平行的兩條主線

從 TR 38.914 的 6G AI/ML 框架協調條目，看機器學習進入感測處理鏈的三個結構性接點

一、本週焦點

本週的切入點來自一份看似平常的官方清單。3GPP 官方 Release 20 頁面把本版次 5G-Advanced 的主要強化領域並列為能源效率與永續、AI/ML、5G 架構中的衛星與非地面網路、行動性、覆蓋、公共安全、以及感測與通訊七項；依 2026 年 3 月 TSGs#111 所提報的工作計畫，全版次跨 RAN、SA 與 CT 各群組共有 126 項工作項目與 74 項研究項目在推進 [1]。AI/ML 與感測並列其中，卻分屬不同的工作項目、不同的主導工作群組、不同的技術報告，兩者之間沒有正式的交集條目。與此同時，同一份頁面在 6G 研究段落中指出，TR 38.914 除了波形、參數集、通道編碼等基礎無線設計，以及 RAN 架構與介面之外，另列有一項引導各 RAN 工作群組展開後續研究的高階項目：6G AI/ML 框架的協調 [1]。該研究本身已於 2026 年 6 月 RAN#112 以 v1.0.0 核准完成，後續由工作群組層級的 FS_6G_Radio (TR 38.960) 承接 [9]。

這件事值得此刻談，是因為兩條主線的分軌在 5G-Advanced 階段其實是刻意的制度安排。3GPP 於 RAN#106 研討會後的規劃即明確要求，Release 20 之中 5G-Advanced 與 6G 的研究範疇必須避免重疊，工作群組的時間單位須在兩者之間審慎分配 [1]。分軌換來的是各自推進的效率，代價則是兩套設計語彙在缺乏交集條目的情況下各自定型。一旦 6G 的原生設計時窗開啟，而 AI/ML 框架的跨群組協調在感測缺席的前提下先行收斂，感測日後要接入這套框架就不再是設計選擇，而是改造成本。這也是為何 TR 38.914 把框架協調列為交付各 RAN 工作群組的後續研究方向，本身就值得視為一個訊號。

這條線與本專欄先前的追蹤直接相接。2026 年 7 月 18 日的感測與 NR 定位架構分野報導曾指出，Release 20 感測刻意採取增量路線，借用既有的服務化基礎設施與定位管線，而非另設專屬網路功能。若把同樣的視角移到空中介面，AI/ML 的三個試點使用情境之一正是定位，這意味著感測與 AI/ML 之間早已存在一座半成品的方法橋。另一方面，2026 年 6 月 27 日的通道模型模擬器實作與校準報導揭示了跨團隊實作不同步所造成的校準成本；資料驅動的模型一旦進入感測處理鏈，這項成本只會被放大而非稀釋。本週便沿這兩條線，盤點 AI/ML 與感測在 3GPP 制度上的實際距離，以及它們終究必須相交的位置。

二、兩條主線的當前座標

要判斷兩條主線何時會相交，得先確認它們各自站在哪裡。這裡的關鍵不是泛論 AI 與感測的技術親近性，而是回到 3GPP 的工作項目文本，看兩者被寫進規範議程的範疇究竟涵蓋什麼、又刻意排除了什麼。

2.1 AI/ML 空中介面：三個試點使用情境與規範衝擊落點

3GPP 在空中介面層次引入 AI/ML 的起點，是 Release 18 由 RAN 第一工作群組主導的研究項目 FS_NR_AIML_Air，其技術報告為 TR 38.843 [4][5]。該研究刻意不去規範具體的 AI/ML 模型，模型設計留給實作，研究要回答的是啟用這些技術需要在規範層面做出哪些改動。研究挑選了三個試點領域深化理解與跨公司效能比較：通道狀態資訊 (Channel State Information, CSI) 的壓縮與時域預測、波束管理的空間與時間預測、以及定位 [4]。其中定位一項再細分為直接 AI/ML 定位，例如指紋式方法，以及 AI/ML 輔助定位，後者的定義是模型推論的輸出構成一項新的量測，或是對既有量測的增強 [4]。

