AI-RAN打通电话：是什么？怎么看？

技术难点在哪？会动谁的奶酪？

日前，在英伟达GTC柏林2026大会上，T-MobileUS宣布完成全球首次商用现网AI-RAN通话；同步亮相的还有三款AerialRAN Computer（ARC）服务器新品，以及德国电信、英国电信、Orange等多家欧洲运营商的现网试验计划。

这一系列进展，标志着AI-RAN自2024年AI-RAN联盟成立后，正式从实验室验证迈入商用现网验证阶段，也让这一无线接入网的重要演进路线再次成为产业焦点。

从概念提出到现网通联，AI-RAN的落地速度超出行业普遍预期。但与此同时，关于其技术本质、真实商业价值以及对产业格局的长期影响，行业内仍存在诸多分歧，那么AI-RAN现网首通落地的背后到底是什么？

什么是AI-RAN？

AI-RAN（人工智能无线接入网）是无线接入网架构与人工智能技术深度融合的演进方向，其内核是将AI算法深度嵌入无线信号处理、资源调度、网络运维全链路，并依托可扩展的算力平台，实现通信连接与AI计算的一体化承载。

按照AI在RAN协议栈中的嵌入深度与业务属性，可划分为三个技术维度，三者层层递进，共同构成完整的AI-RAN技术体系。

一是AI-for-RAN。以优化网络自身性能为目标，AI运行于RAN协议栈之外的编排层或运维层，通过数据分析反哺网络参数调优，典型场景包括AI节能、流量预测、故障诊断等。这是当前最成熟的应用形态，已在全球运营商网络中规模部署。

二是AI-in-RAN。AI直接嵌入RAN协议栈的L1-L3层，替代或重构信道估计、波束赋形、链路自适应、多用户MIMO配对等核心功能模块，实现微秒级的实时决策。本次T-Mobile现网通话的核心技术突破，便集中在这一层面。

三是AI-on-RAN。以拓展网络价值边界为目标，依托基站站点的机房、供电、传输资源，在RAN算力平台上直接承载第三方边缘AI推理业务，如工业视觉、实时视频分析、终端模型卸载、通感一体化感知等，使基站从通信节点升级为分布式边缘计算节点。

按照AI对RAN架构的渗透深度，行业普遍将AI-RAN落地划分为三个递进阶段，当前全球整体处于第二阶段的早期验证期。

AI辅助优化阶段AI作为外挂工具，仅对现有基带算法的参数进行动态调优，不改变核心信号处理链路的底层逻辑。该阶段技术门槛最低，本质是用数据驱动替代部分人工规则，不涉及架构层面的重构。

AI模块替代阶段用AI模型直接替换基带物理层、MAC层的核心功能模块，从算法层面重构无线信号处理流程。

以最具代表性的信道估计为例，传统算法以LS、MMSE为代表，依赖导频信号做插值估计，逻辑简单但存在天然局限，LS算法抗噪声能力弱，MMSE算法依赖先验信道统计信息，在复杂多径、低信噪比的小区边缘场景下性能衰减明显arXiv。

而基于深度学习的AI信道估计，可通过海量信道数据训练，拟合噪声、射频失真、多径衰落等复杂信道特征，甚至利用全部时频资源的信息做全局估计，而非仅依赖导频位置。实测数据显示，在低信噪比场景下，AI信道估计可带来最高40%的吞吐量增益，这也是AI-RAN提升频谱效率的核心技术原理。

端到端AI原生阶段从波形设计、调制编码到资源调度、协议栈优化，实现端到端的AI生成式设计，构建完全AI原生的空口架构。该阶段对应6G技术目标，目前仍处于基础研究与标准预研阶段。

值得关注的是，行业常将AI-RAN与vRAN、OpenRAN混淆，三者存在技术关联，但目标与变革深度有本质区别。

vRAN是硬件通用化，将基带软件从专用ASIC迁移至通用x86服务器，解决硬件专用性问题，但不改变基带算法的核心逻辑，也不必然包含AI能力；OpenRAN是接口标准化与多厂商互通，打破传统设备商的软硬件封闭生态，实现RAN各模块解耦与混合组网，AI是其可选功能组件而非核心目标；AI-RAN是算力与算法的全栈重构，目标是实现RAN的智能化与价值拓展。vRAN的通用算力底座、OpenRAN的解耦架构，均可作为AI-RAN的实现基础，但AI-RAN的变革深度远高于前两者。

全球首次是怎么通的？

本次T-Mobile完成的全球首次商用现网AI-RAN通话，并非语音内容由AI生成，而是首次在真实商用网络环境中，基于通用GPU加速的软件定义基带，完成了完整的5GSA语音通话全流程，且核心信号处理环节嵌入了AI算法。

据《通信产业报》全媒体记者了解到，完整技术链路自上而下分为四层。

终端层采用量产商用智能手机，无需定制化改造，直接接入5GSA网络，用户侧无感知差异。

射频层采用诺基亚商用MassiveMIMO无线设备，运行于T-Mobile现网授权频谱，承载真实无线信号收发。

基带计算层与传统基站的专用ASIC基带单元被英伟达ARC商用服务器替代。硬件上以RTXPROBlackwell架构GPU为核心算力载体，软件上运行诺基亚anyRAN完整5G基带协议栈，并在信道估计、波束赋形等物理层核心模块采用AI算法实现。

最后则是核心网层接入T-Mobile现有5G SA商用核心网，完成完整的通话信令交互与媒体面转发。

从工程实现角度，本次验证的难点在于硬实时性保障，5G物理层处理要求亚毫秒级的确定时延，通用GPU此前因调度时延问题难以满足电信级基带要求。本次现网通跑通，意味着通过GPU架构优化、实时调度算法改进，通用算力已初步具备承载商用级实时基带处理的工程可行性。

