面向6G的物联网典型场景及能力要求研究.doc

下载

下载

240积分

300积分

下载

300积分

VIP价：240积分

IMT-2030(6G)推进组 IMT-2030(6G)Promotion Group 北京稻壳科技有限公司 Beijing Rice Hull Technology Co., Ltd. 地址：北京市朝阳区九住路 188 号 目录 第一章 研究背景.....................................................................................................................4 6G 发展趋势与愿景.............................................................................................4 面向6G 的物联网发展现状及挑战....................................................................4 面向6G 的物联网的发展趋势及愿景................................................................5 第二章 面向6G 的物联网典型应用场景 ..............................................................................6 6G 极低速物联网.................................................................................................8 智能农业...................................................................................................8 健康及状态监测.....................................................................................10 全生命周期溯源 .....................................................................................11 6G 低速物联网...................................................................................................13 智慧家庭.................................................................................................13 智慧零售.................................................................................................15 智慧运营.................................................................................................17 6G 中速物联网...................................................................................................18 物流状态监测.........................................................................................18 6G 高速物联网...................................................................................................20 无线闭环控制.........................................................................................20 工业机器人.............................................................................................22 本章小结............................................................................................................25 第三章 面向6G 的物联网技术需求与挑战 ........................................................................26 面向6G 的物联网关键技术..............................................................................26 海量连接.................................................................................................26 融合感知.................................................................................................30 极致通信.................................................................................................33 子网灵活组网.........................................................................................35 面向6G 的物联网支撑技术..............................................................................40 开放控制.................................................................................................40 内生智能.................................................................................................44 本章小结............................................................................................................50 第四章 面向6G 的物联网能力要求 ....................................................................................51 海量连接............................................................................................................51 融合感知............................................................................................................52 极致通信............................................................................................................52 子网灵活组网....................................................................................................53 开放控制............................................................................................................55 内生智能............................................................................................................57 本章小结............................................................................................................58 第五章 总结及展望 ..............................................................................................................59 参考文献 ...............................................................................................................................60 贡献单位 ...............................................................................................................................63 第一章 研究背景 6G 发展趋势与愿景 当前，第五代移动通信（5G）引领产业数字化，在垂直行业中的安防监控、AGV 通信 、天车远程控制等场景实现应用落地和价值赋能，验证了移动通信技术在行业业务中的应 用价值。5G-A 作为 5G 和 6G 的衔接，已开展通感一体、内生确定、无源物联网、沉浸 式通信等关键技术研究，希望进一步拓展蜂窝网络内生支持海量连接、感知融合、AI 等 能力，为迈向 6G 做好技术储备。 2023 年 6 月，ITU 发布《IMT 面向 2030 及未来发展的框架和总体目标建议书》， 明确了 6G 发展规划及总体目标，首次提出 6G 需要满足面向行业发展的超大规模连接、 工业环境通信、机器人交互等场景，将感知、AI、互操作等率先纳入能力需求，其提出 的九大应用趋势均与行业强相关。突出了对于物的连接和管理是未来 6G 赋能的核心场 景。去年，移动物联网连接数首次超过移动用户数，实现了“物超人”，然而其连接数仍 然仅占全球无线连接数的 %，且千亿级新增物资和哑终端仍然缺乏实时、低成本连 接的物联网技术支撑，面向海量连接场景，6G 发展空间巨大。 6G 将构建人、机、物智慧互联和智能体高效互通的新型网络，物联网成为 6G 实现海 量连接及互联互通的神经末梢，将实现物理世界中的人与人、人与物、物与物的高效智 能互联，打造泛在精细、实时可信、有机整合的数字世界，能够实时精确地反映和预测 物理世界的真实状态，助力行业进入人、机、物智慧互联，虚拟与现实深度融合的全新 时代，进一步拓展和延伸 5G、5G-A 能力，弥合数字技术与高质量经济发展需求间的间 隔，最终实现“万物智联、数字孪生”的美好愿景。 面向 6G 的物联网发展现状及挑战 物联网（Internet of Things, IoT）是指通过各种识别或传感设备（如传感器、RFID 标 签、二维码等）将物品与互联网连接起来，实现物品与物品、物品与人之间的信息交换 和通信，从而实现智能化识别、定位、跟踪、监控和管理的网络系统，基于海量数据， 支撑智能化服务拓展。 在 5G 的高速率、高可靠性、低时延等特性的加持，以及 5G-A 环境采能、感知能 力等拓展下，物联网实现了进一步的发展和创新，广泛应用于智能制造、智慧城市、智 能农业、智慧医疗和智能家居等多个领域。 然而，当前生活、生产、社会中还有万亿级哑终端和哑资产，同时在人工智能的告诉 发展下，对物联网的连接规模、数据维度、数据精度等提出了更高要求，这也为当下 的物联网技术带来了诸多挑战。 在网络覆盖方面，尽管 5G 和 NB-IoT 已经显著提升了网络覆盖范围，但在一些偏 远地区、地下场所和极端环境下，网络覆盖仍然不足。实现全要素的无缝、广泛网络覆 盖是物联网全面普及的重要前提。 在连接数量方面，随着全要素生产率提升、新质生产力构建要求，实物要素网联化 成为发展趋势，网络需要支持万亿级的连接数量。这要求网络架构具有更高的可扩展性 和稳定性，能够处理海量设备同时连接和通信的需求。 在通信可靠性方面，物联网应用尤其是在工业和医疗等关键领域，对通信的可靠性 要求极高。确保在各种环境下的通信稳定性和低延迟，防止数据丢失和通信中断，是提 升物联网应用可靠性的关键。 在功耗方面，许多物联网设备需要长期运行，且往往部署在无法频繁维护和更换电 池的场所。因此，降低设备的功耗，延长电池寿命，是物联网设备设计中的重要考虑因素 。 在智能融合方面，物联网不仅需要设备间的互联互通，还需要与大数据、人工智能 等技术深度融合，实现智能化的数据分析和处理，提供更高层次的智能服务。这要求物 联网系统具有强大的计算和处理能力。 在信息安全方面，随着联网设备的增多，数据安全和隐私保护问题变得更加突出。 物联网系统需要建立健全的安全保障机制，防止数据泄露、篡改和网络攻击，确保用户 隐私和数据安全。 这些挑战需要通过技术创新和产业合作来解决，以推动物联网的广泛应用和持续发 展，满足数字化和智能化生产生活的需求。随着 6G 和其他新一代数字技术的到来，物 联网将进一步扩展其应用范围和影响力，成为更加智能、高效和绿色社会中不可或缺的 基础设施，助力实现更美好的生活愿景。 面向 6G 的物联网的发展趋势及愿景 面向 6G 的物联网，即 6G 使能的物联网，是以 6G 网络为通信基础设施，面向物的连 接和感知服务。6G 为物联网提供超高速、低时延、多连接、高能效、智能化和安全的数据 传输，基于 6G 技术的深度赋能，物联网端到端系统能够实现更强大的智能和自主性，能 够实时精准感知环境、做出智能决策并提供个性化的服务。面向 6G 的物联网将通过技 术创新和深度融合，解决当前物联网面临的挑战，推动物联网向更高水平发展， 满足未 来数字经济和智能社会的需求。未来 6G 网络需要具备比 5G 更高的性能，支持Gbps 至 几十 Gbps 的用户体验速率，每平方公里千万至上亿的连接数密度，毫秒甚至亚毫秒级的 空口时延，每平方米 至数十 Gbps 的流量密度，每小时 1000 公里以上的移动性，数百 乃至 Tbps 的峰值速率。以上指标在原有 5G 的基础上将实现 10 至 100 倍的 提升。此外，6G 还进一步扩展了新的能力范畴，将需要支持微秒级的抖动，覆盖范围也 扩展至空天地海的全球覆盖，厘米级的感知和定位精度，人工智能的服务精度和效率也 将达到 90%以上。在 6G 的加持下，物联网的通信能力将实现大幅提升。 一是通信速率更高，6G 网络将提供更高的通信速率，支持每秒数百 Gbps 甚至 Tbps 的峰值速率，使得超高清视频、全息通信和虚拟现实（VR）等高带宽应用能够顺畅运行， 提升用户体验。 二是传输延迟更低可靠性更高，6G 将实现毫秒甚至亚毫秒级的空口时延，确保实 时应用如自动驾驶、远程医疗和工业自动化的可靠性和及时性。同时，6G 网络的高可 靠性将进一步保证数据传输的稳定性和安全性。 三是网络覆盖范围更大、支持连接数更多，6G 将扩展网络覆盖范围，实现空天地 海的全域覆盖，确保在偏远地区、海洋和太空等传统网络难以覆盖的区域也能提供高质 量的通信服务，满足各种环境下的连接需求。 四是网络安全性更高，6G 网络将加强信息安全和隐私保护，结合联邦学习、区块 链和量子通信等先进的加密技术，确保数据的安全传输和存储，防止网络攻击和数据泄 露，提升用户对物联网应用的信任度。 五是物联网应用更智能，面向 6G 的物联网将进一步扩展连接规模，有望支持万亿 级连接。基于海量物联网数据，与人工智能技术深度融合，可提供智能感知、分析和决 策功能，实现更高层次的智能服务。 未来，面向 6G 的物联网将在技术上深化 5G、5G-A 高速率、大连接、高可靠低时 延、通感一体、空天地一体等能力，拓展融合感知、内生智能、互操作等能力，推动物联 网应用的广泛普及和深度发展，其核心价值主要体现在个人生活、行业生产、社会生态 等领域，以满足未来数字经济和智能社会的各种需求。 第二章 面向6G的物联网典型应用场景 面向 6G 的物联网与现有的 5G-A 物联网密切相关，可以视为 5G-A 能力的延续与升 级。