AI-RAN стал одной из самых обсуждаемых тем в телекоммуникационной отрасли. Одни считают его следующим этапом развития беспроводных сетей, другие полагают, что термин может быть переоценен, пока бизнес-модель, структура затрат и техническая архитектура не проверены на практике. Чтобы понять AI-RAN, нужно рассматривать не маркетинговый термин, а сближение радиодоступа, ИИ-вычислений, архитектуры чипов, edge computing и стратегии 6G.

AI-RAN означает Artificial Intelligence Radio Access Network. Это применение технологий ИИ к сети радиодоступа или построение сети, которая интегрированно обрабатывает коммуникационные и ИИ-нагрузки. Речь не только о ПО ИИ на базовой станции, а о превращении станции из узла связи в интеллектуальный edge-вычислительный узел.

Статья рассматривает AI-RAN с инженерной точки зрения: эволюцию от традиционного RAN к Open RAN, роль CPU, GPU, FPGA и ASIC, направления AI for RAN, AI and RAN и AI on RAN, прогресс NVIDIA, SoftBank, Nokia, Ericsson, Huawei и ZTE, а также ключевые риски внедрения.

Сначала RAN, затем AI-RAN

RAN — это Radio Access Network. В мобильной сети есть ядро, транспорт и радиодоступ. RAN соединяет смартфоны, промышленные терминалы, датчики, автомобили и IoT-устройства с сетью оператора.

В 4G базовая станция обычно включала антенны, RRU, BBU и линии связи. RRU отвечала за радиосигналы, а BBU — за модуляцию, демодуляцию, кодирование, декодирование, оценку канала и распределение ресурсов.

В 5G антенна и RRU интегрировались в AAU, а функции BBU разделились на CU и DU. CU отвечает за нестрогие по времени функции, DU — за обработку в реальном времени. Это повысило гибкость и сложность.

Почему RAN трудно открыть и виртуализировать

Ядро сети легче виртуализировать, потому что оно связано с маршрутизацией, коммутацией и управлением сессиями. Так развилась NFV. RAN сложнее: базовая полоса требует низкой задержки, высокой плотности вычислений, точного тайминга и детерминированного поведения.

Традиционные станции были закрытыми системами с ASIC и проприетарным ПО. ASIC эффективны для фиксированных нагрузок, обеспечивая высокую плотность, низкое энергопотребление и стабильную задержку.

Операторы затем продвигали открытые white-box архитектуры, стандартизированные интерфейсы и раздельное развитие аппаратной и программной частей. Так появились C-RAN, O-RAN, vRAN, xRAN и Open RAN.

От C-RAN к Open RAN

China Mobile продвигала C-RAN, где несколько BBU централизуются в пул базовой полосы и соединяются с удаленными радиоблоками по оптике.

Open RAN добавляет модульность: RU, DU и CU могут быть от разных поставщиков, а программная базовая полоса может работать на x86 или ARM.

Но CPU-платформы при всей гибкости могут быть менее энергоэффективными и менее стабильными по задержке, чем ASIC. Поэтому Open RAN — это не только ПО, а также реальное время и энергетика.

Почему GPU вошли в обсуждение RAN

В телеком-вычислениях важны CPU, GPU, FPGA и ASIC. CPU универсальны, ASIC специализированы, FPGA гибки, а GPU сильны в параллельных ИИ-вычислениях.

Стратегия NVIDIA — внедрить GPU в базовые станции для обработки RAN и запуска ИИ-моделей на границе сети. Такая станция становится edge AI-инфраструктурой.

Мировые расходы на телеком-оборудование превышают 100 млрд USD в год. Если GPU войдут в станции, сеть связи станет крупным вычислительным рынком.

AI-RAN — больше чем базовая станция с GPU

Главная идея — сделать станцию low-latency edge AI server с 5G и будущим 6G. Она одновременно обрабатывает радиосигналы и выполняет ИИ-инференс для пользователей, устройств, камер, роботов и промышленных систем.

ИИ также улучшает RAN: прогноз состояния канала, распознавание интерференции, оптимизация миллиметровых лучей, прогноз трафика, энергосбережение и распределение радиоресурсов.

AI-RAN расположен между облаком и устройством: ближе к пользователю, чем cloud, и мощнее большинства терминалов. Поэтому он подходит для низколатентного ИИ.

Три направления AI-RAN

AI-RAN Alliance выделяет AI for RAN, AI and RAN и AI on RAN.

AI for RAN

ИИ улучшает сеть: прогноз трафика, интеллектуальное планирование, энергосбережение, обнаружение отказов, управление помехами и beamforming.

Это самый практичный путь, потому что он повышает производительность сети и снижает OPEX.

AI and RAN

Связь и ИИ работают на одной инфраструктуре. Нужно изолировать и планировать нагрузки так, чтобы ИИ не нарушал real-time RAN.

Если одно оборудование обслуживает и связь, и ИИ, оператор получает лучшее использование ресурсов.

AI on RAN

RAN становится платформой для внешних ИИ-приложений: видеоаналитика, промышленное позиционирование, автономные системы, smart city, connected vehicles, AR/VR и low-latency AI.

Это тесно связано с 6G, где сеть должна объединять связь, sensing, computing и интеллект.

Отраслевой прогресс

В феврале 2024 на MWC Barcelona NVIDIA, SoftBank, Ericsson, Nokia, Microsoft и другие создали AI-RAN Alliance. Альянс начал с 11 участников и вырос до более чем 100 партнеров.

