面向6G的Agentic无线通信：意图感知且持续演进的物理层智能

随着6G无线系统的演进，不断增长的功能复杂性与多样化服务需求正推动从基于规则的控制向意图驱动的自主智能转变。用户需求不再由单一指标（如吞吐量或可靠性）刻画，而是由时延敏感性、能耗偏好、计算约束和服务等级要求等多维目标刻画。由于环境动态性与用户—网络交互，这些目标还可能随时间变化。因此，准确理解通信环境与用户意图，对自主且可持续演进的6G通信至关重要。大语言模型（LLM）凭借强大的上下文理解与跨模态推理能力，为意图感知的网络智能体提供了有前景的基础。与规则驱动或集中式优化的设计相比，基于LLM的智能体能够整合异构信息，并将自然语言意图转化为可执行的控制与配置决策。本文聚焦意图感知、自主决策与网络执行的闭环流水线，研究面向6G物理层的Agentic AI及其实现路径。我们综述了代表性物理层任务及其在支持意图感知与自主性方面的局限，识别了Agentic AI具有优势的应用场景，并讨论了多模态感知、跨层决策与可持续优化中的关键挑战与使能技术。最后，我们给出意图驱动链路决策智能体AgenCom的案例研究，它能在多样用户偏好与信道条件下自适应构建通信链路。