面向 6G 的物联网将进一步扩展应用场景的覆盖范围，强化全程全网的智能化管理 服务，涵盖智慧家庭、智慧运营等全新的场景，通过 AI 与传感技术的深度结合，实现 全面的数据运营与价值挖掘。与 5G-A 不同，面向 6G 的物联网不仅注重连接，还致力 于通过智能分析提升数据的实际应用价值。 为实现面向 6G 的物联网的网络化部署，达成“万物智联、泛在感知”的技术愿景， 支持全生产要素和全生命周期的智能化管理，需要考虑多元化的实际场景，体系化考虑 物联网技术演进的感知、连接、数据、智能、安全等能力。由于各类场景对速率、连接 数、成本、功耗等方面需求差异较大，但连接和数据传输是联网的基础，因此本文从极低 速、低速、中速及高速物联网作为依据分类分析。具体分类如下： 1. 6G 极低速物联网：这类技术将进一步降低功耗、提升设备连接密度，通过极低 成本、易部署、免维护、随时联网等能力，拓展实物要素的连接规模。 2. 6G 低速物联网：这类技术将在 6G 时代得到进一步增强，通过更优的网络覆盖和 更低的能耗支持，融合感知能力，实现更低成本、更广维度的感知数据采集。 3. 6G 中速物联网：这类技术将继续优化其数据传输效率和功耗管理能力，提升跨 区域供应链的智能协作水平，并为大范围设备监测提供更可靠的支持。 4. 6G 高速物联网：这类技术将进一步提升其时延、带宽、可靠性、组网灵活性，支持 更高精度的实时控制和协同作业，尤其是在工业控制、工业机器人等关键应用领域。 通过这些技术的不断演进，面向 6G 的物联网将能够更好地满足不同场景下的需求， 构建更加智能和高效的物联网生态系统。表 1 展示了四类物联网及其具体分类指标，包 括典型技术、速率、连接数、成本和功耗[1,2,3]。面向 6G 的物联网除了在传统典型技术指 标上进行优化之外，还更加关注感知与智能的深度融合，并且强调对数据价值的挖掘。这一 特性使得面向 6G 的物联网不仅仅是一个通信网络，更是一个智能化的数据处理和决策 支持平台。 表 1 四类物联网及其关键指标 物联网类 别 速率 连接规模 成本 功耗 关键出处 6G 极低速物 联网 <100kbps 大规模，百 万级别 极低 超低 LPWAN 技术规范 相关文档；NB-IoT Release 13 (TS ) 6G 低速物联 网 几十 kbps 至数 Mbps 大规模，适 用于中型场 景 低 低 3GPP Release 13/14 (TS )：NB- IoT 峰值速率（下 行 26kbps，上行 ），eMTC 峰值速率 1Mbps 6G 中速物联 网 10Mbps-100Mbps 中等规模， 区域性协同 中等 中等 3GPP Release 17/18 (TS )：6G RedCap 典型速率 50Mbps；LoRa 联 盟技术报告 6G 高速物联 网 >100Mbps 适中，适用 于高可靠需 求 高 高 3GPP Release 16 (TS )：5G NR 单用户峰值速 率 20Gbps， URLLC 时延 <1ms；IEEE (WiFi 7) 及后续标准；6G 愿景白皮书 注：功耗与成本特性遵循负相关定律（来源：IMT-2030 推进组《6G 典型场景与能 力白皮书》）；Ambient IoT 的跨层争议：同时出现在极低速/低速/中速三类（如表 1）， 反映其环境取能技术（RF/VLC 能量采集）可动态适配多速率场景（来源：IEEE IoT Journal）；6G RedCap 的定位分歧：在 3GPP Rel-18 中被归类为中速物联网（目标速率 50Mbps），但工业场景因其时延<5ms 特性要求纳入高速范畴（来源：5G-ACIA 白皮书）； LoRaWAN 速率悖论：理论速率 50kbps 属极低速，但实际组网中通过 TSCH 模式可达 2Mbps（来源：LoRa 联盟技术报告） 6G 极低速物联网 智能农业  场景描述 在智能农业系统中，精准种植与管理的关键在于实时监测和数据分析，这包括土壤 监测与分析、气象监测与灾害预警以及农作物生长监测。通过面向 6G 的物联网技术， 预计可达到每平方米 100 个设备的连接能力，这对于智能农业中大量部署的传感器和监 测设备至关重要, 大量的传感器部署对成本提出了挑战；确定长度的监测信息包也与极 低速物联网的速率范围（<100 kbps）匹配。这意味着农场中每个植物甚至每寸土地都可 以被精确监测和管理。农民可以实时获取土壤的温度、湿度、酸碱度和肥力等关键指标， 从 而进行精准施肥、灌溉和土壤改良。例如，在土壤湿度较低的地区，可以根据数据及时 进行灌溉，提高水资源的使用效率；而在土壤肥力不足的地方，可以精确施加所需肥料 ，提高肥料的利用效率并降低成本。同时，气象监测系统能够实时分析气温、降雨量、 光照强度和风速等条件，并在恶劣天气如暴雨、大风和霜冻来临前发出预警，使农民能 够及时采取防护措施，减少农作物损失。 农作物生长监测则利用高清摄像头和传感器等设备，监测植株高度、叶片颜色和果 实大小等生长状态，通过 6G 网络的高速传输和低延迟特性，将数据实时传输到管理平 台，使农业专家能够远程诊断并及时提供解决方案。 在智能灌溉与施肥方面，自动化灌溉系统根据土壤湿度、气象条件和作物需水规律 自动控制灌溉设备的开启和关闭，实现精准灌溉。面向 6G 的物联网技术确保了灌溉系统 的实时监控和远程控制，提高了灌溉的及时性和准确性。例如，在滴灌系统中，可以根 据不同作物的需水量精确控制滴灌的水量和时间，既满足作物生长需求又节约用水。精准 施肥系统则结合土壤肥力监测数据和农作物生长阶段，精确计算所需肥料的种类和数量， 通过施肥设备进行精准施肥。6G 网络的支持实现了施肥设备的智能化控制和远程操作， 提高了施肥效率，减少了肥料浪费和环境污染。通过这些技术的应用，农业生产变得更加 高效、可持续和环境友好。 表 2 智慧农业系统业务需求 业务场景 端到端时延 监测频率 精度要求 极低速物联网 的分类特征 土壤监测与分析 土壤信息上报： ≤30 秒 土壤监测更新频 率：10 分钟级别 测量误差在 ±2% 至 ±3% 极低速率、低功 耗、低成本 气象监测与灾害 预警 气象信息上报： ≤10 秒 灾害预警下发：≤1 秒 气象监测：1 分 钟级别 温度误差±℃ 至 ±℃之间 低功耗、低成本 自动化灌溉系统 自动化灌溉操作延 迟：≤5 秒 灌溉监测：1 分 钟级别 不敏感 低功耗、低成本 精准施肥系统 施肥系统自动化操 作延迟：≤5 秒 施肥监测：1 分 钟级别 不敏感 低功耗、低成本  业务需求 1. 实时数据更新需求：农业生产环境复杂多变，土壤状况受天气、灌溉、施肥等因素 影响频繁。因此，需要 6G 物联网能够实现更频繁、更实时的土壤数据监测与更新， 确 保农民能及时获取最新土壤信息，做出相应调整。比如在雨季，土壤湿度和养分流失情况 变化迅速，实时监测能帮助农民及时调整灌溉和施肥策略，防止土壤过湿或养分过度流失 影响作物生长。 2. 系统可靠性与稳定性提升：灌溉系统是农业生产中的关键环节，其可靠性和稳定 性直接影响农作物的生长和产量。6G 物联网应确保灌溉设备之间的稳定通信和远程控 制，减少因通信故障导致的灌溉失误。同时，具备智能故障检测和预警功能，当灌溉设 备出现异常时，能及时通知维护人员进行维修，保障灌溉系统的持续正常运行，避免因 灌溉问题造成农作物缺水或过涝。 健康及状态监测  场景描述 在现代养殖业中，通过实时监测养殖场内的温度、湿度、光照、氨气浓度和二氧化 碳浓度等环境参数，6G 网络能够确保多参数的同时监测和数据传输，从而调控养殖环 境，使其始终处于适宜状态。例如，在夏季高温时，系统会自动启动通风和降温设备以 降低圈舍温度；而在冬季，则会自动启动供暖设备以保持圈舍温暖。此外，空气质量监 测与净化系统能够实时监测养殖场内的有害气体和粉尘浓度，一旦超标，便自动启动通 风换气系统和空气过滤器等净化设备，以净化空气，减少呼吸道疾病的发生。 6G 网络的连接规模将大幅增加，预计到 2025 年全球网联设备总量将达到 250 亿台 ，这要求面向 6G 的物联网必须支持海量设备的连接，同时保持低成本和低功耗，以确 保设备的广泛部署和长期运行。 面向 6G 的物联网的低成本和低功耗特性对于养殖业尤为重要，因为大量的传感器 和监测设备需要部署在养殖场的各个角落。这些设备需要长时间运行，且往往分布在广 泛的地理区域，这就要求它们具有高效的能源利用和长时间的电池寿命。此外，6G 网 络的高可靠性和低时延特性对于动物健康监测和疾病防控也非常关键。通过在动物身上 佩戴传感器，可以实时监测它们的体温、心率和呼吸频率等体征参数。6G 网络的高速 数据传输和分析能力确保了在动物体征异常时系统能够及时发出警报，提醒养殖户关注 动物健康。 表 3 健康及状态监测业务需求 业务场景 端到端时延 监测频率 极低速物联网的分 类特征 环境参数监测 监测数据上报：≤10 秒 环境监测更新频 率：1 分钟级别 极低速率、低功耗 空气质量监测与净 化 空气质量数据上报≤ 30 秒 净化操作下发≤10 秒 空气质量数据上 报：1 分钟级别 低功耗、低成本 体征监测 监测数据上报：≤10 秒 体征监测：1 分钟 级别 极低速率、低功耗 疾病预警与诊断 监测数据上报：≤30 秒 预警信息下发≤10 秒 监测：1 分钟级别 低功耗、低成本  业务需求 1. 大数据驱动：收集的海量动物健康数据，包括历史体征数据、疾病发生记录、环 境数据等，构建基于大数据分析的疾病预警模型。通过机器学习和深度学习算法，挖掘 和分析价值，找出疾病发生与体征参数、环境因素等之间的潜在关联和规律。例如，分 析不同季节、不同养殖环境下动物感染某种疾病前的体征变化趋势，建立相应的预警模 型，当监测到的数据符合这些趋势时，提前发出疾病预警。 2. 养殖场内外全方位监测：建立全方位的疫情监测体系，包括对养殖场出入口、养 殖区域、动物活动场所、饲料储存区等内部区域的监控，以及对养殖场周边道路、人员 活动、野生动物出没等外部环境的监测，及时发现异常情况并分析解决建议。 3. 疫情信息追溯与共享：及时记录疫情发生的时间、地点、传播路径、防控措施等 详细信息，并将这些信息实时共享给相关部门和养殖户。通过对疫情信息的分析和总结， 吸 取经验教训，不断完善疫情防控体系和应急预案。 全生命周期溯源  场景描述 在现代养殖业中，通过 6G 技术的应用，饲料管理、养殖数据分析与决策支持以及 智能识别与管理等方面得到了显著的提升，面向 6G 的物联网技术在速率、连接规模、 成本和功耗等方面展现出了明显的优势。 首先，在饲料管理方面，面向 6G 的物联网技术能够实现对饲料储存、配送和投喂 过程的实时监控和管理。通过传感器监测饲料的存量、质量和投喂量，确保动物能够获 得充足且优质的饲料。同时，系统能够根据动物的生长阶段和体重等信息，自动调整饲 料的配方和投喂量，实现精准饲养。这种自动化和智能化的管理方式，提高了饲料的利 用效率，降低了成本，并且由于减少了人为干预，也降低了系统的整体功耗。 其次，养殖数据分析与决策支持系统通过收集和分析养殖过程中的各种数据，如动 物的生长数据、环境数据、健康数据等，为养殖户提供决策支持。例如，根据数据分析 结果，可以调整养殖密度、优化养殖流程，提高养殖效益。6G 网络的传输能力使得大量 数据能够快速收集和处理，支持即时的决策制定，这对于提高养殖效率和降低成本至关 重要。 最后，智能识别与管理技术利用射频识别（RFID）技术、图像识别技术等对动物进 行身份识别和管理。每只动物都佩戴有唯一的电子标签，记录动物的基本信息、免疫记 录、繁殖记录等。通过 6G 网络的高速传输，养殖户可以定时快速读取和更新动物的信 息，实现对动物的精准管理。这种技术的应用不仅提高了管理效率，而且由于 6G 网络 的高连接密度，可以实现大规模动物的实时跟踪和管理，同时，6G 技术的进步也有助 于降低相关设备的功耗和成本。 表 4 全生命周期溯源 业务场景 端到端时延 监测频率 极低速物联网的分 类特征 饲料管理 饲料数据上报：≤10 秒 投喂指令下发：≤10 秒 饲料存量监测：10 分钟级别 投喂监测：30 分钟 级别 低功耗、大规模连接 养殖数据分析与决策 支持 养殖数据上报：≤120 秒 数据监测：30 分钟 级别 低功耗、大规模连接 智能识别与管理 动物信息上报：≤60 秒 数据监测：30 分钟 级别 低功耗、大规模连接  业务需求 1. 智能环境调控系统：根据动物的生长阶段和实时环境数据，自动调节养殖场内的 各种环境因素。例如，在幼畜保育阶段，对温度和湿度的要求更为严格，系统可以根据预 设的参数自动调整供暖设备和加湿器的运行状态，为幼畜提供适宜的生长环境。同时， 系统 还能根据天气变化、养殖密度等动态因素进行自适应调整，实现环境调控的智能化和精 准化，提高养殖效率和动物福利。 2. 饲料投喂自动化与精准控制：能够根据动物的采食规律和实时的饥饿程度，自动 控制投喂量和投喂时间。通过在饲料槽中安装传感器，实时监测饲料的剩余量和动物的 采食情况，当饲料不足时自动补充，避免饲料浪费和过度投喂。同时，系统可以根据动 物的生长阶段和健康状况调整投喂策略，如对于生病或生长缓慢的动物，给予特殊的饲 料配方和投喂量，确保每只动物都能获得适宜的营养供应。 3. 繁殖数据记录与分析：能够记录每只动物的配种时间、配种方式、受孕情况、产 仔数量、产仔间隔等繁殖数据，并将这些数据上传到云端数据库。通过大数据分析，挖 掘繁殖数据中的潜在规律和影响因素，如不同种公畜与母畜的配种效果、季节对繁殖性 能的影响等。根据分析结果，调整繁殖计划和选种选配方案，提高养殖场的整体繁殖水 平和经济效益。 4. 系谱记录与追溯：通过电子标签、DNA 识别等技术，为每只动物建立准确的系 谱档案，记录其父母、祖父母及其他亲属的信息。通过系谱追溯，了解动物的遗传背景 和血缘关系，避免近亲繁殖，降低遗传疾病的发生风险。同时，系谱信息对于种畜的选 育和评估具有重要价值，能够帮助养殖场筛选出具有优良遗传性状的种畜，进行有针对 性的繁殖和遗传改良 6G 低速物联网 智慧家庭  场景描述 在智慧家庭场景中，设备之间的数据传输大多涉及小规模的数据包，这与低速物联 网的速率范围（100 kbps - 10 Mbps）高度契合。同时，智慧家庭涉及大量设备的互联， 如灯光、安防设备、家电等，这些设备的广泛部署对大规模设备连接提出了需求，而低速 物联网能够很好地支持这种大规模连接。此外，低成本的物联网技术非常适合智慧家庭中 大量设备的部署需求，显著降低了设备的部署和维护成本。低功耗是低速物联网的一大优势 ，特别是在智慧家庭中，许多设备需要长期待机且数据传输频率较低，低功耗设计能够延 长设备的电池寿命，减少维护频率和成本。 进入 6G 时代，智慧家庭服务将得到全面提升，在 5G 时代实现家电设备互联的基 础上，进一步延伸至更多家庭物资联网，例如食药品、服饰等，并通过更低成本的终端 设备和全面的服务能力，实现家庭和广域联网的协同，例如宠物、老人、小孩等。结合 更加先进的 AI 技术，为用户提供更加智能化、个性化、具有高度安全感的生活体验。  业务需求 智慧家庭设备根据应用场景可以分为智能灯光控制器、智能温控设备、智能家电、 智能安防设备（如智能摄像头、智能门锁等）、智能娱乐系统等。主要监测和控制指标 包括灯光亮度、室内温度和湿度、家电运行状态、安全监测（如门窗状态、火灾报警等） 以 及用户行为模式等，如表 5 所示。 智慧家庭的业务需求涵盖了便捷性、安全性、个性化服务以及能源效率等方面的智 能化管理。 表 5 智慧家庭业务需求 业务需求 端到端时延 监测频率 精度要求 低速物联网的 分类特征 智能厨房与烹饪 管理 购物清单生成时 间：≤2 秒 食材监测频率： 每 10 分钟 厨具操作延 迟：≤1 秒 低速率、低功耗、 大规模连接 智能穿戴与衣物 管理 推荐穿衣搭配时 间：≤1 秒 衣物状态监测更 新频率：天级别 无 低功耗、低成本 智能温控与环境 调节 环境参数调节响应 时间：≤1 秒 无 温度调节误 差 ：±1℃；湿度 调节误差： ±5% 低速率、低功耗 智能家电与家庭 自动化 设备互联响应时 间：≤100ms 无 家电自动化操 作延迟：≤ 500ms 低功耗、大规 模连接 智能安防与监控 警报推送延迟：≤ 100ms 无 安防事件识别 准确率：≥ 98%；监控视 频延迟：≤1 秒 低速率、低功 耗、低成本 智能娱乐系统 语音指令响应时 间：≤100ms 无 行为感知准确 率：≥95%；娱 乐系统自动启 动时间：≤1 秒 低速率、低功耗 、大规模连接 在智慧家庭场景中，涉及以下具体业务： 1. 智能厨房与烹饪管理：通过物联网设备监测冰箱中的食材存量，结合用户的饮食 偏好，智慧厨房系统可以自动生成购物清单，并推荐食材采购地点。同时，用户只需表 达想吃的菜肴，系统即可智能分析家中现有食材，告知用户所缺食材，并推送附近商店 的购买信息。更进一步，智慧厨房还能够自动启动相应的厨具进行烹饪操作，自动调节 烤箱温度、启动抽烟机、调味料量推送等，大大简化了烹饪过程。 2. 智能穿戴与衣物管理：智慧家庭能够通过传感器和 AI 技术，实时监测用户的着 装需求和衣物状况。系统根据天气、季节变化以及用户的日程安排，自动推荐合适的穿 衣搭配，同时管理洗衣机、烘干机等设备，实现智能化的衣物护理。用户可以享受智能 化穿衣、清洁等服务，提升生活便利性。 3. 智能温控与环境调节：通过温度、湿度、光线等传感器，系统能够自动调节室内 的温度、湿度、光照等环境参数，确保家庭环境的舒适度。例如，系统可以根据天气情况 或家庭成员的日程安排，提前启动空调、地暖等设备，智能调节取暖或降温，确保用户 回到家时拥有适宜的环境温度。 4. 智能家电与家庭自动化：智慧家庭中的各类家电通过物联网平台实现互联互通， 家电设备可以根据用户习惯自动运行。