从技术突破到全场景商用：中兴通讯加速5G-A 大上行

突破上行瓶颈，加速商用闭环。

随着工业机器视觉、8K实时回传、低空经济、远程医疗等上行优先的刚性场景加速爆发，叠加移动AI时代AI手机、AI眼镜、具身智能等新兴业务持续普及，5G网络大上行能力的释放成为产业各方关注的焦点和技术升级的方向之一。

作为5G-A技术研发与产业化的重要推动者，中兴通讯依托深厚的全栈技术积淀，构建出覆盖时域、频域、空域、功率域以及端网深度协同等多维度的5G-A大上行完整技术体系，完成了从标准制定、技术创新到全场景商用落地的全链条闭环，为全行业破解上行能力瓶颈提供了坚实的技术支撑。

在杭州，中兴通讯与中国移动利用5G-A超级上行技术，圆满完成了明星演唱会的无线直播保障任务，成为该技术在大型文娱活动中的一次成功实践。

上行需求痛点凸显

当前，移动通信行业的流量模型与需求结构正在发生变革，不同领域的上行需求呈现出清晰的差异化演进特征，整体形成“C端逐步迭代、B端刚需凸显、AI需求快速攀升”的演进特征，对移动通信网络的上行能力提出了挑战。

在行业级场景，上行需求呈现刚需明确、差异化显著的特点，工业机器视觉场景从5G时期300Mbps以上的上行需求，已升级至5G-A时代4K+3D高清识别带来的500Mbps以上需求；媒体专业直播场景伴随4K/8K多机位协同、移动式跟拍的普及，结合浅压缩编解码技术，单机位上行需求已突破3Gbps。

在消费级场景，上行需求伴随终端与内容形态升级持续抬升，从5G商用初期1～3Mbps的标高清短视频回传需求，已升级至当前2K/4K终端叠加VR/AR直播带来的单链路10Mbps以上需求，对传输稳定性与低时延的要求显著提高。

而以端云协同为基础模式的AI新业务，更是带来了上行需求的量级跃升，同时对端到端时延、传输可靠性与多模态数据混合传输能力提出了极高要求。

与之相对的是，传统移动通信网络受限于帧结构、频谱资源、空域能力的固有约束，普遍存在上行带宽不足、海量并发拥塞、上下行资源失衡等应用痛点，已无法适配全场景的上行刚需，行业亟需新的解决之道。

全维度突破上行瓶颈

针对传统网络的大上行技术瓶颈，中兴通讯针对全场景的差异化需求，打造了专属技术适配体系，构建了立体化、差异化竞争力。

面向To B行业应用场景，中兴通讯构建了多维度的上行增强技术矩阵。

基于时间维度，通过帧结构灵活调整，打破传统网络大下行的时隙配比限制，按需增加上行时隙资源，适配上行流量爆发的场景需求。通过 “时域+频域”双维度灵活分配能力支持子带全双工(UDD)，实现上行覆盖增强、上行速率提升与时延降低。

基于载波维度，依托国内已规模部署的超十万站3CC CA商用网络底座，通过多载波深度融合提升单用户上行能力，同时通过2G、3G、4G中低频段重耕、或者上行频段(SUL)部署等方式，补齐上行覆盖和容量短板，同步提升峰值速率与小区边缘用户的上行速率。

同时，还支持更高频段、更大带宽满足超高速率要求，例如毫米波频段等，依托这些频段的大带宽优势(例如400M、或800MHz带宽，远高于5G商用网络的100MHz)，进一步突破上行速率瓶颈，适配超高速率上行场景。

基于空间维度，通过增强MIMO多波束能力，以4TR、8TR、Massive MIMO全系列产品适配多场景部署需求，深挖空域资源潜力。同时，通过UE聚合技术实现多终端能力共享，可将终端收发能力提升数倍，降低高需求场景对高端终端的依赖。

基于功率维度，可以支持具备多种发射通道能力、多种发射功率能力的终端。

另外，还可以基于网络和终端的协同能力引入UDC上行数据压缩技术，实现最高90%的压缩效率，进一步提升上行资源利用效率。

中兴通讯构建了全维度的差异化技术布局。

从时间维度，采用分阶段推进策略，将技术分为近期商用、积极推动商用、长期探索验证三类，结合标准与终端成熟度有序落地，避免技术与市场脱节。

从组网维度，构建了立体化组网体系，在不改变现有设备与组网的前提下，通过帧结构调整满足日常直播等常态化上行需求;以更高通道数设备提升商用或重耕频段的上行能力;另外，还针对有突发性大容量需求的场景提供了“游牧基站”适配演唱会、赛事等临时大上行场景。

从场景维度，聚焦运营变现、新业务探索、趋势引领三大方向精准布局，优先聚焦上行需求突出的场景，通过上行能力提升应对流量爆发;结合智能化发展趋势，针对高上行需求用户及应用，推出专属服务;提前布局满足未来高上行场景的技术探索与验证，抢占先机。

尤为关键的是，中兴通讯5G-A大上行方案已将AI与大上行布局深度融合，以AI for RAN为引擎，通过AI算法实时感知不同业务的上行需求差异，可灵活调用时域-频域-空域-功率域等特性，实现“业务精准识别、资源按需分配”，同时通过AI自适应抗干扰技术，保障密集场景下万人并发上行的稳定性，全面夯实消费端的体验壁垒。

