AI賦能的XR在行動網路中的演進

從使用者主動互動到AI驅動的持續體驗

行動用戶的體驗過去通常是打開智慧型手機上的應用程式介面，執行特定操作、消費內容，然後結束互動。人工智慧（AI）正越來越多地作為使用者與數位服務之間的中介，透過語音、視覺和手勢實現更自然、持續的互動。隨著時間推進，AI有機會成為使用者介面的重要部分，特別是在智慧型手機輔以智慧眼鏡和其他穿戴式裝置、支援「抬頭式」體驗的情境下。在這種模式中，具主動性的AI系統能夠理解情境與意圖，並協調多個用戶裝置間的行動，同時由雲端或邊緣運算資源共同支援。

消費性XR採用性的關鍵轉捩點

消費性XR市場目前仍處於發展初期，但隨著市場規模、裝置成熟度與AI能力逐漸到位，市場動能正持續累積。智慧眼鏡在XR出貨量中的占比持續成長，這得益於外型更輕薄、整合顯示技術、光學技術進步以及數小時的電池續航表現。

AR正逐漸成為多裝置智慧型手機生態系中的日常穿戴夥伴。短期內，AR裝置多以無線方式連接至智慧型手機或運算模組，長期則會朝向獨立的蜂巢式連網眼鏡演進。外型設計限制將影響天線配置，但與其他可連網穿戴裝置的互通性，則可提升連接性與功能。

多模態與生成式AI的進展，讓能夠持續感知情境的智慧代理能「 看」、「 聽 」並隨時間推進判斷，進而提升消費性AR裝置的實用性。然而，AR的採用也將取決於設計以及消費者對於「持續感知」這類功能的接受度與期待。

消費性AI與AR應用情境

與傳統行動應用程式不同，以AI為核心的XR體驗特徵在於，AI代理於多裝置間運作時會產生大量上行資料。應用行為受抽樣感測（依照擷取設定與用戶意圖變化）及機會式資料傳輸所影響。為降低無線電能耗，資料通常以間歇短暫方式傳送或接收，並採用如間斷式傳輸與接收（透過休眠－喚醒週期）等節能機制，而非持續傳輸。因此，即時上行速率取決於可用網路容量，而非固定資料速率。

隨著時間累積，即使是中度日常使用也會產生大量資料。例如，某AI記憶應用^[1]每天擷 取數張壓縮影格（約1至3 FPS、720p）一小時，每月所產生的上行資料量可能高達數十GB，實際數值則依壓縮效率、影格編碼及政策而異。

消費者準備好接受AR應用

經證實具備使用者興趣、並有望演進為主流體驗的AR應用包括：

• 導航指引：智慧眼鏡會間歇性採集位置資訊以及以幾Mbps（10–15 FPS、4801080p解 析 度 ）上行的壓縮影片，並在下行接收AR疊加引導資訊。
• 「 所見即所得」分享：在運動、演唱會或其他休閒活動中，實現第一視角的影片直播。典型消費級實現通常需要幾Mbps的速率，假設以480–720p影片、較低幀率以及節能模式執行。對於更高要求的案例――例如更高幀率、更高解析度、面向創作者的體驗，或未來更高保真度的實現――上行速率可能需要達到10 Mbps或更高。
• 即時AI對話和基於虛擬化身的溝通正向即時3D人物、物體和環境呈現演進。目前基於虛擬化身的互動可以容忍標準語音/視訊通話低延遲，而更豐富的3D通訊則由「動作－渲染－顯示」端到端低延遲所決定。在其中，視覺運算和網路傳輸消耗了大部分低延遲預算，因而無線連接需將自身低延遲控制在約30 ms或更低，以保障順暢自然的互動體驗。
• 互動式購物：讓使用者在不同場景中視覺化商品，或以數位方式試穿服飾，上行流量由間歇性影像或影片採集構成，下行流量則主要包括渲染素材、紋理和視覺疊加資訊。

目前，這些應用的上行資料速率通常為幾Mbps，反映了目前裝置能力、資料壓縮效率以及網路在容量和覆蓋方面的實際限制。隨著更高能力的5G獨立組網網路加速部署、AR採用度提升以及裝置能力增強，更加豐富的應用有望湧現，並將持續為行動網路整體上行流量的成長做出貢獻。從網路維度規劃的角度來看，即便以每使用者約10 Mbps的代表性上行需求、約30 ms的低延遲為例，在密集城區環境中，假設FR1頻段可用頻寬為100 MHz、採用典型的TDD部署方式且室內使用者佔比高，在這一效能水平下，一個細胞可同時支援的使用者數量也不足5個。

企業和工業應用案例

在企業和工業環境中，XR的關注度不斷提高，在這些場景中，行動性、可靠性、安全性以及確定性效能至關重要。在工廠、倉庫、施工現場以及大型室內/室外設施中，相比Wi-Fi，行動專網在覆蓋範圍、可擴展性 和可預測的服務品質（尤其是對AR業務敏感的低延遲和抖動）方面具備明顯優勢。

