概述：基站能不能顺手把AI的活也干了？2024年10月，软银给出业内第一个接近商用的答案——AITRAS，把基带处理和生成式AI推理塞进同一台英伟达Grace Blackwell服务器，并宣称融合部署可省约四成能耗。英伟达随即在GTC 2025推出Arc Aerial平台，携手T-Mobile成立AI-RAN创新中心。本文回答三个问题：AI-RAN到底是什么、软银们算的账能不能成立、一线运维工程师要为此准备什么。文中关键数字均标注厂商口径，进度类信息以官方披露为准。
很多人第一反应是“AI优化无线参数”——那是AI for Network，属于网优范畴，前几篇文章聊过的智能体网优就是这条路。AI-RAN说的是另一件事：改基站本身的硬件形态。
传统基站的BBU里，L2/L1（MAC调度、PHY）跑在专用基带芯片上，实时性是毫秒甚至微秒级的硬约束；而AI推理跑在数据中心里GPU服务器上，跟基站完全是两套设备、两个机房、两张电费单。AI-RAN的核心主张是：把这两摊活合并到同一套以通用算力（GPU/NPU）为核心的平台上，让昂贵的大算力芯片在基站侧“一份钱干两份活”。
AI-RAN联盟（AI-RAN Alliance，2024年2月MWC期间成立，创始成员包括英伟达、三星、ARM、微软、T-Mobile、软银、德国电信、爱立信、诺基亚等）把这件事拆成三层，这个分类现在被业界广泛引用：
架构上的差异，一张图就能看明白：
flowchart LR
subgraph T["传统分体部署：两套设备各干各的"]
B1["BBU 专用基带芯片"] --> R1["AAU 射频单元"]
B1 --> C1["核心网"]
S1["边缘机房 GPU服务器"] --> M1["大模型推理"]
S1 --> C1
end
subgraph N["AI-RAN融合部署：一台柜子两份活"]
G["通用算力服务器 GPU平台"] --> V["vRAN软件 基带处理"]
G --> L["大模型推理服务"]
V --> R2["AAU 射频单元"]
V --> C2["核心网"]
L --> E["边缘AI应用开放"]
end
看起来只是“设备少了”，但对运营商来说，这动的是采购模型、机房规划、运维责任界面三个根本性的东西。这也是为什么AI-RAN从发布那天起就争议不断。
把概念变成硬件的，是软银。据软银公开发布（2024年10月底新闻稿，并在当年英伟达东京AI峰会上演示），其开发的AITRAS实现在英伟达Grace Blackwell平台上同时运行vRAN基带处理（vCU）与生成式AI推理——也就是说，原本跑在专用基带板上的L2/L1软件，和日文大模型的推理服务，共享同一台服务器。
这背后有软银自己的战略逻辑：软银既是运营商，又在重金自建AI算力（其旗下子公司在自研日文大模型），还计划在全国铺分布式AI计算基础设施。AITRAS相当于把“基站站址”变成“AI算力网点”——日本全国几十万个站址，每一个都是潜在的边缘AI节点，这个想象空间是纯电信账本算不出来的。
软银公布的路线图口径是：2025年起开展现网验证，目标是2026年前后商用落地。需要说明的是：截至本文写作，其商用规模与现网KPI尚未见独立第三方数据证实，下面的能耗数字也全部是厂商口径。
按软银公开材料，与“基站设备＋独立AI服务器”分体部署相比，融合部署的能耗可降低约四成。这个数字怎么来的？逻辑大致是：GPU服务器本来就要为AI负载供电，基站基带处理“搭便车”挤进同一台设备后，省掉的是一整套独立BBU的机柜、电源、空调开销。前提是AI负载与基站负载在时间上互补——白天话务高、AI推理可调度到波谷，反之亦然。
| 维度 | 传统分体部署 | AI-RAN融合部署（厂商口径） |
|---|---|---|
| 设备形态 | BBU专用基带＋独立GPU服务器 | 同一台通用算力服务器承载两者 |
| 基带实现 | 专用芯片，实时性有专门保障 | 软件化vRAN跑在GPU平台，实时性依赖平台软件栈 |
| 能耗 | 两套电源、两套散热 | 软银宣称可省约四成（未经第三方复测） |
| 机房占用 | 两个规划单元 | 一个机柜，站址资源复用 |
| 算力利用 | GPU专属AI，峰值冗余闲置 | 分时共享，理论上利用率更高 |
| 主要风险 | 成本高但技术成熟 | 实时性、版本耦合、故障域合并（下文展开） |
AI-RAN不是软银一个人的戏。2025年3月GTC上，英伟达发布了面向AI-RAN的Arc Aerial平台，同场宣布与T-Mobile US成立AI-RAN创新中心，爱立信、诺基亚参与其中；诺基亚后来更与英伟达达成深度资本合作（10亿美元投资与AI-RAN合作，这一点本栏目此前已有专文，不展开）。NTT DOCOMO也与英伟达有面向6G的联合研究。三星则是软银现网vRAN的供应商，同时是联盟创始成员。
| 主体 | 路线定位 | 公开进展 | 姿态 |
|---|---|---|---|
| 软银 | AI and RAN，激进派 | AITRAS发布并进入现网验证阶段（厂商口径） | 最快下注 |
| 英伟达 | 平台方，Arc Aerial | GTC 2025发布，绑定多家运营商 | 卖铲子 |
| T-Mobile US | 试验验证 | 与英伟达共建AI-RAN创新中心 | 谨慎试水 |
