张平院士：人工智能发展的尽头一定是信息

飞象网讯 （孙迎新/文）当算力中心越建越大、模型参数越堆越多时，有人却用一句大白话，把人工智能的尽头讲了个明白，也把其间的关系说了通透。

“没有网络的AI就是信息的孤岛；没有AI的网络，是算力的孤岛。”

这句话听起来是不是有点绕？

就在所有人都在追逐做加法，不停加带宽、加算力、加协议的时候，他偏偏要讲减法：让网络往简单的方向走，用智能把冗余削掉，把通信从搬运比特升级为传递语义。

8月5日，在主题为“AI赋能频谱创新，智能引领产业未来”的2026无线电技术与应用发展论坛上，中国工程院院士张平的主旨报告，却把话题引向了一个看似反潮流的方向。这背后也是一个被热浪掩盖的冷判断：人工智能不会无边膨胀下去，它的归宿，是更本质的信息。

当数据流量因大模型、具身智能、数字人而爆炸式增长，当频谱、能耗、算力压力逼近传统网络的极限，我们究竟该继续堆下去，还是另寻一条更聪明的路？

融合的终极指向：让网络往简单的方向发展

通信与AI的融合，不是简单的技术拼接，而是历史必然；而这场融合的终极指向，是让网络变得更简单。

张平院士的判断有一个清晰的逻辑起点：AI已成为继互联网、移动互联网之后的第三类通用技术，并将沿L1到L5的智能等级阶梯持续演进。这种演进也会落在从聊天机器人（ChatBot）、推理者（Reasoner）、智能体（Agent）、创新者（Innovator），直到组织者（Organizer）。

其实早在2019年，他就在《通信学报》提出过6G应是“人、机、物、灵”通信，那个“灵”便是Agent，如今已成业界共识。

“通用技术实际上就三种：一种是以信息技术为主的互联网技术；下边就是移动互联网为主的网络技术；后边就是AI、人工智能，这是一个通用技术。所以它会带来整个，不光是对技术的变化，实际上对我们整个经济都会发生很大的变化。”

更深层地看，张平认为，通信与AI本就同源于香农。香农既奠基了通信理论，也铺下了机器学习的地基；只不过后来一个越做越便宜、越做功耗越小，另一个越做越大，才渐行渐远。张平用一句家常话点破了二者的血缘：

“通信这件事本来跟人工智能就是兄弟一对儿……香农不光发明了通信的理论，同时人工智能的像机器学习等等都是他老人家做的。”

融合之后，网络的主体将不再是孤立的比特，而是充满灵性的Agent。张平反复强调一个判断，也借此把话题自然引向频谱：

“没有网络的AI就是信息的孤岛……我们的大数据中心，一定是通过网络来连接。那么网络连接就要通过通信了，通信就要用频谱。所以无线电的管理非常重要。”

而结论，最终落到减法上。张平认为，到了推理者阶段，AI其实已经开始做减法；未来网络的演进逻辑，要从扩容满足数据增长转向传递语义特征满足业务任务，用智能把网络协议、信令、架构中的冗余削掉，实现他所说的“由智生简，以简促智”，而这正是“智简”二字的第一层含义。

理论与范式：人工智能发展的尽头一定是信息

如果先前说的是为什么要融合，那么现在回答的是融合成什么。张平给出的答案是一套全新的理论与范式：人工智能发展的尽头，一定是信息。

他的论证从香农的边界讲起。

张平认为，香农信息论只解决了信息的语法层，也就是把数据从甲地无损传到乙地，而信息其实分三层：语法（数据采集）、语义（信息认知）、语用（信息决策）。今天的信息社会仍停留在最底层的语法阶段，所以系统复杂而低效。

张平直言：“世界是由物质、能量、信息组成的，没听说世界是有人工智能的。人工智能只是我们发展到一定阶段的一个技术产物，它不代表着未来，但是未来一定是。人工智能发展的尽头，一定是信息。”

而香农那个无损传输的架构，对未来其实是一个误解。

“香农发表的通信理论，只不过是把数据从这一端无损地传到乙地去……我们未来不一定是要做无损的，有损的也可以，只要我们理解就行了。”

张平把理论突破的关键，归结在于同义映射（Synonymous Mapping）：把香农单个事件的概率不确定性升级为集合的不确定性，由此得到的熵减，系统在理论上走向简约。

“这种空间里有什么好处呢？就是我们把香农过去讲的，每个事件概率的不确定性，变成了一个集合的不确定性……它带来的熵一定是熵减，而熵减的东西它就一定是简约的。”

张平指着PPT说，更关键的是，语义通信的黑色曲线可以逾越经典通信那条粉色的香农极限，在低信噪比下可靠工作。

而支撑这套理论的是ComAI（通信+AI）框架：以语义信息论为底座，把比特升级为语义基（Seb）作为信息基本单元；并提出模型多址（MDMA），用AI模型而非单纯的时间、频率、空间来区分用户，已被严格证明统计正交。

资源约束的解决路径：智能就是压缩

趋势清楚了，理论有了，落地靠什么？

张平的发言，随即把视线拉回最现实也最棘手的问题：频谱。而张平的判断是，面对智能体时代爆炸式、复杂化的用频需求，频谱作为物理受限的稀缺资源，靠传统的静态条条框框规划已难以为继；解法不是一味抢占新频段，而是做减法：用智能压缩单位信息的带宽需求，在窄带上传输宽带信号。

一句话：“智能就是压缩。”

张平认为，需求侧的压力是实实在在的。未来网络是真人、机器人、数字人三类智能体之间的海量交互，感知从视觉、听觉扩展到触觉、嗅觉等五感，数据量达T比特级。

“我们已经不是一个视觉的问题、一个声音的问题，它可能变成了触觉，还有嗅觉，五感都具备的。那就是常说的要用T比特来做……你带来的对频率的要求就太多了。”

张平进一步指出，从频段演进史看，移动通信一路向高频爬升：2G约30MHz，到3G分米波、5G厘米波、毫米波（美国力推却因器件与组网问题未成功），再到当下热议的太赫兹，当然也存在一些问题，损耗过大。

张平给出了一个清醒的判断：

“我认为未来有用的还是在厘米波上。那么这个厘米波这个频段又都被占满了……”

张平强调，但厘米波之外，大量频谱其实没用上，需要靠AI去发现；在视距（LoS）场景下，毫米波仍可行。核心解法，仍然是那句大白话：

“我们用窄带的时候可以传宽带的信号……本来就是一种智能。有人讲智能是什么？智能在一定程度上看就是压缩，如果能压缩，你就不要那么宽的频率了。”

站在更高的维度看，对管理者而言，这是一次范式升级：无线电管理要引入AI，实现智能化感知、发现与动态管理；管理工作者要善用AI新手段，让技术供给与需求匹配。

针对当前AI技术的供给与需求，张平也顺手泼了盆冷水：

“这是资本市场在那吹牛，我觉得我们不要信他……但是客观的资源它是受限的。所以我们的技术要把技术供给和需求匹配起来。”

从通信为何要拥抱AI，到通信与AI融合的理论范式是什么，再到作为无线电管理者该如何应对，张平画出了一个闭环，而贯穿闭环的始终是一根线，也那句他最想说给你听的话：