---

摘要

本文系统性地探讨了6G沉浸式通信（IC）的技术全景、关键挑战与演进路径。IC具有双重含义：沉浸式通信（Immersive Communication） 聚焦于为用户提供全息、XR及多感官的极致体验；智能内生连接（Intelligent Connectivity） 则强调网络层AI能力的深度内嵌与赋能。文章首先量化分析了IC场景（尤其是全息通信）对数据速率（Stage 3目标高达1 Tbps）与端到端延迟（触觉互联网要求<1 ms）的极致需求，揭示了与现有技术的巨大差距。随后，文章深入剖析了支撑IC的关键技术栈，包括多模态数据建模与编解码（点云、光场、NeRF/3DGS、触觉编码）、端到端低延迟架构（分割渲染、FOV预测、确定性网络）、6G空口技术（光子太赫兹、AI原生空口、通感一体化）以及网媒融合新范式（“三空间四能力”架构）。通过原型系统验证与性能对比，文章论证了IC在6G时代的可行性，并最终展望了从标准化到全感官元宇宙的未来技术演进路线图。本文旨在为6G IC领域的研究者与工程师提供一份全面的技术参考与方向指引。

目录

1. 技术背景与场景定位
2. IC场景需求量化分析
3. 多模态数据建模与编解码
4. 端到端延迟架构
5. 6G空口技术支撑
6. 网媒融合新范式
7. 全息通信系统实现
8. 多感官通信与触觉互联网
9. 性能评估与对比
10. 结论与展望

---

1. 技术背景与场景定位

1.1 IC的双重含义

术语	全称	核心内涵	技术侧重
IC	Immersive Communication	沉浸式通信	业务与应用层，强调用户体验的沉浸感
IC	Intelligent Connectivity	智能内生连接	网络与系统层，强调AI能力的内嵌与赋能

1.2 IMT-2030六大使用场景

┌─────────────────────────────────────────────────────────────────┐
│                     IMT-2030 (6G) 使用场景                      │
├─────────────────────────────────────────────────────────────────┤
│  沉浸式通信 (IC)   │ 极致沉浸感：全息/XR/多感官                  │
├───────────────────┼─────────────────────────────────────────────┤
│  超可靠低延迟     │ 确定性保障：工业控制/远程医疗               │
│  (HRLLC)          │                                            │
├───────────────────┼─────────────────────────────────────────────┤
│  AI与通信 (AIAC)  │ 智能内生：网络自优化/分布式AI               │
├───────────────────┼─────────────────────────────────────────────┤
│  通感一体化 (ISAC)│ 感知赋能：空间建模/数字孪生                  │
└─────────────────────────────────────────────────────────────────┘

1.3 XR技术全景

技术类型	沉浸程度	典型设备	技术成熟度
VR	完全沉浸	Meta Quest 3, Pico 4	商用成熟
AR	虚实叠加	HoloLens 2, Magic Leap	行业应用
MR	虚实融合	Apple Vision Pro	早期商用
全息	真3D重建	未来设备	实验室验证

---

2. IC场景需求量化分析

2.1 数据速率需求

2.1.1 点云方案数据量建模

单帧点云数据量计算（100万点，高质量配置）：

$$D_{\text{frame}}=N_{\text{points}}\times b_{\text{per\_point}}=10^6\times 150\text{ bit}=150\text{ Mbit/帧}$$

不同帧率下的未压缩数据速率：

点数配置	@30 fps	@60 fps	@90 fps	@120 fps
低质量 (36,000点)	162 Mbps	324 Mbps	486 Mbps	648 Mbps
中等质量 (225,000点)	1.01 Gbps	2.03 Gbps	3.04 Gbps	4.05 Gbps
高质量 (900,000点)	4.05 Gbps	8.10 Gbps	12.15 Gbps	16.20 Gbps
超高质量 (1,000,000点)	4.50 Gbps	9.00 Gbps	13.50 Gbps	18.00 Gbps

