企业官网建设流程全解析

你跟同事说"那个方案我觉得不太行"，同事回了句"行，你说了算"。

两句话，没有一个字相同。但你秒懂了意思：方案被否了。

人和人聊天，从来不在乎每个字一字不差。我们在乎的是"意思传到了"。可过去八十年，整个通信工程界偏偏在干另一件事——拼命让接收端的比特和发送端一模一样。

· · ·

PART 01

从香农到韦弗：被搁置的"语义问题"

1948 年，香农（C. E. Shannon）在《贝尔系统技术学报》发表《通信的数学理论》，给出了通信的铁律：把消息变成比特，想方设法让接收端的比特和发送端一模一样[1]。

从那以后，整个行业都在为"比特零误差"拼命——更强的编码、更聪明的调制、更狠的重传。Turbo 码、LDPC 码、Polar 码，一代接一代，每一代都在逼近那个著名的香农极限。

但香农本人是清醒的。1949 年，韦弗（W. Weaver）在为香农理论撰写的导读中明确提出了通信的三层架构[2]：

图 1｜Weaver 提出的通信三层模型：经典信息论只解决了 Level A

其实早在 1950 年代，Carnap 与 Bar-Hillel 就尝试用逻辑概率（而非统计概率）来度量语义信息，给出了语义信息熵的表达式[3]。但这些工作长期停留在哲学与数理逻辑层面——道理很简单：在没有深度学习的年代，"怎么从一段话里抽出含义"根本没有工程办法，"语义"是一个无法量化的黑箱。

于是 Level B 和 Level C 被搁置了七十年。整个行业默认：先把 Level A 做到极致，语义的事以后再说。

PART 02

为什么是现在？深度学习补上了工程短板

转机是神经网络。

2019 年，Gündüz 团队提出 DeepJSCC，用深度神经网络对图像做端到端的信源信道联合编码，首次在无线传输任务上证明：语义特征的"直接映射传输"可以优于"先压缩、再信道编码"的经典分离架构[4]。2021 年，秦志金（当时在英国玛丽女王大学，现任清华大学长聘副教授）与 Geoffrey Li 等人提出 DeepSC，用 Transformer 提取文本语义特征传输，在低信噪比下显著优于传统方案，被视为文本语义通信的奠基性工作之一[5]。

同年，Strinati 与 Barbarossa 在 Computer Networks 上提出 6G 应"超越香农"，走向语义与目标导向通信[6]；2023 年，Gündüz、秦志金等在 IEEE JSAC 发表里程碑式综述《Beyond Transmitting Bits》，系统梳理了上下文、语义与任务导向通信的理论谱系[7]。

国内学术界几乎同步发力。西安电子科技大学石光明团队早在 2018 年就提出"语义通讯是智能时代的产物"的判断[8]，并于 2021 年在 IEEE Communications Magazine 上给出从语义通信到语义感知网络的完整架构[9]；北京邮电大学张平院士、牛凯教授团队则提出了"语义基"（Semantic Base）模型与"智简"（Intellicise）理念，并在《通信学报》系统阐述了语义通信的基本原理与实现方法[10]。

至此，"只传意思"从信息论的旁注，变成了 6G 的候选范式。

PART 03

三个真正能用的技术内核

语义通信的核心思路很朴素：通信的目标不再是恢复比特，而是让接收端"正确理解发送端的意图"。只传与任务相关的语义——含义、特征、意图，冗余一概丢弃。背后有三个实打实的技术内核。

【内核一】深度联合信源信道编码（DeepJSCC）[4]

传统通信是两段式的：先信源编码（压缩），再信道编码（加保护），两步各管各的，中间有"接口"损耗。DeepJSCC 端到端训练一个神经网络，把图像、文本或传感数据直接映射为信道符号。带宽更省，抗噪更强——低信噪比下传统方案图像已糊成一团，DeepJSCC 还能认出主体，画质渐降而非断崖式崩溃。

图 2｜"悬崖效应"与"软退化"：DeepJSCC 在低信噪比区不再突然失效（示意）

【内核二】共享知识库[10]

收发两端先对齐一份"背景知识"，通信时只传差异和增量。就像老朋友聊天，一个眼神就懂。张平院士团队将知识库形式化为语义编解码的先验：知识图谱、语义标签、任务模型、信道特征都可入库。中山大学张曦团队则探索了另一条路——不依赖外部大库，而是挖掘文本内部实体信息做二次编码增强，在小规模知识库下低信噪比性能提升 3% 以上[11]。