例如，用户早晨起床时，咖啡机自动煮好咖啡， 窗帘自动打开，扫地机器人开始清扫房间。在用户离家后，系统可以自动关闭不必要的电 器，提升能源效率。 5. 智能安防与监控：智慧家庭的安防系统通过传感器、智能门锁、监控摄像头等设 备，实现全天候的家庭安全监控。系统可以识别家中异常活动，如门窗开启、火灾、漏水 等情况，并通过移动设备向用户实时推送警报信息。此外，用户也可以通过智能摄像头 远程查看家中情况，实时掌握家庭安全动态。 6. 智能娱乐系统：智慧家庭通过语音助手、智能音响、家庭影院等设备，提供丰富 的娱乐体验。用户只需语音指令，即可控制影音设备、播放音乐或启动家庭影院。系统 还可以根据感知用户的行为自动开启定制化的功能，实现个性化的娱乐体验，如感知到 主人躺在沙发上时，自动播放舒缓放松的音乐，将灯光自动调成温暖的色调。 智慧零售  场景描述 门店数字化管理场景指的是通过数字化技术和工具对商超零售门店的各个环节进 行优化和管理，以提升运营效率、顾客体验和决策准确性。该场景涉及库存管理、顾客 行为分析、销售数据分析、员工管理、供应链优化等方面。 1. 资产盘点：传统的资产盘点过程依赖人工使用扫码枪，每月月底需要耗时多天来 盘点门店资产，这种方法不仅耗费大量人力和时间，而且容易出现人为错误，影响盘点 的准确性和效率。在传统的仓储管理中，当货物到达仓库时，需要人工逐个扫码确认出 入库，企业希望实现自动化批量出入库，提高管理效率。 2. 陈列核查：传统的人工核查方式耗时费力，员工需要拿着服装陈列手册，逐件核 查店内的服装。特别是在门店内商品种类繁多、数量庞大的情况下，更是给员工带来了巨 大的工作量和压力，核查过程严重影响顾客的购物体验。在拥有数千家连锁店的企业中，管 理和维护每一家门店的标准化陈列是一个巨大的挑战，为了确保全国各地的门店都能按照 总部的陈列标准进行商品摆放，企业通常采用飞行检查的方式进行现场核查， 耗费大量的 人力、时间和财力。此外，飞行检查的突击性和随机性，也暴露出来无法做到全天候、全区 域的实时陈列核查的问题。 3. 零售结账：传统结账方式，需人工逐件扫码，效率低下，特别是在购物高峰期， 如周末、节假日或促销活动期间，顾客数量激增，结账速度显著降低，常常导致收银台前 排起长队。顾客在结账时需要等待较长时间，影响了购物体验，甚至可能导致部分顾客因 等待时间过长而放弃购买。此外，人工逐件扫码的过程也容易出现漏扫、重复扫描或商品价 格信息错误等问题，需要顾客和收银员进行核对和纠正，进一步增加了结账时间。 4. 门店防盗：传统防盗门影响美观，且无法预警。传统防盗门主要通过感应商品标签 或传感器来检测未付账的商品，并在检测到异常时发出警报。然而，这种警报往往是在顾 客已经通过防盗门时才会触发，无法实现预警功能，只能在事后进行警报和提醒， 起到的 防盗效果有限。  业务需求 智慧零售根据应用场景可以分为自动化盘点、自动化出入库、智能化陈列核查、无 人化智慧结账、无感知防盗等，主要目的是进行门店资产监管、客户偏好分析以及营销 策略优化等，如表 6 所示。智慧零售的业务需求涵盖了实时性、可视性、个性化服务等 方面的智能化管理。 表 6 智慧零售业务需求 业务需求 端到端时延 监测频率 精度要求 低速物联网的 分类特征 自动化盘点 资产盘点结果生成 时间：≤2min 资产盘点频率： 每天 盘点准确率： ≥99% 低速率、低功耗、 低成本、大规模 连接 自动化出入库 出入库识别时间： ≤5 秒 出入库识别频 率：7*24h 出入库识别准 确率：≥99% 低功耗、低成本 智能化陈列核查 陈列结果生成时 间：≤1h 资产陈列频率： 每天 陈列核查准确 率：≥99% 低速率、低功 耗、大规模连接 无人化智慧结账 设备响应时间：≤ 100ms 运营时段 无人结账准确 率：≥99% 低功耗、低成 本 无感知防盗 警报推送延迟：≤ 100ms 运营时段 盗窃事件识别 准确率：≥98% 低速率、低功 耗、低成本 1. 自动化盘点：实现自动化盘点，实时获取库存数据，以减少每月人工盘点的时间 和人力成本，及时发现缺货或积压情况，优化库存管理。 2. 自动化出入库：期望实现货物到达仓库时的自动批量出入库确认，提高管理效率 和准确性，能够实现无缝、快速的货物入库和出库操作，减少人工干预，提升运营效率。 3. 智能化陈列核查：自动核查商品陈列位置，减少人工核查的工作量，确保陈列的 一致性，能够通过智能系统实现全天候、全区域的实时监控和核查。 4. 无人化智慧结账：提升结账速度，减少顾客排队时间，提高购物体验是门店数字 化管理的迫切需求，智慧结账系统使得顾客可以快速、便捷地完成结账过程，提升门店 的服务效率和顾客满意度。 5. 无感知防盗：线下门店亟需不影响店铺美观且能实时预警的防盗系统，提高防盗 效果，提前检测和防止盗窃行为发生，同时保持店铺的整洁美观，提升顾客的购物体验。 智慧运营  场景描述 智慧运营涵盖千行百业，核心是流程优化，通过数字化技术、物联网、大数据分析 和人工智能等手段，为各行业提供了全新的运营方式，提升全要素生产效率、优化资源 配置，并显著降低运营成本。 在多个行业中，企业面临不同系统、部门或合作伙伴之间底层数据获取及共享困难的 挑战，形成了“数据孤岛”，导致业务决策效率低下、运营透明度不足。零售企业的线下门 店在商品盘点及陈列数据、客户行为数据、客户偏好及售卖转化率等方面，普遍依赖员工 手动采集或主观判断，缺乏自动化获取手段；制造企业则因生产数据与市场需求数据的整合 不足，导致供应链反应迟缓。这些数据孤立现象阻碍了企业形成全局视图， 影响运营优化 和决策的准确性。智慧运营通过实时监控系统实现对各业务流程的全面掌控，并在异常情况 或突发事件中快速响应，提升了各行业的灵活性与反应速度。例如， 物流行业监控运输车辆 的实时位置，能源行业则通过监控电网状态及时预防故障扩散。智能预测进一步帮助各行业 精准管理需求与资源分配，零售企业依托历史数据预测市场需求优化库存，制造企业利用设 备数据预防停机。自动化技术则通过优化运营流程，减少人力干预，显著提高制造业的生产 效率与物流行业的仓储配送效率。同时，消费者对个性化服务的需求日益增长，企业通过全 渠道数据融合提升个性化推荐和服务响应，从而提高客户满意度。智慧运营的核心目标是通 过资源优化和成本控制，提升业务灵活性与利润率，各行业如制造、物流和能源正通过智能 系统优化资源配置，减少浪费并降低成本。  业务需求 1. 底层数据获取及整合：实现跨平台、跨部门的数据整合，并通过搭建统一的数据中 台，有效获取并汇总企业各业务模块的底层数据，包括生产、供应链、市场等数据， 实现 数据的实时更新与共享，确保为决策者提供全面且实时的全局视图。 2. 实时监控与快速响应：实现对关键业务环节的实时监控和数据采集，确保企业在 运营过程中获得即时、准确的数据支持。此外，智能分析平台应具备异常情况的预测与 自动化决策能力，能够在风险发生之前进行预判，并迅速做出相应的响应措施，从而提 升企业的应急处理能力和运营安全性。 3. 智能预测与需求管理：构建基于底层数据和 AI 技术的智能预测模型，能够综合 考虑历史数据（生产数据、物流数据、销售数据等）、实时信息和外部影响因素（如市 场趋势、竞争对手动态等），以提供准确的预测结果。同时，这些智能模型还需满足自 适应自我学习和优化，以应对快速变化的市场需求和环境。 4. 个性化服务与客户体验提升：借助 AI 算法分析客户的个性化需求和行为偏好， 及时推送相关的产品或服务。具备实时响应的能力，确保在客户需求发生变化时，能够 迅速做出调整，提供一致且优质的客户体验。 5. 资源优化与成本控制：基于更全面的生产资源信息、生产进度信息、业务排期信 息等，合理地安排和调整生产资源和生产节奏，减少浪费并提升产能。利用大数据分析 和优化算法，对资源配置进行精细化管理。 6G 中速物联网 物流状态监测  场景描述 在物流状态监测场景中，数据传输通常需要较高的速度和较低的延迟，以确保货物 位置、温湿度和运输状态等信息的实时更新，这要求网络能够提供足够的带宽，这与中 速物联网的速率范围（10 Mbps - 100 Mbps）相契合。由于物流监测涉及广泛的传感器和 设备互联，如仓库管理系统、运输车辆和包裹追踪设备，这些设备的广泛部署对网络的规 模连接能力提出了需求。低功耗网络设计对于物流监测设备来说同样重要，因为许多设 备需要长期运行且数据传输频率较低，低功耗设计能够延长设备的电池寿命，减少维护 频率和成本，从而提高整体的物流监测效率。 6G 时代，通过更深度、广泛的网络覆盖，更低成本、多维度的连接和感知能力，结合 AI 技术，物流监测将不再仅仅是设备的远程控制，而是实现对物流环境、设备、运输路 径等方面的全面监控、管理与优化。智能设备可以根据货物的行为和需求自动调整或执行 任务，实现物流的全面智能化管理，进一步提升了物流的便捷性、舒适性和个性化服务水平 。6G 技术也将提供越来越复杂的地理定位功能，定位精度大幅度提升，通信时延进一步降 低，并具有超高的可靠性，甚至使远程实时控制和自动驾驶车辆成为可能。此外，6G 网络将 融合地面移动通信、近地空间平台、无人机平台、中低轨卫星等技术， 将 2D 网络覆盖升级 为 3D 网络，实现空天地海一体化的全覆盖，解决空天地海覆盖受限 的问题，扩大物流监测范围。  业务需求 在物流状态监测中，冷链物流、高价值物品运输、危险品运输、农业产品运输和医药 物流等具体场景都需要进行实时监控。现有的物联网物流追踪方案在成本、电池寿命、网络 覆盖、数据安全、设备兼容性、环境适应性、数据处理与分析以及延迟与准确性等方面仍 需改进，以实现更高效、可靠和智能的物流追踪管理。未来 6G 有望通过支持低功耗连接 ，例如基站蜂窝反向散射通信、终端支持环境自采能等技术，形成可以支撑万物互联的更 低成本、更低功耗的底层感知能力。具体业务对网络的需求如下。 表 7 物流状态监测业务需求 业务需求 端到端时延 监测频率 精度要求 中速物联网的 分类特征 实时货物追踪 货物追踪更新 时间：≤2 秒 货物移动监 测：秒级别 位置追踪精 度：≤1 米 中等速率、中等 规模连接 货物环境监测 环境变化响应 时间：≤1 秒 温湿度监 测 ：小于 10 分 钟 温度监测精 度： ±℃；湿度 监测精度： ±5% 中等功耗、较低 成本 仓储管理优化 库存更新时 间：≤1 秒 库存监测： 小时级别 库存计数精 度：100% 中等功耗、中等 规模连接 运输车辆管理 车辆状态更新 时间：≤1 秒 车辆位置监 测：不低于 1 秒/次 车辆状态监测 精度：≥95% 中等功耗、中等 规模连接 在物流监测场景中，涉及以下具体业务： 1. 实时货物追踪与智能优化：提供更高的数据传输速率和更低的延迟，通过在货物上 和物流节点（如仓库、运输车辆、配送点）部署超低成本感知终端，对大量包裹进行有 效追踪，实时监控货物的位置和状态，如运输途中的实时位置、速度、方向等信息， 并 通过物联网网络将数据快速传输到中心服务器进行分析和处理，实现智能优化物流路径 和调度资源，全程透明化管理，有效提高物流效率并减少快件损失。 2. 货物环境监测：更全面、实时地对货物运输过程中的环境条件如温度、湿度、光 线、震动等进行监测。在冷链运输场景中，环境监测对于温度敏感的货物（如食品、药 品）尤为重要，需通过环境数据感知确保冷链物品在运输过程中的温度和湿度条件得到 有效控制，实现冷链物品质量的全周期可溯源和防损耗。 3. 仓库管理优化：实时监控库存水平，自动记录货物的进出，提高仓库作业效率和 准确性，同时提供出入库管理、库内管理、物料管理、拣选策略等仓储能力，提升仓储智 能化水平。 4. 运输车辆管理：监控运输车辆的状态，如燃油效率、维护需求、驾驶行为等，通 过收集和分析设备数据，预测设备故障，提前进行维护，提高物流系统的可靠性，有助 于降低运营成本并提高车辆使用效率。 6G 高速物联网 无线闭环控制  场景描述 工业无线控制是指在工业生产环境中，通过无线技术实现对机器设备和系统的监控 和控制，已广泛应用于自动化控制、远程设备管理、工业机器人等领域。无线工业控制 的典型应用领域包括： 1.柔性生产 柔性生产业务基于演进的物联网技术，可有望实现要素级数字孪生和灵活生产，例 如航空制造领域，数字孪生实时映射生产状态，虚拟模拟不同涡轮叶片加工，通过面向6G 的物联网下达参数调整指令，降低试切次数，降低研发周期。同时，面向 6G 的物联网技 术演进可进一步提升定位精度，让 AGV 摆脱磁轨，按照不同生产任务灵活编排， 降低 物料等待时间；跨厂区产能协同可快速完成重组，缩短订单交付周期，适配个性化需求 与订单波动。。 2.预测性维护和智能分析 大连接、广覆盖、高速率、高可靠等能力结合，可支撑采集不同设备的状态及运行数 据、环境数据。结合人工智能、边缘计算和云计算，实现设备的预测性维护，减少意外停 机时间。 3.多机器人协同工作 面向 6G 的物联网有望推动机器人协同从单体配合迈向群体智能跃升。在汽车总装 车间，云端智能中枢依托其超低时延特性，实时聚合产线数据，指挥协作机器人集群自 主完成动力总成装配等复杂工序。建筑施工场景中，无人机与地面机器人通过 6G 物联网 通信实现三维协同。应急救援时，6G 物联网动态重构拓扑，在余震等突发状况下，快速完 成数十台机器人资源重分配。侦查机器人回传的三维点云数据与数字孪生平台融合， 生成最 优救援路径，提升救援速度。 进入 6G 时代，网络朝着开放化、软硬件解耦和云原生的方向演进。基于云边端 协同架构的工业自动化系统，可以有效满足不同类型工业控制业务需求。现场侧部署的 运算和控制能力，可以对运动控制类业务提供有效支撑。进一步提升工业控制系统的智 能化和数字化水平。  业务需求 无线工业控制根据场景可以分为逻辑控制场景，过程控制场景，运动控制场景和外 部设备场景。根据场景不同，使用设备不同和应用要求不同，其组网架构也会出现改变。主 要评估性能指标包括时延和时钟同步精度等参数。如下表所示。 表 8 工业控制业务需求 业务场景 特征 RTT 时延 (Round-Trip Time)往 返时延 时钟同步 精度 典型应用 逻辑控制 开关量信号 20~50ms 无要求 如按钮、传感 器、接触器等的 输入输出 过程控制 模拟量信号 20~100ms 无要求 普通PLC 与 I/O 通信。如产线机 器人、伺服电机 控制 运动控制 对机械运动部 件的位置、速 度进行实时控 制。 总线控制：20ms~50ms I/O 控制：20~100ms PTO 脉冲串 控制：1ms 高精度多轴机械 臂协作 外部设备 工业场景下外 部设备控制。 20~100ms 无要求 机器人，仪 器仪表，扫描 枪，打印机，焊 接级，程控电 源，人机界面。 工业机器人  场景描述 工业机器人应用正从单一自动化向智能协同演进，其业务场景主要聚焦一下领域： 一是通过动态任务适配能力成为柔性生产核心支撑。在汽车总装车间，机器人集群 可实时响应订单变化，通过群体智能技术实现多种车型混线生产，提升装配效率；电子 制造领域则通过自适应控制技术，完成易非标准化器件的无损伤装配，凸显多场景任务 切换的灵活性。 二是跨域协同重构生产空间效率。建筑施工中，无人机与地面机器人通过三维协同 实现复杂构件安装效率提升；智慧工厂的机器人集群可实现跨车间协同搬运、分拣与质 检，空间利用率显著提高，打破传统生产单元的物理边界。 三是数据驱动的预测性运维大幅降本。通过动态实时收集设备振动、电流等数据， 机器人可预判潜在故障，降低紧急抢修工时，实现从 "被动抢修" 到 "主动预防" 的转型 。 四是人机协作重塑劳动价值分配。通过双冗余安全架构实现人机无缝配合，人类员 工从重复操作转向流程设计，在仓储、物流、制造等车间实现搬运全自动化，上料自动 化、排期生产智能化，人效显著提升。 五是高危场景替代拓展安全边际。防爆机器人在化工厂替代人工巡检；应急救援中， 机器人集群重构救援路径，彻底改变高危行业的安全范式。 这些特征共同指向 "效率-安全-柔性" 的业务价值三角，推动工业生产从规模驱动 向精准响应跃迁。  业务需求 根据环境感知、路径规划、等计算任务的处理方式，工业机器人可以分成本体定位 导航机器人、云端定位导航机器人、云端融合建图机器人、多机协同机器人、云端智能 机器人等类型。相关业务需求主要包括：三维地图下载、作业任务指令下发、作业任务 执行状态上报、视频图像上传、激光雷达数据上传、毫米波雷达数据上传、运动规划轨 迹下发、位置信息上传、常规感知数据上报。 主要评估指标包括时延、速率和通信可靠性等参数。如下图所示： 表 9 工业机器人业务需求 业务类型 空口时延 下行速率 上行速率 通信可靠性 三维地图下载 ≤20ms ≥ 6Mbps/ 台 ≥ 100Kbps/ 路 ≥% 作业任务指令 下发 ≤10ms ≥100Kbps/ 台 - ≥% 作业任务执行 状态上报 ≤10ms - ≥100Kbps/ 台 ≥% 视频图像 （720P）数据 上传 ≤30ms ≥100Kbps/ 路 ≥2Mbps/路 ≥99% 视频图像 （1080P）数据 上传 ≤30ms ≥100Kbps/ 路 ≥4Mbps/路 ≥99% 激光雷达 （64 线）数据 上传 ≤30ms ≥100Kbps/ 路 ≥16Mbps/路 ≥99% 激光雷达 （128 线）数 据上传 ≤30ms ≥100Kbps/ 路 ≥32Mbps/路 ≥99% 毫米波雷 达（2 接收天 线）数据上传 ≤30ms ≥100Kbps/ 路 ≥40Mbps/路 ≥99% 毫米波雷 达（4 接收天 线）数据上传 ≤30ms ≥100Kbps/ 路 ≥80Mbps/路 ≥99% 运动规划 轨迹下发 ≤20ms ≥100Kbps/ 台 ≥100Kbps/ 台 ≥% 常规感知 数据上报（无 需密集计算处 理） ≤100ms - ≥100Kbps/ 台 ≥% 位置信息 上传 ≤20ms ≥100Kbps/ 台 ≥1Mbps/台 ≥% 1. 