손장우 (Harrison Jangwoo Son)

    넷매니아즈 | (주)엔앰씨컨설팅그룹 대표이사

    [email protected]

(>>)

일본 소프트뱅크(손정의)과 미국 엔비디아(젠슨황)가 주도하여 2024년 결성된 AI-RAN Alliance에서 AI-RAN의 개념과 Use case를 정의하고 있다. AI-RAN Alliance는 MWC 2024, MWC 2025, MWC 2026 등의 행사에서 이들과 함께하는 에코시스템이 함께 구현한 AI-RAN 솔루션을 시연하며 AI-RAN의 가능성을 입증해 나가고 있다.

AI-RAN Alliance는 엔비디아(NVIDIA), 암(Arm), 소프트뱅크, T-Mobile, Nokia, 에릭슨, 삼성전자, Microsoft, Deepsig 등 11개 글로벌 통신 및 IT 기업들이 창립했으며 26년 1월 현재 회원사는 109개사에 이른다. 국내 이통 3사도 회원사이다.

AI-RAN Alliance의 핵심 목표는 RAN (기지국)에 AI를 결합하여 무선 통신 성능을 극대화하고 (AI for RAN), AI 응용 기반의 새로운 비즈니스 가치를 창출하는 것 (AI and RAN, AI on RAN)이다. 

AI-RAN

AI for RAN

Spectral Efficiency

AI and RAN

Asset Utilization

AI on RAN

New Applications

Concept

이게 뭔가?

AI RAN Alliance

정의

 목적: AI/ML(머신러닝)를 활용해 RAN 성능을

 개선하고 최적화함. 기존 RAN에 적용하던 Rule-

 based 알고리즘이 아닌 AI/ML 모델(데이터 기반

 학습과 추론)을 기지국에 심어 기지국 성능을

 고도화함.

 주요예제: AI/머신러닝 기반 - 채널 추정/간섭

 제어/MAC 스케쥴링/빔포밍 최적화/전력제어

 효과: UE의 통신 품질이 높아지고 이통사의

 통신망 투자비, 운용비용이 절감됨

 목적: RAN 워크로드와 AI 워크로드가 하나의 

 컴퓨팅 자원(RAN 서버)를 공유하여 자원의 활용도

 을 높임: GPU와 메모리 자원 이용율 최적화.

 주요예제: 심야시간 또는 베드타운의 낮시간대

 처럼 통신량이 적을 때 RAN 서버의 자원을

 외부 기업에 AI 연산용(AI Training 이나 AI

 Inferecing)으로 대여 - RAN 서버 유휴 자원 판매

 로 신규 수익 창출

 효과: 통신 트래픽이 적을 때는 GPU 자원을 AI

 컴퓨팅에 활용하는 식으로 자원 효율성이 극대화

 (유휴 자원을 유연하게 분배하여 전체적인

 소유 비용(TCO)을 낮춤)

• 이 때, RAN 서버에 올라가는 AI application은 RAN과 무관하며, 이 AI 응용의 이용자도 RAN에 접속한 5G 이용자가 아닌 인터넷 이용자(폰, 유선, 와이파이)이면 됨.
• 이용자 입장에서는 RAN 서버가 동네 데이터센터인 셈.  

 목적: RAN에서 AI 응용 서비스를 실행해 기업 

 또는 개인에게 판매하여 새로운 수익 창출 

 주요 예제(주로, AI Inferencing): 실시간 영상

 분석, 자율주행, 원격 수술 보조, 실시간 로봇 제어,

 AR, LLM, 기업용 RAG, Agentic AI  

 효과: RAN에 접속한 단말 대상으로 RAN 서버에

 서 AI 서비스를 제공하므로 초저지연 AI 서비스

 제공 가능 

• 이 때, RAN 서버에 올라가는 AI 응용은 같은 서버의 RAN을 씀.
• 즉, RAN 서버에 올라가는 AI 응용 서비스의 대상은 해당 RAN에 직접 접속된 단말임.
• AI on RAN의 AI는 기존 MEC (Mobile Edge Computing)이라고 보면 됨.

