AI Radio Access Network (AI-RAN) představuje nový přístup k telekomunikačním sítím. Tradiční systémy RAN založené na CPU nebo ASIC jsou spíše jednúčelové, optimalizované na dnešní typy provozu. Zpracovávat AI provoz sice mohou, ale nejsou pro to optimální jak spotřebou energie, tak rychlostí a latencí. AI-RAN umožňuje společnou infrastrukturu založenou na GPU, která může současně provozovat bezdrátové a AI pracovní zátěže. Tím se sítě mění z jednoúčelové na víceúčelovou infrastrukturu a stanoviště z nákladových center na zdroje příjmů. Asi nepřekvapí, že v AI-RAN je nejaktivnější Nvidia, dnešní leader na trhu hardware pro umělou inteligenci.
Než se podíváme na AI-RAN jako takový, zastavme se na chvíli u toho spojení “AI provoz”. Co to je?
AI provoz v kontextu telekomunikačních sítí označuje datový tok generovaný aplikacemi a službami založenými na umělé inteligenci (AI). Tento provoz zahrnuje přenos, zpracování a výměnu dat potřebných pro AI aplikace, jako jsou modely strojového učení, hlubokého učení, inferenční procesy a další AI funkce.
Klíčové charakteristiky AI provozu:
- Vysoké nároky na výpočetní výkon: AI aplikace často vyžadují značný výpočetní výkon pro zpracování dat v reálném čase, například pro rozpoznávání obrazu, hlasu nebo přirozeného jazyka.
- Nízká latence: Pro aplikace, které vyžadují okamžitou odezvu (např. autonomní vozidla, průmyslové roboty), je nezbytná minimální zpoždění při přenosu dat.
- Vysoká propustnost: AI aplikace mohou generovat velké objemy dat, což klade nároky na šířku pásma sítě.
- Spolehlivost a bezpečnost: Kritické AI aplikace vyžadují stabilní a bezpečné spojení, aby bylo zajištěno správné fungování a ochrana citlivých informací.
Příklady AI provozu:
- Autonomní vozidla: Přenos dat z a do vozidel pro navigaci, senzory a rozhodovací procesy v reálném čase.
- Průmyslová automatizace: Robotické systémy v továrnách, které komunikují a koordinují své činnosti prostřednictvím sítě.
- Zdravotnictví: Dálková diagnostika a monitorování pacientů pomocí AI, která analyzuje zdravotní data v reálném čase.
- Chytrá města: Systémy pro řízení dopravy, osvětlení a veřejné bezpečnosti, které využívají AI k optimalizaci a rozhodování.
Jak vidíte, do AI provozu se schovává řada dřívějších aplikací.
AI-RAN (AI Radio Access Network) je koncepce, která integruje AI přímo do rádiové přístupové sítě. To umožňuje zpracování AI provozu přímo na úrovni sítě, což přináší výhody jako snížení latence, efektivnější využití zdrojů a možnost poskytovat pokročilé AI služby přímo koncovým uživatelům.
V tradičních sítích by tento AI provoz musel být přenášen do centrálních datových center nebo cloudu, což by způsobilo vyšší latenci a potenciálně omezenou schopnost reagovat v reálném čase. S AI-RAN se zpracování přesouvá blíže ke zdroji dat, což je klíčové pro aplikace citlivé na čas.
Výhody AI-RAN
- Víceúčelová infrastruktura: Umožňuje současné provozování RAN a AI pracovních zátěží, čímž maximalizuje využití kapacity a zvyšuje efektivitu.
- Energetická účinnost: Podle testů může AI-RAN spotřebovat až o 40 % méně energie než nejlepší tradiční RAN systémy, což přispívá k udržitelnosti.
- Ekonomická rentabilita: Investice do AI-RAN infrastruktury může generovat až 5násobné příjmy oproti vynaloženým kapitálovým výdajům během pěti let, což z něj činí vysoce ziskovou investici.
- Připravenost na budoucnost: AI-RAN je navržen s ohledem na budoucí technologie, jako je 6G, což zajišťuje dlouhodobou relevanci a škálovatelnost.