2.1.2 光场方案数据量建模

光场数据量计算（1.5m × 0.75m显示，0.5 mm hogel）：

$$D_{\text{单帧}}=3000\times 1500\times 3\times 128=1.73\text{ GB/帧}$$

$$R_{\text{光场@30fps}}=1.73\times 30=52\text{ GB/s}=416\text{ Gbps}$$

2.1.3 ITU-R量化目标与Stage分级

XR级别	数据速率	端到端延迟	帧率	丢包率容忍	典型场景
Stage 1 (AR/MR)	1~100 Mbps	<100 ms	30~60 fps	<10⁻³	导航、信息叠加
Stage 2 (高交互MR/VR)	100 Mbps~1 Gbps	10~20 ms	60~90 fps	<10⁻⁴	游戏、培训
Stage 3 (终极XR/全息)	1~2.3 Tbps	<10 ms	120 fps	<10⁻⁵	全息通信、元宇宙

2.2 延迟需求与关键指标

2.2.1 端到端延迟架构

全链路延迟分解模型：

$$T_{\text{E2E}}=T_{\text{capture}}+T_{\text{encode}}+T_{\text{transmit}}+T_{\text{process}}+T_{\text{render}}+T_{\text{display}}$$

2.2.2 关键延迟指标定义

指标名称	全称	6G目标	影响
MTP	Motion-to-Photon	<20 ms	防止晕动症
E2E延迟	End-to-End Latency	<1 ms	实时交互
抖动	Jitter	<0.1 ms	画面稳定
往返时延	RTT	<50 ms	交互体验

2.2.3 延迟预算对比

架构方案	总延迟	技术手段	适用场景
传统终端处理	~317 ms	本地编解码+渲染	当前VR终端
分割渲染（Pre-6G）	~35.5 ms	MEC卸载+云渲染	中兴+紫金山原型
6G目标架构	<5 ms	全栈优化+确定性网络	未来全息通信

---

3. 多模态数据建模与编解码

3.1 点云编解码技术

3.1.1 标准化方案：V-PCC与G-PCC

标准	全称	核心原理	压缩效率	延迟特性	适用场景
V-PCC	Video-based PCC	将3D点云投影为2D视频帧	~500:1	编码100-500ms	动态点云
G-PCC	Geometry-based PCC	直接对3D几何信息编码	~750:1	解码复杂度高	静态/稀疏点云
MPEG-I V3C	Visual Volumetric Video-based Coding	综合框架，支持多种表示	多种模式	可配置	通用

3.1.2 AI增强的点云编解码

预期性能增益（基于文献典型值，需实验验证）：

指标	相对V-PCC增益	说明
主观质量(VMAF)	+15~20%	AI生成细节更自然
压缩效率(BD-BR)	-20~30%	同等质量下比特率降低
编码延迟	+不确定性	神经网络推理引入延迟

3.1.3 点云编解码器R-D性能对比

交叉引用： 本节详细数据和分析可参考《点云编解码深度分析》一文。

V-PCC vs G-PCC vs AI-Codec R-D性能对比：

测试序列	V-PCC BD-Rate	G-PCC BD-Rate	AI-Codec BD-Rate	说明
longdress (1M点)	基准 (0%)	+15~25%	-25~35%	密集人体点云，AI-Codec优势明显
loot (1M点)	基准 (0%)	+10~20%	-20~30%	动态场景，V-PCC投影效率高
soldier (1.4M点)	基准 (0%)	+20~30%	-30~40%	复杂几何结构，AI语义压缩优势大
queen (1M点)	基准 (0%)	+5~15%	-15~25%	面部表情，细节敏感场景
8iVFB (稀疏)	基准 (0%)	-5~+10%	-10~20%	AI对稀疏点云处理更优

编解码器综合评价：

评价维度	V-PCC	G-PCC	AI-Codec
压缩效率	中等	较低	最高
编码复杂度	中等	高	高
解码复杂度	中等	高	高
延迟特性	~100-500 ms	~500-1000 ms	不确定（依赖硬件）
标准化程度	ISO/IEC 23090-5	ISO/IEC 23090-9	研究阶段

