一辆自动驾驶车不仅需要知道“前方有障碍物”，还需要传递其对障碍物运动轨迹的不确定度、对路面摩擦系数的信念、以及紧急制动时对后方车辆反应的因果预期——这些隐变量的交换和对齐，才是智能体之间真正的“沉浸式通信”。中兴通讯蓝皮书提出了一个颠覆性论断：6G沉浸式通信的本质，是让不同智能体的世界模型实现实时对齐与动态演化。

本蓝皮书与国际同类研究的最大区别，在于将沉浸式通信从“仅聚焦人类体验”拓展到“人-智能体-物理世界”三元交互体系。对人类而言，沉浸指向感官的真实——高保真视频、空间音频、触觉反馈的目标都是让人的视觉、听觉、触觉等外感知通道获得“临场感”。但对智能体而言——自动驾驶车没有皮肤、没有视网膜——其“沉浸”建立在另一套底层逻辑之上：内在世界模型的同步。
每个智能体都内嵌一个关于物理规律、因果结构与意图偏好的隐变量空间。这些隐变量无法被直接观测或打包成传统数据包，却决定了智能体如何感知环境、预测未来、做出决策。传统的通信系统传输的是显式的符号与感知数据；而在6G通感智算存一体化的架构下，沉浸式通信的本质发生跃迁——通过交换不同空间维度的词元（Token），实时对齐并融合各智能体的意图隐变量、世界模型隐变量、认知负荷隐变量与因果结构隐变量。

蓝皮书提出了“词元”（Token）的新定义——它并非自然语言的单词，而是高维隐空间中的基本单元，可以是一个因果关系的压缩表示、一个意图的潜在编码、或一个世界状态的抽象快照。通过通感算存融合，网络不再是被动的管道，而是主动的隐空间对齐引擎，能够识别、映射、同步不同智能体内部状态的不确定度、注意力焦点、资源余量与因果图。
这带来的根本性变化是：当一个智能体执行动作时，它同时感知到其他智能体对这一动作的因果反事实推演；当一个智能体更新信念时，其他相关智能体的世界模型能够近乎实时地收敛到一致。没有协议握手、没有显式询问，智能体仿佛生长在一个共享的因果场中。通信不再是信息的搬运，而是智能的耦合；网络不再是连接终端的介质，而是分布式智能体的共同意识场。

蓝皮书详细阐述了“人-智能体-物理世界”三元交互在多个场景中的具体应用。在远程医疗中，医生（人类）通过沉浸式终端向手术智能体发送操作指令，手术智能体执行并实时反馈触觉、压力数据，环境监测智能体同步感知手术室温度、湿度、无菌环境参数——实现人-智能体-物理世界的三元协同。在工业巡检中，多个巡检智能体协同作业，分别负责设备参数感知、环境安全监测、故障定位，将感知数据实时传输至云端与人类操作员。
在基于AI智能体的机房智能巡检中，AR眼镜持续采集视频流、音频流、IMU信号、眼动数据、对话文本及6DoF位置信息等多模态数据。边缘意图识别模型进行意图识别与理解，AI可根据现场情境自动识别匹配执行巡检任务，实时监测操作步骤并提供规范指引和误操作告警。这标志着智能体之间的沉浸式通信不仅是理论构想，而是正在成为产业落地的现实。