AIネイティブRAN：人工知能が未来のネットワークを運用する方法

数十年にわたり、無線アクセスネットワークは古典的信号処理——エンジニアが設計しシリコンにハードコードした数学的に精密なアルゴリズム——の上に構築されてきた。AIは後付けで追加された：分析ダッシュボード、最適化の提案、アンテナから遠く離れたクラウドサーバーで実行される異常検知。本分析は7G Network編集チームが作成し、MWC 2026のデモンストレーション、3GPPスタディアイテム、ベンダー開示情報の一次資料に基づいている。

そのモデルは終わりを迎えている。MWC 2026で、通信業界はAIが無線自体に移行していることを約束ではなく実証した。古典的な受信チェーンを置き換えるニューラルネットワーク。基地局ハードウェア上でリアルタイムに動作する機械学習モデル。NVIDIA（2026年）によれば、AI支援型からAIネイティブへの転換はもはや理論ではない。

「AIネイティブ」の真の意味

AI支援型とAIネイティブの違いはアーキテクチャ上のものであり、表面的なものではない：

AI支援型（現行5G）：古典的アルゴリズムがチャネル推定、ビームフォーミング、スケジューリング、干渉管理の無線機能を処理する。AIは並行して動作し、パフォーマンスデータを分析して最適化を提案する。AI層を取り除いてもネットワークは機能する。AIはネットワークを改善するが、ネットワークはAIに依存しない。

AIネイティブ（6G目標）：ニューラルネットワークが無線機能そのものである。チャネル推定は最小二乗法アルゴリズムではなく、訓練されたモデルが実行する。ビームフォーミングの重みは行列演算ではなく、推論によって予測される。AIを取り除くことはできない——AIが実行する機能の古典的なフォールバックが存在しないからだ。AIはネットワークを改善するのではない。AIがネットワークそのものである。

実際の違い：AIネイティブのエアインターフェースは、古典的アルゴリズムが設計されていなかった無線条件を処理できる。モデル化が困難すぎる干渉パターン。従来の推定で追跡するには速すぎるチャネルダイナミクス。ルールベースシステムで最適にスケジューリングするには予測不能すぎるユーザー行動。

AIネイティブRANは古典的無線アルゴリズム（チャネル推定、ビームフォーミング、スケジューリング）を取り除けないニューラルネットワークで置き換える。AIがオプションであるAI支援型5Gとは異なり、AIネイティブ6G/7Gネットワークはコアプロトコルとして機械学習に依存する。

MWC 2026：実証の到来

バルセロナでのMWC 2026は転換点となった。AIネイティブRANが初めて研究論文から商用製品発表とライブデモンストレーションへと移行した。

NVIDIAのグローバル連合

NVIDIAは12社以上のグローバル事業者と技術企業から、オープンで安全なAIネイティブプラットフォーム上で6Gを構築するコミットメントを確保した。連合にはBT Group、Deutsche Telekom、Ericsson、Nokia、SK Telecom、SoftBank、T-Mobile、Cisco、Booz Allen Hamiltonが含まれる。

AI-RAN Alliance——AI-RAN標準を推進する業界団体——は現在130社以上が参加している。NVIDIAの役割は、無線処理が要求する速度——ミリ秒ではなくマイクロ秒——でニューラルネットワーク推論を実行するGPUコンピュートプラットフォーム（NVIDIA Aerial）を提供することだ。

NVIDIAはまた、米国の通信リーダーとともにAll-American AI-RAN Stackを発表した——AIネイティブ6Gインフラのための国内サプライチェーン構想であり、重要通信インフラにおけるサプライチェーンセキュリティへの関心の高まりを反映している。

Ericssonのニューラルラジオ

NokiaがNVIDIA GPUアクセラレーションに賭けた一方、Ericssonは異なる道を選んだ：ニューラルネットワークアクセラレータを内蔵した専用シリコンだ。MWC 2026でEricssonは自社カスタムチップ上に構築された10台の新しいAI対応ラジオを発表し、AI機能をMassive MIMOハードウェアに直接統合した。

ポートフォリオには以下が含まれる：

• AI管理型ビームフォーミング：ニューラルネットワークが古典的ビームサーチより高速に最適なビームパターンを予測
• AI搭載屋外測位：GPS不要で基地局信号のみを用いたサブメートル精度
• 即時カバレッジ予測：レイトレーシングシミュレーションの代わりに訓練済みニューラルネットワークを用いたリアルタイム電波伝搬モデリング
• 遅延優先スケジューラ：ルールベーススケジューリングと比較して最大7倍高速な応答時間を実現

