9 月 1 日，香港科技大学提出一份无线网络路线图，其前提颇为不同：有些时候，智能之处在于决定是否发送，发送速度则退居其次。拟议中的推理增强型任务导向通信（reasoning-empowered task-oriented communication）框架，会让 AI 智能体判断另一个智能体需要什么、一条消息是否值得发送、该由谁接收，以及这次信息交换会如何改变后续决策。[1][2]

校方把这一路线定位为 7G 方向。[2] 焦点落在控制权如何变化，标签本身居于次位。当下的网络通常依照预先设定的服务级和链路级目标优化通信，港科大的方案则把智能体纳入这一回路。通信系统除了回答“这些比特能否在资源预算内抵达？”，还会追问：“这条消息对任务结果的改善，是否足以抵偿它占用的带宽、能量、时延和风险？”[1]

这项工作属于前瞻性综述和研究罗盘，原型、已部署网络与完备标准均不在其成果范围内。[1][2] “沉默”在文中指向一种实践结果，作者并未将其定义为正式协议术语：当智能体获准判断通信何时有必要，不发送便会成为一种选择。[1]

这为中国 AI 领域带来一个实质信号。智能体工程由常见的应用层向下延伸，进入决定机器何时共享状态的底层环节。随之出现的还有新的审计难题：错误消息在接收后会留下可供检查的记录；有价值的信息若被智能体错误压下，则未必在接收端留下可见痕迹。

从保全数据到保全决策

传统通信工程拥有一套成熟的传输指标，包括数据速率、时延、可靠性、错误率、覆盖范围和频谱效率。这些指标依然必要，却无法说明每项送达的观测对下游任务是否同样有用。

任务导向通信改变了优化目标。面对推理任务，摄像头可以发送物体分类所需的紧凑特征，省下足以重建整幅图像的数据。面对生成任务，发送端可以传递潜在表示或条件，接收端再据此生成满足任务目标的输出。两种情况下，分类质量、控制误差或决策效用等应用端指标成为衡量成败的重心，原始数据的还原保真度则退居其后。[1][3]

信息舍弃仍须谨慎。Nature Reviews Electrical Engineering 汇集的更广泛证据说明，目标需要审慎设定：目标导向系统可以大幅削减流量，但目标度量一旦定义不当，即使投入更多通信资源，任务表现也会恶化。[3] 当网络开始优化信息的有用程度，“有用”的定义也就进入安全论证。

港科大 6 月发表的论文把现有研究分为判别式方法与生成式方法，随后指出两者大多采取响应式工作方式：任务和触发条件已经存在，系统再为其压缩或重建信息。拟议中的下一步，是让智能体推理通信事件本身。[1]

拟议回路承担三项工作

第一项是意图解释。一项较为宽泛的请求，例如保持移动视频会话稳定，会被转写成包含目标、变量和约束的明确问题。论文设想由基站上的智能体完成这项转写，以技术规范和用户画像等资料为依据，再识别候选方法及其取舍。[1]

第二项是表述与优化。智能体会选择一种架构，或写出带约束的资源配置问题，继而分配功率与带宽、调用求解器、检查结果，并在执行日志暴露错误时再次尝试。这一步远超让 LLM 编写网络配置的范围。模型在意图、数学表述、代码、工具与反馈之间担任统筹者。[1]

第三项是主动预见。世界模型会在服务恶化前估计信道条件、移动状态、拓扑和任务需求的变化。新的高层指令到来之前，智能体便可据此调整通信策略。[1]

三个阶段把优化单位从一条链路移到一个回路。设想多个路侧智能体正在观察一处潜在危险：以比特为中心的网络关心如何送达各路传感器数据流；任务导向设计关心防撞任务需要哪些特征；推理增强型设计还要决定哪个智能体应当发言、其余智能体能否补充新证据、何种不确定程度足以触发另一条消息，以及整个群体何时已经掌握足够信息，可以采取行动。

按照这套设想，当智能体判断继续交换信息已经没有价值，不发送便会成为决策回路的一种输出。

沉默需要审计轨迹

论文在说明自身构想引发的问题时最为清晰。不同智能体持有的世界模型既不完整，也不相同。一个智能体看不到另一个智能体的信念，却要估计自己的消息会怎样改变对方的判断。同一决策面存在导向通信不足的风险；这一点来自对拟议控制逻辑的推论，并非论文报告的结果。论文明确警告了相反方向的故障：智能体陷入“过度思考”回路，不断打磨消息，却迟迟无法收敛到行动。频谱分配也随之成为语义优先级问题：谁的更新对集体推理贡献最大？[1]

因此，决定系统能否投入生产的指标不能只看节省了多少带宽。一套有用的评估至少应比较三种策略：发送全部可用状态；发送紧凑的任务专用表示；由智能体决定是否发送以及发送什么。每种策略都要考察终端任务成功率、决策尾延迟、能耗与频谱占用、收敛性，以及信道噪声或世界模型出错时的表现。安全关键型试验还需衡量误静默率（false-silence rate）：系统有多少次压下了原本会改变正确行动的信息？

