语义通信与智能体通信协议研究报告

语义通信与智能体通信协议研究报告

作者：淞基科技（上海）有限公司、淞基信息通信研究院

发布时间：2026年10月｜版本：V1.0

摘要

传统通信回答的是“信号怎么传得准”，语义通信回答的是“信息含义怎么被理解”。这一转向，把通信系统从被动承载比特的管道，重塑为主动理解意图、交换任务、验证身份的新型基础设施。在 IEEE ICCT 2026 中，语义通信被列为独立征稿方向（Track 4“智能通信与语义通信”），多智能体协同亦被列为特别专题（Special Session 7“多智能体协同：理论、关键技术与工业应用”），二者同时出现在同一届顶级学术会议的主议程上，并非偶然——它们共同指向通信技术正在经历的范式跃迁。

本报告的核心判断是：通信协议正从“传输比特”全面扩展到“表达意图、交换任务、验证身份”三层能力，而语义通信与智能体通信协议是这一跃迁的两条主线，最终将收敛为面向 AI 原生网络的一体化语义智能体通信体系。报告从语义通信的信息论基础与技术架构入手，梳理其相对传统通信在带宽、频谱、能效上的量化增益；随后系统分析智能体通信协议（A2A、ACP、ANP、AINP、SILP 等）的设计逻辑，指出其从“互联”到“互操作”、从“传输”到“语义”的演进路径；最后提出二者融合的分层架构，并给出标准、安全与产业落地的关键挑战与建议。

一、引言：从“传输比特”到“表达意图”的范式跃迁

1.1 通信范式的三次演进

通信技术的发展可以划分为三个层次递进的范式：

• 语法通信（比特传输）：以香农信息论为基础，目标是让接收端以最小误码率还原发送端发出的比特流。其核心指标是信道容量、误码率、时延和吞吐，关心“信号传得准不准”，不关心“内容有没有意义”。这是过去近一个世纪通信工程的主流范式，也是 5G 及以前网络的设计基准。

• 语义通信（含义传输）：以语义信息论为基础，目标是让接收端准确还原发送端希望传达的“含义”而非逐比特的波形。其核心指标转变为语义相似度、语义保真度、任务完成率，关心“信息含义怎么被理解”。语义通信允许大幅压缩冗余信息，在同等信道条件下换取更高的语义吞吐与能效。

• 智能体通信（意图交换）：当通信主体从“人”扩展为“AI 智能体”后，协议不仅要传含义，还要传意图、任务与身份。多智能体之间需要发现彼此能力、协商协作条件、交接任务、验证彼此身份与授权。这是语义通信在“主体智能化”维度的自然延伸。

三者并非彼此取代，而是逐层叠加：智能体通信在最顶层，语义通信在中层，比特传输在最底层作为物理承载。理解这一层次关系，是把握本报告全部论述的钥匙。

1.2 为什么是现在：AI 智能体成为新的通信主体

过去几年，大语言模型与多智能体系统的成熟，使“AI 智能体”成为独立于人类用户的新型通信主体。智能体不再只是被动接收指令的工具，而是能够自主感知、推理、决策并调用外部工具、与其他智能体协作执行复杂任务。当大量智能体分布在不同的平台、框架与机构中，跨平台协作就产生了刚性的通信需求：它们需要在不共享内部实现的前提下，发现对方能做什么、协商以何种方式协作、以结构化语义交换任务、并验证对方身份以防冒充与滥用。

这正是通信协议需要升级的根本动因。传统协议假设通信双方是“人”，假定它们遵循统一的协议栈且无需协商语义；而智能体是异构、黑盒、自主的，协议必须承载更高的语义层次。IEEE ICCT 2026 将语义通信与多智能体协同并列为前沿方向，正是对这一趋势的学术确认。

二、语义通信：从“传比特”到“传含义”

2.1 信息论基础：从香农到语义信息论

香农信息论把“信息量”定义为发送符号的不确定性，即熵，它只与符号的概率分布有关，与符号的“意义”无关。这一设定使香农理论极其简洁且可精确计算，却也主动回避了“语义”这一维度。香农本人也承认，信息论的语义层面问题“尚未解决”。

