作者：周雅

Open RAN是电信业最具想象力的赛道之一。

它想解决的问题很直接：把长期封闭的无线接入网打开，让不同厂商的设备和软件可以组合使用，减少运营商对单一供应商的依赖。

但现在行业发现，开放接口只是第一步。真正难的，是让一套开放架构在真实网络里稳定、可靠、可规模化运行。

Azita Arvani见过Open RAN最好的年代，也见过它最艰难的时刻。

大约在2018年到2023年间，Azita作为Rakuten Symphony Americas的前任CEO，参与推动了日本乐天移动的全云原生Open RAN网络从架构走向商用，乐天移动是全球最早用这种开放架构、从零搭建商用移动网络的运营商之一，高峰期同时使用了超过15家供应商的设备。

而现在，Azita创办了一家Arvani Group Inc.公司，以顾问身份服务电信运营商、投资人和技术公司，同时担任Tennant Company独立董事。

Azita近期接受了科技行者Techwalker的专访，回顾那段经历，她在开场时强调：“Open RAN从期望的高峰走进了一个更务实的阶段，讨论比过去更成熟，少了炒作，多了工程纪律。”

Open RAN的那段经历，让她的思考延伸到一个更大的命题：当整个行业竞相把AI加进网络的时候，“加”这个动作本身，可能就是问题的起点。

01

Open RAN迈入现实阶段

先做个背景说明。

RAN(Radio Access Network，无线接入网)，是移动通信网络里最贴近用户的一层，手机和基站之间的数据传输，首先经过的就是它。

这层网络极其昂贵，也极其复杂，在很多运营商的网络投资中，RAN都是最大的成本项之一。过去数十年，该市场一直由少数几家大型设备厂商主导，包括射频单元、基带处理、软件和管理系统等等，通常来自几家供应商，是一个完整的垂直堆栈。

Open RAN最初想解决的问题，就是把这个堆栈打开，通过标准化接口，不同厂商的射频、基带、软件可以组合使用。理想状态下，运营商能够获得更多供应商选择，降低锁定风险，提高供应链韧性，同时推动RAN向云原生转型。“从2018年到2023年，这条路确实有真实的动能。”Azita回忆。

2018年，AT&T、中国移动、Deutsche Telekom、NTT DOCOMO和Orange五家运营商联合成立了O-RAN联盟（O-RAN Alliance），目标是把RAN的关键接口打开，让不同厂商的软硬件可以混合搭配，打破单一供应商的锁定。这个联盟至今有超过300家成员企业。

放在八年前，这个数字让行业兴奋。更多厂商参与意味着更开放的生态，更开放的生态意味着更好的网络。

但问题在于，全球绝大多数运营商并不是 greenfield（新建网），它们面对的是 brownfield（存量改造），也就是已经拥有数万甚至数十万个基站的存量网络。

这两者的难度完全不同。

greenfield是白纸建网，可以从一开始按照新架构设计。brownfield是存量网络改造，则要考虑既有设备、软件版本、运维系统、人员体系，以及不同年代技术之间的兼容关系。Open RAN的理想架构一旦进入brownfield，工程复杂度会迅速上升。

更重要的是，RAN是mission-critical infrastructure，任务关键型基础设施。运营商真正关心的东西非常多：性能是否稳定，覆盖是否达标，能效是否有优势，故障以后谁负责，安全如何保证，软件如何升级，系统能不能连续运行十年。

因此，在大量5G网络部署中，尤其是brownfield市场，运营商最终仍然选择了传统的集成堆栈，因为它的运营风险相对更低。

Azita对Open RAN第一阶段的总结很直接：“架构仍然重要，但行业已经学到，只靠好架构远远不够。”她把这件事压缩成了一句话：“优秀的架构，和真正实现大规模的、电信级的运营，是两个完全不同的挑战（Great architecture and carrier-grade operations at scale are two very different challenges.）”

在Azita看来，Open RAN的下一阶段，是“让它的运营可复制、可靠、可规模化”。

事实上就目前而言，Open RAN也正在朝这个方向走。列举来看，AT&T签下了与Ericsson的140亿美元合同，目标是到2026年底让70%的无线流量跑在开放平台上。Vodafone在英国和罗马尼亚推进了商用部署。Deutsche Telekom在德国部署了超过3000个Open RAN站点。

