ที่ผ่านมา เวลาเราพูดถึงเครือข่ายมือถือ ไม่ว่าจะเป็น 4G หรือ 5G เรามักมองสถานีฐานในฐานะ “ประตู” ที่เชื่อมโทรศัพท์ของเราเข้าสู่เครือข่าย แต่ในโลกของ 5G Advanced และโดยเฉพาะ 6G บทบาทของ RAN หรือ Radio Access Network กำลังเปลี่ยนไปอย่างมีนัยสำคัญ สถานีฐานในอนาคตอาจไม่ได้ทำหน้าที่เพียงรับส่งคลื่นวิทยุ แต่จะกลายเป็นโครงสร้างพื้นฐานที่ทำได้พร้อมกันทั้ง สื่อสาร ประมวลผล และให้บริการ AI — และมันกำลังเปลี่ยนคำถามสำคัญอีกเรื่องหนึ่งด้วยว่า “ชิปแบบใดจะเป็นหัวใจของเครือข่ายมือถือในยุคต่อไป?”

จาก RAN ที่รู้จัก สู่ AI-RAN

RAN คือส่วนของเครือข่ายมือถือที่อยู่ใกล้ผู้ใช้มากที่สุด ตั้งแต่เสาสัญญาณ ระบบวิทยุ ไปจนถึงหน่วยประมวลผล baseband ที่ทำหน้าที่จัดการสัญญาณ การแบ่งทรัพยากรคลื่น การรับส่งข้อมูล และการเชื่อมต่อกับโทรศัพท์จำนวนมากในพื้นที่เดียวกัน

ระบบเหล่านี้มีข้อกำหนดที่เข้มงวดมาก งานบางประเภทต้องประมวลผลเสร็จภายในระดับมิลลิวินาทีหรือน้อยกว่านั้น ความผิดพลาดหรือความล่าช้าเพียงเล็กน้อยไม่ได้หมายความเพียงว่า “โปรแกรมทำงานช้า” แต่อาจหมายถึงการสื่อสารผิดจังหวะ ประสิทธิภาพตก หรือการเชื่อมต่อของผู้ใช้ได้รับผลกระทบ

ด้วยเหตุนี้ RAN ในอดีตจึงพึ่งพาชิปและฮาร์ดแวร์เฉพาะทางจำนวนมาก ไม่ว่าจะเป็น ASIC, FPGA, DSP หรือ SoC ที่ถูกออกแบบมาเพื่อประมวลผลงานวิทยุโดยเฉพาะ แต่ AI กำลังเข้ามาเปลี่ยนสมการนี้

เดือนกุมภาพันธ์ 2024 บริษัทเทคโนโลยี ผู้ผลิตอุปกรณ์ ผู้ให้บริการโทรคมนาคม และสถาบันวิจัย เช่น NVIDIA, Ericsson, Nokia, Samsung, SoftBank, T-Mobile, Arm, Microsoft และมหาวิทยาลัยหลายแห่ง ได้ร่วมกันจัดตั้ง AI-RAN Alliance ที่งาน Mobile World Congress เพื่อผลักดันแนวคิด AI-native RAN อย่างเป็นระบบ

เป้าหมายของ AI-RAN ไม่ได้หยุดอยู่ที่การนำ AI มาช่วยบริหารเครือข่าย แต่กำลังตั้งคำถามใหม่ว่า — ถ้าเราสามารถออกแบบ RAN ขึ้นมาใหม่ในยุคที่ AI กลายเป็น workload สำคัญของโลก เราควรออกแบบมันอย่างไร?

AI-RAN Alliance แบ่งแนวคิดนี้ออกเป็นสามด้าน ซึ่งแม้ชื่อคล้ายกัน แต่กำลังพูดถึงการเปลี่ยนแปลงคนละระดับของเครือข่าย

ด้านที่ 1

AI-for-RAN

ใช้ AI ทำให้เครือข่ายวิทยุฉลาดขึ้น ตั้งแต่ beamforming การจัดสรรคลื่น ไปจนถึงการลดพลังงาน

