传统数据传输方式的根基在于比特级精确传输。无论是电路交换还是分组交换，其核心目标都是确保接收端能够忠实地还原发送端产生的比特序列。从香农信息论出发，传统通信遵循“信源编码—信道编码—物理传输—信道解码—信源解码”的分离式架构，其性能极限由香农信道容量公式界定，关注的指标是吞吐量、时延、误码率等物理层参数。
一、范式裂变：从“比特搬运”到“语义理解”
语义通信(Semantic Communication)则彻底颠覆了这一范式。其核心理念是：?传输信息的“含义”，而非承载含义的“符号”??。正如张平院士所指出的，语义通信首先对原始信号进行有选择的特征提取、压缩和传输，再利用语义层面信息进行通信，其优势在于“以任务为主体，先理解后传输”。这一转变不是技术细节的修补，而是通信系统设计思想和理念的彻底变革，将从根本上改变传统信息通信技术体系。
二、系统架构的深层重构
传统通信系统采用信源编码与信道编码分离(SSCC，Separated Source-Channel Coding)的架构设计——信源编码负责压缩冗余，信道编码负责对抗噪声，两者各自优化、互不干涉。这种分离架构建立在香农分离定理之上，在长码块条件下具有理论最优性，但在有限码长、复杂信道和多样化业务场景下却暴露出效率瓶颈。
语义通信对此进行了两个层面的架构变革：
第一，改变信源编码与信道编码分离的系统架构，通过信源信道联合处理（JSCC，Joint Source-Channel Coding）提升传输有效性。语义编码器不再追求比特级无损压缩，而是直接提取与任务相关的语义特征，并与信道编码器联合优化，使得在极低码率下依然能够保持良好的感知质量。
第二，引入“语义知识库”作为通信双方共享的认知基础设施。发送端基于共享知识从信源信息中提取语义信息，接收端基于共享知识根据语义信息进行信息重建，从而减少需要传输的信息量，降低对信道带宽的要求。这一机制使得通信从“物理层的符号交换”跃升为“认知层的意义协商”。
下表从架构、度量和实现三个维度清晰展示了这一差异：
| 对比维度 | 传统通信 | 语义通信 |
|---|---|---|
| 架构 | 分离的源信道编码（SSCC） | 框架1：特征提取器+数字通信；框架2：端到端联合源信道编码（JSCC） |
| 度量 | 率失真、信道容量 | 语义熵、语义失真、语义通信速率 |
| 实现 | 遵循率失真和信道容量的指导方针 | 结合计算机科学和通信领域的算法，联合提取、压缩和交付语义信息 |
三、传输目标的根本扭转
传统数据传输追求“精确还原”，语义通信则追求“有效达意”。这一转变在抗噪声能力上体现得尤为深刻。
如图2所示的经典对比，在传统通信系统中，信息源(如图像、文本、语音)首先经过“源编码”转换为比特流，再通过“信道编码”增强抗干扰能力，经信道传输后，接收端依次进行“信道解码”和“源解码”，最终恢复出原始的图像、文本或语音内容，但此时信息的语义并未被直接提取或利用。即使物理信道中存在噪声(如比特翻转)，接收端也只能通过纠错机制恢复原始比特序列，无法保证语义完整性——图中显示接收端输出为“Bab’s autmkobile was pbrked there.”，明显存在字词错误，语义已受损。
而语义通信系统则完全不同：信息源直接进入“语义编码”模块，提取出语义特征而非原始比特，随后通过联合信道编码进行传输。接收端即使面对物理信道中的噪声或比特错误，也能在语义层面进行修复和重建，最终输出语义正确的信息“Bob’s car was parked there.”。这种架构强调信息的“意义”而非“比特”，在噪声环境下具有更强的鲁棒性和语义保真度。
四、效率的指数级跃升
语义通信的效率优势源于其对语义冗余的深度挖掘。传统信源编码(如JPEG、H.264)利用的是数据的统计冗余，而语义编码利用的是语义冗余——即与任务无关的信息成分。
有研究证实，语义通信可降低数据量60%以上。在某些特定条件下，通过引入“语义基”作为度量单位，语义通信甚至能够突破经典香农公式的信道容量限制，为在有限带宽内传输更多有效信息提供了理论支撑。这一突破意味着，在相同的频谱资源和功率预算下，语义通信能够承载远超传统系统的有效信息量。
在文本语义通信研究中，学者们定义了 语义频谱效率（S-SE）? 用于优化资源分配，通过将传统频谱效率转换为S-SE，验证了语义通信在提升传输效率方面的显著优势。语义通信通过去除语义冗余，在极低码率下依然能保持良好的感知质量——用户想要的是“那个人在挥手”这个事实，而非精确到每个像素的编码。