В ноябре 2024 NVIDIA и SoftBank объявили испытание первой AI-RAN сети для ИИ и 5G-нагрузок. В 2025 NVIDIA инвестировала 1 млрд USD в Nokia, усилив сотрудничество по 6G RAN и AI-RAN.

NVIDIA представила Aerial RAN Computer Pro (ARC-Pro) и AI Aerial с GB200, BlueField-3, Spectrum-X и CUDA-X.

Затем продвигался стек “All-American AI-RAN” для динамического распределения GPU-ресурсов в vRAN, ИИ и исследованиях 6G. В 2026 видение AI Grid связало AI-RAN с распределенной облачной оркестрацией.

Два пути отрасли

Первый путь — принять GPU AI-RAN. SoftBank, AT&T и другие ищут сетевой интеллект, снижение OPEX, новые услуги и раннюю позицию в 6G. В некоторых сценариях ожидается снижение OPEX более чем на 30%.

Nokia интегрирует anyRAN с NVIDIA GPU AI RAN и проводит тесты с T-Mobile US, Telkom Indonesia и SoftBank.

Второй путь — независимое развитие. Ericsson тестирует RAN на NVIDIA AI, но также развивает собственные ускорители в Ericsson Silicon и переносит инференс ближе к AAU/RRU.

Huawei и ZTE предлагают AI-Centric Network и AIR MAX. Значит, AI-RAN — это многовекторное направление, а не решение одного поставщика.

Интерес и опасения операторов

AI-RAN помогает уйти от роли “dumb pipe”: станции могут стать программируемыми edge AI-узлами для низколатентного инференса, индустриальных сервисов, данных, private networks и edge computing.

Некоторые операторы говорят о переходе от traffic operation к “token operation” и от связи к вычислительным услугам.

Но есть риск vendor lock-in, зависимости от GPU-экосистемы, проблем технологического суверенитета, цепочек поставок, прозрачности затрат и переговорной силы.

Сложности внедрения

CAPEX высок из-за ИИ-ускорителей, серверов, сетевого оборудования и модернизации площадок. OPEX растет из-за энергии, охлаждения и новых процессов.

Нужна бизнес-модель: как измерять, оценивать, продавать и эксплуатировать edge AI capacity?

Стандартизация не завершена: 3GPP и AI-RAN Alliance движутся разными логиками, а единых интерфейсов данных, моделей, оркестрации и ответственности пока нет.

Экосистема также незрела: чипы, оборудование, операторы, облака, терминалы, разработчики и модели должны выбрать устойчивые маршруты.

Почему ответом может быть гетерогенная архитектура

Будущее, вероятно, не будет чисто GPU. Реалистичный вариант — ASIC + GPU + CPU и иногда FPGA.

ASIC эффективны для фиксированной телеком-нагрузки, CPU гибки для управления, GPU сильны в параллельном ИИ, FPGA полезны для специализированного ускорения.

Гибрид снижает зависимость от одного пути и позволяет поэтапно внедрять AI-RAN: оптимизация сети, edge video analytics, промышленное позиционирование, private networks и 6G research.

Рекомендуемая архитектура решения

Практическая AI-RAN должна быть слоистой: radio layer RU/AAU/DU/CU; compute layer ASIC/CPU/GPU/FPGA; AI layer runtime, inference, data processing, optimization; orchestration layer scheduling, service exposure, monitoring и lifecycle.

Телеком-нагрузки должны сохранять детерминированность. ИИ-нагрузки планируются по приоритету, емкости и задержке; real-time RAN важнее некритичного инференса.

Нужны security и governance: privacy, model security, access control, audit logs, service isolation и fault recovery.

Сценарии AI-RAN

Оптимизация сети

ИИ прогнозирует трафик, помехи, радиоресурсы, энергопотребление и автоматическую настройку.

Edge video analytics

Станция обрабатывает видео рядом с пользователем для public safety, промышленности, транспорта и smart campus.

Промышленные private networks

Фабрики, порты, шахты и энергетика используют private 5G и локальный ИИ для vision, роботов, безопасности, инспекций и мониторинга.

6G и AI-native networks

AI-RAN может стать основой 6G, где связь, sensing, computing и intelligence объединены.

Заключение

AI-RAN объединяет RAN evolution, AI computing, edge infrastructure, Open RAN, GPU acceleration и 6G strategy.

Но технология ранняя. Несмотря на быстрый прогресс после 2024 года, остаются CAPEX, OPEX, энергия, lock-in, бизнес-модель, стандарты и зрелость экосистемы.

Вероятный путь — гетерогенные вычисления, поэтапное внедрение, открытые интерфейсы, проверка бизнеса и 6G-ориентированное развитие.

FAQ

Что означает AI-RAN?

Artificial Intelligence Radio Access Network: применение ИИ к сети радиодоступа и интеграция коммуникационных и ИИ-нагрузок.

Это только GPU в базовой станции?

Нет. GPU важны, но AI-RAN включает оптимизацию сети, общую инфраструктуру и edge AI platform.

Что такое AI for RAN, AI and RAN и AI on RAN?

AI for RAN улучшает сеть; AI and RAN объединяет нагрузки; AI on RAN делает RAN платформой для ИИ-приложений.

Почему это важно для 6G?

6G будет объединять связь, sensing, computing и intelligence; AI-RAN дает edge-основу.

Главные вызовы?

Высокие CAPEX/OPEX, энергия, lock-in, неясная бизнес-модель, стандарты и незрелая экосистема.

Какая архитектура вероятна?

Гетерогенная: ASIC, GPU, CPU и иногда FPGA.