基于本体定位导航移动机器人：基于本体定位导航的移动机器人完全依赖机器人 本体搭载的计算设备进行环境感知信息处理，并完成移动路线规划及环境定位。 基于本体定位导航的移动机器人在作业过程中，通过机器人本体搭载的多模态传感 器获取周围环境信息。利用本体搭载的计算设备完成处理，机器人将环境感知计算结果与 预先下载的高精度地图进行比对，确定本体相对位置，并结合自身传感器获取的其他环境感 知数据确定本体姿态、速度和绝对位置，实现环境感知。机器人根据环境感知数据计算结果 ，生成运动控制及作业控制指令，驱动相应的执行机构完成现场作业任务。机器人通过网络 接收云端下发的作业任务信息及上报作业任务执行状态信息。 2. 基于云端定位导航移动机器人：基于云端定位导航的移动机器人利用云端算力完 成计算密集型环境感知信息处理，利用机器人本体搭载的计算设备完成非计算密集型环 境感知信息处理，并依赖云端算力完成移动路线规划及环境定位。 基于云端定位导航的移动机器人在作业过程中，通过机器人本体搭载的多模态传感 器 获取周围环境信息，并通过网络将需要密集计算处理的感知数据上传至云端进行处理。对于 无需密集计算处理即可处理完成的感知数据，移动机器人可利用本体搭载的计算设 备完成 处理，并通过网络向云端上报感知结果。云端完成环境感知数据计算后，根据计 算结果决 策生成移动机器人运动规划轨迹，并通过网络将轨迹规划结果下发至机器人本 地。机器人将 接收到的轨迹规划结果转换为运动控制指令，驱动本体搭载的运动执行机 构完成轨迹运动 动作。 当基于云端定位导航的移动机器人运动到作业点后，由云端根据机器人上传的传感 器感知数据完成环境感知数据处理，生成作业控制指令，并通过 5G/6G 网络下发至机器 人本体。移动机器人接收到云端下发的作业控制指令后，驱动本体搭载的作业执行机构 （例如，机械手）完成作业操作。 3. 基于云端融合建图移动机器人： 基于云端融合建图的移动机器人利用云端算力完成计算密集型环境感知信息处理， 利用机器人本体搭载的计算设备完成非计算密集型环境感知信息处理，并依赖机器人本 体搭载的计算设备完成移动路线规划及环境定位。 基于云端融合建图的移动机器人在作业过程中，通过机器人本体搭载的多模态传感 器 获取周围环境信息，并通过网络将需要密集计算处理的感知数据上传至云端进行处理。云端 完成环境感知数据计算后，通过网络将计算结果下发至机器人本体。机器人将接收 到的环 境感知计算结果与预先下载的高精度地图进行比对，确定本体相对位置，并结合 自身传感 器获取的其他环境感知数据确定本体姿态、速度和绝对位置，实现环境感知。对于无需密 集计算处理即可处理完成的感知数据，移动机器人可利用本体搭载的计算设 备完成处理，并通过网络向远程控制系统上报感知结果或者直接在本体用于作业决策。 移动机器人根据感知信息进行作业决策，并将决策结果输出至本体执行机构，完成现场 作业操作，并向远程控制系统上报作业任务执行状态。 4. 多机协同移动机器人： 协作式机器人尤其在工业领域需求较大。多机协同移动机器人在进入作业现场前， 由云端系统或边缘服务器将用户创建的作业任务单分解为若干单项任务。机器人集群进 行作业现场后，通过网络同云端系统建立数据通信连接，并从云端或边缘服务器接收分解 后的单项任务。 多机协同移动机器人在作业过程中，通过网络向云端或边缘服务器上报实时视频， 位置信息及单项任务执行状态，同时网络可以通过通感一体能力采集更多维度的感知数据 。云端系统或边缘服务器根据机器人上报信息及作业区域内的全局信息，可以结合智能体 、领域模型等能力，优化业务编排，对协作式机器人的任务内容进行实时调整，并通过网 络下发至机器人本体。机器人接收到云端或边缘服务器下发的任务调整指令后， 继续将其 分解为执行机构时序执行指令，执行机构基于时序执行指令完成作业操作。更加智能的演进 方向是自主式协作机器人，通过主从协作式完成复杂任务。 5. 云端智能移动机器人： 云端智能移动机器人进入作业现场前，由云端系统通过大规模神经网络对预先采集 的数据样本进行深度学习和训练，优化推理模型。机器人进行作业现场后，通过网络同 云端系统建立数据通信连接。 云端智能移动机器人在作业过程中，通过网络向云端上报现场采集的数据，通常包 括视觉采集图像，语音数据及三维点云数据。云端系统根据机器人上报的现场采集数据 信息，通过事先生成的推理模型对上报的数据进行识别处理。云端系统进行的处理包括 视觉检测，图片识别，自然语言语义理解，语音识别，文本识别及三维目标检测等。云 端系统完成数据识别处理后，生成机器人本体执行指令，通常包括自然语言文本/语音播 报，运动目标点位，机器人手臂关节轨迹规划及机器人手臂关节执行动作等，并通过网络 下发至机器人本体。机器人接收到云端下发的执行指令后，通过本体上的控制器将其分 解为执行机构时序，执行机构基于时序执行指令完成作业操作。 本章小结 本章详细探讨了面向 6G 的物联网典型应用场景，展示了其在不同领域的广泛影响 与前景。与现有的 5G-A 物联网相比，面向 6G 的物联网在连接能力、智能分析以及数 据价值的挖掘方面都有显著的提升，能够支持更广泛的应用场景，涵盖智慧家庭、智慧 农业、智慧零售等多个行业。 首先，为智能农业提供了精准的数据监测与分析支持，尤其在土壤监测、气象预 警和自动化灌溉等方面的应用，提升了农业生产的效率和可持续性。随着 6G 技术的加 入，农业生产变得更加高效、环保且具有更高的生产力。其极低速物联网技术，能够 满足农业环境下大规模设备连接的需求，且具备低功耗和低成本的优势。在健康与状 态监测场景中，其低延迟、高可靠性与大规模设备支持，使得养殖业能够实时监控环 境条件和动物健康，为疾病预防与管理提供了技术支撑。通过对养殖环境的全面监 控，养殖业能够在最短时间内响应变化，确保动物健康与生产效益。面向 6G 的物联网 在智慧家庭中的应用则大幅提升了设备之间的互联互通能力，结合 AI 技术，为用户提 供智能化的家居控制与管理。智慧家庭场景下，其能够支持大量设备的接入与低功耗 长时间运行，从而优化用户的生活体验，并推动家庭生活的数字化转型。在智慧零售 领域，面向 6G 的物联网能够实现自动化资产盘点、智能陈列核查、无人结账等创新应 用，通过数字化与自动化手段优化零售门店的运营效率，提高客户体验，同时降低成 本和人工操作的需求。此外，面向 6G 的物联网在工业应用中也展现了巨大的潜力。无 线闭环控制、工业机器人以及基于 6G 网络的预测性维护等技术，助力工业生产的智能 化与自动化，提升生产效率、产品质量及资源利用率。 面向 6G 的物联网技术通过对速率、连接数、成本和功耗等方面的优化，满足了各 类场景的具体需求，将演进为全面的“通、感、算、智、安”融合系统，推动着智能化应 用在各个行业的深度融合，为实现可持续发展的数字化生态系统奠定了基础。 第三章 面向6G的物联网技术需求与挑战 面向 6G 的物联网关键技术 海量连接 6G 支持海量连接的需求 在 6G 的大规模通信场景中，应用案例广泛覆盖智能城市、交通系统、物流、健康 监护、能源管理、环境监测和精准农业等多个领域。虽然，有些场景下单独一个应用案例 可能不会涉及大量连接，但当一个局域存在多种应用案例时，在该区域的连接数累加起 来后总数将非常庞大。此外，这些应用案例的数据传输需求与常规的增强型移动宽带 （eMBB）业务不同，通常涉及终端设备发送间歇性的小数据包。在这些应用中，有相 当一部分需要支持无电池或超长续航的设备。鉴于这些特点，6G 的大规模通信要求终 端设备具备低功耗、低成本、长待机、大覆盖等性能要求，因此，6G 支持海量连接的技 术需求包括：大连接技术、终端待机时长增强技术、覆盖增强技术、低复杂度技术[4]。 1、大连接技术 大连接技术主要用于提高网络连接终端数量，具体包括：多址技术（如：非正交多 址等）、数据传输流程简化技术（如：免调度传输）、传输效率提升（如：小包编码增 强技术和窄带传输技术）、低复杂度高性能接收机技术（如：低复杂度迭代接收机）等。 2、终端待机时长增强技术 终端待机时长增强技术具体包括终端节能技术和主动无线传能技术。主动无线传能 技术主要用于提高终端的待机时长，以及，绿色低碳，实现可持续发展，具体包括：传 能效率提升技术（如：时间反演等 MIMO 相关技术、新波形）、高效传能协商技术（如： 认证、请求、释放等协商流程）、高效能量采集技术（如：天线设计、匹配网络、能量 管理）等。终端节能技术主要用于减少终端下行接收检测功耗和上行信号发送功耗，以 提升终端待机时长，具体包括：低功耗调制技术（如：OOK 调制等）、反向散射传输技 术、DRX/eDRX/PTW 技术、高效 PDCCH 监听技术（如：LP-WUS 唤醒技术、Skip PDCCH 技术等）、窄带接收技术等。 3、覆盖增强技术 覆盖增强技术主要用于提升终端的覆盖范围，具备较好的穿透损耗对抗能力，具体 包括：功率提升技术、重复传输技术、跳频技术、多天线技术、低 PAPR 技术、新型编 码技术、新调制技术等。 4、低复杂度技术 低复杂度技术具体包括终端复杂度降低技术、极简协议栈技术、轻量化核心网技术。 终端复杂度降低技术主要用于降低终端成本，具体包括：减少天线数量、减少终端最大 带宽、放松终端处理复杂度、H-FDD、减少调制阶数、减少最大传输块大小以及缓存大小 等。极简协议栈主要用于减少终端处理复杂度以及减少不必要开销提升传输效率，具体技 术包括：利用控制面传输数据、减少协议层级（如：减少 PDCP 和 RRC）、轻量化安全等 。轻量化核心网主要用于降低部署复杂度，便于局域部署，具体技术包括：专有管理网元 、接口增强（如：专有管理网元与基站直连）等。 海量连接技术现状分析 4G/5G 大规模通信场景应用系统主要 LPWA（NB-IoT/LTE-M）、NR redcap、AIoT， 分别对应不同数据速率范围和应用场景，如下图所示。 图 1 4G/5G 大规模通信场景应用系统 LPWA 主要适用窄带传输技术和小包数据传输技术来提升连接数量，窄带传输技术 主要是上行通过 single tone 和 muti-tone 传输来降低传输带宽需求，从而，提升频域复用 用户数量；小包数据传输技术主要包括 MO-EDT、MT-EDT、PUR 等。NR Redcap 主要 采用 2-step PRACH 和 small data 传输技术来提升连接数量。LPWA 和 NR Redcap 主要是 通过正交多址的方式提升连接数量，因此，LPWA 和 NR Redcap 支持的最大连接数量主 要受限于频域资源的最大数量。AIoT 正在研究 TDM、FDM、CDM 等多址接入技术， 以 及利用 MAC 直接承载数据的方式来传输数据。 LPWA 和 NR redcap 都不支持无效传能技术。AIoT 目前处于 SI 阶段，讨论了能量 采集状态的影响，以及，设备能量采集状态的定义和能量状态上报等技术内容。 LPWA 的终端节能技术主要包括 DRX/eDRX/PTW 技术、窄带传输技术、LP-WUS 唤醒技术等。NR redcap 主要采用 DRX/eDRX/PTW 技术、PDCCH skip、PEI\LP-WUS 唤 醒等技术来降低终端能耗。AIoT 主要通过 OOK 调制和 BPSK 调制、以及反向散射传输 来降低终端的传输功耗。 LPWA 和 NR redcap 的覆盖增强技术主要包括：重复传输技术、跳频技术、多天线 技术、低 PAPR 技术等；AIoT 正在研究利用编码、调制、重复、跳频、功率放大器、收 发分离、独立 CW 节点等技术来提升覆盖。 LPWA 和 NR redcap、AIoT 都采用减少天线数量、减少终端最大带宽、放松终端处 理复杂度、H-FDD、减少调制阶数、减少最大传输块大小以及缓存大小等技术；虽然， NR Redcap UE 相对于 NR Normal UE 降低最大带宽，但是，由于受 NR SSB 等限制， NR Redcap 的最大接收带宽仅降低了 20M，数据传输带宽限定为 5M。 LPWA 采用了控制面传输数据来简化协议栈，AIoT 仅支持 MAC 和 PHY 来简化协 议栈。AIoT 引用专有 AIoT 管理网元来简化核心网元，并且，该专有 AIoT 管理网元可 以直接基站连接，或，通过 AMF 透传的方式与基站连接，从而，简化部署复杂度。 6G 支持海量连接的技术挑战 由于 6G 支持连接数量有更大的需求，对绿色和可持续发展、全球覆盖也提出了需 求，因此，6G 海量连接场景对连接数量、终端待机时长、终端复杂、覆盖范围都提出更 高要求。 1. 大连接技术挑战 大连接技术挑战主要包括：如何在单位资源内提升连接数量、如何更快速精准的小 数据包传输、如何更高效传输小包数据（如：高性能的编码技术）、如何实现接收机复 杂度和性能的平衡。为应对这些挑战，面向 6G 的物联网可以考虑的技术方向包括：非 正交多址、免调度传输、小包编码增强等。 2. 待机时长增强技术挑战 待机时长增强技术挑战具体包括无线传能技术挑战和终端节能技术挑战。无线传能 技术挑战主要包括：如何提升无线传能的覆盖范围、如何提升无线传能的效率、如何实现 终端无线能量采集硬件性能和成本的平衡。为应对这些挑战，面向 6G 的物联网可以考虑 的技术方向包括：多点联合传输、波束自适应跟踪、终端传能状态报告和管理、新型无线 传能波形等。终端节能技术挑战主要包括：如何实现更低功耗的数据传输、如何实现终端 低功耗和网络性能的平衡、如何实现更高效终端状态转换。为应对这些挑战， 面向 6G 的 物联网可以考虑的技术方向包括：快速激活和去激活机制、基于业务感知的调度、低功 耗传输等。 3.覆盖增强技术挑战 覆盖增强技术挑战主要包括：如何实现广域覆盖和传输效率的平衡、如何实现比现 有 LPWA 更大的覆盖。为应对这些挑战，面向 6G 的物联网可以考虑的技术方向包括： 低 PAPR 波形调制技术、编码增强技术、新型时域扩展技术等。 4.终端低复杂度技术挑战 终端低复杂度技术挑战主要包括：如何实现低复杂度、高传输效率、高网络性能、 强业务安全等多种需求的平衡、如何实现窄带传输和普通终端宽带传输的兼容设计、如 何实现本地部署和蜂窝网络的一体化设计。为应对这些挑战，面向 6G 的物联网可以考虑 的技术方向包括：多种能力终端一体化接入、灵活协议栈术、即插即用术、灵活切片等。 融合感知 6G 支持融合感知的需求 虽然 6G 感知技术应用前景广泛，但作为无线感知技术，因无线信号易受环境影响、干 扰等问题会影响到感知的可靠性和精确度，需要引入融合感知的思想，通过多制式融合 技术、多模态融合技术以及 AI 对感知增强等途径，克服 6G 感知技术的不足，提升感知 的稳定性。 1. 多制式融合——多感知目标的可标识性 6G 感知主要基于无线信号达到感知目标后，感知目标的回波进行感知，感知目标 本身不参与感知过程。所以当同时存在多个感知目标时，6G 感知系统能够感知到目标 的存在，但是无法区分感知对象的身份。而在一些感知场景，如入侵监测，不仅需要感 知到监测范围内人员的数量，还需要从人员中分辨出合法用户和非法用户。因此，需要 有一种简易的方法弥补目前 6G 感知多目标的识别需求。 2. 多模态融合——感知能力互补 6G 无线感知具有非视距（NLOS）感知和在暗光或无纹理的环境中感知的能力，而 视觉感知通过摄像头获取图像，能提供丰富的颜色、纹理和形状信息，使得目标识别和场 景理解更为准确和直观。视觉也能精准地建立起空间到像素的映射关系，在物体分类、实例 分割和语义分割方面算法成熟。所以将 6G 无线感知与视觉感知融合，可以提升感知系 统的工作范围，填补感知盲点，在复杂环境下保持稳定的感知能力，提高系统的鲁棒性。 此外，通过深度学习将算法视觉感知特征与无线感知特征进行融合分析，提高感知精度和 感知任务的性能。 3. AI 融合——数据模型驱动的感知性能提升 目前 6G 感知多通过构建物理信号模型的方法提取感知特征，计算感知目标。然而， 在一些复杂场景中，感知目标往往难以直接计算，而高维问题甚至难以建模。同时，6G 作为一种无线技术，相对有线通信更容易受环境影响，感知特征值随机变化。面对复杂 的感知需求和多变的感知环境，可引入 AI，在前期感知信号预处理、多通道感知特征抽 取的各环节，以及后期感知信息的映射和多感知信息联合计算方面实现基于 AI 数据模 型的感知算法，提升感知性能，增加感知维度、拓展复杂应用场景。 融合感知技术现状分析 3GPP 标准已启动通信感知一体化（Integrated Sensing and Communication, ISAC） 关键技术制定，这标志着通信与感知融合已从产业界的原型验证阶段迈入标准化进程。 3GPP 在 5G-Advanced 阶段（从 Release 18 开始）已将 ISAC 纳入研究范围。在 Release 18 中，3GPP 启动了关于基于无线电的感知的研究项目，旨在探索将 5G NR 系 统用于感知目的的可行性、潜在用例和技术挑战。随后，在 Release 19 中，ISAC 的标 准化工作进一步深化，主要聚焦于信道建模的研究，为后续的规范制定奠定基础。这些 工作明确了 ISAC 的 32 个潜在用例，涵盖了从环境感知到工业自动化等多个领域。 尽管 3GPP 的标准化工作仍在进行中，但产业界已积极通过搭建通感原型样机进行 各种通感技术的验证。