五、从“尽力而为”到“以任务为中心”
传统数据传输(特别是分组交换)遵循“尽力而为”的服务模式，网络不区分数据类型，对所有数据包一视同仁。这种“一刀切”的方式在面对多样化业务时显得僵化：视频流需要高带宽，工业控制需要低时延，传感器数据需要高可靠——但传统网络很难在统一架构中同时满足这些差异化需求。
语义通信则以任务为导向重构了通信过程。发送端先对信息进行语义层面的理解和特征提取，只传输与任务相关的语义信息;接收端借助共享知识库或生成模型进行语义重构。例如，在自动驾驶场景中，语义通信可以优先传输道路风险信息;在数字孪生场景中，它可以高效同步物理世界和虚拟世界的关键状态;在扩展现实中，它可以减少无关数据传输，让沉浸式体验更加流畅。
这种“以任务为主体”的设计理念带来了数个关键的技术突破：
信源信道联合编码：将数据压缩与信道保护统一优化，提升传输效率
语义重传：仅重传语义损失的部分，而非整个数据包，减少冗余传输
信息差异化保护：根据语义重要性对信息进行分级保护，保障关键信息优先送达
六、关键使能技术：AI与知识库的深度融合
语义通信的实现离不开人工智能技术的深度支撑。语义通信基于自然语言处理和机器学习技术，通过构建大规模的语义知识库和深度学习模型，计算机能够对人类语言进行深入分析，提取其中的语义信息，并基于这些信息做出响应和决策。
现代语义通信系统通常采用端到端深度学习架构，包括语义编解码器、信道编解码器及动态知识库更新机制。发送端与接收端通过知识库达成协议，以实现有效沟通，知识库间的条件互信息对提升语义通信性能至关重要。
在语义知识库的支持下，通信双方共享的不仅是传输协议，更是对世界模型的共同理解。这使得接收端能够基于极少量的语义信息，结合自身知识库进行信息重建，从而大幅减少所需传输的数据量。
七、应用场景的广泛拓展
语义通信的应用场景已从实验室走向多个垂直领域。学术界和产业界已将语义通信技术应用于车联网、卫星通信、视频传输等多个领域进行试验。具体而言：
智能物联网与工业互联网：语义通信在物联网场景下实时数据与控制信息的传输上展现出显著的应用潜力，智能机器人、无人机以及VR/AR眼镜等多种智能设备将赋予物联网更先进且多样化的功能。在工业互联网中，语义通信可以帮助机器设备更快传递故障、状态和控制意图。
智能车联网：语义通信能够支持车辆之间、车辆与基础设施之间的高效信息交互，在自动驾驶中优先传输道路风险信息，提升行车安全。
6G移动通信：语义通信被视为6G的关键使能技术之一。IMT-2030(6G)推进组无线技术工作组成立了语义通信任务组，开展面向标准化的相关工作。语义基赋能的通信可应用于自动驾驶、扩展现实、数字孪生、智能制造、边缘智能等6G典型场景。
视频与全息通信：语义通信可以通过将语义方面与现有视频通信设置集成来实现重大改进。全息通信通过在接收端创建场景的多个视图来传输场景信息，语义通信可促进全息技术的发展。
八、从传统交换技术到语义通信的演进对比
为了更好地理解语义通信的变革意义，有必要将其与传统数据传输的核心技术进行系统对比：
电路交换：通过建立专用通信路径实现数据传输，具有实时性强、通信质量稳定的特点，但资源利用率低，带宽固定分配，适合音频、视频等实时通信。
分组交换：将数据分割为小包传输，带宽按需分配，资源利用率高，灵活性强，适用于互联网和大规模数据传输，但无法保证实时性和传输顺序。
语义通信：不再关注交换方式(无论是电路还是分组)，而是从根本上改变了“传什么”的问题。它从原始信息中提取关键语义要素，通过组织、归纳与特征编码，实现语义的高效压缩与表示，从而在源头减少传输的数据量。
总结
语义通信标志着信息传输从“表形”到“达意”的范式跃迁。传统通信聚焦于数据的无差错传输，如同精密复印机;而语义通信则关注信息的含义传递，实现“以任务为中心”的通信方式。这一变革不仅体现在技术架构上——从分离编码到联合编码、从比特传输到语义传输、从统计冗余压缩到语义冗余消除——更体现在通信哲学的根本转变：通信的终极目标不是传输数据，而是传达意义。
随着6G时代的到来，语义通信有望成为突破传统通信瓶颈的关键技术。虽然其理论体系和评估指标仍需完善，但随着标准制定和场景验证的推进，语义通信将推动通信网络向智能信息交互中枢演进，成为未来信息社会的核心基础。