從技術突破到全場景商用：中興通訊加速5G-A 大上行

突破上行瓶頸，加速商用閉環。

隨著工業機器視覺、8K實時回傳、低空經濟、遠程醫療等上行優先的剛性場景加速爆發，疊加移動AI時代AI手機、AI眼鏡、具身智能等新興業務持續普及，5G網絡大上行能力的釋放成為產業各方關注的焦點和技術升級的方向之一。

作為5G-A技術研發與產業化的重要推動者，中興通訊依托深厚的全棧技術積淀，構建出覆蓋時域、頻域、空域、功率域以及端網深度協同等多維度的5G-A大上行完整技術體系，完成了從標準制定、技術創新到全場景商用落地的全鏈條閉環，為全行業破解上行能力瓶頸提供了堅實的技術支撐。

在杭州，中興通訊與中國移動利用5G-A超級上行技術，圓滿完成了明星演唱會的無線直播保障任務，成為該技術在大型文娛活動中的一次成功實踐。

上行需求痛點凸顯

當前，移動通信行業的流量模型與需求結構正在發生變革，不同領域的上行需求呈現出清晰的差異化演進特征，整體形成“C端逐步迭代、B端剛需凸顯、AI需求快速攀升”的演進特征，對移動通信網絡的上行能力提出了挑戰。

在行業級場景，上行需求呈現剛需明確、差異化顯著的特點，工業機器視覺場景從5G時期300Mbps以上的上行需求，已升級至5G-A時代4K+3D高清識別帶來的500Mbps以上需求；媒體專業直播場景伴隨4K/8K多機位協同、移動式跟拍的普及，結合淺壓縮編解碼技術，單機位上行需求已突破3Gbps。

在消費級場景，上行需求伴隨終端與內容形態升級持續抬升，從5G商用初期1～3Mbps的標高清短視頻回傳需求，已升級至當前2K/4K終端疊加VR/AR直播帶來的單鏈路10Mbps以上需求，對傳輸穩定性與低時延的要求顯著提高。

而以端云協同為基礎模式的AI新業務，更是帶來了上行需求的量級躍升，同時對端到端時延、傳輸可靠性與多模態數據混合傳輸能力提出了極高要求。

與之相對的是，傳統移動通信網絡受限于幀結構、頻譜資源、空域能力的固有約束，普遍存在上行帶寬不足、海量并發擁塞、上下行資源失衡等應用痛點，已無法適配全場景的上行剛需，行業亟需新的解決之道。

全維度突破上行瓶頸

針對傳統網絡的大上行技術瓶頸，中興通訊針對全場景的差異化需求，打造了專屬技術適配體系，構建了立體化、差異化競爭力。

面向To B行業應用場景，中興通訊構建了多維度的上行增強技術矩陣。

基于時間維度，通過幀結構靈活調整，打破傳統網絡大下行的時隙配比限制，按需增加上行時隙資源，適配上行流量爆發的場景需求。通過 “時域+頻域”雙維度靈活分配能力支持子帶全雙工(UDD)，實現上行覆蓋增強、上行速率提升與時延降低。

基于載波維度，依托國內已規模部署的超十萬站3CC CA商用網絡底座，通過多載波深度融合提升單用戶上行能力，同時通過2G、3G、4G中低頻段重耕、或者上行頻段(SUL)部署等方式，補齊上行覆蓋和容量短板，同步提升峰值速率與小區邊緣用戶的上行速率。

同時，還支持更高頻段、更大帶寬滿足超高速率要求，例如毫米波頻段等，依托這些頻段的大帶寬優勢(例如400M、或800MHz帶寬，遠高于5G商用網絡的100MHz)，進一步突破上行速率瓶頸，適配超高速率上行場景。

基于空間維度，通過增強MIMO多波束能力，以4TR、8TR、Massive MIMO全系列產品適配多場景部署需求，深挖空域資源潛力。同時，通過UE聚合技術實現多終端能力共享，可將終端收發能力提升數倍，降低高需求場景對高端終端的依賴。

基于功率維度，可以支持具備多種發射通道能力、多種發射功率能力的終端。

另外，還可以基于網絡和終端的協同能力引入UDC上行數據壓縮技術，實現最高90%的壓縮效率，進一步提升上行資源利用效率。

中興通訊構建了全維度的差異化技術布局。

從時間維度，采用分階段推進策略，將技術分為近期商用、積極推動商用、長期探索驗證三類，結合標準與終端成熟度有序落地，避免技術與市場脫節。

從組網維度，構建了立體化組網體系，在不改變現有設備與組網的前提下，通過幀結構調整滿足日常直播等常態化上行需求;以更高通道數設備提升商用或重耕頻段的上行能力;另外，還針對有突發性大容量需求的場景提供了“游牧基站”適配演唱會、賽事等臨時大上行場景。

從場景維度，聚焦運營變現、新業務探索、趨勢引領三大方向精準布局，優先聚焦上行需求突出的場景，通過上行能力提升應對流量爆發;結合智能化發展趨勢，針對高上行需求用戶及應用，推出專屬服務;提前布局滿足未來高上行場景的技術探索與驗證，搶占先機。

尤為關鍵的是，中興通訊5G-A大上行方案已將AI與大上行布局深度融合，以AI for RAN為引擎，通過AI算法實時感知不同業務的上行需求差異，可靈活調用時域-頻域-空域-功率域等特性，實現“業務精準識別、資源按需分配”，同時通過AI自適應抗干擾技術，保障密集場景下萬人并發上行的穩定性，全面夯實消費端的體驗壁壘。