3.2 光场数据压缩

方法类别	核心技术	压缩效率	复杂度
图像拼接	多视角合成单图	低	低
多视角视频	时空预测编码	中	中
深度学习	光场神经网络	高	高
混合方案	投影+深度学习	高	中

3.3 NeRF与3D Gaussian Splatting

神经辐射场（Neural Radiance Fields）用神经网络隐式表示3D场景：

$$F_{\Theta }:(\mathbf{x},\mathbf{d})\to (\mathbf{c},\sigma )$$

其中：

• $\mathbf{x}=(x,y,z)$：空间位置
• $\mathbf{d}=(\theta ,\varphi )$：视角方向
• $\mathbf{c}=(R,G,B)$：颜色
• $\sigma$：体素密度

特性	NeRF	3DGS
表示方式	隐式（神经网络）	显式（高斯分布）
渲染速度	慢（需ray marching）	快（splatting）
训练时间	长（数小时）	短（数分钟）
实时渲染	✗	✓

3.4 触觉数据编码

感官类型	数据速率	延迟要求	同步精度
振动反馈	1~10 kbps	<10 ms	1 ms
力反馈	10~100 kbps	<1 ms	0.1 ms
纹理感知	100 kbps~1 Mbps	<1 ms	0.1 ms
温度感知	<1 kbps	<10 ms	5 ms

3.5 多模态同步编解码架构

多感官同步误差容忍阈值：

同步类型	误差容忍	场景
音视频同步 (AV Sync)	<45 ms	常规视频通信
多感官同步	<20 ms	沉浸式XR
触觉反馈回路	<1 ms	力反馈/远程操控
双边触觉	<0.5 ms	精细操作

---

4. 端到端延迟架构

4.1 全链路延迟分解

4.1.1 传统架构的延迟瓶颈

处理环节	延迟(ms)	瓶颈分析
捕获 (IMU+CIS)	2	摄像头硬件限制
预处理	10	可并行优化
编码 (V-PCC)	150	核心瓶颈
网络传输	20	5G网络开销
边缘计算	30	MEC资源争抢
解码	50	核心瓶颈
渲染	50	GPU限制
总计	~317 ms	无法满足Stage 3

4.1.2 分割渲染（Split Rendering）架构

分割渲染架构的延迟分解（Pre-6G实测）：

处理环节	延迟(ms)	优化手段
捕获 (IMU+CIS)	0.5	硬件加速+流水线
预处理	2	边采集边预处理
编码 (V-PCC)	5	硬件加速+流式编码
网络传输	2	6G空口+确定性网络
边缘计算	5	MEC专用加速卡
解码	3	硬件解码
渲染	15	FOV预测+注视点渲染
总计	~35.5 ms	中兴+紫金山原型

4.1.3 6G目标架构

$$T_{\text{E2E\_6G}}=T_{\text{capture}}+T_{\text{encode}}+T_{\text{air}}+T_{\text{edge}}+T_{\text{decode}}+T_{\text{render}}<5\text{ ms}$$

4.2 FOV预测与选择性传输

预测方法	核心技术	预测精度	计算开销
IMU追踪	头部运动外推	~85%	低
眼动追踪	瞳孔注视点检测	~90%	中
内容关联	场景内容分析	~80%	高
AI神经网络	深度学习预测	>90%	高

4.3 确定性低延迟保障机制

特性	5G URLLC	6G DetNet
空口延迟	1 ms	<0.1 ms
抖动	~1 ms	<0.01 ms
可靠性	99.999%	99.9999%
调度方式	半静态调度	动态预测调度

---

5. 6G空口技术支撑

5.1 THz/Sub-THz超大带宽供给

频段	频率范围	最大带宽	典型应用	挑战
FR1	<7 GHz	100 MHz	广域覆盖	带宽受限
FR2	24-100 GHz	400 MHz	热点/室内	覆盖受限
Sub-THz	100-300 GHz	>1 GHz	近场体验	传播损耗
THz	>300 GHz	>2 GHz	近场全息	几乎不穿墙