| 三星 | vRAN软件＋硬件 | 联盟创始成员，软银合作方 | 供给方 |
| 爱立信 | 传统专用RAN | 参与生态但公开泼冷水 | 观望 |
| 诺基亚 | 转向融合 | 获英伟达投资，合作AI-RAN | 转身中 |
值得注意的是爱立信的态度。据公开报道，爱立信管理层曾表态：GPU方案要用于中频段宏站的大规模部署，成本竞争力上还有很长的路。这话说得直接，但不是没道理——宏站对基带的成本密度极其敏感，一台宏站BBU的专用芯片是大批量ASIC的价格，换成能跑大模型的GPU服务器，单价完全不在一个量级。爱立信押的是“AI增强RAN算法，但别动我的硬件形态”这条线。
两条路线的本质分歧在这里：AI-RAN是“算力下沉”，爱立信路线是“AI进算法”。前者赌的是边缘AI收入会出现，后者赌的是AI只该用来省电和提效。标准层面，3GPP在Rel-20已启动AI空口相关研究（本栏目此前拆解过），但那是算法层的标准化，不涉及硬件形态——换言之，AI-RAN目前没有任何强制标准，联盟的攻关重点是产业共识和互操作，具体行为以各厂家官方文档为准。
第一笔，能耗账。软银的四成省电，成立的前提有三个：AI负载确实存在且可调度、双负载合并后散热效率真的提升、GPU不被闲置空转。第三条最要命——GPU在无负载时的静态功耗并不低，如果站点的AI需求不足，一台为“两份活”准备的GPU服务器可能大半时间在烧空转电。省电故事从“设备少了”变成“算力卖没卖出去”，账本性质就变了。
第二笔，设备账。电信设备的采购模型是按7到10年折旧设计的，而GPU两三年一代，性能价格曲线变化极快。运营商买一批GPU服务器进基站站址，三年后这批卡在推理市场上还值多少钱？折旧周期错配是CFO层面绕不开的问题，这也是至今没有一家欧美大运营商宣布规模商用AI-RAN的深层原因——T-Mobile选择的是“创新中心”这种研究姿态，而不是采购承诺，信号很清楚。
第三笔，收入账。AI on RAN设想的是把站址算力卖给第三方：车路协同、视频结构化、行业大模型推理。这笔账目前全行业都还停留在PPT阶段，没有公开的可审计收入案例。软银的特殊性在于它同时是AI公司，算力内部消化，收入账变成集团内部的转移定价——这让它成为最合理的首发用户，但也意味着“运营商普遍复制软银模式”的结论下得太早。
三笔账合起来，我的判断是：AI-RAN在经济上成立与否，不取决于第一笔（能耗），而取决于第三笔（收入）。能耗节省最多对冲成本，只有站址算力的新收入才能解释为什么要为此重构整个基站形态。
以我这些年泡NOC和割接现场的经验，AI-RAN对一线绝不是“设备少了更轻松”，而是故障域、版本域、技能域的三重重构。
故障域合并。过去基站和AI机房是两个专业、两拨人、两套告警系统。融合之后，一台GPU服务器既是基站又是AI节点：GPU故障、显存ECC错误、驱动崩溃，任何一种都可能同时打断基带处理和大模型服务。告警定界从“查基站”变成“先分清是算力平台的问题还是RAN软件的问题”，跨专业的根因定位能力会成为NOC的硬需求。
版本耦合。专用基带时代，基站软件版本节奏是运营商说了算，一年两三次割接。融合之后，RAN软件与GPU平台软件栈、驱动版本强绑定，GPU侧的安全补丁节奏（互联网节奏，可能一月多次）和电信级升级窗口（深夜割接、灰度验证）如何调和，是全新课题。升级风险面变大，回退方案必须重新设计——标准允许多种实现，具体升级耦合关系以各厂家官方文档为准，但“驱动一动、基带跟着动”这个耦合本身是架构性的。
实时性与KPI。L2调度是微秒级的硬实时活，让它在GPU上与AI推理分时共存，调度抖动如何不伤到空口KPI（时延、掉话率），是所有AI-RAN方案必须过的关。软银敢说能做到，但独立现网数据还没有。在第三方实测出来之前，我对“融合部署KPI无损”这类宣传保留态度。
技能栈迁移。对个人而言，这件事反而明确：未来基站侧运维需要的技能会向数据中心迁移——Kubernetes、GPU监控与算力切分、推理服务化部署、实时Linux调优，这些过去属于IT部门的活，会逐步出现在无线专业的岗位要求里。无线专家＋云原生，会是接下来几年最值钱的组合之一。
2026年值得盯的四件事：一是软银商用落地的真实规模和第三方实测能耗（这是全行业的试金石）；二是T-Mobile创新中心是否产出可公开的现网试验KPI；三是GPU代际更新后，电信采购模型会不会出现“按算力订阅”的新商务形态；四是苹果终端AI与边缘算力的协同会不会给AI on RAN送来第一批真实流量。
给从业者的建议按优先级排：无线专业的人先补云原生和GPU运维基础，这是确定性最高的技能投资；做核心网和承载的人关注算力网络与站址算力的编排架构；管理岗要提前想清楚融合站址的责任界面和SLA模型——等商用真来了再想，就晚了。
AI-RAN是一场用“收入假设”驱动的基站形态革命：能耗账能算平，设备账很勉强，收入账还没开张。软银先落子，赌的是自己是全球少数能“自己消化站址算力”的运营商；爱立信泼冷水，赌的是AI只该活在算法里。2026年，当软银的现网数据（如果如期）摆上桌面，这场争论会第一次有了可验证的裁判依据。对工程师来说，与其站队，不如把GPU和K8s学起来——无论哪条路线赢，基站都会越来越像一台服务器，这是确定性最高的事。
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。