通狀況感知至關重要。結合高資料傳輸速率、次毫秒級延遲(sub-millisecond latency)以及公分級定位能力，6G將能提供這些系統所需的通訊基礎設施。
全像通訊與邊緣智慧
全像遠端臨場(holographic telepresence)是6G最具企圖心的應用之一。透過整合多台攝影機、感測器、AI視覺模型及超高速網路，未來的系統將能創造逼真的3D虛擬化身，提供沉浸式的虛擬實境、擴增實境與混合實境體驗。
此類技術將徹底改變通訊、簡報、遠端協作、遊戲及電競領域。AI模型將生成並壓縮大量3D資料，再透過6G網路傳輸至具備AI能力的資料中心，並在該處進行即時重建。
6G的高頻寬與邊緣AI能力，對於傳輸大量資料、下載先進的AI模型，以及在邊緣裝置上部分或完全執行這些模型而言，都將至關重要。
這凸顯了6G的另一項決定性特徵：無所不在的邊緣智慧。
通訊與運算的融合——特別是透過邊緣運算與邊緣智慧——預計將把AI能力分散部署於整個網路中，並貼近資料來源。多存取邊緣運算(MEC)不僅能在無線存取網路中部署運算硬體，還能利用使用者裝置的運算能力。
應用程式可將資料和模型權重分散於雲端與邊緣裝置之間，以進行訓練與推論。這將支援分散式AI、聯邦學習、線上學習，以及智慧機器人、裝置與系統之間的即時協作。最終可能形成遍布整個網路運作的無所不在的智慧。
AI原生網路的崛起
雖然預期6G將推動新的AI應用，但AI也可望深度嵌入6G網路本身的設計與運作之中。
未來的通訊系統很可能同時包含設計階段與執行階段的AI模型，前者負責部署前最佳化與驗證網路，後者則能動態適應不斷變化的流量、地理及環境條件。
在空中介面層級，AI模型可強化核心無線電功能，例如符號偵測、通道估測、通道狀態資訊估計、波束選擇、調變及天線選擇。其中部分模型可能運行於使用者裝置上，部分運行於基地台，亦有部分同時運行於兩者之上。
AI輔助波束成形是另一個備受矚目的領域。預期AI將透過提升通道狀態資訊的精確度、最佳化波束預測、降低波束配對複雜度，以及支援可重構智慧表面，來輔助超大規模多輸入多輸出(UM-MIMO)系統。
在網路層面上，AI有望成為端到端最佳化的關鍵。研究人員設想的無線接取網路，將具備自我監控、自我組織、自我最佳化及自我修復的能力。
AI還可能將網路營運與維護功能自動化，例如預測性維護、流量預測、智慧資料感知、能源管理、移動性管理以及無線資源的動態分配。透過分析龐大的網路資料集，可提升威脅情資、即時監控、故障預測及網路安全防護能力。
運用AI設計與驗證6G
AI在6G中的廣泛應用帶來了一項新挑戰：工程師該如何驗證這些比以往任何一代無線網路都更具動態性、更智慧與更複雜的系統？
預期多種AI技術將有助於6G的設計、驗證與測試。強化學習在自我最佳化、網路設計與測試方面可能發揮重要作用。強化學習可透過自動探索複雜的網路參數組合並找出瓶頸，來支援無線存取網路最佳化、增強波束成形、自主功能測試及效能測試。
深度神經網路有望改善通道估測與通道狀態資訊壓縮，特別是在雜訊及高度動態的環境中。目前正研究利用Transformer架構來壓縮通道回饋，而圖神經網路則可透過建模網路元件間的關係，支援移動性管理、干擾緩解及資源分配。
生成式AI技術也可能變得相當重要。生成對抗網路(GANs)可用於生成逼真的無線通道資料、支援去雜訊與異常偵測，並為未來網路的測試生成合成環境。
數位孿生也將發揮重要作用。這些對真實世界網路的細緻虛擬呈現，能夠模擬整個系統與元件，並支援對使用者、基礎設施及網路環境的整合建模。在大型實體部署成為可能之前，此類能力對於測試複雜的最佳化問題可能至關重要。
由AI生成的合成數據，預計也將在6G技術的開發中發揮關鍵作用，特別是在實體量測既困難又昂貴的次太赫茲(sub-THz)頻段。由AI驅動的模擬、通道模型及專用測試平台，將能提供逼真的環境，用於驗證新的硬體、軟體及網路架構。
未來的挑戰
儘管AI驅動的6G網路前景可期，但仍面臨重大挑戰。
AI與6G的整合預計將涉及資料隱私、安全性、可解釋性、資源限制及標準化等問題。隨著AI在管理關鍵通訊基礎設施方面日益自主，工程師和營運商將需要信任其決策，並理解這些決策的形成過程。
AI系統仍容易受到分布外錯誤、資料稀缺、過度擬合、可解釋性不足及「幻覺」等問題的影響。為解決這些疑慮，研究人員正探索可解釋AI方法、以物理為基礎的模型、硬體迴路(HIL)測試以及穩健的驗證框架。
各組織還需管理網路安全風險、確保網路具備抵禦攻擊的韌性，並避免過度的能源消耗。與此同時，隨著6G與AI標準持續演進，要在營運商、供應商及監管環境之間實現全球互通性，可能面臨艱鉅挑戰。
然而，越來越明確的是，AI與6G極有可能共同演進。6G能為下一代智慧應用提供所需的連接性、頻寬與反應能力，但AI則可能成為設計、最佳化、運作及驗證網路本身的基礎技術。兩者結合，有望在未來十年重塑各產業，並創造出完全嶄新的數位體驗。