语义通信要回答的核心问题是：接收端真正需要的是“符号序列”还是“符号背后的含义”？以张平院士团队为代表的国内研究，将语义信息论建立在语义相似度与同义区间之上，提出了“同义熵”“语义信道容量”等概念。其关键结论是：语义信道容量相对经典语法信道容量可实现 logS 倍的提升，其中 S 为基于 AI 算力、算法与数据能力动态构造的同义区间长度因子。当 S=1 时，语义通信退化为语法通信，即“语法通信是语义通信的特例（S=1），语义通信是语法通信的推广（S>1）”。这从数学上为语义通信相对传统通信的增益提供了第一性依据。

2.2 语义通信的技术架构

在宏观架构之上，需要进一步理解语义通信的工程实现逻辑。与传统通信“信源编码—信道编码—调制—解调—信道译码—信源译码”的流水线不同，语义通信往往采用端到端的深度学习方法，把“压缩语义”与“抵抗信道噪声”耦合进同一个神经网络。这种设计带来的直接好处是：系统不再为“最坏信道”预留冗余，而是依据当前信道状态动态调节语义特征的发送密度，从而实现自适应、任务导向的资源分配。具体而言，当前语义通信工程实现呈现出几个鲜明的技术特征。

第一，语义表示与任务解耦。传统的压缩编码（如 JPEG、H.265）追求对原始信号的忠实重建，无论下游是“人脸识别”“目标检测”还是“视频回放”，都采用同一套表示。语义通信则反其道而行：它围绕具体任务选择需要保留的语义特征，丢弃对当前任务无用的信息。同样是传一张图像，用于“自动驾驶目标检测”时，重点保留车辆、行人、路况的语义，背景纹理则可大幅压缩；用于“医学影像诊断”时，则必须保留病灶区域的高精度细节。这种“任务驱动”的表示方式，是语义通信相对传统压缩在特定任务上取得数十倍增益的根本原因。

第二，模型小型化与边缘部署。语义编码器通常需要部署在终端或边缘设备上，这对模型规模提出了苛刻约束。已有研究显示，通过模型压缩、知识蒸馏与拆分计算，语义编码器的规模可以被压缩高达 99.98% 而仍保持任务精度，设备侧编码器甚至可低至数百参数。这提示我们：语义通信的落地瓶颈在相当程度上不是理论，而是“如何把强大的语义表示能力塞进算力、功耗受限的终端”。

第三，多模态与跨模态融合。真实世界的任务往往涉及文本、图像、音频、传感器数据等多种模态。语义通信通过共享语义空间，将不同模态映射到统一的高维嵌入，使“跨模态语义对齐”成为可能。例如，卫星遥感图像与地面文本描述可以在语义空间对齐，从而支持跨模态检索与任务理解。中国电信的卫星跨模态语义通信试验正是这一方向的工程验证。

第四，语义知识库的共享与演化。语义解码器之所以能用极少量特征“脑补”出完整含义，前提是收发双方共享同一套先验知识。这意味着语义知识库必须像“字典”一样被双方持有，且随着任务领域的不同而分化、随数据积累而演化。知识库的一致性与分发效率，直接决定语义通信能否在真实网络中落地。

这四大特征——任务解耦、模型小型化、多模态融合、知识库共享——共同勾勒出语义通信从论文走向工程的轮廓。它们也解释了为何语义通信常被与“AI 原生”“内生智能”绑定：因为只有让 AI 深度参与网络的每一层，才能动态构建同义区间、自适应分配资源、按需维护知识库。

进一步看，一个完整的语义通信系统通常由以下几个核心模块构成：

• 语义编码器：基于深度学习将高维原始数据（文本、图像、视频、音频、传感器数据）映射为紧凑的语义特征表示，丢弃与任务无关的冗余信息。大规模预训练模型为语义编码提供了强表示能力。