最后一项指标来自对方案控制逻辑的推论，作者并未在论文中报告这一指标。所引论文属于综述和路线图，其数据可用性声明写明，研究没有生成或分析任何数据集。[1] 港科大的公告同样把这项工作描述为研究罗盘，距离完整标准仍有一段路。[2] 对于拟议的推理增强型方案，两个来源都没有披露无线电测试床、多智能体部署、端到端基准测试，也未给出对照结果来证明额外的推理开销不会抵消其宣称的时延与流量收益。[1][2]

进入部署阶段前，接收端还应能够查明预期信息为何没有到达。为此，可以采用签名决策日志、置信度阈值、定期抽取的原始状态样本、升级规则，以及一条不受智能体静默决策支配的传统备用信道。否则，系统优化的是一项不可见的消极动作，运营人员手中没有可查的证据链。

“7G”是时间坐标，尚未成为当前标准名称

标准的界线很重要。国际电信联盟把下一代国际移动通信称为 IMT-2030，通称 6G。现行框架已经将 AI 融合、感知、可持续性、安全、韧性和互操作性列为面向 2030 年及更远时期的能力与设计原则。[4] 截至 2026 年 9 月 11 日，ITU-R 仍在推进 IMT-2030：技术性能要求于 2 月完成工作组审议，评估指南于 6 月完成；两份文件都在等待研究组 5 审议，日程定在 12 月。[5]

网络内 AI 的推进也早于 7G 这一标签。3GPP 的 5G-Advanced 工作已经涵盖无线接入网内模型训练与推理所需的数据收集和信令，Release 19 又扩展到网络切片及覆盖与容量优化。[6] 港科大路线图新增的实质，在于让 AI 智能体参与定义通信目标，并判断一次信息交换的价值；这比优化预先定义的网络功能多出了一层控制。[1]

将这些层次分开，可以避免一套推测性架构借用尚未写入相关内容的标准工作所具有的成熟度。“7G”向读者标出了预期的时间跨度，接口、一致性测试、频谱安排、互操作性和部署日程并不会随这个标签一同出现。[1][2][4][5]

验证应从那条永远没有抵达的消息开始

四类实证材料，能够把这份引人注目的路线图推近工程成果。第一，可复现的测试床应公开智能体、信道模型、任务、求解器、世界模型更新和基线。第二，基准测试应将推理耗时与计算成本同无线电资源一起计价；智能体即使节省了数据包，一旦错过决策期限，系统也没有得到改善。第三，压力测试应扰乱意图、用户上下文、信道观测与其他智能体的信念，由此检验回路是走向收敛，还是放大错误。第四，协议应保留人工设定的约束，以及一条不依赖智能体的应急通路。

更广泛的研究已经显示，在范围明确的感知、控制和推理任务中，任务级通信可以胜过不加区分的数据搬运。[3] 港科大提出了下一层难题：网络能否判断通信本身是否值得发生？

若最终答案是肯定的，重要的 7G 原语未必是另一项峰值速率纪录。它可以是一条可验证的理由，解释一台机器为何要打断另一台机器；也可以是一条同样可验证的理由，解释它为何保持沉默。

来源

1. Songjie Xie、Hongru Li、Zixin Wang、Shenghui Song、Jun Zhang 和 Khaled B. Letaief，《迈向智能体网络的推理增强型任务导向通信》，npj Wireless Technology 2，第 25 号文章（2026 年 6 月 3 日）——框架、认知回路、实施难题与证据边界。
2. 香港科技大学，《港科大为智能体化 7G AI 无线网络绘制路线图》（2026 年 9 月 1 日）——官方研究公告、团队照片、预期应用及作者对标准化的保留说明。
3. Cheng Feng 等，《面向未来信息物理系统的目标导向通信》，Nature Reviews Electrical Engineering 3，475–492（2026 年）——独立综述，涵盖任务级指标、压缩收益、控制取舍与评估需要。
4. 国际电信联盟，ITU-R M.2160-0 建议书，《面向 2030 年及更远时期的 IMT 未来发展框架与总体目标》（2023 年 11 月 13 日批准）——现行 IMT-2030 能力与使用框架。
5. 国际电信联盟无线电通信部门，《IMT 家族详细信息》（访问于 2026 年 9 月 11 日）——IMT-2030 的当前名称、技术性能要求、评估与批准时间表。
6. Yin Gao、Angelo Centonza 和 Gen Cao，《面向 6G 的 NG-RAN 与 5G-Advanced AI/ML》，3GPP Highlights 第 10 期（2025 年 6 月）——Release 18 和 Release 19 在数据收集、模型训练与推理、切片和覆盖优化方面的工作。