一文彻底看懂AI-RAN

最近这两年，网上关于AI-RAN的讨论很多。

有人认为，AI-RAN是大势所向，代表了通信架构的未来演进方向。

也有人认为，AI-RAN就是一个噱头，是某些厂商的一厢情愿，肯定不会成功。

那么，到底什么是AI-RAN？它背后的技术逻辑是什么？它究竟会不会颠覆整个通信行业呢？

█ 什么是AI-RAN

AI-RAN，即人工智能无线接入网（Artificial Intelligence - Radio Access Network）。我们也可以理解为“基于AI的无线接入网（AI+RAN）”。

无线接入网，说白了，就是基站。整个移动通信网络包括核心网、传输网和无线接入网三大部分，而RAN正是用户终端（例如手机）连接运营商网络的第一道关口。

RAN包括宏站、微站等多种类型。4G时代，RAN由天线、射频单元（RRU）、基带处理单元（BBU）以及连接它们的链路共同组成。

5G时代，架构发生了变化。天线和RRU进一步整合，变成了AAU（Active Antenna Unit，有源天线单元）。而BBU的功能，被拆分为集中单元（CU）和分布单元（DU），分别负责非实时和实时的基带处理任务。

不管怎么说，基站就和家里的Wi-Fi路由器差不多。天线射频负责收发无线信号，基带单元则负责对信号进行运算处理，例如调制解调、编码解码、信道估计、资源调度等等。

有计算的地方，就会用到芯片。

以前，RAN（基站设备）都是通信设备商研发的专用设备（“黑盒子”），里面跑的都是专用芯片和封闭固件，软硬件并不公开。专用芯片，都是设备商自家定制的ASIC芯片。（RAN的基带处理都是固定的任务，所以，专用芯片特别适合。）

进入21世纪后，在运营商的不断要求下，通信网络开始走向开放化、白盒化——也就是把硬件和软件解耦，让通用服务器和通用芯片也能用于通信设备。

核心网因为基本上都是路由和交换处理任务，所以也都是芯片和算法，很容易就被云化了，催生出了NFV（网元虚拟化）。

RAN这边，也随之跟进，但难度大得多——毕竟基带处理对时延、算力和实时性要求极高，不像核心网那样“好欺负”。

4G时代，运营商就对RAN做了不少文章。

当时，中国移动牵头搞了一个C-RAN（Centralized RAN，集中化RAN），就是将多个分散的BBU集中到一个机房里，变成BBU基带池，统一进行基带处理。再通过光纤，把信号分发到各个RRU（远端射频单元）。

后来，业界又搞出了O-RAN、vRAN、xRAN，以及更有知名度的Open RAN（开放无线接入网）。

Open RAN最核心的特点，就是内部结构模块化、接口标准化，可以实现跨厂商RU/DU/CU互通。基带软件脱离专用芯片，可以跑在通用x86/ARM芯片上。

Open RAN的“开放”，名义上是软硬件解耦，生态开放。但实际上，大家要注意，通用芯片核心技术基本上都掌握在美国公司手里。所以，谁是Open RAN背后的大佬，一目了然。

前些年很火爆的小基站“风口”，就是很多中小企业，基于某美国公司提供的开放方案，“手搓”自己的小基站，从而打入通信设备商市场。

但是，传统基站的ASIC专用芯片，是给RAN量身定制的“特供发动机”，算力密度高、功耗低、时延稳。而x86/ARM CPU通用芯片，能耗更高、效率更低、时延更不稳定。所以，这些年包括日本乐天移动等在内的很多Open RAN运营商，都在商用落地时遭遇了瓶颈，日子不太好过。

Open RAN是北美IT力量对通信产业主导权的一次战略挑战。但目前来看，不具备什么威胁。（更早的时候，WiMAX也是类似的故事，结果也失败了。）

如今，又有一个新的挑战者来了。没错，就是英伟达和它的AI-RAN，又是美国公司。

逻辑计算就四种芯片为主，分别是CPU、GPU、FPGA和ASIC。CPU就是刚才说的Open RAN派系。AISC是专用芯片，代表通信设备商派系。FPGA是可编程芯片，灵活性高，但一般用于原型验证或小规模部署。最后剩下的，那必须是GPU了。