• 语义知识库：共享的语义先验，包括词表、知识图谱、任务画像、语义对齐规则等。发送端与接收端共享知识库，是语义解码能够“脑补”缺失比特的前提，也是语义通信降低传输量的关键。

• 语义解码器：结合接收到的语义特征与本地知识库，在语义层重建信息含义，而非逐符号还原比特流。

• 语义相似度度量：用语义相似度、任务成功率等替代传统误码率，作为端到端质量评价指标，指导资源分配与信道自适应。

• 信源信道联合编码：将信源语义编码与信道编码统一设计，抛弃传统“先压缩后纠错”的分层隔离，提升端到端鲁棒性。

业界已有面向语义通信的“三层四体四段”语义智能体通信网络架构等系统化设计，主张以“智能内生、原生简约”为导向，将语义通信嵌入网络整体设计而非作为应用层补丁。

2.3 语义通信的量化增益

语义通信的实际增益已在多个实验与原型系统中得到验证。下表汇总了本报告采信的代表性量化结果。

来源：三星研究、张平团队外场试验、中国电信研究院、李明团队、公开文献｜期间：2023—2026｜口径：各条目来源与实验条件不同，仅示意数量级

需要强调的是，上表各条目来自不同的实验场景与口径，不能直接横向比较，但共同印证了一个方向性结论：语义通信在带宽、频谱、能效和压缩率上相对传统方案普遍带来“数量级”或“数倍”的增益。这也解释了为何 6G 标准研究（ITU IMT-2030、3GPP、IEEE）普遍将语义通信列为 AI 原生网络的关键使能技术。

2.4 语义通信的性能增益为何是“数量级”的：运算逻辑拆解

上节给出了语义通信的多项量化增益，这里进一步从信息论与资源分配角度，拆解其增益“从何而来”，以帮助读者建立可复核的判断框架，而非仅接受一组孤立数字。

增益来源一：同义冗余的去除。设一个信源的消息集合为 M，其香农熵为 H(M) 比特。传统语法通信需要传输的比特数下界为 H(M)。语义通信识别出消息之间存在“同义关系”，即多条消息在目标任务下含义等价，从而把它们归并到同一个“语义等价类”。设等价类数量为 K，则语义通信只需区分 K 个语义类而非 M 条原始消息。若同义区间长度因子 S 衡量“平均每个语义类覆盖的原始消息数”，则所需语义标识的下界近似为 log2(K)=log2(M/S)=log2(M)-log2(S) 比特，即相比语法通信节省了 log2(S) 比特。当 S>1 时，这是纯理论层面的“结构性压缩”，不依赖信道条件，是语义增益的第一来源。张平团队提出的“语义信道容量相对语法信道容量提升 logS 倍”，其对数结构正源于此：S 越大（同义区间越长），语义增益越大；S=1（无同义归并）时退化为语法通信。

增益来源二：任务导向的失真分配。传统编码追求“对所有比特一视同仁的保真”，因此其率失真函数以均方误差或 PSNR 为基准，对每一处失真同等惩罚。语义通信则以任务指标（如检测精度、识别准确率）为损失函数，允许在“不影响任务结果”的区域内承受大幅失真，把宝贵比特集中到任务关键区。这一机制带来的增益是“选择性”的，因此在不同任务上差异巨大——这正是表 2.3 中“任务导向视频 50 倍、文本 4–5 倍、图像 2–3 倍”差异悬殊的原因。任务越“稀疏”（关键信息占比越低），增益越显著。

增益来源三：信源信道联合编码的联合优化。传统方案把信源压缩与信道纠错分开设计，存在“门限效应”，即信道质量跌到阈值以下时性能急剧恶化。语义通信把二者联合训练，使语义特征在受噪声污染后仍可被接收端结合先验知识近似恢复，从而在低信噪比下维持可用性。三星语义音频研究显示，在相同感知质量下所需 SNR 低约 10dB，即是通过联合编码换来的“信道余量”收益。以 dB 计，10dB 的 SNR 增益意味着同等发射功率下可覆盖更远距离，或同等覆盖下可显著降低发射功率与能耗。

