AI-नेटिव RAN: आर्टिफिशियल इंटेलिजेंस भविष्य के नेटवर्क को कैसे चलाएगा

दशकों से, रेडियो एक्सेस नेटवर्क क्लासिक सिग्नल प्रोसेसिंग पर बनाए गए हैं — गणितीय रूप से सटीक एल्गोरिदम जो इंजीनियरों द्वारा डिज़ाइन किए गए हैं और सिलिकॉन में हार्ड-कोडेड हैं। AI को एक अतिरिक्त के रूप में जोड़ा गया था: एनालिटिक्स डैशबोर्ड, ऑप्टिमाइज़ेशन सुझाव, विसंगति का पता लगाना, जो एंटीना से दूर क्लाउड सर्वर पर चल रहा था। यह विश्लेषण MWC 2026 डेमो, 3GPP अनुसंधान बिंदुओं और विक्रेताओं के खुलासे के प्राथमिक स्रोतों के आधार पर 7G Network की संपादकीय टीम द्वारा तैयार किया गया है।

यह मॉडल समाप्त हो रहा है। MWC 2026 में, दूरसंचार उद्योग ने प्रदर्शित किया — वादा नहीं किया, बल्कि प्रदर्शित किया — कि AI स्वयं रेडियो में जा रहा है। न्यूरल नेटवर्क क्लासिक रिसीवर चेन को बदल रहे हैं। मशीन लर्निंग मॉडल बेस स्टेशन हार्डवेयर पर वास्तविक समय में चल रहे हैं। AI-assisted से AI-native में संक्रमण अब सैद्धांतिक नहीं है।

"AI-Native" का वास्तव में क्या मतलब है

AI-assisted और AI-native के बीच का अंतर आर्किटेक्चरल है, न कि कॉस्मेटिक:

AI-assisted (वर्तमान 5G): क्लासिक एल्गोरिदम रेडियो फ़ंक्शन को संसाधित करते हैं — चैनल अनुमान, बीमफॉर्मिंग, शेड्यूलिंग, हस्तक्षेप प्रबंधन। AI समानांतर में चलता है, प्रदर्शन डेटा का विश्लेषण करता है और अनुकूलन का सुझाव देता है। AI परत को हटाया जा सकता है, और नेटवर्क काम करना जारी रखेगा। AI नेटवर्क को बेहतर बनाता है; नेटवर्क AI पर निर्भर नहीं करता है।

AI-native (6G का लक्ष्य): न्यूरल नेटवर्क ही रेडियो फ़ंक्शन हैं। चैनल अनुमान एक प्रशिक्षित मॉडल द्वारा किया जाता है, न कि लीस्ट स्क्वायर एल्गोरिदम द्वारा। बीमफॉर्मिंग वेट इन्फरेंस के माध्यम से अनुमानित होते हैं, न कि मैट्रिक्स ऑपरेशंस द्वारा गणना किए जाते हैं। AI को हटाया नहीं जा सकता है, क्योंकि उन फ़ंक्शन के लिए कोई क्लासिक बैकअप विकल्प नहीं है जो यह करता है। AI नेटवर्क को बेहतर नहीं बनाता है; AI ही नेटवर्क है।

व्यावहारिक अंतर: AI-नेटिव एयर इंटरफ़ेस रेडियो स्थितियों को संभाल सकता है जिनके लिए कोई क्लासिक एल्गोरिदम डिज़ाइन नहीं किया गया था। हस्तक्षेप पैटर्न मॉडलिंग के लिए बहुत जटिल हैं। चैनल की गतिशीलता पारंपरिक अनुमान के लिए ट्रैक करने के लिए बहुत तेज है। नियम-आधारित सिस्टम द्वारा इष्टतम शेड्यूलिंग के लिए उपयोगकर्ता व्यवहार बहुत अप्रत्याशित है।

AI-नेटिव RAN क्लासिक रेडियो एल्गोरिदम (चैनल अनुमान, बीमफॉर्मिंग, शेड्यूलिंग) को न्यूरल नेटवर्क से बदल देता है जिन्हें हटाया नहीं जा सकता है। AI-assisted 5G के विपरीत, जहाँ AI वैकल्पिक है, AI-नेटिव 6G/7G नेटवर्क मशीन लर्निंग पर एक मुख्य प्रोटोकॉल के रूप में निर्भर करते हैं।

