2026 年 2 月 25 日 MWC26 巴塞罗那开幕前夕，爱立信（Ericsson）一次性发布十款"AI 就绪（AI-ready）"无线设备、新一代天线及 AI RAN 软件套件，核心硬件亮点是将一颗可编程神经网络加速器（Neural Network Accelerator，NNA）直接集成进自研的 Ericsson Silicon 基站芯片。这意味着基站侧的 AI 推理不再依赖外挂 GPU，爱立信由此确立了"专用硅芯优先"的 AI-RAN 路线，与英伟达 GPU + CUDA Aerial 主导的行业叙事正面分流。三个月后（2026 年 5 月 22 日），爱立信联合 T-Mobile 将"具备链路自适应功能的 AI 原生调度器"投入 5G-A 现网大规模商用试验；6 月 12 日再推纯软件套件，让运营商无需新增硬件即可在存量网络落地 AI。整条产品线以"更高中文上行、更低时延、更优能效"为卖点，向上下游释放出 AI-RAN 算力范式从"通用堆算力"转向"专用低功耗硅芯"的明确信号。
爱立信这次的产品节奏呈现出清晰的"硬件打底—商用验证—软件上量"三段式。
第一段：MWC26 硬件旗舰发布（2026 年 2 月 25 日）。 在巴塞罗那开展前一天的全球记者会上，爱立信抛出"AI 优先（AI-first）"的下一代 RAN 解决方案，一次性放出十款 AI-ready 无线设备，覆盖 Massive MIMO 与远端射频（remote radio）两大形态。其中最受关注的是AIR 3286——下一代双频 FDD Massive MIMO 无线设备，主打更高输出功率与更强的部署灵活性，瞄准上行能力提升这一被多模态 AI、AR/VR 用例反复施压的短板。同期发布的还有面向网络整合的高功率三频无线设备 Radio 4488 与 Radio 4464，意在帮助运营商在频率重耕与站点精简场景下"以一代多"。这十款设备的共同点，是底层都由新一代 Ericsson Silicon 驱动，而每颗硅芯内部都嵌入了那颗关键的 NNA。
第二段：T-Mobile 现网商用试验（2026 年 5 月 22 日）。 爱立信与 T-Mobile 联合宣布，将"具备链路自适应功能的 AI 原生调度器"投入到 5G-A 现网开展大规模商用试验。T-Mobile 无线接入网工程与新兴技术高级副总裁 Grant Castle 在官方稿件中强调，继 2025 年成为美国首家全国范围部署 5G-A 的运营商后，T-Mobile 持续突破 RAN 技术创新边界。据行业媒体公开报道，此次试验在不改动硬件、不新增频谱的前提下，依托 AI 驱动的频谱分配与链路自适应算法，重点区域上行突破 1 Gbps，基站能耗下降约 18%，ASIC 专用芯片路径较通用算力方案在频谱效率与功耗上展现出明显优势。需要指出的是，上述具体数字来自行业媒体的转述，爱立信官方稿件更强调"全球首创突破"与"AI 原生 RAN 持续进展"的定性表述，精确指标仍以运营商正式发布的试验报告为准。
第三段：AI in RAN 软件套件（2026 年 6 月 12 日）。 爱立信进一步发布一套纯软件解决方案，帮助运营商在现有网络中即刻落地 AI 能力，同时为未来"原生 AI RAN"做技术铺垫。这套软件的卖点在于"无需添置额外硬件设备"即可让运营商在 5G 网络中受益——这对已经大规模部署爱立信基站的客户而言，意味着可以用软件升级的方式把 AI 能力"焊"进现网，而不必等待新一轮基站换装周期。爱立信网络战略与产品管理负责人 Mårten Lerner 在 6 月官方专栏中表示，AI in RAN 是"把 AI 放到真正重要的地方（put AI where it matters）"。
这三段连起来，构成了爱立信 AI-RAN 的完整商业闭环：硬件层用自研硅芯 + NNA 把算力下沉到射频前端，软件层用可移植套件覆盖存量网，商用层用 T-Mobile 试验给出可量化收益。
把一颗神经网络加速器塞进基站专用 SoC，看似只是芯片集成度的小事，背后却是 AI-RAN 算力归属权的路线之争。
