2026年面向6G的智能协作无线接入网（CIS-RAN）白皮书-

面向6G的智能协作无线接入网化转型的关键基础设施，其使命与内涵正经历深刻变革。第六代移动通信系统（6G）不仅将实现通信性能的又一次量级跃升，更被赋予支撑原生智能、泛在快速发展的多样业务，并支持网络的可持续发展。2010年，中国首次提出C-RAN架构，持续支撑了中国以及全球的3G/4G/5G发展。面向智能时代对6G），时代无线接入网面临的核心需求与挑战，进而提出了以“协作化、智能化、服务CIS-RAN创新无线服务体系的思考，并结合智能机器人、无线视联网等典型应CIS-RAN的成熟与商用，离不开全球产业界的共同努力。我们希望通过这 4 4 5 5 6 7 7 284.1无线接入网服务范式升级：从流量管道到泛在AI服务 284.2商业模式创新：建多方共赢的无线智能协 30 33 34 11.16G对网络性能、效能和服务能力提出新要求传输时延与99.9999%的可靠性；智能网联车需实现Gbps级传输速率[2算多维任务拓展。例如，利用AI模型对网络进行自优化、自配置和能效调度，毫米级的高精度定位；利用网络为AR/VR等业务提供确定性低时延算力供给，以解决。6G网络需实现系统效能的整体提升本普惠网络部署，构建绿色、高效、可持续演进的1.26G无线接入网面临的挑战2现有无线信号处理和网络优化方法存在三大挑战：一是复杂电磁环境下的干扰、预编码和MIMO检测中的大规模矩阵求逆）难异构数据的采集与共享效率较低；在复杂组网与动态无线环境下化能力与鲁棒性面临严峻挑战，可能影响无线3③业务网络协同难：多元服务的价值最大化需要网络与业化支持主要依赖核心网QoS框架，仅能网络通信、数据、AI等多维资源。网络能力难以与行业业务逻价值和赋能行业个性化的跨域业务体验保障与业务定制化研发与部署成本高，难以敏捷低成本满足行业差42.1C-RAN架构向CIS-RAN演进 务，缺少原生感知、计算、智能能力的支持；此外，C-RAN的5图1从C-RAN向CIS-RAN演进[6]为此，本白皮书提出智能协作无线接入网（Cooperati2.2CIS-RAN的核心特征协作化是提升无线网络通信性能与多维能力的C-RAN集中化协作优势的基础上，进一步拓宽协作范围CIS-RAN将传统以单点或局部为主的协作机制拓展在上述网络化协作通信的基础上，CIS-RAN扩展协作维度，6），应资源调度与动态负载平衡，提升网络整体性能。无线链路级AI推理可引入跨节点集中共享算力，提升资源效率，降低成本。受推理、复杂算法求解等能力，智能将升级协作效能，助力突破R7使能AI的关键在于RAN侧，RAN需考虑面向用户服务的流程和功能重构，支5G核心网的平台化、服务化（SBA）设计，实拔，能力可定制，满足差异化需求。功能模块化/原子化重构则进一步2.3CIS-RAN架构本白皮书提出的CIS-RAN架构如图2所示。CIS-RAN在C-RAN的集中式8图2CIS-RAN架构示意图[6]源端的即时处理，降低RRU与BBU之间的数据传输开销，为BBU和RAN集速数据带宽、低功耗和高集成度，并兼顾兼容性和理的丰富上下文信息；还可支持AI驱动的本同时，BBU可与RAN集中AI单元深度协同，既可将本地融合数据与推理结果9上报，也可接收并执行由RAN集中AI单元下发的全局策略与模型更新，参与跨节点的资源联合优化。在硬件层面，可基于统一的D2D（Die-tRAN集中AI单元可实现高效数据采集与分享。RAN集中AI单元与智能BBU的协同可进一步增强区域级协作智能，通过跨BBU站点的数据和算力共享和协作，提升基站AI计效支持联邦学习、迁移学习等分布式无线AI/ML模型的训练和推AI/ML模型的泛化性和推理精度。在RANforAI层面，RAN集中AI单元可进有5GCU单元或作为独立资源池的灵活形态基于上述功能，CIS-RAN使能了分类采传、分类汇聚、②通过分层汇聚，支持根据任务需求（例如，不④通过能力开放，将RAN侧数据、算放给运营商或第三方应用，使能对网络行为的按无线智能化、无线服务化三个技术维度，如图3所示。图3CIS-RAN关键技术体系协作MIMO实现以用户为中心的无边界协同传输，并依托多节点数据向赋能格局：一方面通过低开销数据采集、高可靠模联合优化等技术，将RAN重塑为AI业务的原生支撑平台。③在无线服务化技术层面，CIS-RAN从"能力可开并通过功能原子化重构和协议创新，支持网络能力的按需编排与敏捷交3.1无线协作化技术作MIMO技术降低干扰，提升网络频谱效率，而协作感成协作簇，通过簇内TRP的协作实现更高的空间分辨率和频谱效率，如图4所（a）蜂窝网络（b）协作MIMO（C-RAN）图4C-RAN架构下的协作MIMO协作信息交互，增加多点融合处理单元，从而支持网络化协作MIMO技术。