显然，Open RAN已经从热议走进了落地。

02

“行业不能永远待在PoC炼狱里”

Open RAN进入务实阶段之后，一个常见的问题也随之出现：早期行业一直谈多厂商、开放接口、解除锁定，为什么现在讨论越来越多地转向 RIC、rApps、xApps、AI和自动化？

Open RAN的价值主张变了吗？

这里需要先解释一组术语。RIC，也就是RAN智能控制器（RAN Intelligent Controller），是Open RAN架构里专门负责智能决策和策略控制的组件。它分成两类：Near-RT RIC，也就是近实时RIC，主要处理毫秒到秒级的网络决策；Non-RT RIC，也就是非实时RIC，处理时间尺度更长的优化和策略问题。

运行在RIC上的应用，被称为xApps和rApps，前者主要对应近实时场景，后者主要对应非实时场景。你可以把它们粗略理解成“RAN网络里的App Store”：过去很多网络能力写死在设备和软件里，现在运营商理论上可以通过不同应用，为网络增加新的智能能力。

RIC、rApps、xApps之所以重要，是因为它们提供了一种路径，运营商不必一上来就重构整个网络，而是可以先从一个具体场景切入，把AI和自动化引入RAN。这个用例可以是能效、流量导向、QoS优化、策略控制、异常检测、AI/ML生命周期管理等等。“换句话说，RIC可以是一个更聚焦的入口(a more focused entry point)。”Azita说。

总而言之，RIC和xApps/rApps真正改变的，是给Open RAN增加了另一层价值：网络走向可编程性和智能。

Azita进一步指出，“开放接口、供应商多样性、减少锁定、提高供应链韧性，这些Open Ran的原始价值仍然重要，其中已经留下最具影响力的一个方向，是Open Fronthaul（开放前传接口）。”

Fronthaul 是基站内部射频单元与基带处理单元之间的连接。过去，这部分接口通常是厂商私有的。Open Fronthaul 的意义，就是把这层接口标准化。比如，这个接口可以让运营商可以用一家厂商的射频单元，搭配另一家厂商的基带堆栈。在Azita看来，“Open Fronthaul依然是Open RAN的重要架构杠杆。”

但另一方面，行业也不得不面对现实：“多厂商RAN部署，运营上非常复杂，特别是在 brownfield网络里，集成、功能一致性、性能优化和责任归属，都可能变得棘手。”就拿最后的责任归属这一点来说，如果基站出了故障，到底是谁的问题？是射频单元？是基带？是软件？还是系统集成？过去，运营商只需要找一家厂商。现在，可能需要让三四家公司坐下来一起排查。

这个排查的成本，是Open RAN原本承诺的降本增效面对的真实阻力。既然多厂商的运营复杂性一时半会儿难以彻底解决，业界就开始把Open RAN的价值重心，转向另一个不需要“推倒重来”的维度，也就是在保留现有架构的前提下，把智能“注入”网络。这也是为什么，Open RAN第二阶段的讨论开始从“多供应商网络”，进一步转向“让网络变得可编程与智能”。

不过，她同样不希望行业高估现状。“我们要谨慎，不能高估现在的位置。RIC、rApps 和 xApps 在标准、测试和用例定义上有进展，但它们还没有作为开放的第三方应用市场，在真实的宏站网络中得到大规模部署。”

至于下一个挑战，Azita认为是“operational trust（运营信任）”，她说：“运营商必须知道，如何验证、治理和安全地在真实网络中运行这些应用程序。”她在专访中直指：“The industry cannot stay in PoC purgatory. We need to scale beyond pilots.(行业不能永远待在PoC炼狱里，必须要走出试点)。”

PoC炼狱，指的是当新技术来临，概念验证(Proof of Concept)做了一轮又一轮，但真正的规模部署迟迟不来。Azita不希望电信行业重复这条路径。

03

AI原生，是架构级别的重构

Open RAN让“智能注入RAN”成为可能，但这只是把“智能”带到了一个网络域(radio access)。Azita更关心的问题是：整张网络的智能能不能被打通，以及“打通”这件事，是不是等于“AI原生”？