ด้านที่ 2

AI-on-RAN

ใช้โครงสร้างพื้นฐานของเครือข่ายที่อยู่ใกล้ผู้ใช้ ให้บริการ AI และ edge computing

ด้านที่ 3

AI-and-RAN

ให้งาน RAN และงาน AI ใช้แพลตฟอร์มคำนวณชุดเดียวกัน — ด้านที่เปลี่ยนสถาปัตยกรรมชิปมากที่สุด

AI-for-RAN: ใช้ AI ทำให้เครือข่ายวิทยุฉลาดขึ้น

ด้านแรกเป็นสิ่งที่เข้าใจได้ง่ายที่สุด คือการเอา AI มาช่วยให้ RAN ทำงานดีขึ้น ที่ผ่านมาเครือข่ายมือถือก็มีระบบ optimization และ automation อยู่แล้ว รวมถึงแนวคิดอย่าง RAN Intelligent Controller หรือ RIC ในสถาปัตยกรรม Open RAN

แต่ AI-for-RAN กำลังลงลึกไปมากกว่านั้น จากเดิมที่ AI อาจวิเคราะห์ข้อมูลระดับเครือข่าย เช่น พื้นที่ใดมีผู้ใช้หนาแน่น หรือควรเปิด-ปิดทรัพยากรในช่วงเวลาใด แนวคิดใหม่คือการนำ Machine Learning เข้าใกล้การประมวลผลสัญญาณวิทยุมากขึ้น AI อาจเข้ามาช่วย

  • ปรับ beamforming ให้ลำคลื่นเคลื่อนไปตามตำแหน่งผู้ใช้
  • จัดสรร radio resource ให้เหมาะสม
  • ทำนายสภาพ channel และลด interference
  • เลือก modulation และ coding ให้เหมาะกับสภาพสัญญาณในแต่ละขณะ

เป้าหมายเดียวกันคือ ใช้คลื่นความถี่เท่าเดิม แต่ส่งข้อมูลได้มากขึ้น ใช้พลังงานน้อยลง และให้ประสบการณ์แก่ผู้ใช้ดีขึ้น

สิ่งที่ทำให้เรื่องนี้ยากกว่าการนำ AI ไปวิเคราะห์ข้อมูลทั่วไปคือ AI จะต้องทำงานอยู่ใน “จังหวะเวลาเดียวกับระบบวิทยุ” เราไม่สามารถส่งข้อมูลขึ้น Cloud แล้วรอโมเดลขนาดใหญ่คิดคำตอบเป็นวินาทีได้

โมเดลต้องเล็กพอ เร็วพอ มีความแน่นอนสูงพอ และทำงานได้ภายในเวลาที่ระบบวิทยุกำหนด

Ericsson จึงเลือกแนวทางหนึ่งที่น่าสนใจ คือการนำโมเดล AI เข้าไปทำงานภายใน baseband และ radio ของเครือข่ายที่มีอยู่ โดยในปี 2026 บริษัทเปิดตัว AI in RAN ในลักษณะ software subscription ที่สามารถเพิ่มความสามารถด้าน AI ให้ระบบ 5G โดยไม่จำเป็นต้องเปลี่ยนฮาร์ดแวร์ทั้งหมด

ในอีกด้านหนึ่ง ผู้เล่นอย่าง NVIDIA และ SoftBank กำลังทดลองนำ GPU เข้าไปถึงระดับการประมวลผล Physical Layer หรือ PHY ซึ่งเป็นหนึ่งในชั้นที่ต้องการ real-time performance สูงที่สุด ปลายปี 2025 SoftBank ประกาศว่าสามารถทำ Massive MIMO processing แบบ software บน NVIDIA GPU และทดลอง 16-layer MU-MIMO ในสภาพแวดล้อมภายนอกได้สำเร็จ ซึ่งเป็นตัวอย่างว่าการประมวลผลที่เคยต้องอาศัย FPGA หรือ ASIC เฉพาะทาง เริ่มมีความเป็นไปได้ที่จะย้ายเข้าสู่แพลตฟอร์มคำนวณที่ programmable มากขึ้น

