6G 还未商用，北京交大 × 帝国理工把“语义专线”搬到边缘云——一句话就让街对面那栋楼享受 VIP 带宽

AR 眼镜刚问“对面是哪栋楼”，后台的 MLLM-SC 框架在 10 ms 内就给出一张“语义注意力热图”：楼体轮廓被标成深红，优先级拉到最高，其余背景统一降低码率。高维的多模态数据不再平均分配资源，和任务相关的像素、语音、坐标被语义引擎挑出来走“快速通道”，无关内容自动降级，6G 空口立刻多出约 30 % 可用带宽。

这套“设备—边缘”协作方案把多模态大模型部署在边缘服务器。用户提交图像 + 语音 + 任务请求后，提示工程配合上下文学习先拆解意图，再驱动双路径语义编码器——关键特征走高质量通道，次要信息进低分辨率通路；就算信道突发衰落，核心区域仍能以 1080 P 保真传输。接收端先用 VAE 做粗重建，再用条件扩散模型细化修复，并可按终端算力在“高清重建”和“AI 补帧”之间动态切换，弱网下也能实时合成高质量全息画面。

实验室测试中，AR 导航、沉浸式会议、车联网三维地图同时负载在 500 MHz 毫米波小区上运行：引入 MLLM-SC 后，平均端到端时延由 28 ms 降至 18 ms，块错误率降低 42 %。团队下一步计划把强化学习并入语义决策，让多智能体在协同驾驶、城市级元宇宙等复杂场景中“边传边学、边通边优”，力争把 6G 的“体验密度”再提升一个数量级。