之所以特别强调 “AI原生”，是因为电信网络其实早就开始使用AI和自动化工具。比如SON（Self-Organizing Network，自组织网络），过去十多年里，它做的就是让基站在部署和运行中“自己调参数”，典型场景比如自动优化覆盖、平衡负载、检测邻区干扰。“问题在于，很多这类工具都是domain-specific(域相关)、vendor-specific(厂商相关)，范围也相对狭窄。”

近年来AI被加进了很多workflow里。Azita说：“这有用、也重要，但很多情况下AI仍然是一个overlay(覆盖层)。它帮助人做出更好的决策，或者在现有架构里自动化了某个具体流程。”也就是说：网络架构先存在，然后再把“AI+”上去，让它优化某一个流程。这和真正的「AI原生网络」还是有本质区别。

Azita在与大阪大学教授Minoru (Mick) Etoh合著的白皮书《Beyond Connectivity:Telecom's AI-Driven Future in 5G-Advanced——Transforming Networks Through Intelligent Infrastructure（超越连接：5G先进时代的电信AI未来——通过智能基础设施重塑网络）》里，画了一条清晰界线：

一种是「数据驱动网络（data-driven networks）」。这也是今天5G-Advanced更接近实现的阶段：网络架构本身没有发生根本变化，只是“加入”更多AI能力，帮它预测、分析和优化。

另一种是「AI原生网络（AI-native networks）」。AI是被设计到架构里，网络具备数据架构、计算架构、控制回路、治理、安全和编排，能感知条件、推理权衡、在策略下行动、随时间学习。

换句话说，前者是用AI把今天的网络做得更好，后者则是按照AI时代的需求，重新设计网络本身。

Azita用一句话概括这种差别：“差异是从自动化(automation)走向自主(autonomy)。自动化是执行指令；AI 原生网络，是在治理框架下，主动实现意图。（Automation follows instructions; AI-native networks pursue intent under governance.）”

这并不是说，人会被排除在网络运营之外。Azita补充说：“人的位置向上移动了一层：从执行具体操作，转向定义策略、意图、治理边界和责任。”

这条从“AI叠加”到“AI原生”的路径，在她与Minoru合著的白皮书里被画成了一条演进图：从传统电信运营商，到数据驱动网络运营商，到AI原生运营商。传统阶段，聚焦连接、人工运维、被动维修；数据驱动阶段，引入特定网络域的智能工具、半自动化运营、预测能力；真正进入AI原生阶段以后，才会出现跨网络域的智能平台、主动运营、自主运营、自优化系统。

问题在于：今天的电信业，其实大部分还停留在第二阶段。

04

5G-A已经在给AI铺路，但它还不是AI原生

这条演进路径，在全球移动通信标准的路线图里也能找到技术对应。3GPP是全球移动通信标准的制定组织，它把每一代技术的能力打包成一个个版本(Release)：5G从Release 15开始，随后经过 Release 16（增强了工业物联网）和Release 17（精细化定位和车联网）的增强。到Release 18，5G-Advanced 正式开启，首次引入AI/ML的基础框架。Release 19进一步推进相关工作，把一部分AI/ML能力从研究讨论转向规范。

不过需要注意的是，3GPP标准化的只是接口、信令和管理流程，而不是具体的AI算法，这为设备厂商在AI/ML算法上保留了创新空间，同时让不同厂商的模型可以互操作。这个“标准化接口但不标准化算法”的设计，正是“数据驱动网络”能够跨厂商落地的机制。

「数据驱动网络」已经有大量实践，根据Azita和Minoru的白皮书中指出：

在客户体验层面，AT&T推出的GenAI助手“Ask AT&T”已经部署给超过10万员工，GenAI工具每投入1美元，一年内获得2倍ROI；Deutsche Telekom用GenAI客服助手，能自动解决约40%的客户查询。在网络运营层面，中国移动在31个省份部署GenAI驱动的宽带服务助手，缩短重大故障恢复时间；华为提出RAN Intelligent Agents，声称能把服务开通周期从3-5周缩短到一天。在能源效率层面，欧洲运营商用AI优化网络能耗，3年内把网络相关电力排放削减了50%；Vodafone德国用AI每年节省数百万欧元电费。这些都是实实在在的回报。