NNA 的定位：可编程矩阵的"推理引擎"。 据 5gstore、everythingrf 等媒体的拆解，爱立信新一代 AI-ready 无线设备的 NNA 是"集成在 Ericsson Silicon 芯片内部的可编程矩阵单元"，专门负责 Massive MIMO 设备上的 AI 推理任务。它的价值在于：波束赋形、信道预测、干扰抑制等 RAN 原生 AI 算法需要在毫秒甚至微秒级的时间窗内完成推理，传统做法是把这些任务回传到云端或基站侧的通用 CPU/GPU 上跑，时延与功耗都不理想；而把一颗可编程 NNA 放在射频与基带的"隔壁"，推理就近完成，时延趋近于零、功耗大幅下降。
专用硅芯 vs GPU：爱立信为何"另起炉灶"。 过去一年，AI-RAN 的行业叙事几乎被英伟达 GPU + NVIDIA Aerial CUDA 的方案垄断——"在基站机房堆 GPU，把 RAN 当云原生 AI 工作负载来跑"。5gstore 在一篇题为《Ericsson Charts Its Own Path to AI-RAN — No Nvidia Required》的分析中明确指出，爱立信选择用定制硅芯而非英伟达 GPU 来构建 AI-RAN 产品。原因很现实：基站是受限供电、受限散热的边缘场景，GPU 的高功耗与高成本与运营商"降本增效"的诉求天然冲突；而一颗数瓦级的专用 NNA，可以在不显著抬高基站功耗包络的前提下完成 AI 推理，更契合无线网络的工程约束。
双轨策略：硬件自研、软件可移植。 值得注意的是，爱立信并非与英伟达彻底切割。MWC26 期间，爱立信同步与 T-Mobile 合作，基于英伟达 AI 基础设施及 NVIDIA Aerial CUDA 完成了 Cloud RAN 软件演示，并宣布与英特尔推进 AI 原生 6G 研究。这构成了爱立信的"双轨"姿态：在无线设备侧坚持自研 NNA 专用硅芯，在 Cloud RAN 侧保持软件可移植、兼容英伟达生态。这种"两条腿走路"既守住了无线主战场的成本与能效护城河，又没有把云化 RAN 的潜在客户推向竞争对手。媒体将其概括为"自研 NNA 芯片 + 可移植软件"的 AI-RAN 双轨战略。
硬件之外，爱立信同步公布了一批 AI 驱动的 RAN 软件增强功能，这些功能本身就是 NNA 算力的"出口"：
这套软件与 6 月发布的 AI in RAN 套件叠加，让运营商可以分阶段、低门槛地把 AI 能力注入网络，而不必一次性承担基站换装的全部资本开支。
爱立信的 NNA 路线，本质上是给整个产业链抛出了一个选择题：AI-RAN 的算力，到底应该用 GPU 在云端/机房堆出来，还是用专用 SoC 在射频前端"长"出来？ 这个选择会沿着产业链向上游和下游传导出截然不同的后果。
对上游芯片供应链的影响。 如果"专用硅芯"成为主流，受益最直接的是拥有自研芯片能力的设备商（爱立信 Ericsson Silicon、诺基亚 ReefShark SoC、华为）以及背后的先进制程代工方（台积电的 N4/N3 节点）。这类 ASIC/SoC 的设计周期长、NRE（一次性工程费用）高，但量产边际成本低、能效优势大，符合运营商"每比特功耗"持续下降的长期要求。反之，GPU 路线会让英伟达及其 GPU 服务器生态（含存储、高速互联、液冷）深度嵌入电信网络，重构运营商的机房与供电标准。爱立信用 NNA 把算力留在基站内部，实际上是在争夺 AI-RAN 时代"谁是算力提供者"的定义权——是设备商的 SoC，还是云厂商的 GPU。
对中游设备商格局的影响。 这一发布让 AI-RAN 的路线分化更加清晰：爱立信走"专用 NNA + 双轨软件"的自主可控路线；诺基亚以 ReefShark SoC + Doksuri 系列 AI-RAN ready 无线设备应对；三星则押注"单机 vRAN + 通用硅芯"，以软件灵活性和通用算力抗衡 GPU 高成本（参见此前三星单机 vRAN 首商用案例）；英伟达则以 GPU + Aerial 平台拉拢 Cloud RAN 派系。四条路线背后是四种商业逻辑：专用低功耗、自研可控、通用灵活、云原生规模。短期内谁也无法通吃，运营商的采购选择将直接决定哪条路线拿到最大份额。
对下游运营商的影响。 对运营商而言，NNA 路线最实在的价值有三点：能效（T-Mobile 试验中基站能耗下降约 18% 的方向性结论，对欧洲高电价市场尤其有吸引力）、上行能力（多模态 AI 终端与 AR/VR 用例倒逼上行突破 1 Gbps）、变现（AI 波束赋形、高精度室外定位、差异化连接让运营商有望从 AI 设备流量中"切一块蛋糕"）。更重要的是，6 月的纯软件套件降低了 AI-RAN 的准入门槛——运营商不必等下一轮集采，现网基站就能逐步升级，这显著缩短了 AI 能力从实验室到商用的距离。
