全球首个射频大模型 RF‑GPT 发布！AI 终于看懂无线信号，6G 认知革命来了

发布时间：2026-04-06来源：射频学堂

全球首个射频大模型 RF-GPT 发布！AI 终于看懂无线信号，6G 认知革命来了

2026 年 4 月，一则来自中东科研前沿的消息，震动了全球通信与 AI 行业 ——阿联酋哈利法大学邹航博士团队，正式发布了全球首款可直接 “看懂” 无线信号的 AI 大模型：RF-GPT。

这不是一次普通的技术升级，而是一次从 0 到 1 的突破。它彻底解决了长期困扰通信 AI 的致命短板：看不见、读不懂、解析不了物理层射频信号。业界给出了极高的评价 ——RF-GPT，就是通信 AI 的 “认知大脑”，为即将到来的 6G AI 原生网络，筑牢了最关键的一块技术底座。

在此之前，AI 虽然已经能写文章、画图片、分析数据，却始终对我们每天都离不开的无线电波 “视而不见”。手机信号、Wi‑Fi、蓝牙、基站、卫星…… 这些支撑现代生活的无线信号，在大模型眼里，只是一片无法理解的 “噪声”。

而 RF-GPT 的诞生，第一次让 AI 真正睁开眼睛，看见频谱、读懂信号、理解无线世界。

这项突破，来自一支跨国顶尖团队

能做出如此颠覆性成果的，是一支汇聚了中、阿联酋、法三国智慧的顶级科研天团。

作为核心与灵魂人物，邹航（Hang Zou）博士是这项工作的第一作者与通讯作者，任职于阿联酋哈利法大学数字未来研究院。他长期深耕大模型与无线通信的融合领域，是 TelecomGPT、RF-GPT 系列里程碑工作的核心负责人，也是推动通信 AI 走向物理层的关键研究者。

团队中，田宇负责多模态架构与指令实验，王博豪（浙江大学）主攻信号处理与频谱建模，黄崇文教授作为中方核心指导，在 6G 通信与通感算一体方向提供关键支撑。

更具分量的是，团队由Mérouane Debbah 教授领衔 —— 他是全球无线通信与 AI 领域的顶级学者，被誉为 6G 与 AI 原生网络的奠基人之一，同时担任哈利法大学数字未来研究院院长。

此外，Lina Bariah、Samson Lasaulce 等国际权威学者的加入，让 RF-GPT 从一开始，就站在了世界科研的最前沿。

一个困扰行业多年的死结：AI 管得了网络，却看不见信号

过去几年，大模型大举进入通信行业。从网络优化、故障排查到日志分析，AI 展现出强大的能力。但所有人都清楚一个无法回避的痛点：

现有的通信 AI，本质上都是 “文字 AI”。它们能看懂工单、读懂配置、分析 KPI，却完全看不见最底层的无线信号。

另一边，传统的射频信号处理模型，又陷入 “小而散” 的困境：一个模型只能做一件事，换个场景就失效；数据标注成本极高，泛化能力极差；更无法用自然语言解释判断依据，难以和上层 AI 系统协同工作。

6G 时代呼唤的是AI 原生网络—— 能自主感知、自主决策、自主优化。可如果 AI 连信号都看不见、读不懂，一切自治都只是空中楼阁。

这个横亘在 AI 与无线世界之间的 “模态鸿沟”，直到 RF-GPT 出现，才被真正跨越。

一个天才思路：让 AI 像看图片一样，看懂无线信号

RF-GPT 的核心创新，简单到令人惊叹，却极具颠覆性。

研究团队没有重新发明复杂的专用模型，而是巧妙地把 “无线信号” 变成了 “图片”，让成熟的多模态大模型直接读懂射频世界。

整个过程分为三步：第一步，把复杂难懂的 IQ 射频信号，通过信号处理转换成一张时频频谱图；第二步，用视觉编码器对这张 “频谱图” 进行特征提取，生成专属的RF Token；第三步，把这些信号信息注入大模型，让模型以自然语言的方式输出判断、分析与结论。

换句话说：以前 AI 看不懂信号，现在把频谱变成图，AI 就能像识别风景、物体一样，精准识别无线信号的类型、结构、干扰、用户数。

这是全球第一次，用如此简洁统一的架构，打通 “射频信号→多模态大模型→自然语言交互” 的全链路。

零人工标注！用合成数据，造出高质量训练数据集

想要训练一个专业的射频大模型，最大的难题不是模型，而是数据。

真实无线信号采集难、场景少、隐私敏感，人工标注成本高到难以承受。邹航博士团队做出了另一个关键创新：完全用合成数据构建训练集。

他们依托标准波形生成工具，模拟出 6 大主流无线技术信号：5G NR、LTE、UMTS、WLAN、DVB‑S2、蓝牙，自动生成精准标注信息，再通过大模型自动生成问答指令对。

整个过程不需要人工标注，却高效产出了：

12,000 个真实度极高的 RF 场景
62.5 万条高质量 RF 指令样本

低成本、大规模、高标准，为 RF-GPT 的训练打下最坚实的基础。

实测碾压通用模型！五大任务，展现真正 “认知能力”

为了验证 RF-GPT 的实力，团队设计了 5 大硬核任务，直接对标 Qwen2.5‑VL、GPT‑5 等全球顶尖通用多模态模型。

结果堪称降维打击。

在宽带调制识别任务中，通用模型几乎完全失效，准确率接近 0%，而 RF-GPT 轻松突破 80%，信号个数识别准确率接近 98%；在信号重叠分析中，模型能精准判断信号是否在时间、频率上重叠，准确率超过 90%；在无线技术识别上，RF-GPT 做到近乎完美，6 种技术 + 上下行识别准确率高达99.64%；在WLAN 用户数统计、5G NR 信息抽取等更精细的任务中，模型同样大幅领先，能精准读取子载波间隔、SSB、CSI‑RS、UE 数量等专业信息。