Azita强调：“如果不在5G-A这几年里主动搭建AI原生的基础，这些能力不会在6G到来时凭空出现。”她写道，“AI原生能力必须从现在开始被工程化地写进网络的基因。”

NVIDIA 2026年的《电信AI现状》报告提供了一个耐人寻味的数据点：77%的电信运营商认为AI原生网络将在第一批完整6G部署之前推出。

那么真正的AI原生架构长什么样？白皮书画出了六个关键要素：

第一，智能平面(Intelligent Plane)，独立于控制面和数据面的第三个平面，专门聚合遥测数据、运行模型、把预测和策略反馈到RAN、核心网、传输网、OSS/BSS的闭环里；

第二，意图驱动的网络管理(Intent-Driven Network Management)，运营商只需指定高层业务目标，网络自己去实现自愈、自优化、自组织；

第三，分布式智能(Distributed Intelligence)，AI能力嵌入从基站到核心网的每一层；

第四，认知无线电系统(Cognitive Radio Systems)，基站的无线电动态适应波形、星座图、资源分配,空口本身变得自适应；

第五，计算与网络融合(Computing-Network Convergence)，基站转型成配GPU或专用AI加速器的强大计算平台，能同时跑网络功能和第三方AI应用，「AI工厂(AI factory)」的概念由此浮现；

第六，安全与隔离作为原生设计(Security & isolation by design)，零信任(Zero Trust)控制嵌入每个切片和租户，不是事后打补丁。

这六层里最有想象空间的是第五条的“计算与网络融合”，基站不再只是“传数据的设备”，而是“能算数据的算力节点”。当AI推理需要贴近数据发生的地方，运营商已经在城市里散布了几十万个“迷你数据中心”的雏形。这是超大规模云厂商都做不到的物理布局优势，也是下一节要讨论的AI-RAN趋势的铺垫。

05

开放与智能的双螺旋

基站变算力节点这件事，不只是Azita在白皮书里的畅想，它有一个正在快速起势的产业名字——AI-RAN。NVIDIA近两年在AI-RAN上的推动引起了大量关注。

当我问Azita两者之间的关系时，她的回答很明确：“Open RAN和AI-RAN不同，但是互补的。”她解释说，“Open RAN是关于开放网络架构，通过标准化接口、解耦和互操作性来实现。AI-RAN是关于让RAN工作负载和AI工作负载，运行在共享或融合的计算基础设施上。”

她还给出了一个技术层面的补充：“AI-RAN所依赖的「共同计算(common compute)」，可以是GPU，可以是x86架构的CPU(就像Open RAN那样），也可以是ARM架构的CPU。”「共同计算」的意思是，同一台服务器既跑RAN基带处理，也跑AI推理任务，过去这两件事往往需要独立的专用硬件，现在合并到通用计算平台上，一台服务器就是一个「多任务AI节点」。

这条路已经有具体的动作。T-Mobile与NVIDIA、Ericsson、Nokia联合成立了AI-RAN Innovation Center；韩国SK Telecom与Intel合作探索AI-RAN在CPU架构上的落地。这些合作代表了两条不同的技术路径——GPU路线和CPU/ARM路线，它们在未来几年会真正比拼商业化速度。

如果借用分子生物学的比喻，它们更像DNA的双螺旋。两条链各自有结构，但只有交织在一起才能承载完整的遗传信息。Azita把两者的价值主张也做了明确区分：“Open RAN处理的是开放和选择；AI-RAN处理的是智能、计算和新价值创造。机会是把它们放在一起，而不损害任何一方的原则。”

她强调：“最好的结果是这样一种架构，加速计算带来真正的性能提升，但运营商仍然保持选择、互操作性和控制权。AI-RAN不应该成为一个封闭平台的故事，它应该成为一个开放的、智能的基础设施的故事。”