增益来源四：共享先验带来的“传输即检索”。当收发双方共享庞大的语义知识库时，发送端可以只传输“指向知识的索引”，接收端据此从本地库中检索重建。知识图谱集成试验中传输能耗降低约 65%，即源于把“传内容”转化为“传索引”。这一增益取决于知识库的覆盖度与索引编码效率，是语义通信“随知识库规模而增强”的独特性质。

综上，语义通信的增益并非单一来源，而是“结构性压缩＋任务导向失真分配＋联合信道编码＋共享先验检索”四者的叠加。理解这四重逻辑，就能解释为何不同文献报告的数字差异很大（因为侧重不同来源、不同任务）、为何语义通信高度依赖知识库与任务定义（因为后两者是增益的前提），也能指导后续工程上“何时值得上语义通信、何时传统方案仍更优”的判断——例如，对“无冗余、任务覆盖全面”的信源，语义增益有限；对“高冗余、任务稀疏、知识库完备”的场景，语义增益巨大。

2.5 语义通信的典型应用场景

结合上述机制，语义通信最具价值的应用场景具有共同特征：数据冗余高、任务明确、带宽或能量受限、可依托共享知识库。代表性的场景包括：

• 智能网联与自动驾驶：车辆间需要高频交换环境感知数据，但链路带宽与算力受限。语义通信按“目标检测”任务压缩点云与图像，可在有限带宽下支撑协同感知，是 V2X 的关键使能技术。

• 卫星与应急通信：星地链路带宽珍贵、时延长、功率受限。语义通信可在低带宽下传递高价值语义，中国电信的卫星跨模态试验即是证明，尤其适用于灾区应急、海洋渔业等广域覆盖场景。

• 工业物联网与数字孪生：海量传感器数据需上行传输，但多数数据冗余且只需服务于特定监测任务。语义通信按任务筛选关键语义，能显著降低接入网的传输与能耗负担。

• 沉浸式媒体与 XR：视频、点云类数据冗余极高，语义通信可在有限带宽下维持沉浸体验质量，是 6G 沉浸式通信的重要支撑。

• 具身智能与多智能体协作：机器人与智能体间需要高效交换意图与任务信息，语义通信为其提供高效、低耗的语义交互底座，与本文第三、四章的主题直接衔接。

三、智能体通信协议：从互联到互操作

3.1 为什么智能体需要新的通信协议

与人类用户不同，AI 智能体具有四个特征，决定了传统协议无法满足其通信需求：

• 异构性：不同厂商、框架、语言的智能体并存，需要不依赖内部实现的互操作标准。

• 黑盒性：智能体的决策过程往往不可解释，协议必须在有限的信任信息下运行。

• 自主性：智能体可自主发起、协商、终止协作，协议需支持多轮语义协商而非固定握手。

• 可衍生性：一个智能体可派生子智能体（spawn），形成“衍生链”，协议需支持跨层级的身份与授权传递。

因此，智能体通信协议的目标，从传统协议的“让两台设备互通”，升级为“让异构、自主、黑盒的智能体在可信前提下高效协作”。

3.2 主流智能体通信协议一览

当前智能体通信协议处于“百家争鸣、逐步收敛”的阶段，主要协议包括：

来源：A2A 规范（a2a-protocol.org）、IETF Internet-Draft、Linux Foundation 公告｜期间：2024—2026

值得注意的是两个趋势：其一，头部标准走向合并——A2A 与 ACP 在 Linux Foundation 框架下合并为统一标准，意图在“智能体互联网时代”充当类似 HTTP 的开放协议；其二，标准化向语义层深入——IETF 的多份草案（AINP、SILP、Agent-GW/MACP）已不满足于字节级传输，而是直接定义“语义路由”“意图交付”“语义中间表示”，与语义通信的理念高度同构。

3.3 从“传输比特”到“表达意图、交换任务、验证身份”

