AI-RAN，会成功吗？

在5G向5G-A演进、6G布局加速的关键节点，人工智能（AI）与无线接入网（RAN）的深度融合已成为通信产业创新的核心方向。由英伟达主导发起的AI-RAN联盟，正在推动AI-RAN的标准化与商业化进程。

在进一步介绍AI-RAN之前，我们先来看看这位老朋友——RAN（无线接入网）。

无线网络在我们身边无处不在。无论是小区楼顶矗立的白色天线、还是在高速公路旁高耸的铁塔、抑或是在商场天花板上挂着的那些“蘑菇头”，它们都属于无线网络的最前端，也就是接入网部分，我们把它叫做RAN（Radio Access Network），即无线接入网。

简单来说，RAN就是你的手机通往互联网世界的“第一座桥梁”。它负责把你的手机里的数据通过无线电波传送到核心网，再把网上的视频或者文字下载到你的手机。

几十年来，这位“搬运工”经过了一轮又一轮的技术学习，从2G升级到了5G，能力越来越强。面对人民群众日益增长的上网需求，它一直勤勤恳恳，任劳任怨。但就像遭遇“中年危机”的办公室牛马一样，在这日新月异的AI时代，总有一个问题需要回答：怎样把工作和AI结合，实现降本增效，甚至创造新价值？

移动通信的“中年危机”

无线通信是一个高度混沌的系统。信号在空间传播的过程中，并不像理想实验室那样线性可控，而是受多种外部因素干扰，呈现十分复杂的非线性与动态性。传统的算法在信号处理时，高度依赖于“模型”和“假设”，牺牲了精度和适应性。这是“先天不足”。详情见我的上一篇文章《》。

在代际演进时，其实并没有太多突破性的频谱效率演进，主要靠“大力出奇迹”，也就是简单粗暴地增加载波带宽。2G带宽是200K，3G增加到了5M，4G增加到了20M。路宽了，速率自然就上来了。5G更是给干到了100M甚至400M（毫米波频段）。

在空间上也是如此。3G以单路发射为主，4G就以双路发射为标配，4路发射为高配，到后期支持到了8路发射，MIMO从此登上了历史舞台。路多了，速率就能成倍增加。到了5G，32路和64路收发成为主流，甚至128路收发也频见报端，这就是所谓的Massive MIMO。

大带宽和多天线收发的结合导致信号的物理层处理算法极度复杂，需要靠越来越强大的处理芯片来支撑，设备的成本水涨船高，系统功耗也不断攀升，使得”怎样更精细地控制设备关闭时间从而降低能耗“成为自5G商用以来一直被追问的话题。

与此同时，移动终端（手机）应用发展却没有跟上，也就是从文字、图片过渡到视频的传输，之前不断畅想了多年的VR并未普及，这就导致了在很多时候5G网络能力实际处于”过剩“状态，大家对流量的使用越来越不敏感。

当有人问出”为什么 5G 突然不火了”或者“5G是否是骗局”这样的问题时，我们不得不承认，疲惫的香农公式，不断递减的边际效应，已经使得移动通信遭遇“中年危机”，从曾经在镁光灯下“高新技术”沦落到无人在意甚至遭人嫌弃的边缘角落。

事已至此，自然不能沉浸在往昔的迷梦中不可自拔，唯有利用好自身尚存的优势，和如今风头无两的AI深度融合做好本职工作，再徐图突破。

比如，优化Massive MIMO性能，从而实现频谱效率提升；优化资源调度，服务好VIP用户的同时也兼顾普通用户，从而实现体验提升；洞悉网络中所有的业务需求，在话务低谷时最大限度关闭设备，从而实现能效提升；充分利用AI大模型来代替繁杂的人工运维操作，将网络自动化能力提升到L4以上，从而实现运维效率提升。

在此基础上，如果能分得时代红利，把AI基础设施的一部分蛋糕抢过来，就相当于开创了“第二曲线”。

AI-RAN适时而生

在2024年在巴塞罗那移动通信展期间 ，由英伟达牵头，联合软银、爱立信、诺基亚、微软、三星、T-Mobile等巨头成立了AI-RAN联盟。这标志着 AI-RAN 正式成为行业共识。目前AI-RAN联盟成员已超过了100家。

AI-RAN联盟的核心使命是推动AI技术与移动网络的深度融合，通过优化移动网络效率、降低功耗、改造基础设施，为5G-A及6G时代的AI应用释放新的经济价值，构建“算网一体”的新型无线通信生态。