但这也带来了一个新风险。她给出警告：“要让AI-RAN既强大又保持开放，行业需要在多个层级上保持开放，包括radio和前传接口、工作负载可移植性、编排、APIs、模型生命周期管理和治理。否则，我们可能会用一种新的锁定形式，替换掉旧的锁定形式。”

换言之，如果AI-RAN只能跑在某一家的GPU上，只能对接某一家的AI软件栈，那么Open RAN花了十年好不容易挣脱的“厂商锁定”，可能在AI时代重新以另一种方式回归。

06

电信业的战略转折：承载AI、还是驱动AI

这对开放和智能的交织，指向了Azita和Minoru在白皮书中提出的一个更大的框架：飞轮效应。

用AI让网络更智能、更自主、更高效，这是“AI for networking”；反过来，智能化、低延迟、分布式的网络又成为AI在各行业落地的关键基础设施，这是“networking for AI”。两个方向互相强化，形成正向循环。

但这个飞轮有一个启动条件：智能必须是网络架构内生的能力，而不是外挂的工具，如果智能只是贴在网络表面的一层，飞轮的两侧就接不上。

这个飞轮逻辑也重新定义了电信运营商在AI时代的角色。Azita在专访中把它浓缩成一个判断：“AI需要的不只是模型和芯片，它需要分布式基础设施、可信连接、边缘推理、网络智能，以及新形式的身份和服务保障。”

“电信运营商有一个机会：超越传统连接，成为AI时代的关键贡献者。”她说，她在MWC上海2026的主旨演讲里，提出过一个框架：“智能基础设施的五大前沿：AI原生网络、边缘AI、AI-RAN、智能体AI，以及AI经济正在变化的三要素是：词元、电力、芯片（tokens、watts、chips）。”

这个判断在过去两年变得越来越具体，因为AI本身正在落地。她观察到：“AI不会只存在于集中式云端。当AI变得更加物理化、实时化、且嵌入到机器人、制造、交通、医疗、能源和物流中时，推理越来越需要发生在数据产生和行动执行的地方。”

“贴近数据”这件事，是电信运营商真正有话语权的一层。超大规模云厂商的数据中心可能在几百甚至几千公里之外；而运营商在每个城市都有中心机房、每个城市街区都有基站，这就是「边缘」。

Azita提到运营商的优势：“这正是运营商拥有的资产：分布式基础设施、频谱、边缘站点、可信客户关系、运营经验、以及规模化的安全可靠连接能力。”Verizon与AWS Wavelength合作的Mobile Edge Computing、AT&T与Microsoft Azure合作的Edge Zones、Vodafone与AWS的分布式云区域、Deutsche Telekom与Google Cloud的合作，都是这个方向的早期落子。

Azita还提出了前瞻性的概念。一个叫“了解你的智能体”（Know Your Agent），意思是AI智能体的身份、安全和信任；另一个叫“服务你的智能体”（Serve Your Agent），意思是为AI智能体提供差异化的网络和平台服务。

对运营商来说，Know Your Agent对应的是「KYC（Know Your Customer，了解你的客户)」在AI时代的延伸；Serve Your Agent则意味着，未来运营商的套餐可能不是卖给人，而是卖给某家企业的100万个AI智能体，它们要接入网络、要计算资源、要身份认证、要SLA保障。

从这个角度看，运营商有机会从“卖带宽”进化为“卖信任”，但前提是，这种信任能力必须内嵌于网络架构，而不是在出了安全事故之后才匆忙搭建。

目前已经有运营商在做出选择。白皮书里有一个具体案例：印度的Reliance Jio与NVIDIA合作，目标是建成2000MW规模的AI数据中心，潜在算力将超过印度目前最强的超级计算机。SoftBank、Telenor和TELUS也在探索「主权AI云(sovereign AI clouds)」，利用电信基础设施和监管地位，建设服务本国市场的AI数据中心，让AI推理和数据留在国境内。

“电信运营商不再只是连接的提供者，而是国家AI基础设施的托管者”，这是白皮书里的判断。这个转变一旦发生，电信业的战略地位就不再依附于云和模型公司，而是与它们并列。

