2024年底，软银与英伟达宣布在日本部署“全球首个商用AI-RAN网络”——用GH200超级芯片服务器替代传统专用芯片基站，同时跑5G基带和AI推理。官方口径宣称能耗可降约40%，软银还给出了十年20亿美元AI新收入的预期。本文回答三个问题：AI-RAN到底改了什么？软银这局棋怎么下、战果如何？GPU基站距离规模商用还有几道坎？文内所有关键数字均注明出处口径，厂商宣称与第三方验证分开表述。
干了这么多年核心网和无线运维，我们对基站的感情很复杂：它是网络的心脏，也是成本表上最粗的那条线。
业内普遍引用的口径是：无线接入网（RAN）占运营商网络能耗的六到七成，是全网电费大头；同时RAN设备投资也常年占移动网络资本开支的一半以上。更麻烦的是它的“僵”——过去二十年，RAN的物理层（L1）和部分二层（L2/L3）处理跑在厂商的专用ASIC和FPGA上，固件封闭、版本捆绑，运营商想改一个调度算法，得等设备商排期。
这件事在2023年之后出现了转折的催化剂：AI推理需要的GPU算力，和RAN基带处理需要的并行计算，在硬件形态上高度重合。英伟达的判断很直白——Jensen Huang在多个场合说过，未来的RAN应该跑在与AI相同的计算平台上，基站白天处理5G信号，闲时就是边缘AI推理节点，一套硬件两份收入。
于是有了AI-RAN（AI Radio Access Network）这个概念：把RAN的L1/L2软件化，搬到GPU等通用加速平台上，与AI负载共址运行。它不是又一次RRU-BBU的形态变化，而是把RAN从“专用设备”重新定义成“一种软件负载”。
传统基站的L1物理层是硬实时的：符号级处理时延要求在亚毫秒甚至微秒量级，上行调制、信道估计、波束赋形每一个环节都是确定性的流水线。这也是历史上没人敢把它放到通用处理器上的原因——抖一下，这一帧的BLER就上去了。
AI-RAN的技术路线，是把这条流水线重写成GPU友好的并行计算。以英伟达Aerial CUDA加速库为例（据NVIDIA官方技术资料），它把5G L2/L1的cuPHY函数做成了CUDA内核，让基带处理和AI推理共享同一套GPU资源池。软银把这套东西产品化之后的站点形态叫AITRAS，核心是英伟达ARC-1（Aerial RAN Computer-1）——一块基于GH200 Grace Hopper超级芯片的计算单元，2024年3月GTC上首次亮相。
flowchart TD
A["GH200服务器"] --> B["Aerial CUDA加速库"]
A --> C["RAN软件栈 L2/L1"]
A --> D["AI推理容器"]
B --> C
C --> E["前传口"]
E --> F["射频单元RU"]
F --> G["天线"]
D --> H["边缘AI应用"]
D --> I["大模型服务"]
H --> J["园区/行业客户"]
I --> K["运营商新业务"]
看懂这张图就理解了AI-RAN的算盘：同一台服务器，C口跑基带，D口跑AI。基带是保底收入，AI是增量生意。传统基站后挂的那些“业务服务器”，在AI-RAN架构里被吃进了站点本身。
把时间线摆出来，你会发现软银这步棋走得比外界想象中快（以下节点均以两家官方新闻稿为准）：
| 时间 | 事件 | 关键信息 |
|---|---|---|
| 2024年2月 | MWC巴塞罗那，AI-RAN联盟成立 | 软银是创始成员之一 |
| 2024年3月 | GTC 2024，ARC-1发布 | 基于GH200，软银展示AITRAS站点 |
| 2024年内 | 软银在横须贺/川崎完成现场验证 | 官方口径：验证5G吞吐与AI推理并跑 |
| 2024年12月 | NVIDIA发布AI Aerial平台，宣布软银部署全球首个商用AI-RAN | 官方宣称能耗较专用设备降约40% |
| 官方口径：2026年 | 软银计划正式商用 | AI收入十年预期约20亿美元 |
几个数字要分开看：
“节能40%”是厂商宣称，不是第三方实测。 这个数字出自2024年12月双方官方新闻稿（据NVIDIA Newsroom及Light Reading等报道），逻辑是GH200平台的能效优势加上AI负载闲时复用摊薄成本。方向我信，幅度存疑——真实现网里，GPU的待机功耗、空调改造、前传带宽这些边角账，实验室算不满。
“十年20亿美元”是商业模型，不是订单。 软银的设想是把站点GPU的冗余算力卖给边缘AI应用、自动驾驶路测感知、生成式AI服务。这个模型成立的前提是“有人来租”，而软银同时握着软银 visions基金投的一堆AI公司——既是算力供给方，又是需求撮合方，打法很精明，但20亿是预期收入（estimated），不是合同收入。
现场验证的公开细节有限。 软银公开过试点站点照片和演示视频（5G吞吐与生成式AI并发），但完整的bit/s/W能效数据、规模站点的稳定性报告，截至成稿未见独立第三方验证。这一点后文“冷思考”里还会讲。
软银不是独角戏，这是一场标准卡位战。
2024年2月MWC期间，AI-RAN联盟（AI-RAN Alliance）成立，创始成员据其官网披露包括：Arm、爱立信、微软、诺基亚、英伟达、三星、SK电讯、软银、T-Mobile US、美国东北大学、DeepSig等十余家，后续成员持续扩容。联盟分了三个工作组：AI-RAN基础设施、AI-RAN-native（用AI改进空口本身）、AI on-RAN（在RAN上跑AI服务）——这个分组本身就是路线图：先用GPU重写基带，再用AI优化调度，最后把站点变成AI服务点。