综合上述协议的设计，智能体通信协议的“语义化”集中体现为三个能力跃迁：

• 表达意图：协议不再只传数据，而传“意图”——智能体想达成什么目标。语义路由按能力与意图匹配节点，而非按 IP 地址逐跳转发。这要求协议具备意图的表示、发现与协商机制。

• 交换任务：多智能体协作本质是任务的拆解、委派与结果聚合。协议需支持任务的对象化描述、生命周期管理、子任务衍生与状态同步，而不仅是消息的可靠投递。

• 验证身份：智能体的自主与可衍生特性带来了身份与授权难题——如何确认对方是“合法派生的智能体”、其权限未被越权放大、其行为可被溯源审计。业界正将 PKI、OAuth 2.0、可验证凭证等既有安全原语移植到智能体身份与衍生链验证上。

这三个能力，恰好与语义通信“传含义”在同一语义层相遇：要“表达意图”“交换任务”，就必须先能“理解含义”；要“验证身份”，就必须先能在语义层描述与校验主体。这构成了二者融合的内在逻辑。

3.4 智能体通信的技术难点：能力、意图与身份的语义建模

智能体通信从“理念”走向“协议”，最大的难点并非网络传输，而是三个语义建模问题。

其一，能力如何被机器可读地描述。要让智能体发现“谁能为我做这件事”，就必须先有一套标准化、机器可读的“能力描述语言”。当前各协议的做法差异很大：A2A 使用开放式的能力声明，智能体以 JSON 形式发布“我能做什么、调用什么工具、支持哪些协商模式”；ANP 将能力注册到去中心化网络；IETF 草案则提出基于命名空间与动作的“结构化能力词表”，以“命名空间+动作”形式表达能力，而非简单罗列工具名。能力描述的粒度与语义化程度，直接决定“语义路由”能否成立——只有能力被语义化标注，网络才能依据意图匹配能力，而不是靠人工配置的静态路由表。

其二，意图如何被表达与协商。传统协议中的“请求”是固定的，而智能体协作中的“意图”是开放、可协商的。A2A 的“任务委派”允许接收方接受、拒绝、修改或提出替代方案，需要多轮语义协商；AINP 则把“意图交付”作为对“字节流交付”的替代，强调按意图而非地址路由。这意味着协议必须具备“意图的表示、意图的协商、意图的拒绝与降级”能力，这远超传统请求—响应模型。

其三，身份与授权如何在“衍生链”上传递。这是当前最棘手的安全难题。一个智能体可以派生子智能体，子智能体又可再派生，形成“衍生链”。如何保证链条上每个环节的身份都可验证、权限未被越权放大？业界提出的思路包括：以 CA 签名的“智能体模板”作为一等身份工件，通过可验证的衍生链把每个智能体的来源追溯到已注册模板；采用“双签名”模型分离静态身份与动态策略；应用 OAuth 2.0 令牌交换实现跨组织授权；并建立透明的 Merkle 日志记录身份注册与凭证签发事件以供审计。这些设计共同指向一个结论：智能体身份问题本质上仍是“信任链”问题，只是信任主体从“人”变成了“可自主、可衍生的智能体”。

这三个建模难点，也是后续“融合架构”中安全与治理层需要专门设计的核心所在。

四、语义通信与智能体通信协议的融合

4.1 融合的内在逻辑

语义通信解决的是“如何在信道资源受限下高效传递含义”，智能体通信解决的是“异构自主主体如何可信地协作”。二者看似分属“物理层之上的传输”与“应用层之上的协作”，实则共享同一个核心命题：在语义层而不是比特层，实现高效、可信的信息交换。具体而言：

