
在加利福尼亚州圣迭戈,阳光照在高通公司总部的实验楼顶,一组工作在7 GHz频段的Giga-MIMO原型基站正在验证面向6G的新一代MIMO技术。距离业界普遍预期的2030年前后6G规模商用仍有数年时间,但决定6G技术形态的一些基础方向已经逐渐浮现。一个值得关注的现象是:它们中的很多并非从零开始。

6G不是对5G的推倒重来
回望移动通信史,人们习惯用"换代"来理解通信技术的演进:1G到2G完成了从模拟到数字的转变,3G到4G推动移动网络全面迈向IP化。那么,从5G到6G,是否也意味着一次彻底重构?
从目前的标准化研究和产业实践来看,答案更接近“持续演进”。过去一年,3GPP已经围绕6G架构、波形、信道编码、调制和帧结构等方向展开研究,Release 21的标准化时间表也逐渐明确。值得关注的是,许多研究方向并不是推翻5G的技术基础,而是在经过验证的框架之上继续演进。

为什么移动通信技术会形成类似于“传承”的演进宗旨?有两个内因。
首先,是5G技术体系本身的成熟度和可扩展性。5G在设计之初,就要兼顾低频、中频和毫米波等不同频谱条件,又要支撑增强型移动宽带(eMBB)、超可靠低时延通信(URLLC)和海量物联网(mMTC)等多样化场景。这些成熟的技术框架和多年工程积累,自然成为6G研究的重要起点。
其次,是产业部署还需要考虑网络功耗、平滑演进和投入产出等现实约束。对运营商而言,6G的价值不仅取决于理论性能,还取决于能否平滑利用现有网络资源。通过提升新频段的覆盖能力,并尽可能利用现有宏站站址进行共址部署,是降低网络演进成本的重要研究方向。
正如高通技术公司工程技术高级副总裁庄思民(John Smee)所指出的,对于工程师而言,最有价值的往往不是脱离现实约束、追求理论极限的优化,而是在实际约束条件下实现最优平衡。
MIMO:跨越4G、5G和6G的基础技术
MIMO,即多输入多输出(Multiple-Input Multiple-Output),就是观察这种跨代演进的一个典型样本。无线通信要传输更多数据,最直接的方法是使用更多频谱,但优质频谱资源是极其稀缺的物理资产。MIMO则通过在基站和手机等终端使用多根天线,在不增加频谱带宽的前提下,向“空间维度”要容量、要覆盖。
在4G LTE时代,OFDM、MIMO和载波聚合等技术得到广泛应用,不断提升频谱利用效率、传输速率和网络性能。其中,MIMO通过空间复用支持多路数据流并行传输,帮助提升有限频谱资源下的数据传输能力,为移动视频和移动互联网的快速发展提供了重要技术支撑。
进入5G时代,MIMO进一步演进为大规模MIMO(Massive MIMO)。与4G相比,5G大规模MIMO显著扩大了基站侧天线阵列的规模,可采用数十乃至上百个天线单元。借助二维平面天线阵列,基站可以在水平和垂直两个维度实现更加精准的三维波束赋形,从而改善覆盖并提升网络性能,包括更好地服务建筑物高层用户。
同时,结合多用户MIMO(MU-MIMO)以及更先进的信道状态信息获取和预编码技术,基站可以利用相同的时频资源同时服务多个用户,进一步提升网络容量和频谱效率。MIMO由此从4G的重要功能,演进为5G无线系统的关键能力。
从Massive MIMO走向Giga-MIMO
但是在6G阶段,MIMO再次迎来了物理挑战。随着移动数据需求持续增长,特别是AI与智能体AI带来新的持续性、上行密集型流量,产业界也在积极探索新的频谱资源。其中,6-8 GHz的中频段高段(upper mid-band)因有望提供更大的连续带宽,成为构建6G广域容量层的重要候选频段。具体频段如何划分和商用,仍将取决于各国和地区的频谱政策。
但物理规律带来了另一面:随着工作频率升高,传播损耗通常也会增加,对网络覆盖提出更大挑战。如果缺少相应的天线和系统设计,使用7 GHz附近频段可能面临覆盖下降或网络密集化压力。
因此,6G需要解决一个关键问题:如何在利用更高频段获得更大带宽的同时,尽可能保持与现有5G中频段相当的广域覆盖能力,并避免大规模增加基站密度?Giga-MIMO正是面向这一挑战的重要技术研究路径。
从电磁学原理来看,频率越高,波长越短。以7 GHz与5G常用的3.5 GHz频段相比,频率约为两倍,波长则约为一半,从约8.6厘米缩短至约4.3厘米。由于阵列天线的阵元间距通常与波长相关,更短的波长意味着可以在相近尺寸的天线面板中部署更加密集的天线阵列,为Giga-MIMO提供重要的物理基础。
但增加天线数量并不意味着系统性能会简单地等比例增长。真正的挑战在于,系统能否有效利用大规模天线阵列形成更加精准的波束,并通过先进的信号处理和干扰管理,把物理条件转化为系统收益。
Giga-MIMO的价值主要体现在两个方面。
首先,通过更密集的天线阵列形成更窄、更集中的高增益波束,有助于补偿较高频段带来的额外传播损耗。这使中频段高段有望实现接近现有5G中频段的广域覆盖能力,并为利用现有5G宏站站址进行共址部署创造条件,从而减少网络密集化需求。
其次,更密集的阵列可以提升空间分辨能力和用户间的干扰隔离,使基站更有效地区分不同用户,并通过更高阶的空间复用同时服务更多用户。在高通研究的Giga-MIMO系统设计中,下行空间复用能力可从当前5G系统的最高16层进一步扩展至32层。
高通的一项系统级评估进一步展示了这种潜力:当在现有100 MHz带宽的5G C频段基础上,共址叠加400 MHz带宽的中频段高段Giga-MIMO容量层,并保持100 Mbps的小区边缘下行速率时,仿真结果显示,网络流量承载能力可提升约5倍,平均用户下行吞吐量可提升约3倍。上述结果基于特定仿真条件,体现的是Giga-MIMO作为新增广域容量层的潜在系统价值。
当然,阵列规模持续扩大,也会对射频链路、信号处理和功耗管理提出更高要求。因此,6G MIMO的演进并不是简单增加天线数量,还需要结合AI/ML辅助的信道状态信息获取、更高效的终端设计和动态天线资源管理等创新,在性能、能效、复杂度和成本之间实现更好的平衡。
从MIMO的演进理解6G
如今,6G已经进入技术定义的重要窗口期。接下来的几年,产业界不仅要验证关键技术能否带来性能提升,还要回答这些提升能否转化为可量化的网络收益,以及相关方案能否在合理的功耗、复杂度和成本约束下进入终端和基站。
从这个意义上说,理解MIMO的演进,也提供了一种理解6G的方式:6G不是对5G的推倒重来,而是在经过验证的技术基础上,面向新的频谱、业务需求和系统约束持续创新。
从4G MIMO到5G Massive MIMO,再到面向6G的Giga-MIMO,改变的是阵列规模、频谱环境和系统能力,不变的是移动通信产业不断从有限资源中寻找更高效率的创新逻辑。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。