นี่คือจุดที่ AI-for-RAN เริ่มเชื่อมเข้ากับ “เรื่องชิป” อย่างชัดเจน

AI-on-RAN: เมื่อสถานีฐานกลายเป็น Edge AI

ด้านที่สองอาจเปลี่ยนโมเดลธุรกิจของผู้ให้บริการโทรคมนาคมมากกว่าเรื่องแรกเสียอีก AI-on-RAN คือการนำงาน AI มารันบน infrastructure ที่อยู่ใน RAN

ลองคิดง่าย ๆ ว่า ผู้ให้บริการมือถือมีสถานีฐานและ edge site กระจายอยู่ทั่วประเทศอยู่แล้ว สถานที่เหล่านี้มีข้อได้เปรียบสำคัญมากอย่างหนึ่งเมื่อเทียบกับ Data Center ขนาดใหญ่ คือมัน อยู่ใกล้ผู้ใช้ ถ้าเราวางกำลังประมวลผล AI ไว้ตรงนั้น งานบางอย่างก็ไม่จำเป็นต้องส่งข้อมูลย้อนกลับไปยัง Cloud ที่อยู่ห่างออกไปหลายร้อยหรือหลายพันกิโลเมตร ตัวอย่างเช่น

  • กล้องในโรงงานส่งภาพให้ AI ที่ edge site วิเคราะห์ทันที
  • หุ่นยนต์อุตสาหกรรมส่งข้อมูลไปประมวลผลใกล้พื้นที่ทำงาน
  • รถหรือระบบขนส่งอัตโนมัติใช้บริการ AI ที่ต้องตอบสนองเร็วมาก
  • Generative AI ขนาดเล็กทำ inference ใกล้ผู้ใช้ แทนการส่งทุกอย่างกลับไปยัง Data Center กลาง

ประโยชน์ไม่ได้มีแค่ latency ที่ต่ำลง ข้อมูลสำคัญบางประเภทสามารถถูกเก็บและประมวลผลอยู่ในพื้นที่ ลดปริมาณ traffic ที่ต้องวิ่งกลับเข้าสู่ core network และอาจช่วยเรื่อง data sovereignty หรือ privacy ในบางกรณี

📡 รายได้วันนี้

รายได้หลักของผู้ให้บริการโทรคมนาคมมาจากการขาย connectivity และ RAN ถูกมองเป็นต้นทุนมหาศาลในการสร้างเครือข่าย

🧠 เมื่อ RAN ให้บริการ AI ได้

ผู้ให้บริการอาจขาย AI inference, edge computing หรือ GPU-as-a-Service จากโครงสร้างพื้นฐานที่มีอยู่ทั่วประเทศ RAN จึงอาจกลายเป็นทรัพย์สินที่สร้างรายได้ใหม่

SoftBank เป็นหนึ่งในบริษัทที่เดินเกมนี้อย่างจริงจังผ่านแพลตฟอร์ม AITRAS ซึ่งออกแบบให้ AI และ RAN ทำงานอยู่บน NVIDIA accelerated computing infrastructure เดียวกัน และมีแผนนำไปใช้ทั้งในเครือข่ายของตนเองและขยายไปยังผู้ให้บริการรายอื่น

AI-and-RAN: จุดที่เรื่องชิปเริ่มเปลี่ยนเกม

เสาที่อาจสร้างการเปลี่ยนแปลงต่อสถาปัตยกรรมเครือข่ายมากที่สุดคือ AI-and-RAN แนวคิดนี้ไม่ได้เพียงนำ AI ไปช่วย RAN หรือเอา AI service ไปวางใกล้เสาสัญญาณ แต่ตั้งคำถามว่า

ทำไมเราต้องมีเครื่องสำหรับ RAN ชุดหนึ่ง และเครื่องสำหรับ AI อีกชุดหนึ่ง?