• 语义是共同基础：智能体要“表达意图、交换任务”，必须首先在语义层对齐；语义通信恰提供了这种语义对齐的传输与编码基础。

• 任务导向是共同目标：语义通信以“任务完成率”而非“误码率”为目标，智能体通信以“任务委派成功”为目标，二者都以任务为评价准绳。

• 知识库是共同资产：语义通信依赖语义知识库，智能体协作同样依赖共享的领域知识与能力画像，知识层是二者共用的底座。

4.2 融合的分层架构

基于上述逻辑，本报告提出面向 AI 原生网络的语义智能体通信分层架构（如前述画板所示），自下而上包括：

1. 网络与传输层（AI-Native 6G）：保留并强化传统“传输比特”能力，引入语义路由、信源信道联合编码、边缘计算与缓存、智能资源调度，作为底层承载。

2. 语义知识层：承载语义知识库、大模型/小模型、知识图谱、任务画像与多模态对齐，为上下两层提供共享语义先验。

3. 语义交互与智能体通信协议层：将意图表达、能力发现/语义路由、任务交接、身份验证四类能力封装为统一协议能力，对接 A2A/ANP/AINP/SILP 等协议。

4. 应用与服务层：承载多智能体协同、具身智能、数字孪生、智能网联、AIGC 任务编排等具体应用。

5. 贯穿全栈的安全与可信治理：提供身份、授权、溯源、审计等横切能力，是智能体通信可信运行的保障。

该架构的核心思想是：把“比特传输—含义传输—意图交换”三个层次统一到一张协议栈中，而非像今天这样各层各自为政。语义通信是其中的“传输底座”，智能体通信是其中的“协作上盖”，二者通过语义知识层与安全治理层贯通。

4.3 融合的关键技术与挑战

融合并非简单拼接，仍面临系列关键技术挑战：

• 语义失真建模与度量：如何定义并度量“含义损失”，如何在语义相似度与比特保真度之间建立可操作的权衡，尚无统一标准。

• 知识库的一致性维护：跨平台智能体共享的知识库如何保证一致、如何演进、如何安全分发，直接影响语义解码正确性。

• 异构协议互操作：A2A、ANP、AINP、MCP 等协议并存，需要协议适配层与统一语义中间表示，才能实现真正跨协议协作。

• 身份与授权可信链：智能体衍生链（spawn chain）的验证、跨组织授权、权限防越权、事后审计，是安全的最大难点。

• 标准化与产业协同：语义通信与智能体通信分属 3GPP/ITU 与 IETF/开源社区的不同体系，如何协同推进需要跨标准组织合作。

• 性能与安全权衡：语义压缩在带来效率的同时，也可能引入对共享知识库的依赖与攻击面（如投毒、语义扰动攻击），需同步设计安全机制。

4.4 融合的实现路径与演进路线

融合架构的落地不可能一蹴而就，本报告提出“三步走”的演进路线。

第一步：语义能力内嵌于现有网络（近中短期）。在不颠覆现有协议栈的前提下，先在特定任务、特定域（如智能网联、工业物联网、卫星通信）部署语义编解码与共享知识库，以“应用层插件”形态验证语义增益。这一阶段的重点是积累语义知识库、打磨任务导向的编解码模型、形成可复用的语义度量工具。此阶段智能体通信则以 A2A/ACP、MCP 等成熟协议为主，实现最基本的跨平台任务委派。

第二步：协议语义层标准化与互操作（中期）。推动 IETF 的语义路由、意图交付、能力词表等草案走向成熟并形成互操作测试；同时推动 3GPP/ITU 将语义通信纳入 6G 标准框架，形成跨电信域与互联网域的语义协议接口。这一阶段的关键是“统一语义中间表示”，让 A2A、ANP、AINP 等异构协议能够在同一语义层互通。

第三步：AI 原生网络的规模化部署（远期）。当 6G 网络具备原生语义能力，且智能体身份与授权可信链成熟后，网络将真正成为连接数十亿智能体的“语义智能体通信基础设施”。全网内生语义智能的规模化部署预计需 10–20 年，其标志是语义路由、意图交付、智能体身份验证成为网络的原生功能而非外挂。

需要强调的是，这三步并非严格串行，而是存在大量并行与迭代——例如第一步积累的语义知识库，正是第三步规模化部署所需的关键资产；而第二步的协议标准化，也会反向影响第一步的工程实现选择。

