驭AI RAN“双轮” 引行业“创变”

作者：毛烁

随着人工智能（AI）技术的飞速发展，电信行业正经历着一场深刻的变革。这场变革不仅体现在网络架构的更新，更在于运营商商业模式的彻底转变。

传统电信运营商的收入主要依赖于“管道”——即通过流量和语音话费收取费用，这一收入模式使得运营商与内容创造和分发之间的联系较为薄弱。然而，随着生成式AI在无线接入网（RAN）中的应用，运营商正从传统的通信服务商转型为云服务提供商（CSP）。

根据Tractica预测，在2016年至2025年，电信运营商主要将AI用于网络运营监控和管理，此期间这方面支出将占到电信业AI支出的61％。2018-2025年人工智能采用和支出排名前10位的行业中，电信行业居于首位。

这一趋势背后，是电信业对AI技术潜力的高度认可，更是行业加速转型的迫切需求。AI与RAN的融合，能使运营商突破传统的管道限制，开辟出内容服务的新收入来源。全球范围内，各大运营商、电信企业都在积极推进这一变革。借助AI技术，与庞大的网络基础设施融合，为用户提供定制化的服务。

“AI With RAN & AI For RAN”双轮驱动

随着人工智能（AI）技术的不断发展，传统的无线接入网（RAN）架构逐渐显露出在处理复杂计算任务时的局限性。

AI与RAN的融合，通过将GPU替代传统的定制芯片和x86芯片，特别是在RAN的中央单元（CU）和分布式单元（DU）中，为网络带来了巨大的变革。GPU以其强大的并行计算能力，能够高效处理深度学习和AI任务，这使得AI-RAN不仅能提高计算效率，还能更灵活地应对日益增加的网络AI需求。与依赖专用硬件的传统RAN不同，AI-RAN通过GPU加速实现了更低的硬件依赖，使得网络架构变得更加开放和灵活，从而能够更好地适应未来网络的变化和需求。

此外，AI与RAN的融合还能打造出虚拟化RAN（vRAN）与边缘计算（MEC）共享计算资源的创新方案。传统网络架构中，计算资源往往被分散在不同的物理位置，导致资源调度不够高效。而在AI-RAN中通过集中管理和共享这些计算资源，网络不仅可以实现更高效的资源调度，还能优化整体网络性能。特别是在5G时代，计算需求逐渐从中央向网络边缘转移，AI-RAN的vRAN和MEC共享方案能够更加灵活地应对低时延和高带宽需求的应用场景，确保计算资源的高效分配和利用，从而为用户提供更优质的网络体验。

在AI-RAN的框架下，“AI With RAN”和“AI For RAN”是两种关键的应用模式：

“AI With RAN”通过动态共享计算资源，使得AI应用和RAN负载能够协同工作，优化资源利用率。例如，在网络流量低的时段，闲置的计算资源可以被用于支持其他计算密集型应用，如边缘计算和AI模型训练，甚至可以进行算力出租，为运营商创造额外收入。

“AI For RAN”则是将AI技术直接应用到RAN的性能优化中。传统的信号处理过程依赖于固定的计算方法和公式，虽然这些方法经过多年优化，但随着网络的复杂性和需求的增加，AI的引入可以显著提升处理效率和性能。通过深度学习、神经网络等技术，AI能够优化信号传输、频谱利用和网络调度，使得RAN在频谱利用、干扰管理和流量分配等方面更为智能。AI能够根据实时网络状况进行自适应调整，从而提高网络容量、减少延迟，并提高无线通信的质量。

“AI With RAN”和“AI For RAN”双轮驱动的变革，极大程度上推动了RAN性能的提升。为了将这种创新进一步推向极致，行业内的领先平台也在探索更加智能化的应用路径。

NVIDIA推出的AI Aerial平台，通过生成式AI与无线接入网络（RAN）的深度结合，为5G网络的智能化发展提供了强大的技术支撑。该平台在三个方面展现了独特优势：

作为全球首个将生成式AI 与无线接入网络（RAN）流量相结合的平台，AI Aerial致力于推动 5G 和智能化和高效化，并提供了一系列强大的功能，包括：

1、NVIDIA Aerial CUDA 加速 RAN：通过 NVIDIA 加速计算平台，帮助合作伙伴开发和部署高性能的虚拟化 RAN 工作负载，显著提升网络性能和灵活性。