AI-RAN联盟明确将技术研究划分为三大核心方向，即AI for RAN、AI and RAN、AI on RAN。这三个方向既相互独立又协同互补，共同构成了AI-RAN的完整技术体系。每个方向均围绕“提升效率、拓展能力、创造价值”的核心目标，形成应用路径与价值闭环。

AI for RAN：网络变强了

AI for RAN的核心定位是利用AI技术提升RAN网络的性能、运营效率与资源利用率。具体应用场景包括：

智能波束管理通过AI算法预测用户移动轨迹（如地铁乘客、赛事观众），动态调整波束指向与宽度；网络节能自治基于AI的潮汐式功耗调节机制，可根据人流密度自动切换基站的“性能模式”与“节能模式”；智能运维与故障预判通过训练海量基站历史数据，大幅减少人工干预需求。

如果把传统的基站比作一盏只会“开”和“关”的老式路灯，那么 AI-RAN 就是一套装有传感器和智能芯片的智能交通系统。它不再是死板地传输信号，而是具备了“感知”、“思考”和“决策”的能力。

• 它能看：感知周围有多少用户，他们在哪里，甚至预测他们要去哪里。

• 它能想：计算出用什么样的信号强度、什么样的频率组合能达到最佳效果。

• 它能做：实时调整天线的方向，避开干扰，甚至在没人的时候自动“休眠”省电。

这不仅仅是一次技术的升级，更是一场从“硬件定义网络”到“软件定义网络”，再到“智能定义网络”的生态变革。

AI for RAN突破了传统静态网络配置的局限，实现了网络的动态自适应与自治自愈，并实现网络时延、丢包率等关键指标优化；商业价值则体现在运营商运维成本的降低与网络资源利用率的提升，为高密度场景（演唱会、热门景区）的服务质量保障提供了技术支撑，运营商也可以卖场景叠加包来将网络保障能力变现。

AI and RAN：设备更省了

AI and RAN聚焦于AI与RAN的计算协同效应，通过整合双方算力资源，在同一套设备上同时运行通信和AI功能。这个方向主要解决的是资源浪费问题，体现了“共享经济”的智慧。

AI and RAN的重点研究方向如下：

• 多租户系统架构与组件设计：多租户系统是指一套软硬件平台可为多个独立用户提供服务，类似于写字楼里的多个公司一样。在AI-RAN的语境下，多租户是指同一套平台可以同时供AI和RAN使用，包括配置管理、租户隔离、安全与隐私保障、自动化、编排及服务管理。

• AI与RAN负载的全生命周期管理：优化AI与RAN的负荷管理，确保二者在AI-RAN基础设施中无缝集成与协同运行。验证多租户场景下，非RAN AI负载与RAN负载可并行运行，并在所有场景下满足RAN服务质量需求。

• 面向AI与RAN负载的数据中心优化：优化数据中心资源配置，以最大化资源利用率、降低运营成本，并推动整体集成目标的实现。

在传统模式下，运营商为了处理通信信号，需要购买专用的昂贵硬件；如果想运行 AI 程序，又得买另外一套服务器。这就像家里买了一个只能烤面包的烤箱，又买了一个只能热饭的微波炉，既占地方又费钱，而且大部分时间它们都是闲置的。

AI and RAN 提出了一种革命性的思路：让通信任务和 AI 任务在同一个通用平台上运行。通过工作负载编排技术，基站的计算资源（GPU/CPU）被智能分配：

• 在早高峰时段，90% 的算力用来处理通信信号，保证大家打电话上网畅通无阻。

• 在夜深人静时，空闲出来的算力被“出租”出去，用于训练自动驾驶模型、处理科学计算或者渲染云游戏。

AI and RAN的技术价值在于构建了“弹性基座算力”体系，实现了通信与智算资源的动态匹配；商业价值则为运营商开辟了“算力租赁”等新商业模式，推动运营商从“流量管道”向“算力服务商”转型。

AI on RAN：玩法更多了

由于基站离我们的物理距离非常近（通常就在几百米内），如果基站本身具备强大的 AI 算力，那么很多需要“极低延迟”的应用就成为了可能。

AI on RAN可通过RAN网络的优化连接、数据暴露与可编程能力，提升AI应用的性能与部署灵活性，将基站从单一通信节点升级为“通感算智”融合的边缘智能中心。

AI on RAN的重点研究方向如下：

• 基于 AI 的多媒体应用利用 AI 提升多媒体体验，如视频分析、增强现实/虚拟现实（AR/VR）、沉浸式游戏，以及下一代应用——触觉互联网和全息通信等。

• 基于 AI 的安全与关键业务应用借助 AI 强化安全类应用（如入侵检测），并支撑关键业务（如远程医疗）。

• 基于 AI 的自动化与工业应用将 AI 用于工业运营自动化及自主载具管理，例如无人机（UAV）、无人车与自动导引车（AGV）。

• 生成式 AI/AI 赋能的网络服务以 AI 和生成式 AI 提升网络级服务，如客户服务、用户交互、用户定位等。这些方案提高通信效率，实现用户与应用间的无缝协作。

