夜雨聆风导读： 2026年6月11日，爱立信正式推出"AI in RAN"商用软件订阅产品。这不是一个PPT概念，而是基于超过15个全球部署与试验、有实测数据支撑的规模化AI商用方案。本文从技术架构、产品逻辑、竞争格局三个维度深入解读。
一、这到底是什么？
爱立信推出了一款软件订阅产品，将运营商级AI模型直接嵌入基带和射频单元，让运营商在无需新增硬件的情况下提升5G性能、自动化能力和能效。
用一句话说清楚：软件升级，AI进网，不换硬件，立竿见影。
首批商用功能已于2026年第二季度上线，后续将在年内持续迭代增强。核心功能包括：AI原生调度器与链路自适应、AI Massive MIMO波束成形管理、AI宏站定位、AI多层协调、性能管理事件模式文件，以及增强型可观测性六大模块。
二、技术架构深度解析
2.1 硬件基础：自研专用芯片是关键
理解这个产品，必须先理解爱立信的芯片策略。爱立信发现，其Massive MIMO射频单元内置的波束成形芯片可以通过新增神经网络加速器（NNA）来复用于AI推理，而不必外挂昂贵的GPU硬件。
爱立信在2026年2月的Massive MIMO射频单元中推出了神经网络加速器，将AI推理能力提升了10倍。这些加速器是集成于 Ericsson Many-Core 架构内的可编程矩阵计算核，专门针对AI和机器学习工作负载进行了优化。
这一设计的工程逻辑极为务实： 运营商已经购买并安装了数以万计的Massive MIMO基站，波束成形ASIC本就在做矩阵运算——这和神经网络推理的底层数学本质相同。爱立信的做法是在不改变物理形态的前提下，将这套算力"解锁"出来服务AI应用。
2.2 六大核心功能的技术逻辑
① AI原生调度器与链路自适应（最核心）
传统调度器依赖规则引擎，需要工程师手动调参，对快速变化的信道条件响应滞后。爱立信与T-Mobile在大规模商用网络流量上开展的AI原生调度器与链路自适应功能试验期间，相比传统基于规则的方法实现了接近10%的频谱效率提升和高达15%的下行吞吐量提升。
关键技术突破在于：神经网络在基带处理器上实时运行，毫秒级预测信道质量变化，动态选择最优调制编码方案（MCS），做到真正的"即时链路自适应"。
② AI Massive MIMO波束成形
传统Massive MIMO波束成形依赖预设码本（Codebook）或有限的CSI反馈，AI版本可以从历史信道数据中学习用户移动规律，预判性地调整波束方向，减少波束追踪时延。
③ AI宏站定位
AI in RAN实现了高达5倍的用户定位精度提升。这对于急需精准定位能力的紧急呼叫合规、室内外切换优化、以及面向工业物联网的精准服务场景具有重要意义。
④ AI多层协调
跨频段（Sub-6GHz、毫米波）、跨制式（5G NR、LTE）的智能负载均衡和干扰协调，是5G-Advanced组网优化的关键难题，AI驱动的多层协调是解答。
⑤ 增强型可观测性
网络可观测性是AI自动化运维的前提。性能管理事件模式文件（Performance Management Event Schema Files）为上层AI/ML分析平台提供标准化的高质量数据接口，是整套生态系统的"神经系统"。
2.3 整体性能验证数据
爱立信已在全球15个以上的部署和试验中完成验证，AI in RAN实现了高达20%的下行吞吐量提升和高达10%的频谱效率改善。此外，还支持高达2倍的高流量用户承载、90–95%的覆盖预测准确率，以及高达5倍的用户定位精度。
三、商业模式：软件订阅制重塑运营商关系
这次发布的产品形态是软件订阅（Software Subscription），这在RAN设备商中是具有战略意义的模式创新。
传统设备商的营收模式是"卖硬件赚大头，软件licence贴牌"，随着RAN市场整体规模收缩（全球RAN市场已从2022年约450亿美元萎缩至近期约350亿美元），单纯的硬件销售增长空间受限。软件订阅制意味着：
- 持续经常性收入（ARR）：一次销售转变为多年订阅；
