在5G向5G-A演進、6G布局加速的關鍵節(jié)點，人工智能（AI）與無線接入網（RAN）的深度融合已成為通信產業(yè)創(chuàng)新的核心方向。由英偉達主導發(fā)起的AI-RAN聯盟，正在推動AI-RAN的標準化與商業(yè)化進程。

在進一步介紹AI-RAN之前，我們先來看看這位老朋友——RAN（無線接入網）。

無線網絡在我們身邊無處不在。無論是小區(qū)樓頂矗立的白色天線、還是在高速公路旁高聳的鐵塔、抑或是在商場天花板上掛著的那些“蘑菇頭”，它們都屬于無線網絡的最前端，也就是接入網部分，我們把它叫做RAN（Radio Access Network），即無線接入網。

簡單來說，RAN就是你的手機通往互聯網世界的“第一座橋梁”。它負責把你的手機里的數據通過無線電波傳送到核心網，再把網上的視頻或者文字下載到你的手機。

幾十年來，這位“搬運工”經過了一輪又一輪的技術學習，從2G升級到了5G，能力越來越強。面對人民群眾日益增長的上網需求，它一直勤勤懇懇，任勞任怨。但就像遭遇“中年危機”的辦公室牛馬一樣，在這日新月異的AI時代，總有一個問題需要回答：怎樣把工作和AI結合，實現降本增效，甚至創(chuàng)造新價值？

移動通信的“中年危機”

無線通信是一個高度混沌的系統(tǒng)。信號在空間傳播的過程中，并不像理想實驗室那樣線性可控，而是受多種外部因素干擾，呈現十分復雜的非線性與動態(tài)性。傳統(tǒng)的算法在信號處理時，高度依賴于“模型”和“假設”，犧牲了精度和適應性。這是“先天不足”。詳情見我的上一篇文章《》。

在代際演進時，其實并沒有太多突破性的頻譜效率演進，主要靠“大力出奇跡”，也就是簡單粗暴地增加載波帶寬。2G帶寬是200K，3G增加到了5M，4G增加到了20M。路寬了，速率自然就上來了。5G更是給干到了100M甚至400M（毫米波頻段）。

在空間上也是如此。3G以單路發(fā)射為主，4G就以雙路發(fā)射為標配，4路發(fā)射為高配，到后期支持到了8路發(fā)射，MIMO從此登上了歷史舞臺。路多了，速率就能成倍增加。到了5G，32路和64路收發(fā)成為主流，甚至128路收發(fā)也頻見報端，這就是所謂的Massive MIMO。

大帶寬和多天線收發(fā)的結合導致信號的物理層處理算法極度復雜，需要靠越來越強大的處理芯片來支撐，設備的成本水漲船高，系統(tǒng)功耗也不斷攀升，使得”怎樣更精細地控制設備關閉時間從而降低能耗“成為自5G商用以來一直被追問的話題。

與此同時，移動終端（手機）應用發(fā)展卻沒有跟上，也就是從文字、圖片過渡到視頻的傳輸，之前不斷暢想了多年的VR并未普及，這就導致了在很多時候5G網絡能力實際處于”過剩“狀態(tài)，大家對流量的使用越來越不敏感。

當有人問出”為什么 5G 突然不火了”或者“5G是否是騙局”這樣的問題時，我們不得不承認，疲憊的香農公式，不斷遞減的邊際效應，已經使得移動通信遭遇“中年危機”，從曾經在鎂光燈下“高新技術”淪落到無人在意甚至遭人嫌棄的邊緣角落。

事已至此，自然不能沉浸在往昔的迷夢中不可自拔，唯有利用好自身尚存的優(yōu)勢，和如今風頭無兩的AI深度融合做好本職工作，再徐圖突破。

比如，優(yōu)化Massive MIMO性能，從而實現頻譜效率提升；優(yōu)化資源調度，服務好VIP用戶的同時也兼顧普通用戶，從而實現體驗提升；洞悉網絡中所有的業(yè)務需求，在話務低谷時最大限度關閉設備，從而實現能效提升；充分利用AI大模型來代替繁雜的人工運維操作，將網絡自動化能力提升到L4以上，從而實現運維效率提升。

在此基礎上，如果能分得時代紅利，把AI基礎設施的一部分蛋糕搶過來，就相當于開創(chuàng)了“第二曲線”。

AI-RAN適時而生

在2024年在巴塞羅那移動通信展期間 ，由英偉達牽頭，聯合軟銀、愛立信、諾基亞、微軟、三星、T-Mobile等巨頭成立了AI-RAN聯盟。這標志著 AI-RAN 正式成為行業(yè)共識。目前AI-RAN聯盟成員已超過了100家。

AI-RAN聯盟的核心使命是推動AI技術與移動網絡的深度融合，通過優(yōu)化移動網絡效率、降低功耗、改造基礎設施，為5G-A及6G時代的AI應用釋放新的經濟價值，構建“算網一體”的新型無線通信生態(tài)。