這項研究對規範層面的衝擊落點在立項階段即已具體標定。實體層方面涵蓋模型生命週期管理 (Life Cycle Management, LCM)、為訓練與驗證及測試而構建的資料集、啟用特定使用情境所需的新訊令、訓練與驗證的手段、輔助資訊與量測回饋；協定層面則涵蓋能力指示、訓練與推論的設定與控制程序、資料與模型的管理，以及依網路與終端協作層級而異的規範衝擊 [4]。評估方法論同樣關鍵：該研究要求 AI/ML 方案須與有意義的非 AI 基線進行效能比較，並同時計入運算需求、功耗與記憶體使用等複雜度代價 [4]。這三件事構成 AI/ML 進入空中介面的制度骨架。到目前為止，感測並不在這三個試點使用情境之列。

2.2 ISAC 研究：單站感測、程序訊號與網路架構

另一條主線的座標同樣清楚。Release 20 的 ISAC 研究項目 RP-251861 設定三項目標：評估基地台單站 (mono-static) 感測的效能，也就是發射與接收共站的單一傳輸接收點配置，並以無人機偵測為主要目標情境；研究 RAN 與核心網之間支援 ISAC 的程序與訊號設計；以及研究對應的網路架構 [6]。三項目標的文本之中沒有任何一條提及 AI/ML，如同 AI/ML 空中介面研究的三個試點使用情境之中沒有感測。這種對稱的相互缺席，正是本文所稱的平行主線。

相對而言，在需求層次上兩者其實已經同在一份文件之中。TR 22.870 這份 6G 使用情境與服務需求的第一階段研究已完成並經 TSG SA#111 核准，其所辨識的需求範疇同時列有人工智慧與整合感測及通訊兩個類別，另包含泛在連接、沉浸式通訊、巨量通訊與垂直應用等 [1][3]。換言之，6G 的需求源頭已經把兩者放進同一個籃子，尚未發生的是把它們放進同一套技術框架。下表把兩條主線在近三個版次的推進位置並置對照，以便看清相交點尚未出現的原因。

三、三個結構性接點

制度上的分軌不等於技術上的無關。把兩條主線的技術內容攤開對照，至少有三處位置是它們遲早必須交會的地方，而且每一處都不是可有可無的加分項，而是牽動規範設計的結構性接點。

3.1 從量測到推論：定位使用情境鋪好的方法橋

第一個接點藏在 AI/ML 定位使用情境的定義裡。前述 AI/ML 輔助定位的界定是模型輸出構成一項新的量測或既有量測的增強 [4]，而感測處理鏈所要估計的時延、都卜勒頻移與到達角，在資料型態上與定位所依賴的參考訊號量測高度同構：兩者都是從接收訊號中抽取傳播參數，再由參數推導幾何量。既然 3GPP 已經為定位建立了把模型推論輸出當作量測來處理的規範語彙，這套語彙在概念上可以直接沿用到感測回波的參數估計，而不必從零建立第二套。

在此基礎上，真正的差異不在訊號處理而在協作性，這一點本專欄 2026 年 7 月 18 日的定位架構分野報導已經鋪陳過：定位的量測對象是身分已知、且主動配合量測程序的終端；感測的目標則多為非協作的被動物體，網路只能從回波反推其存在與運動狀態。這個差異決定了訓練資料的取得方式截然不同。定位可以透過已知位置的終端建立標註資料集，感測則缺乏天然的地面真值來源，這使得資料集構建這項在 AI/ML 研究中被列為規範衝擊落點的工作 [4]，在感測情境下的難度顯著提高。學術側對此的回應是把深度學習用在最佳演算法未知、或已知演算法過於複雜而難以即時實作的環節，例如 ISAC 的統一波形、星座與波束成形設計，並以非監督式學習與類神經網路最佳化在效能與複雜度之間取得平衡 [7]。此為學術提案，尚未經 3GPP 採納。

