[控场AI]
· 5 分钟阅读· 2,703 字

射频计算如何重塑智能边界?CNCC论坛五大报告前瞻

射频计算如何重塑智能边界?CNCC论坛五大报告前瞻

射频计算正从信号处理演变为融合智能超表面、具身智能与无源物联网的交叉技术体系。

文章基于CNCC 2026「射频计算:探索智能边界」论坛,梳理射频计算的内涵扩展与关键技术进展。射频计算原指在射频空间内对信号做变换以完成信息处理,如今已把大模型、具身智能、边缘计算纳入框架。智能超表面通过可编程电磁调控实现通信-感知-算力协同,工程路径较清晰;网络化具身智能要求重构射频收发架构,推动感知数据从面向人转向面向机器决策;PScatter与SyncSSB两项工作推动无源物联网走向真实蜂窝网络。射频域智能计算与网络化具身智能仍处早期,工程化程度低于智能超表面和反向散射通信。

当射频信号成为计算对象

射频计算正在从单纯的信号处理,演变为智能系统的底层范式。据CNCC 2026「射频计算:探索智能边界」论坛介绍,这一领域的定义是「在射频空间内对射频信号做变换从而完成相应的信息处理和转换」。但伴随人工智能的深度渗透,它的内涵已不再局限于物理层。

论坛在前两届聚焦射频信号信息载体、通感智能与空间计算重构的基础上,进一步把大模型、具身智能、边缘计算拉入讨论框架。从理论体系到信息超材料、智能反射面、无源物联网,再到低空经济、数字孪生、智慧城市,议题跨度相当大——这恰恰说明射频计算正在成为一条横跨通信、感知与计算的交叉主线。

射频计算论坛主题图

智能超表面:把通信、感知、算力拧成一股

东南大学程强教授的报告「智能超表面的通感算一体新进展」,指向一个明确的工程痛点:毫米波遮挡、频谱资源竞争、感知与通信性能失衡。智能超表面的思路是用可编程电磁波调控能力重构无线传播环境,让高速通信、高精度目标感知与边缘协同算力调度同步发生。

报告将梳理时空编码超表面、自适应信道调控、波束成形、射频计算与AI驱动相位自适应优化等方案,并试图把它们整合为「通信-感知-算力」协同优化框架。程强团队的履历也侧面说明这条路线不是空谈:相关研究曾入选国家自然科学奖二等奖、中国科学十大进展、IEEE马可尼奖等奖项。

智能超表面(Reconfigurable Intelligent Surface, RIS) 是一种由大量亚波长单元组成的平面阵列,每个单元可对入射电磁波的相位、幅度甚至极化进行独立调控。通过数字编码控制各单元状态,RIS 能够像「镜子」一样改变无线信号的反射方向与波前形态,从而在不新增发射机的前提下重构传播环境。与传统中继不同,RIS 本身不放大信号、功耗极低,通常以无源或半无源方式工作。时空编码超表面则进一步引入时间维度,让单元状态按特定序列高速切换,从而在频域产生可控的谐波分量,实现波束扫描与信息调制的一体化。这些特性使智能超表面成为通感算一体化的关键使能技术,也是当前 6G 研究的热点方向之一。

射频计算的进展与未解问题

清华大学何源教授的报告「射频计算:进展与思考」更偏基础。他给出的定义强调射频计算把射频信号「作为计算对象」,通过射频空间内的变换完成信息传递、处理和转换。这一视角的价值在于,它为物联网的若干瓶颈问题提供了另一条解题路径——不一定要把数据搬到数字域再算,计算可以发生在射频域本身。

报告标题里的「思考」二字值得留意。射频计算要成为成熟学科,仍有若干关键科学问题待解,比如射频域变换的可编程性边界在哪里、计算精度与能耗如何权衡。这些问题的答案,可能决定射频计算是停留在特定场景的巧思,还是成长为通用技术底座。

