拓冰网站定制 
你跟同事说那个方案我觉得不太行同事回了句行你说了算。两句话没有一个字相同。但你秒懂了意思方案被否了。人和人聊天从来不在乎每个字一字不差。我们在乎的是意思传到了。可过去八十年整个通信工程界偏偏在干另一件事——拼命让接收端的比特和发送端一模一样。· · ·PART 01从香农到韦弗被搁置的语义问题1948 年香农C. E. Shannon在《贝尔系统技术学报》发表《通信的数学理论》给出了通信的铁律把消息变成比特想方设法让接收端的比特和发送端一模一样[1]。从那以后整个行业都在为比特零误差拼命——更强的编码、更聪明的调制、更狠的重传。Turbo 码、LDPC 码、Polar 码一代接一代每一代都在逼近那个著名的香农极限。但香农本人是清醒的。1949 年韦弗W. Weaver在为香农理论撰写的导读中明确提出了通信的三层架构[2]图 1Weaver 提出的通信三层模型经典信息论只解决了 Level A其实早在 1950 年代Carnap 与 Bar-Hillel 就尝试用逻辑概率而非统计概率来度量语义信息给出了语义信息熵的表达式[3]。但这些工作长期停留在哲学与数理逻辑层面——道理很简单在没有深度学习的年代怎么从一段话里抽出含义根本没有工程办法语义是一个无法量化的黑箱。于是 Level B 和 Level C 被搁置了七十年。整个行业默认先把 Level A 做到极致语义的事以后再说。PART 02为什么是现在深度学习补上了工程短板转机是神经网络。2019 年Gündüz 团队提出 DeepJSCC用深度神经网络对图像做端到端的信源信道联合编码首次在无线传输任务上证明语义特征的直接映射传输可以优于先压缩、再信道编码的经典分离架构[4]。2021 年秦志金当时在英国玛丽女王大学现任清华大学长聘副教授与 Geoffrey Li 等人提出 DeepSC用 Transformer 提取文本语义特征传输在低信噪比下显著优于传统方案被视为文本语义通信的奠基性工作之一[5]。同年Strinati 与 Barbarossa 在 Computer Networks 上提出 6G 应超越香农走向语义与目标导向通信[6]2023 年Gündüz、秦志金等在 IEEE JSAC 发表里程碑式综述《Beyond Transmitting Bits》系统梳理了上下文、语义与任务导向通信的理论谱系[7]。国内学术界几乎同步发力。西安电子科技大学石光明团队早在 2018 年就提出语义通讯是智能时代的产物的判断[8]并于 2021 年在 IEEE Communications Magazine 上给出从语义通信到语义感知网络的完整架构[9]北京邮电大学张平院士、牛凯教授团队则提出了语义基Semantic Base模型与智简Intellicise理念并在《通信学报》系统阐述了语义通信的基本原理与实现方法[10]。至此只传意思从信息论的旁注变成了 6G 的候选范式。PART 03三个真正能用的技术内核语义通信的核心思路很朴素通信的目标不再是恢复比特而是让接收端正确理解发送端的意图。只传与任务相关的语义——含义、特征、意图冗余一概丢弃。背后有三个实打实的技术内核。【内核一】深度联合信源信道编码DeepJSCC[4]传统通信是两段式的先信源编码压缩再信道编码加保护两步各管各的中间有接口损耗。DeepJSCC 端到端训练一个神经网络把图像、文本或传感数据直接映射为信道符号。带宽更省抗噪更强——低信噪比下传统方案图像已糊成一团DeepJSCC 还能认出主体画质渐降而非断崖式崩溃。图 2悬崖效应与软退化DeepJSCC 在低信噪比区不再突然失效示意【内核二】共享知识库[10]收发两端先对齐一份背景知识通信时只传差异和增量。就像老朋友聊天一个眼神就懂。张平院士团队将知识库形式化为语义编解码的先验知识图谱、语义标签、任务模型、信道特征都可入库。中山大学张曦团队则探索了另一条路——不依赖外部大库而是挖掘文本内部实体信息做二次编码增强在小规模知识库下低信噪比性能提升 3% 以上[11]。【内核三】任务导向传输[7][12]接收端只还原完成任务所需的那点信息而非完整原始数据。秦志金团队提出的任务驱动多用户语义通信框架让多个终端在同一信道上各传各的任务语义[12]。举例卫星遥感图像下传地面站需要的只是一个此处有异常的标签或几个坐标——星上完成检测只传结果数据量可从几百 MB 降到几 KB。图 3语义通信系统模型在经典收发链路上叠加语义编解码 共享知识库[10]这不是优化是降维打击。PART 04国内外研究图谱谁在做做到哪了语义通信目前处于理论框架收敛、工程验证铺开的阶段。梳理一下主要力量。