在短期內，我們預計工業場景中的AR裝置將與具備蜂巢能力的伴隨計算裝置進行配對，以提升行動性和覆蓋，未來的架構演進方向則有望轉向更獨立的蜂巢連接裝置。主要案例包括：

• 遠端協助和免手持操作，現場技術人員透過下行連接接收與設備對應的逐步AR疊加指引，而遠端專家或AI助理則透過上行影片，以「看見技術人員所看見的畫面」的方式，即時提供協助。
• 技能提升和訓練，製造業人員在複雜的生產線上，可透過下行連接接收AR操作指引與即時回饋；同時，上行影片與感測器資料則用於記錄其操作過程與任務執行情形。
• 企業級和全像協作，分散各地的團隊可共同操作擬真的3D模型與逼真的虛擬分身。下行連接負責傳送渲染後的視角畫面，上行連接則傳送幾何資訊、姿態資訊及互動更新內容。

這些工業案例的上行資料速率需求可在1–25 Mbps範圍內，主要由高品質影片、手勢、姿態和幾何更新驅動。涉及高品質3D渲染的應用（如培訓和全像協作），還需要數十Mbps的資料速率。為維持穩定的AR疊加層和互動逼真度，通常需要低於30 ms的無線低延遲，並將低延遲抖動控制在約5–10 ms的範圍。

6G時代實現AI驅動XR的規模化

XR裝置產業預計將在2026–2030年期間保持強勁成長，其中眼鏡類裝置將貢獻重要份額。基於5G智慧手機連線的AR眼鏡已在目前網路中部署，而基於5G輕量化（RedCap）的眼鏡預計將在不久的將來出現，有助於緩解可穿戴形態在散熱和電池續航方面的限制。5G的持續演進，包括5G Advanced，將在能效、低延遲和行動性方面實現針對性提升。關鍵增強能力包括更智慧的節能週期、面向應用的IP封包聚合（PDU Set）、向應用程式回饋網路壅塞狀態的機制（L4S），以及更快的切換能力，這些都已納入3GPP標準規範之中。

隨著個人AI裝置（如AR眼鏡 ）、配件以及神經介面裝置（包括EEG頭帶和EMG腕帶）與智慧手機共存，以及機器人和自主系統等新型物理AI形態不斷湧現，行動網路將需要支撐日益成長的使用者和裝置生成資料，以實現互動、訓練和對大型模型的存取。為因應上述需求，6G正朝向透過更優異的上行傳輸能力、更寬的頻寬以及更高能源效率的系統運作來支援此類AI驅動服務的規模化發展。上中頻（FR3）頻段的新增頻譜，結合Giga-MIMO等先進天線技術，預計可在既有行動網路基礎設施上提供額外容量，而無需透過增加基地台密度來擴充網路容量。功耗更低的6G能力AR眼鏡和可穿戴裝置也有望從一開始就被視為原生設計類別。

演進中的行動網路可以從原生支援多裝置體驗、分散式運算以及具備情境感知或意圖感知能力的通訊架構。隨著智慧和感知能力在個人AI裝置與網路資源之間分佈，這些能力將愈發重要。

多裝置協作通訊可以透過緩解裝置天線數量不足、頻寬有限、散熱空間有限以及電池容量受限等固有限制，改善可穿戴裝置的效能。例如，透過啟用經由伴隨裝置的補充通訊路徑，系統可以提升對頭部和身體遮擋的穩健性，並改善可靠性、覆蓋和低延遲表現。分散式計算則透過允許渲染、感知和干擾建模等工作負載在裝置端執行，或卸載至邊緣或雲端資源，進一步補充上述方法。當網路條件良好時，運算卸載可讓裝置存取更大型的AI模型與更高擬真度的體驗，同時降低裝置功耗；但相對地，也會增加對網路資源的需求，並提高對延遲與壅塞的敏感度。當連線品質下降時，工作負載則可重新切換回裝置端執行，以維持即時回應能力，但代價是較高的本地運算耗電量。

情境感知與意圖感知通訊，也能利用裝置端AI即時推測應用類型與使用者體驗需求，進而實現更符合當前通訊需求的自適應行為。裝置可透過裝置端AI分析流量特徵、觀察硬體與軟體特徵訊號，以及結合與應用邏輯的接近程度，推斷應用情境與使用者體驗需求。透過將流量特徵分析與終端設備及網路調整機制結合，情境感知通訊可更有效地在裝置功耗、網路效率與使用者體驗之間取得平衡。

透過6G擴展XR應用，推動「抬頭式」生活與工作轉型

個人AI穿戴式裝置與XR服務預計將逐步從利基市場走向主流，成為未來行動網路中更常見的工作負載類型。隨著6G成為主導的行動接取技術，它將透過持續改善連接能力、系統效率和架構靈活性，來支撐這類服務的規模化發展。與短期內持續演進的5G Advanced能力相結合，這些能力將支援XR在消費、企業和工業領域的成長，推動一個數位和物理體驗在全天候無縫融合的未來。

要充分釋放6G及更遠期技術的潛力，需要整個生態系統持續協作，在以技術創造者為核心的前提下，結合裝置廠商、基礎建設供應商、雲端與邊緣供應商、電信商以及應用開發者。