【内核三】任务导向传输[7][12]

接收端只还原完成任务所需的那点信息，而非完整原始数据。秦志金团队提出的任务驱动多用户语义通信框架，让多个终端在同一信道上各传各的"任务语义"[12]。举例：卫星遥感图像下传，地面站需要的只是一个"此处有异常"的标签或几个坐标——星上完成检测，只传结果，数据量可从几百 MB 降到几 KB。

图 3｜语义通信系统模型：在经典收发链路上叠加"语义编解码 + 共享知识库"[10]

这不是优化，是降维打击。

PART 04

国内外研究图谱：谁在做，做到哪了

语义通信目前处于"理论框架收敛、工程验证铺开"的阶段。梳理一下主要力量。

学术界

北京邮电大学 · 张平院士 / 牛凯教授团队【理论体系】

提出语义基（Semantic Base）模型与"智简"通信理念，建立语义信息度量指标体系，用归一化条件复杂度刻画语义压缩极限，并牵头多篇奠基性综述[10]。是语义信息论"中国学派"的核心力量。

清华大学 · 秦志金团队【系统与算法】

DeepSC 文本语义通信、DeepSC-ST 语音语义通信的提出者之一，覆盖任务驱动多用户框架、多模态语义-信道联合编码，已搭建语义通信示范平台[5][12][13]；研究方向明确包括面向卫星通信的语义编码。担任 IEEE JSAC 语义通信专刊客座编辑。

西安电子科技大学 · 石光明团队【框架与网络】

2018 年即提出语义通信基本框架，研究语义信息表征与压缩编码，2021 年给出"语义感知网络"的模型与开放问题[8][9]，是国内最早系统进入该方向的团队之一。

中山大学 · 学术前沿多团队并进【图像语义 · 空天地一体】

王玺钧、陈翔团队（电子与信息工程学院）联合新加坡科技设计大学 Tony Q. S. Quek（IEEE Fellow）等提出可信图像语义通信框架：把图像转成可解释的语义文本与分割图，接收端用生成式 AI 重建，并结合 AI RAN 实现语义级多速率传输，同时解耦收发两端训练依赖，成果发表于 IEEE Wireless Communications[14]。

陈高洁团队（柔性电子学院）与帝国理工 Geoffrey Li 院士合作，面向含多颗 LEO 卫星、无人机与地面用户的空天地一体化网络，提出比特传输与生成式语义图像传输并行的混合框架，用分布式 Soft Actor-Critic 做资源分配，成果发表于 IEEE JSAC[15]。

马啸教授领衔的编码与信息论实验室（COIN@SYSU）将语义通信与空间通信、卫星通信列为重点方向，从编码与信息论根基切入；张曦团队在文本语义通信的实体信息增强上亦有工作发表[11]。

中山大学 CPNT Lab【应用落地 · 指标国内前沿】

前面几个团队回答"能不能做"，CPNT Lab 回答"能不能用"。语音、图像、视频三条线均在真实窄带卫星链路上跑通，多项指标处于国内前沿[19]。

语音：150bps，4 秒通话仅 74 字节。相比传统 PCM（64kbps）压缩约 400 倍，VISQOL 主观音质仍达 4.25/5，一条北斗短报文就装得下。

图像：极限压缩 2378 倍。1.76MB 大坝监测图 → 776 字节，主体内容可辨；常规档位同画质码率仅为 JPEG2000 的 43.5%。

视频：11 秒 720p 压至约 40KB。实测航船俯拍码率从 24.7Mbps 压到 0.8Mbps，最低 200kbps 即可实时回传。

落地链路已适配北斗三号短报文、天通一号、风云卫星；覆盖水利监测、电力覆冰、野外图传、动物保护等场景。北斗短报文正从"文字时代"迈入"多媒体时代"。

图 4｜中山大学 CPNT Lab 语义通信落地指标速览：语音、图像、视频三线并进[19]

产业界

广州磐钴智能科技有限公司【卫星物联网 · 工程落地】

国内少有的把语义通信真正"装进终端"跑起来的公司。在 2026 年第三届中国卫星开发者论坛上，磐钴智能分享了《卫星物联网多媒体语义通信研发与应用》：跳出峰值信噪比等传统量化指标，以人眼视觉、人耳听觉的主观语义保真为核心，结合深度学习与对抗训练，实现超低码率下多媒体数据的高质量传输。

落地指标：自研低码率语音压缩算法、渐进式图像压缩算法与低码率声码器芯片（425bps–2400bps）；依托北斗三号短报文、天通卫星链路，终端规模化部署超 30 万台，覆盖应急通信、电力水利、野外监测等场景。