学术界北京邮电大学 · 张平院士 / 牛凯教授团队【理论体系】提出语义基Semantic Base模型与智简通信理念建立语义信息度量指标体系用归一化条件复杂度刻画语义压缩极限并牵头多篇奠基性综述[10]。是语义信息论中国学派的核心力量。清华大学 · 秦志金团队【系统与算法】DeepSC 文本语义通信、DeepSC-ST 语音语义通信的提出者之一覆盖任务驱动多用户框架、多模态语义-信道联合编码已搭建语义通信示范平台[5][12][13]研究方向明确包括面向卫星通信的语义编码。担任 IEEE JSAC 语义通信专刊客座编辑。西安电子科技大学 · 石光明团队【框架与网络】2018 年即提出语义通信基本框架研究语义信息表征与压缩编码2021 年给出语义感知网络的模型与开放问题[8][9]是国内最早系统进入该方向的团队之一。中山大学 · 学术前沿多团队并进【图像语义 · 空天地一体】王玺钧、陈翔团队电子与信息工程学院联合新加坡科技设计大学 Tony Q. S. QuekIEEE Fellow等提出可信图像语义通信框架把图像转成可解释的语义文本与分割图接收端用生成式 AI 重建并结合 AI RAN 实现语义级多速率传输同时解耦收发两端训练依赖成果发表于 IEEE Wireless Communications[14]。陈高洁团队柔性电子学院与帝国理工 Geoffrey Li 院士合作面向含多颗 LEO 卫星、无人机与地面用户的空天地一体化网络提出比特传输与生成式语义图像传输并行的混合框架用分布式 Soft Actor-Critic 做资源分配成果发表于 IEEE JSAC[15]。马啸教授领衔的编码与信息论实验室COINSYSU将语义通信与空间通信、卫星通信列为重点方向从编码与信息论根基切入张曦团队在文本语义通信的实体信息增强上亦有工作发表[11]。中山大学 CPNT Lab【应用落地 · 指标国内前沿】前面几个团队回答能不能做CPNT Lab 回答能不能用。语音、图像、视频三条线均在真实窄带卫星链路上跑通多项指标处于国内前沿[19]。语音150bps4 秒通话仅 74 字节。相比传统 PCM64kbps压缩约 400 倍VISQOL 主观音质仍达 4.25/5一条北斗短报文就装得下。图像极限压缩 2378 倍。1.76MB 大坝监测图 → 776 字节主体内容可辨常规档位同画质码率仅为 JPEG2000 的 43.5%。视频11 秒 720p 压至约 40KB。实测航船俯拍码率从 24.7Mbps 压到 0.8Mbps最低 200kbps 即可实时回传。落地链路已适配北斗三号短报文、天通一号、风云卫星覆盖水利监测、电力覆冰、野外图传、动物保护等场景。北斗短报文正从文字时代迈入多媒体时代。图 4中山大学 CPNT Lab 语义通信落地指标速览语音、图像、视频三线并进[19]产业界广州磐钴智能科技有限公司【卫星物联网 · 工程落地】国内少有的把语义通信真正装进终端跑起来的公司。在 2026 年第三届中国卫星开发者论坛上磐钴智能分享了《卫星物联网多媒体语义通信研发与应用》跳出峰值信噪比等传统量化指标以人眼视觉、人耳听觉的主观语义保真为核心结合深度学习与对抗训练实现超低码率下多媒体数据的高质量传输。落地指标自研低码率语音压缩算法、渐进式图像压缩算法与低码率声码器芯片425bps–2400bps依托北斗三号短报文、天通卫星链路终端规模化部署超 30 万台覆盖应急通信、电力水利、野外监测等场景。华为、鹏城实验室、中国移动等【标准与平台】华为在后香农时代十大挑战问题中将语义通信列入议程并参与信道知识库构建研究[16]鹏城实验室与北邮、港中大深圳联合推进语义通信试验平台三大运营商在 6G 推进组中均已设立语义通信专题。IMT-20306G推进组发布的白皮书中语义通信已被列为 6G 潜在关键技术。PART 05和AI 原生空口是什么关系有人可能会问这跟之前说的 AI 原生空口有什么区别简单说是上下层关系。一个管管道质量一个管管道里该流什么。两者可以叠加也可以独立部署。PART 06别急着吹——硬骨头同样不少说完好处得说难处。综合多篇综述的共识[7][17][18]语义通信至少有几块硬骨头。意思传对了怎么量化这是最难的问题。比特通信有误码率清清楚楚。语义通信呢接收端理解对了没理解对怎么定义对一张图传过去接收端识别出了猫但颜色搞错了算不算语义正确目前学界尚无公认的语义保真度度量——张平团队提出用语义熵与归一化条件复杂度刻画[10]但距离工程可用的尺子还有距离。黑盒模型的可解释性深度学习模型本身就是黑盒出了错很难定位是哪一层语义出了问题。中山大学王玺钧团队提出可信语义通信用可解释的语义文本与分割图替代不透明特征向量正是对这一短板的直接回应[14]。在航天、国防等高可靠场景不知道为什么错了是致命的。