AI RAN Alliance / SoftBank의

AI-RAN 개념설명

  데모영상

  미디어브리핑

AI에 의한 RAN의 고성능화

[주파수 효율 향상]

RAN과 AI의 설비 공통화

[설비 이용 효율 향상]

Edge AI 애플리케이션

[신규 서비스]

Nvidia의 AI-RAN 개념 설명

AI-RAN FAQ

 • AI-algorithms for RAN performance

   improvement

 • Site specific learning & optimizations for

   spectral efficiency

 • Common infrastructure to run AI and RAN

   workloads

 • Orchestration & dynamic workload distribution

   between AI and RAN

 • Network-differentiated connectivity

 • Local breakout of AI traffic for enhanced

   Quality of experience 

2026년 4월, 일본 이통사인 KDDI는 도쿄의 KDDI 본사내 LAWSON 편의점에 삼성의 NIS (Network in a Server)를 도입하여

Private 5G망을 구축하고 AI-on-RAN PoC를 수행했다.

이번 PoC에서는 KDDI종합연구소에서 개발한 Intelligent Robot Control과 NEC의 AI Video Analytics라는 두 가지 소매점용 응용으로 제시했다. 

이번 시연에 사용된 AI-RAN서버인  삼성 NIS는 슈퍼마이크로 범용서버에 AMD EPYC CPU와 NVIDIA L4 GPU 카드가 탑재된 형태로

단일 서버에서 5G Core, 5G vCU, vDU와 AI 응용이 실행된다(AMD CPU: 5G Core, 5G vRAN, GPU: AI 응용)

비용과 속도: 새로운 대규모 투자없이 기존 기지국 자산을 활용하여 GPU 카드만 추가하여 신속하게 Edge AI 기반을 구축할 수 있다는 것이

KDDI가 주장하는 AI-RAN (NIS)의 핵심 포인트임.

  ​ Netmanias One-Shot, 소매점에서 AI-on-RAN 실현 사례: 일본 KDDI의 편의점 운영 혁신 사례, 2026.09.16

미국의 T-Mobile(이통사)과 NVIDIA는 GTC 2026 행사에서 Nokia와 Physical AI agent 개발사들과 협력하여

Nokia의 5G S/W와 AI agent 개발사들의 AI agent(스마트 시티 운영, 전력선 자동 검사, 비전 기반 시설 관리, 실시간 산업 안전)를

T-Mobile의 5G망의 분산형 에지(AI-RAN)에서 시범운영한다고 발표함(장소: 산호세 시).

AI on RAN

단순한 CCTV Vision AI이면 영상을 분석해 교차로에 사고 발생을 인지하고 보고하는 것으로 끝이다.

그러나, Agentic AI는 스스로 문제를 해결한다. 이 사례에서 Operation Agent는 사고 발생이 모니터링되면

Simulation Agent를 호출하여 최적의 대안을 찾아내어 실제 물리세계의 신호등 신호 변경을 요청하여 문제를 해결함

  ​ Netmanias One-Shot, T-Mobile, AI-RAN으로 이통망을 Physical AI 플랫폼으로 전환/시범운영개시, 2026.09.04

VLM (Vision-Language Model)을 통한 로봇 이동 제어를 온디바이스는 "GPU 성능 부족"으로 실패하고, 클라우드는 "네트워크 전송 지연"으로 실패하며,