- 快速迭代的商业闭环：Q2首批功能上线，全年持续更新，用更快的价值交付锁定运营商；
- 渗透存量市场：运营商无需更换硬件，降低采购决策门槛，让爱立信现有装机基础直接转化为订阅用户。
贝尔高级副总裁、网络技术与运营负责人Bruce Dean表示："这可能是5G网络有史以来最佳ROI的功能……"这句话若属实，恰恰说明软件订阅模式的核价逻辑：运营商按效果付费，比采购新硬件风险低得多。
四、竞争格局：与诺基亚的路线之争
2026年AI-RAN赛道最值得关注的主线叙事，是爱立信与诺基亚迥异的技术路线选择。
诺基亚走GPU路线： 诺基亚通过接受NVIDIA 10亿美元投资（NVIDIA成为诺基亚第二大股东）来重构其5G和未来6G RAN软件，使其运行在NVIDIA GPU上。诺基亚的逻辑是：GPU算力强大，AI迭代快，借助生态优势实现AI-native网络。
爱立信走专用硅片路线： 爱立信选择了自定制专用硅片（ASIC）路线，而非NVIDIA GPU。爱立信RAN产品组合中的主流形态依然依赖内部设计、外部与英特尔合作开发的ASIC。
两条路线的核心分歧在于：
爱立信高管认为，GPU路线更适合"AI with RAN"（RAN共托管其他AI应用）而非"AI for RAN"（AI专门服务于RAN本身），并坚持认为专用硬件可提供更好的性能；而爱立信在AI inference上的效率优势恰恰源于其多年投入的专用芯片。
这场路线之争的判卷时间可能要等到2027–2028年：届时两家都有规模化商用案例，TCO（总体拥有成本）和性能数据会说话。
五、运营商反应与全球生态
SoftBank Corp.高级副总裁兼CNO Teruyuki Oya表示："爱立信AI in RAN软件标志着将AI更深度引入无线接入网的重要一步。通过支持无线性能、频谱效率和用户体验的实时优化，帮助我们将AI创新转化为商用网络上的实际运营价值。"
SK Telecom网络技术办公室负责人Yu Takki表示："通过与爱立信的合作，SK Telecom正在推进AI-RAN以提升网络性能和能效……我们旨在强化在AI赋能网络演进方面的领导力，并为AI原生6G奠定基础。"
行业分析师Joe Madden（Mobile Experts首席分析师）评论称："通过软件升级，运营商可以从数年前购买的5G网络中压榨出更多容量、更好的可观测性和更精准的位置服务。"
六、关键问题与风险
① 性能数据的适用边界
当前公布的20%吞吐量提升、10%频谱效率改善数据来自试验环境。在实际大规模商用网络中，密集城区、郊区、室内等不同场景下的泛化能力有待持续观察。T-Mobile试验的另一个重要发现是：大规模商用网络试验结果与早期有限地域测试结果高度吻合，证明了该方案在多样化环境下的适应能力。这是个积极信号。
② Cloud RAN的AI可移植性
该软件兼容爱立信5G Advanced的专用形态（Purpose-built）和Cloud RAN平台。Cloud RAN的AI可移植性意味着爱立信可以让自家的AI算法运行在合作伙伴的算力平台上——这对开放RAN生态的布局是重要一步，但具体的跨平台性能对齐仍需时间验证。
③ 商业模式推广挑战
软件订阅制在运营商市场的接受度需要培育。许多运营商的采购体系、IT系统、合同框架都还是"买硬件"逻辑，向订阅制迁移需要双方深度磨合。
结语：AI-RAN商用元年正式开启
从3GPP标准角度看，AI/ML for RAN功能在Rel-18中完成了第一阶段标准化（用例研究、AI模型下载信令等），Rel-19/20进一步推进AI-native空口。但标准从来不是商用的前提，爱立信此次发布验证了一个更现实的路径：在现有Rel-15/16/17网络上，通过专有软件+专用芯片，今天就能实现有意义的AI增益。
这对中国运营商有直接参考价值。中国移动、联通、电信的5G网络以爱立信、华为、中兴设备为主，AI-RAN能力的商用落地会沿类似路径演进——华为的AI-RAN布局（天域智简方案）与爱立信走的是相似逻辑（自研芯片+软件）。
AI-RAN的商用元年，正式开始。