跨场景泛化与知识库对齐在图像上训练好的语义编码器换到语音、换到雷达数据可能完全不适用每个场景都要重新训练。不同厂商、不同系统的背景知识如果对不齐就像两个人各说各的方言只传差异反而更乱。安全多了一层已有研究专门讨论语义通信的新型攻击面有人给共享知识库投毒语义层就跟着出错且比比特层面的篡改更隐蔽——因为语义正确本身就难以验证[18]。所以现实里语义通信更像传统通信的增效补丁而非替代品。关键的控制信令、测控链路仍然需要比特级的绝对可靠——不然网络自己先乱套了。PART 07对卫星通信意味着什么最后说说跟我们做卫星通信的关系。卫星通信有几个天生的痛点带宽贵、时延高、链路条件波动大雨衰、多径、遮挡。传统通信的比特零误差策略在这些约束下格外吃力——重传一轮就是几百毫秒雨衰一来就得降速编码兜底。语义通信恰好对上了这些痛点【适配点一】DeepJSCC 的软退化天然适配链路波动低信噪比下不会突然断链而是画质渐降。卫星链路受雨衰、遮挡影响波动剧烈传统数字方案在门限以下直接悬崖式失效见图 2DeepJSCC 则平滑过渡——这对难以精确链路预算的移动卫星场景价值巨大。【适配点二】共享知识库高时延链路上省下的每一比特都是时间GEO 卫星往返时延 250ms 以上每减少一次重传、每省一段冗余都在改善端到端体验对 LEO 星座而言时延虽低带宽与星上功耗仍是硬约束。【适配点三】任务导向传输让星上智能成为必选项遥感卫星不再下传原始图像而是星上完成目标检测、只传结果。中山大学陈高洁团队在空天地一体化框架里已经验证了比特生成式语义混合传输的可行性[15]磐钴智能则用 30 万台在网终端证明在窄带卫星链路上主观语义保真优先的压缩传输已经能商用。【适配点四】窄带卫星物联网语义通信已经开始挑大梁北斗三号 RDSS 短报文的单条容量以百字节计传统上只能传文字。中山大学 CPNT Lab 的落地实践给出了最直接的证据150bps 语义语音让 4 秒通话装进 74 字节——一条短报文发一段语音2378 倍图像压缩让一张水库大坝监测图缩到 776 字节——一条短报文发一张图[19]。当语音、图像乃至 200kbps 实时视频都能挤进窄带卫星链路北斗短报文就不再只是发短信的而成了真正的多媒体通道。当然卫星通信也有自己的红线测控链路TTC、指令上行的可靠性要求极高这些地方语义通信暂时碰不得。但业务信道——尤其是图像、视频、遥感数据的下传——正是语义通信最肥沃的试验田。· · ·从传比特到传意图不是推翻香农而是在香农的地基上盖一层新的楼。比特通信解决了怎么把信息准确搬过去语义通信回答的是到底该搬什么。当频谱越来越挤、终端越来越多、业务越来越杂这个问题会越来越迫切。至少在卫星通信这块变化已经不是闻到味道——150bps 的语音、776 字节的图像、40KB 的视频已经在北斗短报文的链路里跑着了。北斗短报文的文字时代正在落幕多媒体时代的入场券是语义通信发的。— END —参考文献[1]C. E. Shannon, A mathematical theory of communication, Bell System Technical Journal, vol. 27, no. 3, pp. 379–423, 1948.[2]C. E. Shannon and W. Weaver, The Mathematical Theory of Communication. University of Illinois Press, 1949.[3]Y. Bar-Hillel and R. Carnap, Semantic information, British Journal for the Philosophy of Science, vol. 4, no. 14, pp. 147–157, 1953.[4]E. Bourtsoulatze, D. B. Kurka, and D. Gündüz, Deep joint source-channel coding for wireless image transmission, IEEE Transactions on Cognitive Communications and Networking, vol. 5, no. 3, pp. 567–579, 2019.[5]H. Xie, Z. Qin, G. Y. Li, and B.-H. Juang, Deep learning enabled semantic communication systems, IEEE Transactions on Signal Processing, vol. 69, pp. 2663–2675, 2021.