2、NVIDIA Aerial AI 无线电框架：基于 PyTorch 和 TensorFlow，开发并训练能够提高频谱效率的 AI 模型，为 5G 和 6G 无线电信号处理提供创新的功能。此框架还包括 NVIDIA Sionna，支持基于神经网络的无线电算法的链路级模拟与开发。

3、NVIDIA Aerial Omniverse 数字孪生（AODT）：该系统级网络数字孪生平台具备物理学精度，能够模拟从单个基站到整个城市范围的大规模无线系统。AODT 集成了软件定义的 RAN、用户设备模拟器，并能模拟现实地形与物体属性，助力无线网络的优化和创新。

“五维”场景“智变”

AI-RAN带来的性能升级，也让电信企业赋能更多的行业创新，并收获更多商业机会。通过引入人工智能与机器学习技术，AI-RAN能够对网络资源进行智能调度、优化流量管理，并大幅度降低网络延迟。这不仅提升了无线网络的整体性能，也为多个行业的前沿技术应用提供了坚实的支持。

在工业生产场景下，产业项目中部署了数据中心，结合了5G私网和AI技术，推动了两个关键应用。一方面，借助AR眼镜，工程师可以实时查看仪表的各个按钮和指标，并进行备注和理解，大大提高了巡检效率，同时通过数据采集系统提供生产预警，确保生产顺畅。另一方面，在流水线上安装高清摄像头，通过AI进行瑕疵检测，自动识别产品外观问题，提高了生产线的质量控制能力。这些技术的结合，有效提升了工业现场的智能化水平。

在低空经济的应用场景中，无人机将成为日常物流配送、城市巡检等任务的关键工具。然而，由于高楼大厦和其他建筑物的遮挡，传统的GPS定位无法满足无人机在复杂城市环境中的精确导航需求。AI-RAN通过优化5G网络的信号传输和处理能力，为低空经济提供了新的解决方案。

以深圳市人民公园的无人机配送项目为例，该项目通过AI-RAN技术实现了无人机的精准定位与实时通信。通过AI-RAN的智能信号处理和低延迟传输，5G基站不仅提供了通信功能，还能通过雷达信号对无人机进行实时定位和跟踪，避免了传统GPS的盲区问题。在无人机配送场景中，AI-RAN有效提升了无人机的路径规划和避障能力，使得无人机能够在公园这一复杂环境中安全、精准地执行任务。

在具身智能的应用场景下，机器人需要在复杂环境中执行任务，而这通常依赖于机器人的感知系统（如摄像头、传感器）和云端的计算能力。AI-RAN为这一过程提供了强大的通信支持，特别是在边缘计算和云计算之间的无缝协作。

某智能仓储企业在其自动化物流系统中使用了AI-RAN来提升机器人与云端之间的数据传输效率。该系统中，机器人通过安装在端侧的传感器采集环境数据，并通过5G网络上传输至云端进行分析和处理。AI-RAN通过优化数据流的传输和降低延迟，确保机器人能够实时接收云端的指令并执行任务。

在AI Phone的应用中，体现了AI-RAN在消费端的重要性。AI Phone通过大语言模型和语音识别技术，为用户提供更加智能、便捷的交互体验。然而，这一技术的实现离不开强大的网络支持，尤其是在处理实时语音数据和云端AI计算方面。AI-RAN在这一过程中发挥了至关重要的作用，优化了语音数据的传输和计算过程。

以某品牌手机的语音助手为例，用户通过语音指令可以轻松完成如打车、发送文件等操作。手机端通过利用AI-RAN技术，可以确保语音数据能够以低延迟、高带宽的方式上传到云端进行处理。生成式AI模型在云端进行自然语言理解和任务执行，并将结果反馈到手机端，提供智能的回应。

在这一过程中，AI-RAN通过优化无线网络资源的调度，使得用户与AI Phone之间的语音交互变得更加流畅和精准。例如，用户在繁忙的城市街道上使用语音助手进行打车操作，AI-RAN能够确保即便在信号较差的环境下，语音数据依然能够稳定传输，确保系统能够迅速响应。

AI-RAN正在为电信行业带来无限创新机遇，您是否准备好通过AI引入更多创新动能与商业机遇？智能化转型正当其时，搭上这趟快车，共同开启全新篇章！点击此处了解更多详情。