• 高效的 AI/ML 模型切分依据无线链路状况、终端电池寿命等因素，将 AI/ML 模型在终端与 RAN 之间灵活切分，实现性能与能耗的最佳平衡。

这是AI-RAN最具有未来想象力的发展方向。此时的基站不再仅仅是管道，它变成了一个边缘计算中心。典型应用场景包括：

• 边缘AI即服务（AIaaS），基站内置单次推理成本极低的轻量化AI模型（如车牌识别、工业质检），企业可按需调用。

• 通感融合应用，通过亚米级精准感知能力，实现无人机轨迹追踪、人体体征监测、室内目标识别等场景，为风电场运维、核电远程检修等垂直行业提供支撑。

• 端侧AI体验升级，借助RAN网络的近场部署优势，实现端到端低时延AI服务，如在设备端快速生成高质量音视频，响应时间从分钟级缩短至秒级。

AI on RAN的技术价值在于它突破了AI应用对中心化数据中心的依赖，将AI推理时延控制在10ms以内，拓展了AI应用的部署边界；商业价值则在于激活了垂直行业的智能化需求，推动通信技术与行业数字化转型的深度融合。

AI-RAN产业进展

自AI-RAN联盟成立以来，产业进展呈现“标准加速制定、技术持续突破、场景试点落地”的三大特征。据行业预测，AI-RAN市场规模将快速增长，到2030年累计规模有望超过2000亿美元。

在2025年MWC巴塞罗那大会上，AI-RAN联盟展示了AI-RAN的十大应用演示，内容覆盖上述三大方向的一些成果：

• 具备在线学习能力的智能化空口

• 在RAN现网中实现上行信道插值

• 基于AI的PUSCH信道估计

• 基于神经形态接收机的 AI高阶调制优化

• 面向移动场景干扰抑制与节能的 AI 驱动 5G 波束赋形

• 基于AI的RAN频谱感知

• AI-RAN协同编排

• 面向5G网络的AI驱动频谱感知——实现动态且隐私保护的AI模型切分

• 通信与感知一体化

• 基于RAN的AI目标检测

这些演示提供了A-RAN的实际能力验证，虽然还都处于非常早期的阶段，但无疑证实了在RAN系统中引入AI可以带来切切实实的性能提升。

在2025年10月，英伟达宣布投资10亿美元入股诺基亚，双方将联合开发基于英伟达平台的商用级AI-RAN产品，推动AI原生5G-Advanced与6G网络的部署。同时，T-Mobile将与双方合作开展技术测试，聚焦用户体验提升与性能验证。

这两家公司的联手被视为行业转折点，标志着AI-RAN进入全球化创新与商业化的加速阶段，为6G时代的AI原生网络奠定了基础。诺基亚拥有深厚的通信行业积淀，而英伟达则是地表最强的 AI 算力提供商，正在试图将版图延伸到移动通信产业。

在我看来，近两年英伟达的动作，无疑是务实且目标明确的。

首先，在当前5G建设已经广泛铺开的情况下，让运营商放弃传统RAN是不切实际的；并且，在现阶段，AI for RAN的价值是广泛认可的，即在基站侧集成AI能力之后，是切切实实可以提升网络性能的。

中国运营商已广泛部署的AI-RAN方案已经证明了其价值。但英伟达基于GPU的全新AI-RAN架构相比传统设备商的渐进式演进方案（在传统基站内增加AI处理模块）并无太大优势。

AI and RAN和AI on RAN虽然想象力巨大，但现阶段各主要玩家的AI大模型还主要基于云端推理来向大众提供服务，对需要通过云边协同来降低时延的这类应用的需求似乎并不紧迫。也就是说，AI and RAN和AI on RAN的商业模式还未经过市场验证，目前进行大规模投资时不明智的。

在这种形势下，英伟达唯有抢占6G高地，和传统设备商巨头绑定，推动AI-RAN技术落地验证，打造“全美国AI-RAN技术栈”这一技术和政治双重制高点才能有可能在后续的6G市场占据一席之地。