随着第六代移动通信系统研究的全面展开，业界对6G的期待已超越单纯的速率提升，转而聚焦于“泛在连接”这一根本性愿景。泛在连接意味着网络需要覆盖空天地海的全域空间，连接从智能手机到工业传感器、从低轨卫星到水下无人潜航器的几乎所有智能体，并保证毫秒级乃至亚毫秒级的端到端时延。然而，这种无处不在且即时响应的连接需求，与当前集中式云计算模式之间产生了根本性矛盾。将海量数据传输至遥远的云数据中心处理，不仅会因光速传播时延和网络拥塞导致响应滞后，还会大量消耗宝贵的回传带宽。在此背景下，一种新型网络架构成为必然选择：将计算能力从网络核心下沉到靠近用户的地理边缘，并使得边缘计算与通信协议不再是相互独立的系统层级，而是从物理层到应用层进行深度融合的协同体系。这种协同架构构成了6G实现泛在连接的技术基石，其本质是通过资源与信息的闭环反馈，让网络在实时感知环境的同时，就地完成计算与决策，从而避免数据长途跋涉带来的效率损失。
从系统功能分层来看，传统移动通信网络中的计算与通信长期处于割裂状态。在第四代及第五代移动通信系统中，无线接入网仅负责信号收发与链路控制，核心网负责路由选择与用户认证，而计算资源则作为上层应用服务器独立部署。这种模式在第五代移动通信时代虽引入了多接入边缘计算，但计算节点与基站控制器之间仍通过外部接口交互，导致任务调度与无线资源分配无法实现实时联动。6G协同架构则要求从设计之初就将通用计算单元嵌入无线接入网设备的每一个层级，包括分布式单元、集中式单元乃至射频拉远头端。每一台基站或接入点不再仅仅是转发数据的管道，而是具备本地数据处理、模型推理和实时决策能力的智能节点。这些节点通过高速内部总线与无线调度器直接通信，使得当用户设备发送一个计算请求时，基站可以在完成信号解调和解码的同时，依据当前信道质量、负载情况和任务优先级，决定该请求是在本地执行计算、还是卸载到邻近基站节点，或是发送至更远的区域中心云。这种物理层面的紧耦合设计，消除了传统接口中多次协议转换与队列等待所产生的时间损耗，使端到端响应时延能够压缩至亚毫秒级别，从而满足全息远程操作或触觉互联网等极端低时延业务的要求。
在资源管理与调度层面，通信与计算的协同体现为统一的资源视图和联合优化策略。传统网络中，无线资源块由基站调度器独立分配，而计算资源则由边缘节点的虚拟机管理平台单独调度，两者之间缺乏同步机制，极易产生资源错配问题。例如，一个需要大量计算但数据量很小的控制指令，可能会因为无线信号质量差而被分配过多带宽，同时因计算节点繁忙而排队等待；反之，一个需要高吞吐量的视频流任务，却可能因为计算节点空闲但无线资源不足而被阻塞。6G协同架构通过引入跨层资源控制器，将每个节点的可用频谱、发射功率、天线端口以及每个计算核心的缓存容量、算术逻辑单元负载和能耗状态抽象为统一的资源池。调度算法以联合优化为目标函数，在几毫秒的时间尺度上重新分配通信与计算资源。当用户移动导致信道条件变化时，系统不仅会切换服务基站，还会将对应的计算任务及中间状态同步迁移到新基站关联的边缘节点，这一过程被称为计算状态跟随用户位置移动。对于无人机编队或自动驾驶车队这类高动态场景，协同调度甚至采用预测性算法，依据车辆轨迹预判提前在沿途基站部署计算实例，从而保证任务连续不中断。这种紧耦合的资源管理方式使得网络容量不再受限于单一维度的瓶颈，通信带宽与计算吞吐量可以相互补偿，最终提升整个系统的能量效率和频谱效率。