5.2 光子太赫兹技术突破

紫金山实验室光子太赫兹系统关键指标：

指标	实测值	技术来源
单波长容量	10-200 Gbps	紫金山实验室
100 Gbps实时传输	100 Gbps	航天科工二院25所联合实验
OAM复用	多路并行	轨道角动量技术
传输距离	500 m (视距)	华为+清华联合

5.3 AI原生空口与语义编解码协同

AI应用层级	功能	性能增益
物理层	信道估计/检测/波束管理	复杂场景性能提升
链路层	资源调度/拥塞控制	延迟降低20-30%
应用层	语义编解码/内容感知	带宽节省50-70%

5.4 通感一体化（ISAC）为IC赋能

功能	IC应用	技术实现
通信赋能感知	空间环境建模	毫米波/THz雷达点云
感知赋能通信	用户定位/跟踪	波束预测/资源优化

紫金山实验室Pre-6G试验网实现分米级低空感知精度（5G米级→6G分米级，提升10×）。

---

6. 网媒融合新范式

6.1 "三空间四能力"架构

6.1.1 三空间定义

空间类型	内涵	IC关联
物理空间	真实物理世界	实际环境感知
数字空间	虚拟/数字孪生世界	全息内容生成
意识空间	用户意图与认知	语义通信/个性化

6.1.2 四能力定义

能力类型	技术内涵	IC支撑
感知能力	环境感知+用户感知	ISAC、UWB定位
通信能力	高带宽+低延迟+确定性	THz、URLLC
智算存能力	AI推理+边缘计算+分布式存储	MEC、分布式AI
安全管控能力	数据安全+隐私保护+内容监管	端到端安全

6.2 用户语义导向的网媒融合

架构	特征	局限性
传统分离	网络只传输比特，媒体只处理内容	端到端优化割裂
网媒融合	网络感知媒体需求，媒体适配网络状态	端到端协同优化

---

7. 全息通信系统实现

7.1 中兴+紫金山实验室原型系统

2026年4月30日，业界首个面向6G光子太赫兹的实时全息沉浸式通信系统原型正式发布。

7.1.1 实测关键指标

指标	实测值	技术来源
单路全息业务码率	1 Gbps	中兴通讯实测
端到端往返时延	<50 ms	中兴+紫金山联合测试
光子太赫兹单波长	10-200 Gbps	紫金山实验室
全息质量	超写实3D数字人	边缘实时云渲染

7.1.2 两大核心优势

1. 沉浸式第一视角自由交互：支持6DoF随心切换、自主操控画面
2. 全维度多模态智能交互：实时采集面部微表情、肢体手势等多维数据

7.2 端到端往返时延50ms技术分析

延迟分解：

环节	延迟估算	优化手段
捕获+编码	~15 ms	边缘预处理
光子太赫兹传输	~2 ms	近距离+高带宽
骨干网传输	~10 ms	北京-南京专线
边缘处理+解码	~10 ms	MEC加速
渲染+显示	~10 ms	FOV预测
总计	<50 ms

7.3 全息通信带宽需求深度分析

⚠️ 关键说明：单视角原始光场~228.6 Gbps与中兴原型1 Gbps的关系

数据阶段	数值	说明
原始光场数据率	~228.6 Gbps	未压缩的单视角光场理论数据量【理论推导】
压缩后传输速率	1 Gbps	中兴原型实测值【已证明】

隐含的压缩比：约228:1

由上表可得，228.6 Gbps → 1 Gbps的压缩比约为：

$$\text{压缩比}=\frac{228.6\text{ Gbps}}{1\text{ Gbps}}\approx 228:1$$

与《端到端AI编解码器深度分析》的呼应关系：

技术维度	《端到端AI编解码器深度分析》	本文
编解码加速	~30x	-
压缩效率	侧重处理速度	侧重压缩比
全息带宽综合估算	1 Tbps	228:1压缩比支撑1 Gbps传输