Ericsson（MWC 2026）によれば、このアプローチはGPUベース推論の柔軟性を犠牲にして低消費電力とより緊密な統合を実現する——AIはコロケートサーバー上ではなく、無線機の中にある。

DeepSig：AIネイティブエアインターフェース

DeepSigはMWC 2026で最も先進的な技術を実証した：OmniPHY-5G——3GPP Release 17 GPUアクセラレーテッドスタック上で動作するプレ6G完全学習型波形だ。これは古典的波形をAIが最適化するのではなく、ニューラルネットワークが波形自体を生成するものだ。

コンパクトなNVIDIA DGX Spark上で動作し、DeepSigは商用5Gと新興6Gデバイスの両方をサポートするキャリアグレード基地局を示した——AIネイティブと古典的信号が同じ無線機で共存でき、フォークリフトアップグレードではなく段階的移行が可能であることを実証した。

ニューラルレシーバー

急速に進歩している分野がニューラルレシーバー——古典的受信チェーンの一部（復調、等化、復号）をニューラルネットワーク推論で置き換えるものだ。Rohde & SchwarzとNVIDIAは、ニューラルレシーバーの訓練とテストのためのデジタルツインに関する基礎的な研究を行い、現実世界にまだ存在しない信号のためのニューラルレシーバーを訓練するという鶏と卵の問題を解決した。

NokiaはAIベースのデジタルポストディストーション（DPoD）を実証した——基地局でニューラルネットワークを用いて受信後にパワーアンプの歪みを逆補正し、送信チェーンを変更せずに信号品質を改善するものだ。

MWC 2026では、NVIDIAがAIネイティブ6Gのための130社以上の連合を形成し、Ericssonが7倍高速なスケジューリングを持つ10台のニューラルラジオを発表し、DeepSigがNVIDIA DGX Sparkハードウェア上で完全にAI生成された波形OmniPHY-5Gを実証した。

基地局がAIデータセンターに

最も重要なアーキテクチャ変革の一つが、基地局自体の再概念化である。AIネイティブモデルでは、基地局は単なる無線機ではなく分散型AIコンピュートノードだ。

GPUアクセラレーテッド基地局は、無線トラフィックが少ない時間帯にAIワークロードを処理できる。接続ユーザーが少ない午前3時にGPUが遊休状態になる代わりに、企業顧客向けの推論タスク——画像認識、自然言語処理、異常検知——を実行し、結果はネットワークエッジでエンドユーザーから数ミリ秒の位置で提供される。

これにより事業者に新しい収益モデルが生まれる：

• Token-as-a-Service：基地局GPUからAI推論トークンを販売
• GPU-as-a-Service：オフピーク時間に基地局のコンピュートリソースを企業に貸出
• エッジAIホスティング：低遅延アプリケーション向けにネットワークエッジで顧客のAIモデルを実行

経済的インパクトは大きい：基地局GPU使用率は現在の約30%（無線のみ）から80〜90%（無線+AIワークロード）に増加する可能性があり、高密度ネットワーク展開のROI方程式を根本的に変える。このデュアルユースモデルは、インテリジェンスがすべてのノードに分散される7Gネットワークアーキテクチャのコンセプトと整合する。

GPUアクセラレーテッド基地局はオフピーク時間にAI推論ワークロードを実行でき、使用率を約30%から80〜90%に増加させる。新たな収益モデルにはToken-as-a-Service、GPU-as-a-Service、エッジAIホスティングが含まれる。

技術的課題

遅延バジェット

無線処理はマイクロ秒のタイムスケールで動作する。5G NRスロットは最短で0.5 msだ。チャネル推定、ビームフォーミング、スケジューリングのすべてがこのウィンドウ内で完了しなければならない。このバジェット内でニューラルネットワーク推論を実行するには専用ハードウェアが必要だ——汎用CPUは遅すぎ、多くのGPUアーキテクチャでさえ無線が要求する決定論的で有界遅延の実行向けには設計されていない。