如图5所示，网络化协作MIMO通过打破传统小区边界，构建以用户为中心的多服务状态。图5网络化协作MIMO图6展示了传统RAN、C-RAN及CIS-RAN三类架构的通信性能，其中，制干扰。相较于C-RAN频谱效率提升达45%。图6(b)对比了不同RAN架构下(a)频谱效率(b)覆盖概率图6CIS-RAN架构下的通信性能对比不同）发展多节点协作感知理论，为实现低成本、高增益的CIS-RAN多节点协作，可以显著突破单站性能极限，实现三重增益：1）更多的可利用发多收扩展信号覆盖与捕获能力，提升回波信号能量；2）更强的散用协作机制捕捉目标在不同角度下的最强散射）；图7多节点数据融合理论增益的65ns同步误差将导致约20米的测距偏差；而要实现6G愿景点间的“虚拟同步”，如图8所示。实测验证显示，在同步误差未补偿时，由图8基于参考径的同步误差消除技术确立了CIS-RAN在复杂环境下的性能优势。图9自适应智能融合技术3.2无线智能化技术入网构建为支持边缘AI服务的关键基础设施。这单元，推动RAN全流程的智能化升级，显著提升了系统性能务、高动态网络环境和泛在资源分布等特征为CIS-RAN智能化特性的应用带来量、低开销地满足多样AI任务的数据采集需求；模型设计向AIforRAN构建系统性的关键技术体系，通过引入任务传统的无线数据采集机制（如PM/MDT/MR等）主要面向连接管理设计，难以满足AI任务对数据多样性、实时性与定制化的实现UE侧无线数据的高效采集，减少大批量AI数据采集对业务所示。例如，在为高铁用户训练专用AI模型时，可设置“UE速度>250km/h”的可显著降低无线数据采集开销，同时保证AI模型训练所图10跨域数据采集和开放图11任务驱动的定制化数据采集AI在特征表征、实时推理和复杂决策等方面的强大能力，为突动态信道环境、用户行为不确定性以及边缘侧计算与能耗受限等工程约束AI模型的实时性、能效与跨场景泛化能力提出了更高要求。因此，模型设计需要考虑模型能力、质量与代价的均衡[12]，设计绿色强泛化的AI模绿色强泛化性AI模型设计，可采用以下两线通信领域的先验知识优化模型结构，例如：1）图神经网络（Gra）：模无关，提升维度泛化能力。例如，文献[13分别建模为了图中的两类顶点，在所得异构图上设计了GNN学习预编码策略，且对用户数具有更强的泛化能力。2）数学模型驱动的神经网络：通过在训练过及在损失函数中引入额外约束的物理信息神经网络（Physics-InformedNeuNetwork,PINN）[16][17]等。这些数学模型驱动的神经网络可应用与信道估计、性。相较专用模型，多模态无线基础模型为应对6G时代复杂的适配的技术路径实现突破，如图12所示。首先，利用多模态模型架构，无线基境的全域认知、动态推演与提前预判能力，为CSI-RAN图12无线基础模型及典型任务与工程部署要求的平衡优化。可能的协同方式包括：1）专用模型作为基础模型确保低延迟和高效响应。2）专用模型微调与适应：基础模型可以为专用模型提模型在不同网络环境中的适应能力。3）双向知识交互：基础模型提供的全局优或RRU，以实现低延迟处理；而涉及跨域协同或高算力需求的可考虑部署于RAN集中AI单元，由其提供多域数据与强大算力支撑，满足复在模型能力持续增强的同时，高可靠模型生命周期管理成为AI在RAN中代方面，CIS-RAN使能了模型的在线学习，支持性能触发的重训练和构支持上述功能的灵活集成部署，例如：模型验证与仿真模块可中AI单元，便于基于全局网络数据和业务数据进行环境模拟和图13高可靠的模型生命周期管理框架同AI计算，通过数据与算力共享实现协作智能。根据多节的程度不同，分布式协同AI计算可分为协同训练、协同推理，以及协同预训练+微调三种方式。在协同训练方式下，通过联邦学习或分裂学习同训练全局或个性化模型，BBU基于本地数据训练模型参数，RAN集中AI单节点间可灵活分配推理任务，资源受限的BBU可将复杂推理任务卸载到RAN集中AI单元，而RAN集中AI单元基于多源数据生成全局优化策略后分发给各BBU执行。在协同预训练与微调方式下，RAN集中AI单元分发预训练的基础模型，BBU基于本地数据进行轻量级微调，既适应局部环境特征，又的更新贡献给全局模型，从而显著减低模型训练开销并提升模型性特征数据、token等语义结构化数据单元，具备一定传输容错能动态适配能力，难以高效保障智能体业务的数据为此，可引入面向AI任务特征的新型传输保障机制，包括基于特征数据、token等语义重要性感知的精细化调度、应用层测量体系扩展以及基于感知的预调度技术。