2024年9月，T-Mobile US宣布与爱立信、英伟达共建AI-RAN创新中心（据T-Mobile官方新闻稿），爱立信承诺将其RAN软件适配英伟达计算平台。这是关键一步：爱立信是全球RAN软件最强的厂商之一，它下场做适配，意味着AI-RAN从“英伟达+软银的双人舞”变成“主流设备商可交付的形态”。T-Mobile同时给出了在其现网试点的计划，时间表上比软银激进口径更保守。
我的看法：这个阵营组合很说明问题——设备商不反对AI-RAN，因为软件适配的活儿还是他们的；运营商支持，因为白盒化多年的愿望借AI的壳又回来了一次；英伟达则打开了数据中心之外的第二增长曲线。三方利益第一次对齐，这就是为什么AI-RAN比历史上的Open RAN口号期推进得快。
| 维度 | 传统专用ASIC基站 | AI-RAN（GPU平台） |
|---|---|---|
| L1实现 | 固化在ASIC/FPGA固件 | CUDA软件栈（如Aerial cuPHY） |
| 单位比特能效 | 成熟工艺下已接近极致 | 官方宣称整体能耗可降约40%（厂商口径） |
| 功能演进 | 等设备商固件版本，以年计 | 软件升级，以月计 |
| 附加能力 | 无，业务服务器另行采购 | 同址AI推理，算力闲时复用 |
| 收入模型 | 单一连接收入 | 连接+算力出租双模型 |
| 生态开放度 | 厂商垂直捆绑 | 标准化GPU生态，多方适配 |
| 现网成熟度 | 二十年规模验证 | 商用起步（软银先行，2026规模目标） |
这张表的每一行都值得运维同学多看一眼。尤其是“功能演进”那一行：以后网络优化的手段会从“改参数”变成“改软件”，这对我们这代人的技能栈是个实实在在的重构信号。
AI-RAN是算力侧的实战，网管侧的大模型落地也在同步推进，两条线合流才是"AI+通信"的全貌。
学术侧，arXiv上已有团队发布了大模型用于电信领域的系统综述（编号2405.02525，题为Large Language Models for Telecommunications），把网优问答、告警根因解释、配置核查、客服坐席辅助等场景做了系统梳理——工程界的共识是：大模型短期内不会替代网管的专家判断，但能把“翻文档、查配置、写初稿报告”这类工作的效率提升一个量级。
产业侧，Global Telco AI Alliance（GTAA，成员包括SK电讯、德国电信、e&、新加坡电信、软银）在2024年宣布联合开发电信专用大模型，思路是用五家的网络语料训出懂信令、懂告警的垂直模型；中国移动的九天大模型也把网络智能列为主战场，据其公开发布的口径在客服与网络运维场景试点（具体提效数字未经第三方验证，此处按官方口径转述）。标准允许多种实现，各家路径差异较大，但方向一致：把运营商私有语料变成垂直模型的生产资料。
以下是我的个人判断，不是官方口径：
第一，硬实时的天花板还没被真正击穿。 GPU跑L1在演示环境没有问题，但现网的多站点、高负荷、极端信道条件下，亚毫秒级deadline的抖动控制仍是硬骨头。软银的40%节能是理想负载模型下的推算，规模商用的第一年，数据会诚实得多。
第二，站点AI的商业模式是“看起来很美”。 基站挂在楼顶和铁塔上，机房环境、供电冗余、运维半径都是按“哑设备”设计的。把GPU塞进去之后，故障模式从“板卡坏了换板卡”变成“GPU集群的软硬协同故障”，对代维体系和备件体系都是重构。租算力的客户是否愿意把业务放在“基站机房级”的环境里，也要打个问号。
第三，垄断与开放的老问题换了马甲。 GPU基站的“开放”依赖英伟达CUDA生态——用一种新的垂直绑定替换了旧的垂直绑定。CUDA不是开放标准，这是AI-RAN与Open RAN理想之间最大的裂缝。AI-RAN联盟的标准化工作能否把接口真正拉平，决定五年后运营商还有没有议价权。
软银把基站换成GPU这件事，本质是通信行业第一次承认：RAN不再只是管道，它可以是算力资产。2024年12月那纸“全球首个商用AI-RAN”的声明，行业意义类似于当年软银第一个规模商用Massive MIMO——先开枪，再让全行业跟着校准弹道。
对一线工程师，我给三条可操作的建议：一是把CUDA和GPU资源调度加进学习清单，未来RAN工程师的技能栈必然向“通信+计算”双语演进；二是盯住AI-RAN联盟的接口标准进展，那是判断“开放”成色的试金石；三是对你手上的网络，开始盘点站点的供电、空调和空间余量——不管AI-RAN什么时候来，站点基础设施的改造账单都会先到。
40%的节能和20亿美元的AI收入，目前都是厂商笔下的数字。真正的答案要到2026年软银规模商用之后才能验证。但方向已经清楚：基站的下一场革命，不在空口，在机房里那台正在学人工智能的计算单元。
说明：本文成稿当日网络检索通道受限，以下为各官方站点入口链接，具体文章请按文中标题在站内检索核实。文中所有厂商宣称数据（节能40%、十年20亿美元等）均已标注为官方口径，未见第三方独立验证。
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。