[6]E. C. Strinati and S. Barbarossa, 6G networks: Beyond Shannon towards semantic and goal-oriented communications, Computer Networks, vol. 190, 107930, 2021.[7]D. Gündüz, Z. Qin, I. E. Aguerri, et al., Beyond transmitting bits: Context, semantics, and task-oriented communications, IEEE Journal on Selected Areas in Communications, vol. 41, no. 1, pp. 5–41, 2023.[8]石光明, 李莹玉, 谢雪梅. 语义通讯智能时代的产物[J]. 模式识别与人工智能, 2018, 31(1): 91–99.[9]G. Shi, Y. Xiao, Y. Li, and X. Xie, From semantic communication to semantic-aware networking: Model, architecture, and open problems, IEEE Communications Magazine, vol. 59, no. 8, pp. 44–50, 2021.[10]张平, 牛凯, 姚圣时, 等. 面向未来的语义通信基本原理与实现方法[J]. 通信学报, 2023, 44(5): 1–14.[11]李聪端, 张曦. 基于内部实体信息增强的语义通信[J]. 移动通信, 2024, 48(2): 22–26.[12]H. Xie, Z. Qin, X. Tao, and K. B. Letaief, Task-oriented multi-user semantic communications, IEEE Journal on Selected Areas in Communications, vol. 40, no. 9, pp. 2584–2597, 2022.[13]Z. Weng and Z. Qin, Semantic communication systems for speech transmission, IEEE Journal on Selected Areas in Communications, vol. 39, no. 8, pp. 2434–2444, 2021.[14]X. Wang, D. Ye, C. Feng, H. Yang, X. Chen, and T. Q. S. Quek, Trustworthy image semantic communication with GenAI: Explainability, controllability, and efficiency, IEEE Wireless Communications, 2025.[15]G. Chen, et al., Deep reinforcement learning-based resource allocation for hybrid bit and generative semantic communications in space-air-ground integrated networks, IEEE Journal on Selected Areas in Communications, 2025.[16]徐文伟, 张弓, 白铂, 等. 后香农时代 ICT 领域的十大挑战问题[J]. 中国科学: 数学, 2021, 51(7): 1095–1138.[17]Z. Lu, R. Li, K. Lu, et al., Semantics-empowered communications: A tutorial-cum-survey, IEEE Communications Surveys Tutorials, vol. 26, no. 1, pp. 41–79, 2024.[18]Y. E. Sagduyu, T. Erpek, S. Ulukus, and A. Yener, Is semantic communication secure? A tale of multi-domain attacks, IEEE Communications Magazine, vol. 61, no. 11, pp. 74–80, 2023.[19]中山大学北斗综合智能导航实验室CPNT Lab. 突破比特传输极限——AI 语义通信研究与应用进展[R]. 技术报告, 2026. 语义通信：从“传比特“到“传意图“