3.2 生命週期管理與資料管線的重疊

第二個接點在資料與管理面。AI/ML 空中介面研究所辨識的規範衝擊，重心並不在模型演算法，而在圍繞模型運作的一整套機制：資料收集與資料集構建、能力指示、設定與控制程序、以及模型與資料的管理 [4]。把這份清單與感測側的架構工作並置，重疊之處相當明顯。RP-251861 所研究的 RAN 與核心網之間支援感測的程序與訊號 [6]，依其產出 TR 38.765 所涵蓋的效能指標、效能評估、量測、以及 RAN 與核心網程序與訊號等範圍 [10]，實質內容同樣落在感測能力的回報、量測程序的設定與控制、以及量測結果的回報路徑上。兩者要解決的是同一類問題，只是各自從不同的使用情境出發。

由此可見，若兩條主線持續各自定義，最可能的結果是網路中出現兩套平行的資料收集與能力回報機制：一套服務於 AI/ML 模型的訓練與推論，一套服務於感測結果的產生與開放。對實作而言這是重複投資，對規範維護而言則是長期的一致性負擔。更值得注意的是，感測資料本身同時是 AI/ML 模型的潛在訓練素材，兩套管線承載的資料在物理上可能是同一份。這使得訂閱與通知模型、資料格式與座標系、以及資料保留與授權範圍等設計，難以在互不知情的情況下各自收斂。本專欄追蹤項 A-07 所關注的感測結果應用程式介面框架，以及 S-01、S-02 所追蹤的感測資料同意與隱私機制，在 AI/ML 訓練資料需求進場之後，將面對比原先更複雜的取捨。

3.3 可驗證性：AI 輸出如何在感測評估框架下複現

第三個接點是評估與可驗證性，這也是三者之中最容易被低估的一個。感測效能的核心指標是漏檢機率 (missed detection probability) 與誤警機率 (false alarm probability)，兩者的意義建立在統計上可複現的前提之上：在給定的通道模型、目標模型與訊號設定下，不同廠商執行相同的評估流程應得到可比的結果。而 AI/ML 空中介面研究對評估的要求，是與有意義的非 AI 基線比較，並同時計入複雜度代價 [4]。問題在於，資料驅動模型的效能對訓練資料的分布高度敏感，同一個模型在不同的合成通道實現上可能給出明顯不同的漏檢與誤警機率，這使得跨廠商結果對齊的難度高於傳統的檢測理論演算法。

進一步來看，這正好把本專欄 2026 年 6 月 27 日通道模型模擬器實作與校準報導所點出的問題推到台前。當時的觀察是，通道模型的實作細節若未寫到逐行可複製的程度，跨團隊結果便會出現分歧，而開源模擬器與兩階段校準程序被提出作為緩解手段。若 AI/ML 進入感測處理鏈，評估的變異來源就從通道實作一項擴增為通道實作與訓練資料兩項，跨廠商對齊所需的共同基準也必須從通道模型延伸到資料集本身。學術側已出現具體嘗試：有研究以三維卷積類神經網路搭配雙向長短期記憶網路處理 6G ISAC 感測資料，用於軌道入侵偵測與碰撞預測，並明確對照 3GPP 於 Release 19 階段所盤點的 32 個 ISAC 潛在使用情境作為情境依據 [8]。此類工作展示了資料驅動方法在特定垂直情境的可行性，惟同屬學術提案，尚未經 3GPP 採納。

四、合流窗口：TR 38.914 的 AI/ML 框架協調條目

把三個接點放回時程上看，合流的窗口相當明確。3GPP 已定調以兩個版次完成 6G：Release 20 承擔研究，Release 21 承擔規範性工作，以對應國際電信聯盟所訂 2029 年初提交 IMT-2030 技術提案、2030 年中前提交完整系統定義的節點 [1]。在 Release 20 的早期 6G 研究之中，TSG RAN 主導的 6G 場景與需求研究 TR 38.914 於 2026 年 3 月達到六成完成度，並已於同年 6 月 RAN#112 以 v1.0.0 核准完成 [1][9]；其角色是為各 RAN 工作群組後續研究提供引導，並作為 ITU-R IMT-2030 技術效能需求程序的初始輸入，涵蓋波形、參數集與通道編碼等基礎無線設計、5G 至 6G 遷移的高階考量、RAN 架構與介面包含 RAN 與核心網介面，以及 6G AI/ML 框架的協調 [1]。最後這一項是本文關切的窗口所在。