注：30x加速主要针对编解码处理速度，228:1是端到端压缩比，两者从不同维度描述全息通信的可行性。

---

8. 多感官通信与触觉互联网

8.1 五感通信技术谱系

感官	通信类型	技术成熟度	6G支持需求
视觉	全息显示	实验室验证	超大带宽
听觉	空间音频	相对成熟	中等带宽
触觉	力反馈/纹理	研究前沿	超低延迟
嗅觉	气味合成	概念阶段	低带宽
味觉	味觉模拟	概念阶段	极低带宽

8.2 多感官同步量化模型

多感官同步阈值标准：

感官组合	同步窗口	容限范围	质量影响	标准来源
视听同步	±80 ms	-80~+80 ms	用户可接受	ITU-R BT.1359
视听同步（精细）	±20 ms	-20~+20 ms	最佳体验	ITU-R BT.1359
触觉-视觉同步	±1~5 ms	-5~+5 ms	感知不自然>5ms	【经验观察】
触觉-听觉同步	±10 ms	-10~+10 ms	可接受	【经验观察】
嗅味觉-视觉同步	±100~500 ms	-500~+500 ms	临场感影响	【推测】
触觉-触觉（双手）	±1 ms	-1~+1 ms	精细操作必需	【经验观察】

多感官同步量化模型数学表达：

$$S_{\text{multi}}=\sum _{i,j}{w}_{ij}\cdot 1\left(|t_i-t_j|\le {ϵ}_{ij}\right)$$

各感官同步优先级排序：

优先级	感官对	同步阈值	原因
1	触觉-触觉	±1 ms	人体本体感知极限
2	触觉-视觉	±5 ms	视觉引导触觉的McGurk效应
3	触觉-听觉	±10 ms	视听触联动感知
4	视觉-听觉	±20~80 ms	视听联动效应
5	嗅觉-视觉	±500 ms	嗅觉延迟容忍度高

8.3 1ms触觉往返延迟的6G实现路径

触觉力反馈的端到端控制回路需要极高实时性：

$$T_{\text{haptic}}=T_{\text{sensor}}+T_{\text{network}}+T_{\text{actuator}}<1\text{ ms}$$

触觉互联网的延迟预算：

环节	延迟预算	技术手段
触觉传感器采集	0.1 ms	高速传感器
无线空口	<0.1 ms	6G超低延迟
边缘处理	0.2 ms	MEC加速
逆向传输	0.1 ms	并行处理
执行器响应	0.5 ms	触觉执行器
总计	<1 ms

8.4 多感官QoE评估模型

综合多感官的QoE可建模为各感官质量的加权组合：

$${\text{QoE}}_{\text{multi}}=\sum _i{w}_i\cdot Q_i$$

其中：

• $w_i$：感官权重（$w_{\text{visual}}=0.5$, $w_{\text{auditory}}=0.25$, $w_{\text{haptic}}=0.15$, $w_{\text{olfactory}}=0.1$）
• $Q_i$：各感官质量分数（0-100）

---

9. 性能评估与对比

9.1 关键性能指标代际对比

指标类别	具体指标	5G实际	5G-A目标	6G目标	IC Stage 3需求
数据速率	峰值速率	20 Gbps	100 Gbps	200 Gbps	1 Tbps
数据速率	用户体验	100 Mbps	500 Mbps	500 Mbps	50-100 Mbps
时延	空口延迟	1 ms	0.5 ms	0.1 ms	<0.5 ms
时延	E2E延迟	10 ms	5 ms	1 ms	<1 ms
可靠性	可靠性	99.999%	99.999%	99.9999%	99.9999%
抖动	抖动控制	~1 ms	0.5 ms	<0.01 ms	<0.1 ms
带宽	最大带宽	100 MHz	400 MHz	2 GHz	>1 GHz

9.2 频谱效率对比

频段	5G频谱效率	6G目标频谱效率	提升倍数
<7 GHz	5 bit/s/Hz	10 bit/s/Hz	2×
mmWave	10 bit/s/Hz	30 bit/s/Hz	3×
Sub-THz	-	50 bit/s/Hz	新增
THz	-	100 bit/s/Hz	新增