你跟同事说那个方案我觉得不太行同事回了句行你说了算。两句话没有一个字相同。但你秒懂了意思方案被否了。人和人聊天从来不在乎每个字一字不差。我们在乎的是意思传到了。可过去八十年整个通信工程界偏偏在干另一件事——拼命让接收端的比特和发送端一模一样。· · ·PART 01从香农到韦弗被搁置的语义问题1948 年香农C. E. Shannon在《贝尔系统技术学报》发表《通信的数学理论》给出了通信的铁律把消息变成比特想方设法让接收端的比特和发送端一模一样[1]。从那以后整个行业都在为比特零误差拼命——更强的编码、更聪明的调制、更狠的重传。Turbo 码、LDPC 码、Polar 码一代接一代每一代都在逼近那个著名的香农极限。但香农本人是清醒的。1949 年韦弗W. Weaver在为香农理论撰写的导读中明确提出了通信的三层架构[2]图 1Weaver 提出的通信三层模型经典信息论只解决了 Level A其实早在 1950 年代Carnap 与 Bar-Hillel 就尝试用逻辑概率而非统计概率来度量语义信息给出了语义信息熵的表达式[3]。但这些工作长期停留在哲学与数理逻辑层面——道理很简单在没有深度学习的年代怎么从一段话里抽出含义根本没有工程办法语义是一个无法量化的黑箱。于是 Level B 和 Level C 被搁置了七十年。整个行业默认先把 Level A 做到极致语义的事以后再说。PART 02为什么是现在深度学习补上了工程短板转机是神经网络。2019 年Gündüz 团队提出 DeepJSCC用深度神经网络对图像做端到端的信源信道联合编码首次在无线传输任务上证明语义特征的直接映射传输可以优于先压缩、再信道编码的经典分离架构[4]。2021 年秦志金当时在英国玛丽女王大学现任清华大学长聘副教授与 Geoffrey Li 等人提出 DeepSC用 Transformer 提取文本语义特征传输在低信噪比下显著优于传统方案被视为文本语义通信的奠基性工作之一[5]。同年Strinati 与 Barbarossa 在 Computer Networks 上提出 6G 应超越香农走向语义与目标导向通信[6]2023 年Gündüz、秦志金等在 IEEE JSAC 发表里程碑式综述《Beyond Transmitting Bits》系统梳理了上下文、语义与任务导向通信的理论谱系[7]。国内学术界几乎同步发力。西安电子科技大学石光明团队早在 2018 年就提出语义通讯是智能时代的产物的判断[8]并于 2021 年在 IEEE Communications Magazine 上给出从语义通信到语义感知网络的完整架构[9]北京邮电大学张平院士、牛凯教授团队则提出了语义基Semantic Base模型与智简Intellicise理念并在《通信学报》系统阐述了语义通信的基本原理与实现方法[10]。至此只传意思从信息论的旁注变成了 6G 的候选范式。PART 03三个真正能用的技术内核语义通信的核心思路很朴素通信的目标不再是恢复比特而是让接收端正确理解发送端的意图。只传与任务相关的语义——含义、特征、意图冗余一概丢弃。背后有三个实打实的技术内核。【内核一】深度联合信源信道编码DeepJSCC[4]传统通信是两段式的先信源编码压缩再信道编码加保护两步各管各的中间有接口损耗。DeepJSCC 端到端训练一个神经网络把图像、文本或传感数据直接映射为信道符号。带宽更省抗噪更强——低信噪比下传统方案图像已糊成一团DeepJSCC 还能认出主体画质渐降而非断崖式崩溃。图 2悬崖效应与软退化DeepJSCC 在低信噪比区不再突然失效示意【内核二】共享知识库[10]收发两端先对齐一份背景知识通信时只传差异和增量。就像老朋友聊天一个眼神就懂。张平院士团队将知识库形式化为语义编解码的先验知识图谱、语义标签、任务模型、信道特征都可入库。中山大学张曦团队则探索了另一条路——不依赖外部大库而是挖掘文本内部实体信息做二次编码增强在小规模知识库下低信噪比性能提升 3% 以上[11]。【内核三】任务导向传输[7][12]接收端只还原完成任务所需的那点信息而非完整原始数据。秦志金团队提出的任务驱动多用户语义通信框架让多个终端在同一信道上各传各的任务语义[12]。举例卫星遥感图像下传地面站需要的只是一个此处有异常的标签或几个坐标——星上完成检测只传结果数据量可从几百 MB 降到几 KB。图 3语义通信系统模型在经典收发链路上叠加语义编解码 共享知识库[10]这不是优化是降维打击。PART 04国内外研究图谱谁在做做到哪了语义通信目前处于理论框架收敛、工程验证铺开的阶段。梳理一下主要力量。