文／林揚哲 網路工程研究所碩士生

Tommaso Melodia 教授是美國 Northeastern University 電機與電腦工程系 William Lincoln Smith Chair 教授，同時擔任該校 Institute for the Wireless Internet of Things（WIoT）創所所長，以及美國國家無線研究計畫「PAWR Project Office」的研究總監。他於羅馬大學 La Sapienza 完成整合式學碩學位（Laurea），並於 2007 年獲得 Georgia Institute of Technology 電機與電腦工程博士學位。Melodia 教授是 IEEE Fellow、國家科學基金會 CAREER Award 得主，並曾於 2018 年獲頒 Northeastern 工學院最高榮譽的 Søren Buus 傑出研究獎。他在無線網路與物聯網系統的建模、最佳化與實驗驗證方面具有深厚研究基礎，研究成果獲得美國 NSF、空軍研究室、海軍研究辦公室、DARPA 與陸軍研究所等單位長期支持。此外，他亦積極參與學術社群發展，曾擔任 IEEE Infocom 2018 程式委員會主席、IEEE SECON 2019、ACM Nanocom 2019、WUWNet 2014 等國際會議總主席，並曾任《IEEE Wireless Communications》、《IEEE Transactions on Mobile Computing》等期刊編輯。

在本次演講中，Melodia 教授深入剖析了 6G 的技術挑戰與研究方向，強調未來的無線系統將朝向開放（Open）、可程式（Programmable）與 AI 驅動（AI-Powered）的架構演進。他指出，現有的網路架構高度集中且封閉，由少數大型設備商主導，不僅限制創新，亦具有「供應商鎖定（Vendor Lock-in）」帶來的升級門檻過高的問題。封閉架構的網路使網路內部行為難以觀察、無法快速適應服務需求，導致網路部署與新服務變現的彈性大幅受限。

為因應日益複雜的無線環境與應用需求，Melodia 教授介紹了「Open RAN」與「Open 6G」架構，將 RAN 功能模組化，分離為 Radio Unit、Distributed Unit、Centralized Unit，並虛擬化至邊緣或雲端平台。透過開放介面與軟體定義網路（SDN）理念，讓網路功能能被觀察、控制並自動化部署。他進一步介紹了由 O-RAN Alliance 所推動的 xApps（近即時控制應用）與 rApps（非即時策略應用）架構，以及 dApps（Distributed Apps），透過 dApps，用戶可以將自己定義的邏輯部屬於實體基地台上，實現低延遲的即時控制。

演講亦涵蓋了 AI 與無線網路融合的三種方向，包括 AI for RAN（以 AI 優化 RAN 行為）、AI in RAN（AI 與 RAN 共用運算平台）、以及 AI on RAN（在 Edge 執行 AI 應用，如 LLM 推論、視覺分析等）。Melodia 教授認為，AI 不僅是增進效能的工具，更是邊緣計算（Edge Computing）的關鍵推手，透過 AI 的幫助，未來的行動網路將有更多的應用場警。

為支撐開放架構與 AI 開發，Northeastern 團隊建立了多個實驗平台，包括具備 256 個可程式化軟體無線電的無線通訊模擬平台 Colosseum、開放的無線測試平台 Arena，以及結合 GPU 加速與商業設備的 X5G 測試場域。這些平台支援從模擬到實測、從建模到推論的完整實驗流程，可實現 Digital Twin 的端到端測試與 AI 模型訓練。Melodia 教授展示了透過 Colosseum 模擬環境下訓練的 AI 模型可以直接被使用於 OTA（Over-the-Air）傳輸，也就是可以在真實的無線通訊環境下進行。這些研究驗證了 AI 控制模組對於開放無線網路的可行性與潛力。透過這樣的架構，我們將能夠在不受限於任何硬體或特定環境的前提下，更加靈活的面對實際系統中的各種需求。