La RAN (Radio Access Network) es la parte de la red móvil que conecta tu teléfono con la antena. Durante años se ha comportado como una cocina muy especializada: cada aparato hace su tarea, con recetas fijas y poca flexibilidad. La propuesta de la AI-RAN busca que esa cocina se parezca más a una encimera modular con robots: se mantienen las funciones críticas de radio, pero se incorporan capacidades de IA para optimizar, analizar y ejecutar nuevas tareas en tiempo real, cerca de donde ocurre el tráfico.
En MWC Barcelona 2026, LITEON Technology plantea que la conversación del sector está pasando de los pilotos a la comercialización, apoyándose en arquitecturas aceleradas por GPU. En su comunicación, la compañía enmarca este paso como una forma de reducir fricción técnica y acelerar despliegues al integrar sus unidades de radio abiertas con la plataforma NVIDIA AI Aerial. La idea es que, si el “motor” de cómputo y el “chasis” de radio encajan de forma validada, la red deja de ser un proyecto artesanal y se vuelve más repetible en distintos escenarios.
El papel de la Radio Unit: estabilidad “de metrónomo” en la capa física
Para que la AI-RAN sea algo más que una demo, el punto delicado está en la parte que no admite improvisación: la capa física de radio. LITEON pone el foco en su arquitectura de Radio Unit (RU) como “capa fundacional” para obtener un comportamiento determinista, con prestaciones de nivel operador. Traducido a lenguaje cotidiano: si la red fuese una banda de música, la RU sería el batería y el metrónomo a la vez. Puedes experimentar con nuevos arreglos, pero el tempo y la sincronía no pueden fallar.
Según lo descrito por la compañía, esta RU busca asegurar rendimiento de RF consistente, alta precisión de temporización y sincronización, y un fronthaul predecible. Esto es relevante porque en una red con múltiples portadoras y múltiples celdas, cualquier desajuste en tiempos o transporte puede degradar tanto el servicio tradicional como los nuevos trabajos de IA que se quieran ejecutar cerca del borde.
O-RAN 7.2x y el fronthaul determinista: menos “integración a mano”
LITEON también insiste en el soporte de O-RAN 7.2x para el fronthaul, con operaciones estandarizadas y confiables en U-Plane (plano de usuario) y C-Plane (plano de control). En la práctica, esto apunta a un problema clásico del Open RAN: que abrir interfaces y mezclar piezas de varios proveedores puede disparar el trabajo de integración, pruebas y ajuste fino.
Cuando el fronthaul se comporta de manera determinista y con perfiles bien definidos, se reduce el margen de sorpresa al conectar la RU con el resto de la arquitectura, y se acortan los ciclos de validación. No es magia: es más parecido a comprar un cargador USB-C certificado en vez de uno genérico que “a veces va”. Fuentes técnicas del ecosistema O-RAN suelen describir estos planos (usuario/control) como pilares para la interoperabilidad y las pruebas de conformidad, y existen ejemplos de implementación y testeo que ilustran esa separación de responsabilidades.
NVIDIA AI Aerial como “plataforma común” para RAN e IA
La plataforma NVIDIA AI Aerial se presenta como una base para software-defined RAN con aceleración por GPU, capaz de abarcar variantes como vRAN, Open RAN, redes privadas 5G y una evolución hacia 6G “AI-native”. En el enfoque de LITEON, Aerial actúa como un terreno común para ejecutar procesamiento de señal y cargas de IA, con compatibilidad validada y menos complejidad de integración.
La ventaja conceptual es clara: si el cómputo se convierte en un recurso programable, la red puede reasignar capacidad según demanda, combinar analítica con optimización, y acercar inferencias al punto donde se generan los datos. Es una transición parecida a pasar de electrodomésticos analógicos a una cocina con control digital centralizado: no cambia el objetivo (cocinar), cambia la capacidad de medir, ajustar y automatizar con precisión.
Alianzas con SynaXG y Supermicro: inferencia en el borde con latencia baja
En la nota de LITEON se menciona colaboración con SynaXG y Supermicro para integrar cargas de RAN e IA bajo una arquitectura unificada. La promesa que acompaña a esta combinación es la inferencia en el borde con latencia reducida, apoyada en cómputo de alto rendimiento y redes aceleradas, usando software de AI-RAN de SynaXG. En MWC 2026, LITEON y SynaXG anuncian una demostración orientada a analítica en tiempo real, optimización inteligente y casos de uso guiados por IA.
Aquí conviene aterrizar el “para qué” con una imagen sencilla. Imagina un estadio con decenas de miles de móviles: esperar a enviar todos los datos a un centro lejano para decidir cómo repartir recursos de radio sería como pedirle a un director de tráfico en otra ciudad que te gestione los semáforos de tu barrio. La IA en el borde intenta que esas decisiones se tomen más cerca, con contexto local y menos retraso, sin comprometer la estabilidad de la radio.
De pruebas a despliegues: el valor de la “compatibilidad validada”
LITEON recalca reducción de complejidad de integración y despliegue más rápido. En telecomunicaciones, ese matiz suele ser el que separa un prototipo vistoso de un contrato real: interoperabilidad, operación repetible, y capacidad de escalar sin que cada nueva instalación sea un proyecto distinto.
En paralelo, el discurso de NVIDIA y su ecosistema también está apuntando a que la AI-RAN se convierta en un enfoque más estándar, con pruebas de campo, benchmarks y adopción creciente por parte de operadores y socios tecnológicos. Ese contexto ayuda a entender por qué LITEON pone tanto énfasis en “comercialización”: no basta con que funcione una vez, tiene que funcionar de forma consistente en múltiples entornos, con requisitos de operador.
El papel de la AI-RAN Alliance y la presión del tráfico de datos
La compañía señala que seguirá profundizando su colaboración dentro de la AI-RAN Alliance para acelerar la comercialización global. En la práctica, estas alianzas y foros suelen servir para alinear hojas de ruta, definir mejores prácticas y empujar interoperabilidad, justo en un momento en que el tráfico y las expectativas de servicio crecen, y las redes empiezan a considerarse no solo canales de conectividad, sino infraestructuras con capacidades de sensado y adaptación.
Este movimiento también convive con anuncios de otros actores del sector que están presentando iniciativas alrededor de AI-RAN y “AI-native” en el entorno de MWC 2026, lo que sugiere una carrera por concretar arquitecturas viables y modelos operativos sostenibles.
Qué se verá en MWC Barcelona 2026 y qué preguntas quedan sobre la mesa
LITEON sitúa su presencia en MWC Barcelona 2026 del 2 al 5 de marzo, en Fira Gran Via, con una demostración conjunta que busca mostrar capacidades en tiempo real. En este punto, el interés no es solo técnico; también es operativo: cómo se gestiona la coexistencia entre cargas tradicionales de RAN y nuevas tareas de IA, cómo se asegura el aislamiento y la previsibilidad, y qué métricas se usarán para justificar el coste frente a beneficios tangibles.
Si la RU mantiene ese comportamiento “de metrónomo” y la plataforma de cómputo se comporta como un recurso compartido y programable, el resultado puede ser una red más flexible para optimizarse sola, detectar patrones y habilitar servicios que antes requerían infraestructura paralela. La clave estará en comprobar hasta qué punto la promesa de integración simplificada se mantiene cuando se pasa del stand a entornos reales con múltiples proveedores, condiciones radio cambiantes y exigencias estrictas de disponibilidad.