如果你投資 $NOK，這篇文章你非看不可。
如果你對機器人技術、物理 AI、邊緣 AI 感興趣，這篇文章你也不能錯過。
但在開始之前，請先「書籤收藏」並分享出去。
關於今天的 $NVDA 電話會議：
「未來，每一個基地台、每一個無線電網路，都將成為由 AI 驅動的無線電網路。」
我剛剛在 Substack 上發表了一篇文章，詳細探討了這番話的影響。
你可以在這裡閱讀：
https://cruxcapitalgroup.substack.com/p/nvidia-just-told-us-something-important?r=6so16n
但我們先退一步思考...
六週前我寫了一篇關於 AI RAN 的文章，現在我想在此完整分享。
請享用！
當我們想到 AI 基礎設施時，通常會聯想到巨大的資料中心、滿載 GPU、超大型運算商斥資數百億美元，競相在園區內外增加更多電力、更多光纖、更多容量。
我們的確是這麼想的！但這並非全貌。
AI 正將智慧能力拉近到資料產生的地方、以及需要快速做出決策的地方。攝影機、機器人、工廠、連網機器、自動化系統、即時影片，以及更廣泛的實體世界。一旦如此，資料中心周邊的網路就變得更加重要。而當網路變得更重要，電信網路的基礎設施就可能成為一個潛在的運算平台。
我最近花了很多時間研究一個領域，它不在常見的超大型運算商與光學元件討論範圍內，但隨著時間推移，有可能成為 AI 建設中一個重要的貢獻者。它位於電信基礎設施內部，觸及無線電層，並隨著 AI 變得更加分散，越來越與更廣泛的光學、傳輸和運算故事相連結。
這也是我認為 Nokia 是一個非常有趣的投資標的的原因之一。大多數分析報導聚焦於電信、電信商預算、重組，以及近期因 Infinera 收購案而帶來的光學業務成長。但這裡正在形成另一個層次，雖然還處於早期階段，但驗證點正迅速變得更加具體。
在這篇文章中，我想做的事情是：解析這到底是什麼，哪些是現今已商業化的，哪些仍處於架構規劃階段，最近的營運商測試如何改變了我對其成熟度曲線的看法，以及為什麼在短期內，光學與傳輸層面的故事可能跟無線電層面一樣重要。
我在說什麼？
無線電存取網路（RAN）是蜂巢式系統中，將你的手機或裝置連接到更廣泛網路的那一部分。無線電設備、基地台、基頻功能，以及管理這些無線連接的軟體，都包含在內。它也是世界上實體分布最廣的基礎設施之一。電信營運商早已在城市、工業走廊、郊區和偏遠地區佈建了基地台，這些地點都具備電力、傳輸、硬體和營運團隊。
將 AI 引入這個基礎設施，與建造另一個集中式 AI 園區是完全不同的命題。一種模式是將運算集中在少數幾個大型地點。另一種模式則是試圖讓一個分散式的網路變得更智慧、更具適應性，並最終更容易創造營收。這種區別正是 AI-RAN 想要達成的核心目標。
三個概念
我們主要討論三個部分。它們彼此相關，但有不同的時間表和不同的投資影響。
第一個是「AI for RAN」（應用 AI 改善 RAN）。利用 AI 來改善無線電網路的運作。例如流量最佳化、能源管理、更好的排程、更快的問題偵測、更有效地使用頻譜，以及更自主的營運。用軟體讓複雜的無線網路運作得更好，並減少人工干預。誘因已經存在，因為這些網路成本高昂、營運負擔沉重，而且因流量成長而日益吃緊。這是這個故事中目前商業化程度最高的部分，也是營運商最容易接受的部分，因為其價值主張很直接：更低的成本、更好的效能，以及更少的日常人工干預。
