AR 眼镜刚问“对面是什么楼”，后端的 MLLM-SC 框架就在 10 ms 内画出一张“语义注意力热图”：建筑轮廓被标成深红，优先级调到最高，其他背景一律降码率。高维多模态数据不再“平均用力”，任务相关的像素、语音、坐标被语义引擎拎出来走“快车道”，无关内容自动降档，6G 空口瞬间多出 30 % 可用带宽。
这套“设备—边缘”协同系统把多模态大模型塞进边缘服务器，当用户输入图像+语音+任务请求时，提示工程+上下文学习先拆意图，再驱动双路径语义编码器——重要特征走高质量路径，次要信息进低分辨率通道；即便信道突然掉档，关键区域依旧 1080 P 保真。接收端用 VAE 做粗重建、条件扩散模型做精修，还能按终端算力动态切换“高清重建”或“AI 补帧”模式，弱网环境也能实时合成高质量全息画面。
实验室实测里，AR 导航、沉浸式会议、车联网三维地图同时跑在 500 MHz 毫米波小区：采用 MLLM-SC 后，平均端到端时延从 28 ms 降到 18 ms，块错误率下降 42 %。团队下一步把强化学习塞进语义决策，让多智能体在协同驾驶、城市级元宇宙等场景中“边通信边策略优化”，目标是把 6G 的“体验密度”再提升一个量级。
