基于长期物理层技术研究，张平院士提出，6G原生AI的落地应用需满足三大核心需求，一是破解通信基础矛盾，通过技术创新实现传输效率与资源消耗的最优平衡；二是实现信源压缩的熵减突破，从理论上证明无损压缩可突破传统信息熵极限；三是实现通信对环境的动态自适应，保障低信噪比、强干扰等恶劣信道环境下的通信稳定性。
演讲中，张平重点阐释了其团队构建的语义通信数学理论体系。他表示，团队已通过严格的数学推导，证明了语法与语义之间存在统一映射关系，语义熵显著小于传统语法信息熵，语义信道容量天然大于传统香农信道容量，这一成果已通过《语义通信的数学理论》等论文正式发表。
张平强调，语义通信是6G原生AI的核心标志，其本质是实现了“先理解后传输”的通信范式变革。区别于传统通信对符号的无差别传输，语义通信可实现信源-信道联合的深度压缩，压缩比可达3倍以上，同时能基于信道环境完成动态自适应，大幅提升系统抗干扰能力，完美契合6G原生AI对压缩与自适应两大核心智能特性的要求。他同时指出，“压缩就是智能”，智能的核心本质正是通过信息熵减实现高效的信息处理与传递，这也是AI与通信深度融合的底层逻辑。
据介绍，目前张平院士团队的相关语义通信技术成果已被3GPP 6G标准化体系采纳，团队正围绕卫星通信、大规模通信等四大核心场景推进物理层技术落地，在信源信道联合编码、模分多址技术等方面形成了完整的端到端系统架构。
张平表示，香农信息论奠定了现代通信产业的发展根基，但在AI技术全面渗透、虚实世界海量数据交互的全新产业背景下，通信理论必须实现进一步的创新演进。AI与通信的深度融合是6G发展的必然趋势，而6G原生AI的最大价值，正是在物理层实现对传统通信极限的突破，推动移动通信从“万物互联”向“万物智联”的全面跨越。
