隨著人工智慧（AI）技術的飛速發展，電信行業正經歷著一場深刻的變革。這場變革不僅體現在網路架構的更新，更在於運營商商業模式的徹底轉變。
傳統電信運營商的收入主要依賴於「管道」——即通過流量和語音話費收取費用，這一收入模式使得運營商與內容創造和分發之間的聯繫較為薄弱。然而，隨著生成式AI在無線接入網（RAN）中的應用，運營商正從傳統的通信服務商轉型為雲服務提供商（CSP）。
根據Tractica預測，在2016年至2025年，電信運營商主要將AI用於網路運營監控和管理，此期間這方面支出將占到電信業AI支出的61％。2018-2025年人工智慧採用和支出排名前10位的行業中，電信行業居於首位。
這一趨勢背後，是電信業對AI技術潛力的高度認可，更是行業加速轉型的迫切需求。AI與RAN的融合，能使運營商突破傳統的管道限制，開闢出內容服務的新收入來源。全球範圍內，各大運營商、電信企業都在積極推進這一變革。藉助AI技術，與龐大的網路基礎設施融合，為用戶提供定製化的服務。
「AI With RAN & AI For RAN」雙輪驅動
隨著人工智慧（AI）技術的不斷發展，傳統的無線接入網（RAN）架構逐漸顯露出在處理複雜計算任務時的局限性。
AI與RAN的融合，通過將GPU替代傳統的定製晶片和x86晶片，特別是在RAN的中央單元（CU）和分布式單元（DU）中，為網路帶來了巨大的變革。GPU以其強大的並行計算能力，能夠高效處理深度學習和AI任務，這使得AI-RAN不僅能提高計算效率，還能更靈活地應對日益增加的網路AI需求。與依賴專用硬體的傳統RAN不同，AI-RAN通過GPU加速實現了更低的硬體依賴，使得網路架構變得更加開放和靈活，從而能夠更好地適應未來網路的變化和需求。
此外，AI與RAN的融合還能打造出虛擬化RAN（vRAN）與邊緣計算（MEC）共享計算資源的創新方案。傳統網路架構中，計算資源往往被分散在不同的物理位置，導致資源調度不夠高效。而在AI-RAN中通過集中管理和共享這些計算資源，網路不僅可以實現更高效的資源調度，還能優化整體網路性能。特別是在5G時代，計算需求逐漸從中央向網路邊緣轉移，AI-RAN的vRAN和MEC共享方案能夠更加靈活地應對低時延和高帶寬需求的應用場景，確保計算資源的高效分配和利用，從而為用戶提供更優質的網路體驗。
在AI-RAN的框架下，「AI With RAN」和「AI For RAN」是兩種關鍵的應用模式：
「AI With RAN」通過動態共享計算資源，使得AI應用和RAN負載能夠協同工作，優化資源利用率。例如，在網路流量低的時段，閒置的計算資源可以被用於支持其他計算密集型應用，如邊緣計算和AI模型訓練，甚至可以進行算力出租，為運營商創造額外收入。
「AI For RAN」則是將AI技術直接應用到RAN的性能優化中。傳統的信號處理過程依賴於固定的計算方法和公式，雖然這些方法經過多年優化，但隨著網路的複雜性和需求的增加，AI的引入可以顯著提升處理效率和性能。通過深度學習、神經網路等技術，AI能夠優化信號傳輸、頻譜利用和網路調度，使得RAN在頻譜利用、干擾管理和流量分配等方面更為智能。AI能夠根據實時網路狀況進行自適應調整，從而提高網路容量、減少延遲，並提高無線通信的質量。
「AI With RAN」和「AI For RAN」雙輪驅動的變革，極大程度上推動了RAN性能的提升。為了將這種創新進一步推向極致，行業內的領先平台也在探索更加智能化的應用路徑。
NVIDIA推出的AI Aerial平台，通過生成式AI與無線接入網路（RAN）的深度結合，為5G網路的智能化發展提供了強大的技術支撐。該平台在三個方面展現了獨特優勢：
作為全球首個將生成式AI 與無線接入網路（RAN）流量相結合的平台，AI Aerial致力於推動 5G 和智能化和高效化，並提供了一系列強大的功能，包括：
