3GPP《6G场景及业务需求》技术报告中的视频业务场景解读 - 通信人家园

2026年3月，3GPP SA1工作组正式完成《6G场景及业务需求》(TR 22.870) 技术报告的研究项目，标志着全球6G标准化研究进入关键阶段。本文基于该报告，系统梳理了其中与视频及视觉交互相关的业务场景，同时归纳了网络功能及性能指标需求，旨在为理解6G时代视频业务演进方向及技术要求提供参考。

3GPP TR 22.870技术报告覆盖了7大类（系统能力增强、AI、通感一体、天地一体、沉浸式通信、大规模通信及垂直行业）共计213个6G用例、231条网络功能需求和103组关键性能指标，对6G可能提供的各类潜在服务功能及相应的需求指标进行了细致说明，为6G技术的后续发展提供了重要的理论依据与方向指引。

回顾通信技术发展历程，视频业务始终是重要组成部分。在5G时代，视频业务（如高清监控、4K/8K 直播、视频会议等）的核心需求聚焦于 “更高清、更流畅”。然而随着6G时代的到来，视频业务将迎来重大变革。报告中涉及的此类用例及指标，清晰地展现出6G相关业务不再局限于单一视觉信息的单向传递，而是向着多模态融合、实时计算交互、全链路体验保障的方向演进。这一变化对视觉领域技术研究与应用带来了新的机遇与挑战。

未来的视觉数据将突破二维限制，升级为多模态数据流，包含深度信息、3D点云、6DoF全景媒体等。参考研究报告中的“医疗全息远程呈现” 与 “沉浸式、混合现实游戏” 等用例可见，沉浸式交互对网络的弹性承载能力和时空同步精度要求极高。依据报告中指标要求，常规混合现实游戏需要50Mbps下行、50 ~ 100Mbps上行带宽；而医疗全息场景下，单用户下行吞吐量需达到250Mbps至 1Gbps，以承载4K、8K的6DoF视频或3D点云等不同质量的媒体数据传输。同时，沉浸式业务的多模态数据音视频同步误差需控制在5ms ~ 45ms范围内，避免用户出现交互晕动症状。

在6G时代，网络架构上可支持计算资源发现、调度与暴露，通过引入分布式计算节点，将算力下沉到网络边缘，支持AI推理、视频渲染等任务的就近处理，实现“网络即计算”。参考3GPP报告中“协同处理实现确定性体验的多媒体服务”“基于AI的视频分析” 等用例，打破“终端计算”与“网络传输”的边界，终端设备无须承担繁重的本地处理任务，可将图像、视频、点云等多模态数据实时上行至网络边缘节点，由云端/边缘算力集群统一执行复杂的视频推理、三维渲染重建或高阶空间计算（如 SLAM）。该场景需网络支持400KB ~ 20MB的弹性突发数据调度、数百Mbps级的上行大带宽承载，以及网络与计算资源的全局动态调度，为各类AI视觉应用提供统一的底层支撑。

6G 时代，网络服务对象将从传统以人为中心，向家庭机器人、移动具身AI设备等智能体全面拓展。结合“家庭服务机器人”与“移动具身AI视频推理”等用例，具身智能体可将多路并发视频流实时汇聚至云端进行环境解析与高阶决策。依据报告定义的指标，单节点上行并发传输多路高清视频流的带宽需求约为20 Mbps ~ 60 Mbps，且为匹配人类级感知响应速度，端到端识别服务时延需小于300 ms。

在6G时代，实时监控技术正朝着构建物理世界1∶1映射的“实时数字孪生”方向演进。核心在于，将感知能力原生地集成在网络基础设施（基站、终端）中，使通信网络能“扫描”物理世界，从而为数字孪生应用同时提供超越传统视频、视觉信息之外的环境维度数据。

参考报告中“环境物体三维重建”“利用感知提高视觉可信度”等用例，系统引入网络的通感一体化（ISAC）能力，可克服单一光学摄像头在非视距或恶劣天气下的盲区。通过实时媒体数据与感知数据的深度融合，实现复杂场景下的目标检测、识别等AI任务。该业务场景不仅要求网络提供持续的大带宽以承载海量三维点云与视频流，更对异构数据的时空配准提出了严峻挑战。

结合四类视频业务需求，视频业务层面的技术栈可从体验保障、视算协同、意图驱动三方面进行能力演进，以支撑6G时代的新型视频业务体验跃升。

在沉浸式XR、无人机编队及具身智能等场景中，视频业务不仅承载高带宽、强突发（Burst Traffic）的视频流，更涉及2D/3D图像、点云、音频及触觉反馈等多模态数据的混合交互。此类实时交互业务对时延和多媒体同步极度敏感，传统“尽力而为”的机制易导致体验断层。

为此，需构建多维体验保障机制。一方面，可根据异构业务的特征（如时延敏感度、宽带需求等）进行精细化分类，并在网络接入节点完成业务标签的封装，进而实施基于业务属性的弹性容错调度。在网络波动时，可据此优先保障核心业务视频流与关键控制信令等信息的传输，提供明确的端到端确定性低时延保障；另一方面，针对业务中多模态异构数据，建议在应用协议栈中引入高精度的时空同步控制，将视、听、触等感知流的相对时延差约束在毫秒级，确保极致真实的沉浸感与物理协同的零失误。

随着视频业务向实时分析与交互演进，边缘侧算力需求激增，视频流的逻辑终点已逐步转向分布式AI节点。应用层需引入业务级视算资源路由，推进云边端计算与网络的深度融合，可根据视频任务的属性（如轻量化目标检测或重度3D空间渲染）、业务时延容忍度以及隐私与安全合规要求，动态决策数据的处理路径：是在端侧设备本地预处理、卸载算力至安全受控的边缘节点，或路由至云端大模型推理。通过这种基于应用的弹性路由，实现全网泛在算力与视联任务的高效、安全匹配。

6G时代，视频业务的连接范围正从传统监控的固定摄像头，向无人机、车载系统、机器人等多终端、多模态场景泛在化延伸，实现地面及空域的跨域连续覆盖。面对如此高动态的网络拓扑，依赖人工预配的静态策略已无法适应。可以在视频业务体系内引入业务原生的AI Agent，逐步向意图驱动（Intent-driven）演进。应用层仅需输入自然语言（如“跨区追踪某无人机编队”），AI Agent即可自主完成感知、决策与交互。它能够动态协调沿途泛在终端的接入权限，融合底层“通信感知（ISAC）”能力辅助目标追踪，并自动向底层网络申请所需的QoS策略，实现跨域视联资源的敏捷编排与“按需建网”。

3GPP TR 22.870 标准研究的正式结项，标志着6G标准化进程从业务需求探索，迈入实质性技术攻关阶段。6G时代，视频数据的应用逻辑发生了深刻转变，从以往单纯“供人眼观测”升级为“供机器认知和人机交互”。面对这种转变，传统“尽力而为”的视频传输机制已难以满足支撑未来高智能化、多模态融合的复杂交互需求。为了应对这一挑战，需要从构建多维度的体验保障机制，深化业务层面视算协同，推动意图驱动的网络调度这几个关键方面发力，构筑起泛在智能、多业务融合的新型视频服务基础设施，以适配6G时代视频业务的发展需求。