AI-RAN聯盟明確將技術研究劃分為三大核心方向，即AI for RAN、AI and RAN、AI on RAN。這三個方向既相互獨立又協同互補，共同構成了AI-RAN的完整技術體系。每個方向均圍繞“提升效率、拓展能力、創(chuàng)造價值”的核心目標，形成應用路徑與價值閉環(huán)。

AI for RAN：網絡變強了

AI for RAN的核心定位是利用AI技術提升RAN網絡的性能、運營效率與資源利用率。具體應用場景包括：

智能波束管理通過AI算法預測用戶移動軌跡（如地鐵乘客、賽事觀眾），動態(tài)調整波束指向與寬度；網絡節(jié)能自治基于AI的潮汐式功耗調節(jié)機制，可根據人流密度自動切換基站的“性能模式”與“節(jié)能模式”；智能運維與故障預判通過訓練海量基站歷史數據，大幅減少人工干預需求。

如果把傳統(tǒng)的基站比作一盞只會“開”和“關”的老式路燈，那么 AI-RAN 就是一套裝有傳感器和智能芯片的智能交通系統(tǒng)。它不再是死板地傳輸信號，而是具備了“感知”、“思考”和“決策”的能力。

• 它能看：感知周圍有多少用戶，他們在哪里，甚至預測他們要去哪里。

• 它能想：計算出用什么樣的信號強度、什么樣的頻率組合能達到最佳效果。

• 它能做：實時調整天線的方向，避開干擾，甚至在沒人的時候自動“休眠”省電。

這不僅僅是一次技術的升級，更是一場從“硬件定義網絡”到“軟件定義網絡”，再到“智能定義網絡”的生態(tài)變革。

AI for RAN突破了傳統(tǒng)靜態(tài)網絡配置的局限，實現了網絡的動態(tài)自適應與自治自愈，并實現網絡時延、丟包率等關鍵指標優(yōu)化；商業(yè)價值則體現在運營商運維成本的降低與網絡資源利用率的提升，為高密度場景（演唱會、熱門景區(qū)）的服務質量保障提供了技術支撐，運營商也可以賣場景疊加包來將網絡保障能力變現。

AI and RAN：設備更省了

AI and RAN聚焦于AI與RAN的計算協同效應，通過整合雙方算力資源，在同一套設備上同時運行通信和AI功能。這個方向主要解決的是資源浪費問題，體現了“共享經濟”的智慧。

AI and RAN的重點研究方向如下：

• 多租戶系統(tǒng)架構與組件設計：多租戶系統(tǒng)是指一套軟硬件平臺可為多個獨立用戶提供服務，類似于寫字樓里的多個公司一樣。在AI-RAN的語境下，多租戶是指同一套平臺可以同時供AI和RAN使用，包括配置管理、租戶隔離、安全與隱私保障、自動化、編排及服務管理。

• AI與RAN負載的全生命周期管理：優(yōu)化AI與RAN的負荷管理，確保二者在AI-RAN基礎設施中無縫集成與協同運行。驗證多租戶場景下，非RAN AI負載與RAN負載可并行運行，并在所有場景下滿足RAN服務質量需求。

• 面向AI與RAN負載的數據中心優(yōu)化：優(yōu)化數據中心資源配置，以最大化資源利用率、降低運營成本，并推動整體集成目標的實現。

在傳統(tǒng)模式下，運營商為了處理通信信號，需要購買專用的昂貴硬件；如果想運行 AI 程序，又得買另外一套服務器。這就像家里買了一個只能烤面包的烤箱，又買了一個只能熱飯的微波爐，既占地方又費錢，而且大部分時間它們都是閑置的。

AI and RAN 提出了一種革命性的思路：讓通信任務和 AI 任務在同一個通用平臺上運行。通過工作負載編排技術，基站的計算資源（GPU/CPU）被智能分配：

• 在早高峰時段，90% 的算力用來處理通信信號，保證大家打電話上網暢通無阻。

• 在夜深人靜時，空閑出來的算力被“出租”出去，用于訓練自動駕駛模型、處理科學計算或者渲染云游戲。

AI and RAN的技術價值在于構建了“彈性基座算力”體系，實現了通信與智算資源的動態(tài)匹配；商業(yè)價值則為運營商開辟了“算力租賃”等新商業(yè)模式，推動運營商從“流量管道”向“算力服務商”轉型。

AI on RAN：玩法更多了

由于基站離我們的物理距離非常近（通常就在幾百米內），如果基站本身具備強大的 AI 算力，那么很多需要“極低延遲”的應用就成為了可能。

AI on RAN可通過RAN網絡的優(yōu)化連接、數據暴露與可編程能力，提升AI應用的性能與部署靈活性，將基站從單一通信節(jié)點升級為“通感算智”融合的邊緣智能中心。