07

中国市场的规模和速度

在这套全球电信业AI化的进程里，中国市场尤其值得单独说一说。Azita曾经在全球多个市场都工作过，对中国市场有明确判断。

“中国扮演了一个非常重要的角色。”Azita给出的理由是复合的：“中国拥有非同寻常的网络规模、强大的运营商、主要的设备厂商、云和AI能力，以及快速演进的应用生态系统。这个组合本身就很强大。当中国决定往某个技术方向移动的时候，它可以通过部署规模和生态系统协同，创造巨大的动能。”

Azita进一步强调：“中国市场在早期也没有缺席这一历程。中国移动是O-RAN Alliance的创始运营商之一，而且中国移动更早的C-RAN工作，是今天开放和云化RAN的思想源流之一。”

C-RAN(Cloud-RAN或Centralized-RAN，云化RAN或集中化RAN)是中国移动在2010年前后提出的架构，把原本分散在每个基站的基带处理集中到“云端”(实际上是一个物理机房)，这既能提升处理效率，也能降低单站成本。这个思路后来影响了整个行业对“RAN如何云化”的思考，也为Open RAN铺了路。

白皮书还举了个例子，「5G + BeiDou」地下导航系统。中国移动利用5G-A网络本身作为传感器，结合北斗系统，实现了在隧道、地下停车场这些GPS完全失效的场景下的厘米级定位。换句话说，即使卫星信号完全屏蔽，你的手机在地下车库里也能导航到目标车位。这类「网络即传感器」的能力，在5G-A阶段就已经落地，是「数据驱动网络」最生动的实证之一，也是6G通感一体化(ISAC)的产业先声。

中国市场在网络创新中的角色，是毋庸置疑的重要，不过Azita也直言：“在Open RAN这件事上，到目前为止，中国并不是全球Open RAN最强推动者，尤其是相比一些其他市场的运营商和政策社区。”

这个观察背后，Azita想强调的其实是一个更大立场：全球互操作性。

“3G以来，移动行业最了不起的成就之一，就是全球互操作性，一个人可以从一个国家飞到另一个国家，口袋里的手机就能工作，这是全球标准、行业对齐和深度技术协作的产物。”她说，“当我们走向Open RAN、AI原生网络、5G-A和6G，我们应该尽可能保留这种全球协同。”

她的这句判断，可以被电信业作为纲领：

“当我们创造出一个良性循环、建立起飞轮效应时，机会是巨大的，用AI让网络变得更好，用网络让AI变得更可规模化、可信、对各行各业更有用。”

08

窗口就在5G-A这几年

在采访最后，我问Azita对行业有什么具体建议。她给了三条。

第一，做“AI原生”的架构，不是做“AI叠加”（architect for AI-native, not AI-added）。她指出：“智能需要成为设计的一部分，而非事后的覆盖层。”

第二，让AI-RAN和边缘AI从试点走向生产。她说：“行业不缺有前景的技术，缺的是规模化部署的决心和能力。”

第三，为智能体AI建立信任层，以及为AI经济构建商业模式。她说，“出色的架构很重要，但运营商级别的运营和可持续的经济模型，才是赢得机会的地方。”

这三条建议看似平行，其实有一个共同的时间维度：现在。

Azita和Minoru在白皮书中反复强调，5G-A时代不应该被当作一个例行升级周期，而应该被当作AI原生网络的准备阶段。3GPP Release 20采用了双轨策略，一边继续演进5G-A的AI/ML能力，一边开始6G研究准备。但研究准备，不等于地基已打。

中国运营商的数据让这个紧迫感更加具象。中国移动2026年一季度通信服务收入同比下降1.1%，中国电信总营收下降2.32%，中国联通下降0.5%。显然，卖连接，本身已经不是增长业务。

中国三大运营商的应对是把资本大幅向AI和算力倾斜。中国移动的token生态联盟接入了约300个AI模型，声称集中运营可以降低约30%的单token成本。这不只是中国的故事，而是全球电信行业的缩影：传统收入见顶，新的增长需要完全不同的土壤。

我们可以用Azita白皮书中的一句话作为收尾：“电信的未来不只是连接更多设备，而是智能地连接智能。”