芯耀
414
译者案：本文摘选翻译自《2026韩国SK电讯6G白皮书》。详细介绍6G AI原生无线接入网（AI-native RAN）的架构，并从落地技术视角进行全面解读。翻译不准确之处，敬请谅解。
关注公众号【5G行业应用】回复“260311”可下载《2026 SK Telecom 6G White Paper》原文
3.1 AI原生无线接入网（AI-native RAN）
无线接入网需向AI原生RAN演进，实现电信网络本身与AI技术的深度融合。AI原生RAN围绕两大核心轴线展开：一是基于开放接口与虚拟化，利用AI实现RAN自动化与优化（AI赋能RAN）；二是支撑AI服务的前瞻性基础设施（RAN支撑AI），两大轴线需形成互补融合的一体化体系。同时，其设计需基于对所有接入行为进行持续校验的零信任原则。
AI原生RAN架构如图5所示。网络与业务功能层基于xPU的商用现货（COTS）服务器构建，由提供传统电信业务的RNF、可提供AI解决方案（独立于电信业务）或自动驾驶管控、AR/VR等边缘业务的ESF组成。同时，为实现边缘侧流量的高效处理，需部署边缘UPF。此外，该架构旨在通过无线接入网智能控制器（RIC）实时采集并分析网络与用户数据，实现网络优化，同时通过AI原生RAN编排器实现高效的网络管理。
图5 AI原生RAN架构
实现AI原生RAN，需重点考量以下核心要素：
第一，通过引入基于xPU的服务器与边缘UPF，将基站重新定义为具备AI算力的智能节点，可在通信服务与边缘业务间灵活分配资源，同时提供两类能力。
第二，向基于意图的智能网络转型，最大限度减少运营人员干预，通过自优化提升性能，通过编排器实现全基础设施资源的高效管理与优化。
第三，需通过虚拟化技术，实现硬件与软件的完全解耦，支持RAN组件按需灵活重部署。
第四，设备需基于开放接口实现灵活互通，不受厂商兼容性限制，同时需获取高质量、细粒度、标准化的数据，支撑高效运营。
第五，设备内部功能间、跨设备的持续双向认证与流量加密是必备要求，同时需在初始接入流程中考虑安全能力升级。
3.1.1 AI深度融合
AI原生RAN需支持可同时执行传统以连接为核心的通信服务，与AI服务算力运算的架构。
通用硬件需搭载xPU（GPU、NPU等），并行处理RAN业务与AI业务，通过软硬件间的虚拟化，实现RAN算力与AI算力对xPU资源的共享复用。这使得单一基础设施可同时提供RAN业务与AI业务。AI原生RAN的AI算力主要应用于两大领域：
第一，AI原生RAN可利用AI算力，对基站高层与物理层的信号处理进行智能优化。这一能力可提升RAN性能与能源效率，向可持续通信基础设施演进。例如，基于基站内部信息、用户设备上报等数据，将AI应用于根据无线信道状况调整数据传输参数的链路自适应技术，可实现性能提升；通过将AI应用于基站与用户设备间数据收发的物理层信号处理，借助AI原生空口技术，可实现性能与质量的双重升级。此外，利用基于AI的流量模式预测结果，精准调整节能策略，可大幅提升网络能源效率。
第二，可独立于RAN，提供运营商或第三方厂商的AI服务。AI原生RAN通过在边缘侧前置部署AI算力，可为基于低时延推理的AI服务、高安全要求的AI服务提供基础设施支撑。通过这一能力，电信基础设施可突破单纯的连接服务，通过边缘AI服务、网络API提供等全新商业模式实现价值增值。此外，为实现更高效的流量处理，需考虑在AI原生RAN内部部署处理用户数据转发的UPF。
3.1.2 自动化与优化
未来网络需构建基于意图的智能网络，最大限度减少运营人员的人工干预。
AI原生RAN不仅需通过网元管理系统（EMS）采集并管理网络基础设施与用户设备产生的各类信息，还需通过RIC实现分析与实时自优化。
基于采集的数据，RIC可借助AI智能体，无需运营人员直接干预，即可完成基于意图的负载均衡、覆盖优化、运营参数优化、节能管控等网络优化工作。此外，RIC中运行的各类解决方案，均基于开放接口以应用形态呈现，不仅设备厂商，运营商与第三方厂商也可开发符合自身意图的应用，并按需部署至网络中。
为在基于虚拟化的AI原生RAN运营中实现高效的资源管理，需配套AI原生RAN编排器。AI原生RAN编排器不仅可根据各基站的流量情况实现资源池化，还可实现RNF与ESF间的编排，提升同一硬件内的资源利用效率。例如，在流量较低的时段或区域，硬件可最小化RNF所需资源，集中资源支撑ESF运行。此外，AI原生RAN编排器需支持RNF与ESF的全生命周期管理功能。
