行動通訊網路的價值長期取決於網路覆蓋率與頻寬，隨著AI推論需求向網路邊緣移動，全球數百萬座基地台與電信機房，正被重新定義為離使用者最近的算力節點。AI-RAN（AI Radio Access Network）讓AI工作負載與5G行動通訊網路共用同一套加速運算平台，將算力推進到最後一哩的電信基地台，大幅降低Physical AI應用與邊緣推理的運算時延。這不僅是AI與通訊的融合，更是圍繞算力、電力與散熱的邊緣基礎設施重構。對台達而言，AI-RAN不只是通訊技術的演進，更開啟將邊緣運算、電源、散熱與基礎設施整合能力延伸至電信邊緣的發展機會。
隨著AI推論需求向網路邊緣移動，全球基地台與電信機房被重新定義為離使用者最近的算力節點
AI-RAN的應用場景
- AI for RAN – 網路更智慧
AI可提升頻譜使用效率、增加網路容量，並透過自動優化改善網路品質，以及預測低流量時段，進行設備休眠與節能，進而實現自治網路（Autonomous Networks），提升網路維運效率並降低營運成本。 - AI and RAN – 基地台同時提供通訊與邊緣算力
AI與RAN共用同一套運算平台，把基地台從「單一通訊技術設備」變成「多用途邊緣運算基礎設施」，透過動態資源調度提供算力服務，創造新的營收來源。未來在技術持續演進時，也不需要再重新投資整套硬體平台，可大幅提升資產利用率，並降低整體持有成本。 - AI on RAN – 從「笨水管」轉型為AI服務提供者
AI應用直接部署在行動網路的邊緣，利用基地台離使用者最近的優勢，為Physical AI機器人即時控制、自駕車遠端支援、工廠視覺檢測、企業應用及主權AI等場景，提供低延遲的即時AI服務，為電信服務商創造新的營收機會。
從AI Factory走向邊緣算力基礎設施的挑戰與機會
- 電源系統：傳統基地台站點的供電設計多為幾百瓦到一兩千瓦等級，然而加入AI加速運算之後，單站功率需求將顯著提升，而每個基地台分散在成千上萬個站點，市電供應條件不同，需要特別針對邊緣場景的高效率電源轉換、直流供電架構、站點儲能與備援設計的升級。
- 環境與散熱：基地台站點可能位於市區屋頂或路邊機櫃，空間狹小且環境嚴苛，要在這類條件下建構短機身AI-RAN系統，必須同時克服環境溫度、粉塵、抗震與散熱等挑戰。
- 邊緣機房基礎設施整合：將AI-RAN、電源、散熱、機櫃、監控、網通設備及管理系統，整合為可快速部署、上線與遠端維運的標準化模組。
憑藉在通訊、電源、散熱、以及貨櫃型與預裝模組化資料中心領域的布局，台達具備電信邊緣算力系統整合與快速部署的能力，透過整合式AI-RAN解決方案，台達能協助電信營運商在有限空間、電力條件與嚴苛環境下，更快速、穩定且高效率地將AI算力部署至網路邊緣，開啟新的服務與商業機會。