框架協調的意義，在於它處理的正是第三章所述三個接點的共通前提。一套跨群組的 AI/ML 框架若要成立，必須先回答模型生命週期由誰管理、訓練與推論資料如何在網路中流動、能力如何回報、以及效能如何在可複現的條件下被驗證。這四個問題與感測所需回答的問題在結構上重疊。倘若框架在定義階段就把感測視為一個潛在的使用情境族群加以預留，即使 Release 21 尚不為感測定義具體的 AI/ML 程序，後續接入的成本也會顯著低於事後補接。相對而言，若框架僅以 CSI、波束管理與定位三個既有使用情境為模型建立，感測日後要進入就得面對介面與資料模型的回溯調整。

需求層面的條件其實已經備妥。TR 22.870 已完成並經核准，人工智慧與整合感測及通訊同時列於其需求範疇之中 [1][3]，這代表 6G 的服務需求源頭並不排斥兩者的結合，缺的是把需求翻譯成技術框架的中間環節。至於時程，Release 20 的 5G-Advanced 進度維持既定節奏：第二階段系統架構於 2026 年 6 月達成八成完成度、9 月完成凍結，第三階段協定細節目標為 2027 年 3 月，抽象語法標記與開放應用程式介面規格則於 2027 年 6 月凍結，本週無異動 [1]。真正的變數不在時程本身，而在 9 月之後 RAN 工作群組如何依 TR 38.914 的引導分配 6G 研究的時間單位。

五、展望與追蹤

就官方節點而言，接下來有三個時間點值得盯緊。一是 2026 年 9 月 Release 20 第二階段架構的完整凍結 [1]。SA2 的 ISAC 架構研究 TR 23.700-14 已於 2026 年 3 月以 V20.0.0 完成，屆時定稿的是承接其結論的 Stage 2 規範 TS 23.137 (撰稿時為 V0.3.0)；該規範對感測資料路徑與功能掛載方式的最終寫法，是判斷感測側資料管線與 AI/ML 資料需求能否共用的第一個實據 [10]。二是承接 TR 38.914 的工作群組層級研究 FS_6G_Radio (TR 38.960，規劃於 TSG#115 提交資訊、TSG#116 核准)，其 AI/ML 框架協調的細部文字是否提及感測，將直接反映合流窗口的開端 [9]。三是 Release 20 ISAC 研究 RP-251861 已於 2026 年 6 月收斂為 TR 38.765 V20.0.0，RAN3 並同步啟動 Ns 介面的規範性工作 (RP-261566)；其效能評估方法論是否為資料驅動處理預留描述空間，會決定 Release 21 的起點 [6][10]。

後續可關注的方向包括：一是 TR 38.914 的 6G AI/ML 框架協調在後續工作群組研究中是否把感測納入為潛在使用情境族群，或維持以 CSI、波束管理與定位三者為範圍；二是 AI/ML 空中介面的模型生命週期管理與資料收集機制，是否與 SA2 感測資料回報及開放路徑形成共用管線，或各自定義而產生兩套平行機制；三是感測效能評估在引入資料驅動處理後，跨廠商結果對齊是否需要在通道模型之外另行建立共同訓練資料集或資料集描述規範。本報導將於 FS_6G_Radio 相關輸出公布、或 RAN 工作群組正式提出感測與 AI/ML 交集研究提案時，另立專題追蹤。

