MWC 2026：愛立信AI-ready RAN深度解析

在2026年巴塞羅那世界移動通信大會（MWC2026）上，無線接入網（RAN）與AI的深度融合，依然是核心焦點，名為“AI原生”。愛立信發布的AI-ready RAN方案，將原生AI能力下沉至基站的最末端——射頻單元，引發行業廣泛討論。

那么，AI-ready RAN到底是什么，跟業界其他廠家的方案有哪些差異，到底誰會贏得未來？且看下文分解。

一、AI和RAN融合，到底要解決什么問題？

無線接入網是手機與運營商核心網之間的“最后一公里”，由基帶單元（BBU）、射頻單元（RRU或者AAU）、天線等設備組成，直接決定手機上網的速度、時延、穩定性，是移動通信網絡的核心底座。

近年來，AI在RAN中的應用（業界稱作AI for RAN），基本上經歷了兩個階段，從外掛式AI到網絡原生AI：

1. 外掛AI：AI僅作為“輔助工具”，不觸碰RAN核心運行邏輯。典型應用是用AI做流量預測、基站節能休眠、網絡故障預警、參數批量優化，均為非實時的場景，相當于給基站裝了個“智能監控管家”；而基站的調度、編碼、波束成形等核心流程，仍依賴傳統靜態協議與固定規則運行。

2. 原生AI：AI深度嵌入RAN的物理層、數據鏈路層等核心協議棧，直接參與空口調度、信道預測、鏈路自適應等實時性要求極高的核心流程。簡單說，就是讓基站從“按規則執行的機器”，變成“能感知、能預測、能實時決策的智能系統”，這也是當前整個行業的核心演進方向。

為什么RAN和AI的融合，一定要走向AI原生呢？這是移動通信的底層需求正在發生著天翻地覆的變化，傳統RAN架構已觸及性能瓶頸：

1. 流量模型的顛覆：過去移動網絡是下行主導，核心需求是刷視頻、下載文件；但隨著AI手機、AR眼鏡的普及，大量AI推理數據、空間視頻、實時傳感數據需要上傳，上行流量占比已飆升至30%-40%。通過AI來實時分析流量特征，動態調度資源、優化傳輸策略，已成為強需求。

2. 業務的極致要求：新業務發展對時延和可靠性的要求越來越高，而無線信道天生存在衰落和干擾，難免發生質差，傳統基于“事后補償”的調度機制，難以跟上信道變化，只有靠AI提前預測、主動決策，才能突破這一物理瓶頸。

3. 能效與成本約束：運營商的網絡能耗中，RAN占比超過70%，而全球移動流量每年仍以20%以上的速度增長。傳統架構只能靠“堆硬件”提性能，必然帶來能耗與成本同步上漲，只有靠AI實現性能與能效的動態最優平衡。

上述的這三點，讓AI原生RAN成為了全球運營商的“必答題”，也是主流設備商都在全力押注的核心賽道。

二、愛立信的AI-ready RAN，講了哪些技術/產品？

AI-ready RAN的核心邏輯是，不采用GPU這樣的通用硬件，而是基于深度定制的專用硬件，即Ericsson Silicon，來做RAN的AI原生全棧設計。

傳統RAN架構中，算力基本集中在基帶單元，AI算法也均運行在BBU里；而射頻單元主要負責信號收發轉換，基本上沒有AI處理能力。這就帶來兩個問題：

1. 時延增大：海量信道數據需通過前傳網絡，從AAU傳到BBU做AI處理，再將決策結果傳回來，一來一回產生不必要的時延；

2. 帶寬浪費：前傳網絡需傳輸大量原始信道數據，占用寶貴帶寬資源，同時數據反復搬運，帶來大量不必要的能耗。

在Ericsson Silicon芯片中，集成了專為無線通信場景優化的可編程神經網絡加速器（NNA），把AI推理能力直接下沉到AAU/RRU的射頻端，讓射頻單元自身就能完成實時AI處理，數據無需來回傳輸。

結合愛立信官方數據與第三方機構分析，該芯片的核心特點如下：

1. 專用加速，能效比突出：NNA并非通用AI芯片，而是專門針對無線通信的AI負載優化，AI模型尺寸小，同時將性能損失嚴格控制在1%以內。相比通用GPU的AI加速，其在無線場景的推理能效比優勢明顯。

