MWC 2026：爱立信AI-ready RAN深度解析

在2026年巴塞罗那世界移动通信大会（MWC2026）上，无线接入网（RAN）与AI的深度融合，依然是核心焦点，名为“AI原生”。爱立信发布的AI-ready RAN方案，将原生AI能力下沉至基站的最末端——射频单元，引发行业广泛讨论。

那么，AI-ready RAN到底是什么，跟业界其他厂家的方案有哪些差异，到底谁会赢得未来？且看下文分解。

一、AI和RAN融合，到底要解决什么问题？

无线接入网是手机与运营商核心网之间的“最后一公里”，由基带单元（BBU）、射频单元（RRU或者AAU）、天线等设备组成，直接决定手机上网的速度、时延、稳定性，是移动通信网络的核心底座。

近年来，AI在RAN中的应用（业界称作AI for RAN），基本上经历了两个阶段，从外挂式AI到网络原生AI：

1. 外挂AI：AI仅作为“辅助工具”，不触碰RAN核心运行逻辑。典型应用是用AI做流量预测、基站节能休眠、网络故障预警、参数批量优化，均为非实时的场景，相当于给基站装了个“智能监控管家”；而基站的调度、编码、波束成形等核心流程，仍依赖传统静态协议与固定规则运行。

2. 原生AI：AI深度嵌入RAN的物理层、数据链路层等核心协议栈，直接参与空口调度、信道预测、链路自适应等实时性要求极高的核心流程。简单说，就是让基站从“按规则执行的机器”，变成“能感知、能预测、能实时决策的智能系统”，这也是当前整个行业的核心演进方向。

为什么RAN和AI的融合，一定要走向AI原生呢？这是移动通信的底层需求正在发生着天翻地覆的变化，传统RAN架构已触及性能瓶颈：

1. 流量模型的颠覆：过去移动网络是下行主导，核心需求是刷视频、下载文件；但随着AI手机、AR眼镜的普及，大量AI推理数据、空间视频、实时传感数据需要上传，上行流量占比已飙升至30%-40%。通过AI来实时分析流量特征，动态调度资源、优化传输策略，已成为强需求。

2. 业务的极致要求：新业务发展对时延和可靠性的要求越来越高，而无线信道天生存在衰落和干扰，难免发生质差，传统基于“事后补偿”的调度机制，难以跟上信道变化，只有靠AI提前预测、主动决策，才能突破这一物理瓶颈。

3. 能效与成本约束：运营商的网络能耗中，RAN占比超过70%，而全球移动流量每年仍以20%以上的速度增长。传统架构只能靠“堆硬件”提性能，必然带来能耗与成本同步上涨，只有靠AI实现性能与能效的动态最优平衡。

上述的这三点，让AI原生RAN成为了全球运营商的“必答题”，也是主流设备商都在全力押注的核心赛道。

二、爱立信的AI-ready RAN，讲了哪些技术/产品？

AI-ready RAN的核心逻辑是，不采用GPU这样的通用硬件，而是基于深度定制的专用硬件，即Ericsson Silicon，来做RAN的AI原生全栈设计。

传统RAN架构中，算力基本集中在基带单元，AI算法也均运行在BBU里；而射频单元主要负责信号收发转换，基本上没有AI处理能力。这就带来两个问题：

1. 时延增大：海量信道数据需通过前传网络，从AAU传到BBU做AI处理，再将决策结果传回来，一来一回产生不必要的时延；

2. 带宽浪费：前传网络需传输大量原始信道数据，占用宝贵带宽资源，同时数据反复搬运，带来大量不必要的能耗。

在Ericsson Silicon芯片中，集成了专为无线通信场景优化的可编程神经网络加速器（NNA），把AI推理能力直接下沉到AAU/RRU的射频端，让射频单元自身就能完成实时AI处理，数据无需来回传输。

结合爱立信官方数据与第三方机构分析，该芯片的核心特点如下：

1. 专用加速，能效比突出：NNA并非通用AI芯片，而是专门针对无线通信的AI负载优化，AI模型尺寸小，同时将性能损失严格控制在1%以内。相比通用GPU的AI加速，其在无线场景的推理能效比优势明显。