在感知应用方面，业界专家正在进行各种融合感知技术的试验， 如无 线技术之间的融合、无线技术与视觉的融合，以及 AI 对无线感知的增强。。 1. 无源标签提升定位灵活性 基于无源标签的定位技术是 6G 感知的重要分支，由于标签自供能、低功耗的特性， 具备一些独有的定位方式：一是多测量量融合的定位方式，如在立库定位场景中，传统 基于 RSSI 的定位方法受环境干扰较大，导致定位精度低[5]。而无源标签依靠信号反向 反射进行通信，在同样的盘点时间内，标签距离天线波束中心点越近，能够接收到的能 量就越多，能够被读取的次数也就更多，通过联合分析 RSSI 和读取次数，可将定位精 度提升到 1~3m @90%；二是基于标签阵列的定位方式，如定位目标贴按照一定拓扑结 构贴附多个标签组成阵列时，通过对比标签阵列的拓扑结构和标签之间的信号差异，挖 掘出单个标签的信号变化与标签阵列的位置变化之间的规律，从而能够精确地追踪目标 的运动，或者在感知环境中贴附大量参考标签，当有人在环境中移动时，通过观测标签 阵列中信号状态的变化，可以最终推算得出行人在房间中的移动路线。 此外，与 6G 感知无法区分多目标的身份相比，基于标签的感知天然具备感知对象 的可标识性，将这两类感知技术做融合，既有利发挥无源感知的可标识性优势，又发挥 了 6G 感知精度高的优势。 2. 不同制式融合提升感知精度 在室内定位领域中业界积极探索融合 RFID 和 WiFi 进行定位。现有办法大多是先 利用基于奇异值判断的卡尔曼滤波算法过滤 RFID 的 RSSI 特征，并基于此进行定位。 随后，基于三边定位的原理得到 WiFi 定位的结果。最后，通过对两个定位结果融合加 权得到最终的定位结果。该方案通过融合两个模态的感知结果，提升了室内定位服务的 性能，没有对两个模态进行更深层的分析与融合。 3. CV 融合提升感知推理速度，丰富感知结果 主要利用的是 RFID 的测距能力与无源可标识性。RFID 提供的距离信息能作为 CV 深度信息的辅助校正与其进行浅层融合，也可与 CV 二维平面信息深度融合，进一步提 取有效特征，从而提升感知性能。而 RFID 的无源可标识性使得 CV 无需处理多物体识 别的问题，极大简化处理流程、提升推断速度。同时，RFID 也可额外提供部分感知结 果，通过与 CV 匹配融合，解决多物体识别追踪的同时进一步丰富感知结果，拓宽感知 场景。RFID 与 CV 的融合，可迁移至 RFID 与 6G 感知的融合，提供可标识感知。 4. AI 辅助感知数据预处理和感知目标计算 1. 许多研究在计算感知目标前，借助 AI 对噪声进行初步平滑处理，融合 AI 技术在特 征抽取模块进一步去噪、衡量环境干扰并去除，这类工作根据 AI 算法的差异，大致分为 融合传统机器学习算法与融合生成式模型两类。前者主要利用 AI 融合技术直接剔除噪声 干扰数据，而后者主要利用生成式模型重构环境噪声，并在后续处理中进行剔除。在计算感 知目标时，可以通过支持向量机（Support Vector Machine，SVM）、深度神经网络等 AI 技术，从无线多通道的数据样本中提取和任务相关的特征，建立特征和目标之间的非线 性映射。在这些技术中，根据具体目标与模型的不同，可大致分为融合判别式模型与融合 生成式模型两类。前者主要完通过完成样本数据的回归与分类任务实现目标计算的准确性 。后者则通过信号恢复与样本增强还原，从提取的信号中计算隐藏特征， 非线性地映射还原 信号缺失部分，提高感知的性能。 6G 支持融合感知的技术挑战 6G 感知采用多制式、多模态以及 AI 融合后，对感知结果本身可带来诸多增益，如 可靠性提升，感知信息维度增加，感知精度和分辨率提升等，但这些融合方式本身还存 在一些挑战。 1. 多制式感知技术挑战 为了实现多感知目标的身份识别，最直接的手段就是在分析反射回波的同时，增加 感知对象与基站的通信交互，实现感知对象自身 ID 的主动上报。若是基于传统 UE 设备 实现通信，需要每个被感知的终端都具备通信模块、随之带来供电、低功耗通信等新问题 。基于无源标签是是解决身份标识的极简方案。只要被感知对象携带电子标签，基站在感 知目标时，通过射频能激活标签，标签通过反向散射的方式上报 ID 信息。但由于感知信 号的回波和上报目标 ID 的上行信号不同步，需要在基站侧设计信号映射算法， 实现感知 信号与数据信号的匹配，进而获取指定感知目标的 ID。在信号发射段，由于目前成熟的电 子标签都是基于 ISO18000-6C 协议实现，工作频段在 860-960MHz 频率，而6G 可能采用 毫米波，如何在基站支持无源标签通信，空口侧需要解决感知资源与无源通信资源分配 、调度等问题，标签侧也需要进行物理层和链路协议的改造，以支持与蜂 窝基站的通信。 2. 多模态融合感知技术挑战 无线感知与视觉感知的融合技术虽然在提高感知精度和拓展感知场景方面前景广 阔，但在实际应用中仍面临挑战：首先是室来自无线的感知数据与来自摄像头的图像数据 的同步和校准问题，如不同模态信息时间戳、采样频率、采集精度等难以对齐，导致数 据融合时带来信息错位；其次相机和无线的感知本质原理截然不同，两种模态的数据都 需要在新的坐标系下重新组织。早期融合的方法是使用外在校准矩阵将所有激光雷达点 直接投影到对应的像素或反之。然而，无线感知原始数据存在噪声，导致像素的对齐并 不够准确。此外，在输入和特征空间转换过程中也存在一些其他信息的丢失，可能对感 知精度和分辨率有影响。 3. AI 融合感知技术挑战 引入 AI 算法，实现基于数据模型的感知算法，可在感知融合的前期数据预处理阶 段发挥作用，提升感知精度和性能。但是目前还存在诸多挑战：一是 AI 训练数据—— 信号特征（例如信号幅度、相位等）严重依赖于系统部署的具体环境。不同使用环境、 不同用户，甚至同一用户的不同位置、不同朝向等都会降低感知准确性，造成 AI 感知 模型泛化性差。针对新环境，需要重新采集数据进行训练，造成无线感知普适性差并且学 习训练成本高。二是目前大多数模型都是基于对无线信号传播的以及硬件条件的完美假设， 而实际应用环境多变，识别模型存在局限性。三是相较于视觉大量的数据集，目前无线感 知的公开数据集较少，而且感知环境部署与数据集关联性度较高，实验结果难复现，技术进 步难积累。此外，感知原始数据规模大，对采集和标注都带来困难。 极致通信 在 ITU 发布的 6G 愿景中对增强移动宽带（eMBB）和超可靠低时延通信（uRLLC） 进行了显著的增强。6G 网络通过超高带宽、超低时延和超高可靠为用户提供更好的业 务和体验。 6G 支持极致通信的需求 据国际电信联盟（ITU）的定义，6G 网络的峰值速率将达到 100Gbps，甚至可能更 高，是 5G 网络的数十倍甚至上百倍，能够支持海量数据的实时传输。同时 6G 网络在 超低时延和高可靠通信方面进行了显著的增强。相比 5G，6G 具备更好的超低时延和高 可靠通信能力，能够满足机器协同交互类应用对于抖动、时间同步、稳定性等方面极高 的需求[6]。 表 10 极致通信能力需求 类型 具体需求 带宽 6G 高速物联网应用需要在复杂环境中使各类物联网设备能够实时地收 集、传输和处理大量数据。 时延 对于机器人协作、无人机群和各种人机实时交互操作，需要低时延传 输。 可靠性 对于极高可靠性的物联网应用需要可靠的通信保障和更高的确定性通 信能力。 极致通信技术现状分析 6G 时代的超高可靠和低时延通信是学术界、产业界和标准组织所关注的重点。学 术界通过理论研究和实验验证，探索了超高可靠和低时延通信的关键技术，如太赫兹通 信、通感融合、AI 与通信融合等。产业界通过实际应用测试和技术研发，推动超高可靠 和低时延通信技术的实用化和商业化，特别是在智能工厂、车联网和智能电网等应用场 景中。标准组织，如 3GPP 和 ITU，正在协调全球 6G 的研究和标准化工作，确保技术 的发展与国际标准相协调，推动形成全球统一的 6G 标准。这些领域的研究进展为 6G 技术 的未来发展提供了明确的方向和目标，为实现 6G 网络的超高可靠低时延通信能力奠定 了基础。 学术界的研究人员正在探索多种创新技术，以满足 6G 网络对于极高数据传输可靠 性和极低时延的需求。学术界的研究重点主要包括物理层技术、新的频谱利用方式、新 型网络架构、AI 和机器学习在超高可靠和低时延通信中的应用、多跳通信、边缘计算等。 其中，物理层技术、新型网络架构、AI 和机器学习是解决高可靠和低时延通信的关键。 在太赫兹通信领域，学术界正在研究利用太赫兹频谱实现超高速率数据传输。同时，为 了实现网络的智能化，学术界还在研究如何将 AI 技术深度融合到 6G 网络中，以提高网 络的自适应性和服务质量。此外，学术界还在研究新的网络架构，以支持 6G 网络的多 样化服务和高能效需求。 3GPP 作为移动通信领域的主要标准化组织，在 5G 技术的研究中已经对 URLLC 进 行了深入研究，并在 Rel-15~Rel-18 版本中提出了多种技术解决方案，包括灵活的帧结 构、迷你时隙、灵活的 PDCCH 配置、URLLC 高优先级传输和边缘计算技术等，以满足 低时延和高可靠的需求。 IEEE TSN（时间敏感网络），通过一系列的协议标准，实现零拥塞丢包的传输；依 据精准的时钟同步，优先考虑关键流量，同时容纳非关键数据；通过端到端的服务质量 (QoS) 机制，保证关键流量的有上界保证的低延迟和最小抖动，使其适合具有严格时序 要求的应用程序。 6G 支持极致通信的技术挑战 6G 极致通信面临着诸多技术挑战，不仅涉及物理层技术的限制，还包括网络架构、 频谱资源等多个方面。 首先，从物理层面来看，6G 极致通信面临的挑战之一是高频段信号的传播受限。 随着频率的升高，无线信号在空气中传播时会遇到更大的衰减，特别是在长距离传输中， 信 号的强度和覆盖范围都会受到严重影响。此外，高频段信号穿透建筑物或其他障碍物的 能力较弱，这可能导致在城市或其他复杂环境中出现信号盲区。这些问题都限制了 6G 极致通 信的广泛应用。 其次，频谱资源紧张也是 6G 极致通信面临的一大挑战。随着无线通信技术的不断 发展，对频谱资源的需求急剧增加，但可用的频谱资源是有限的。如何实现频谱资源的高 效利用和共享，成为 6G 极致通信需要解决的关键问题。此外，不同通信系统之间的频谱 干扰问题也日益突出，如何有效地避免和解决频谱干扰，确保通信系统的稳定运行， 也是 6G 极致通信需要解决的技术难题。 在系统容量与处理能力方面，6G 极致通信同样面临着巨大的挑战。随着用户数量 的增加和数据流量的爆炸性增长，如何提升通信系统的容量，以满足用户对极致通信的 需求，成为 6G 极致通信需要解决的关键问题。 在网络架构方面，6G 极致通信需要更灵活、可扩展的网络架构来支撑。传统的网 络架构无法满足 6G 极致通信的需求，因此需要对网络架构进行优化和升级。这包括采 用更先进的网络拓扑结构、更高效的路由算法和资源分配策略等，以提高网络的传输效 率和服务质量。 子网灵活组网 面向 6G 的物联网涉及的领域行业非常广泛，场景特点众多，不同网络的需求个性 差异很大。通常情况下，面向 6G 的物联网的网络主体（NW Owner Party）和服务对象 用户（NW Target User）和移动运营商的广域大网有着明显的特征差异[7]，它们主要体现 在下面几个方面： （1） 网络主体的类型身份众多。从单个个人家庭，到小型企业组织，再到中型工业 园区，再到大型广域行业，它们的网络主体身份不同，呈现大小规模不一、具体需求分化 的多类型网络主体身份特征。 （2） 网络自主性要求高。对于某些领域行业，如能源、交通，工业制造等，网络主 体者对网络的构建和管控自主性要求很高，通常倾向于采用自建专网模式。自建专网可 以完全地独立掌控网络资源，策略制定，根据行业特定需求进行定制化开发管理。 （3） 网络组网拓扑形态丰富。无论采用哪种网络接入方式，面向 6G 的物联网网络 可呈现出“星形”、“总线形”、“环形”、“树形”、“网状”等不同的组网拓扑形态。不同网络 主体通常会结合自己的场景环境特征，资源状况，成本因素，管理特征等综合选择合适 的组网形态。 （4） 网络支撑保障技术体系丰富。不同类型面向 6G 的物联网的受众对象用户和业 务差异可能较大，网络业务服务类型，和服务 SLA/QoS 动态区间也会较大，因此对相 关技术体系和支撑保障类技术的丰富度要求很高，技术手段方案多元多样。 （5） 网络安全可信度高。面向 6G 的物联网由于具有强烈的多主体、跨行业定制化 的属性，对网络安全可信度的保障，通常会成为大规模推广商用的关键因素，因此围绕 6G 网络安全可信的关键技术变得非常重要且日益突出。 基于上述主要特征，未来面向 6G 的物联网应用的一条总体指导原则是：能够动态 精准地按需进行“子网”灵活组网和丰富的运行运维技术支撑保障。在面向未来 6G 应用 时，有着不同方面和程度的新技术需求。 6G 支持子网灵活组网的需求 “子网”相对于移动运营商“广域大网”而言，具有动态性、异构性、分布式、高安全 可信等特点，它的物理形式可能是：自建专网、混合专网、虚拟专网、无线局域网、工业 现场网、蜂窝网络切片、行业用户空间。6G 对于子网灵活组网的具体需求包括： 1.网络及服务的发现 子网间灵活的组网使得网络拓扑时刻在变化，因此需要保障网络和服务的发现机制。 子网可以实时发现周围的网络和服务，并能够实现调用发现的服务及实时计费等功能。子 网中的用户在接入子网后可以通过子网对其他网络进行访问。 2.智能组网编排 子网需要根据自身和用户的实际需求，与其他网络进行协作，实现灵活组网。组网 涉及的参数及适配内容非常繁杂，使用人工预配置需要设置庞大的配置表且使用耗时， 需要使用人工智能的方式实现快速且准确的匹配，实现用户的无感使用。 3.自主可控身份标识 子网间网络拓扑灵活变化，无法时刻保障有中央身份管理机构提供服务，因此子网 需 要一种标识来作为交互时验证的身份。此种标识需要实现对于其他个体可以实时验证， 有 多种方式可以对标识验证真实性。此种标识还需要实现对于身份的自主可控，根据不 同需求生成包含不同部分内容的实时身份，保护身份其他部分信息不泄露。 4.资源服务可交互 子网间需要实现资源和服务的可交互性。通过交互网络资源和服务，子网可以获取 自身以外的能力，提高资源利用效率。这也有助于降低部署网络的门槛，使得极简网络成 为可能，对于 ToB 行业有着极大的意义。比如中小制造业无需自建一套完整的网络， 只 需部署部分设备服务，将其余部分通过资源交互实现，有效降低了企业的试错成本。通 过网络资源和服务交互，可以实现网络快速部署和灵活扩展各类应用和服务，降低网络 更新的成本和时间要求，提高整个网络的性能和服务质量。 5.网络协同多方信任 子网具备脱离母网独立运行的能力，此时子网间以及子网与其他网络的交互依赖多 方协商来保障可信能力。多方信任通过多主体的协商和共同保证来提供信任，根据分布 式多方共识机制算法保障交互的可信性。多方信任还包含了自动运行的智能合约机制， 实现多方确认即是事实，避免了单方违约的风险。多方信任保障网络在不同场景和需求下 的可信能力，并且实现全网任意节点间信任。 6.灵活适配的运营模式 在子网灵活组网的场景中，子网与主网和其他子网之间的资源和网络能力的交互方 式变得更加多样化。这种变化不仅使得子网能够更加灵活地选择和适配所需的网络资源 与能力，还为其提供了更大的自由度来优化性能和响应环境变化。子网可以根据需求实 时动态调整其资源配置。这种灵活性也给传统的运营模式带来了挑战。传统的网络架构 通常是基于固定的资源配置和服务交付流程，难以快速适应子网对资源和能力的即时需 求变化。 在此情况下，需要考虑如何在保持网络安全性和稳定性的前提下，灵活地管理资源 分配和服务交付。这可能需要引入新的技术和工具，例如智能网络管理系统和自动化资 源调配及结算机制，以提升对动态变化的响应能力，以促进资源的共享与协同，从而实 现更加高效，灵活和智能的网络运营模式。 7.更具潜力的商业模式 在子网灵活组网的模式下，以及更加灵活适配的运营模式，使得更多由潜力的商业 模式设计变为可能，如通过改变了传统的资产所有权结构，从而推动从重资产到轻资产 的转型。企业不需要投入过多的硬件基础设施建设，转而按需购买网络功能和服务。企 业能够更灵活地适应市场需求，降低资本支出，提升资源利用效率。 此外，子网还可以向其他子网租赁或出售自身的网络资源和服务。这种资源共享不 仅能够为子网创造新的收入来源，还能促进整个网络生态系统的共赢发展。例如，一个 子网可以将其冗余带宽出租给临时的活动，从而实现资源的有效利用。这种按需共享模 式也为小型企业或初创公司提供了进入市场的机会，使他们能够在没有高昂前期投资的 情况下，快速获取所需的网络服务。 通过这种方式，更多的网络资源及能力得以实现变现，促使市场参与者在资源配置 上更加灵活。运营商或服务提供商可以探索多样化的收入模式，从而增强盈利能力。同 时，这种商业模式的灵活化转变还可以促进更多技术创新，推动更多灵活化的服务和产 品，以满足不断变化的用户需求。在子网灵活组网的背景下，商业模式的多样化可以为 产业生态带来更多新机遇。 子网灵活组网技术现状分析 在 ToB 物联网各种应用中，不同形式的子网技术对应于不同领域场景的具体需求， 当前主要有下面几种代表性的灵活组网技术。 1. 5G “宏站+小基站+微基站” 异构组网 这是被广泛应用的 5G 组网方案之一。宏站提供广域覆盖，小基站/微基站则用于补 充室内、热点区域等信号覆盖不足的地方，和用于扩容保障，满足 ToB 多样化网络需求。小 基站/微基站具有结构简单、部署灵活方便、即插即用、功耗低性价比高等优势，它们在 ToB 专网市场具有很大的发展潜力。