壹  前言

隨著5G及6G網路持續發展，通訊服務逐步朝向高頻寬、低延遲與智慧化應用演進。各類新興應用，如智慧交通及工業自動化，均對行動接取網路(Radio Access Network, RAN)提出更高效能與更即時反應之需求。

在此趨勢下，傳統以固定參數與人工調整為主的網路架構，已難以滿足動態且複雜的使用情境。人工智慧(Artificial Intelligence, AI)技術的導入，成為提升網路效能與運作效率的重要關鍵，並逐步發展出AI-RAN(Artificial Intelligence Radio Access Network)之新興架構，透過智慧化技術實現網路自動優化與資源彈性配置。

貳  科技發展現況

一、 AI-RAN發展背景

近年來，隨著數據流量快速成長及應用型態多元化，無線網路面臨資源利用效率不足與維運複雜度提升等挑戰。傳統網路最佳化方式多依賴專家經驗與離線分析，難以即時回應網路狀態變化。為提升網路自主能力，產業逐步導入AI技術，推動網路自動化與智慧化發展。AI-RAN架構即是在此背景下形成，其核心理念為將AI能力深度整合至RAN系統，使網路具備即時感知、分析與決策能力。

目前AI-RAN發展主要可歸納為三個面向：

• AI for RAN：透過AI提升網路效能

• AI and RAN：整合AI與網路運算資源

• AI on RAN：利用網路基礎設施提供AI應用服務

此三大面向顯示，AI已由輔助工具逐步轉變為網路架構的主要組成。

二、 技術演進趨勢

AI-RAN正從「AI輔助網路優化」逐步演進為「AI原生網路架構」。在早期階段，AI主要用於提升RAN效能，例如頻譜效率、流量預測與能耗優化；隨著雲化與GPU加速運算成熟，網路開始朝向AI與RAN共構的方向發展，使通訊與AI工作負載能在同一基礎設施上協同運作，提升資源利用率並支援邊緣AI應用。進一步地，AI-RAN將RAN轉變為一種「可承載AI服務的平台」，在邊緣提供低延遲、高頻寬的AI推論能力，成為未來6G智慧應用的重要基石。

在此技術演進脈絡中，AI-RAN Alliance於2024年世界通訊大會MWC Barcelona成立，匯集電信商、設備商，致力於推動AI與無線通訊的深度整合。聯盟提出AI for RAN、AI and RAN、AI on RAN三大方向，分別對應網路優化、算力共享與邊緣AI服務，並透過建立共通架構與生態系，加速產業標準化與商用落地。整體而言，AI-RAN的發展不僅是技術升級，更是一場通訊網路從「連接服務」走向「智慧運算平台」的結構性轉變，將在未來6G時代釋放更大的產業價值。

三、 AI-RAN技術架構與應用

(一) AI for RAN

AI for RAN為目前發展較為成熟之技術方向，其核心在於透過人工智慧技術導入無線網路各層級，實現端到端之效能優化。透過對網路運行狀態與無線通道特性的即時分析，系統可動態調整基地台參數與資源配置，以提升整體網路效能與穩定性。在實務應用上，AI不僅可針對單一基地台進行優化，亦可延伸至多基地台之間的協同控制，例如透過跨細胞協調(Inter-Cell Coordination)改善干擾情形，並優化使用者連線選擇與波束配置，使網路能更有效率地服務高密度使用情境。同時，在無線資源排程與通道估測等關鍵機制中導入AI，可進一步提升頻譜使用效率與資料傳輸品質。

整體而言，AI for RAN透過將人工智慧導入無線網路各項關鍵機制，使網路由傳統靜態調整模式轉型為具備即時感知與動態決策能力之智慧化系統，代表通訊網路朝向「自動化優化」發展之重要階段。

(二) AI and RAN

AI and RAN著重於將行動接取網路與人工智慧應用整合於同一運算平台，使傳統基地台功能由專用硬體轉型為軟體化與虛擬化架構，並可部署於通用伺服器或資料中心環境中。在此架構下，RAN功能與AI應用可共享運算資源，並透過統一的管理與調度機制進行協同運作。

透過集中化與雲化的運算架構，系統可依據不同時段與負載需求，動態分配算力於網路處理與AI任務之間。例如，在網路流量較低時，可將多餘算力轉用於AI推論或應用服務；而於高流量時段，則優先保障行動接取網路之運作效能。此種彈性調度機制，有助於提升整體資源使用效率，並降低基礎設施閒置情形。此外，透過虛擬化技術與運算加速機制，單一運算平台可同時支援多個基地台與多樣化應用需求，使網路基礎設施從單一功能設備，轉變為可同時提供通訊與運算服務之整合平台。不僅可降低建置與維運成本，亦可進一步延伸應用服務能力，創造新的服務價值。

整體而言，AI and RAN代表通訊網路由「專用設備架構」邁向「通用運算平台」的重要轉變，並為未來通訊與人工智慧深度融合奠定關鍵基礎。

(三) AI on RAN

AI on RAN將行動接取網路節點轉化為邊緣運算平台，使基地台除通訊功能外，亦可執行人工智慧推論。透過將AI模型部署於網路邊緣，資料可於產生當下即完成分析與回應，降低往返核心網路所造成之延遲。此架構可支援即時性需求較高之應用情境，例如智慧交通或自動駕駛等場景，透過於基地台側即時處理影像與感測資料，使系統能快速完成判斷並回傳結果，提升整體反應速度與運作可靠性。此外，將運算能力分散於各地網路節點，亦可降低資料集中處理所帶來之網路負載，進一步提升系統效率。整體而言，AI on RAN 使網路由單純傳輸架構，轉型為具備即時運算能力之服務平台。

整體而言，AI on RAN 代表通訊網路由「資料傳輸導向」邁向「即時運算導向」之關鍵發展方向，並為未來邊緣智慧應用奠定基礎。

參  結語

AI-RAN 發展可視為行動接取網路演進之重要階段，其中AI for RAN已具備較高成熟度，可透過既有網路架構導入相關功能以提升效能；AI and RAN則進一步推動網路與運算資源整合，惟其發展仍取決於系統穩定性與設備成熟度；至於AI on RAN，則透過邊緣運算強化應用即時性，其推展亦有賴整體架構逐步成熟。整體發展趨勢顯示，AI-RAN正朝向開放化與軟體化架構演進，與開放式網路及虛擬化技術之發展方向相互呼應，未來將逐步形塑以通用運算平台為核心之新一代網路架構。綜合國際技術發展與產業趨勢觀察，AI-RAN之推展可望呈現分階段演進：短期以既有技術延伸與應用驗證為主，中期逐步強化系統整合與平台能力，長期則朝向智慧化網路架構與多元應用服務發展，並逐步形塑具備通訊與運算整合能力之新世代網路基礎。

肆  參考文獻