撕裂"通信黑盒"

AI-RAN如何重塑6G连接的底层边界？

——基于亚信科技CTO欧阳晔教授深度报告的技术解读

比特宇宙 · 前沿架构深度栏目  |  CTO/架构师必读  |  6G & AI-RAN专题

纵观移动通信的演进史，无线接入网（RAN）一直是一个固若金汤的"物理黑盒"。从GSM时代（R99标准）开始，基站的底层协议、控制逻辑到物理层信号处理，被设备商严丝合缝地浇筑在专用的ASIC芯片与专有硬件之中。

这种模式成就了通信网络的极致稳定，但也为其套上了沉重的枷锁——当算力网络、AI大模型、通感一体化汹涌而来时，传统RAN显得僵硬而迟缓。

亚信科技CTO欧阳晔教授在近期深度报告中，刺破了这层历史的窗户纸。他指出，迈向6G与5G-A的真正革命，不再是单纯在物理层死磕信道容量，而是要"重塑连接的边界"。从2024年世界移动通信大会（MWC）上由英伟达、软银等发起的AI-RAN联盟可以看出，通信界正在经历一场激烈的软硬件解耦。控制面（CU）与分布式单元（DU）的全面开源化、软件定义化已成定局。

迈向6G的真正革命，不再是在物理层死磕信道容量，而是要"重塑连接的边界"。软硬件解耦不是趋势，它已经是结局。

在这个不可逆的趋势下，未来的基站将不再是单纯的信号收发器，而是一个深度的通感算智融合平台。对于每一个在传统C/C++协议栈中构建过系统的架构师而言，这意味着一场真正的技术信仰危机，与一扇从未打开过的新门。

一、AI-RAN的三大基石：从融合到边界消融

当RAN的底层被剖开、注入AI引擎，整个网络的生态逻辑发生了剧变。行业将这种融合归纳为三个相互交织的维度：

AI and RAN（基础设施融合）： 在最底层的硬件资源池中，实现通信基础设施与计算基础设施的同构。GPU/NPU与基带处理单元共享同一算力平台，不再泾渭分明。

AI for RAN（网络智能化）： 这是内生智能的核心——利用AI优化RAN本身的性能，如链路自适应、资源动态调度，甚至向物理层（L1）深度下探，触碰此前被认为"不可AI化"的底层信号处理。

RAN for AI（通信赋能AI）： 基站变身为无处不在的边缘算力节点，将AI推理能力作为一种"服务"输出给垂直行业——园区专网内的机器视觉、具身智能控制由此获得超低时延的计算支撑。

三大基石的确立，直接催化了传统通信网络中三道森严边界的"消融"。

算力边界首当其冲：过去，算力被严格划分为云、边、端。在AI-RAN架构下，远端与近端的CPU、GPU、NPU异构算力实现统一编排；通信与计算任务甚至可通过时分多址（TDMA）机制，在毫秒级共享同一块硅片资源。感知边界随之延伸：感知不再需要外挂雷达，应用层的智能需求与最底层的射频动作，被压扁在一个高度聚合的计算集群中。AI边界同步下沉：大模型不再绕道核心网，而是直接在接入侧完成推理与决策。

云边端的算力壁垒、感知与通信的物理隔阂、AI与底层协议的语言鸿沟——AI-RAN要做的，是把这三堵墙同时推倒。

二、颠覆传统代码：Ontology over Skills 的架构突围

理论总是丰满的。但要把AI注入通信的骨髓，工程师们常面临一个极其头疼的工程阻力：协议栈的"硬编码"困境。

传统上，基站里的L2（MAC/RLC）和L3（RRC/RRM）协议，全是工程师用C或C++一行行"手搓"出来，直接烧录进硬件。如果想让AI大模型或智能体（Agent）动态改变这些协议的行为——比如优化信道资源分配——就如同隔着防弹玻璃做微雕：外部的AI进不去，内部的逻辑改不了。

如同隔着防弹玻璃做微雕——外部的AI进不去，内部的逻辑改不了。这不是能力问题，这是架构问题。

针对这一死结，欧阳晔教授团队展示了一项颠覆性的底层架构创新：Ontology over Skills for RAN Agents（基于本体与技能叠加的RAN智能体架构）。

这个概念听起来拗口，但其内核极其硬核。团队借鉴计算机科学中对复杂系统建模的"本体论（Ontology）"思想，结合了近年来AI界火热的"Skills（技能）"调用机制，做了一件精妙的事：

他们没有让AI去直接读写C++的底层变量，而是将L2、L3中需要智能化优化的功能模块（Feature），进行"本体化"封装，变成一个个结构化的描述文件。接着，将这些"本体"封装进大模型或智能体可以理解并调用的"Skills（技能）"之中。

你可以把它理解为通信协议的"微服务化API"——当业务层的AI智能体感知到网络拥塞或需要特定优化时，它不需要懂底层的通信C代码，只需要调用对应的"Skill"，系统自动翻译并执行底层的协议级动作。

而这套系统真正的杀手锏，在于其双驱动机制：世界模型（World Model）负责对网络环境的全局感知与预判，内在模型（Inner Model）负责协议动作的精确执行。两者的协同，彻底打通了上层AI意图与底层物理执行之间长达数十年的架构鸿沟。

三、数据的锤击：软件定义并非"花架子"

通信圈一直有一种根深蒂固的担忧：通过层层封装和Agent调用的软件定义架构，会不会产生过高的系统开销，在处理极低时延、高可靠性业务（URLLC）时"拉胯"？

数据击碎了这种质疑。

接入网侧验证数据

📊 普通下行吞吐量提升：+4～5%  （相对传统3GPP刚性链路自适应算法）

📊 URLLC上行误块率（BLER）改善：超过85%  ——工业控制/具身智能控制场景的韧性飞跃

核心网侧服务保障数据

📊 传统规则硬编码QoS恢复时间：30～45秒  （拥塞风暴后回归基准线）

📊 Agent智能调控后恢复时间：5～10秒  ——时间压缩约80%

这5到10秒的生死线，在工业自动化生产线或超能交通系统中，就是灾难与安全的边界。URLLC误块率超过85%的改善幅度，同样远超业界预期——它以实测数据证明了一件反常识的事：软件定义的"灵活"，在极端场景下反而比硬编码的"刚性"更可靠。

软件定义的"灵活"，在极端场景下反而比硬编码的"刚性"更可靠——这是架构史上最具说服力的悖论之一。

结语：将算力抛向太空

AI-RAN在地面基站的革新只是第一幕。随着空天地一体化网络的推进，这种通感算智高度融合的架构，正在向外层空间蔓延。

将软硬件解耦的BBU（基带处理单元）与算力底座打包、塞进低轨卫星载荷中（星载BBU），已成为下一阶段的探索前沿。当卫星不再仅仅是太空里的"反射镜"或"透明转发器"，而是一个运行着Agent智能体、能自主进行多星算力调度、直接对遥感或通信数据进行在轨推理的"太空算力节点"时——一张真正无缝覆盖、弹性极强的6G算力网络，才算现出全貌。

诚然，星载BBU在散热、可靠性、星间协同等工程维度上，仍有大量未解的难题。但方向的清晰，已足以令人振奋。

从砸碎硬件黑盒，到代码本体的重构，再到算力上天。连接的边界，正是在这一次次对传统范式的"冒犯"与"重写"中，被推向更辽阔的深空。