概述：过去三十年，基站基带一直跑在专用芯片上；2026年，这件事正在被改写——GPU服务器开始同时干两份工：跑5G基带，跑AI推理。本文以软银官方技术专栏《From Proof-of-Concept to Commercial Deployment of AI-RAN》（2026年7月16日，链接）为解读主轴，交叉验证NVIDIA、诺基亚、爱立信、T-Mobile官方新闻稿，回答三个工程师最关心的问题：GPU凭什么能干基带的活？谁真正跑到了商用门口？那些“3倍频谱效率”“吞吐提升30%”的数据，含金量到底几何？
先说清楚概念。AI-RAN不是又一个营销词，它有三个明确的支柱，AI-RAN联盟成立时就把边界划好了：
flowchart LR
A["AI-RAN三大支柱"]
B["AI for RAN：用AI提升空口自身性能"]
C["AI and RAN：AI与基站共用一个算力平台"]
D["AI on RAN：把基站算力开放给AI业务"]
A --> B
A --> C
A --> D
AI for RAN，用神经网络替换或增强物理层算法（信道估计、调度、链路自适应），提升频谱效率；AI and RAN，基带L1/L2和AI推理跑在同一台GPU服务器上，靠编排器动态切分算力；AI on RAN，把基站的富余算力开放给边缘AI业务，让站点从“成本中心”变成“算力节点”。
为什么是现在？因为基带的负载特征变了。4G时代基带是确定性负载，专用ASIC最划算；5G-Advanced之后，Massive MIMO层数往上堆、波束管理越来越复杂，算法本身开始“AI化”，而AI算法迭代快、生命周期短，专用芯片的流片周期根本跟不上。GPU的短板是功耗和确定性，长板恰恰是软件定义、快速迭代——此消彼长，天平开始动了。
历史脉络也值得交代一句：GPU跑通信物理层并非新想法，早年用GPU做信道仿真的很多，但硬实时L1一直过不了电信级这道坎。软银官方称，其自研5G L1软件已在NVIDIA Grace Hopper平台上达到电信级的高性能与高质量——这是AI-RAN从PPT走向机房的先决条件。
把近三年半的关键节点排成一张表，节奏感就出来了：
| 时间 | 事件 | 主角 |
|---|---|---|
| 2023年3月 | 软银与NVIDIA共建AI-on-5G实验室，首次用真机跑通GPU-based vRAN到MEC应用的端到端通信 | 软银、NVIDIA |
| 2024年2月 | AI-RAN联盟成立，软银的Alex Jinsung Choi出任主席 | 软银、NVIDIA等电信与AI企业及高校 |
| 2024年9月 | T-Mobile联合NVIDIA、爱立信、诺基亚成立AI-RAN创新中心 | T-Mobile等 |
| 2024年11月 | 软银发布一体化AI-RAN方案AITRAS | 软银 |
| 2025年8月 | 软银用Transformer模型做无线信号处理，实测环境吞吐提升约30% | 软银 |
| 2025年10月28日 | NVIDIA宣布向诺基亚投资10亿美元，发布ARC-Pro参考设计 | NVIDIA、诺基亚 |
| 2026年2-3月 | MWC26：诺基亚anyRAN软件在NVIDIA平台上与T-Mobile、Indosat、软银完成功能测试；爱立信证明Cloud RAN软件可移植到NVIDIA基础设施 | 诺基亚、爱立信、T-Mobile |
| 2026年5月12日 | T-Mobile与爱立信将AI原生调度器投入现网大规模商用试验 | T-Mobile、爱立信 |
| 2026年7月15日 | 诺基亚发布业内首个AI原生RAN平台（官网标注Summer launch 2026） | 诺基亚、NVIDIA |
| 2026财年起 | 软银计划将AITRAS引入自家商用网络 | 软银 |
三年半，从“GPU能不能跑通一次端到端”到“运营商宣布进商用网”，这个速度在通信行业算快的——参照50G-PON和RedCap的商用节奏，AI-RAN明显是被AI资本开支的浪潮推着走的。
三家设备商、五张测试网里，数据最扎实、披露最完整的，是软银。以下数据全部来自软银官方技术专栏，我按可信度分了层。
第一层：外场真机数据。 在庆应义塾大学湘南藤泽校区（SFC）的城区外场环境，软银用搭载NVIDIA GH200的服务器建了AI-RAN验证环境：单台AITRAS服务器处理20个小区，载波配置100MHz 4T4R。同机还承载了AI应用：100台终端并发视频流、跑大模型的四足机器人、自动驾驶AI应用。对干过无线的人来说，20个100MHz 4T4R小区放一台通用服务器上，这个密度是有说服力的——折算下来够覆盖好几个宏站。