2. 微秒級處理，實時性強：通過內存調度優化，可在本地完成L1物理層的AI負載處理，徹底消除數據往返傳輸的時延，將物理層AI處理時延壓縮至微秒級，可匹配無線信道快衰落的變化速度。

3. 兼容現網，部署門檻低：該芯片搭載于愛立信全系列基站產品，支持現有4G/5G網絡的軟件平滑升級，運營商無需大規模替換現網硬件，即可開啟基礎AI能力，能最大程度保護現網投資。

如果說Ericsson Silicon是方案的“硬件底座”，那三大支柱就是將AI能力落地到實際場景的完整體系。

支柱一：AI-ready無線硬件產品矩陣

該產品矩陣的核心，是搭載集成NNA的Ericsson Silicon芯片的全系列AAU/RRU設備，覆蓋FDD/TDD全頻段、Massive MIMO全場景，從高功率廣覆蓋到輕量化密集城區部署。

產品型號

核心定位

技術亮點

AIR 3286

高功率 FDD Massive MIMO

突破 FDD 頻段上行覆蓋與容量瓶頸，顯著提升深度覆蓋能力

AIR 3211

TDD/FDD 融合 Massive MIMO

單硬件實現 TDD 與 FDD 雙制式融合，最大化頻譜利用效率

Radio 4891/4458

8 接收通道射頻單元

硬件級強化上行接收性能，專為 AI/AR 上行大流量場景優化

AIR 3267

輕量化 TDD Massive MIMO

僅 13kg 重量實現 600MHz 瞬時帶寬，適配密集城區輕量化部署

AIR 6492

旗艦級 TDD Massive MIMO

256 天線振子 + 480W 高輸出功率，實現容量與覆蓋的突破性升級

Radio 4488/4464

高功率三頻遠端射頻單元

專為網絡整合與 RAN 共享場景設計，降低多頻段部署復雜度

支柱二：AI賦能RAN軟件套件

硬件只是載體，真正讓RAN實現“智能躍遷”的，是這套深度嵌入協議棧的AI軟件算法。其核心邏輯，是用AI替代傳統RAN中基于靜態規則的核心流程，實現從“被動響應”到“主動預測”的轉變。

1. AI管理波束成形：傳統波束成形依賴終端反饋的信道信息，從預設碼本中選擇最優波束，在高速移動、復雜遮擋場景下，易跟不上信道變化；而AI波束成形通過深度學習模型，實時分析用戶空間特征和歷史信道數據，直接生成最優自定義波束權重，突破固定碼本限制，提升復雜場景下的信號穩定性。

2. AI信道預測與鏈路自適應：傳統鏈路自適應是“事后補救”——信道變差后再調整編碼和調制策略，易導致卡頓、掉話；AI信道預測通過時序預測模型，提前數毫秒預測信道深衰落，在信道惡化前主動調整傳輸策略，從根源上避免傳輸失敗，提升頻譜效率。

3. AI智能調度與移動性管理：傳統調度器“平均分配”資源，無法精準區分業務優先級；傳統切換需終端信號差到一定閾值才觸發，易出現中斷。AI調度器可精準識別低時延高可靠的AI/AR業務流，為其分配資源搶占權；AI移動性管理能提前預測多站點信號變化，提前預留目標小區資源，將切換中斷時間降至最低，保障高速移動場景下的業務連續性。

支柱三：高性能天線產品

無線性能的上限，最終由天線系統決定。AI波束成形、上行性能優化的效果，均需通過天線實現。愛立信同步發布的五款高性能天線產品，核心是與AI-ready射頻設備深度協同。