第二個是「AI and RAN」（AI 與 RAN 共存）。這種方法不是將無線電負載和 AI 負載視為兩個獨立的宇宙，而是將它們放在同一個底層運算平台上。電信基地台已經擁有分散式的基礎設施。如果這些基地台能夠同時處理無線功能和 AI 負載，那麼網路基礎設施本身就變得更有策略價值。這就是 NVIDIA 的觀點變得相關的地方，也是驗證點開始累積的地方。核心概念是：同一個實體電信基地台可以同時執行兩項任務——既運行行動網路，也運行 AI 運算。這從根本上改變了我們對一個基地台價值的思考方式。
第三個是「AI on RAN」（在 RAN 上運行 AI）。這是指電信邊緣成為實際 AI 應用運行的地方，例如機器視覺、機器人技術、工業自動化、即時影片推論、物理 AI，以及那些因靠近資料來源處理而受益的低延遲服務。這聽起來規模最大，如果成熟的話，很可能也是規模最大的。但它也是三者中，短期營收能見度最低的。在這種情況下，電信網路開始看起來更像一個應用平台，而不是通訊基礎設施。如果它按照看多者的期望發展，營運商將在提供連線服務的同時，也販售靠近實體世界的本地運算能力——這是一個基於相同實體基礎設施、從根本上擴展的商業模式。
這三個概念都值得理解。
為什麼 Nokia 屬於這個故事
Nokia 從內部切入 AI-RAN。它已經擁有無線電軟體堆疊、與營運商的關係，以及已安裝的基礎設施基礎，這些都讓它有機會在這領域站穩腳跟。AI-RAN 的採用是透過現有的供應商關係、逐步的軟體啟用、向前相容的硬體，以及營運商的信任來實現的，而 Nokia 已經處在所有這些條件之中。
讓我們來聽聽當事人怎麼說。
Hotard 關於 AirScale 的評論是整個故事中最重要的一句話之一。
「如果你今天購買 AirScale 平台，它將來可以升級到 AI RAN 平台。所以這是一個機會，營運商現在做出投資決策並擁有清晰的藍圖，我們認為這特別重要。」
營運商不願意在當前的無線電平台上大筆投資，如果幾年後就需要全面更換的話。Nokia 告訴他們，過渡可以逐步進行，這使得實驗更為可行，並降低了部署的阻力。NVIDIA 的 Ronnie Vasishta 用類似的說法描述了更廣泛的轉變：
「我們現在有機會將網路打造成完全由軟體驅動的系統，而不是在大型、硬體密集的週期中進行升級。透過在同一個加速運算平台上運行 AI 和無線電存取網路，我們確保網路能支援業務需求，而不是反過來。」
Hotard 也描述了這個領域目前的商業階段：
「AI-RAN 將 RAN 轉變為一個專為 AI 最佳化的軟體驅動平台，透過與 NVIDIA 以及不斷成長的合作夥伴生態系統，我們正從驗證階段邁向商業部署階段。」
Nokia 已經擁有已安裝的市場地位、產品藍圖以及與營運商的對話機制，能夠將這個概念隨著時間推移，轉變為更具商業持久性的東西。
為什麼這不僅止於無線電層
如果 AI 負載變得更加分散，如果電信基地台開始承載更多智慧，如果網路邊緣開始表現得更像一個運算平台，那麼周邊的網路也會變得更加重要。傳輸、路由、光纖容量，以及在邊緣、雲端和所有中間點之間移動更多資料的實體能力，都會被捲入這個轉變中。AI-RAN 從無線電層開始，而圍繞它的架構也隨之而來。
Nokia 的 David Heard 在 OFC 上說：
「特別是超大型運算商和雲端新創公司，甚至在廣域網路中與服務供應商和關鍵任務型企業合作，他們正在購買藍圖，因為他們正在制定計劃。他們正在購買資料中心。他們正在購買設施。他們現在就在規劃 HVAC。」
Hotard 在第四季財報電話會議上將光學和 IP 網路的建設與同樣的動態聯繫起來：