MWC 2026: सबूत आ रहे हैं

बार्सिलोना में MWC 2026 एक महत्वपूर्ण मोड़ था। पहली बार, AI-नेटिव RAN अनुसंधान पत्रों से वाणिज्यिक उत्पाद घोषणाओं और लाइव प्रदर्शनों में स्थानांतरित हो गया।

NVIDIA का वैश्विक गठबंधन

NVIDIA ने खुले, सुरक्षित, AI-नेटिव प्लेटफॉर्म पर 6G बनाने के लिए एक दर्जन से अधिक वैश्विक ऑपरेटरों और प्रौद्योगिकी कंपनियों से प्रतिबद्धता प्राप्त की है। गठबंधन में BT Group, Deutsche Telekom, Ericsson, Nokia, SK Telecom, SoftBank, T-Mobile, Cisco, और Booz Allen Hamilton शामिल हैं।

AI-RAN Alliance — AI-RAN मानकों को बढ़ावा देने वाला एक उद्योग निकाय — में अब 130 से अधिक भाग लेने वाली कंपनियाँ हैं। NVIDIA की भूमिका GPU कंप्यूटिंग प्लेटफॉर्म (NVIDIA Aerial) प्रदान करना है, जो न्यूरल नेटवर्क इन्फरेंस को रेडियो प्रोसेसिंग द्वारा आवश्यक गति से निष्पादित करता है — मिलीसेकंड नहीं, बल्कि माइक्रोसेकंड।

NVIDIA ने अमेरिकी दूरसंचार नेताओं के साथ All-American AI-RAN Stack भी पेश किया — AI-नेटिव 6G इंफ्रास्ट्रक्चर के लिए एक आंतरिक आपूर्ति श्रृंखला पहल, जो महत्वपूर्ण संचार इंफ्रास्ट्रक्चर में आपूर्ति श्रृंखला सुरक्षा पर बढ़ते जोर को दर्शाती है।

Ericsson न्यूरल रेडियो स्टेशन

जबकि Nokia ने NVIDIA GPU त्वरण पर दांव लगाया, Ericsson ने एक अलग रास्ता चुना: अंतर्निहित न्यूरल नेटवर्क त्वरक के साथ विशेष सिलिकॉन समाधान। MWC 2026 में, Ericsson ने अपने स्वयं के कस्टम चिप्स पर निर्मित दस नए AI-तैयार रेडियो स्टेशन पेश किए, जिसमें AI क्षमताएं सीधे Massive MIMO उपकरण में एकीकृत हैं।

पोर्टफोलियो में शामिल हैं:

• AI-नियंत्रित बीमफॉर्मिंग: न्यूरल नेटवर्क क्लासिक बीम सर्च की तुलना में इष्टतम बीम पैटर्न का तेजी से अनुमान लगाते हैं
• AI-नियंत्रित बाहरी स्थिति: केवल बेस स्टेशन सिग्नल का उपयोग करके एक मीटर से कम सटीकता, GPS की आवश्यकता नहीं है
• तत्काल कवरेज भविष्यवाणी: रे ट्रेसिंग सिमुलेशन के बजाय प्रशिक्षित न्यूरल नेटवर्क का उपयोग करके वास्तविक समय में रेडियो तरंग प्रसार का मॉडलिंग
• विलंबता-प्राथमिकता शेड्यूलर: नियम-आधारित शेड्यूलिंग की तुलना में 7 गुना तेज प्रतिक्रिया समय प्रदान करता है

Ericsson का दृष्टिकोण GPU-आधारित इन्फरेंस की लचीलेपन को कम बिजली की खपत और अधिक घनिष्ठ एकीकरण के लिए बदलता है — AI रेडियो स्टेशन में है, न कि एक सह-स्थित सर्वर पर चल रहा है।

DeepSig: AI-नेटिव एयर इंटरफ़ेस

DeepSig ने MWC 2026 में सबसे आशाजनक तकनीक का प्रदर्शन किया: OmniPHY-5G — एक प्री-6G पूरी तरह से प्रशिक्षित वेवफॉर्म, जो 3GPP Release 17 GPU-त्वरित स्टैक पर चल रहा है। यह AI नहीं है जो क्लासिक वेवफॉर्म को अनुकूलित करता है; यह एक न्यूरल नेटवर्क है जो स्वयं वेवफॉर्म उत्पन्न करता है।

