语义通信技术改变了传统通信系统以比特准确传输为目标的范式，转而关注传输内容语义信息的准确传递。在通感算融合架构中，通信、感知与计算三类任务共享网络资源，语义通信的引入使任务卸载决策不再仅依据数据量大小和信道质量，还需考虑任务的语义重要性和语义压缩潜力。语义通信驱动的任务卸载将计算任务在终端、边缘节点和云端之间分配，分配依据包括任务的语义特征、计算复杂度和时延约束。算力资源的动态编排根据任务负载的时空分布调整各节点的计算资源配置。任务卸载与算力编排的协同运行，使通感算融合系统能够在通信资源、感知资源和计算资源之间实现全局优化配置。
语义通信的核心思想是在发送端提取信源的语义特征，仅传输语义特征而非原始数据，接收端根据语义特征重建信息内容。语义特征的提取依赖于深度学习模型，模型将原始数据映射至低维语义空间，语义空间的维度远小于原始数据维度。在通感算融合场景中，感知数据包括图像、点云和雷达回波等，语义通信对感知数据进行语义压缩，提取目标的位置、类别和运动状态等关键信息，丢弃背景纹理和噪声等冗余内容。语义压缩率取决于任务对语义精度的要求，在目标检测任务中，语义特征需保留目标的位置和类别信息，对背景信息的精度要求较低。语义通信的引入使任务卸载的数据量大幅缩减，传输时延和带宽占用相应降低，为时延敏感的通感算融合任务提供了更宽松的通信预算。
任务卸载决策在语义通信驱动的通感算融合架构中需要综合考虑语义压缩率、计算任务复杂度和通信链路质量。终端设备生成感知数据后，首先评估数据中蕴含的语义信息量和本地计算能力。如果本地计算能力充足且任务时延要求宽松，终端可自行完成推理计算，无需卸载。如果本地计算能力不足或任务时延要求严格，终端将语义特征上传至边缘节点进行计算。边缘节点的算力配置和当前负载影响卸载决策，在边缘节点负载较高时，任务可能被进一步卸载至云端。云端算力充足但传输时延较大，适用于时延容忍度较高的任务。卸载决策的目标是在满足任务时延约束的前提下最小化系统总资源消耗，资源消耗包括终端的能耗、通信链路的带宽占用和边缘节点的计算资源占用。语义压缩率影响通信带宽占用，压缩率越高则传输数据量越小，但压缩过程中的计算开销和语义信息损失相应增加。
算力资源的动态编排在通感算融合架构中需要应对任务负载的时空波动。感知任务的到达具有随机性，在交通流量高峰或特定事件触发时，边缘节点的计算负载可能在短时间内急剧上升。算力编排机制监测各节点的负载状态和任务队列长度，根据负载分布将任务调度至负载较低的节点。编排策略包括纵向编排和横向编排。纵向编排在终端、边缘和云端三个层级之间分配任务，根据任务的时延约束和计算复杂度选择最合适的执行层级。横向编排在多个边缘节点之间分配任务，利用边缘节点之间的算力差异和负载差异进行负载均衡。动态编排的调整周期需与任务负载的变化速率匹配，调整过快增加调度信令开销，调整过慢则无法及时响应负载变化。算力资源的编排还需考虑节点间的通信开销，跨节点任务迁移产生的数据传输时延可能抵消负载均衡带来的收益。
语义通信驱动的任务卸载与算力编排之间的协同需要在系统层面建立统一的优化框架。任务卸载决策确定每个任务的执行位置，算力编排确定各节点的计算资源配置，两者相互影响。任务卸载的结果改变各节点的负载分布，算力编排根据负载分布调整资源配置，资源配置的变化又影响后续任务卸载的决策依据。联合优化问题涉及任务分配和资源分配两类变量，求解复杂度高。分解优化方法将联合问题分解为任务卸载子问题和算力编排子问题，交替迭代求解。任务卸载子问题在给定算力配置的条件下优化任务分配方案，算力编排子问题在给定任务分配方案的条件下优化资源配置。交替迭代的收敛速度取决于子问题求解的效率和两个子问题之间的耦合强度。在系统运行过程中，联合优化周期性地执行以适应任务负载和链路质量的变化。
工程验证中的语义通信驱动通感算融合系统需要在包含终端设备、边缘节点和云端服务器的测试平台上评估任务卸载和算力编排的性能。测试场景包括感知任务负载平稳、负载突发上升和链路质量波动等典型情况。评估指标包括任务完成时延、系统吞吐量、终端能耗和边缘节点资源利用率。测试数据表明语义通信的数据压缩使任务卸载的传输时延相比原始数据传输有明显降低，任务卸载决策在语义压缩率和计算复杂度之间取得了平衡。算力动态编排在负载突发场景中通过跨节点任务迁移缓解了单节点过载，任务完成时延的尾部概率相比静态配置有所降低。语义压缩率与任务精度之间的权衡在测试中进行了量化，压缩率过高导致语义信息损失，影响任务精度，压缩率过低则通信开销增加。当前，语义通信驱动的通感算融合技术正处于从理论分析向系统级验证过渡的阶段，相关算法和架构设计已在多个测试平台上完成性能评估，为后续的标准化和产品化提供技术基础。