依托自研和长期技术积累优势，中兴通讯已全面落地并验证各类上行增强创新技术，持续引领产业外场测试与商用落地。目前，中兴通讯也是业内唯一可在时域、频域、空域、功率域以及端网协同等多个维度，全体系支撑上行增强技术商用部署与现网验证的主流设备厂商。

全场景商用闭环

依托成熟的技术体系，中兴通讯5G-A大上行解决方案已在工业机器视觉、高清传媒、低空经济、远程医疗等多个领域实现规模化落地与商业闭环。

在智能制造领域，方案已在中兴滨江智能工厂、鞍钢、武钢等标杆企业规模落地，采用“5G-A+大上行+NodeEngine+工业视觉终端”的端到端解决方案，单小区可稳定支持超过50路4K/8K视觉回传，可帮助企业提升成品率3%～5%，减少60%的人力巡检成本，故障识别效率提升80%。

在高清传媒领域，方案连续三年支撑央视春晚5G-A 1080P/4K/8K直播，2026年春晚实现了单机位3Gbps+的8K浅压缩的无损直播画面传输，全程保障机位灵活跟拍，无线传输0丢包；同时落地杭州演唱会现场直播等多个场景，支持多机位在场馆内丝滑移动，画面无惧风雨始终稳定，无卡顿、无中断，端到端时延控制在100ms以内，降低内容创作方设备部署成本30%以上，形成了成熟的商用商业模式。

在低空经济领域，方案已在北京、南京、深圳等多省市试点落地，实现无人机4K/8K图传稳定传输，控制时延低于50ms，其中联合中国联通打造的安阳低空无人机血液配送项目，建成了业界规模最大的低空无人机血液配送网络，配送效率较传统模式提升60%以上。

在远程医疗、车路协同领域，方案分别实现了80ms以内的远程会诊时延、100ms以内的车-路-云协同时延，有效推动优质医疗资源下沉与高阶自动驾驶落地。

在AI新应用领域，中兴通讯打造的EasyOn 5G-A-RobotNet解决方案，可满足具身智能机器人500Mbps～1Gbps的上行需求，端到端时延低于50ms，可靠性达99.99%以上，以算网协同，降低企业规模化引入机器人作业的成本40%以上。

中兴通讯的大上行解决方案为多领域带来了可量化、可感知的产业价值提升，实现了产业提质、降本、增效与用户体验升级的双重突破。

共筑5G-A上行生态

5G-A大上行的规模化普及，离不开芯片、设备、终端、应用全产业链的协同配合，而5G-A作为5G向6G演进的必经之路，其技术与商用实践也将为6G发展奠定基础。对此，中兴通讯从全产业链协同与长期技术演进双维度布局，既破解了当前规模化落地的共性挑战，也实现了向6G的无缝衔接。

针对行业面临的终端适配、标准协同、成本控制三大共性挑战，中兴通讯推出了全链条举措，推动构建开放共赢的产业生态。在标准协同层面，中兴通讯在3GPP、CCSA等国际国内标准组织中持续发力，将MIMO增强、载波聚合、子带全双工、UE聚合等技术的验证成果转化为多项标准提案，推动技术与标准的协同演进，为产业链协作扫清接口与技术壁垒。

在终端适配层面，采用分场景、分阶段的多维适配策略，基于商用频段的帧结构灵活调整，可使现网95%以上终端的上行能力提升30%以上，同时通过多项技术的分阶段引入，兼顾不同能力终端的上行体验提升需求。

在成本控制层面，优先采用软件升级方案实现上行能力提升，大幅降低网络改造建设成本；其次进行2G、3G或者4G的频段重耕、并采用具备更高通道能力的设备来提升高速率覆盖需求；同时推出5G UniEngine算网一体机，实现核心网、无线网、算力引擎、业务运维的一体化部署，大幅降低行业客户5G专网的部署与运维门槛；联合运营商打造差异化数据套餐，推动大上行商业模式的闭环与变现。

面向6G长期演进，中兴通讯当前布局的5G-A大上行技术与商用实践，已成为6G技术研发、标准制定与场景验证的重要预演平台。在标准与技术层面，5G到5G-A再到6G的标准演进采用平滑过渡模式，中兴通讯遵循“创新探索—验证落地—标准导入—迭代升级”的路径，将5G-A阶段的技术成果与验证经验导入6G标准体系，部分技术实现“6G Ready from day1”，同时在空域、频域、全双工三大方向持续深化技术研究，为6G技术体系积累经验；在场景与智能层面，当前5G-A大上行重点覆盖的高清直播、AR/VR、移动AI交互、具身智能等，正是6G标准化阶段的主要场景，5G-A商用实践积累的测试方法与性能数据，可直接作为6G标准场景KPI定义的重要输入；同时，中兴通讯在5G-A阶段开展的全栈智能探索，实现了从5G-A内生智能向6G原生AI的平滑演进，为6G技术体系的成熟奠定了坚实基础。

5G-A大上行正在重构移动通信的能力边界，中兴通讯通过全维度的技术创新、全场景的商用落地与全产业链的生态协同，不仅推动了5G-A大上行的规模化商用成熟，更为数字经济与AI产业的高质量发展筑牢了网络基座，也为6G的技术演进与产业落地铺平了道路。

采写：高超

编辑：高超 晓燕

指导：辛文