एक कॉम्पैक्ट NVIDIA DGX Spark पर काम करते हुए, DeepSig ने एक कैरियर-ग्रेड बेस स्टेशन दिखाया, जो वाणिज्यिक 5G और उभरते 6G उपकरणों दोनों का समर्थन करता है — यह दर्शाता है कि AI-नेटिव और क्लासिक सिग्नल एक ही रेडियो स्टेशन में सह-अस्तित्व में हो सकते हैं, पूर्ण उपकरण प्रतिस्थापन के बजाय क्रमिक संक्रमण प्रदान करते हैं।

न्यूरल रिसीवर

एक तेजी से विकसित हो रहा क्षेत्र न्यूरल रिसीवर है — क्लासिक रिसीवर चेन (डिमोड्यूलेशन, इक्वलाइजेशन, डिकोडिंग) के कुछ हिस्सों को न्यूरल नेटवर्क इन्फरेंस से बदलना। Rohde & Schwarz और NVIDIA ने न्यूरल रिसीवर को प्रशिक्षित करने और परीक्षण करने के लिए डिजिटल ट्विन पर मूलभूत काम किया है, जो एक ऐसे सिग्नल के लिए न्यूरल रिसीवर को प्रशिक्षित करने की चिकन-एंड-एग समस्या को हल करता है जो अभी तक वास्तविक दुनिया में मौजूद नहीं है।

Nokia ने AI-आधारित डिजिटल पोस्ट-करेक्शन ऑफ डिस्टॉर्शन (DPoD) का प्रदर्शन किया — प्राप्त होने के बाद पावर एम्पलीफायर विरूपण को उलटने के लिए बेस स्टेशन पर एक न्यूरल नेटवर्क का उपयोग करना, ट्रांसमिटिंग चेन को बदले बिना सिग्नल की गुणवत्ता में सुधार करना।

MWC 2026 में, NVIDIA ने AI-नेटिव 6G के लिए 130+ कंपनियों का गठबंधन बनाया, Ericsson ने 7 गुना तेज शेड्यूलिंग के साथ 10 न्यूरल रेडियो पेश किए, और DeepSig ने OmniPHY-5G का प्रदर्शन किया — NVIDIA DGX Spark हार्डवेयर पर पूरी तरह से AI-जनित वेवफॉर्म।

AI डेटा सेंटर के रूप में बेस स्टेशन

सबसे महत्वपूर्ण आर्किटेक्चरल बदलावों में से एक स्वयं बेस स्टेशन की पुनर्कल्पना है। AI-नेटिव मॉडल में, बेस स्टेशन केवल एक रेडियो नहीं है — यह एक वितरित AI कंप्यूटिंग नोड है।

GPU-त्वरित बेस स्टेशन कम रेडियो ट्रैफिक की अवधि के दौरान AI वर्कलोड को संसाधित कर सकते हैं। सुबह 3 बजे निष्क्रिय रहने के बजाय, जब कुछ उपयोगकर्ता जुड़े होते हैं, तो GPU एंटरप्राइज़ ग्राहकों के लिए इन्फरेंस कार्य करता है — छवि पहचान, प्राकृतिक भाषा प्रसंस्करण, विसंगति का पता लगाना — जिसके परिणाम नेटवर्क के किनारे पर, अंतिम उपयोगकर्ता से मिलीसेकंड में प्रदान किए जाते हैं।

यह ऑपरेटरों के लिए नए राजस्व मॉडल बनाता है:

• Token-as-a-Service: बेस स्टेशन GPU से AI इन्फरेंस टोकन बेचना
• GPU-as-a-Service: कम लोड घंटों के दौरान उद्यमों को बेस स्टेशन कंप्यूटिंग पावर किराए पर देना
• Edge AI होस्टिंग: कम विलंबता वाले अनुप्रयोगों के लिए नेटवर्क के किनारे पर क्लाइंट AI मॉडल चलाना

आर्थिक प्रभाव महत्वपूर्ण है: बेस स्टेशन GPU का उपयोग वर्तमान ~30% (केवल रेडियो) से 80–90% (रेडियो + AI वर्कलोड) तक बढ़ सकता है, जो घने नेटवर्क परिनियोजन के लिए ROI समीकरण को मौलिक रूप से बदल देता है। यह दोहरे उपयोग का मॉडल 7G नेटवर्क आर्किटेक्चर की अवधारणाओं के अनुरूप है, जहाँ खुफिया प्रत्येक नोड में वितरित की जाती है।