AI原生RAN不可避免地面临硬件异构性这一全新挑战。运营商会根据网络部署规划，在不同时间引入不同厂商的设备，引入时间的差异会带来性能与功能的区别，这种异构性会带来全基础设施的复杂度提升，不仅局限于中央处理器（CPU）或加速器（GPU、NPU等），还延伸至网卡（NIC）、高精度时间同步的授时硬件，乃至散热系统。因此，AI原生RAN编排器需针对不同厂商、不同代际的混合配置服务器/站点，以及CPU/GPU/NPU/DPU等异构硬件，实现一体化编排。
图6 RIC应用案例示例
3.1.3 虚拟化
AI原生RAN需基于虚拟化基站架构构建，通过软硬件的独立设计与配置，实现灵活运营。
传统基站采用厂商专属的软硬件设计与配置，运营商难以根据自身意图进行网络设计与配置。例如，即便运营商希望利用GPU、NPU等芯片新增AI算力，也难以根据自身需求重构专用硬件。
与之相对，AI原生RAN可根据需求，在通用服务器中无特定结构限制地配置xPU，通过虚拟化技术，根据运营商的运营目标，同时运行提供RAN服务的RNF，与提供AI服务或边缘专属业务的ESF。
此外，AI原生RAN需支持资源池化等可充分发挥虚拟化优势的技术。例如，在虚拟化环境中，流量负载较低时，运营商可通过缩容技术减少运行服务器数量，优化整体功耗；反之，当流量负载集中时，可通过扩容、小区池化等技术，在不中断业务的前提下提升小区容量与稳定性。
最后，AI原生RAN需充分发挥虚拟化优势，实现网络的灵活运营。由于软硬件可独立运行，运营商可在单一硬件平台上，独立或同时提供4G、5G乃至6G服务；也可在同时提供RAN服务与AI服务的过程中，根据需求实现服务间的资源共享与分配，最大化运营效率。
3.1.4 开放接口
AI原生RAN需以接口开放为核心目标，提升网络灵活性与成本效率，需引入基于O-RAN联盟等机构标准的开放接口。O-RAN是一套通过标准化设备间与设备内接口，实现异厂商设备互通的基础设施架构，O-RAN联盟于2018年成立，主导相关标准化工作，持续推进设备间与设备内接口的标准化落地。
AI原生RAN通过引入这些标准化接口，实现异厂商设备/解决方案的互通，运营商可借此实现异厂商设备的一体化管控。由于设备内接口也采用开放接口实现，软件层面也可实现异厂商间的互通与运营。例如，即便同一硬件内运行来自不同厂商的RNF与ESF，也可基于标准规范实现监控与管控。此外，EMS与基站需基于开放接口实现互通，突破设备厂商间的专属限制，实现设备连接与数据采集。RIC中运行的各类解决方案，均以AI应用形态呈现，基于开放接口实现，不仅设备厂商，运营商也可开发符合自身意图的应用，并部署至网络中。
换言之，AI原生RAN通过基于开放接口丰富设备选型，实现灵活的网络部署与成本优化，同时可支撑不依赖厂商的、基于AI智能体的运营与优化。此外，为实现这一目标，需基于开放接口，突破异厂商间的限制，获取高质量、细粒度、标准化的网络与用户设备数据。例如，不仅是基础的小区级数据，包括小区内直放站等设备级数据、业务专属数据等细粒度信息，都可无需现场测试，完成标准化提取。此外，这些数据还可通过网络能力开放功能对外提供，供网络数据分析功能（NWDAF）进行RAN分析、运营商OSS系统使用，或供第三方服务商进行性能监控、AI/ML模型训练。
3.1.5 零信任架构
AI原生RAN需以“永不信任任何实体与网络、始终校验”的零信任架构为目标。传统网络基于边界安全模型，对内部数据与设备存在一定程度的默认信任，难以应对内部入侵与日益复杂的黑客攻击，因此必须通过零信任架构，对所有用户、设备、应用接入行为执行持续校验与加密。运营商与设备商正通过自研安全解决方案，将零信任理念融入基础设施，O-RAN联盟等标准组织也在积极推进相关标准化工作。
AI原生RAN落地零信任架构，需通过可适配大规模网络环境的加密机制，强化接入身份识别与管理；同时需实现攻击持续监控与策略自动化，基于AI实时检测异常征兆，动态调整安全策略。此外，需强化资源与工作负载隔离，防范虚拟化环境中可能出现的攻击扩散。最后，在落地零信任架构时，需兼顾安全与性能的平衡。例如，对于边缘侧可提供的XR、实时工业控制、车联网等时延敏感型业务，需进行专项优化，避免零信任架构的落地对服务质量产生负面影响。
▎好书推荐
本书由吴冬升、李大成担任主编，机械工业出版社出版。书中在分析智慧城市重点建设内容和智能网联汽车重点发展内容基础上，进一步探讨智慧城市与智能网联汽车融合发展带来的车联网智能道路基础设施、新型能源基础设施、地理位置网、现代信息通信网、车城网平台建设和发展情况。并且介绍智慧城市与智能网联汽车融合创新发展的相关案例。
吴冬升 博士