华为、鹏城实验室、中国移动等【标准与平台】

华为在"后香农时代十大挑战问题"中将语义通信列入议程，并参与信道知识库构建研究[16]；鹏城实验室与北邮、港中大（深圳）联合推进语义通信试验平台；三大运营商在 6G 推进组中均已设立语义通信专题。IMT-2030（6G）推进组发布的白皮书中，语义通信已被列为 6G 潜在关键技术。

PART 05

和"AI 原生空口"是什么关系？

有人可能会问：这跟之前说的 AI 原生空口有什么区别？简单说，是上下层关系。

一个管管道质量，一个管管道里该流什么。两者可以叠加，也可以独立部署。

PART 06

别急着吹——硬骨头同样不少

说完好处，得说难处。综合多篇综述的共识[7][17][18]，语义通信至少有几块硬骨头。

"意思传对了"怎么量化？

这是最难的问题。比特通信有误码率，清清楚楚。语义通信呢？接收端理解对了没理解对，怎么定义"对"？一张图传过去，接收端识别出了猫，但颜色搞错了，算不算语义正确？目前学界尚无公认的语义保真度度量——张平团队提出用语义熵与归一化条件复杂度刻画[10]，但距离工程可用的"尺子"还有距离。

黑盒模型的可解释性

深度学习模型本身就是黑盒，出了错很难定位是哪一层语义出了问题。中山大学王玺钧团队提出"可信语义通信"，用可解释的语义文本与分割图替代不透明特征向量，正是对这一短板的直接回应[14]。在航天、国防等高可靠场景，"不知道为什么错了"是致命的。

跨场景泛化与知识库对齐

在图像上训练好的语义编码器，换到语音、换到雷达数据，可能完全不适用，每个场景都要重新训练。不同厂商、不同系统的"背景知识"如果对不齐，就像两个人各说各的方言，只传差异反而更乱。

安全多了一层

已有研究专门讨论语义通信的新型攻击面：有人给共享知识库"投毒"，语义层就跟着出错，且比比特层面的篡改更隐蔽——因为"语义正确"本身就难以验证[18]。

所以现实里，语义通信更像传统通信的"增效补丁"，而非替代品。关键的控制信令、测控链路，仍然需要比特级的绝对可靠——不然网络自己先乱套了。

PART 07

对卫星通信意味着什么？

最后说说跟我们做卫星通信的关系。

卫星通信有几个天生的痛点：带宽贵、时延高、链路条件波动大（雨衰、多径、遮挡）。传统通信的"比特零误差"策略在这些约束下格外吃力——重传一轮就是几百毫秒，雨衰一来就得降速编码兜底。

语义通信恰好对上了这些痛点：

【适配点一】DeepJSCC 的"软退化"天然适配链路波动

低信噪比下不会突然断链，而是画质渐降。卫星链路受雨衰、遮挡影响波动剧烈，传统数字方案在门限以下直接"悬崖式"失效（见图 2），DeepJSCC 则平滑过渡——这对难以精确链路预算的移动卫星场景价值巨大。

【适配点二】共享知识库：高时延链路上省下的每一比特都是时间

GEO 卫星往返时延 250ms 以上，每减少一次重传、每省一段冗余，都在改善端到端体验；对 LEO 星座而言，时延虽低，带宽与星上功耗仍是硬约束。

【适配点三】任务导向传输让"星上智能"成为必选项

遥感卫星不再下传原始图像，而是星上完成目标检测、只传结果。中山大学陈高洁团队在空天地一体化框架里已经验证了"比特+生成式语义"混合传输的可行性[15]；磐钴智能则用 30 万台在网终端证明：在窄带卫星链路上，主观语义保真优先的压缩传输已经能商用。

【适配点四】窄带卫星物联网：语义通信已经开始"挑大梁"

北斗三号 RDSS 短报文的单条容量以百字节计，传统上只能传文字。中山大学 CPNT Lab 的落地实践给出了最直接的证据：150bps 语义语音让 4 秒通话装进 74 字节——一条短报文发一段语音；2378 倍图像压缩让一张水库大坝监测图缩到 776 字节——一条短报文发一张图[19]。当语音、图像乃至 200kbps 实时视频都能挤进窄带卫星链路，北斗短报文就不再只是"发短信的"，而成了真正的多媒体通道。

