“6G网络对承载网超低时延的要求比5G网络高许多，不仅需要对现有的IP路由转发策略进行优化，还要解决IP链路时延过高、无法满足6G超低时延场景等问题。

幸运的是，我们公司的AI技术领先于其他公司，而AI技术与6G的深度融合作是实现内生智能新型网络的重要基础。

目前我们对路由优化领域的研究心得主要有：路由优化方法，利用学习模型提取流量特征，预测未来流量，获取最佳路由策略，或者利用监督学习模型直接学习路径的研究；基于强化学习和启发式学习的路由优化算法。

我们部门科学家提出了一种面向6G承载网的基于AI和多种语言文字优化算法的路由优化算法，可实现在有效范围内大规模搜索最优方案，克服人工方案的局限性。

采用AI长期深度学习、训练拓展的算法对IP链路进行聚类分析，可有效缩小信息搜索范围，提高信息搜索对接效率。

这个方案在落地进行中，我们遇到了很大的问题，因为采用的数据有多个IP链路，每个IP链路的特征、时延、带宽、跨区、语言算法、标准都各有差异，导致我们的AI算法无法进行无缝转接，这让6G的零延时成为了笑话。”

听到赢数对地区IP和用户、客户端的差异性而困扰，会议室内的其他科学家、工程师们也陷入了沉思。

深度学习就类似于给AI程序玩题海战术，不需要了解具体的工作机制，只需要合适的网络和足够的训练数据就能解决问题，目前在处理非线性问题上已经显示出巨大的潜力。

自家公司AI深度学习的能力有多么强大，在坐都是长期使用的人，所以心中都十分讶然。

“仅仅是地区IP所包含的各种信息差异就让我们的AI无法计算了？”

“说是地区IP，其实可以看做是天气、经纬度、土壤成分、通讯环境所有需要考虑的一个总合代称吧，要实现比理论5G还要强大的通信能力，就势必要在更细致的方面做到更完美。”

“这不亚于让AI去设计出一个完整的大世界，这种计算量的确不是当前AI和硬件设备可以做到的，或许十年内都无法做到6G理论上的标准数值。”

“其实除此之外，我们还要考虑6G卫星发射的成本，以及卫星链路传输衰减很大，哪怕用的是近地轨道，要满足6G通信的高标准，这就要求地面和星上的通信设备都必须同步具有大功率发射机、高灵敏度接收机和高增益天线，这些都需要材料学的进步才行。”