第二层：AI for RAN增益。 2025年8月，软银用Transformer架构做无线信号处理，在符合3GPP 5G规范的真实现网无线环境中实时运行，吞吐量提升约30%。同期的Massive MIMO演示（在NVIDIA圣克拉拉总部的外场环境）中，AITRAS用纯软件在GPU上完成基带处理，跑通下行16层MU-MIMO，频谱效率和吞吐相比传统4层配置提升约3倍。open-ran.org的行业博客也以“3x spectral efficiency in SoftBank field trials”为题做了独立报道，与软银口径一致。
第三层：生态动作。 这部分最能看出软银的野心：
用例也已经在往行业里钻：与安川电机合作办公场景物理AI机器人，与三菱重工在横滨Hardtech Hub的边缘数据中心里部署AITRAS做内网隔离环境下的AI推理。这些不是 demos for demo's sake，而是冲着“基站机房顺便卖算力”的商业模式去的。
软银官方给出的商用节点是：自2026财年起将AITRAS引入商用网络（软银财年为当年4月至次年3月，即2026年4月—2027年3月之间落地），目前正评估NVIDIA RTX PRO 4500和RTX PRO 6000两款平台。
一套架构看下来是这样的：
flowchart TB
ORCH["AITRAS编排器：按业务特性动态切分算力"]
subgraph SRV["一台GPU服务器"]
L1["RAN L1底层信号处理"]
HL["RAN L2与高层协议"]
GEN["生成式AI推理"]
PHY["物理AI与边缘AI应用"]
end
RU["射频单元AAU"]
RB["机器人等实时AI业务"]
EC["园区边缘AI业务"]
ORCH --> L1
ORCH --> HL
ORCH --> GEN
ORCH --> PHY
L1 --> RU
GEN --> RB
PHY --> EC
如果说软银是“运营商自研”路线的旗手，诺基亚和NVIDIA的组合就是“设备商+芯片厂”路线的主力。
关键动作发生在2025年10月28日：NVIDIA宣布向诺基亚投资10亿美元，双方建立战略伙伴关系，瞄准5G到6G的过渡期。NVIDIA同时发布了ARC-Pro（Aerial RAN Computer-Pro）参考设计，供设备制造商和网络设备商构建商用COTS或专有AI-RAN产品。据NVIDIA官方博客，广达旗下QCT已推出支持NVIDIA ARC平台和诺基亚软件的COTS AI-RAN整机——服务器厂直接进场了。
2026年7月15日（诺基亚官网标注Summer launch 2026），诺基亚发布业内首个AI原生RAN平台：anyRAN软件+ NVIDIA GPU算力，支持5G和5G-Advanced，提供到6G的软件升级路径，宣称全O-RAN兼容。据TechTimes报道，该平台的目标是到2028年实现频谱效率提升超100%，即在同频谱资源下把移动流量翻一倍——注意，这是官方目标而非实测结果。
部署侧的进展链条也很清晰：MWC26上，诺基亚anyRAN软件在NVIDIA GPU加速的AI-RAN平台上，与T-Mobile、印尼Indosat、软银完成了功能测试；据诺基亚新闻稿，BT、Elisa、NTT DOCOMO、Vodafone集团也已表现出跟进意向。2026年3月，NVIDIA和T-Mobile还宣布与诺基亚及开发者生态一起，把物理AI应用集成到AI-RAN就绪的基础设施上。
值得一提的细节是ARC-Pro的硬件形态：据NVIDIA开发者博客（2026年7月），商用ARC-Pro基于RTX PRO 4500 Blackwell Server Edition GPU构建。对机房工程师来说，这意味着AI-RAN站点将大量出现“显卡服务器+射频单元”的新站型，液冷和功耗规格都要重新审视。
把目前浮出水面的三条路线摆在一起看，分歧点其实很清楚：
| 维度 | 软银AITRAS | 诺基亚anyRAN+NVIDIA | 爱立信AI原生RAN |
|---|---|---|---|
| 技术路线 | 自研RAN软件+自研编排器，L1基于NVIDIA AI Aerial平台开发 | 设备商软件跑在NVIDIA GPU通用算力上，ARC-Pro参考设计 | AI原生调度与链路自适应直接跑在爱立信自家优化硬件上 |
| 代表数据 | 单服务器20小区/100MHz 4T4R；Transformer外场吞吐+30%；16层MU-MIMO频谱效率约3倍（厂商试验数据） | 目标2028年频谱效率提升超100%（官方目标，未实测） | AI原生调度器已在T-Mobile现网5G-Advanced大规模商用试验（2026年5月起） |
| 商用节点 | 2026财年起进入软银商用网 | 平台2026年夏季发布，测试网验证中 | 已在现网流量上试验 |
| 生态打法 | 开源DSF、与爱立信/诺基亚编排器互通、主导AI-RAN联盟 | NVIDIA入股10亿美元，QCT提供COTS整机 | 深度绑定自有硬件与T-Mobile |