2. 微秒级处理，实时性强：通过内存调度优化，可在本地完成L1物理层的AI负载处理，彻底消除数据往返传输的时延，将物理层AI处理时延压缩至微秒级，可匹配无线信道快衰落的变化速度。

3. 兼容现网，部署门槛低：该芯片搭载于爱立信全系列基站产品，支持现有4G/5G网络的软件平滑升级，运营商无需大规模替换现网硬件，即可开启基础AI能力，能最大程度保护现网投资。

如果说Ericsson Silicon是方案的“硬件底座”，那三大支柱就是将AI能力落地到实际场景的完整体系。

支柱一：AI-ready无线硬件产品矩阵

该产品矩阵的核心，是搭载集成NNA的Ericsson Silicon芯片的全系列AAU/RRU设备，覆盖FDD/TDD全频段、Massive MIMO全场景，从高功率广覆盖到轻量化密集城区部署。

产品型号

核心定位

技术亮点

AIR 3286

高功率 FDD Massive MIMO

突破 FDD 频段上行覆盖与容量瓶颈，显著提升深度覆盖能力

AIR 3211

TDD/FDD 融合 Massive MIMO

单硬件实现 TDD 与 FDD 双制式融合，最大化频谱利用效率

Radio 4891/4458

8 接收通道射频单元

硬件级强化上行接收性能，专为 AI/AR 上行大流量场景优化

AIR 3267

轻量化 TDD Massive MIMO

仅 13kg 重量实现 600MHz 瞬时带宽，适配密集城区轻量化部署

AIR 6492

旗舰级 TDD Massive MIMO

256 天线振子 + 480W 高输出功率，实现容量与覆盖的突破性升级

Radio 4488/4464

高功率三频远端射频单元

专为网络整合与 RAN 共享场景设计，降低多频段部署复杂度

支柱二：AI赋能RAN软件套件

硬件只是载体，真正让RAN实现“智能跃迁”的，是这套深度嵌入协议栈的AI软件算法。其核心逻辑，是用AI替代传统RAN中基于静态规则的核心流程，实现从“被动响应”到“主动预测”的转变。

1. AI管理波束成形：传统波束成形依赖终端反馈的信道信息，从预设码本中选择最优波束，在高速移动、复杂遮挡场景下，易跟不上信道变化；而AI波束成形通过深度学习模型，实时分析用户空间特征和历史信道数据，直接生成最优自定义波束权重，突破固定码本限制，提升复杂场景下的信号稳定性。

2. AI信道预测与链路自适应：传统链路自适应是“事后补救”——信道变差后再调整编码和调制策略，易导致卡顿、掉话；AI信道预测通过时序预测模型，提前数毫秒预测信道深衰落，在信道恶化前主动调整传输策略，从根源上避免传输失败，提升频谱效率。

3. AI智能调度与移动性管理：传统调度器“平均分配”资源，无法精准区分业务优先级；传统切换需终端信号差到一定阈值才触发，易出现中断。AI调度器可精准识别低时延高可靠的AI/AR业务流，为其分配资源抢占权；AI移动性管理能提前预测多站点信号变化，提前预留目标小区资源，将切换中断时间降至最低，保障高速移动场景下的业务连续性。

支柱三：高性能天线产品

无线性能的上限，最终由天线系统决定。AI波束成形、上行性能优化的效果，均需通过天线实现。爱立信同步发布的五款高性能天线产品，核心是与AI-ready射频设备深度协同。