4.5 融合的产业化风险与对策

融合落地还面临来自产业侧的系列风险，报告在此予以识别并提出对策：

• 标准碎片化风险：语义通信与智能体通信分属不同标准组织，若各自为政将导致协议割裂。对策：推动跨组织联合工作组，建立电信域与互联网域的语义协议接口规范。

• 知识库锁定与壁垒：共享知识库若被个别巨头把持，可能形成事实垄断。对策：鼓励开源知识库、建立知识库的可移植与互认标准。

• 安全治理滞后：智能体的自主性与可衍生性使安全威胁前置，若治理滞后于部署将带来重大风险。对策：将身份、授权、溯源、审计作为一等公民设计，安全评估先于大规模商用。

• 投入产出不确定：语义通信的增益高度依赖任务与场景，投入回报并非普遍确定。对策：优先选择高冗余、任务稀疏、知识库完备的垂直场景切入，以确定性收益支撑持续投入。

• 人才与生态短板：语义编解码、知识库工程、智能体身份等交叉领域人才稀缺。对策：加强产学研合作，通过开源与标准社区培养跨域人才梯队。

这些风险本质上源于“范式转换期”的普遍规律——新技术从论文走向规模商用，必然经历标准未定、生态未成、治理未备的阵痛期。对策的核心在于：以场景价值锚定投入节奏，以开放标准对冲碎片化，以安全前置管理不确定。

五、标准化与产业展望

5.1 标准化的双线推进

语义通信与智能体通信的标准化正沿两条主线推进：

• 电信域：ITU-R 的 IMT-2030 框架已将 6G 定义为 AI 原生范式，AI 使能（分布式学习、模型推理、AI 模型传输）被列为新能力；3GPP 各工作组正围绕 AI/ML 用例定义可测量的最低性能要求与测试方法；IEEE 学术体系（含 ICCT）持续为语义通信提供理论平台。语义通信有望在 5–10 年尺度纳入 6G 标准框架，而全网内生语义智能的规模化部署预计需 10–20 年。

• 互联网域：以 IETF、Linux Foundation 与开源社区为主导，A2A/ACP、ANP、AINP、SILP、Agent-GW/MACP 等协议正快速演进，目标是建立智能体互操作与语义路由的开放标准。

为直观呈现语义通信相对传统方案的增益数量级，下图汇总了本报告第二章采信的代表性量化结果。需要再次强调：各条目实验条件与口径不同，仅用于示意“数量级”差异，不作横向精确比较。

[该类型的内容暂不支持下载]

5.2 技术成熟度与产业时间线

综合 IEEE ICCT 2026 议程、ITU-R IMT-2030 进展、3GPP 工作、IETF 草案与产业界（如中兴通讯）的公开判断，本报告对相关技术的成熟度与产业化时间线作如下梳理：

来源：IEEE ICCT 2026、ITU-R WP5D、3GPP、IETF Internet-Draft、中兴通讯《语义通信技术商用化之路》（2026）｜期间：2026—2040｜口径：时间线为基于当前公开信息的判断，非承诺

为呈现智能体通信协议在“传输比特—表达意图—交换任务—验证身份”四个维度上的能力演进，下图对比了传统通信协议与智能体语义通信协议的能力画像。

[该类型的内容暂不支持下载]

