为6G内生智能筑基：西浦徐树公教授团队探索通信智能化新路径

随着6G通信技术研究的推进，人工智能与通信系统的深度融合即“内生智能（Native AI）”成为学界和业界关注的焦点。在此背景下，如下问题随之浮现：6G需要什么样的内生智能？哪种人工智能范式可以为6G提供更坚实的底层模型支撑？

近期，西交利物浦大学智能工程学院智能科学系徐树公教授团队发布了“信道基础模型（Channel Foundation Model，CFM）”的概念与技术框架，为6G通信智能化提供了一种新的技术路径。该项研究成果由徐树公教授与西浦在读博士生蒋骏共同发表于《中兴通讯技术》2026年第1期，论文题为《6G内生智能与信道基础模型》。CFM概念由徐树公教授团队率先提出，并于2025年7月在第十届无线大数据会议暨中国移动第四届无线通算智融合研讨会上第一次公开介绍。

AI与无线通信深度融合是6G核心趋势，内生智能（Native AI）是下一代6G网络的核心特征。今年6月，工信部发布《“人工智能+信息通信”创新发展实施意见》，明确提出推动5G-A、6G与人工智能融合创新，支持移动通信空口智能化、网络内生智能等关键方向。信道基础模型（CFM）的提出，正是对这一技术趋势的前瞻开创性回应。

面向6G智能化的关键探索

如果说5G网络更多依赖预设规则和工程优化，那么6G网络则应具备更强的环境感知、任务适配与自主优化能力。徐树公教授介绍道，传统基于监督学习的AI模型在面向6G复杂无线场景时存在一定局限：一方面，模型训练往往依赖大量人工标注数据；另一方面，模型在跨场景、跨频段、跨任务迁移时容易出现泛化能力不足的问题。

徐教授团队在论文中提出，CFM以无线信道为核心研究对象，先通过大规模、多类型的信道数据开展预训练，学习信道中的通用表征，再通过轻量化微调或适配机制服务于具体下游任务。这一“预训练—微调”的技术范式，为6G内生智能提供了一种新的研究路径，也为未来通信网络从“任务专用模型”走向“通用基础模型”提供了重要启发。

在输入端，CFM不仅关注传统的信道状态信息（CSI）、信道脉冲响应（CIR）等无线信道数据，未来也会尝试融合图像、点云、位置、环境结构等多模态信息。这使模型能够从更丰富的物理环境线索中理解无线传播过程，例如建筑遮挡、多径反射、用户位置变化等因素对信道的影响。

在模型层面，CFM强调通过预训练，从大规模信道数据中提取通用特征，减少对人工标注数据的依赖。

此外，传统无线AI模型往往针对单一任务单独设计，而CFM的目标是通过统一的信道表征框架，支撑多个信道相关任务，并在不同场景之间实现更高效的迁移泛化及适配。

“从‘AI辅助通信’到‘AI内生于信道’，这一转变将推动通信系统从被动适配环境，逐步走向主动理解环境、学习环境并优化自身。”徐树公教授表示。

（GREAT-X仿真平台的介绍）

从概念框架到场景验证：产学研协同推进

CFM目前仍处于持续研究与验证阶段，其价值不仅体现在概念框架本身，也体现在与真实应用场景的强大结合能力。

徐树公教授曾先后在华为无线研究部、英特尔移动网络与计算联合研究院等机构任职，长期深耕无线通信、人工智能与产业创新交叉领域。这一跨越学术研究与产业实践的经历，使其团队在推进CFM研究时，不仅关注模型算法本身，也重视其在真实通信场景中的可验证性与可转化性。

徐树公教授目前担任西浦低空创新研究院院长。2025年6月，西浦低空创新研究院被苏州市科技局正式授牌为“苏州市低空经济技术创新中心”。围绕低空经济、通感融合、智能网络等方向，研究院持续推进与地方产业平台、科研机构和企业的协同合作。徐树公教授团队也与苏州市航空产业发展集团、苏州低空科技等单位开展合作，并联合姑苏实验室、中科院苏州纳米所等单位共建“低空技术联合转化中心”，为未来6G智能通信技术在低空场景中的验证与应用探索提供支撑。

（苏州市低空经济技术创新中心授牌仪式）

与此同时，团队正在推进面向6G通感研究的GREAT-X仿真平台建设。该平台可用于模拟城市楼宇、空旷郊区、低空飞行等复杂无线传播环境，为CFM模型在不同场景下的训练、测试和泛化能力评估提供基础工具。

（“低空技术联合转化中心”揭牌仪式）

从仿真验证走向真实场景探索

为了让更多研究者参与到这一方向的探索中来，徐树公教授团队对信道基础模型相关工作做了系统梳理，并已开源了两个核心项目CSI-CLIP和CSI-MAE。

徐教授表示，对于CFM而言，真正的挑战并不只在于提出模型框架，而在于能否成为3GPP（国际移动通信标准组织“第三代合作伙伴计划”）标准的一部分，更在于能否在复杂、动态、不可预知的真实无线环境中持续发挥作用。因此，从仿真平台验证走向真实场景测试，将是未来研究的重要方向。

目前，基于GREAT-X仿真平台的相关验证正在持续推进。通过对城市楼宇间多径反射、遮挡传播、低空飞行链路、复杂环境变化等场景进行建模，研究团队正在探索CFM在多样化无线环境下的泛化能力和任务适配能力。未来，随着仿真数据、实测数据和产业场景的进一步结合，CFM有望为6G内生智能网络提供更加坚实的底层模型支撑。

继理论研究与期刊发表之后，徐教授近期也就该方向面向产业与学界做了公开分享。7月1日晚，徐教授受邀做客“黄大年茶思屋”科技网站的《茶思一小时》栏目，作“内生AI与信道基础模型”专题报告，系统梳理无线通信AI研究范式演进与传统监督学习模型的局限，完整讲解CFM框架、预训练方案及多任务适配机制，并对CSI-CLIP、CSI-MAE等典型CFM进行对比分析，进一步阐释信道基础模型支撑6G内生智能的核心价值。本次直播线上观看量达4000余人次，与会观众对报告的前沿性与系统性给予了高度评价，引发了业内广泛关注。

（徐树公教授受邀做客“黄大年茶思屋”作“内生AI与信道基础模型”专题报告）

（图文提供：西浦低空创新研究院 西浦科研生产力和创新办公室 编辑：石露芸）