目前，国内三大运营商已有较多的应用实践，但5G 小基站/微基站在行业标准、产品定制化等方面仍有很长的路要走。 2. 5G 端到端网络切片 根据 ToB 不同行业、不同业务的需求，将单个物理网络划分为多个逻辑上独立隔离的 虚拟网络切片，每个网络切片可独立地制定策略、配置资源、提供特定的 SLA 服务质量保 障。例如，为智能交通提供低时延、高可靠的网络切片，为高清视频直播提供大带宽网络 切片等。目前，5G 网络切片技术已在一些行业得到应用，但在跨运营商、跨厂家的切片 协同管理方面仍有待完善。 3. MEC 与 5G 结合融合 MEC 边缘（智能）计算将计算处理和存储资源下沉到网络边缘（典型的和 UPF 合 设），靠近用户设备，减少数据传输延迟，提高服务响应速度，保障用户隐私。MEC 与 5G 结合后，可为 ToB 提供更快速、更高效、更定制化的服务。例如，在工业互联网中， MEC 可实现对工业设备的实时监控控制；在智慧医疗中，MEC 可支持远程手术等低时 延高可靠应用。目前，MEC 与 5G 的融合发展迅速，但在边缘（智能）计算节点的部署 方式、融合方式、管理以及与中心云的协同等方面还有待拓展完善。 4. SD-WAN 广域网技术 软件定义无线广域网的技术成熟度不断提高：SD-WAN 已经成为企业组网的重要 技术之一，其技术成熟度也在不断地提高。目前，SD-WAN 解决方案可以支持多种网络 的连接方式，如：MPLS、Internet、4G/5G 等，并能够根据具体需求自动地选择最优的 传输路径。同时，SD-WAN 的管控平台也越来越智能化，能够实现对网络资源功能的集 中管理、监控和优化。该市场竞争激烈：随着 SD-WAN 技术发展，市场上已有众多的 SD-WAN 服务提供商。各厂商在技术创新、服务质量、价格等方面展开竞争，推动 SD- WAN 技术不断地发展和成本降低。SD-WAN 技术也正在与其他技术不断融合，如与网 络安全类技术融合，提供更安全的组网解决方案；与云计算技术融合，实现云网一体化 等。 5. Mesh 自组网技术 在 ToB 的应用场景不断地拓展：Mesh 自组网技术无需依赖固定昂贵的网络基础设 施，节点之间可以自动地发现并建立连接，形成一个分布式的网络。它在特定场景下具 有很大的优势，如：应急救援、野外作业、军事通信等。随着 Mesh 自组网技术发展， 它的应用场景也在不断拓展，例如：智能城市、智能交通等领域也开始得到应用。Mesh 自组网技术在传输距离、带宽、时延、可靠性等方面的性能不断提升。同时，Mesh 节点 的智能化程度也在提高，能够实现自动路由选择、网络拓扑优化等功能，提高网络的可 靠性稳定性。 6G 支持子网灵活组网的技术挑战 子网灵活组网在 6G 的多样场景中展现出巨大的应用潜力，能够支持快速部署和按 需调整，满足不同环境下的通信需求。然而，在实现这一愿景的过程中，也面临着诸多 技术挑战，需要在灵活多样的场景中维持稳定性和服务质量等。 1. 子网最优组网 如何确认现有网络及重组网络间的资源差距及最优组网方式。灵活组网所带来的额 外开销（资源扫描、计算及调度等）该如何解决。 2. 跨制式子网交互 现网中存在各种类型的原有网络，6G 需要兼容各种制式的子网才能实现子网的灵活 组网，这对于垂直行业及物联网领域更为关键，因为这类网络往往与现运营的运营商网 络有着较大的差异。因此 6G 担负着联通万网，实现互联互通的重要责任。 3. 子网交互智能化 子网间的灵活组网需要用人工智能来实现，从而保障组网的实时性和准确性。对于 用户的差异化需求，子网对自身和外部的服务进行整合，从而提供给用户，使用户在使 用子网的时候对此过程顺畅无感知。 4. 子网间资源流通 现有网络的资源都由核心网统一调度，范围只限于本网络之内，而 6G 需要解决子网 间跨网络的资源流通问题。一方面，子网需要能够对外提供资源，同时调用外界资源。这需要 子网有统一的对外服务接口及交互流程。另一方面，实际应用往往包含多维资源， 需要对不同 的资源建立统一管理能力。 5. 可信权益保障 6. 子网组成和能力千差万别，对外交互依赖外界提供的可信保障，需要解决有中心 机构和无中心机构时主体网络间的共享和交易，还需要研究在多方可信基础上的网络权 益保障机制、网络服务使用行为可记录可追溯等。 面向 6G 的物联网支撑技术 开放控制 开放控制是一种创新的工业自动化控制系统架构。开放控制旨在打破传统专有自动 化控制系统的封闭性，推动 IT 与 OT 的深度融合，释放工业 所展望的无限可能性， 全面提高工业运营的效率、韧性、生产力、敏捷性和可持续性[8]。 6G 支持开放控制的需求 传统的专有自动化控制系统具有很强的封闭性。不同厂商的系统无法兼容，协议体 系封闭独立，软硬件完全绑定等多重因素并存，极大的限制了工业用户的选择和自主性， 带 来极大的成本负担。开放控制旨在打破这种封闭性。通过开放的标准和接口，硬件和软 件解耦，以及考虑不同厂商设备之间的互操作性等方式，提高工业自动化控制系统的灵活 性、可扩展性和可维护性，降低用户使用成本。 5G 时代的新型工业自动化控制系统已经初步具备开放控制的基本特征。工业自动 化系统开始以功能为主要导向，在通用硬件平台基础上，以软件为中心进行架构设计， 将自动化应用程序与运行时硬件解耦。同时开始考虑部分主流自动化厂商的通信协议的 兼容性，实现工业通信和数据交换相融合的第一步。 面向 6G 时代，工业自动化控制系统将实现完全开放化的形态。具体体现为软件与 硬件的全生命周期解耦，使得软件组件可以跨不同硬件平台运行，进一步提升软件的重 用性和灵活性。不同系统和设备之间的互联互通，打破了传统专有系统的隔阂，促进了 标准化通信协议的使用，增强系统的互操作性。基于 IEC 61499 标准的各种即插即用自 动化软件组件。允许控制系统作为一个高度标准化和模块化的系统进行设计和部署，从 而提高控制系统的动态调整和快速迭代能力。开放控制的实现，需要依赖于一系列开放 标准和规范，如 IEC 61499 标准以及 OPA 标准。这些标准和规范为开放自动化提供了技术 基础，使得来自不同供应商的硬件和软件能够相互兼容和协作。通过这种方式，开放自 动化不仅能够提高工业运营的效率和可靠性，还能够促进创新，降低成本，并最终推动 工业自动化向更高层次的发展。 以下从多个角度，描述开放控制的具体需求。 1. 更高的连接可靠性和稳定性 6G 网络需要提供比 5G 更高的可靠性和稳定性，以满足工业自动化中对连续监 控和无缝通信的严格要求。这对于实时控制和快速响应非常关键，尤其是在高速生 产环境中。 2. 超低时延和高带宽 6G 网络应提供更低的时延和更高的带宽，以支持工业应用中的大数据处理和实 时分析。这对于实现精确的工业控制和优化生产流程至关重要。 3. 多模态融合网络 6G 网络应支持融合多种无线接入技术，如蜂窝通信，卫星通信及短距离无线通 信等，以实现多模态融合网络。这将有助于满足不同工业场景下对网络能力的多样 化需求，包括无源物联、窄带物联、中低速物联和高速物联等。 4. 网络切片和定制化服务 6G 网络需要支持网络切片技术，以提供定制化的网络服务。这将使得工业企业 能够根据具体的应用需求，定制网络参数和性能，实现更灵活的生产控制和优化。 5. 边缘计算和云边协同 6G 网络应与边缘计算紧密结合，实现云边协同，将计算和存储资源从集中式数 据中心迁移到网络边缘。这将减少数据传输的延迟，实现实时处理和分析数据，提 高工业自动化的效率和响应速度。 6. 安全性和隐私保护 6G 网络需要提供更强的安全性和隐私保护措施，以应对工业环境中数据敏感性 高和对安全要求严格的挑战。这包括数据加密、访问控制和安全审计等。 7. 服务等级协议（SLA） 6G 网络服务提供商需要与工业企业共同制定服务等级协议（SLA），确保网络 服务能够满足工业自动化的特定需求，包括系统可用性、服务请求响应时间和故障 恢复时间等关键指标。 开放控制技术现状分析 通过与前沿技术的融合应用，开放控制已经开始向纵深推进。开放控制促进了数据 的跨平台流动，提高了数据集成和分析能力，还推动了不同系统和设备之间的互联互通， 打 破了传统专有系统的隔阂，促进了标准化通信协议的使用，增强系统的互操作性。在软 件层面，开放控制强调软件的独立性和可移植性，使得基于 IEC 61499 标准的软件组件能 够跨不同硬件平台运行，提升了软件的重用性和灵活性。此外，开放控制还改变了传统的 控制系统架构，允许控制系统作为一个高度标准化和模块化的系统进行设计和部署，从而 提高控制系统的动态调整和快速迭代能力。企业用户能够更有效地利用前沿技术，如人工 智能（AI）、数字孪生等，从而优化数据传输、系统协同和运营效率。 以下从系统架构的角度，对不同阶段工业控制系统的典型特征进行梳理和总结。 1. 传统工业控制系统 封闭性与强绑定：传统工业控制系统通常与特定的硬件和软件紧密绑定，导致 系统的灵活性和可扩展性不足。这种强绑定限制了用户在采购、维护和升级过程中 的选择，增加了运维成本。 烟囱式架构：许多传统控制系统采用烟囱式架构，导致资源利用率低，稳定性 和兼容性有限。这种架构无法有效支持现代工业环境中对实时数据处理和智能决策 的需求。 2. 新型工业控制系统 网络化与开放化：新型工业控制系统朝着网络化、开放化、智能化和协同化的 方向发展。通过新一代网络技术（如 5G、边缘计算等），实现设备、系统和应用之 间的互通互操作。 智能化控制：传统基于经验的控制方式逐渐被自决策、自适应的智能控制所取 代。智能控制系统能够实时监测生产条件的变化，并根据数据进行自适应决策，优 化运行指标。 3. 开放控制系统架构 云边端协同：开放自动化系统架构结合了云计算、边缘计算和智能终端设备的 优势，实现更加灵活、高效和安全的工业自动化控制。云端提供强大的计算资源和 存储能力，边缘端则负责数据的实时处理和反馈。 标准化与模块化：开放自动化系统强调硬件和软件的解耦，支持即插即用的模 块化设计，使得不同厂商的设备能够互操作，降低系统使用成本。 4. 工业蜂窝网架构 多模态融合：工业蜂窝网融合了 5G、4G、NB-IoT 等多种蜂窝网络制式，提供 高可靠、低时延的无线专网数据传输服务，满足不同工业应用场景的需求。 高可靠性与低时延：工业蜂窝网通过网络级、设备级和单板级的冗余备份技术， 确 保通信的高可靠性和低时延，适应工业环境的特殊要求。 5. 边缘算力平台 算力下沉：随着工业智能化需求的增加，传统的算力平台逐渐向边缘侧迁移， 以满足实时数据处理和分析的需求。边缘算力平台能够提供高可用性、低时延和安 全性，支持多场景的应用。 开放性与灵活性：开放自动化边缘算力平台具备开放性和灵活性，能够支持多 种硬件架构和应用场景，促进技术创新和应用的多样性。 6G 支持开放控制的技术挑战 开放控制在面向 6G 的物联网中有巨大的应用价值，但在实际应用过程中面临多方 面的技术挑战。主要集中在对网络性能的更高要求、对算力的需求、对数据安全性以及 对智能化的运维管理的要求等等。为解决这些挑战，面向 6G 的物联网后续研究应重点 关注网络确定性能力、切片服务能力、多模融合能力、边缘计算能力、安全能力、自动 化运维能力等方面的技术创新。只有具备这些关键能力，开放控制才能在面向 6G 的物 联网中发挥更大的作用，推动物联网应用的更好发展。 1. 端到端连接确定性 开放控制对网络传输端到端确定性要求很高，这对于实时控制系统尤其关键。现有 无线网络更多关注网络吞吐量，对于传输确定性缺乏技术保障手段。因此，需如何在网 络设计中考虑到各种潜在的干扰和故障点，并确保数据传输不受这些因素的影响。 2. 网络切片增强 开放控制要求 6G 网络能够提供灵活自主可快速配置的网络切片，以适应不同的工 业应用场景。现有网络切片应用仍高度依赖公共网络的配置能力，因此需考虑如何实现 网络切片的快速部署、管理和优化，以及如何在保证隔离性的同时实现资源共享。 3. 超低延迟和高可靠性 开放控制要求网络传输保证超低延迟和高可靠性，以满足工业自动化中的强实时控 制需求。现有无线技术仍难以完全满足，因此需考虑如何在网络设计中实现端到端的低延 迟传输，以及如何在各种网络条件下保持数据传输的高可靠性。 4. 多模融合网络 开放控制面向不同场景，需灵活使用多种无线接入技术，实现多模态融合网络。现 有无线网络缺乏灵活的多模融合能力。因此，需考虑如何设计一个统一的网络架构来兼 容不同的无线技术，以及如何实现这些技术之间的无缝切换和协同工作。 5. 边缘计算的集成与优化 开放控制引入了软件定义控制的能力，需要与边缘计算紧密结合，以支持开放控制 中的实时数据处理。现有无线网络中边缘计算尚未充分考虑如何应对工业控制场景。因 此，需考虑如何设计符合工业业务需求的高效边缘计算架构，以及如何实现工业场景下 的边缘计算资源动态分配和管理。 6. 安全性和隐私保护的增强 相对于消费者业务，开放控制需要提供更强的安全性和隐私保护措施。现有无线网 络为考虑如何跟工业网络安全体系进行融合。因此，需考虑如何在保证网络性能的同时 实现数据的加密和安全传输，以及如何防止工业网络受到外部攻击。 7. 自动化和智能化的运维管理 开放控制系统将更加复杂，其运维管理需要更加自动化和智能化。现有无线网络仍 需要相当程度的人工介入运维工作。因此，需考虑如何开发高效的运维工具和算法，以 实现网络的实时监控、故障诊断和自动恢复。 8. 跨层协同和网络功能的动态调整 开放控制系统的复杂运行机制要求实现网络与业务系统的跨层协同，以支持开放控 制的复杂需求。现有无线网络并未考虑与工业控制系统的协作。因此，需考虑如何设计 一个灵活的网络架构，以实现网络功能的动态调整和资源的实时分配。 9. 标准化和生态系统建设 开放控制是跨多个行业的复杂系统◦，需要全球范围内的标准化和生态系统支撑。现有 无线网络更多依赖通信厂商形成标准体系，其他行业厂商参与度不足。因此，需考虑如何推 动国际合作，制定统一的技术标准，以及如何构建一个开放和协作的生态系统。 内生智能 内生智能（Endogenous Intelligence）是指系统在设计和构建时内置的智能化能力， 使其能够自主感知、分析、决策和优化，不依赖外部指令或人工干预。这种智能能力是系 统的“内生属性”，即自带的智能，而非后天通过外部输入或调节获得。 6G 支持内生智能的需求 6G 网络的内生智能需求主要体现在 AI 赋能网络和网络使能 AI 等多个方面，以实 现高效、智能、自动化的网络运行和运维目标。内生智能与 AI 技术的深度融合，使得 6G 网络具备自适应、自学习、自优化等核心能力，满足新一代通信网络对高性能、低时延 和低运维成本的需求。在面向 6G 的物联网中，内生智能的需求尤为突出，因为物联网 设备数量庞大、数据复杂且实时性要求高。通过内生智能，面向 6G 的物联网能够更高 效地管理和优化海量设备与数据的连接和交互，从而满足不同应用场景对低延迟、高带 宽和智能化管理的需求。以下从四类物联网（极低速、低速、中速、高速）技术角度， 描 述面向 6G 的物联网支持内生智能的具体需求。 1. 海量设备管理与自适应优化： 面向 6G 的物联网将连接数量以亿计的设备，尤其是在低速物联网和极低速物联网 中，设备连接数量大且数据量小，这些设备需要内生智能进行自动管理和调度。通过自 适应算法，系统能够动态调整设备的连接状态、带宽分配和功耗管理，确保在不同负载 情况下维持高效运行。这种自适应能力不仅提高了设备管理的效率，还降低了设备的能 耗和资源浪费。具体需求如下： 表 11 海量设备管理与自适应优化需求 类型 具体需求 设备连接状态的自动 管理 系统能够自动管理数以亿计的设备连接状态，确保设备连接的稳定 性和高效性 动态带宽分配 根据设备需求和网络负载，动态调整带宽分配，避免资源浪费 功耗管理与优化 通过智能算法优化设备的功耗管理，减少能耗，延长设备使用寿命 自适应算法优化负载 平衡 系统能够基于负载情况，自动调整设备之间的连接和资源分配，确保 负载均衡 设备连接质量监控 实时监控设备的连接质量，确保网络运行的稳定性与安全性 高效设备调度与管理 智能调度设备操作，减少冗余设备任务，提高整体设备管理效率 低延迟设备响应 确保物联网设备在不同负载情况下，能够保持低延迟响应，提升用户 体验 网络资源的高效分配 与管理 优化网络资源的分配，确保资源利用率最大化，减少资源浪费 2. 实时数据处理与自主决策： 6G 中速和高速物联网生成的数据量巨大，对内生智能的需求体现在实时数据处理 和自主决策能力方面。在这些物联网类型中，数据处理需要低延迟和高带宽，尤其是在 智能交通和工业控制等场景中。内生智能可以使设备节点具备智能化处理能力，实现本 地感知、数据分析和简单的决策，并通过设备节点之间的智能协同来减少中心化决策的依 赖。具体需求如下： 表 12 实时数据处理与自主决策需求 类型 具体需求 端侧智能协同 设备节点具备智能化处理能力，能够自主完成感知、识读和简单的 决策任务，并与其他节点协同工作。 减少中心化决策依赖 设备节点能够在不依赖中心管理平台决策的情况下执行本地任务， 减少数据传输延迟和带宽消耗。 实时数据处理与自动 优化 系统具备强大的实时数据处理和自动优化能力，能够动态调整任务 和资源分配，确保高效运行。 复杂环境下的精准响 应 系统能够处理复杂环境中的动态数据，通过自学习功能做出精准、 灵活的响应，提升整体系统稳定性。 3. 跨领域智能协同： 面向 6G 的物联网涉及多个应用场景，如智慧农业、智能制造、智慧物流等，各领 域设备、数据和需求各异。低速和中速物联网中的内生智能可以实现跨领域的智能协同， 确 保不同领域的物联网系统能够高效协作。