ในเครือข่ายแบบเดิม baseband ถูกสร้างขึ้นมาเพื่องานวิทยุโดยเฉพาะ และทรัพยากรจำนวนมากถูกออกแบบให้รองรับ peak traffic แต่ traffic ของเครือข่ายมือถือไม่ได้สูงเท่ากันตลอด 24 ชั่วโมง กลางดึกสถานีฐานบางแห่งอาจใช้ทรัพยากรน้อยกว่าช่วงเย็นอย่างมาก AI-and-RAN จึงเสนอให้ใช้ accelerated computing platform ชุดเดียวกัน รันทั้งงาน RAN และงาน AI

📶 ช่วง traffic มือถือสูง

ระบบให้ priority กับงานวิทยุ กำลังประมวลผลส่วนใหญ่ถูกใช้เพื่อรับส่งสัญญาณให้ผู้ใช้

🌙 ช่วง workload ของ RAN ลดลง

กำลังประมวลผลที่เหลือถูกนำไปใช้กับ AI inference หรือบริการ edge computing

แน่นอนว่าสิ่งนี้พูดง่ายกว่าทำ

งาน RAN มี deadline ที่เข้มงวดมาก orchestrator ต้องรับประกันได้ว่า ไม่ว่างาน AI จะกำลังใช้ทรัพยากรมากเพียงใด งานวิทยุต้องได้รับ compute resource ในเวลาที่ต้องการเสมอ

แต่ถ้าทำสำเร็จ ผลที่ตามมาน่าสนใจมาก จากเครื่องจักรที่เคยถูกสร้างขึ้นมาเพื่อ “งานเดียว” RAN จะเริ่มกลายเป็น multipurpose computing infrastructure และนี่เองคือพื้นที่ที่ NVIDIA พยายามเข้ามามีบทบาทอย่างจริงจัง

NVIDIA ไม่ได้ขายเสาสัญญาณ แต่กำลังขาย “สมอง” ของ AI-RAN

NVIDIA ไม่ใช่ผู้ผลิตสถานีฐานแบบ Ericsson, Nokia, Huawei หรือ Samsung บริษัทไม่มีเสาสัญญาณครบชุด ไม่มี radio portfolio แบบผู้ขายอุปกรณ์โทรคมนาคมดั้งเดิม และไม่ได้ตั้งเป้าจะไปติดตั้ง RAN ทั่วโลกด้วยตัวเอง

สิ่งที่ NVIDIA ต้องการขายคือ accelerated computing platform ที่อยู่ข้างใน RAN ผ่านเทคโนโลยีในตระกูล NVIDIA Aerial บริษัทพยายามทำให้ workload ของ RAN กลายเป็น software ที่สามารถรันบน accelerated computing infrastructure ได้ ถ้าทำได้ GPU เครื่องเดียวกันก็อาจใช้สำหรับงาน Physical Layer ของ 5G/6G ใช้โมเดล AI เพื่อ optimize เครือข่าย และในเวลาเดียวกันก็รัน AI inference สำหรับลูกค้าได้

  1. กุมภาพันธ์ 2024
    NVIDIA ร่วมกับผู้ผลิตอุปกรณ์ ผู้ให้บริการ และมหาวิทยาลัย ก่อตั้ง AI-RAN Alliance ที่งาน Mobile World Congress
  2. ปลายปี 2025
    NVIDIA ลงทุนใน Nokia จำนวน 1 พันล้านดอลลาร์ และประกาศพัฒนาแพลตฟอร์ม AI-RAN ร่วมกัน สำหรับเส้นทางจาก 5G Advanced ไปสู่ 6G
  3. กรกฎาคม 2026
    Nokia เปิดตัว commercial AI-RAN platform ที่สร้างบน Nokia anyRAN ร่วมกับ NVIDIA Aerial โดยวางตำแหน่งเป็นเส้นทางไปสู่ AI-native RAN และ 6G

Nokia ระบุเป้าหมายว่าต้องการเพิ่ม spectral efficiency อย่างมากภายในปี 2028 ซึ่งควรมองในฐานะเป้าหมายและผลการประเมินของผู้ผลิต มากกว่าผลที่พิสูจน์แล้วในเครือข่ายเชิงพาณิชย์ทั่วไป

ดังนั้นเกมของ NVIDIA จึงไม่จำเป็นต้องเข้าไปแทน Nokia หรือ Ericsson แต่คือการทำให้ผู้ผลิตเหล่านี้สร้าง RAN รุ่นต่อไปบน computing ecosystem ของ NVIDIA ถ้าสำเร็จ ตลาด GPU และ accelerator ที่ปัจจุบันเติบโตอย่างมหาศาลใน Data Center ก็จะขยายลงมาสู่ network edge และสถานีฐานจำนวนมหาศาลทั่วโลก