从网络协议栈的角度观察，传统传输控制协议与网际协议体系是针对静态可靠网络设计的，并未考虑无线链路的易错性和边缘计算的动态性。在6G协同架构中，协议栈进行了根本性重构。物理层与媒体接入控制层直接向上层暴露信道状态和计算负载的原生信息，而传输层和网络层的功能则被整合进一个名为计算感知路由的新模块。该模块不再仅仅依据网际协议地址进行逐跳转发，而是以任务块为路由单位。每个任务块包含了数据负载、所需计算类型、允许的最大时延以及所需算力资源量。沿途的每个边缘节点收到任务块后，可以根据自身剩余算力决定是否参与处理，从而形成在网计算模式。例如，在一个智慧工厂物联网场景中，数百个传感器采集的温度、振动和电流数据无需全部送到中央服务器，而是可以在沿途的边缘节点上完成异常检测、数据清洗和特征提取，仅将告警信息和压缩后的特征向量传至云端。这种协议设计显著减少了冗余数据传输，同时降低了端到端协议交互的次数。此外，协同架构抛弃了传统传输控制协议的慢启动和拥塞避免机制，改为基于计算反馈的速率适配。边缘节点在向用户发送数据时，会根据本地任务队列长度和无线信道质量动态调整发送窗口，避免了因缓存膨胀导致的额外时延和抖动。
对于分布式智能应用而言，6G边缘计算与通信的协同架构提供了原生的联邦学习与分布式推理支持。在传统方案中，参与联邦学习的多个设备需要将本地模型更新通过基站上传至中心服务器，中心服务器聚合后再下发，这个过程受限于上行带宽和通信轮次。协同架构允许基站侧的计算节点直接扮演聚合服务器的角色，在接收来自几十个用户设备的模型梯度后，立即在本站进行加权平均，并将聚合后的模型参数通过下行链路发送回设备，整个过程可以在一个传输时间间隔内完成。更进一步，多个相邻基站的计算节点可以通过基站间的前传或中传链路构成一个分布式计算集群，运行去中心化的共识算法，无需经过核心网即可完成全局模型的同步。对于实时推理任务，例如增强现实眼镜对手部动作的识别或工业机械臂的视觉伺服控制，协同架构利用边缘节点的缓存与预计算能力，提前将常用的神经网络模型加载到基站的推理引擎中。用户设备只需发送压缩后的图像特征或雷达点云数据，基站即可在物理层处理完信道解码后直接送入计算单元进行推理，将识别结果和控制指令通过下行链路反馈。由于整个过程没有经过上层协议栈的缓冲和操作系统调度，端到端处理时延可以低至亚毫秒级，同时用户设备本身的计算负担也大幅降低，有助于延长电池供电终端的工作时间。
安全与隐私保护机制在协同架构中也呈现出完全不同的形态。传统移动网络中，安全机制终结于基站或核心网的用户面功能，加密和完整性保护在数据离开无线接入网之后即被移除，使得数据在传输至云端的路径上面临暴露风险。6G协同架构利用边缘计算节点作为可信执行环境的天然锚点。每个基站内部的计算单元均配备硬件级隔离区域，用于运行加密算法和密钥派生函数。当用户设备接入时，基站与设备之间建立端到端的加密隧道，该加密隧道不仅保护无线链路上的数据，还延伸到基站计算单元的隔离区域内部。这意味着即使数据需要被边缘节点处理，也是在加密状态下进入可信执行环境，解密、计算和再加密过程均在硬件VB保护区内完成，外部操作系统和应用程序无法窥探。此外，协同架构支持计算任务的动态切分与混淆。用户可以将一个计算任务拆分为多个无关的子任务，分别发送到三个不同的边缘节点，每个节点只能看到碎片化的数据，即使某一个节点被攻破也无法还原完整信息。这种架构还天然抵御分布式拒绝服务攻击，因为边缘节点可以快速识别异常流量并在本地丢弃恶意请求，而不需要将攻击流量汇聚到核心网造成大规模拥塞。同时，由于用户数据在边缘就近处理，敏感信息不会离开本地接入网的管辖范围，满足了不同国家与地区对于数据主权和隐私保护的法律法规要求。上述设计表明，在6G泛在连接的愿景驱动下，边缘计算与通信不再是彼此独立的系统组件，而是从物理设施、资源调度、协议机制、智能算法到安全保障等多个维度深度协同的统一整体，这一架构将为全息通信、数字孪生、协作机器人以及沉浸式扩展现实等未来应用提供坚实的技术基础。