| 算力复用 | 核心卖点：RAN与AI动态共享算力 | 核心卖点：同一GPU平台承载AI业务 | 未以算力复用为主打，主打空口AI化增益 |
爱立信这条路线值得单独说一句：2026年5月12日，爱立信和T-Mobile宣布将“AI原生调度器+链路自适应”投入现网大规模商用试验——用神经网络直接预测快速变化的无线环境，但跑在爱立信自己的TCO优化硬件上，而非NVIDIA GPU。也就是说，基站里装AI这件事已经是行业共识，但“AI跑在谁的芯片上”这个问题，头部玩家给出了完全不同的答案。这背后是设备商对“被商品化”的警惕：一旦基带全跑在通用GPU上，软件可替换、硬件可招标，设备商的护城河就只剩算法了。
聊了这么多厂商叙事，回到机房里真实的问题。以18年核心网和无线运维的经验看，AI-RAN要大规模铺开，至少有四道坎。
第一道坎：硬实时。 L1对时延确定性的要求是微秒级的，GPU的通用架构天然带着抖动。软银宣称其L1软件达到了电信级质量，但“实验室电信级”和“全国几十万站点的电信级”之间隔着整整个工程化鸿沟：故障复位时间、版本回退速度、极端负载下的降级策略，这些都是割接窗口里才会暴露的问题。标准层面允许多种实现，具体行为以各厂家官方文档为准，但运维侧要做的功课是一样的——重建针对算力平台的告警体系和健康检查基线。
第二道坎：故障域合并。 过去基带板坏了，换板子；服务器坏了，那是IT的事。AI-RAN把两者焊死在一台GPU服务器上：一块GPU故障，可能同时丢小区和丢AI业务。编排器承诺“动态切分”，那么就多了一个新故障模式——算力抢占。AI推理业务把算力吃满导致L1性能劣化，这种排查思路在传统无线运维的工具箱里是不存在的，需要把K8s生态的算力监控、GPU的ECC错误监控纳入网管视野。
第三道坎：功耗与机房改造。 GH200、RTX PRO 6000这一档的加速卡，单机功耗远超传统BBU。三菱重工横滨试点的边缘数据中心形态，暗示了AI-RAN站点的最终长相——更像一个微型数据中心：更强供电、更认真的散热、更严格的物理安全。存量机房按BBU规格设计的电源和空调，大概率要改造，这笔钱在TCO模型里常被低估。
第四道坎：运维技能栈。 无线优化工程师要开始看GPU利用率、CUDA版本、编排器调度日志；IT运维要开始懂PCIe重训、eCPRI、时钟同步。软银开源DSF、参与OCUDU基金会，客观上降低了入门门槛，但人的转型比软件的开源慢得多。
几盆必要的冷水。
关于那30%和3倍。 必须说清楚：Transformer吞吐+30%是软银自报的试验数据，16层MU-MIMO约3倍频谱效率是外场演示环境的结果，截至目前没有看到第三方独立复测。演示环境选取的信道条件、终端能力往往对MU-MIMO友好，现网混合负载下能兑现多少，要打折扣看待。诺基亚“2028年频谱效率翻倍”更是远期目标。这些数字方向上可信（业界对AI物理层增益的学术研究普遍在百分之几十的量级），但精确数值不宜直接抄进投资测算。
关于商业模式。 AI-RAN真正的赌注不在省基带板的钱，而在“每个基站机房都是AI推理节点”这个想象。机器人、视觉质检、低空经济，都要求毫秒级就近算力。但需求密度是个问题：不是每个站点旁边都有工厂需要部署机器人。算力卖不掉的站点，GPU的闲置功耗就是纯亏。软银的解法是编排器动态调度——没AI业务时算力全给RAN——这个设计是务实的，但反向问题依然存在：RAN负载高峰期，AI业务的SLA谁来保？
关于依赖关系。 NVIDIA向诺基亚投10亿美元、向软银供平台、和T-Mobile共建创新中心，产业链里没有第二个能提供同等算力生态的玩家。运营商们对“单一供应商依赖”的敏感是刻在骨子里的——这正是爱立信坚持自家硬件路线、软银拼命推开源DSF和OCUDU基金会的深层原因。AI-RAN越成功，这个结构性问题就越尖锐。
2026年的AI-RAN，像极了2018年的vRAN：技术可行性已经证明，商用可行性正在第一波现网试验里接受检验。区别在于，这次的推力不是设备商，而是被AI算力饥渴重塑过的整个产业——NVIDIA需要新的芯片出货场景，运营商需要新的收入故事，设备商则需要在自己被商品化之前先站好位置。
对一线工程师，我的建议是三句话：第一，把AI-RAN当真，软银2026财年入网是明牌时间表，诺基亚平台已发布，这不是五年后的事；第二，把GPU和算力编排补进自己的技能栈，未来排查小区劣化的根因列表里，会多出“GPU ECC错误”“算力被AI业务抢占”这样的条目；第三，对厂商给的增益数字保留测算折扣，等T-Mobile现网试验和软银商用网的独立评测数据出来，再校准自己对AI-RAN的真实预期。
基站不换脑子就换芯片的时代，比大多数人预想的来得都快。
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。