五度易链

菜单

lch
发布于 2026-05-15 / 0 阅读
0

又一电信巨头布局量子 6G：爱立信将 1500 基站切换频次降低 95.4%

#转载

量子计算商业智库

把握量子计算产业脉搏

追踪量子产业化新动向

QUANTUM COMPUTING



文丨浪味仙  排版丨浪味仙
行业动向：3800字丨9分钟阅读

内容提要


未来 6G 网络的竞争，正在从“谁拥有更多频谱和基站”，逐渐转向“谁拥有更强的实时优化能力”。

随着海量终端持续在线、超密集基站不断协同，以及自动驾驶、低空通信与 AI Agent 等新业务快速增长，下一代移动网络正在演变成一个高度动态的超大规模系统。如何在复杂网络中持续完成资源调度、流量分配与移动性管理，已经成为全球通信行业提前布局 6G 的核心方向之一。

近日，爱立信（Ericsson）披露其正在探索一种量子与经典计算融合的无线接入网规划方案，以期借助量子优化能力，缓解未来移动网络中的复杂资源调度问题。

此次研究聚焦于移动网络中的 Tracking Area（跟踪区域）规划，在覆盖约 1500 个小区的真实运营网络数据测试中，该混合方案使部分跨区切换指标下降约 95.4%，同时在 paging traffic 与区域均衡性等指标上也取得明显改善。

爱立信认为，未来通信系统正在产生越来越庞大的组合优化任务，而这类问题长期以来都被视为量子计算的重要潜在应用方向。此前，NTT Docomo 也曾围绕移动网络优化开展量子融合研究。这意味着，全球通信行业已经在为未来 6G 网络提前探索量子优化接口与混合计算架构。

01

一场越来越复杂的“找人”问题


在移动通信系统中，即使手机处于待机状态，运营商依然需要大致知道设备位于哪个区域，以便在电话、短信或数据请求到来时快速找到它。因此，网络会将大量基站划分为不同的 Tracking Area（跟踪区域），手机在区域之间移动时，需要向网络更新自身位置。
这个机制可以理解为一种“网络户籍管理”。
当网络需要寻找某部手机时，会在对应 Tracking Area 内广播 paging 消息。如果一个区域划分过大，就像在整座城市里大范围“喊人”，会消耗大量无线资源；如果区域划分过小，手机只要稍微移动，就需要重新向网络登记位置，这又会带来频繁的信令更新和额外功耗。
过去，运营商通常依赖启发式算法与工程经验进行规划。但随着 5G 基站密度持续提升，以及未来 6G 网络连接规模进一步扩大，这类问题的复杂度正在快速增长。这种增长背后对应着未来 6G 网络能力边界的整体跃迁。
白皮书《6G 无线智能无处不在的关键驱动与研究挑战》提出，未来 6G 峰值传输速率有望达到 100Gbps-1Tbps（5G 仅为 10Gpbs），通信时延进一步压缩至 0.1 毫秒（5G 的十分之一），同时支持超高密度连接与太赫兹频段通信。这意味着，未来网络不仅需要连接更多设备，还需要运营商在极短时间内持续完成海量资源调度、移动性管理与动态优化。
图源网络
由于网络需要同时考虑用户移动模式、基站负载、覆盖范围、切换成本、寻呼流量以及资源利用率等大量约束条件，可选方案数量会随着网络规模增加呈指数级扩张。爱立信指出，这类超大规模组合优化问题，正在逐渐逼近传统优化方法的处理边界。
这恰恰是量子计算近年来被频繁讨论的重要原因之一。不少研究认为，量子计算在组合优化、资源与干扰管理、网络规划、信号处理以及边缘智能等方向，均可能成为未来 6G 网络的重要支撑能力。

02

量子计算因何进入通信网络？


量子计算之所以受到关注，一个重要原因就在于其理论上具备处理复杂优化问题的潜力。
在当前全球 6G 研究体系中，量子计算已经不再只是单一算法方向，而正在被视作未来网络能力体系的一部分。有报告梳理了量子计算在 6G 中的 15 类潜在应用，包括网络设计与规划、资源与干扰管理、量子机器学习、信号处理、量子边缘计算、超精密时间同步以及量子安全通信等，指出随着未来网络复杂度持续提升，传统计算体系很难同时满足 6G 对超低时延、高可靠性与实时自治优化的要求。
其中，“Network Design and Planning”被明确列为量子计算在 6G 中的重要潜在方向之一，提到量子算法未来有潜力优化基站部署、网络拓扑与数据路由，并帮助运营商在超大规模动态网络中更高效地完成资源调度与全局优化。
爱立信的研究探索，建立在对当前量子技术现实状态的明确判断之上。
技术博客指出，目前量子硬件仍处于 NISQ 阶段，也就是含噪声中等规模量子系统阶段，依然存在量子比特数量有限、系统噪声较高以及稳定性不足等问题，距离直接承载运营商级网络负载还有很长距离。
因此，爱立信并未尝试让量子计算直接接管整个网络规划流程，而是采用了一种更具工程现实性的混合工作流。整个方案的核心思想，是让经典计算负责拆解问题，再由量子优化处理最复杂的搜索部分。
图源网络
研究团队使用谱聚类与 Louvain 社区发现等经典图算法，对庞大的通信网络进行预处理和结构划分。这一步的作用，是先将超大规模网络拆分成更容易处理的局部区域，因为如果直接把真实运营网络完整映射到量子系统，目前硬件规模根本无法承载。
其中，Louvain 方法是一种广泛用于复杂网络社区检测的经典算法，能够根据节点之间连接关系，将联系更紧密的小区划分到同一局部结构中。这种方式能够较好反映真实移动网络中的用户迁移模式与小区关联特征。
完成聚类之后，研究团队再将问题进一步转换为 QUBO（二次无约束二值优化）模型。这是当前量子优化领域最常使用的一类问题表达形式，许多量子优化算法都围绕这一框架展开。
随后，量子优化算法会在大量候选配置中进一步搜索更优结果，并最终交由经典系统进行验证与后处理，确保方案满足真实网络约束。
用于跟踪区域管理的经典-量子混合解的高层视图：图源博客
从整个流程来看，爱立信更关注的是如何让量子优化能力嵌入现有通信工作流，而不是彻底重构整个网络系统。