英伟达力推AI-RAN，就是希望将GPU塞进基站设备，成为RAN的主处理芯片。

█ AI-RAN的作用与意义

将GPU引入基站，背后藏着英伟达极大的野心。

首先，最基本的，在基站中采用GPU进行基带处理计算，可以开拓电信行业这一庞大的市场。全球电信设备年采购额超千亿美元。这块蛋糕，英伟达垂涎已久。

其次，除了基本的基带处理计算之外，英伟达还希望在基站上跑AI模型。这样一来，基站就可以在GPU和AI算法的帮助下，完成信道状态智能预测、多用户干扰动态识别、毫米波波束自动优化等复杂工作。这很可能大幅提升基站的性能，并赋予更多的功能。

第三，也是最重要的一点。英伟达希望通过“基站+AI”，开启庞大的边缘AI算力市场。

换句话说，AI-RAN不是“把GPU塞进基站”这么简单，而是要把基站变成一个“带5G/6G通信能力的AI边缘服务器”——既处理无线信号，又实时执行面向终端用户和行业场景的AI推理任务。

我们现在整个社会都在使用算力。对于AI算力的需求，也随着AI应用的普及不断增加。

算力一般可以分为“云-边-端”三个层级。

云，是智算中心，算力最强、规模最大，但距离用户远、时延高。

端，是终端（手机、IoT设备），算力最弱，但能效比高、响应快、时延低、且私密性强。

边，就是边缘计算节点，比如基站、无线路由器、网关等。基站，正是“边”这一层级里最靠近用户的算力枢纽——它既不像云端算力那么远，也不像终端算力那么弱。它恰好卡在云与端的“黄金时延带”里。

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。

AI for RAN（AI赋能网络）：利用AI技术，提升RAN网络的性能、运营效率与资源利用率。

AI and RAN（AI与RAN协同）：在同一套设备上同时运行通信和AI功能，整合双方算力资源，发挥AI与RAN的计算协同效应。

AI on RAN（RAN反哺AI）：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。这是最有想象空间的一个方向，通过将基站从单一通信节点升级为“通感算智”边缘计算节点，助力AI的进一步落地。

以上三个方向，既相互独立又协同互补，共同构成了AI-RAN的完整技术体系。

█ AI-RAN的产业进展

2024年2月，在巴塞罗那世界移动通信大会（MWC）上，英伟达联合软银、爱立信、诺基亚、微软等11家创始成员，共同发起成立了AI-RAN联盟。

该联盟成立后成员持续扩大，很快就汇聚超过100家运营商与设备商。

2024年11月，英伟达与软银宣布，试运行了全球首个可同时处理AI和5G工作负载的AI-RAN网络。

2025年，英伟达投资10亿美元入股诺基亚，成为其最大股东之一，以加强在6G RAN技术及AI-RAN解决方案上的合作。

作为AI-RAN的核心推动者，英伟达一直在致力于构建全栈的AI-RAN解决方案。2025年，英伟达推出了Aerial RAN Computer Pro（ARC-Pro）解决方案及AI Aerial软件平台，集成了GB200、BlueField-3、Spectrum-X网络以及CUDA-X库，具备电信级功能。

后来，英伟达又联合合作伙伴推出了“All-American AI-RAN技术栈”，可在GPU内部或不同GPU之间动态分配计算资源，旨在为运营商提供vRAN部署、AI应用、6G研发等用例。

2026年3月，英伟达在GTC大会上，提出了“AI Grid”愿景。其核心思想是利用电信运营商、云服务提供商等现有的广泛网络覆盖，将AI计算能力（特别是推理能力）部署在更靠近最终用户和设备的地方，从而支持AI原生应用的普及。

按英伟达的设计，AI-RAN是AI Grid的核心组件之一，充当边缘网络和计算层。AI Grid作为一个赋能平台，则提供分布式云和编排层。

面对英伟达来势汹汹的攻势，通信行业形成了两种阵营。

第一种，是彻底加入。

以软银、AT&T为代表的一批运营商，选择全面拥抱AI-RAN架构。他们看重的是网络智能化带来的运维降本（预计降低OPEX 30%以上）、新业务孵化能力（如实时视频分析、工业定位）以及6G时代“通感算智”融合的先发优势。