AI on RAN的重點研究方向如下：

• 基于 AI 的多媒體應用利用 AI 提升多媒體體驗，如視頻分析、增強現實/虛擬現實（AR/VR）、沉浸式游戲，以及下一代應用——觸覺互聯網和全息通信等。

• 基于 AI 的安全與關鍵業(yè)務應用借助 AI 強化安全類應用（如入侵檢測），并支撐關鍵業(yè)務（如遠程醫(yī)療）。

• 基于 AI 的自動化與工業(yè)應用將 AI 用于工業(yè)運營自動化及自主載具管理，例如無人機（UAV）、無人車與自動導引車（AGV）。

• 生成式 AI/AI 賦能的網絡服務以 AI 和生成式 AI 提升網絡級服務，如客戶服務、用戶交互、用戶定位等。這些方案提高通信效率，實現用戶與應用間的無縫協作。

• 高效的 AI/ML 模型切分依據無線鏈路狀況、終端電池壽命等因素，將 AI/ML 模型在終端與 RAN 之間靈活切分，實現性能與能耗的最佳平衡。

這是AI-RAN最具有未來想象力的發(fā)展方向。此時的基站不再僅僅是管道，它變成了一個邊緣計算中心。典型應用場景包括：

• 邊緣AI即服務（AIaaS），基站內置單次推理成本極低的輕量化AI模型（如車牌識別、工業(yè)質檢），企業(yè)可按需調用。

• 通感融合應用，通過亞米級精準感知能力，實現無人機軌跡追蹤、人體體征監(jiān)測、室內目標識別等場景，為風電場運維、核電遠程檢修等垂直行業(yè)提供支撐。

• 端側AI體驗升級，借助RAN網絡的近場部署優(yōu)勢，實現端到端低時延AI服務，如在設備端快速生成高質量音視頻，響應時間從分鐘級縮短至秒級。

AI on RAN的技術價值在于它突破了AI應用對中心化數據中心的依賴，將AI推理時延控制在10ms以內，拓展了AI應用的部署邊界；商業(yè)價值則在于激活了垂直行業(yè)的智能化需求，推動通信技術與行業(yè)數字化轉型的深度融合。

AI-RAN產業(yè)進展

自AI-RAN聯盟成立以來，產業(yè)進展呈現“標準加速制定、技術持續(xù)突破、場景試點落地”的三大特征。據行業(yè)預測，AI-RAN市場規(guī)模將快速增長，到2030年累計規(guī)模有望超過2000億美元。

在2025年MWC巴塞羅那大會上，AI-RAN聯盟展示了AI-RAN的十大應用演示，內容覆蓋上述三大方向的一些成果：

• 具備在線學習能力的智能化空口

• 在RAN現網中實現上行信道插值

• 基于AI的PUSCH信道估計

• 基于神經形態(tài)接收機的 AI高階調制優(yōu)化

• 面向移動場景干擾抑制與節(jié)能的 AI 驅動 5G 波束賦形

• 基于AI的RAN頻譜感知

• AI-RAN協同編排

• 面向5G網絡的AI驅動頻譜感知——實現動態(tài)且隱私保護的AI模型切分

• 通信與感知一體化

• 基于RAN的AI目標檢測

這些演示提供了A-RAN的實際能力驗證，雖然還都處于非常早期的階段，但無疑證實了在RAN系統(tǒng)中引入AI可以帶來切切實實的性能提升。

在2025年10月，英偉達宣布投資10億美元入股諾基亞，雙方將聯合開發(fā)基于英偉達平臺的商用級AI-RAN產品，推動AI原生5G-Advanced與6G網絡的部署。同時，T-Mobile將與雙方合作開展技術測試，聚焦用戶體驗提升與性能驗證。

這兩家公司的聯手被視為行業(yè)轉折點，標志著AI-RAN進入全球化創(chuàng)新與商業(yè)化的加速階段，為6G時代的AI原生網絡奠定了基礎。諾基亞擁有深厚的通信行業(yè)積淀，而英偉達則是地表最強的 AI 算力提供商，正在試圖將版圖延伸到移動通信產業(yè)。

在我看來，近兩年英偉達的動作，無疑是務實且目標明確的。

首先，在當前5G建設已經廣泛鋪開的情況下，讓運營商放棄傳統(tǒng)RAN是不切實際的；并且，在現階段，AI for RAN的價值是廣泛認可的，即在基站側集成AI能力之后，是切切實實可以提升網絡性能的。

中國運營商已廣泛部署的AI-RAN方案已經證明了其價值。但英偉達基于GPU的全新AI-RAN架構相比傳統(tǒng)設備商的漸進式演進方案（在傳統(tǒng)基站內增加AI處理模塊）并無太大優(yōu)勢。

AI and RAN和AI on RAN雖然想象力巨大，但現階段各主要玩家的AI大模型還主要基于云端推理來向大眾提供服務，對需要通過云邊協同來降低時延的這類應用的需求似乎并不緊迫。也就是說，AI and RAN和AI on RAN的商業(yè)模式還未經過市場驗證，目前進行大規(guī)模投資時不明智的。

在這種形勢下，英偉達唯有搶占6G高地，和傳統(tǒng)設備商巨頭綁定，推動AI-RAN技術落地驗證，打造“全美國AI-RAN技術棧”這一技術和政治雙重制高點才能有可能在后續(xù)的6G市場占據一席之地。