在通信行业迈向6G的关键阶段，AI-RAN（人工智能无线接入网络）正成为全球通信领域聚焦的核心方向。传统运营商的“管道式”发展模式已触及瓶颈，无论是国内还是国际市场，单纯依靠流量增长带来的收入提升空间日益有限。与此同时，5G在满足千行百业个性化需求方面存在局限，而6G的潜力恰恰在于突破这些限制，为行业带来新的发展机遇。
中国工程院院士邬贺铨指出，6G标准指标正逐步回归现实。6G不再单纯追求通信能力的提升，而是将通信、感知、计算、智能等多维能力融合到一个系统中，使网络具备更强的弹性和可重构性。而这一可重构系统的核心在于无线接入网（RAN）。过去，无线接入网普遍采用专用硬件加专用软件的模式，虽然在特定场景下具有性能和效能优势，但灵活性不足，迭代升级周期长，尤其在面向差异化、碎片化的To B场景时，综合成本较高。
行业资深专家、中山大学教授陈翔以具身智能和智能体通信为例分析称，具身智能机器人在远程操作时，其内容形态以及对通信和网络的需求，与传统通信方式截然不同。在他看来，网络正从以连接为中心向以算力为中心转变。迪恩通信CEO冯晨远也认为，在6G演进的新周期里，算力与通信基础设施的边界将逐渐模糊，AI-RAN是通信行业获取算力时代“入场券”的关键。
业内知名专家Tony Quek教授表达了类似观点。他认为，未来通信的交互主体将从“人”转变为“机器人”或“平台”，交互信息也将从简单数据升级为“智慧”。运营商可以通过将这些智慧进行Token化来实现增值，这不仅是技术变革，更是商业模式的重塑。这一观点也印证了部分电信运营商提出的“用AI token经营重塑业务”理念的可行性。
通信网络架构正经历一场向“以计算为中心”的范式转型，RAN最终将被深度整合进更广泛的分布式云基础设施中。目前，产业界在实现AI-RAN的路径上存在明显分歧，形成了三种主要技术路线。一是英伟达与诺基亚的合作，将基带软件移植到CUDA架构上；二是爱立信希望通过软件可移植性实现硬件选择的多元化；三是部分国内厂商倡导采用ASIC+xPU的异构计算，追求工程技术的极致优化。其中，GPGPU+CUDA的声音最大，甚至在一定程度上成为AI-RAN的代名词。
冯晨远对此指出，GPU虽然算力强大，但功耗和成本较高，难以支撑大规模边缘部署；ASIC效率突出，却难以跟上算法快速迭代的节奏。更重要的是，随着混合专家模型（MoE）成为主流趋势，大模型的瓶颈已从算力不足转向内存容量与调度效率，这成为制约边缘智能落地的核心挑战。他强调：“市场真正需要的不是又一张功耗更高的GPU卡，而是一个能够随算法持续演进、兼顾功耗与成本、可规模化部署，并覆盖不同模型规模演进路径的统一算力平台。”
基于这一判断，迪恩通信选择重构算力架构。该公司没有参与算力堆叠的竞争，而是从底层出发思考如何让大模型真正适配无线接入网。其提出的Memory Glue架构是一种基于FPGA的可重构大模型加速平台，通过灵活的异构算力调度能力，结合大容量内存与高带宽设计，使大模型能够在边缘侧实现近实时推理，并围绕电信业务需求进行了模型结构级优化。
目前，迪恩通信的FPGA平台已成功跑通120b的大模型，用FPGA实现了与GPU相当的算力效率。陈翔将之称为国产化AI-RAN的2.0版本。他解释道，在迪恩通信AI-RAN 1.0版本中，证明了国产化GPU的可用性；而在2.0版本中，则证明了不依赖GPU这种算力形态是可行的。FPGA不仅在特定场景下具备更高的能效比，其灵活性也为AI-RAN提供了“变形金刚”般的可能性，能够更好地匹配垂直行业的需求。
与许多中小型网络设备厂商不同，迪恩通信的研发重点集中在底层算力平台和大模型，而非单纯的物理硬件。陈翔认为，在6G和AI-RAN时代，专用硬件加专用软件的“黑盒交付”方式已不再适用。AI不再是外挂能力，而是将成为无线网络的内生能力。因此，必须重视软件栈，只有拥有底层的软件定义能力，才能真正实现AI与网络的深度融合。
作为一名拥有20年经验的行业老兵，陈翔指出，我国拥有强大的制造业和生产能力，但不应仅满足于输出传统的硬件基站形态。他强调：“我们应该更多地考虑如何依托更新的生态输出更多价值。除了大厂之外，还需要成千上万个创新企业，面向千行百业的个性化需求进行匹配。”对于通信行业而言，开放至关重要。AI-RAN是通信行业迈向AI大算力、大模型时代的“入场券”，需要产业链各方紧密合作，共同构建适应国内产业背景的全新架构。