엣지(AI-RAN Over 5G)만이 두 문제를 동시에 해결할 수 있다는 것이 핵심임

• MNO가 AI-RAN에 AI 서비스(VLM)를 호스팅하고, AI-RAN 오케스트레이터로 AI 워크로드와 RAN(기지국) 워크로드를 같은 하드웨어에서 함께 스케줄링함
• 자동차 자율주행·로보틱스 사업자는 자체적으로 GPU 인프라를 구축하지 않고도, MNO의 엣지에 있는 AI 자원을 "임대"해서 쓸 수 있게 함
• 즉 통신사 입장에서는 지금까지 순수 "파이프(대역폭)"만 팔던 것에서 벗어나, "AI 컴퓨트 + 저지연 서비스"를 등급(GPU 슬라이스 할당 등급: Premium/Medium/Basic)별로 과금할 수 있는 새로운 수익원이 생기는 구조를 데모로 보여줌

  ​ Netmanias One-Shot, 5G RAN이 로봇의 두뇌가 될 때 — 이통사의 새로운 수익모델 AI-RAN, 2026.08.26

AI on RAN

이 실증의 핵심은 로봇이 주위 상황을 인식하고

움직이기 위한 방대한 컴퓨팅을 로봇 본체에서

수행할지, 아니면 통신망 에지에 있는 외부

서버(AI-RAN 서버의 MEC)에서 수행할지를

상황에 따라

실시간으로 전환하는 '동적 AI 오프로드' 기술임

  Netmanias One-Shot, SoftBank x Ericsson, AI-RAN 기반 Physical AI 실증 성공, 2026.03.26

AI on RAN

2025년 12월 일본 도쿄에서 개최된 국제 로봇전에서,

이통사인 SoftBank와 산업용 로봇 제조사인

야스카와 전기는 AI-RAN (MEC)와 AI 로보틱스를

조합한 Physical AI 데모를 공개했다: MEC AI가 빌딩내 로봇군을 관리, 제어 

  Netmanias One-Shot, SoftBank x 야스카와 전기, AI-RAN 기반 Physical AI 데모 공개- AI-RAN의 MEC AI가 오피스 빌딩내 로봇군을 관리 및 동작 제어, 2026.04.03

 Demo 주체: ARM, Tannera, Effinet, Phluido

  AI on RAN Object Detection Demo>>

 초저지연 LLM: SoftBank는 로봇에 탑재된

 센서 정보를 기반으로, 실시간으로

 로봇의 동작 생성을 수행하는

 AI (초저지연 LLM)를 개발함

 (NVIDIA AI Enterprise 활용하여 개발)

 의미: 로봇 외부의 이통망 에지에서 구동되는 LLM

 이 로봇의 동작을 실시간 제어할 수 있음을 보여줌

  SoftBank 보도자료: AI-RAN의 통합 솔루션 "AITRAS"의 에지 AI 서버에 NVIDIA AI Enterprise 구현>>

  SoftBank, 클라우드(LLM) 로봇, 2025.02

  SoftBank, AI-RAN과 모바일 인프라의 미래,

     2025.03

 Softbank는 RAG의 편의성과 정확성을 향상

 시키는 여러 기술을 탑재한 엔터프라이즈용

 RAG 애플리케이션을 개발했다. 엔터프라이즈

 데이터를 통합하면 최신 사내 정보를 기반으로

 답변을 생성할 수 있으므로 회사 업무에 특화된

 작업을 생성 AI에 맡길 수 있다. 데이터는 모두

 "AITRAS"의 에지 AI 서버에서 폐쇄적으로 처리

 되므로 인터넷상의 클라우드를 활용하는

 것보다 높은 보안 환경에서 실행할 수 있다.

  SoftBank, RAG Menu @Edge, 2025.02

 5G 카메라로부터 5G망을 통해 비디오 스트림을

 수신하여 실시간으로 객체(보행자, 자동차, 트럭,

 버스)를 검출하는 데모.

 MEC 서버상의 AI응용이 RAN 서버로 바로

 올라간 형태임. 