依托自研和長期技術積累優勢，中興通訊已全面落地并驗證各類上行增強創新技術，持續引領產業外場測試與商用落地。目前，中興通訊也是業內唯一可在時域、頻域、空域、功率域以及端網協同等多個維度，全體系支撐上行增強技術商用部署與現網驗證的主流設備廠商。

全場景商用閉環

依托成熟的技術體系，中興通訊5G-A大上行解決方案已在工業機器視覺、高清傳媒、低空經濟、遠程醫療等多個領域實現規模化落地與商業閉環。

在智能制造領域，方案已在中興濱江智能工廠、鞍鋼、武鋼等標桿企業規模落地，采用“5G-A+大上行+NodeEngine+工業視覺終端”的端到端解決方案，單小區可穩定支持超過50路4K/8K視覺回傳，可幫助企業提升成品率3%～5%，減少60%的人力巡檢成本，故障識別效率提升80%。

在高清傳媒領域，方案連續三年支撐央視春晚5G-A 1080P/4K/8K直播，2026年春晚實現了單機位3Gbps+的8K淺壓縮的無損直播畫面傳輸，全程保障機位靈活跟拍，無線傳輸0丟包；同時落地杭州演唱會現場直播等多個場景，支持多機位在場館內絲滑移動，畫面無懼風雨始終穩定，無卡頓、無中斷，端到端時延控制在100ms以內，降低內容創作方設備部署成本30%以上，形成了成熟的商用商業模式。

在低空經濟領域，方案已在北京、南京、深圳等多省市試點落地，實現無人機4K/8K圖傳穩定傳輸，控制時延低于50ms，其中聯合中國聯通打造的安陽低空無人機血液配送項目，建成了業界規模最大的低空無人機血液配送網絡，配送效率較傳統模式提升60%以上。

在遠程醫療、車路協同領域，方案分別實現了80ms以內的遠程會診時延、100ms以內的車-路-云協同時延，有效推動優質醫療資源下沉與高階自動駕駛落地。

在AI新應用領域，中興通訊打造的EasyOn 5G-A-RobotNet解決方案，可滿足具身智能機器人500Mbps～1Gbps的上行需求，端到端時延低于50ms，可靠性達99.99%以上，以算網協同，降低企業規模化引入機器人作業的成本40%以上。

中興通訊的大上行解決方案為多領域帶來了可量化、可感知的產業價值提升，實現了產業提質、降本、增效與用戶體驗升級的雙重突破。

共筑5G-A上行生態

5G-A大上行的規模化普及，離不開芯片、設備、終端、應用全產業鏈的協同配合，而5G-A作為5G向6G演進的必經之路，其技術與商用實踐也將為6G發展奠定基礎。對此，中興通訊從全產業鏈協同與長期技術演進雙維度布局，既破解了當前規模化落地的共性挑戰，也實現了向6G的無縫銜接。

針對行業面臨的終端適配、標準協同、成本控制三大共性挑戰，中興通訊推出了全鏈條舉措，推動構建開放共贏的產業生態。在標準協同層面，中興通訊在3GPP、CCSA等國際國內標準組織中持續發力，將MIMO增強、載波聚合、子帶全雙工、UE聚合等技術的驗證成果轉化為多項標準提案，推動技術與標準的協同演進，為產業鏈協作掃清接口與技術壁壘。

在終端適配層面，采用分場景、分階段的多維適配策略，基于商用頻段的幀結構靈活調整，可使現網95%以上終端的上行能力提升30%以上，同時通過多項技術的分階段引入，兼顧不同能力終端的上行體驗提升需求。

在成本控制層面，優先采用軟件升級方案實現上行能力提升，大幅降低網絡改造建設成本；其次進行2G、3G或者4G的頻段重耕、并采用具備更高通道能力的設備來提升高速率覆蓋需求；同時推出5G UniEngine算網一體機，實現核心網、無線網、算力引擎、業務運維的一體化部署，大幅降低行業客戶5G專網的部署與運維門檻；聯合運營商打造差異化數據套餐，推動大上行商業模式的閉環與變現。

面向6G長期演進，中興通訊當前布局的5G-A大上行技術與商用實踐，已成為6G技術研發、標準制定與場景驗證的重要預演平臺。在標準與技術層面，5G到5G-A再到6G的標準演進采用平滑過渡模式，中興通訊遵循“創新探索—驗證落地—標準導入—迭代升級”的路徑，將5G-A階段的技術成果與驗證經驗導入6G標準體系，部分技術實現“6G Ready from day1”，同時在空域、頻域、全雙工三大方向持續深化技術研究，為6G技術體系積累經驗；在場景與智能層面，當前5G-A大上行重點覆蓋的高清直播、AR/VR、移動AI交互、具身智能等，正是6G標準化階段的主要場景，5G-A商用實踐積累的測試方法與性能數據，可直接作為6G標準場景KPI定義的重要輸入；同時，中興通訊在5G-A階段開展的全棧智能探索，實現了從5G-A內生智能向6G原生AI的平滑演進，為6G技術體系的成熟奠定了堅實基礎。

5G-A大上行正在重構移動通信的能力邊界，中興通訊通過全維度的技術創新、全場景的商用落地與全產業鏈的生態協同，不僅推動了5G-A大上行的規模化商用成熟，更為數字經濟與AI產業的高質量發展筑牢了網絡基座，也為6G的技術演進與產業落地鋪平了道路。

采寫：高超

編輯：高超 曉燕

指導：辛文