摘要 — 随着 5G 蜂窝系统在全球范围内的积极部署，研究界已开始探索下一代即 6G 的新技术进步。人们普遍认为，6G 将建立在无处不在的 AI 的新愿景之上，这是一种超灵活的架构，将类似人类的智能带入网络系统的各个方面。尽管前景广阔，但预计在基于 AI 的无处不在的 6G 中会出现一些新挑战。尽管已经进行了许多将 AI 应用于无线网络的尝试，但这些尝试尚未在实际系统中大规模实施。关键挑战之一是难以在大量异构设备之间实现分布式 AI。联邦学习 (FL) 是一种新兴的分布式 AI 解决方案，可在异构和潜在的大规模网络中实现数据驱动的 AI 解决方案。尽管它仍处于早期发展阶段，但受 FL 启发的架构已被认为是实现 6G 中无处不在的 AI 最有希望的解决方案之一。在本文中，我们确定了推动 6G 与 AI 融合的需求。我们提出了一种基于 FL 的网络架构，并讨论了其解决 6G 中预期的一些新挑战的潜力。我们还讨论了支持 FL 的 6G 的未来趋势和关键研究问题。