本文作者为来自加拿大卡尔顿大学信息技术学院（School of Information Technology, Carleton University）的 Dajun Zhang, Wei Shi 以及美国匹兹堡大学计算机科学系（Department of Computer Science, University of Pittsburgh）的 Xiaowei Jia。该文为一项综述性研究，已被《IEEE Communications Surveys & Tutorials》期刊接收，预计于2026年正式出版（在线标识的最终版本出版信息：DOI 10.1109/COMST.2026.3672428）。

本文的核心主题是探讨未来智能网络（Intelligence Networking, IN）中的科学原理与法则，重点关注人工智能（AI）、世界模型（World Model）与人工通用智能（Artificial General Intelligence, AGI）在其范式、架构与创新中的作用。文章旨在为智能网络这一新兴范式提供一个全面的全景图，涵盖其演进逻辑、技术基础、理论框架及未来研究方向。

智能网络的演进逻辑与动机

文章开篇指出，互联网在推动经济增长和社会文明的同时，也带来了信息过载、隐私泄露和虚假信息等前所未有的挑战。为了应对这些挑战，需要从一个长期和整体的视角来发展未来网络。作者回顾了网络范式的演进历程：从运输物理实体的物质网络（遵循质量守恒等物理定律），到传输与分配能源的能源网络（遵循热力学第一定律等能量平衡原理），再到实现全球信息流动的信息网络（以香农信息熵为核心度量）。每一次范式演进都建立在前者之上，提供了更高层次的抽象和功能。

在此逻辑下，网络的下一范式自然应聚焦于对当前信息网络产生的海量信息进行智能的抽象、综合与利用，即智能网络。智能网络的核心是将认知与学习能力嵌入网络基础设施，使“获取智能”像获取物质、能量和信息一样便捷。其基本功能从纯数据传输扩展到信息理解、预测与决策，旨在支持跨网络的自主学习和增强协作。文章强调，智能网络的出现并非偶然，而是由技术推动（计算、通信和学习算法共同成熟）、应用拉动（自动驾驶、工业物联网等新兴场景需要超越比特传输的任务与决策导向服务）和现有范式的局限（比特中心网络在任务感知、信任安全和边缘智能互操作性等方面存在结构性缺陷）三种互补力量共同驱动的。

智能网络的分层架构与使能技术

文章提出了一个分层的智能网络架构，以类似互联网TCP/IP“细腰”模型的设计理念，协调不同层次的功能交互。该架构自底向上包括：

1. 物理资源层：提供通信、计算、缓存和感知等基础设施资源。关键技术包括支持6G愿景的太赫兹通信、可重构智能表面、三维通信基础设施、多接入边缘计算以及支持内容中心网络的高级缓存策略和各类传感器技术。
2. 虚拟化层：通过软件定义网络、网络功能虚拟化和网络切片等技术，对底层异构物理资源进行抽象、虚拟化和统一编排，实现按需供给和多租户隔离，为上层提供灵活、可编程的逻辑资源。
3. 信息层：负责处理海量原始数据，通过语义通信、知识图谱等技术，提取和传输任务相关的语义信息而非原始负载，以提高带宽、延迟和能源效率，为智能层提供可操作的信息输入。
4. 智能层：该层是智能网络的核心，支持多节点协同智能。它将语义信息转化为可部署的模型、策略和知识，形成闭环决策。其功能涵盖数据维度（数据聚合、清洗和联邦学习等）、服务维度（模型/知识的发布、发现与共享）和控制维度（将智能输出转化为可执行的网络控制动作）。为保障分布式智能共享的可信度，可引入区块链和智能合约机制。文章详细探讨了支撑该层的几种先进AI方法：
   • 量子人工智能：利用量子并行性和隧道效应等特性，理论上可加速学习优化过程并帮助跳出局部最优解。然而，受限于当前含噪声中等规模量子硬件的局限，近期更可行的路径是混合量子-经典AI架构，即在经典学习流程中集成量子电路，共同优化参数。
   • 神经架构搜索：通过自动化设计神经网络架构，使模型能动态适应异构数据流和资源约束（如边缘设备的延迟、内存限制），是实现资源感知型高效智能模型的关键技术。
   • 神经符号/混合智能：结合数据驱动的隐式模型（如神经网络）与基于规则的显式模型，旨在融合前者处理复杂数据的能力与后者的可解释性、可靠性优势，是构建未来可信、可靠智能网络系统的有前途方向。
5. 应用层：体现智能网络价值的各类垂直应用场景，如智能交通、智能工业、智慧城市、智慧医疗等。数字孪生技术在此层发挥重要作用，通过物理空间与数字空间的实时映射与双向交互，实现快速反馈和优化决策。
6. 跨层协调机制：通过各层暴露的标准API实现信息向上流动和控制向下传递的无缝集成。

