随着第五代移动通信网络在全球范围内进入规模化部署与深度应用阶段，产业界与学术界早已将目光投向更远的未来，开启了面向第六代移动通信系统的前沿探索。与历代移动通信技术演进主要聚焦于提升峰值速率、降低时延、增加连接密度等通信性能指标不同，6G的愿景被普遍认为将超越传统“通信”的范畴，向一个更为宏大和融合的目标演进：构建一个能够无缝集成通信、感知、计算与人工智能能力的全新一代数字基础设施。这一愿景催生了一个极具革命性的核心范式——“通感算智一体化”。这一概念并非上述技术的简单叠加或外挂式协同，而是旨在从系统架构的原点出发，实现四者在资源、功能与流程层面的深度耦合与内生融合。这意味着一套全新的、统一的技术框架将需要被构建，其目标是将网络从“信息传输管道”重塑为“具有环境感知、实时计算与自主智能决策能力的智慧体”。这不仅是性能指标的线性提升，更是一场涉及理论体系、硬件架构、协议栈乃至应用生态的全面范式革命，其深度与广度将重新定义移动网络的本质与边界。
理解“通感算智一体化”的革命性，首先需要解构其四大核心要素在6G语境下的内涵及其融合的必然性。通信，作为移动网络的基石，在6G时代将继续向更高频段（如太赫兹）、更宽频谱、更智能的空口和更灵活的组网方式演进，目标是提供极致性能的无线连接能力，包括但不限于峰值速率迈向太比特每秒、时延降至亚毫秒级、以及近乎全域的立体覆盖。然而，6G的通信能力将不仅仅是服务于人与人、人与物、物与物的信息交互，更将作为支撑感知、计算与智能功能的基础数据流转平台与协同控制通道。感知，在此特指利用无线信号本身或其衍生手段（如分布式射频单元）对物理世界进行高精度、高分辨率的探测、成像、定位与环境重构。它使网络能够“看见”和“理解”其覆盖范围内的物理环境变化、物体运动轨迹甚至材质特征，从被动的数据传输载体转变为主动的环境感知器官。计算，意味着将分布式的计算资源（从云端、边缘到终端设备）进行高效协同与动态调度，并与通信、感知过程紧密交织。计算不再仅仅是网络后端的数据处理中心，而是需要前移至网络接入点甚至终端，实现通信过程中的实时数据处理、感知信息的即时解析以及AI模型的分布式推理。智能，则代表人工智能，特别是机器学习与深度学习能力，将作为一种原生能力内嵌于网络的各个层次。它负责对海量通信数据、感知信息进行融合分析，自主优化网络资源分配、预测与规避故障、动态适配业务需求，并最终实现网络的自配置、自愈合、自优化。
这四大要素的一体化融合，其内在驱动力源于未来应用场景的深刻需求。例如，在智能交通领域，仅凭车辆自身的传感器进行环境感知存在盲区和局限。如果6G网络能够通过其分布式基站与车辆间的通信链路，同步实现对道路全息环境、周边车辆与行人精准轨迹的“网络级”协同感知，并结合边缘计算的实时处理与AI的预测决策，便可通过低时延、高可靠的通信链路，为自动驾驶车辆提供超越其自身感知能力的“上帝视角”与协同决策支持，极大提升交通安全与效率。在工业制造场景中，通感算智一体化网络可以同时为海量工业机器人、AGV小车提供超高可靠连接，利用无线信号对生产线上工件的位置、姿态进行毫米级精度的非接触式感知与质量检测，并在边缘侧实时处理感知数据、通过AI算法优化生产流程，实现真正柔性、智能的“无人工厂”。在数字孪生领域，一体化网络能够持续、实时地感知物理世界的全要素状态，通过高速通信将数据汇聚，并利用强大的分布式算力与AI构建并动态更新高保真的虚拟镜像，使数字世界与物理世界实现深度、实时的互动与闭环控制。这些场景清晰地表明，单一的通信性能提升已无法满足未来社会的需求，通信、感知、计算与智能的分离式架构也将因跨域交互带来的巨大开销与延迟而难以胜任。唯有将它们深度融合为一个有机整体，才能催生出前所未有的应用与服务。
实现这一深度的范式融合，面临着从基础理论到工程实践的多层次、系统性挑战，这些挑战也正是当前6G前沿研究的核心攻坚方向。在基础理论与信号处理层面，首要难题是如何设计统一的波形、编码与多址接入方案，使其能够同时高效承载通信数据与感知信号，并解决两者之间的固有矛盾。例如，通信追求高数据速率和可靠性，通常希望信号具有特定的、利于解码的构造；而感知为了获得高分辨率与精度，往往需要信号具有良好的自相关与互相关特性，以准确估计目标的距离、速度与角度。开发“通感一体化”的空口技术，意味着需要寻找一种在通信容量与感知性能之间达到最优折衷，甚至能根据场景动态调整侧重点的灵活信号体制。同时，感知过程产生的海量原始数据（如信道状态信息）如何被实时处理、提取特征并与通信数据流高效融合，也需要全新的信号处理与信息论框架作为支撑。
在网络架构与资源管理层面，挑战则更为复杂。传统的通信网络架构以数据传输为中心进行设计，而一体化网络需要引入对感知任务、计算任务与AI模型训练/推理任务的原生支持。这要求网络具备统一的资源抽象与管理能力，能够对频谱、时隙、功率、天线阵元等通信资源，以及CPU、GPU、内存、存储等计算资源进行联合调度与优化。一个感知任务可能需要占用特定的频谱块和波束方向，同时调用边缘服务器的计算单元进行处理；一个AI推理任务可能需要从多个分布式感知节点获取数据，并通过低时延的通信链路汇聚结果。网络操作系统或智能控制器需要能够理解这些异构任务的全局需求与依赖关系，实现跨域资源的动态切片与全局最优分配。此外，感知数据的隐私安全、计算任务的可靠迁移、以及AI模型在分布式环境下的协同学习等，都提出了全新的安全性、可靠性协议需求。
在硬件与器件层面，通感算智一体化对基站、终端乃至新型网络节点的硬件设计提出了颠覆性要求。传统的基站射频单元主要处理通信信号，而未来的一体化基站可能需要集成用于高精度感知的专用发射与接收链路，或者能够通过软件定义的方式在通信与感知模式间快速切换。天线系统可能需要具备更宽的频率范围、更灵活的三维波束赋形能力，以同时满足高速数据传输与高分辨率感知成像的需求。计算单元（如AI加速芯片）需要更紧密地与基带处理单元集成，支持对通信协议栈与感知数据流的实时处理。终端设备同样需要增强其感知（如利用通信信号进行定位与成像）与本地计算/智能能力，以参与网络侧的协同任务。
尽管挑战艰巨，通感算智一体化所预示的范式革命，其价值与意义是深远的。它将使移动网络从一个相对被动、透明的连接服务提供者，转变为一个主动、智能、可感知物理世界的数字服务创造者。网络将不仅知道“如何传输数据”，还将知道“数据从何而来、代表何种物理事件、以及需要何种智能处理”。这种根本性的转变，将催生出一个全新的技术生态系统和商业模式。应用开发者将能够基于网络提供的统一“通感算智”能力API，开发出前所未有的融合应用，而无需分别对接通信模块、感知服务商、云计算平台和AI引擎。网络运营商的价值也将从提供比特管道，拓展到提供环境感知即服务、分布式智能即服务等更高维度的能力。