5.3 对产业的影响与建议

对通信设备商、平台厂商与行业用户，本报告提出以下建议：

• 提前布局语义编码与知识库能力：语义编解码与共享知识库是语义通信的核心资产，应尽早建立工程化能力与领域知识库。

• 跟进智能体互操作标准：A2A/ACP 合并、IETF 语义路由草案等，预示智能体互操作将走向统一，应投入兼容与适配。

• 以“任务导向”重构质量体系：将评价指标从误码率扩展到任务完成率、语义相似度，重构网络运维与资源管理逻辑。

• 构建安全可信底座：身份、授权、溯源、审计应作为智能体通信的一等公民设计，而非事后补丁。

• 参与标准与生态共建：主动参与 IETF、3GPP、开源社区的协议制定，抢占语义智能体通信的产业话语权。

六、结论

本报告系统梳理了语义通信与智能体通信协议的技术脉络、量化增益与融合路径，核心结论如下：

1. 范式确立：通信正从“传比特”跃迁到“传含义、传意图”，语义通信与智能体通信是这一跃迁的两条主线，IEEE ICCT 2026 将二者并列即是明证。

2. 增益实证：语义通信在带宽、频谱、能效与压缩率上已获得数量级或数倍的实证增益，具备支撑 6G 智能原生化的技术基础。

3. 协议演进：智能体通信协议正从“互联”走向“互操作”，从“传输”走向“语义”，A2A/ACP 合并与 IETF 语义路由草案预示开放标准将逐步收敛。

4. 融合可行：语义通信与智能体通信共享“语义层高效可信交换”这一命题，可通过“比特传输—含义传输—意图交换”的分层架构实现统一。

5. 挑战在前：语义度量、知识库一致性、异构互操作、身份可信链、跨域标准化仍是落地前必须攻克的关键。

面向未来，语义通信与智能体通信的融合将深刻重塑通信产业的底层逻辑——网络将不再只是连接人与人的管道，而将成为连接数十亿智能体、承载意图与协作的新型智能基础设施。谁率先掌握这一范式的理论、标准与工程能力，谁就将在智能体互联网时代占据先机。

附录：数据来源

本报告引用的外部数据与事实主要来源于以下公开渠道，供读者核验：

1. IEEE ICCT 2026 会议议程与征稿主题（Track 4“智能通信与语义通信”；Special Session 7“多智能体协同”），ieee-icct.org。

2. ITU-R IMT-2030 框架与 WP5D 工作进展（2026 年 2 月完成最低技术性能要求草案、6 月完成评估指南草案），itu.int。

3. 3GPP 关于 6G AI 原生网络与 AI/ML 用例的技术文章，3gpp.org。

4. 张平院士团队关于语义信息论与语义信道容量的公开论述，北京邮电大学新闻网、京报网（2026）。

5. 三星研究关于任务导向视频语义通信（50 倍带宽缩减、0.9% 精度损失）与语义音频（约 10dB SNR 增益）的技术博客。

6. 张平团队端到端智简语义原型外场试验（频谱效率提升约 7.5 倍）公开报道（2025）。

7. 李明研究团队关于 AI 大模型语义级压缩的报道（文本 4–5 倍、图像 2–3 倍），人民日报（2026-04）。

8. 中国电信研究院联合北京邮电大学、鹏城实验室完成的卫星跨模态语义通信试验（效率较 H.265 提升约 3.5 倍），电子工程专辑（2026-07）。

9. A2A Protocol 官方规范（a2a-protocol.org）、Linux Foundation 关于 A2A 与 ACP 合并的公告、Agent2Agent 技术文档。

10. IETF Internet-Draft：AINP（AI-Native Network Protocol）、SILP（Semantic Interlingua Layer Protocol）、Agent-GW、MACP、A2A Trust 等。

11. 鹏城实验室《面向现代语义通信的语义知识库技术白皮书》（2023）。

12. 中兴通讯《语义通信技术商用化之路》（2026），提及语义通信纳入 6G 标准框架的 5–10 年与规模化部署的 10–20 年时间表。

13. O-RAN 联盟 6G 研讨会关于 AI-Native 6G 与语义通信的主题演讲材料。

免责声明

本报告由淞基科技（上海）有限公司与淞基信息通信研究院基于公开资料撰写，仅供行业研究与决策参考，不构成任何形式的投资、商业或法律建议。报告中引用的第三方数据、指标与结论均来源于公开渠道，其准确性、完整性及时效性以原始出处为准；不同来源的实验条件与统计口径存在差异，相关量化数据仅用于方向性说明，不作横向精确比较。报告所述技术趋势、标准化时间表与产业预测属于基于当前公开信息的判断，可能随技术进步与标准演进而发生变化。作者不对因使用本报告内容而产生的任何直接或间接损失承担责任。如需引用，请注明出处。