GPU-त्वरित बेस स्टेशन गैर-पीक घंटों में AI इन्फरेंस लोड को निष्पादित कर सकते हैं, जिससे उपयोग ~30% से 80–90% तक बढ़ जाता है। नए राजस्व मॉडल में Token-as-a-Service, GPU-as-a-Service और एज AI होस्टिंग शामिल हैं।

तकनीकी चुनौतियाँ

विलंबता बजट

रेडियो प्रोसेसिंग माइक्रोसेकंड के पैमाने पर काम करती है। 5G NR स्लॉट सबसे छोटे मामले में 0.5 ms है। चैनल अनुमान, बीमफॉर्मिंग और शेड्यूलिंग को इस विंडो के भीतर पूरा होना चाहिए। इस बजट के भीतर न्यूरल नेटवर्क इन्फरेंस चलाने के लिए विशेष हार्डवेयर की आवश्यकता होती है — सामान्य CPU बहुत धीमे होते हैं, और कई GPU आर्किटेक्चर भी नियतात्मक, विलंबता-बाधित निष्पादन के लिए डिज़ाइन नहीं किए गए हैं जिनकी रेडियो को आवश्यकता होती है।

प्रशिक्षण डेटा

क्लासिक एल्गोरिदम मौलिक सिद्धांतों के आधार पर काम करते हैं — उन्हें प्रशिक्षण डेटा की आवश्यकता नहीं होती है। न्यूरल नेटवर्क द्वारा प्रतिस्थापन के लिए रेडियो स्थितियों, चैनल मापों और प्रदर्शन परिणामों के विशाल डेटासेट की आवश्यकता होती है। इन डेटा को उत्पन्न करना महंगा है, और एक वातावरण में प्रशिक्षित मॉडल को दूसरे बेस स्टेशन पर स्थानांतरित करना ("डोमेन गैप" समस्या) पैमाने पर अनसुलझा रहता है।

डिजिटल ट्विन — रेडियो वातावरण के उच्च-सटीक सिमुलेशन — वर्तमान में सबसे अच्छा समाधान हैं, लेकिन वे अपनी सटीकता के प्रश्न उठाते हैं। एक सिम्युलेटेड चैनल पर प्रशिक्षित न्यूरल रिसीवर वास्तविक चैनल पर खराब प्रदर्शन कर सकता है यदि सिमुलेशन पर्याप्त सटीक नहीं है।

व्याख्यात्मकता और प्रमाणन

जब एक क्लासिक एल्गोरिदम विफल हो जाता है, तो इंजीनियर विफलता को एक विशिष्ट गणितीय चरण तक ट्रैक कर सकते हैं। जब एक न्यूरल नेटवर्क विफल हो जाता है, तो विफलता मोड अपारदर्शी होता है। सुरक्षा-महत्वपूर्ण अनुप्रयोगों (V2X, आपातकालीन सेवाएं) के लिए, नियामक व्याख्यात्मक व्यवहार की मांग कर सकते हैं, जो न्यूरल नेटवर्क वर्तमान में प्रदान नहीं कर सकते हैं।

संभावित समझौता: प्रदर्शन-महत्वपूर्ण लेकिन सुरक्षा-महत्वपूर्ण नहीं (थ्रूपुट अनुकूलन, बीम प्रबंधन) कार्यों के लिए AI-नेटिव, सुरक्षा-महत्वपूर्ण सिग्नलिंग (आपातकालीन कॉल, V2X टक्कर से बचाव) के लिए क्लासिक बैकअप के साथ।

मानकीकरण में अंतर

3GPP (2026) के अनुसार, Release 20 अनुसंधान बिंदु एयर इंटरफ़ेस के लिए AI का अध्ययन कर रहे हैं, लेकिन पहले 6G मानक के लिए क्लासिक बैकअप के साथ AI-assisted पर सहमति बन रही है। पूर्ण AI-नेटिव — जहाँ किसी दिए गए फ़ंक्शन के लिए कोई क्लासिक एल्गोरिदम मौजूद नहीं है — Release 22+ की आकांक्षा है, जो संभवतः 6G Advanced (2033–2035) के समय-सीमा में दिखाई देगा। मानकीकरण मील के पत्थर के बारे में अधिक जानकारी के लिए, हमारी 6G मानकीकरण समयरेखा देखें।