例如，在智慧物流中，内生智能可以协调能源 管理、交通控制和零售系统，形成一个高效的智能网络生态。具体需求如下： 表 13 跨领域智能协同需求 类型 具体需求 多领域设备协同管理 内生智能使得系统能够管理不同领域的设备，实现设备之间的高效 协同运作。 跨领域数据整合与分 析 整合来自不同领域的设备数据，通过智能分析提供跨领域的数据洞 察，支持各场景的协同决策。 自主学习与优化能力 通过自主学习和优化，确保系统在不同应用场景下不断优化运作， 适应各领域的动态需求。 智能化资源调度 内生智能能够根据不同领域的需求，智能调度资源，确保能源、带 宽等资源在各场景间的最优分配。 跨领域应用场景的无 缝衔接 系统能够无缝衔接不同领域的物联网应用，确保智慧物流中的零 售、交通、供应链管理等多个系统协同工作。 4. 动态资源调度与优化： 6G 中速和高速物联网中的资源，如频谱、计算能力、存储资源等，需要根据实时网络 负载和业务需求进行动态调度。内生智能能够自主分析资源利用情况，自动优化资源分 配，确保资源利用效率最大化，尤其是在工业自动化和大规模物联网环境中，减少延迟 ，提升用户体验。具体需求如下： 表 14 动态资源调度与优化需求 类型 具体需求 实时资源监控与调度 系统能够实时监控网络中的资源使用情况，并根据网络负载动态调 度资源。 频谱资源的动态分配 根据设备和业务需求，动态分配频谱资源，确保频谱的高效利用。 计算能力的优化与分 配 智能化分配计算资源，根据业务需求自动优化计算能力的使用。 存储资源的动态调整 系统根据业务的存储需求，动态调整存储资源的分配，确保存储空 间的合理使用。 智能化资源负载均衡 内生智能通过优化算法确保资源在复杂环境下的最大化利用，减少 资源浪费。通过低延迟的资源调度机制，减少资源调配过程中的延 迟，提升系统响应速度。智能化实现网络中的资源负载均衡，确保 各节点和设备的资源使用平衡。 内生智能技术现状分析 为实现面向 6G 的物联网中提到的设备管理、数据处理、跨领域智能协同、资源调 度、故障修复和安全保护等需求，内生智能的技术扮演着至关重要的角色。内生智能不仅 强调自主感知、学习和决策，还要求系统具备自适应、自优化的能力，以应对复杂、多变 的应用场景。内生智能技术在面向 6G 的物联网中的应用正快速发展，包括人工智能、边 缘计算、联邦学习、区块链等技术的结合推动了网络运行、资源管理、故障修复和端侧智 能的自主化。 1. 人工智能与机器学习技术： 人工智能（AI）和机器学习（ML）利用数据驱动模型，通过算法从海量数据中学习 模式，进而做出预测、决策或优化。在面向 6G 的物联网中，AI 和 ML 通过自适应算法优 化设备管理、资源调度及数据处理。AI 和 ML 主要应用于智能交通、智能制造、智慧零售 和智慧城市等场景。例如，智能交通系统中，AI 可以分析交通流量并自动调整信号灯；在 智能制造中，AI 可以优化生产流程，减少停机时间，提高产量；在智慧零售中， AI 可以 赋能门店运营端到端管理自我赋能增强优化。AI 是满足面向 6G 的物联网指标增长的关 键路径，赋能网络提升网络运行效率、降低运维成本、增强用户体验。当前， AI 技术 已逐步融入到 5G 和物联网中，但在 6G 时代的应用仍处于早期阶段。随着分布式计算、 边缘 AI 的发展，AI 赋能面向 6G 的物联网的自适应优化、智能预测将逐步实现。在智能 交通领域，AI 的应用已经实现初步成果，如城市中通过 AI 优化交通流量控制，降低交 通拥堵。 2. 边缘计算： 边缘计算是指在接近数据源的位置进行计算和数据处理，减少数据传输延迟、提高 实时性。面向 6G 的物联网中，边缘计算节点负责处理海量分布式设备数据，减少对中 心服务器的依赖。边缘计算的挑战在于资源受限（如存储、计算能力）和分布式协作难 度。研究方向主要是通过智能化调度策略，提高边缘节点的计算效率，并确保边缘计算和 中心云的协同工作。此外，跨节点间的数据同步、协同处理等问题亟需进一步优化解决。 在智慧城市和工业物联网中，边缘计算能够有效处理海量实时数据。例如，智慧城市的摄 像头或传感器可以在边缘设备上分析数据，降低数据传输延迟，提高响应速度； 智能工厂 中，边缘计算可以快速处理设备的状态信息，实时优化生产流程。边缘计算已经广泛应用于 物联网领域，在智能视频监控和边缘 AI 的融合中，通过本地化的数据分析，大大提升了 智能监控的响应速度。在面向 6G 的物联网中，边缘计算的进展迅速， 正在向大规模应 用推进，特别是在自动驾驶和工业互联网领域，边缘计算的应用日益成熟。 3. 联邦学习与分布式 AI： 联邦学习是一种分布式机器学习技术，使得数据可以在本地节点完成训练，而无需 将 数据上传至中心服务器。这样既提高了数据隐私保护，又能有效利用分散的计算资源。联邦学 习的主要问题在于通信效率和模型的同步问题。在分布式场景中，各节点的计算 能力和数据质 量不均衡，导致联邦学习模型更新时出现延迟或不一致。因此，该领域研 究方向是进一步优化 通信机制，减少模型更新的通信成本，提升分布式学习系统的稳定 性。在隐私要求较高的场景 （如智慧医疗、金融领域）联邦学习的应用价值明显。例如， 医院可以在不共享患者数据 的前提下，通过联邦学习共同训练 AI 模型，实现个性化的医疗方案推荐。联邦学习正在一 些注重数据隐私的领域逐渐得到应用。谷歌的 Gboard 键盘已经应用了联邦学习来提升预测 输入功能，且不需要将用户的输入数据上传至服务器。 在面向 6G 的物联网中，联邦学习的应用仍在研究阶段，尚未大规模部署。 6G 支持内生智能的技术挑战 内生智能在面向 6G 的物联网中的应用潜力巨大，但在实际应用过程中面临多方面 的技术挑战。内生智能在面向 6G 的物联网中的应用面临多方面的技术挑战，主要集中 在实时性、资源消耗、数据质量和系统协调等方面。为解决这些挑战，后续研究应重点 关注数据治理、数据开放、网络通用模型探索、内生 AI 的平台化服务网络等方面的优 化与创新。只有解决这些关键问题，内生智能才能在面向 6G 的物联网中发挥更大的作 用，推动物联网应用的智能化发展。 1. 数据质量差、数据复杂和缺失： 由于物联网应用场景广泛且需求呈现碎片化，使得数据来源复杂、分布广泛，许多 数据存在噪音、格式不统一或缺失等问题。这会影响 AI 模型的训练与推理效果，导致 模型无法准确捕捉数据中的有用信息，最终影响网络的运行优化和决策。 数据治理是解决数据质量问题的关键，通过自动化的数据清洗、标准化、校验等流 程，提升数据的规范性和一致性。同时，引入数据质量控制机制，确保各环节的数据流处 理合规，减少数据偏差和噪音的影响。同时，打造一个 AI 赋能的网络生态系统，使不同 部门、平台和合作伙伴的数据能够在统一的标准下共享和使用。通过数据开放平台， 可以提 高 AI 模型的训练数据量和多样性，从而提升 AI 模型的泛化能力和性能，以此为基础推动 AI 技术大规模应用。 2. AI 赋能网络运行类型分散，模型难以统一： 面向 6G 的物联网应用场景多样性和碎片化需求，不同场景下的 AI 模型需求差异 巨大。网络运行类型分散，导致难以建立一个统一的 AI 模型框架来满足所有应用场景 的需求。由于不同场景对数据的处理方式、算法需求和资源分配有所不同，统一的 AI 模型 可能难以满足性能需求。 为此，希望通过分阶段的发展路径，逐步解决 AI 模型的分散性问题。首先，可以 从小规模的场景开始，针对特定的应用场景和网络类型，进行局部优化，积累经验和数 据。在积累足够多的实际应用数据后，逐步向大规模场景扩展应用。在 AI 模型的研发 中，逐步实现从离线训练到实时优化的过渡。起初可以依赖离线的 AI 模型进行推理与 决策，然后逐步引入实时学习和推理机制，使模型能够根据网络的变化情况进行动态优 化，从而提升整体网络的智能化水平。在积累足够多的应用场景数据后，尝试探索是否 能够开发一个具备自适应能力的统一 AI 模型框架，该框架能够根据不同的应用场景自 动调整模型结构、算法和参数配置，实现多场景的统一优化。 3. AI 服务类型、算力、数据需求等差异大： 面向 6G 的物联网中的 AI 服务类型多样化，不同应用场景对 AI 的需求各不相同。例 如，智能制造可能需要复杂的深度学习模型来预测设备故障，而智慧城市中的交通控制则 可能只需实时响应的轻量级 AI 模型。因此，AI 服务的类型、所需的计算能力、数据量和 数据结构存在较大差异。此外，算力的异构性和分散性（如云计算、边缘计算和设备端 计算的混合）进一步加剧了这一挑战，导致难以统一调度和管理这些 AI 服务。 后续技术演进的目标是建立一个内生 AI 平台，能够集成多种 AI 服务，适配不同场 景的 AI 需求。该平台通过异构算力连接，聚合网络能力，并实现数据和模型的高效流 转，为各类场景提供所需的智能服务。通过一个平台化的服务框架，打破不同 AI 服务 和算力之间的壁垒，使不同类型的 AI 任务能够在同一平台上得到调度和管理。基于任 务类型、算力需求和场景需求，智能调度和编排 AI 任务，确保资源合理分配，提高效 率。内生 AI 的平台化服务网络主要具备服务多样化、能力平台化、资源易购化的典型 特性，具体如下： （1） 服务多样化：按需智能编排及能力供给，为不同场景供给所需 AI 服务。根据 场景的实际需求，智能编排适当的 AI 服务类型，对实时性要求高的场景提供轻量级 AI 服务，对数据量大、分析复杂的场景提供深度学习或大数据分析服务；通过对业务需求的 精准分析，为不同场景按需供给所需的 AI 能力，确保服务高效且精准匹配。 （2） 能力平台化：将 AI 服务分解为多个可操作的任务，通过任务化的方式实现 AI 能力的编排和调度，确保复杂场景中的 AI 服务可以灵活组合并执行。 （3） 资源异构化：对异构的计算资源和网络资源进行统一管理，形成池化资源，通过 弹性调度为 AI 任务提供底层支撑。将云计算、边缘计算、设备端计算等不同层次的异构 算力进行连接和整合，形成一个统一的计算资源池。通过网络资源的聚合和封装， 提供 按需调度的网络能力支持，确保不同任务对带宽、延迟等网络需求的动态分配。为不同的 AI 任务和应用场景提供弹性的基础计算资源，确保资源能够根据任务需求进行扩展或 收缩。 本章小结 本章主要讨论了面向 6G 的物联网的技术需求与挑战，涉及海量连接、融合感知、 极致通信、子网灵活组网、开放控制及内生智能等关键技术领域。 首先，海量连接是面向 6G 的物联网的核心需求之一，随着应用场景的广泛扩展， 连接数量呈现爆炸式增长。为应对这一需求，6G 提出了大连接技术、终端待机时长增 强技术、覆盖增强技术以及低复杂度技术等。面向 6G 的物联网将需要低功耗、低成本 、长待机和大覆盖的设备，以支持多种应用场景的需求。其次，融合感知技术在面向 6G 的物联网中的作用不可忽视。6G 网络不仅需要支持多种传感技术的融合，还需 借助 AI、视觉感知等技术提升感知精度和可靠性。通过多制式、多模态感知和 AI 算法 的融合，6G 能够有效增强系统的稳定性和鲁棒性。然而，这也面临数据同步、模型融 合等技术挑战。关于极致通信，面向 6G 的物联网不仅在带宽、时延和可靠性方面提出 了更高要求，还需要通过新兴的技术，如多频段通信和边缘计算，解决物理层限 制、频谱资源紧张等挑战，以支撑实时数据传输和机器协同交互。在子网灵活组网方 面，面向 6G 的物联网将支持多种网络拓扑和服务类型，为不同领域提供定制化的网络 资源和服务。尽管如此，实现灵活组网仍然面临技术挑战，如资源流通、智能组网和 多方信任保障等。面向 6G 的物联网通过端到端连接确定性，超低时延高可靠，网络切 片，MEC 等技术支持工业开放控制系统，协助该系统打破传统专有控制系统的封闭性 ，实现工业软件与硬件解耦，提升工业系统的灵活性、可扩展性和可维护性。。最后 ，内生智能作为面向 6G 的物联网的一大亮点，要求系统具备自适应、优化和智能决策 能力。通过 AI 技术，面向 6G 的物联网将能够实现海量设备管理、实时数据处理和动态 资源调度等功能，从而提升网络性能和用户体验。然而，数据质量差、算力需求差异 大以及 AI 模型难以统一等问题依然是技术实现的主要挑战。 总之，面向 6G 的物联网在技术创新、标准化与生态系统建设方面仍然面临多重挑 战，但随着技术的不断进步，面向 6G 的物联网将为智能化、自动化的未来提供强大的 支撑。 第四章 面向6G的物联网能力要求 海量连接 面向 6G 的物联网海量连接场景对应终端数量众多，相应的对终端成本和待机时长 就尤为关注，另外，面向 6G 的物联网海量连接场景主要对应环境检测、全流程跟踪、 资产盘点等应用场景，这就要求物联网有很好的覆盖能力和大连接能力，特别是具有 很好的穿透覆盖能力，如：地下室、箱柜、遮挡等特殊场景的覆盖，因此，面向 6G 的 物联网海量连接场景需要具有很好的覆盖能力、大连接能力、超长待机时长、低复杂 度。 表 15 面向 6G 的物联网支持海量连接的能力要求 关键能力 能力要求 具体指标(参考 ITU、IMT-2030 框架) 大连接能力 扩展 5G 的 mMTC，支持海量设 备连接；单位资源复用容量提 升；6G 网络支持最大连接数量 连接密度：设备连接数范围从 10^6 到 10^8 个设备/km²；单位 资源复用容量相对 5G 显著提升 提升； （具体倍数待 3GPP 进一步明 确）； 待机能力 减少终端通信功耗；支持能量采 集和无线能量传输，实现超长待 机或“永久在线” 终端待机时长显著延长，部分场 景实现“永久在线” 覆盖能力 提升 6G 网络覆盖能力，实现增 强的泛在连接，弥合数字鸿沟 相覆盖能力提升，特别是在农 村、偏远和人口稀疏地区 低复杂度 终端具有更低成本和更低复杂 度，以支持海量部署 终端复杂度显著降低，以实现大 规模、低成本部署 融合感知 为了实现 6G 感知多个维度的融合，需要基站支持的能力各有不同，这里分别叙之： 1.多制式无线感知融合 为了 6G 的可标识感知能力，需要空口引入蜂窝无源的能力，基站支持蜂窝无源的 射频和基带模块，实现感知资源与无源通信资源的分配、调度，标签侧也要基于蜂窝无 源的协议进行物理层和链路协议的改造，实现超低功耗、远距离通信。 2.多模态感知融合 为了支持 6G 无线信号与多模态的融合感知，在无线感知数据采集阶段，空口应支 持动态配置时间戳、采样频率和感知参数的采集精度，避免融合感知平台中无线数据与 图像数据的错位；在信号处理阶段，采用各种信号噪声消除技术，尽量降低噪声对感知 数据与图像数据对齐的影响；在感知目标计算阶段，支持无线点云数据与图像点云数据 融合的算法。 增强融合感知 为了支持 AI 对感知结果的增强，信号处理部分挖掘并提取环境无依赖的信号特征， 在信号特征层面上提升感知模型的泛化能力。在 AI 感知模型训练中，引入对抗学习的思 想，设计更加复杂的网络结构，定义新的损失函数，在充分利用无标签数据的基础上， 直接利 用新的模型，学习信号特征在不同环境中的共性表现。 极致通信 一些面向 6G 的物联网应用对网络传输带宽、时延和可靠性中的一项或多项的要求 较高。在一些场景下，超高带宽能够确保数据的高速传输，减少传输延迟，提高数据传 输效率确保数据在传输过程中的完整性、准确性和及时性。这要求物联网网络采用先进 的通信技术、冗余备份机制、故障检测与恢复策略等，以提高网络的可靠性和稳定性。 低时延能够减少数据传输和处理的时间延迟，提高系统的响应速度和效率。表 16 总结 了为了满足面向 6G 的物联网对通信的能力需求和指标举例。 表 16 面向 6G 的物联网支持极致通信的能力要求 关键能力 能力考虑 指标举例 带宽 高速物联网场景中设备需要实 时传输大量数据 用户峰值速率：50-200 Gbps 量级[9]，以 支持大规模数据的实时传输 时延 高速物联网应用实时操作 端到端时延：小于毫秒级[10]，确保机器 之间的实时响应和协同作业 可靠性 保障高速物联网应用的关键任 务通信不中断 可靠性：%[11] 1. 超高带宽要求 物联网设备需要实时传输大量数据，包括传感器数据、视频流、音频流等。这些数 据的传输量往往非常大，因此物联网对带宽的需求极高。例如，在智慧城市、智能交通、远 程医疗等应用中，需要实时传输高清视频、大量传感器数据等，这就要求 6G 网络具备 超高的带宽能力。 2. 超高可靠要求 物联网应用通常涉及关键任务，如工业自动化、远程医疗、自动驾驶等。这些应用 对通信的可靠性要求极高，任何通信中断或数据丢失都可能导致严重后果。因此， 3. 超低时延要求 物联网应用中的许多操作都是实时的，如远程医疗中的紧急救助、自动驾驶中的车 辆控制等。这些应用要求物联网网络具有极低的时延，以确保操作的实时性和响应速度。例 如，在自动驾驶汽车中，如果车辆需要对前方障碍物做出快速反应，就需要物联网网络具 有极低的时延，以确保车辆能够及时做出决策并采取相应的行动。 子网灵活组网 在子网灵活组网的需求中，对网络能力的要求不仅仅是单一的性能指标，而是涵盖 了综合性的能力需求。具体来说，这包括组网的便捷性、灵活调整的能力、与组网需求 的适配性，以及对身份安全性的要求等多个方面，具体需求如下。 表 17 面向 6G 的物联网支持子网灵活组网的能力要求 关键能力 能力要求 按需保障子网综合 性能 如在保持低功耗的前提下提升子网网络覆盖范围，或者在 特定的时延要求下实现更广泛的覆盖。这对面向 6G 的物联网 的综合性能保障提出了更高的要求，子网网络通常需要在组网 效率、稳定性和性能等之间找到最佳平衡。网络需要具备智能 化的按需自适应能力，能够根据实时条件动态地调整资源分 配，以优化整体性能。 