学术界北京邮电大学 · 张平院士 / 牛凯教授团队【理论体系】提出语义基Semantic Base模型与智简通信理念建立语义信息度量指标体系用归一化条件复杂度刻画语义压缩极限并牵头多篇奠基性综述[10]。是语义信息论中国学派的核心力量。清华大学 · 秦志金团队【系统与算法】DeepSC 文本语义通信、DeepSC-ST 语音语义通信的提出者之一覆盖任务驱动多用户框架、多模态语义-信道联合编码已搭建语义通信示范平台[5][12][13]研究方向明确包括面向卫星通信的语义编码。担任 IEEE JSAC 语义通信专刊客座编辑。西安电子科技大学 · 石光明团队【框架与网络】2018 年即提出语义通信基本框架研究语义信息表征与压缩编码2021 年给出语义感知网络的模型与开放问题[8][9]是国内最早系统进入该方向的团队之一。中山大学 · 学术前沿多团队并进【图像语义 · 空天地一体】王玺钧、陈翔团队电子与信息工程学院联合新加坡科技设计大学 Tony Q. S. QuekIEEE Fellow等提出可信图像语义通信框架把图像转成可解释的语义文本与分割图接收端用生成式 AI 重建并结合 AI RAN 实现语义级多速率传输同时解耦收发两端训练依赖成果发表于 IEEE Wireless Communications[14]。陈高洁团队柔性电子学院与帝国理工 Geoffrey Li 院士合作面向含多颗 LEO 卫星、无人机与地面用户的空天地一体化网络提出比特传输与生成式语义图像传输并行的混合框架用分布式 Soft Actor-Critic 做资源分配成果发表于 IEEE JSAC[15]。马啸教授领衔的编码与信息论实验室COINSYSU将语义通信与空间通信、卫星通信列为重点方向从编码与信息论根基切入张曦团队在文本语义通信的实体信息增强上亦有工作发表[11]。中山大学 CPNT Lab【应用落地 · 指标国内前沿】前面几个团队回答能不能做CPNT Lab 回答能不能用。语音、图像、视频三条线均在真实窄带卫星链路上跑通多项指标处于国内前沿[19]。语音150bps4 秒通话仅 74 字节。相比传统 PCM64kbps压缩约 400 倍VISQOL 主观音质仍达 4.25/5一条北斗短报文就装得下。图像极限压缩 2378 倍。1.76MB 大坝监测图 → 776 字节主体内容可辨常规档位同画质码率仅为 JPEG2000 的 43.5%。视频11 秒 720p 压至约 40KB。实测航船俯拍码率从 24.7Mbps 压到 0.8Mbps最低 200kbps 即可实时回传。落地链路已适配北斗三号短报文、天通一号、风云卫星覆盖水利监测、电力覆冰、野外图传、动物保护等场景。北斗短报文正从文字时代迈入多媒体时代。图 4中山大学 CPNT Lab 语义通信落地指标速览语音、图像、视频三线并进[19]产业界广州磐钴智能科技有限公司【卫星物联网 · 工程落地】国内少有的把语义通信真正装进终端跑起来的公司。在 2026 年第三届中国卫星开发者论坛上磐钴智能分享了《卫星物联网多媒体语义通信研发与应用》跳出峰值信噪比等传统量化指标以人眼视觉、人耳听觉的主观语义保真为核心结合深度学习与对抗训练实现超低码率下多媒体数据的高质量传输。落地指标自研低码率语音压缩算法、渐进式图像压缩算法与低码率声码器芯片425bps–2400bps依托北斗三号短报文、天通卫星链路终端规模化部署超 30 万台覆盖应急通信、电力水利、野外监测等场景。华为、鹏城实验室、中国移动等【标准与平台】华为在后香农时代十大挑战问题中将语义通信列入议程并参与信道知识库构建研究[16]鹏城实验室与北邮、港中大深圳联合推进语义通信试验平台三大运营商在 6G 推进组中均已设立语义通信专题。IMT-20306G推进组发布的白皮书中语义通信已被列为 6G 潜在关键技术。PART 05和AI 原生空口是什么关系有人可能会问这跟之前说的 AI 原生空口有什么区别简单说是上下层关系。一个管管道质量一个管管道里该流什么。两者可以叠加也可以独立部署。PART 06别急着吹——硬骨头同样不少说完好处得说难处。综合多篇综述的共识[7][17][18]语义通信至少有几块硬骨头。意思传对了怎么量化这是最难的问题。比特通信有误码率清清楚楚。语义通信呢接收端理解对了没理解对怎么定义对一张图传过去接收端识别出了猫但颜色搞错了算不算语义正确目前学界尚无公认的语义保真度度量——张平团队提出用语义熵与归一化条件复杂度刻画[10]但距离工程可用的尺子还有距离。黑盒模型的可解释性深度学习模型本身就是黑盒出了错很难定位是哪一层语义出了问题。中山大学王玺钧团队提出可信语义通信用可解释的语义文本与分割图替代不透明特征向量正是对这一短板的直接回应[14]。在航天、国防等高可靠场景不知道为什么错了是致命的。