三、愛立信和其他廠家的AI原生方案有什么不同？

當前全球AI RAN賽道，已形成兩條涇渭分明的技術路線，沒有絕對的好壞，只有不同的產業取舍。

路線類型

核心代表

底層邏輯

核心取舍

專用硬件原生集成路線（ASIC）

愛立信

基于深度優化的專用芯片做AI加速，算力下沉到射頻邊緣，AI深度嵌入空口核心流程

犧牲一定通用性和開放性，換取極致的實時性、能效比和網絡性能

通用算力云化開放路線（GPU）

諾基亞（與英偉達合作）

依托通用GPU，在集中或者分布式基帶單元部署AI能力，適配開放解耦的O-RAN架構

犧牲一定實時性和能效比，換取更強的靈活性、開放性和算力復用能力

上述兩個方向在指標上的對比如下：

對比維度

ASIC（愛立信）

GPU（諾基亞/通用）

典型功耗

50-100W（電信級優化）

700-1000W（數據中心級）

能效比（TOPS/W）

10-100（領域專用優化）

1-5（通用架構開銷）

適用場景

嵌入式實時推理、確定性控制

復雜模型訓練、高吞吐批量推理

靈活性

有限（功能域約束）

高（通用可編程）

演進風險

算法范式變革時可能僵化

快速跟進最新AI進展

專用硬件原生集成路線的優勢：

1. 保護現有投資：對現網產品進行軟件升級或者增加新的板卡即可集成AI，可最大化利舊現網基礎設施，無需部署全新的整套設備。

2. 極致的能效比：專用AI加速器硬件可深度定制，實現L1物理層實時AI處理，有效降低基站能耗。這對運營商降低運營成本極為重要。

3. 快速AI變現：AI RAN主要分為AI for RAN和RAN for AI兩個維度。基于專用AI加速可以快速、低成本搭乘AI時代紅利，能效提升、譜效提升、運維效率提升，還可以通過智能保障高價值用戶體驗實現多維網絡能力變現。而RAN for AI的商業模式尚不清晰，可徐圖之。

通用算力云化開放路線的優勢：

1. 靈活性極強：通用GPU可兼容各類新型AI算法和模型，無需擔心硬件固化的迭代風險，能快速跟進6G空口技術演進，靈活適配未來多樣化的AI應用場景。

2. 生態開放度高：完全兼容O-RAN開放解耦架構，支持第三方硬件、算法的接入與適配，運營商不會被單一廠商鎖定，符合行業開放化發展趨勢。

3. 商業變現潛力：基站搭載的通用GPU算力，在網絡閑時可釋放給邊緣AI推理、元宇宙渲染、工業AI分析等非通信業務，幫助運營商實現算力資產二次變現，拓展新的收入來源，契合運營商“算力網絡”轉型需求。

從上面這兩個路線的優勢可以看出，專用硬件的優勢，正是通用硬件的劣勢；而通用硬件的優勢，也是專用硬件的劣勢。

這是因為，專用硬件路線的代表愛立信本身就是老牌通信設備商，全球市場份額巨大。引入AI最有利的途徑，自然是立足現網，逐步滿足客戶需求，穩扎穩打。

而通用算力的代表諾基亞則由于自身的產品競爭力不足而積極尋求變化，英偉達是新入局者，自然要基于自身的優勢領域來推出變革性的產品，以求強勢入局。

目前來看，現階段運營商必然優選專用硬件路線。通用算力路線只能是不斷積蓄力量，將目光放長遠，不斷投入6G技術研究和標準制定，并孵化邊側AI應用彰顯算力變現價值，以圖在未來擁有一席之地。

四、未來展望：道阻且長，行則將至

MWC2026的大幕即將拉開，愛立信的AI-ready RAN，上是全球通信產業向AI原生網絡演進的一個縮影。其未來發展既有機遇，也面臨諸多行業共性挑戰。

從短期來看，AI-ready RAN這類方案，確實能解決當前5G-A商用深水區的核心痛點，能幫助運營商在AI終端爆發的浪潮中，提升網絡差異化競爭力，實現從“流量經營”到“體驗經營”的轉型。

從長期來看，AI原生RAN是6G網絡的核心架構，這已成為全球產業共識。3GPP在R20版本中，已明確將“AI原生”列為6G核心設計原則，未來6G網絡中，AI將貫穿從物理層到應用層的全協議棧。

移動通信的發展史，從來都是一部需求驅動技術演進的歷史。從1G到5G，我們解決了“人與人、人與物、物與物”的連接問題；而AI原生的6G，我們將要解決的，是“讓連接擁有智能，讓智能無界互聯”的問題。

RAN和AI的融合的沒有完美的技術路線，只有貼合需求的取舍，而每一次取舍，都在推動通信產業向更智能、更高效、更具價值的未來邁進。