 Demo 주체: NVIDIA, Radisys, Fujitsu, Supermicro

  AI-on-RAN Demonstration >>

AI and RAN

AI‑and‑RAN Workload Orchestrator 

이 오케스트레이터는 Workload Estimator(워크로드

추정기)​와 Bin-Packer(빈 패커)​를 사용하여,

공유 GPU 인프라에서 5G RAN 워크로드와

AI 워크로드가 공존하도록 관리한다.

시스템은 트래픽과 AI 워크로드 수요가 변동함에 따라 NVIDIA MIG(Multi-Instance GPU) 기술을 활용해

GPU 파티션을 동적으로 재구성​함으로써,

RAN 운영에 필요한 안정적인 QoS

(Quality of Service)​를 보장한다.

실시간 스케일링 및 워크로드 마이그레이션을 통해

이를 시연한 결과, 워크로드 재분배 과정에서도

실제 트래픽 중단 시간을 4초 미만으로 유지하면서

5G 서비스의 연속성을 성공적으로 보장했다.

 Demo 주체: SK Telecom, Keysight

  AI‑and‑RAN Workload Orchestrator >>

AI and RAN

Northeastern AutoRAN Demo – MWC 2025

AI-RAN Coexistence

이 데모는 Northeastern University와 Keysight​가 

협력하여 개발된 AutoRAN 프레임워크의 기능을

보여주며, 테스트 자동화(testing automation)​에 초점을 맞추고 있다.

여기서 AutoRAN은 워크로드를 오케스트레이션하고, 시스템을 지속적으로 테스트하며, AI와 RAN이 하나의 인프라에서 공존할 수 있도록 지원하는 역할​을 한다.

 Demo 주체: Keysight and Northeastern

                 University Open6G

  Northeastern AutoRAN Demo - MWC 2025 - AI-RAN Coexistence>>>

 SMO는 vRAN측에서 발생하는 워크로드를

 모니터링하고 Cluster Agent와 통신.
 Cluster Agent는 여유 리소스를 Cloud에 알리고 
 Cloud는 해당 리소스를 활용할 수 있도록

 더 많은 워크로드를 전송함(추론 워크로드를

 해당 Cluster에 보낸다).

 User가 보낸 Query는 RAN 서버상의 AI 추론

 응용으로 보내지고 답을 받는다. User와 AI 응용,

 Cluster Agent와 Cloud간은 인터넷임.

 Demo 주체: NVIDIA, Radisys, Aarna Networks,

 Supermicro

  AI-and-RAN Demonstration >>

 신경망 기반 인코더, 수신기 및 디코더가 기존의

 파일럿과 변조 방식을 대체하면서도 5G-NR과

 호환되는 CP/DFT-OFDM 슬롯 구조는 유지함.

 이 데모는 AI/ML 기반 무선 인터페이스 설계가

 무선 성능을 향상시키고, 스펙트럼 효율성을

 높이며,

 기존 5G 네트워크와 원활하게 통합될 수 있음을

 보여준다. 이는 향후 AI-RAN 구축에 필수적인

 기능임.

 Demo 주체: DeepSig, NVIDIA

  Learned Air Interface with Online Learning>>

  DeepSig Demonstrates Evolved OmniPHY Axon 6G Software Illustrating AI-RAN Alliance AI-for-RAN Work Item #1

 효과: 간섭 많은 상황(Low SNR)에서 AI 적용안한

 기존 L1 대비 업링크 Throughput 20~50% 향상됨

 Demo 주체: SoftBank, NVIDIA, Fujitsu

  Realization of UL Ch Interpolation in Actual RAN>>

 효과: 셀 경계에서 스마트폰의 업링크 Throuput

        이 30% 이상 향상.

        기지국 커버리지 확장으로 이통사 투자비

        절감

 Demo 주체: NVIDIA, Samsung, Keysight

  AI-based PUSCH Channel Estimation>>

 효과: AI Channel Interpolation 적용으로 기존 RAN 대비 업링크 Throughput 25% 향상

 Demo 주체: SoftBank, NVIDIA, Fujitsu

  AI-for-RAN Demonstration >>