นี่คือเหตุผลที่ AI-RAN มีความหมายต่ออุตสาหกรรม semiconductor มากกว่าแค่ “เอา AI มาใส่ใน 5G”

แต่โลกของ AI-RAN ไม่ได้มี NVIDIA เพียงรายเดียว

สิ่งสำคัญคือ ไม่ควรมองว่าอนาคตของ RAN จะต้องเปลี่ยนเป็น GPU ทั้งหมด อุตสาหกรรมกำลังทดลองหลายสถาปัตยกรรมพร้อมกัน

ผู้เล่น แนวทางด้านฮาร์ดแวร์ ทิศทาง AI-RAN
NVIDIA GPU / accelerated computing ผ่าน NVIDIA Aerial ให้ RAN กลายเป็น software บน GPU และรัน AI บนเครื่องเดียวกัน
Intel Xeon 6 SoC พร้อม vRAN Boost รวม RAN acceleration และ AI ไว้ในแพลตฟอร์มเดียว โดยพยายามใช้ CPU และ accelerator แบบ integrated แทนการเพิ่ม discrete GPU ทุกจุด
Qualcomm ผสม CPU, RAN accelerator และ NPU นำ AI ช่วย uplink adaptation, beamforming และ network automation ต่อเนื่องไปถึง 6G
Huawei ชิปและ RAN stack ของตัวเอง ผลักแนวคิด AgenticRAN และเปิดตัว SingleRAN รุ่นใหม่ในปี 2026 สำหรับยุค Mobile AI
Ericsson Ericsson Silicon และเปิดรับ GPU ทดสอบ Cloud RAN software บน NVIDIA AI infrastructure ร่วมกับ T-Mobile ในปี 2026 ขณะยังเสนอ AI-in-RAN บนฮาร์ดแวร์ปัจจุบัน

กรณีของ Ericsson แสดงให้เห็นว่าสถาปัตยกรรม RAN ในอนาคตอาจรองรับ hardware หลายแบบ ดังนั้นการแข่งขันครั้งนี้อาจไม่ได้เป็นเพียงคำถามว่า GPU หรือ ASIC ใครจะชนะ

แต่เป็นการแข่งขันระหว่างแนวคิดหลายแบบว่า ใครสามารถหาจุดสมดุลที่ดีที่สุดระหว่าง performance, programmability, energy efficiency, cost และความสามารถในการทำ real-time processing

ทำไม AI-RAN จึงเชื่อมกับ “สงครามชิป” มากกว่า 5G รุ่นแรก

เมื่อย้อนกลับไปดู 5G ในช่วงเริ่มต้น ผลกระทบของการแข่งขันด้าน AI chip ต่อ RAN อาจยังไม่ได้ชัดเจนมากนัก เพราะระบบส่วนใหญ่ยังใช้ชิปเฉพาะทางของผู้ผลิตอุปกรณ์เป็นหลัก

แต่ AI-RAN กำลังทำให้เส้นแบ่งระหว่าง telecom chip กับ AI computing chip เริ่มบางลง ชิปที่ใช้ในเครือข่ายยุคหน้าอาจต้องประมวลผลสัญญาณวิทยุที่ต้องการ deterministic latency ในขณะเดียวกันก็ต้องรองรับ neural network, inference และ workload แบบ AI

และหาก AI-and-RAN ประสบความสำเร็จในระดับอุตสาหกรรม ความสำคัญของ GPU, NPU และ AI accelerator ก็จะเคลื่อนจาก Data Center ลงมาสู่สถานีฐานและ edge network

เมื่อถึงจุดนั้น ปัญหา semiconductor supply chain จะไม่ได้กระทบเพียง Cloud หรือ AI Data Center แต่สามารถกระทบถึงความสามารถในการสร้างและอัปเกรดโครงสร้างพื้นฐานโทรคมนาคมของประเทศด้วย

แล้วประเทศไทยควรมองเรื่องนี้อย่างไร

สำหรับประเทศไทย ประเด็นสำคัญจึงอาจไม่ใช่คำถามว่า “ควรใช้ NVIDIA หรือไม่” หรือ “ผู้ให้บริการควรเลือกอุปกรณ์ของค่ายไหน” คำถามที่ใหญ่กว่านั้นคือ

เมื่อ RAN กำลังเปลี่ยนจากระบบโทรคมนาคมเฉพาะทางไปเป็น programmable computing infrastructure ประเทศไทยต้องการวางตำแหน่งตัวเองตรงไหนใน value chain ใหม่นี้?