03

混合方案带来了什么变化？


爱立信使用真实运营网络数据，对混合量子经典方案进行了验证。测试网络来自土耳其某运营环境，覆盖约 1500 个小区。
研究团队对多种方案进行了比较，包括传统聚类方法，以及结合量子优化后的 Spectral-QUBO 与 Louvain-QUBO 混合方案。
结果显示，在多个关键指标上，混合方案均取得了一定优化效果。
其中，Spectral-QUBO 方法在跨 Tracking Area 切换次数方面表现最突出，相关指标下降约 95.4%。这一结果说明，基于谱聚类的方法能够更激进地压缩跨区域移动行为，从而大幅减少终端在不同 Tracking Area 之间的频繁切换。
而 Louvain-QUBO 方案则呈现出另一种特点。相比于追求单一指标的极致优化，Louvain-QUBO 更强调网络整体均衡性。由于 Louvain 社区发现算法更关注小区之间的真实连接关系与用户迁移关联，因此形成的 Tracking Area 结构通常更加稳定，也更接近真实运营网络中的流量分布。
在这一方案下，跨区切换次数减少约 36.4%，最大 paging traffic 降低约 25%，单个 Tracking Area 所覆盖的小区数量下降约 13.6%。虽然部分指标降幅不如 Spectral-QUBO 激进，但其在多个核心指标之间取得了更均衡的优化结果，因此更具现实网络部署参考价值。
另一组实验结果显示，Spectral-QUBO 方法还使最大 paging traffic 下降约 26.8%，每个 Tracking Area 的最大小区数量下降约 23.6%。这意味着 Spectral-QUBO 在压缩区域规模与降低广播压力方面同样具有较强能力，但也反映出其更偏向“高强度重构”的优化思路。
这些指标背后对应的是更少的网络切换、更低的广播压力以及更均衡的区域划分能力。从整体结果来看，两类方案实际上体现了未来网络优化中的两种不同路径：一种强调更强的全局压缩能力，另一种则更注重复杂网络中的长期稳定性与工程可落地性。
图源网络
不过，爱立信也特别强调，目前相关实验主要运行于量子模拟环境，而非真实生产级量子硬件。换句话说，这项研究现阶段更接近于验证未来算法工作流是否具备可行性，以及量子优化能否在复杂网络场景中展现潜在价值，距离真正部署进运营商生产系统仍有明显距离。

04

通信行业正在提前适配量子时代


爱立信此次研究释放出的一个重要信号在于，量子计算正在逐渐进入下一代通信基础设施的长期规划阶段。
对于未来 6G 网络而言，行业关注的重点，也正在从“量子计算是否有用”，逐步转向“未来网络如何为量子优化预留接口”。
事实上，爱立信并不是第一家沿着这一方向推进的通信巨头。此前，日本电信运营商 NTT Docomo🔗也曾围绕移动网络中的 Tracking Area 优化展开量子融合研究，并在相关实验中实现约 65% 的信令负担下降。
图源网络
两家企业的共同点非常明显：都没有尝试让量子计算直接替代现有通信系统，而是在探索一种更现实的路径，也就是通过经典算法与量子优化协同工作，提前构建适配未来量子能力的网络架构。
这背后对应着 6G 网络架构正在发生的一种深层变化。未来 6G 网络将越来越依赖 AI 驱动的实时优化、动态资源管理以及自治化协同能力，而量子机器学习、量子信号处理与量子边缘计算等方向，都被认为有机会帮助网络提升数据处理效率、降低时延并增强复杂环境下的决策能力。
随着未来网络持续向超大规模、实时化与自治化发展，传统优化方法面临的计算压力还会不断增加。量子计算短期内或许仍难真正进入运营商核心生产系统，但围绕量子优化建立的新型工作流、算法接口与基础架构，已经开始成为下一代通信网络的重要预研方向。

Reference：
https://www.ericsson.com/en/blog/2026/5/from-classical-to-quantum-transforming-ran-planning-for-future-networks

「END」


欢迎添加微信，加入量子前哨交流群
与大家一起探讨交流量子领域动态↓↓↓



往期推荐



  • WAIC 2025 对未来智能的深刻拷问：从辛顿的 AI 洞见，到玻尔兹曼机的量子新生

  • 海外量子股狂热上涨！产业、生态齐发力，一场全球 AI+ 量子算力融合战已打响

  • 10 亿澳元投光量子路线！史上最全面分析澳大利亚政府为何最爱 PsiQuantum

  • 量子计算“拐点”已至！英伟达的未来不止GPU，黄仁勋指向了一个新“Q”

  • 播客访谈实录｜量子计算今天就已经能够为客户创造可量化的商业价值

  • 光子芯片新时代即将到来！专访上海交通大学陈险峰教授

  • 移动正谋划一盘量子计算的大棋？中国移动集团级首席专家钱岭谈算力网络

  • 趣话最大割问题：花果山之群猴博弈

关于量子前哨

【海洋可再生能源专刊】| 同轴双浮...
海洋快讯 | 5.1-5.14