「這些不再是過去 10 到 15 年建造的雲端運算系統。這些是 AI 超級電腦，而 AI 超級電腦需要更高的頻寬、更豐富的連接性。我們現在看到光學技術正在進入這些領域，並進行整合和聯網。」
Nokia 的光學行銷主管 Rob Shore 描述了客戶對光學創新的思考方式轉變：
「過去 30 多年來，我們這個行業一直專注於製造專門用於最大化每條光纖容量的引擎。這一代是我們真正轉變的第一代。他們想要更具成本效益和功耗最佳化的解決方案。」
這就是為什麼 Nokia 更廣泛的網路業務歸屬於這篇文章的背景。一個更加分散的 AI 架構需要能夠支援更分散智慧的傳輸和光學基礎設施。無線電層和底層網路正被同步推動向前。
什麼是值得投資的？
將短期機會與長期機會分開，是釐清這個問題最清晰的方法。
目前這個主題中商業化程度最高的部分是 AI for RAN。更智慧的營運、更少的人工負擔、更好的最佳化、數位孿生，以及幫助營運商更有效運作網路的軟體。Hotard 在第四季財報電話會議上給出了一個最清晰的驗證點：
「我們在該季度推出了兩款新產品，包括我們的事件驅動自動化管理代理 AI 解決方案，可將網路停機時間減少 96%。」
其經濟價值是直接的，營運商可以立即證明其合理性。更好的網路效能和更低的營運複雜度，並有明確的成本節省路徑。
AI and RAN 是下一個層次。共享基礎設施、實際營運商測試，以及透過向前相容平台進行的逐步部署，都使這個故事更加可信。一項 T-Mobile 的測試是最清晰的驗證點：
「該試驗展示在單一 NVIDIA Grace Hopper 200 伺服器上，使用加速 AI-RAN 負載，同時進行 AI 和 RAN 處理，凸顯了在共享加速運算平台上結合先進無線電存取網路功能與 AI 應用的能力。」
Indosat 的結果提供了另一個實際環境的確認：
「這個里程碑證明，在實際營運商環境中，AI 和 RAN 負載可以在共享 GPU 基礎設施上同時運行，為分散式 AI 智慧鋪平道路，使 5G 網路更高效、更智慧、更永續。」
這仍然是一個正在發展中的類別，而非一個完全規模化的營收引擎，儘管驗證點的累積速度比多數人預期的要快。
AI on RAN 是最長期的上漲潛力，電信邊緣成為物理 AI、機器視覺、機器人技術、工業自動化和低延遲推論的真正應用平台。Nokia 和 SoftBank 已經展示了一種變現邏輯：
「Nokia 和 SoftBank 示範了如何利用閒置的 AI-RAN 運算容量來運行第三方 AI 任務。這次整合標誌著將 RAN 轉變為 AI 啟用平台的關鍵一步，能夠在連線服務之外提供新的 AI 服務和營收來源。」
Elisa 的營運長 Sami Komulainen 很好地描述了長遠的發展軌跡：
「AI-RAN 是實現端到端網路效能最佳化、提升服務品質、邁向 AI 原生 6G，以及未來的代理型、機器人型，最終是物理型 AI 的關鍵驅動力。」
Nokia 讓我們有機會接觸到一個主題，它擁有真實的驗證點、可信的已安裝基礎橋樑，以及足夠的支援基礎設施，如果架構持續朝這個方向發展，它將變得具有經濟意義。短期的上漲空間在於光學、IP 和 AI for RAN 軟體。長期的選擇權則在於電信基礎設施未來可能發展成的樣貌。隨著這個故事的發展，兩者都值得持有。
提供的資訊僅供參考，不構成投資建議、推薦或買賣任何證券的要約。作者可能持有文中提及的證券。讀者應自行進行盡職調查，並在做出投資決定前諮詢財務顧問。
