在通信行業邁向6G的關鍵階段，AI-RAN（人工智能無線接入網絡）正成為全球通信領域聚焦的核心方向。傳統運營商的“管道式”發展模式已觸及瓶頸，無論是國內還是國際市場，單純依靠流量增長帶來的收入提升空間日益有限。與此同時，5G在滿足千行百業個性化需求方面存在局限，而6G的潛力恰恰在于突破這些限制，為行業帶來新的發展機遇。
中國工程院院士鄔賀銓指出，6G標準指標正逐步回歸現實。6G不再單純追求通信能力的提升，而是將通信、感知、計算、智能等多維能力融合到一個系統中，使網絡具備更強的彈性和可重構性。而這一可重構系統的核心在于無線接入網（RAN）。過去，無線接入網普遍采用專用硬件加專用軟件的模式，雖然在特定場景下具有性能和效能優勢，但靈活性不足，迭代升級周期長，尤其在面向差異化、碎片化的To B場景時，綜合成本較高。
行業資深專家、中山大學教授陳翔以具身智能和智能體通信為例分析稱，具身智能機器人在遠程操作時，其內容形態以及對通信和網絡的需求，與傳統通信方式截然不同。在他看來，網絡正從以連接為中心向以算力為中心轉變。迪恩通信CEO馮晨遠也認為，在6G演進的新周期里，算力與通信基礎設施的邊界將逐漸模糊，AI-RAN是通信行業獲取算力時代“入場券”的關鍵。
業內知名專家Tony Quek教授表達了類似觀點。他認為，未來通信的交互主體將從“人”轉變為“機器人”或“平臺”，交互信息也將從簡單數據升級為“智慧”。運營商可以通過將這些智慧進行Token化來實現增值，這不僅是技術變革，更是商業模式的重塑。這一觀點也印證了部分電信運營商提出的“用AI token經營重塑業務”理念的可行性。
通信網絡架構正經歷一場向“以計算為中心”的范式轉型，RAN最終將被深度整合進更廣泛的分布式云基礎設施中。目前，產業界在實現AI-RAN的路徑上存在明顯分歧，形成了三種主要技術路線。一是英偉達與諾基亞的合作，將基帶軟件移植到CUDA架構上；二是愛立信希望通過軟件可移植性實現硬件選擇的多元化；三是部分國內廠商倡導采用ASIC+xPU的異構計算，追求工程技術的極致優化。其中，GPGPU+CUDA的聲音最大，甚至在一定程度上成為AI-RAN的代名詞。
馮晨遠對此指出，GPU雖然算力強大，但功耗和成本較高，難以支撐大規模邊緣部署；ASIC效率突出，卻難以跟上算法快速迭代的節奏。更重要的是，隨著混合專家模型（MoE）成為主流趨勢，大模型的瓶頸已從算力不足轉向內存容量與調度效率，這成為制約邊緣智能落地的核心挑戰。他強調：“市場真正需要的不是又一張功耗更高的GPU卡，而是一個能夠隨算法持續演進、兼顧功耗與成本、可規?；渴?，并覆蓋不同模型規模演進路徑的統一算力平臺?！?/p>
基于這一判斷，迪恩通信選擇重構算力架構。該公司沒有參與算力堆疊的競爭，而是從底層出發思考如何讓大模型真正適配無線接入網。其提出的Memory Glue架構是一種基于FPGA的可重構大模型加速平臺，通過靈活的異構算力調度能力，結合大容量內存與高帶寬設計，使大模型能夠在邊緣側實現近實時推理，并圍繞電信業務需求進行了模型結構級優化。
目前，迪恩通信的FPGA平臺已成功跑通120b的大模型，用FPGA實現了與GPU相當的算力效率。陳翔將之稱為國產化AI-RAN的2.0版本。他解釋道，在迪恩通信AI-RAN 1.0版本中，證明了國產化GPU的可用性；而在2.0版本中，則證明了不依賴GPU這種算力形態是可行的。FPGA不僅在特定場景下具備更高的能效比，其靈活性也為AI-RAN提供了“變形金剛”般的可能性，能夠更好地匹配垂直行業的需求。
與許多中小型網絡設備廠商不同，迪恩通信的研發重點集中在底層算力平臺和大模型，而非單純的物理硬件。陳翔認為，在6G和AI-RAN時代，專用硬件加專用軟件的“黑盒交付”方式已不再適用。AI不再是外掛能力，而是將成為無線網絡的內生能力。因此，必須重視軟件棧，只有擁有底層的軟件定義能力，才能真正實現AI與網絡的深度融合。
作為一名擁有20年經驗的行業老兵，陳翔指出，我國擁有強大的制造業和生產能力，但不應僅滿足于輸出傳統的硬件基站形態。他強調：“我們應該更多地考慮如何依托更新的生態輸出更多價值。除了大廠之外，還需要成千上萬個創新企業，面向千行百業的個性化需求進行匹配?！睂τ谕ㄐ判袠I而言，開放至關重要。AI-RAN是通信行業邁向AI大算力、大模型時代的“入場券”，需要產業鏈各方緊密合作，共同構建適應國內產業背景的全新架構。
