问题——AI-RAN从“愿景”走向“必选项”，网络控制权之争升温 随着移动网络从5G迈向5G-A乃至6G，网络不再只是提供连接，正加速向“感知—决策—优化”的智能系统演进。无线接入网（RAN）连接用户与核心网，既承担最复杂的无线资源调度，也最贴近真实业务与现场环境。业内普遍认为，谁能率先RAN侧实现可规模化、可运营的智能能力，谁就更可能在下一阶段掌握网络“控制面”的主导权。大会期间，多家厂商的现网演示显示，AI-RAN正在从发布台走向基站与街区，竞争焦点也从“能不能做”转向“谁来定义、如何落地”。 原因——技术路径分化背后，是性能、成本与生态的三重约束 AI-RAN落地的核心矛盾在于：无线侧对低时延、高可靠、低能耗的要求，与大模型推理对算力与功耗的需求之间存在张力。由此，产业逐步形成多条路线：一类强调软硬件深度绑定，以封闭集成换取特定场景下的极致性能；一类主张引入数据中心算力生态，通过云化RAN集中释放算力；也有企业在两者之间寻求折中，既吸收通用算力生态，又保留专用硬件的能效优势，并通过软件解耦降低对单一路线的依赖。 路径分化的背后，是运营商投资回收周期长、网络资产规模大、演进不确定性强等现实因素：一旦被单一架构锁定，后续升级往往要付出更高的迁移成本。 影响——“双轨”架构意在兼顾边缘能效与平台适配，重塑RAN产业分工 从公开信息看，爱立信提出的“双轨”思路包括两部分：其一，在无线侧硬件中集成神经网络加速器，将部分推理能力下沉到更靠近射频与基带的位置，减少数据往返带来的时延与能耗，面向波束成形、定位增强、覆盖预测等无线场景，推动“小模型、低时延、高能效”的工程化落地；其二，在软件侧强调RAN软件可移植，通过抽象层与标准化接口实现L2及以上功能解耦，使同一套软件可运行在不同硬件平台上，包括通用服务器、专用硅平台以及主流算力加速平台等。涉及的现网演示显示，云化RAN在不同平台上的性能接近，为“多硬件选择”提供了可验证基础。 此布局可能带来三上影响：一是同时推进“集中式算力”和“端侧能效”两条路径，避免单一架构在不同场景下顾此失彼；二是借助软件可移植性降低平台切换门槛，便于运营商在不同区域、站型与业务强度下进行差异化部署；三是推动产业分工从“设备一体化交付”向“硬件多元+软件能力+运营体系”的组合式竞争演进。 对策——运营商更看重TCO与可演进性，设备商需以开放能力应对不确定性 在全球RAN市场增速放缓、资本开支更趋谨慎的背景下，运营商对AI-RAN的核心诉求并不是“堆算力”，而是用可控的总拥有成本（TCO）换取可量化的网络收益，包括容量提升、覆盖优化、能耗下降与运维效率提升。若将高功耗、高成本的集中式算力直接下沉到大量宏站与街区站点，可能带来电力与散热压力，推高运营成本。相比之下，在近端用轻量加速能力完成部分推理任务、需要时再调用集中算力，更接近可落地的分层策略。 同时，6G标准仍在演进，算力芯片路线迭代加快，通用CPU、GPU、专用加速器以及新型架构都可能成为变量。设备商若过度押注单一路线，既可能遭遇供应链波动，也可能在标准落地后面临更高迁移成本。通过软件解耦与接口标准化提升可移植性，本质是在不确定性中为网络演进保留“选择权”，以更稳健的方式应对未来技术更替。 前景——AI-RAN终局取决于三项能力：生态下沉、模型可控与运营可持续 面向未来，AI-RAN的竞争将从“技术演示”进入“规模运营”。其一，算力生态能否从数据中心有效下沉到海量站点，需要系统性解决功耗、成本、运维与实时性问题；其二，无线侧模型规模可能持续增长，如何在性能与能耗之间找到可持续的工程平衡，将考验小型加速器与分层推理架构的匹配能力；其三，运营商最终会选择“多平台并行”还是“集中押注”，取决于跨平台运维复杂度与产业成熟度。预计未来几年行业更可能呈现“多路线并存、按场景取舍”的格局，关键在于能否把智能收益转化为可度量、可复制、可审计的运营指标。
AI-RAN的竞争表面是芯片与软件之争，实质是网络演进路径与产业分工的重塑。谁能在性能、能耗、成本与开放性之间建立长期平衡，谁就更可能在下一代网络体系中赢得主动。对运营商而言，守住选择权、把握节奏、以可验证的收益推进智能化，将是从“连接提供者”走向“智能使能者”的关键一步。