跨场景泛化与知识库对齐在图像上训练好的语义编码器换到语音、换到雷达数据可能完全不适用每个场景都要重新训练。不同厂商、不同系统的背景知识如果对不齐就像两个人各说各的方言只传差异反而更乱。安全多了一层已有研究专门讨论语义通信的新型攻击面有人给共享知识库投毒语义层就跟着出错且比比特层面的篡改更隐蔽——因为语义正确本身就难以验证[18]。所以现实里语义通信更像传统通信的增效补丁而非替代品。关键的控制信令、测控链路仍然需要比特级的绝对可靠——不然网络自己先乱套了。PART 07对卫星通信意味着什么最后说说跟我们做卫星通信的关系。卫星通信有几个天生的痛点带宽贵、时延高、链路条件波动大雨衰、多径、遮挡。传统通信的比特零误差策略在这些约束下格外吃力——重传一轮就是几百毫秒雨衰一来就得降速编码兜底。语义通信恰好对上了这些痛点【适配点一】DeepJSCC 的软退化天然适配链路波动低信噪比下不会突然断链而是画质渐降。卫星链路受雨衰、遮挡影响波动剧烈传统数字方案在门限以下直接悬崖式失效见图 2DeepJSCC 则平滑过渡——这对难以精确链路预算的移动卫星场景价值巨大。【适配点二】共享知识库高时延链路上省下的每一比特都是时间GEO 卫星往返时延 250ms 以上每减少一次重传、每省一段冗余都在改善端到端体验对 LEO 星座而言时延虽低带宽与星上功耗仍是硬约束。【适配点三】任务导向传输让星上智能成为必选项遥感卫星不再下传原始图像而是星上完成目标检测、只传结果。中山大学陈高洁团队在空天地一体化框架里已经验证了比特生成式语义混合传输的可行性[15]磐钴智能则用 30 万台在网终端证明在窄带卫星链路上主观语义保真优先的压缩传输已经能商用。【适配点四】窄带卫星物联网语义通信已经开始挑大梁北斗三号 RDSS 短报文的单条容量以百字节计传统上只能传文字。中山大学 CPNT Lab 的落地实践给出了最直接的证据150bps 语义语音让 4 秒通话装进 74 字节——一条短报文发一段语音2378 倍图像压缩让一张水库大坝监测图缩到 776 字节——一条短报文发一张图[19]。当语音、图像乃至 200kbps 实时视频都能挤进窄带卫星链路北斗短报文就不再只是发短信的而成了真正的多媒体通道。当然卫星通信也有自己的红线测控链路TTC、指令上行的可靠性要求极高这些地方语义通信暂时碰不得。但业务信道——尤其是图像、视频、遥感数据的下传——正是语义通信最肥沃的试验田。· · ·从传比特到传意图不是推翻香农而是在香农的地基上盖一层新的楼。比特通信解决了怎么把信息准确搬过去语义通信回答的是到底该搬什么。当频谱越来越挤、终端越来越多、业务越来越杂这个问题会越来越迫切。至少在卫星通信这块变化已经不是闻到味道——150bps 的语音、776 字节的图像、40KB 的视频已经在北斗短报文的链路里跑着了。北斗短报文的文字时代正在落幕多媒体时代的入场券是语义通信发的。— END —参考文献[1]C. E. Shannon, A mathematical theory of communication, Bell System Technical Journal, vol. 27, no. 3, pp. 379–423, 1948.[2]C. E. Shannon and W. Weaver, The Mathematical Theory of Communication. University of Illinois Press, 1949.[3]Y. Bar-Hillel and R. Carnap, Semantic information, British Journal for the Philosophy of Science, vol. 4, no. 14, pp. 147–157, 1953.[4]E. Bourtsoulatze, D. B. Kurka, and D. Gündüz, Deep joint source-channel coding for wireless image transmission, IEEE Transactions on Cognitive Communications and Networking, vol. 5, no. 3, pp. 567–579, 2019.[5]H. Xie, Z. Qin, G. Y. Li, and B.-H. Juang, Deep learning enabled semantic communication systems, IEEE Transactions on Signal Processing, vol. 69, pp. 2663–2675, 2021.