在精细化调度方面，可建立基于多模态特征数据、tok据重要性与关联性的打包与标识机制，使RAN结合实时负载而提升空口利用效率并控制交互时延波动。如图14所示，将视频特征矩阵拆分向网络提供轻量级预测信息，如用户意图预测或预图14AI任务数据差异化传输与体验保障验证实验通过将终端计算任务卸载到RAN边缘，CIS-RAN能够为A低端到端时延。存在多种可能的实现方案，一种方式是核心网终结于RAN侧的PDU会话（如图15）。这种PDU会话由核心网根据UE对本图15终结于RAN侧的PDU会话信和计算进行联合优化，保障AI任务端到端时延、准确内。同时，针对UE移动性，RAN集中AI单元可根据UE实时需求和目标基站较高时优先保障关键AI任务的通信与计算资源，在网络剩余模型层等复杂模型处理，通过端边协同提高计算效率，实3.3无线服务化技术资源与能力进行统一抽象与封装，外部系统可以通过标准的API按需、按权限图16两种潜在的RAN能力开放模式现端到端网络能力的最大化利用。例如，CN可直接调用RAN提供的计算、数据服务，满足UE更低时延的AI处理需求，R示。进一步，如图16(b)所示，借助CNNF，UE与RAN可间接调用彼此提供基于RAN-CN之间的服务化接口，RAN可以与非AMF之外的CNNF直接交互(例如CN侧AI、计算等相关功能)，而不需要经过AMF转成为单点瓶颈，同时避免过多的P2P接口定义，提升通信效率。此外，端到端NEF对外能力开放的间接开放模式[19]，如图16(c)所示。进一步的，考虑未来单元直接将RAN能力开放至运营商能力开放平台或第三方应用，如图16(d)所式应用、工业控制等时延敏感的业务场景，满足用户极致业务体验需求。能力，如图17所示。对于通信控制面，可定义UP管理服务、连接与移动性管定义策略管理服务、数据传输服务等。数据传输服务可被API调用，以通过一系列功能模块按需串联提供。此外，计算、AI等新能力也需要服务定义应与CN尽量保持一致。此外，为避免新能力与传统图17通感算智融合的无线能力如图18所示，在功能层面，服务化RAN设计打破了传统分层协议模型的图18灵活功能链处理与资源按需扩缩层融合无线服务体系，推动运营商、终端厂商与垂直行业的共赢价值生4.1无线接入网服务范式升级：从流量管道到泛在AI服务边缘基础设施图19CIS-RAN创新三层服务体系），可预期的生产要素。面向个人用户（2C），针对移动终端耗受限的移动智能终端提供触手可及的在网边缘算力服务。面对移动智能体在线通信能力与最靠近用户的低时延AI计算等底层能力，通过网络对全域感知力与模型能力封装为通用智能服务，CIS-RAN将进一步升级为AI开发智能决策。开发者无需从零构建庞大的感知基础设施，只需通过MaaS（模式，极大地降低了AI应用门槛，赋能千行百业快速构建具备全局视野的智能应用。4.2商业模式创新：建多方共赢的无线智能协作生态价值环CIS-RAN推动的服务范式升级，不仅是网络能力的户之间的关系，从简单的供需交易向深度的能力耦合转变，各方将在C构建的新型生产关系中找到全新的增长极。图20给出了CIS-RAN产业新价值图20CIS-RAN产业新价值与生态共赢全景图值转化；在网边缘算力服务使其能够盘活广泛分布的基站资源，将成为产业数字化的融通中枢，通过标准化API将多维能力开叠高性能处理器与电池，导致成本高企且形态受限。CIS-RAN将显著降低物料清单（BillofMaterials,BOM）成本，将研发重心回归到传感器创将从底层基建中解放，专注于业务逻辑创新，加速AI应用创新与普惠化落地，端厂商推出轻量化接入终端，降低现场侧硬件复杂度；AI应与智能计算的双重诉求日益凸显。CIS-封装提供给终端制造商（OEM）或操作系统商。例如，当手机终端智能体执行高可靠低时延需求，动态调度空口资源，调用基站边缘AI推理服务进行加速，化服务满足用户多元需求。