设备商方面，以诺基亚为代表。原因很简单，英伟达都是诺基亚的大股东，已形成深度绑定。

诺基亚推出了anyRAN软件，可与英伟达GPU AI RAN平台集成。2026年3月，诺基亚宣布已与T-Mobile US、印尼电信、软银等运营商成功完成基于英伟达GPU加速平台的AI-RAN功能测试。

第二种，是自主探索。

以目前AI的发展趋势，没有人敢怀疑它将会给通信架构带来的颠覆。但是，认同AI-RAN和认同英伟达GPU，并不是一回事。大部分设备商和运营商，都不希望被英伟达深度绑定，而是希望走一条自主可控的AI-RAN技术路径。

例如爱立信，一方面把自己的RAN软件做了移植，放到英伟达AI平台上进行测试（和T-Mobile合作）。另一方面，在其自研Ericsson Silicon芯片中，集成了可编程神经网络加速器（NNA），将AI推理能力直接下沉到AAU/RRU的射频端。

华为和中兴，作为中国企业，更不可能将AI-RAN的主导权交予英伟达。在今年的MWC上，华为提出了“AI-Centric Network”，中兴则提出了“AIR MAX”，其实都是在探索自己的“AI+通信”技术路线。

运营商方面，其实对AI-RAN是既爱又怕。

爱，是因为AI-RAN看上去确实很“香”——通过软硬解耦与算力复用，AI-RAN可以显著压缩部署周期与运维开销；有了AI-RAN带来的开放接口、实时数据流与低时延边缘算力，可以将基站从“哑管道”升级为可编程、可运营的智能服务节点，打破“管道化”困局。

怕，则源于对技术主权的焦虑——一旦基带处理与AI推理深度耦合在GPU上，整个RAN架构的控制权就可能向英伟达生态倾斜。这无异于“才出狼窝，又入虎口”。

现在运营商都号称自己要从“流量运营”转向“Token运营”，从通信运营商转向算力提供商。AI-RAN，其实是非常匹配这个目标的。但是，背后的“厂商深度绑定”，是他们最大的顾虑。

AI-RAN的成本投入非常高。不仅是建设成本（CAPEX，算卡很贵、设备很贵、机房改造很贵），也包括运营成本（OPEX，电费很贵）。

对于运营商来说，选择也必须慎重。在AI-RAN路线并没有得到充分验证之前，在这笔账没算清楚之前，相信大部分运营商（尤其是大运营商）都不会做明确投入。

业界目前逐渐形成了一个共识，那就是——AI-RAN很可能是通信网络的发展方向，但AI-RAN的算力选型方面，极有可能是“ASIC+GPU+CPU”的多元异构架构。说白了，就是运营商根据场景需求自行混搭，以便实现性能、效率、成本、生态的完美平衡。

除了算力选型之外，AI-RAN还面临商业模式、标准化、生态建设等多重挑战。

商业模式，主要是边缘AI算力如何计量、计费、运营。运营商如何将边缘AI算力转化为可售服务。英伟达或其它设备商，在商业模式中扮演怎样的角色。是像智算中心那样购买和计费，还是说会创新出新的模式。

标准化，则是指AI-RAN没有统一的数据语义、模型接口与服务编排规范。通信标准一直都是3GPP牵头制定，而AI-RAN是AI-RAN联盟主导。两者之间如何摆正关系，谁来牵头，谁说的算，都是问题。背后牵扯了太多的利益。

生态建设，就更不用说了。目前算力选型和技术路线都无法确定，生态建设自然举步维艰——芯片厂商、终端厂商、设备商、运营商、模型提供商，大家目前都是一团浆糊、各怀鬼胎，不知道该支持谁，也不知道该不该投入。

█ 结语

总的来说，AI-RAN确实是通信行业最看好的技术方向，也很可能是通信网络新一轮技术革命的核心。

但是，它目前仍然存在极大的不确定性，围绕它的探索，才刚刚起步。现在预测它的成败，还为时过早。

我们不妨再多给AI-RAN一点时间，让行业企业拿出真正的商业解决方案，并在真实场景中充分验证技术可行性、打磨商业模式、构建生态链条。

6G标准研究已经全面启动，AI-RAN在6G标准中将扮演什么样的角色，它是否会开启真正的AI原生网络时代？就让时间来告诉我们答案吧！