ในอดีต เราอาจมองโครงสร้างพื้นฐานโทรคมนาคมผ่านเรื่อง spectrum, จำนวนสถานีฐาน, coverage และการแข่งขันของผู้ให้บริการเป็นหลัก แต่ในยุค AI-RAN และ 6G อาจต้องเพิ่มเรื่องเหล่านี้เข้าไปอยู่ในสมการเดียวกัน

  • Compute capacity
  • Accelerator ecosystem
  • Edge cloud
  • Semiconductor supply chain
  • Software platform
  • AI model infrastructure

เพราะต่อไปการเลือกเทคโนโลยี RAN อาจไม่ได้หมายถึงเพียงการเลือกอุปกรณ์วิทยุ แต่หมายถึงการเลือก computing architecture และ ecosystem ที่ประเทศจะต้องพึ่งพาไปอีกหลายปี

ประเด็นนี้ยิ่งสำคัญหากบริการในอนาคต เช่น หุ่นยนต์อุตสาหกรรม รถอัตโนมัติ ระบบควบคุมโรงงาน Digital Twin หรือ AI Agent จำนวนมหาศาล ต้องพึ่งพา compute ที่อยู่ใกล้ผู้ใช้ ในเวลานั้น edge site และสถานีฐานจำนวนมากทั่วประเทศ อาจมีความหมายทางยุทธศาสตร์ไม่ต่างจาก mini data center ที่กระจายตัวอยู่ทั่วพื้นที่ และนี่อาจเป็นพื้นที่ใหม่ของทั้งอุตสาหกรรมโทรคมนาคม Cloud และ Semiconductor ที่จะมาบรรจบกัน

จาก “เสาสัญญาณ” สู่ Distributed AI Infrastructure

ถ้าจะสรุป AI-RAN ให้ง่ายที่สุด

  • AI-for-RAN คือใช้ AI ทำให้เครือข่ายฉลาดขึ้น
  • AI-on-RAN คือใช้โครงสร้างพื้นฐานของเครือข่ายให้บริการ AI
  • AI-and-RAN คือทำให้ RAN กับ AI ใช้ทรัพยากรคำนวณร่วมกัน

แต่เมื่อทั้งสามแนวคิดมารวมกัน สถานีฐานจะไม่ได้เป็นเพียงสะพานเชื่อมโทรศัพท์เข้าสู่ Core Network อีกต่อไป แต่กำลังมีโอกาสกลายเป็น Distributed AI Infrastructure ที่กระจายอยู่ใกล้ผู้ใช้ เครื่องจักร รถยนต์ กล้อง หุ่นยนต์ และ AI Agent มากที่สุด

นี่จึงเป็นเหตุผลที่บริษัทชิปรายใหญ่ ตั้งแต่ NVIDIA, Intel, Qualcomm ไปจนถึงผู้ผลิตที่มี ecosystem ของตนเองอย่าง Huawei ต่างเริ่มขยับเข้าหาจุดเดียวกัน แม้ใช้สถาปัตยกรรมและยุทธศาสตร์ต่างกัน เป้าหมายคือการทำให้ RAN กลายเป็นระบบคำนวณที่ programmable, accelerated และ AI-native มากขึ้น

และถ้าทิศทางนี้กลายเป็นโครงสร้างพื้นฐานของ 6G จริง สงครามชิปรอบต่อไปอาจไม่ได้เกิดขึ้นเฉพาะใน Data Center แต่อาจลงมาอยู่ถึง “ข้างเสาสัญญาณมือถือ” ที่เราเดินผ่านกันทุกวัน

เพราะในโลกของ 6G เสาสัญญาณอาจไม่ได้มีหน้าที่เพียงส่งข้อมูลให้เราอีกต่อไป แต่มันอาจกำลังประมวลผล AI ให้เราอยู่ด้วย

แชร์บทความนี้
กลับไปหน้า Blog