通感一体化技术通过共享频谱与硬件资源，显著提升了频谱利用效率，同时降低了硬件尺寸与功耗，为各类5G新兴应用提供了有力支撑。然而，传统通感一体化技术对精确数学模型的依赖，使其在实际应用中面临计算复杂度高、扩展性受限等挑战。近年来，人工智能凭借其卓越的学习能力、出色的泛化性能、快速的推理速度以及对动态环境的高度适应性，为上述问题提供了可行的解决方案，推动了系统设计从模型驱动向数据驱动的转型，促使集成人工智能技术的智能通感一体化成为了当前研究的热点领域。然而，目前学术界仍缺乏对智能通感一体化技术的系统性综述研究。

　　为填补这一研究领域的空白，该研究对智能通感一体化的研究动机、典型应用、最新发展趋势及未来挑战进行了全面而深入的综述，系统阐述了通感一体化的基本原理与关键技术，涵盖各类通感一体化系统、通感性能的权衡机制以及典型应用场景；详细介绍了前沿人工智能技术，包括深度学习、深度强化学习、联邦学习、生成式人工智能及迁移学习，并从系统设计与优化求解的角度，对比分析了模型驱动与数据驱动两种范式下的通感一体化系统；总结了人工智能在参数估计、波形设计、波束预测、资源分配、干扰管理及系统级设计等方面的典型应用，并梳理了人工智能赋能的通感一体化最新发展趋势，深入探讨了智能通感一体化未来可能面临的研究问题与挑战。此项研究作为该领域较早且较为系统的综述性研究成果，为智能通感一体化技术的发展提供了重要的理论参考和研究框架。