便捷快速子网组网 如在车联网及其他动态环境中，临时动态组网的需求变化 迅速，要求面向 6G 的物联网能够快速、便捷地进行组建及调 整。这种快速组网能力能够支持对突发事件的响应，如交通事 故或自然灾害。为此网络应具备便捷适配的接口和智能配置功 能，从而能够在极短的时间内完成动态组网或组网变更，确保 网络服务的连续性可靠性。 数字身份安全性要 求 如在子网灵活组网的场景中，跨多个网络主体的身份验证 需求愈发重要。为保障各参与主体的权益，必须建立快速且可 信的网络连接机制。这不仅涉及到用户数字身份的验证，还可 能包括数据及服务的安全交互。需要为数字身份验证提供更加 透明和可信的解决方案，进一步增强网络的安全性可靠性。 智能化管理与分析 能力 在灵活的组网环境中，智能化管理与分析能力显得尤为重 要。网络可以通过对在线数据的实时处理和分析，来支持各场 景下快速决策和响应的需求，从而提供更佳更定制化的用户体 验，使网络能够在复杂的环境中做出迅速准确的决策。 多主体异构物联网 互通 面向 6G 的物联网的种类和制式较多，要实现泛在的联 网，需要 6G 支持多种制式的物联网设备，对于市场上现有的 主流物联网通信协议和设备制式都应该支持。 各子网服务实时共 享 物联网性能需求差异较大，且往往需具备极端能力，如极 低功耗、极低成本等，单独依靠物联网设备或者是物联网本身 只能实现抄表等非常简单的功能。因此各个子网需要具备共享 其他网络能力和资源的能力（如算力、存储、甚至电能等）， 按需获取相应的服务。 数据可信能力要求 物联网有许多应用场景都是数据采集，比如传感器等，数 据的可信性是这些场景中的关键问题。另如服务实时共享中， 共享服务的使用量和计费等也存在可信的问题。因此需要通过 见证、鉴定、公证等方式保障物联网数据的可信性能。 开放控制 面向 6G 的物联网对开放控制的能力要求体现在多个方面。包括更强的连接可靠性、 更服务的灵活定制化、更高的安全性、云边协同能力和智能运维。下表总结了为满足面向 6G 的物联网对开放控制的能力需求，需要具备的关键能力与指标[12,13,14]。 表 18 面向 6G 的物联网支持开放控制的能力要求 关键能力 能力要求 具体指标 新型空口帧设计及保护能力 更强的信道编码技术 可靠性高于 % 动态频谱接入技术。支持在 多个频段进行动态数据传输 工作频段包括厘米波，毫米波等 更高的连接可靠 性和稳定性 利用了空间多维度及地理位 置的分散性实现无蜂窝分布 式多输入多输出 MIMO 系统 关键作业区域信号覆盖率 100% 7*24 小时连接无中断 超低时延和 高带宽 超大规模多输入多输出 （MIMO）：通过增加基站 的天线数量，提高传输数据 数量和频谱利用率，同时支 持高精度定位和环境感知 上行速率不低于 1Gbps 下行速率不低于 30Gbps 智能超表面技术（IRS）：智 能反射面技术可以动态调整 电磁波的传播路径，优化无 线传播环境，提高信号质量 和系统容量。 幅度和相位可以独立控制，实现 更精细的波束成型，支持增强特 定方向的信号强度。 多模态融合网络 支持面向自然人、数字人、 智能或非智能终端设备的多 模态通信交互模式。 包括但不限于文本、语音、图 像、视频、光场、脑波、数据指 令、语义特征等结构化或非结构 化的模式与形态。 用智能融合组网技术，实现 网络的自优化、自管理和自 愈，以适应多样化的业务需 求和环境变化 业务需求和环境变化自适应 边缘计算和云边 协同 网络节点普遍具备计算、通 信和感知能力，通过分部署 学习和云边端一体化算法部 署，实现更强大的网络智 能。 网络节点普遍具备计算、通信和 感知能力。 安全性和隐私保 护 延续传统移动网络的身份认 证、密钥管理、空口安全等 特性之外，针对新业务、新 技术及安全形势的变化，提 供动态自适应的安全能力、 智能自主的安全决策、跨域 协同的安全控制。 安全能力：包括信任、监测和防 御能力。 安全决策和控制：作为网络实例 的安全能力决策、控制中枢和调 度中心，支撑各安全能力面的运 转和协作。 系统化运维管理 云网智能编排调度功能：感 知、识别和解析 6G 典型应 用场景下多类型用户/客户的 需求，按需生成网络策略， 并利用编排器抽象资源状 态 ，完成网络部署配置。 数字孪生网络管理功能：运用 数字孪生技术构建数字化网 络。网络与数字化网络之间进 行实时数据交互，通过数字化 网络对网络服务策略创建、下 发、变更等进行有效的模拟验 证，预先获得策略在物理网络 上的实际执行结果。 实现端到端的服务自动化部署、 负载均衡和服务保障、云边协 同。 服务等级 协议 （SLA） 服务化功能层：6G 网络 的服务化功能层中的控制 面、用户面、数据面、智能 面、安全面等各个面之间， 以及每一面内部的各个网络 功能都统一在服务化架构 下，采用模块化、服务化设 计，利用统一的服务框架技 术进行服务的自组织，并通 过服务化接口彼此交互。 网络编排和管理：6G 网 络将具备的网络编排和管理 能力，以实现资源的一体化 调度管控和全域业务编排。 全服务化架构 （HSBA）：6G 网络将通过 服务定义端到端的系统，实 现全服务化系统架构，支持 不同功能的有机构建。 支持网络编排和管理。支持服务 化架构。 内生智能 面向 6G 的物联网对内生智能的能力要求体现在多个关键领域，其核心是通过智能 化、自适应的技术，满足物联网应用对大规模设备管理、复杂数据处理、跨领域协 同、动态资源调度以及故障修复和安全保护的需求，表 19 总结了为满足面向 6G 的物 联网对内生智能的能力需求[15,16,17,18,19]，系统需要具备的关键能力与对应指标。 表 19 面向 6G 的物联网支持内生智能的能力要求 关键能力 能力要求 具体指标 自动管理和调度数以亿计的物 设备连接稳定性：连接稳定 联网设备 率>%。 设备响应延迟：低于 10ms 的响应 动态调整设备连接状态、带宽 时间；动态带宽利用率：资源利用 海量设备管理与自 分配、功耗管理，并优化负载 率>80%，带宽分配动态调整时少资 适应优化能力 源浪费。 确保设备在不同负载情况下保 持高效运行，减少能耗与资源 浪费 能耗优化：功耗降低 20%或更高， 设备工作寿命延长 30%；负载平 衡 ：负载均衡度>95%，避免网络资源 分配不均。 具备处理大规模数据的实时分 析能力，根据环境动态进行自 主决策 数据处理延迟：处理延迟<1ms 自适应数据优化率：数据处理效率 提高 30% 设备节点具备端侧智能协同， 不依赖中心化的指令 端侧智能协同效率：端侧任务执行 独立率>80%，减少对中心化平台的 依赖。 实时数据处理与自 主决策能力 系统可根据复杂环境变量自学 习并优化决策 自主决策精准度：动态数据环境 中，决策准确率>90%。 内生智能系统能够在多个领域 间进行设备管理、数据整合及 资源调度，实现智能协同 跨领域数据整合速度：多领域数据 整合时间<100ms；设备协同管理效 率：跨领域设备协同率>90%；资源 调度灵活度：跨领域资源调度响应 时间<10ms。 跨领域智能协同能 力 各领域（如智慧城市、智能制 造、智慧医疗）应用场景无缝 衔接与合作 多领域决策精度：跨领域协作时， 智能决策准确率>90% 实时监控资源的使用情况，并 基于负载和业务需求动态调度 频谱、计算和存储资源。 实时资源调度响应时间：<10ms； 频谱利用率：频谱使用率>85%（时 域：有效通信时长占比≥85%，频域 ：实际业务带宽占比≥85%）， 避 免资源浪费。 动态资源调度与优 化能力 提高资源利用效率，确保计算 资源、频谱资源和存储空间的 优化分配。 网络资源负载均衡度：负载均衡提 升 50%，减少瓶颈和资源过载。 注：鉴于 6G 内生智能能力要求仍处于前瞻性研究阶段，国际电信联盟（ITU）和 第三代合作伙伴计划（3GPP）等相关标准化组织尚未正式发布明确的量化指标。本报 告所列示的指标，旨在反映当前研究阶段对未来宏观应用场景和技术演进方向的预 期 ，以期为后续 ITU 和 3GPP 在未来具体指标的厘定工作提供参考与推进。 本章小结 面向垂直行业，面向 6G 的物联网及其所具备的关键技术及支撑技术[20,21,22,23,24]， 核心是为了解决物联网应用场景及关联技术存在先天碎片化问题。表 20 总结了面向 6G 的物联网技术与行业典型场景用例的对应关系。 表 20 面向 6G 的物联网潜在技术与场景用例对应关系 关键能力 潜在技术 行业需求 行业场景 高性能的编码技术 大连接 智能农业 海量连接 无线传能技术 低功耗、大连接 全生命周期溯源 AI 融合感知技术 自适应感知 智慧零售 融合感知 多模态融合感知技术 高感知精度 智慧家庭 极致通信 6G 超低时延高可靠 智慧运营、工业控制 最优子网组网技术 减少资源开销 智慧运营 子网灵活 组网 跨制式子网交互技术 联通万网 智慧运营、工业控制 多模态融合网络技术 多模态通信交互模式 工业控制 开放控制 控制开放自动化技术 各厂商硬件设备、软 件协议及数据互联互 通 工业控制 通用 AI 模型 满足多场景碎片化需 求对 AI 模型需求 多场景 内生智能 内生 AI 平台 数据和模型的高效流 转 多场景 第五章 总结及展望 本报告深入探讨了面向 6G 的物联网在未来行业应用中的典型场景及技术需求，重 点分析了在海量连接、融合感知、极致通信、子网灵活组网、开放控制、内生智能等 关键技术领域的能力要求与挑战。随着物联网技术的快速发展，各行业对高效、智 能、实时的物联网应用需求日益增强，报告通过详细描述多个典型应用场景，如智能 农业、智慧家庭、智慧零售、物流状态监测、工业控制等，展示了面向 6G 的物联网如 何应对这些复杂、多样的应用需求。 市场空间方面，一是实物要素数量多、种类多、流动性强的场景物联网连接市场 空间大，有望拓展千亿甚至万亿级连接。例如低速物联网对应的养殖业健康及状态监 测、仓储物流及商品防窜货，这类场景有望实现千亿级连接[25,26]；二是需要拓展更全 面、更精细化感知能力的场景物联网感知市场空间大，有望拓展百亿甚至千亿级服务 价值。例如零售门店用户偏好感知、工厂企业等能耗感知、冷链运输环境感知等。据 全球零售协会数据，全球零售门店约 2000 万个，按 10%渗透率，每门店平均 1 万元/ 年服务，市场空间为百亿级。三是对于低时延、高可靠要求极高的场景单体服务价值 大。这类场景对性能要求极高，对差错容忍度极低，要求网络能满足底线服务能力要 求。但若能达到业务要求，其价值空间巨大。据国际机器人联合会预测和工业协会数 据，预计 2030 年全球机器人装机量 800 万台，若初期按面向 6G 的物联网渗透率20% ，业务渗透 20%，单体服务价值 1 万元计算，市场空间十亿级。 技术布局方面，结合市场空间及业务需求，面向 6G 的物联网的发展呈现出海量连 接与低功耗、融合感知与智能化、极致通信与实时性保障、子网灵活组网与资源共 享、内生智能与自主决策五大趋势。面向物联网应用，实现全实物要素网联化是构建 数据资产、拓展智能化服务的基础，市场空间更大、业务普适性更强，且需要保证网 络的灵活性、自治性、智能性。建议优先布局海量连接与低功耗技术、融合感知与智 能化技术，内生智能与自主决策技术，充分发挥面向 6G 的物联网覆盖更广、连接量更 大的优势，实现实物要素数字化，布局基于海量数据的智能化应用，再逐步切入面向 特定领域、要求更高的机制通信和实时性保障技术、子网灵活组网与资源共享技术 等。 面向 6G 的物联网的核心价值在于推动万物智联、数字孪生和智能服务的全面落 地，未来将在个人生活、行业生产和社会生态等领域发挥更大的作用。随着技术的逐 步成熟，各行业将能够通过技术的赋能，推动高效、绿色、智能的生产与运营模式。 未来，随着人工智能、边缘计算、量子通信等技术的进一步融合，将不断打破现有应 用场景的技术壁垒，拓展新的应用领域，提升行业数字化和智能化水平。 参考文献 [1] ITU. IMT-2020 and beyond: 6G network technology and vision. International Telecommunication Union (ITU). 2020. [2] 3GPP. Technical Specification Group Services and System Aspects; Release 16: 5G and IoT Standards. 3rd Generation Partnership Project (3GPP). 2021. [3] GSMA. The Mobile Economy: IoT Growth and Future Directions. Global System for Mobile Communications Association (GSMA). 2021. 5G-Advanced [4] 中国移动, 网络技术演进白皮书（2021）——面向万物智联新时代. [5] 中国移动, 2024 年 6G 无源物联网定位技术白皮书(). [6] Zhang, Z., Wang, Z., Wang, S. 6G Wireless Networks: Vision, Requirements, and Key Technologies. IEEE Communications Magazine. 2020. [7] 华为技术有限公司. 5G 与未来面向 6G 的物联网白皮书. [8] AI 工业互联网研究报告,《施耐德电气 5G+边缘计算系列白皮书之一：5G+PLC 深度融合解决方案白 皮书》. [9] T. A. Kuzovkova, O. I. Sharavova, V. O. Tikhvinskiy and E. E. Devyatkin, "Matching of 6G Network Capabilities to Digital Services Requirements," 2022 Systems of Signal Synchronization, Generating and Processing in Telecommunications (SYNCHROINFO), Arkhangelsk, Russian Federation, 2022, pp. 1-5. [10] C. D. Alwis et al., "Survey on 6G Frontiers: Trends, Applications, Requirements, Technologies and Future Research," in IEEE Open Journal of the Communications Society, vol. 2, pp. 836-886, 202. [11] C. -X. Wang et al., "On the Road to 6G: Visions, Requirements, Key Technologies and Testbeds," in IEEE Communications Surveys & Tutorials, doi: [12] 陈斌,蔡超,侯迎龙,等.5G 边缘算网一体机助力工业数字化转型[J].自动化博览,2024,41(02):78-81. [13] 冯毅雄,杨晨,胡炳涛,等.基于 5G 多接入边缘计算的云化 PLC 系统架构设计与应用[J].计算机辅助设计 与图形学学报,2024,36(01):33-46. [14] 张悦,刘玮哲,房正正,等.5G 虚拟化 PLC 技术研究与实践[J].信息通信技术与政策,2023,49(11):8-17. [15] 戴翠琴,吴旭帆,程白凡,等.面向 6G AI 内生的星地融合组网研究[J].移动通信,2024,48(08):102-110. [16] 谢雨良 , 田雨晴 , 张朝阳 .6G 智能内生无线通信网络：现状、挑战、系统设计和架构[J]. 移动通 信,2024,48(08):8-12. [17] 李欣悦,顾仁涛,纪越峰.6G 智慧底座：AI 内生光网络架构与关键技术[J].移动通信,2024,48(07):15- 20+27. [18] 廖 建 新 , 戚 琦 , 王 敬 宇 , 等 .6G 智 能 业 务 网 络 : 愿 景 、 架 构 与 关 键 技 术 [J]. 中 国 科 学 : 信息科 学 , 2024 ,54 (05) :991-1024 . [19] 杨芳祺,刘聪,赵宇翔,等.6G 网络智慧内生愿景、架构与关键技术[J].无线电通信技术,2024,50(03):430- 438. [20] 戴翠琴,吴旭帆,程白凡,等.面向 6G AI 内生的星地融合组网研究[J].移动通信,2024,48(08):102-110. [21] 王志勤,杜滢,沈霞,等.面向 6G 典型场景的无线系统研究[J].中兴通讯技术,2024,30(04):65-68. [22] 赵若涵,张丹,王甜甜.物联网时代信息通信技术的发展应用[J].信息记录材料,2023,24(09):121-123. [23] 郎为民,安海燕,余亮琴,等.6G 关键技术分析和典型场景应用[J].电信快报,2023,(08):1-5. [24] 郭少艾.基于深度强化学习的认知物联网资源分配研究[D].吉林大学,2023. [25] 智研咨询 《2025-2031 年中国食品溯源行业市场竞争态势及发展趋向分析报告》 [26] 国家统计局《2024 年度全国畜牧业数据》 贡献单位 序号 主要贡献单位 1 中国移动通信有限公司 2 中兴通讯股份有限公司 3 中信科移动通信技术股份有限公司 4 中国铁塔股份有限公司 5 翱捷科技股份有限公司 6 深圳艾灵网络有限公司 7 南京大学