三、爱立信和其他厂家的AI原生方案有什么不同？

当前全球AI RAN赛道，已形成两条泾渭分明的技术路线，没有绝对的好坏，只有不同的产业取舍。

路线类型

核心代表

底层逻辑

核心取舍

专用硬件原生集成路线（ASIC）

爱立信

基于深度优化的专用芯片做AI加速，算力下沉到射频边缘，AI深度嵌入空口核心流程

牺牲一定通用性和开放性，换取极致的实时性、能效比和网络性能

通用算力云化开放路线（GPU）

诺基亚（与英伟达合作）

依托通用GPU，在集中或者分布式基带单元部署AI能力，适配开放解耦的O-RAN架构

牺牲一定实时性和能效比，换取更强的灵活性、开放性和算力复用能力

上述两个方向在指标上的对比如下：

对比维度

ASIC（爱立信）

GPU（诺基亚/通用）

典型功耗

50-100W（电信级优化）

700-1000W（数据中心级）

能效比（TOPS/W）

10-100（领域专用优化）

1-5（通用架构开销）

适用场景

嵌入式实时推理、确定性控制

复杂模型训练、高吞吐批量推理

灵活性

有限（功能域约束）

高（通用可编程）

演进风险

算法范式变革时可能僵化

快速跟进最新AI进展

专用硬件原生集成路线的优势：

1. 保护现有投资：对现网产品进行软件升级或者增加新的板卡即可集成AI，可最大化利旧现网基础设施，无需部署全新的整套设备。

2. 极致的能效比：专用AI加速器硬件可深度定制，实现L1物理层实时AI处理，有效降低基站能耗。这对运营商降低运营成本极为重要。

3. 快速AI变现：AI RAN主要分为AI for RAN和RAN for AI两个维度。基于专用AI加速可以快速、低成本搭乘AI时代红利，能效提升、谱效提升、运维效率提升，还可以通过智能保障高价值用户体验实现多维网络能力变现。而RAN for AI的商业模式尚不清晰，可徐图之。

通用算力云化开放路线的优势：

1. 灵活性极强：通用GPU可兼容各类新型AI算法和模型，无需担心硬件固化的迭代风险，能快速跟进6G空口技术演进，灵活适配未来多样化的AI应用场景。

2. 生态开放度高：完全兼容O-RAN开放解耦架构，支持第三方硬件、算法的接入与适配，运营商不会被单一厂商锁定，符合行业开放化发展趋势。

3. 商业变现潜力：基站搭载的通用GPU算力，在网络闲时可释放给边缘AI推理、元宇宙渲染、工业AI分析等非通信业务，帮助运营商实现算力资产二次变现，拓展新的收入来源，契合运营商“算力网络”转型需求。

从上面这两个路线的优势可以看出，专用硬件的优势，正是通用硬件的劣势；而通用硬件的优势，也是专用硬件的劣势。

这是因为，专用硬件路线的代表爱立信本身就是老牌通信设备商，全球市场份额巨大。引入AI最有利的途径，自然是立足现网，逐步满足客户需求，稳扎稳打。

而通用算力的代表诺基亚则由于自身的产品竞争力不足而积极寻求变化，英伟达是新入局者，自然要基于自身的优势领域来推出变革性的产品，以求强势入局。

目前来看，现阶段运营商必然优选专用硬件路线。通用算力路线只能是不断积蓄力量，将目光放长远，不断投入6G技术研究和标准制定，并孵化边侧AI应用彰显算力变现价值，以图在未来拥有一席之地。

四、未来展望：道阻且长，行则将至

MWC2026的大幕即将拉开，爱立信的AI-ready RAN，上是全球通信产业向AI原生网络演进的一个缩影。其未来发展既有机遇，也面临诸多行业共性挑战。

从短期来看，AI-ready RAN这类方案，确实能解决当前5G-A商用深水区的核心痛点，能帮助运营商在AI终端爆发的浪潮中，提升网络差异化竞争力，实现从“流量经营”到“体验经营”的转型。

从长期来看，AI原生RAN是6G网络的核心架构，这已成为全球产业共识。3GPP在R20版本中，已明确将“AI原生”列为6G核心设计原则，未来6G网络中，AI将贯穿从物理层到应用层的全协议栈。

移动通信的发展史，从来都是一部需求驱动技术演进的历史。从1G到5G，我们解决了“人与人、人与物、物与物”的连接问题；而AI原生的6G，我们将要解决的，是“让连接拥有智能，让智能无界互联”的问题。

RAN和AI的融合的没有完美的技术路线，只有贴合需求的取舍，而每一次取舍，都在推动通信产业向更智能、更高效、更具价值的未来迈进。