由此看来，本次现网通话的价值，验证了通用算力承载实时基带处理的工程可行性。自移动通信诞生以来，基带物理层的实时处理始终由专用ASIC芯片承载，通用算力因能效、时延问题始终无法进入核心链路。本次现网验证打破了这一技术路径依赖，为RAN的底层算力底座提供了替代方案。

诺基亚首席技术与人工智能官Pallavi Mahajan表示，这一突破的深层意义在于，RAN首次具备了与云、互联网一致的软件定义迭代能力，后续功能升级可通过CI/CD模式快速迭代，不再受硬件换代周期约束。

客观来看，当前AI-RAN仍处于现网验证初期，距离规模商用仍存在多个待解问题，一是全场景性能增益尚不明确。目前公开的性能增益多集中在低信噪比、小区边缘等特定场景，全网平均增益仍缺乏大规模实测数据支撑；且AI模型的泛化性仍需验证，不同地形、不同频段下的性能稳定性有待观察。二是能效与成本仍存短板。通用GPU在算力灵活性上具备优势，但在基带专用场景下的能效比与单位成本，相比经过深度优化的专用ASIC芯片仍存在差距。三是电信级可靠性有待验证。通信网络要求99.999%的电信级可靠性，涉及故障倒换、容灾备份、长期稳定性等多个维度。

技术格局会变吗？

不可忽视的是，AI-RAN的演进，本质上是一次RAN产业底层规则的重构，涉及算力底座、商业模式、产业话语权的重新分配，也因此催生了全球设备商阵营的路线分化。

当前全球设备商围绕AI-RAN形成了两条清晰的技术路线，分歧的核心是“RAN的底层算力应该专用还是通用”。

第一条是通用算力路线，以诺基亚+英伟达为代表。该路线放弃自研基带专用ASIC，底层算力采用通用GPU加速平台，设备商聚焦上层RAN软件栈与AI算法开发，走“软件定义+通用算力”的路径。其优势是技术迭代快、生态开放、可承载多元AI业务；短板是当前能效与成本不及专用芯片。

第二条是内生AI路线，以爱立信、华为、中兴为代表。该路线坚持专用ASIC为基带核心算力载体，在专用芯片中集成神经网络加速单元，将AI能力内生于传统RAN架构中，走“专用芯片+内嵌AI”的渐进式演进路径。

以爱立信为例，其AI in RAN方案基于自研爱立信硅芯科技的RAN计算架构，可在现有基带硬件上实现微秒级AI推理，无需额外新增硬件，通过软件订阅方式交付功能Ericsson。该路线的核心优势是能效比高、可靠性强、产业链自主可控；短板是迭代速度受硬件周期约束，生态开放性相对较弱。

同样，主流传统设备商对“英伟达式”的通用算力AI-RAN路线普遍持谨慎态度，并非技术保守，而是基于自身产业地位的理性选择。

传统RAN设备商的核心护城河之一，是自研基带ASIC芯片带来的性能优势、成本优势与差异化能力。若未来基带全面转向通用算力平台，硬件将标准化为通用COTS服务器，设备商的硬件价值将大幅缩水，核心利润空间被上游算力厂商挤压。

华为的“AI-Centric”网络战略，走全栈自主的技术路径，底层依托自研基带ASIC与昇腾系列AI加速芯片，构建异构算力底座；中层实现AI对基带信号处理、资源调度的全链路渗透；上层拓展通感一体化、网络智能体等应用。

中兴的AIR系列AI-RAN方案，思路是“分层精准注智”，在物理层通过专用异构加速引擎实现AI算法的高效运行，优先保障能效比与实时性；同时结合“连接+算力”的整体战略，同步拓展边缘算力业务。

截至发稿，华为与中兴方面亦未就AI-RAN的规模商用与发展给出明确回应，仅表示无线网络智能化是确定的演进方向，将基于自身技术路线持续推进现网验证。

相关专家向通信产业报全媒体记者表示，AI-RAN对诺基亚来说是换道超车的机会，对爱立信、华为、中兴这种存量大户来说，在传统RAN架构下，设备商定义全栈技术标准、接口规范与演进路线，掌握产业主导权。若通用算力成为底层底座，算力架构、编程生态、性能标准将由GPU厂商主导，设备商将从“全栈解决方案提供商”退化为“上层应用软件开发商”，产业地位与议价能力将显著下降。

最后，传统设备商的收入以一次性硬件销售为主，辅以维保服务，收入规模大且现金流稳定。而通用算力路线下，硬件收入将流向服务器厂商与芯片厂商，设备商收入转向软件订阅与AI服务。尽管长期看软件业务利润率更高，但转型过程中将面临收入规模下滑、客户付费模式切换的阵痛，对于市场份额领先的头部厂商，转型的机会成本远高于追赶者。

而诺基亚选择全面拥抱通用算力路线，本质是差异化竞争的战略选择，在传统RAN市场，诺基亚长期处于追赶位置，沿专用芯片路线缩小差距的难度极大；而转向通用算力的新赛道，可借助英伟达的算力与生态优势重新定义竞争规则，同时通过软件订阅模式优化长期盈利结构。

从2024年AI-RAN联盟成立时的概念提出，到2026年全球首次商用现网通话落地，AI-RAN的落地速度超出了行业普遍预期。

但必须看到，当前的进展仍属于“从0到1”的可行性验证，距离“从1到N”的规模商用，仍需跨越性能、成本、可靠性等多重门槛。

采写：党博文

图表：曙念

编辑：博文

指导：辛鹏骏