风险与变量。 这条路线并非没有隐忧。其一，自研 NNA 的生态封闭性可能让运营商担忧"厂商锁定（vendor lock-in）"，尤其在 Open RAN 思潮下，专用硅芯的可移植性会被反复审视；其二，AI 算法迭代速度极快，一颗固化的 NNA 能否跟上下一代大模型/新算法的算力需求，是工程上的长期挑战，"可编程"成为关键词正是为此；其三，英伟达 GPU 路线在北美（AT&T、T-Mobile、Verizon 均有 Cloud RAN 合作）已有深厚根基，爱立信的专用硅芯要在最大市场守住阵地，仍需持续的外场数据背书。
| 路线代表 | 算力载体 | 核心优势 | 主要短板 | 典型场景 |
|---|---|---|---|---|
| 爱立信 NNA（专用硅芯） | Ericsson Silicon 内嵌可编程 NNA | 功耗低、推理就近、能效优 | 生态偏封闭、算法迭代受制于硬件周期 | Massive MIMO 波束赋形、AI 调度器、室外定位 |
| 英伟达 GPU + Aerial | 数据中心级 GPU | 算力强、云原生、生态丰富 | 功耗/成本高、依赖机房与供电改造 | Cloud RAN、AI 训练+推理一体、多租户 |
| 三星 通用硅芯 vRAN | 通用 CPU/标准服务器 | 软件灵活、规避 GPU 高成本 | 单站算力上限受通用 CPU 制约 | 单机 vRAN、中小运营商、Open RAN |
| 诺基亚 ReefShark SoC | 自研 SoC + Doksuri 无线 | 自主可控、与设备深度协同 | 软件可移植性与生态开放度待验证 | 全场景 RAN、AI-RAN ready 无线 |
注：上述对比为路线层面的方向性梳理，具体性能指标以各厂商正式发布的实验室与外场报告为准。
timeline
title 爱立信 AI-RAN NNA 路线关键节点与行业分化
2024 : 行业叙事以 GPU+Aerial 为主<br/>AI-RAN 概念升温
2025 : T-Mobile 全美部署 5G-A<br/>Cloud RAN GPU 方案落地
2026年2月 : 爱立信 MWC26 发布 10 款 AI-ready 无线设备<br/>NNA 嵌入 Ericsson Silicon
: 同期双轨验证<br/>NVIDIA Aerial Cloud RAN 演示 / 英特尔 6G 合作
2026年5月 : 联合 T-Mobile 完成 AI 原生调度器<br/>5G-A 现网大规模商用试验
2026年6月 : 发布 AI in RAN 纯软件套件<br/>存量网无需新增硬件即可落地 AI
未来 : 专用硅芯 vs GPU vs 通用 vRAN<br/>三路线争夺 AI-RAN 算力定义权
爱立信这次发布表面上是"又一批新基站"，实质上是在 AI-RAN 的算力版图上画出了一条清晰的分界线：基站侧的 AI 推理，不该用 GPU 砸出来，而该用专用硅芯"长"出来。 NNA 嵌入 Ericsson Silicon，把算力压到射频前端的"最后一公里"，用低功耗、低时延回应了运营商对能效与变现的双重焦虑；6 月的纯软件套件则把这条路铺到了存量网络，让 AI-RAN 从"下一代基站的故事"变成"现网今天就可用"。
从产业链视角看，这场发布加速了三件事：一是设备商自研芯片能力重新成为 RAN 竞争的护城河；二是"专用 ASIC vs 通用 GPU"的路线博弈将从数据中心蔓延到电信边缘；三是运营商在 AI-RAN 采购中将首次面对"硬件换装 vs 软件升级"的颗粒度选择。短期来看，爱立信凭借 T-Mobile 的现网数据拿到了专用硅芯路线的第一张"商用通行证"；但真正的胜负手，在于自研 NNA 能否在算法飞速迭代的压力下保持足够的可编程性与开放性，以及这条路线能否在欧洲高电价市场之外赢得足够多的运营商用脚投票。AI-RAN 的下半场，注定是一场"算力该放哪儿"的长期拉锯。
本文由「51学通信」技术团队出品。51学通信由通信行业 18 年老兵爱卫生（微信ID: gprshome201101）维护，聚焦 5G/6G 核心网、3GPP 标准解读、通信前沿技术深度分析。 出版作品有《5G 核心网原理与实践》《IMS 原理与实践》等 4 本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。