Rel-19 AI/ML框架持续夯实5G-A基础

3GPP Rel-19 在AI/ML领域并非另起炉灶，而是把Rel-18留下的"半成品"逐一夯实：CSI反馈、波束管理、定位三个最贴近商用的场景率先收口，网络切片与覆盖容量优化（CCO）则在RAN3侧持续推进。这套"数据收集→模型训练→模型推理"的三段式框架，正在悄悄成为5G-A迈向6G AI-native网络的关键过渡桥梁。

不是新故事，是把旧故事讲完

RAN3在Rel-19阶段的AI/ML for NG-RAN工作项，并非凭空起意，而是直接承接Rel-19研究阶段（Study Item）的结论而触发的新工作项（Work Item）。它聚焦三个目标：AI/ML辅助网络切片、AI/ML辅助覆盖容量优化（CCO），以及Rel-18阶段遗留的未决议题。

这种"先研究、再立项、再收尾"的节奏其实是3GPP的常规打法——Rel-17完成研究，Rel-18在现有5G网络接口上规范了数据收集增强与信令支持，Rel-19则在Rel-18工作于2023年第四季度完成规范化之后，从2024年第二季度启动新一轮工作项，目前规范化工作仍在持续推进中。

数据收集 → 模型训练 → 模型推理

RAN3工作的底层逻辑，建立在TR 37.817定义的"RAN智能"参考框架之上：数据收集（Data Collection）功能为模型训练与模型推理提供输入数据，输入数据可以来自UE测量、不同网络实体的测量，也可以来自Actor的反馈或AI/ML模型自身的输出。三个功能模块构成一个闭环，模型推理的结果通过Actor作用于网络，再反过来产生新的数据被收集，驱动下一轮训练迭代。

这套三段式架构之所以重要，不仅因为它支撑了Rel-18/19当下的网络切片、CCO、移动性管理等用例，更因为它被业界普遍视为5G-A走向6G AI-native网络的过渡桥梁——6G不会重新发明一套AI框架，而更可能是在这套已经跑通的"收集-训练-推理"闭环上做扩展与原生化改造。

从研究到规范，三个用例走到了不同的十字路口

如果说RAN3关注的是网络管理侧的AI/ML应用，RAN1主导的物理层AI/ML项目则更贴近空口本身——聚焦CSI预测、波束管理、定位三个用例的规范化工作，是Rel-18研究阶段的延续；同时CSI压缩这一用例则继续停留在研究阶段。

定位用例：范围收窄，聚焦单边模型

经过研究阶段的评估，Rel-19定位工作项的范围被限定在两个子场景：Case 1（UE侧直接AI/ML或AI/ML辅助定位）与Case 3a（NG-RAN节点辅助定位，使用gNB侧模型）。标准化内容包括训练数据收集的程序与信令格式（涵盖UE/gNB侧测量数据、来自PRU的真值标签，以及有效性条件等辅助数据），以及模型监控相关的信令机制。

波束管理：复用Rel-18积累，向多场景扩展

Rel-18研究阶段已经在空间和时间维度的波束预测上做了大量工作，重点是预测服务小区内时域上最优或Top-K的波束/波束对，以提升UE吞吐量。这部分研究的方法论可以延展到相邻小区的L1波束测量，进而复用到移动性管理场景——例如利用时域预测提前识别"正在变差"的波束或小区，规避无线链路失败或乒乓切换。

CSI压缩：双边模型在Rel-19被按下暂停键

这是本轮研究阶段最值得关注的结论之一。RAN1的评估显示，双边CSI压缩方案的用户感知吞吐量（UPT）增益并不明显，相比之下Rel-18非AI的CSI增强方案反而展现出更大的UPT增益潜力；UCI有效载荷的减少幅度也与近期Rel-18非AI CSI增强方案相近。更关键的问题在于互操作性——引入双边AI/ML模型，意味着网络需要同时训练并实时运行大量解码器模型，UE也需要针对不同网络训练并加载不同模型，这会严重冲击3GPP标准化一贯倚仗的互操作性优势与Uu接口的开放性。基于这些观察，RAN1层面没有形成在Rel-19推进CSI压缩规范化的共识。

5G-A的技术清单，正在变成6G的预制构件

把Rel-19的AI/ML工作放进更大的坐标系看，会发现一个清晰的产业叙事：6G不是另起一个"新G"，而是5G-Advanced技术能力的延伸和成熟化。AI/ML融入RAN与核心网、能效优化、低延迟、先进MIMO技术、卫星集成——这些5G-A已经在做的事情，普遍被认为会在6G阶段进一步发展深化。

在这份清单里，ISAC（通信感知一体化）是唯一被普遍认为具有决定性意义的"新增能力"——它不是5G-A现有能力的简单延伸，而是6G区别于此前所有代际的标志性特征。3GPP也已经在Release 19中规划了面向ISAC和7-24GHz频谱的信道建模研究，为6G标准化预先铺路。

标准之外，AI已经跑在真实网络流量上

如果说Rel-19的标准化工作是"图纸"，T-Mobile与爱立信的合作就是已经动工的"实体"。T-Mobile在2025年4月成为全美唯一实现5G-Advanced全国覆盖的运营商，其网络架构建立在业界唯一的全国性5G独立组网（5G SA）之上。

2026年5月，T-Mobile与爱立信宣布将AI原生调度器（AI-native Scheduler with Link Adaptation）推进到大规模商用试验阶段，直接在T-Mobile的真实5G-A网络流量上运行——这是双方首次在真实客户流量上进行此类测试。该方案的核心是一个直接运行在爱立信TCO优化硬件上的神经网络，实时预测快速变化的无线信道条件，从而动态调整调度与链路自适应决策，区别于过去几十年RAN决策所依赖的固定规则逻辑。

这一成果与此前在洛杉矶、纽约、新泽西、盐湖城等多个区域性试验中观察到的数据基本一致，验证了方案在不同环境下的适应性。T-Mobile RAN工程与新兴技术高级副总裁Grant Castle表示，公司正在2025年实现5G-A全国部署的基础上，继续推进RAN创新的边界。按照计划，该AI原生调度器将于2026年第三季度实现商用部署，且由于优化在网络侧完成，现有终端设备和路由器无需硬件升级即可直接受益。

从标准文本到全球舞台的检验

把上述几条线放在一起看，会浮现出一条相对完整的时间轴：3GPP在Rel-19层面持续夯实AI/ML框架的标准基础，T-Mobile与爱立信在商用网络层面提前把AI原生能力跑通，二者形成了"标准先行、商用紧随"的协同节奏。

而2028年洛杉矶夏季奥运会，很可能会成为检验这一过渡成果的首个全球级舞台——美国NTIA已计划在这一赛事期间举办6G新兴技术的演示活动。届时，从Rel-19定型的AI/ML框架，到5G-A网络上已经商用两年的AI原生调度能力，再到彼时6G标准化的早期进展，三条脉络是否能在真实的高密度、高并发场景下交出令人信服的答卷，将是观察这场"5G-A到6G"接力是否成功的重要窗口。