資料來源

[1]  3GPP 官方 Release 20 頁面：Rel-20 5G-Advanced 七大重點強化領域 (含 AI/ML 與 Sensing + Communications)、126 項工作項目與 74 項研究項目、早期 6G 研究清單、TR 38.914 進度與範疇、Rel-20 研究與 Rel-21 規範性工作分工、各階段凍結時程。  https://www.3gpp.org/specifications-technologies/releases/release-20

[2]  3GPP TR 38.914：Study on 6G Scenarios and Requirements (TSG RAN 主導)，Release 20 早期 6G 研究，已於 2026 年 6 月 RAN#112 核准 (v1.0.0)。此為規格頁，提供標題、狀態與版本歷程；本文所引之四項後續研究方向清單出自 [1]。  https://www.3gpp.org/dynareport/38914.htm

[3]  3GPP TR 22.870：Study on 6G Use Cases and Service Requirements (Stage 1)，經 TSG SA#111 核准完成，需求範疇同時涵蓋 AI 與 Integrated Sensing and Communications。  https://www.3gpp.org/dynareport/22870.htm

[4]  3GPP 官方技術文章 AI/ML for NR Air Interface (Juan Montojo, Qualcomm，RAN1 主導研究之報告人；2022 年 10 月首刊於 3GPP Highlights Issue 05，內容為研究立項階段之範疇說明)：三個試點使用情境 (CSI、波束管理、定位)、直接與輔助 AI/ML 定位定義、生命週期管理與資料集等規範衝擊落點、與非 AI 基線比較之評估要求。  https://www.3gpp.org/technologies/ai-ml-nr

[5]  3GPP TR 38.843：Study on Artificial Intelligence (AI)/Machine Learning (ML) for NR Air Interface，Release 18 RAN1 主導研究 FS_NR_AIML_Air 之技術報告。  https://www.3gpp.org/dynareport/38843.htm

[6]  3GPP RP-251861：Study on Integrated Sensing and Communication (ISAC) for NR，Release 20 研究項目，三項目標為基地台單站感測效能評估 (無人機情境)、RAN 與核心網之程序與訊號、以及網路架構。  https://www.3gpp.org/ftp/tsg_ran/TSG_RAN/TSGR_108/Docs/RP-251861.zip

[7]  M. Vaezi, G. A. Baduge, E. Ollila, S. A. Vorobyov, A Tutorial on AI-Empowered Integrated Sensing and Communications, arXiv:2504.13363 (學術文獻，非 3GPP 規範；將刊於 IEEE Communications Surveys & Tutorials)：以深度學習處理 ISAC 統一波形、星座與波束成形設計，含非監督式學習與類神經網路最佳化之案例研究。  https://arxiv.org/abs/2504.13363

[8]  A. K. Yadav et al., A 6G Integrated Sensing and Communication Framework for Railway Intrusion Detection and Collision Prediction, arXiv:2608.04710 (2026 年 8 月 5 日，學術文獻，非 3GPP 規範)：以三維卷積類神經網路與雙向長短期記憶網路處理 ISAC 感測資料，情境依據為 3GPP Release 19 所列之 32 個 ISAC 潛在使用情境。  https://arxiv.org/abs/2608.04710

[9]  3GPP News「First 6G RAN study approved」(2026 年 6 月 14 日)：TR 38.914 v1.0.0 經 RAN#112 核准、Release 21 時程議定、後續工作群組層級研究 FS_6G_Radio (TR 38.960) 之 TSG#115／#116 節點、以及 6GR 等術語共識。  https://www.3gpp.org/news-events/3gpp-news/6g-38914

[10]  3GPP Technologies「ISAC Architecture Progress in 3GPP」(2026 年 8 月 18 日)：2026 年 7 月各工作群組 5G-A 感測進度總覽，含 SA2 之 TR 23.700-14 (研究) 與 TS 23.137 (規範)、RAN1／RAN3 之 TR 38.765 範圍、以及 RAN3 於 RP-261566 啟動之 Ns 介面規範性工作。  https://www.3gpp.org/technologies/isac-arch