智能网络的理论基础：从智能定义到AGI

文章超越了单纯的技术罗列，深入探讨了智能网络背后的理论基础，这是其区别于其他相关综述的重要贡献。

首先，文章强调需要为“网络智能”建立一个统一且可量化的理论定义和度量标准。现有研究多关注具体用例或技术，缺乏一个能够对智能在网络系统中的形成与评估进行一致基准测试和比较的理论框架。作者认为，明确“网络智能”的定义及其潜在可行的度量视角是理论发展的前提。

其次，文章着重分析了世界模型在智能网络中的关键作用。世界模型是智能体对其所处环境内部运作机制的理解和预测模型。在智能网络中，世界模型支持自主推理和决策，使智能体能够在复杂、动态的网络环境中进行规划、处理不确定性并实现有效泛化。文章讨论了如何利用世界模型驱动网络中的信息扩散和任务泛化。

第三，文章引入了一种基于第一性原理的思维前瞻性理论框架，并探讨了智能网络与人工通用智能之间的区别与联系。作者认为，智能网络可以被视为AGI发展的一个特定领域或一个关键使能环境。网络系统固有的约束（如资源有限性、分布式特性、延迟要求）为研究智能的涌现和规模化提供了天然的试验场。从网络智能到AGI的演进，可能需要关注智能的泛化能力、因果推理、元学习以及跨领域知识迁移等方面。将第一性原理（如网络物理约束、信息论极限）融入智能系统的设计与分析，有助于构建更坚实、可解释且高效的网络智能体。

未来研究愿景与开放问题

文章最后展望了智能网络未来研究的多个方向与开放性问题，包括： * 可扩展且可度量的网络智能理论：发展能够跨层、跨域评估和比较网络智能水平的统一度量体系。 * 世界模型的构建与集成：研究如何在分布式、异构的网络环境中高效学习、维护和共享世界模型。 * 面向AGI的路径与要求：明确智能网络在迈向更通用智能过程中需要解决的关键挑战，如常识推理、长期规划等。 * 安全、隐私与治理：在开放协作的智能网络中，确保数据、模型和决策过程的可靠性、隐私保护和符合道德规范。 * 系统集成与部署挑战：解决智能网络架构与现有网络协议的兼容性、复杂系统管理的可操作性以及实际部署的成本效益等问题。

本文的意义与价值

本文是一篇关于未来智能网络范式的系统性、前瞻性综述。其重要价值体现在： 1. 全景式梳理与架构提出：系统性地阐述了智能网络从历史范式演进中诞生的必然性，并提出了一个清晰的分层参考架构，为研究者理解该领域的生态系统提供了结构化框架。 2. 深度技术剖析：不仅列举了各层的使能技术，还对量子AI、神经架构搜索、神经符号混合智能等前沿方向进行了深入分析，指明了技术融合的可能性与挑战。 3. 理论探索的突出贡献：区别于多数技术综述，本文强调并初步构建了智能网络的理论基础，特别是对智能定义、世界模型和第一性原理与AGI关联的探讨，将领域思考提升到了科学原理层面，具有重要的启发性。 4. 明确的差异化定位：文章通过对比表明确指出，其在范式演进逻辑、网络智能的统一定量与理论、以及智能网络-世界模型-AGI路径的机制性联系三方面进行了少有综述能覆盖的联合论述，填补了现有文献的空白。 5. 指导未来研究：通过总结挑战和展望未来方向，为学术界和工业界指明了智能网络领域亟待攻克的关键问题，具有显著的引领和指导意义。

总而言之，本文不仅是对智能网络相关技术的全面调研，更是一篇旨在为该新兴领域奠定科学基础、描绘发展蓝图的思想性文献，对于从事未来网络、人工智能交叉领域研究的学者和工程师具有极高的参考价值。