[6]E. C. Strinati and S. Barbarossa, 6G networks: Beyond Shannon towards semantic and goal-oriented communications, Computer Networks, vol. 190, 107930, 2021.[7]D. Gündüz, Z. Qin, I. E. Aguerri, et al., Beyond transmitting bits: Context, semantics, and task-oriented communications, IEEE Journal on Selected Areas in Communications, vol. 41, no. 1, pp. 5–41, 2023.[8]石光明, 李莹玉, 谢雪梅. 语义通讯智能时代的产物[J]. 模式识别与人工智能, 2018, 31(1): 91–99.[9]G. Shi, Y. Xiao, Y. Li, and X. Xie, From semantic communication to semantic-aware networking: Model, architecture, and open problems, IEEE Communications Magazine, vol. 59, no. 8, pp. 44–50, 2021.[10]张平, 牛凯, 姚圣时, 等. 面向未来的语义通信基本原理与实现方法[J]. 通信学报, 2023, 44(5): 1–14.[11]李聪端, 张曦. 基于内部实体信息增强的语义通信[J]. 移动通信, 2024, 48(2): 22–26.[12]H. Xie, Z. Qin, X. Tao, and K. B. Letaief, Task-oriented multi-user semantic communications, IEEE Journal on Selected Areas in Communications, vol. 40, no. 9, pp. 2584–2597, 2022.[13]Z. Weng and Z. Qin, Semantic communication systems for speech transmission, IEEE Journal on Selected Areas in Communications, vol. 39, no. 8, pp. 2434–2444, 2021.[14]X. Wang, D. Ye, C. Feng, H. Yang, X. Chen, and T. Q. S. Quek, Trustworthy image semantic communication with GenAI: Explainability, controllability, and efficiency, IEEE Wireless Communications, 2025.[15]G. Chen, et al., Deep reinforcement learning-based resource allocation for hybrid bit and generative semantic communications in space-air-ground integrated networks, IEEE Journal on Selected Areas in Communications, 2025.[16]徐文伟, 张弓, 白铂, 等. 后香农时代 ICT 领域的十大挑战问题[J]. 中国科学: 数学, 2021, 51(7): 1095–1138.[17]Z. Lu, R. Li, K. Lu, et al., Semantics-empowered communications: A tutorial-cum-survey, IEEE Communications Surveys Tutorials, vol. 26, no. 1, pp. 41–79, 2024.[18]Y. E. Sagduyu, T. Erpek, S. Ulukus, and A. Yener, Is semantic communication secure? A tale of multi-domain attacks, IEEE Communications Magazine, vol. 61, no. 11, pp. 74–80, 2023.[19]中山大学北斗综合智能导航实验室CPNT Lab. 突破比特传输极限——AI 语义通信研究与应用进展[R]. 技术报告, 2026.