AI-नेटिव RAN की प्रमुख तकनीकी बाधाओं में माइक्रोसेकंड-स्तर पर इन्फरेंस विलंबता, प्रशिक्षण डेटा की कमी (डोमेन गैप समस्या), सुरक्षा-महत्वपूर्ण कार्यों के लिए न्यूरल नेटवर्क की व्याख्यात्मकता और मानकीकरण में अंतर शामिल हैं — पूर्ण AI-नेटिव का लक्ष्य 3GPP Release 22+ (2033–2035) है।

6G से 7G तक: AI एक प्रोटोकॉल के रूप में

यदि 6G AI को विशिष्ट रेडियो फ़ंक्शन में अंतर्निहित करता है, तो 7G से AI को पूरे प्रोटोकॉल स्टैक में अंतर्निहित करने की उम्मीद है। चैनल अनुमान, बीमफॉर्मिंग और शेड्यूलिंग के लिए अलग-अलग मॉडल को प्रशिक्षित करने के बजाय, एक एकल अंतर्निहित मॉडल पूरे रेडियो चेन को नियंत्रित करेगा — पर्यावरण का विश्लेषण करेगा, यह तय करेगा कि क्या प्रसारित करना है, मॉड्यूलेशन विधि का चयन करेगा और वास्तविक समय में अनुकूलन करेगा।

इसे कभी-कभी "cognition-native networking" कहा जाता है — नेटवर्क केवल नियमों के अनुसार डेटा को संसाधित नहीं करता है, यह संदर्भ को समझता है, परिणामों की भविष्यवाणी करता है और निर्णय लेता है। 7G नेटवर्क जानता है कि एक उपयोगकर्ता जो एक इमारत के प्रवेश द्वार की ओर चल रहा है, उसे तीन सेकंड में एक आंतरिक छोटे सेल में स्थानांतरित करने की आवश्यकता होगी, और उपयोगकर्ता के दरवाजे तक पहुंचने से पहले स्थानांतरण शुरू कर देता है।

आज के AI-RAN प्रदर्शनों और इस दृष्टि के बीच का अंतर बहुत बड़ा है। लेकिन MWC 2026 ने साबित कर दिया कि पहला कदम — व्यक्तिगत क्लासिक फ़ंक्शन को न्यूरल नेटवर्क से बदलना — वाणिज्यिक पैमाने पर काम करता है। बाकी इंजीनियरिंग, वित्तपोषण और समय है। 6G और 7G की तुलना पर व्यापक दृष्टिकोण के लिए, हमारे विस्तृत विश्लेषण को देखें।

7G में "cognition-native networking" की परिकल्पना की गई है — एक एकल अंतर्निहित AI मॉडल जो चैनल अनुमान से लेकर शेड्यूलिंग तक पूरे प्रोटोकॉल स्टैक को नियंत्रित करता है। 6G में फ़ंक्शन-विशिष्ट AI के विपरीत, 7G का लक्ष्य AI को ही प्रोटोकॉल के रूप में रखना है, जो उपयोगकर्ता व्यवहार की भविष्यवाणी करता है और वास्तविक समय में अनुकूलन करता है।

स्रोत

1. NVIDIA Telecommunications — AI-RAN गठबंधन घोषणाएँ और NVIDIA Aerial प्लेटफ़ॉर्म विवरण, MWC 2026
2. Ericsson AI-RAN — न्यूरल रेडियो स्टेशन पोर्टफोलियो और कस्टम चिप्स पर AI-त्वरक विनिर्देश
3. DeepSig — AI-नेटिव एयर इंटरफ़ेस OmniPHY-5G का प्रदर्शन और तकनीकी विनिर्देश
4. AI-RAN Alliance — AI-नेटिव RAN मानकों, प्रतिभागियों और तकनीकी रोडमैप के लिए उद्योग निकाय
5. 3GPP — एयर इंटरफ़ेस के लिए AI/ML पर Release 20 अनुसंधान बिंदु, AI-नेटिव फ़ंक्शन मानकीकरण योजना
6. Rohde & Schwarz / NVIDIA — डिजिटल ट्विन के आधार पर न्यूरल रिसीवर के प्रशिक्षण और परीक्षण की कार्यप्रणाली