运营商打破传统流量计费模式，将在这幅全新的产业图景中，CIS-RAN成为价值高效流转和生报则随着服务的交付，在网络运营商和设备商、AI应用开发4.3应用实践一：面向具身智能的“端网协同”新生态——以CIS-RAN原生算力服务实现终端“轻量化”重构的时延不确定性，难以满足机器人对实时运动决策控制该方案利用基站侧闲置算力或内嵌AI加速用部署，该硅基讲解员依托CIS-RAN图21面向具身智能的CIS-RAN原型样机4.4应用实践二：面向无线视联网的原子服务能力订阅——以CIS-RAN原生智能服务重塑轻资产视联网运营）；CIS-RAN架构通过服务下沉与能力开放重构了视联数据分流机制直接在基站内完成AI推理，这种流量不出站的本功破解了视联网带宽成本高与智能化落地难的双重营业厅场景中，该系统依托基站侧下沉的边缘AI算力，完塘养殖场景中，系统克服了野外复杂环境下的边缘AI设备图22无线视联网系统架构及典型业务系统奏共识，涉及关键接口、无线数据采集、AI模型管理等方面功能的适配问题，并推动开放协同的RAN智算平台发营商、设备制造商、芯片设计商、AI算法公司、学术研究机术与标准、共建开放试验平台、推动跨行业创新示缩略语英文全称中文解释5GFifthGenerationMobileCommunicationSystem第五代移动通信系统6GSixthGenerationMobileCommunicationSystem第六代移动通信系统AALAcceleratorAbstractionLayer加速器抽象层AEFAPIExposureFunctionAPI暴露功能AGVAutomatedGuidedVehicle自动导引运输车AIArtificialIntelligence人工智能AMFAPIManagementFunctionAPI管理功能B2BBusinesstoBusiness企业对企业B2B2CBusinesstoBusinesstoConsumer企业对企业再对消费者B2CBusinesstoConsumer企业对消费者BBUBasebandUnit基带单元CAPIFCommonAPIFramework通用API框架CIS-RANCooperative,Intelligent,andService-basedRAN协作化、智能化、服务化的无线接入网GNNGraphNeuralNetwork图神经网络CoMPCoordinatedMulti-Point协同多点传输C-RANCentralizedRadioAccessNetwork集中式无线接入网CSIChannelStateInformation信道状态信息DPUDataProcessingUnit数据处理单元GPUGraphicsProcessingUnit图形处理单元IMTInternationalMobileTelecommunications国际移动通信ITU-RInternationalTelecommunicationUnion-RadiocommunicationSector国际电信联盟无线电通信部门MDTMinimizationofDriveTests最小化路测MIGMulti-InstanceGPU多实例GPUMIMOMultiple-InputMultiple-Output多输入多输出MPSMulti-ProcessService多进程服务MRMeasurementReport测量报告NEFNetworkExposureFunction网络开放功能NFNetworkFunction网络功能NPUNeuralProcessingUnit神经处理单元PMPerformanceMeasurement性能测量QoSQualityofService服务质量RANRadioAccessNetwork无线接入网RCSRadarCross-Section雷达散射截面积RRURemoteRadioUnit远端射频单元SLAServiceLevelAgreement服务等级协议UPFUserPlaneFunction用户面功能[1]ITU-R.RecommendationM.2160-0:"FrameworkandoverallobhefuturedevelopmentofIMTfor2030andbeyond",2nts".V1.0.0.2025.13(2010):6.J.Jin."CIS-RAN:EvolvingC-RANTowardsService-BasedRANfor6G".Scie[7]UCIe.UniversalChipletInterconnectExpressSpecifications/specificatig,andF.Xu,"es,performanceevaluation,andin,Q.Wang,andtworks:Feasibility,performance,andfieldtAreasinCommunications,vol.42,no.10,pp.2ingandCommunicationin6G:FromOperators[11]NanLi,QiSun,LehanWGao,andYuhongHuang."TowardsAI-Nativeectiveof6GDay1S