（问题） 移动通信迈向5G-Advanced并前瞻6G的过程中，智能化已成为重要方向之一。业界普遍认为，借助数据驱动算法提升空口效率、覆盖和能耗表现具备潜力。但智能化模型常呈现“黑盒”特征：机制难解释、对训练数据依赖强、不同厂商实现差异明显。进入标准化体系后，关键不再是某个模型单点性能有多亮眼，而是能否在统一条件下被测量验证、在跨厂商网络中保持一致，并在复杂业务与多场景下可控可管，避免引入新的系统性风险。 （原因） 从工程实践看，智能化能力嵌入协议栈将直接触及两类关键约束。 其一，物理层与无线接口高度依赖确定性。无线链路的时延、误码与调度需要可预测的边界；一旦模型输出不可复现，或因训练集偏移出现漂移，互操作与性能承诺就难以成立。 其二，数据流转受合规与架构限制。模型要长期有效往往需要训练数据与周期性更新，但传统控制面信令带宽有限且承载关键功能，若用其传输大规模训练数据，不仅会挤占控制资源，还会增加安全与运维复杂度。因此，标准组织更关注“怎么测”“怎么管”以及“数据怎么走”，用工程约束把不确定性控制在可管理范围内。 （影响） 以信道状态信息（CSI）压缩等典型场景为例，终端侧编码器与基站侧解码器在单厂商环境中可通过联合训练获得较好收益，但在多厂商组网时，模型不一致、参数差异或训练数据分布不同，容易导致解码失败或性能大幅波动，影响用户体验与网络稳定性。若缺少统一测试基准，产业可能出现“实验室领先、现网难落地”的断层，甚至因互操作问题推高部署成本、拖慢规模推广。 同时，若训练数据的传输路径不清晰，模型生命周期管理也缺乏支撑：既难以优化，也不利于隔离潜在风险，从而影响终端侧智能化能力的长期可用性。 （对策） 根据“测得准、测得通”需求，RAN4提出用更严格的测试框架建立物理层的“及格线”。据有关组间沟通思路，Option 3测试机制的核心是引入标准化参考组件：以参考编码器与测试解码器作为统一量具。终端或设备厂商即使采用自研模型，也需要在规定条件下被测试解码器成功解析，并满足明确的性能底线。该机制不要求网络立刻兼容所有私有实现，但通过可复现、可对比的测试基准，为跨厂商互操作划定最低门槛，并形成“测试反哺设计”的闭环：先把边界测清楚，再把机制写进规范，降低现网引入不确定性的概率。 根据“管得住、走得顺”需求，SA2在系统架构层面推动为模型训练与更新建立合规通道。考虑到模型重训或增量更新通常需要较大数据量，讨论倾向于将相关数据传输明确放在用户面完成，避免占用控制面资源，并在优先级与隔离策略上做区分：将高频实时推理与低频离线训练分流承载，既保障关键业务，也为终端侧模型生命周期管理提供可持续的数据通道。该安排有助于在核心网侧形成可管理、可计量、可策略化的传输路径，为后续安全治理、资源控制与运营策略预留空间。 （前景） 总体来看，5G-Advanced乃至6G的智能化演进正在从“能力设想”走向“工程落地”。一上，统一测试基准将促使产业把创新放可验证范围内，减少“各自为战”带来的互操作隐患；另一上，明确的数据管线有利于构建可持续的模型运维体系，使智能化能力上线后可管理、可演进。下一步，随着更多场景进入标准讨论，如何在性能收益、计算开销、能耗约束与安全合规之间取得平衡，将成为持续推进的重点。可以预期，标准化仍将以“可测、可控、可部署”为优先，在稳健性与规模化要求面前，任何创新都需要经受工程规则的检验。
5G-Advanced技术的标准化进程表明，技术创新之外，工程实践的严谨同样重要。AI在通信网络中的落地不只依赖算法突破，更取决于与既有网络架构的协同与融合。面向6G，如何在创新速度与规范体系之间取得平衡，将成为行业发展的关键课题。