具身智能需要一张「感知-计算-通信」融合的网

中国科学技术大学龚伟教授的报告「网络化空间具身智能」,把具身智能的讨论从单体能力拉向多智能体网络协同。他的判断是,智能正从「单机智能」演进为跨节点、跨模态、跨空间的系统智能。

现有技术体系的问题在于感知、计算与通信分立设计,由此带来连接能耗高、复杂环境通信脆弱、多模态信息难以统一表征、数据搬移与计算开销过大等瓶颈。报告提出的路径包括高可靠低功耗通信、多模态时空感知、端侧智能计算与异质集成,尤其是重构射频收发架构以突破规模化连接的能效与抗干扰约束。更关键的理念转变是:感知数据要从「面向人类呈现」转向「面向机器理解与决策」。

具身智能(Embodied Intelligence) 指智能体通过物理身体与环境交互、在感知-行动循环中学习和完成任务的能力,强调智能不能脱离身体与环境的耦合。当具身智能从单体机器人扩展到多智能体网络时,系统需要在节点之间实时交换感知数据、协同决策,这对通信的时延、可靠性和能效提出严苛要求。异质集成在此语境下指将不同工艺、不同功能的器件(如射频前端、传感器、计算单元)在封装或芯片层面整合,以降低数据搬移开销。端侧智能计算则把部分推理任务下沉到终端或边缘节点,减少原始数据上传。这些技术共同支撑「感知数据面向机器理解」的转变——数据不再为人类可视化服务,而是直接喂给下游模型与决策模块。

无源物联网走向真实蜂窝网络

无源物联网的两场报告分别切入了6G场景下的不同侧面。北京理工大学于季弘教授聚焦「6G无源物联网反向散射通信技术」,指出泛在物联网智能应用对功耗、成本与部署便捷性提出严苛挑战,而频谱复用、商用兼容、远距传输是必须直面的瓶颈。

华中科技大学龚伟(注:原文中龚伟为中国科学技术大学教授,此处按原始素材归属处理)团队则介绍了面向6G移动无源物联网的两项具体工作:高能效寻呼机制PScatter通过协调终端与接收端的休眠和唤醒,降低持续监听开销;负载无关同步系统SyncSSB利用不受业务负载影响的5G帧结构特征,适配不同资源配置与下行信号。这些工作的意义在于推动无源物联网从特定场景验证走向真实蜂窝网络中的长期可靠运行。

反向散射通信(Backscatter Communication) 是无源物联网的核心机制:标签不主动发射射频信号,而是通过切换自身天线的阻抗匹配状态,对环境中已有的射频载波进行反射调制,将信息「搭载」在反射波上传递给接收端。这种方式省去了高功耗的射频振荡器与功率放大器,使标签功耗降至微瓦级,可依靠环境能量或射频能量收集供电。PScatter 针对的是无源终端持续监听寻呼信道带来的能量浪费,通过协调终端与基站的休眠/唤醒周期降低开销;SyncSSB 则利用 5G 帧结构中同步信号块(SSB)不受业务负载影响的特性,实现与负载无关的时间同步,从而适配不同网络配置。两者的共同目标是让无源标签在真实蜂窝网络中长时间可靠工作。

交叉创新的信号

这场论坛的讲者构成本身就传递了信息:毫米波国家重点实验室、软件学院可信网络与系统研究所、端侧智能与系统安全、卫星物联网与反向散射通信——射频计算把微波、物联网、移动计算、系统安全的人聚到了一张桌子上。

从技术成熟度看,智能超表面与反向散射通信已有较清晰的工程路径,而射频域智能计算、网络化具身智能仍处于概念构建与原型验证阶段。两者之间的距离,正是「探索智能边界」这个论坛主题的真实含义:射频不再只是承载信息的管道,它正在变成可以编程、可以计算、可以承载智能的物理介质。

#射频计算#智能超表面#无源物联网#具身智能#6G通信#通感算一体#CNCC#反向散射通信
分享:

相关推荐