通信世界网消息（CWW）“保守估计到2034年，将有30%以上的数据流量由AI产生、而不是由人来产生。”在2026全球6G技术与产业生态大会期间，高通公司全球副总裁、中国区研发负责人、IEEE Fellow徐晧接受记者采访时，引用这组数字，谈及了下一代网络的角色可能发生的转变。
围绕这背后的逻辑，他进一步从终端生态、技术架构以及演进路径三个层面，给出了更具现实指向的解读。
高通公司全球副总裁、中国区研发负责人、IEEE Fellow徐晧博士接受采访
智能体发展改变交互方式：网络将承载更多服务
“我们可以看到从1G、2G、3G，一直到6G，对流量的需求不断提升。”在徐晧看来，通信技术的演进始终围绕两条主线：一是硬件能力增强，二是数据需求的规模化增长。
而AI的爆发，正在加速这一趋势。在徐晧看来，“这是我们在通信设计时必须要考虑的一个非常重要的因素”。
这种变化不仅体现在数量上，更体现在形态上。“不仅更多的智能体会在终端得到应用，随着多模态技术的演进，智能体还会把语音、图像、视频都作为其输入统一进行处理”，并直接生成结果。同时，用户与终端的交互方式，也正在转变。徐晧表示，“以智能手机为例，智能体可以根据用户的需求，调用不同应用，完成相对复杂的操作流程。。”
在他看来，这种“由AI驱动的交互方式”，将推动更多智能终端在5G Advanced到6G阶段快速普及，也意味着网络需要承载的，已经不只是数据，而是“任务”和“服务”。
“云、边、端共同推动”：6G的本质是协同架构
当智能体成为核心应用，一个关键问题随之而来：计算该放在哪里？徐晧给出的答案非常明确，“要打造良好的用户体验，AI需要云端、边缘和端侧协同运行。”
他观察到，一方面云端模型持续做大，“有非常多的大算力，大量GPU用在云端”；另一方面，端侧能力也在快速增强，“小模型的能力已经趋近于几年前千亿级模型的水平”。
这种“双向演进”，决定了未来的基本架构不会是单一中心，而是协同体系。以机器人为例，徐晧给出了一个具象的描述：“简单的运动控制可能直接用功耗和算力要求较低的小型芯片就能做到，但如果需要进行较强的推理，或者要深度规划，大多数机器人厂家会将这部分任务放到边缘云或者云端处理。”
更复杂的是，这些任务往往需要同时进行。“它一方面要看到周围的环境以保持平衡、避免摔倒，另外一方面要规划取快递的路径，同时还要整理玩具……这一系列任务需要同步完成。”因此，“至少在现阶段，这仍是一个需要端侧、边缘和云合作解决的场景模式”。
在这一体系中，连接能力成为关键支点。“要实现两端之间的无缝连接，就需要高速、高可靠、低时延的连接能力。”徐晧强调，“6G连接正是打通边、端、云整体架构的关键环节”。
“具备学习能力的网络”：积极推动AI在无线领域的应用
如果说架构的变化是表层，那么更深层的演进，发生在通信系统本身。
徐晧提到，当前一个重要挑战在于：“如果在某个环境中训练好的AI算法，怎么能保证它到了另一个城市、另一个基站，依然能正常工作？”
对此，高通正在探索相关技术路径。一方面，是尽可能扩展训练场景，“接触到的基站、环境越全面越好”；但他也坦言，“模型不可能见过全世界所有的场景”。因此，更现实的方案是引入端侧学习能力“如果不能工作，我们就采用一种叫on-device learning的方式……在新的环境中，传输一些导频给它，让它‘再学习一会儿，就能适应’。”
通过这种机制，“对原来的基础模型做一些调整和适配，它就能在新的环境中正常运行了”。这意味着，未来的通信网络会是具备持续学习能力的动态系统。
与此同时，AI也在优化通信本身。例如，“如何用AI辅助毫米波的波束管理”，“如何用AI实现信道反馈的压缩”，以及“如何用AI来理解基站和手机之间的信道信息反馈”等，均已进入验证探索阶段。
他还提到一个更具前瞻性的方向——利用感知技术来赋能AI：“如果我们能够通过无线通信信号感知周围环境，更好地识别物体表面的材质，就可以实现更精准的3D建图。”
从“提供连接”到“提供智能体”，从“数据传输”到“任务协同”，再到“自适应网络”，从徐晧的判断中，或可看到逐渐清晰的6G演进路径。正如他所说，“AI与6G的融合，是一个充满机遇、拥有非常多创新空间的领域”。而在这一进程中，通信网络本身，也正在成为智能体系的一部分。