1、NVIDIA Aerial CUDA 加速 RAN：通過 NVIDIA 加速計算平台，幫助合作夥伴開發和部署高性能的虛擬化 RAN 工作負載，顯著提升網路性能和靈活性。
2、NVIDIA Aerial AI 無線電框架：基於 PyTorch 和 TensorFlow，開發並訓練能夠提高頻譜效率的 AI 模型，為 5G 和 6G 無線電信號處理提供創新的功能。此框架還包括 NVIDIA Sionna，支持基於神經網路的無線電算法的鏈路級模擬與開發。
3、NVIDIA Aerial Omniverse 數字孿生（AODT）：該系統級網路數字孿生平台具備物理學精度，能夠模擬從單個基站到整個城市範圍的大規模無線系統。AODT 集成了軟體定義的 RAN、用戶設備模擬器，並能模擬現實地形與物體屬性，助力無線網路的優化和創新。
「五維」場景「智變」
AI-RAN帶來的性能升級，也讓電信企業賦能更多的行業創新，並收穫更多商業機會。通過引入人工智慧與機器學習技術，AI-RAN能夠對網路資源進行智能調度、優化流量管理，並大幅度降低網路延遲。這不僅提升了無線網路的整體性能，也為多個行業的前沿技術應用提供了堅實的支持。
在工業生產場景下，產業項目中部署了數據中心，結合了5G私網和AI技術，推動了兩個關鍵應用。一方面，藉助AR眼鏡，工程師可以實時查看儀表的各個按鈕和指標，並進行備註和理解，大大提高了巡檢效率，同時通過數據採集系統提供生產預警，確保生產順暢。另一方面，在流水線上安裝高清攝像頭，通過AI進行瑕疵檢測，自動識別產品外觀問題，提高了生產線的質量控制能力。這些技術的結合，有效提升了工業現場的智能化水平。
在低空經濟的應用場景中，無人機將成為日常物流配送、城市巡檢等任務的關鍵工具。然而，由於高樓大廈和其他建築物的遮擋，傳統的GPS定位無法滿足無人機在複雜城市環境中的精確導航需求。AI-RAN通過優化5G網路的信號傳輸和處理能力，為低空經濟提供了新的解決方案。
以深圳市人民公園的無人機配送項目為例，該項目通過AI-RAN技術實現了無人機的精準定位與實時通信。通過AI-RAN的智能信號處理和低延遲傳輸，5G基站不僅提供了通信功能，還能通過雷達信號對無人機進行實時定位和跟蹤，避免了傳統GPS的盲區問題。在無人機配送場景中，AI-RAN有效提升了無人機的路徑規劃和避障能力，使得無人機能夠在公園這一複雜環境中安全、精準地執行任務。
在具身智能的應用場景下，機器人需要在複雜環境中執行任務，而這通常依賴於機器人的感知系統（如攝像頭、傳感器）和雲端的計算能力。AI-RAN為這一過程提供了強大的通信支持，特別是在邊緣計算和雲計算之間的無縫協作。
某智能倉儲企業在其自動化物流系統中使用了AI-RAN來提升機器人與雲端之間的數據傳輸效率。該系統中，機器人通過安裝在端側的傳感器採集環境數據，並通過5G網路上傳輸至雲端進行分析和處理。AI-RAN通過優化數據流的傳輸和降低延遲，確保機器人能夠實時接收雲端的指令並執行任務。
在AI Phone的應用中，體現了AI-RAN在消費端的重要性。AI Phone通過大語言模型和語音識別技術，為用戶提供更加智能、便捷的交互體驗。然而，這一技術的實現離不開強大的網路支持，尤其是在處理實時語音數據和雲端AI計算方面。AI-RAN在這一過程中發揮了至關重要的作用，優化了語音數據的傳輸和計算過程。
以某品牌手機的語音助手為例，用戶通過語音指令可以輕鬆完成如叫車、發送文件等操作。手機端通過利用AI-RAN技術，可以確保語音數據能夠以低延遲、高帶寬的方式上傳到雲端進行處理。生成式AI模型在雲端進行自然語言理解和任務執行，並將結果反饋到手機端，提供智能的回應。
在這一過程中，AI-RAN通過優化無線網路資源的調度，使得用戶與AI Phone之間的語音交互變得更加流暢和精準。例如，用戶在繁忙的城市街道上使用語音助手進行叫車操作，AI-RAN能夠確保即便在信號較差的環境下，語音數據依然能夠穩定傳輸，確保系統能夠迅速響應。