当然，卫星通信也有自己的红线：测控链路（TT&C）、指令上行的可靠性要求极高，这些地方语义通信暂时碰不得。但业务信道——尤其是图像、视频、遥感数据的下传——正是语义通信最肥沃的试验田。

· · ·

从"传比特"到"传意图"，不是推翻香农，

而是在香农的地基上盖一层新的楼。

比特通信解决了"怎么把信息准确搬过去"，

语义通信回答的是"到底该搬什么"。

当频谱越来越挤、终端越来越多、业务越来越杂，

这个问题会越来越迫切。

至少在卫星通信这块，变化已经不是"闻到味道"——

150bps 的语音、776 字节的图像、40KB 的视频，

已经在北斗短报文的链路里跑着了。

北斗短报文的"文字时代"正在落幕，

"多媒体时代"的入场券，是语义通信发的。

— END —

参考文献

[1]C. E. Shannon, "A mathematical theory of communication," Bell System Technical Journal, vol. 27, no. 3, pp. 379–423, 1948.

[2]C. E. Shannon and W. Weaver, The Mathematical Theory of Communication. University of Illinois Press, 1949.

[3]Y. Bar-Hillel and R. Carnap, "Semantic information," British Journal for the Philosophy of Science, vol. 4, no. 14, pp. 147–157, 1953.

[4]E. Bourtsoulatze, D. B. Kurka, and D. Gündüz, "Deep joint source-channel coding for wireless image transmission," IEEE Transactions on Cognitive Communications and Networking, vol. 5, no. 3, pp. 567–579, 2019.

[5]H. Xie, Z. Qin, G. Y. Li, and B.-H. Juang, "Deep learning enabled semantic communication systems," IEEE Transactions on Signal Processing, vol. 69, pp. 2663–2675, 2021.

[6]E. C. Strinati and S. Barbarossa, "6G networks: Beyond Shannon towards semantic and goal-oriented communications," Computer Networks, vol. 190, 107930, 2021.

[7]D. Gündüz, Z. Qin, I. E. Aguerri, et al., "Beyond transmitting bits: Context, semantics, and task-oriented communications," IEEE Journal on Selected Areas in Communications, vol. 41, no. 1, pp. 5–41, 2023.

[8]石光明, 李莹玉, 谢雪梅. 语义通讯：智能时代的产物[J]. 模式识别与人工智能, 2018, 31(1): 91–99.

[9]G. Shi, Y. Xiao, Y. Li, and X. Xie, "From semantic communication to semantic-aware networking: Model, architecture, and open problems," IEEE Communications Magazine, vol. 59, no. 8, pp. 44–50, 2021.

[10]张平, 牛凯, 姚圣时, 等. 面向未来的语义通信：基本原理与实现方法[J]. 通信学报, 2023, 44(5): 1–14.

[11]李聪端, 张曦. 基于内部实体信息增强的语义通信[J]. 移动通信, 2024, 48(2): 22–26.

[12]H. Xie, Z. Qin, X. Tao, and K. B. Letaief, "Task-oriented multi-user semantic communications," IEEE Journal on Selected Areas in Communications, vol. 40, no. 9, pp. 2584–2597, 2022.

[13]Z. Weng and Z. Qin, "Semantic communication systems for speech transmission," IEEE Journal on Selected Areas in Communications, vol. 39, no. 8, pp. 2434–2444, 2021.

[14]X. Wang, D. Ye, C. Feng, H. Yang, X. Chen, and T. Q. S. Quek, "Trustworthy image semantic communication with GenAI: Explainability, controllability, and efficiency," IEEE Wireless Communications, 2025.

[15]G. Chen, et al., "Deep reinforcement learning-based resource allocation for hybrid bit and generative semantic communications in space-air-ground integrated networks," IEEE Journal on Selected Areas in Communications, 2025.

[16]徐文伟, 张弓, 白铂, 等. 后香农时代 ICT 领域的十大挑战问题[J]. 中国科学: 数学, 2021, 51(7): 1095–1138.

[17]Z. Lu, R. Li, K. Lu, et al., "Semantics-empowered communications: A tutorial-cum-survey," IEEE Communications Surveys & Tutorials, vol. 26, no. 1, pp. 41–79, 2024.

[18]Y. E. Sagduyu, T. Erpek, S. Ulukus, and A. Yener, "Is semantic communication secure? A tale of multi-domain attacks," IEEE Communications Magazine, vol. 61, no. 11, pp. 74–80, 2023.

[19]中山大学北斗综合智能导航实验室（CPNT Lab）. 突破比特传输极限——AI 语义通信研究与应用进展[R]. 技术报告, 2026.