訓練データ

古典的アルゴリズムは第一原理から動作する——訓練データを必要としない。ニューラルネットワークによる代替には、無線条件、チャネル測定、パフォーマンス結果の膨大なデータセットが必要だ。このデータの生成は高コストであり、ある環境で訓練されたモデルを異なるセルサイトに移転する（「ドメインギャップ」問題）ことは、大規模では未解決のままだ。

デジタルツイン——無線環境の高忠実度シミュレーション——が現時点で最善の解決策だが、それ自体の精度の問題を引き起こす。シミュレートされたチャネルで訓練されたニューラルレシーバーは、シミュレーションが十分に正確でなければ実際のチャネルでは性能が低下する可能性がある。

説明可能性と認証

古典的アルゴリズムが故障した場合、エンジニアは特定の数学的ステップまで原因を追跡できる。ニューラルネットワークが故障した場合、故障モードは不透明だ。安全性が重要なアプリケーション（V2X、緊急サービス）では、規制当局がニューラルネットワークが現在提供できない説明可能な動作を要求する可能性がある。

想定される妥協案：性能重要だが安全性非重要な機能（スループット最適化、ビーム管理）にはAIネイティブ、安全性重要なシグナリング（緊急通話、V2X衝突回避）には古典的フォールバック。

標準化ギャップ

3GPP（2026年）によれば、Release 20のスタディアイテムはエアインターフェースへのAI適用を検討しているが、最初の6G標準では古典的フォールバック付きのAI支援型にコンセンサスが収束しつつある。特定の機能に古典的アルゴリズムが存在しない完全AIネイティブは、Release 22+の目標であり、6G Advancedの時間枠（2033〜2035年）に到来する可能性が高い。これらのマイルストーンの詳細については6G標準化タイムラインを参照。

AIネイティブRANの主な技術的障壁には、マイクロ秒レベルの推論遅延、訓練データ不足（ドメインギャップ問題）、安全性重要機能におけるニューラルネットワークの説明可能性、そして標準化ギャップ——完全AIネイティブは3GPP Release 22+（2033〜2035年）を目標——が含まれる。

6Gから7Gへ：AIがプロトコルになる

6GがAIを特定の無線機能にネイティブにするならば、7GはAIをプロトコルスタック全体にネイティブにすると期待されている。チャネル推定、ビームフォーミング、スケジューリング用に別々のモデルを訓練するのではなく、統一的な基盤モデルが無線チェーン全体を管理する——環境をセンシングし、何を送信するかを判断し、変調方式を選択し、リアルタイムで適応する。

これは時に「認知ネイティブネットワーキング」と呼ばれる——ネットワークはルールに従ってデータを処理するだけでなく、文脈を理解し、結果を予測し、判断を下す。7Gネットワークは、ユーザーが建物の入口に向かって歩いていることを認識し、3秒後に屋内小型セルへのハンドオフが必要になることを知り、ユーザーがドアに到達する前にハンドオフを開始する。

今日のAI-RANデモンストレーションとこのビジョンの間のギャップは巨大だ。しかしMWC 2026は、最初のステップ——個々の古典的機能をニューラルネットワークで置き換えること——が商用スケールで機能することを証明した。残りはエンジニアリング、資金、そして時間だ。6Gと7Gの比較についてのより広い視点は、詳細な分析を参照。

7Gは「認知ネイティブネットワーキング」を構想している——チャネル推定からスケジューリングまでプロトコルスタック全体を管理する統一的な基盤モデル。6Gの機能別AIとは異なり、7GはAIをプロトコルそのものとし、ユーザー行動を予測してリアルタイムに適応することを目標とする。

出典

1. NVIDIA Telecommunications — AI-RAN連合発表およびNVIDIA Aerialプラットフォーム詳細、MWC 2026
2. Ericsson AI-RAN — ニューラルラジオ製品ポートフォリオおよびカスタムシリコンAIアクセラレータ仕様
3. DeepSig — OmniPHY-5G AIネイティブエアインターフェースのデモンストレーションおよび技術仕様
4. AI-RAN Alliance — AIネイティブRAN標準のための業界団体、メンバーシップおよび技術ロードマップ
5. 3GPP — Release 20エアインターフェースAI/MLスタディアイテム、AIネイティブ機能の標準化タイムライン
6. Rohde & Schwarz / NVIDIA — ニューラルレシーバーのためのデジタルツイン訓練・テスト方法論