9.3 全息通信支撑能力对比

能力指标	5G	5G-A	6G (Pre-6G)	IC需求满足度
单用户全息码率	100 Mbps	1 Gbps	1 Gbps实测	满足Stage 2
端到端延迟	50 ms	20 ms	<50 ms	满足Stage 2
并发全息用户	1-2	5-10	10-100	逐步提升
触觉互联网	不支持	初步支持	支持	Stage 3核心

---

10. 结论与展望

10.1 主要研究结论

1. IC双重含义辨析：IC既代表Immersive Communication（沉浸式通信），也代表Intelligent Connectivity（智能内生），二者互补共同支撑6G沉浸式通信的技术演进。

2. 需求量化与Gap分析：Stage 3全息通信的1 Tbps数据速率需求与当前任何单链路无线系统存在50×的差距，需要通过多模态压缩、选择性传输、语义通信等多维度优化实现工程可行。

3. 编解码技术演进：从V-PCC/G-PCC到AI增强编解码，再到NeRF/3DGS神经渲染，IC场景的编解码技术正在从规则驱动向数据驱动演进。

4. 端到端延迟架构：分割渲染架构将端到端延迟从传统317 ms降至Pre-6G的~35.5 ms，满足Stage 2需求；6G目标<5 ms需全栈协同优化。

5. 6G空口技术支撑：光子太赫兹（10-200 Gbps/波长）、超大规模MIMO、SBFD、通感一体化等技术为IC提供超大带宽、超低延迟和空间感知能力。

6. 网媒融合新范式："三空间四能力"架构从顶层设计上打破网络与媒体的传统界限，实现用户语义导向的端到端协同优化。

7. 全息通信原型验证：中兴+紫金山实验室原型（单路全息1 Gbps、<50 ms RTT）标志IC技术从实验室走向实景验证。

8. 多感官通信前景：触觉互联网的1 ms延迟需求对6G确定性网络提出极致要求，是IC场景的长期演进方向。

10.2 技术挑战与应对

挑战类别	具体挑战	应对路径
带宽挑战	Stage 3需求1 Tbps	光子太赫兹+多波长复用+语义压缩
延迟挑战	触觉<1 ms	确定性网络+本地闭环
可靠性挑战	99.9999%	主动式容错+数字孪生预测
同步挑战	多感官<0.5 ms	QoE驱动的同步控制

10.3 未来展望

时间节点	里程碑事件
2026-2028	标准化推进、Pre-6G试验网扩展、全息办公试点
2029-2031	6G商用准备、消费级全息AR眼镜、触觉互联网规模应用
2032+	完整光场通信、全感官元宇宙、具身智能融合

---

参考文献

[1] ITU-R. “Framework and overall objectives of the future development of IMT for 2030 and beyond.” ITU-R M.2160, December 2023.

[2] ITU-R WP 5D. “Minimum technical performance requirements for IMT-2030 radio interface technologies.” Working Document, February 2026.

[3] 3GPP. “Study on scenarios, use cases and requirements for next generation system.” TR 22.870, March 2026.

[4] 中兴通讯, 紫金山实验室. “业界首个光子太赫兹全息沉浸式通信系统原型发布.” 2026年4月30日.

[5] 中兴通讯, et al. “基于网媒融合的沉浸式通信技术蓝皮书.” 2026年4月23日.

[6] 紫金山实验室. “国内首个Pre-6G试验网在南京发布.” 2026年4月21日.

[7] ITU-R. “Wireless communication challenges for extended reality (XR).” S-JNL-VOL3.ISSUE2-2022.

---

相关技术系列文章：

• 《点云编解码深度分析》
• 《端到端AI编解码器深度分析》
• 《6G-XR空口THz超大规模MIMO深度分析》
• 《语义通信技术架构深度分析》

---

© 2026 6G通信技术研究 | 通信哲匠 | 如需技术交流，欢迎评论区讨论