- Možnost monetizace AI služeb: Díky schopnosti provozovat AI pracovní zátěže mohou operátoři nabízet nové AI služby zákazníkům a podnikům, čímž otevírají nové zdroje příjmů.
Nevýhody AI-RAN
- Počáteční investice: Implementace AI-RAN vyžaduje značné kapitálové výdaje na nové hardware a software, což může být pro některé operátory překážkou.
- Komplexita implementace: Přechod z tradičního RAN na AI-RAN může být technicky náročný a vyžaduje specializované znalosti a školení.
- Bezpečnostní rizika: Integrace AI může přinést nová bezpečnostní rizika, která je třeba pečlivě řídit, zejména pokud jde o zpracování citlivých dat.
- Závislost na ekosystému: Úspěch AI-RAN závisí na spolupráci s ekosystémovými partnery a dostupnosti kompatibilního hardware a software.
Změny a vývoj s AI-RAN
Implementace AI-RAN přináší řadu změn:
- Transformace sítí: Sítě se mění z jednopurpose na multipurpose, což vyžaduje nový přístup k jejich návrhu a řízení.
- Nové obchodní modely: Operátoři mohou začít nabízet AI služby jako součást svého portfolia, což otevírá nové obchodní příležitosti.
- Změna v infrastruktuře: Přechod na GPU-akcelerovanou infrastrukturu znamená aktualizaci stávajících zařízení a možná i výstavbu nových datových center.
- Potřeba orchestrace: Pro efektivní provoz AI a RAN pracovních zátěží je nezbytná pokročilá orchestrace a správa zdrojů.
Alternativy k AI-RAN
- Tradiční RAN systémy: Nadále využívají CPU nebo ASIC a jsou omezeny na RAN pracovní zátěže bez schopnosti zpracovávat AI provoz.
- Cloud-based AI zpracování: AI pracovní zátěže jsou zpracovávány v centrálním cloudu, což může vést k vyšší latenci a omezené schopnosti real-time interakce.
- Edge computing bez integrace s RAN: Nasazení edge computingových zařízení pro AI zpracování, která nejsou integrována s RAN infrastrukturou, což může vést k neefektivnímu využití zdrojů.
Rozdíl mezi Klasickou RAN a AI-RAN
A jaké jsou technické rozdíly? Klasická RAN využívá specializovaný hardware, jako jsou ASIC (Application-Specific Integrated Circuits) a FPGA (Field-Programmable Gate Arrays), optimalizovaný pro konkrétní úlohy zpracování rádiového signálu. Funkce jsou pevně zakódovány do hardwaru, což omezuje flexibilitu a možnost aktualizací.
AI-RAN využívá obecný hardware akcelerovaný pomocí GPU (Graphics Processing Units), který umožňuje softwarově definované zpracování. Funkce RAN jsou implementovány jako software, například pomocí knihoven jako NVIDIA Aerial, což umožňuje snadnější aktualizace a přidávání nových funkcí. Je tak možné rychlejší nasazení nových technologií a standardů (např. přechod na 6G).
Případová studie: SoftBank a NVIDIA
SoftBank úspěšně realizovala outdoorové poleové testy AI-RAN ve městě Fujisawa v Japonsku, využívající hardware akcelerovaný NVIDIA a software NVIDIA Aerial jako technický základ. Klíčové body tohoto úspěchu zahrnují:
- První outdoorový 5G AI-RAN poleový test na platformě akcelerované NVIDIA.
- Dosažení výkonu na úrovni operátora: SoftBank dosáhla přenosové rychlosti 1,3 Gbps v ideálních podmínkách a 816 Mbps v reálném nasazení.
- Multi-tenancy a orchestrace AI a RAN: Úspěšné současné provozování AI a RAN pracovních zátěží bez kompromisů v výkonu.
- Validace energetické účinnosti a ekonomických přínosů: Potvrzení nižší spotřeby energie a vyšší ekonomické rentability oproti tradičním systémům.
- Integrace AI marketplace: Zavedení řešení pro propojení AI poptávky s AI-RAN infrastrukturou, což umožňuje monetizaci AI služeb.
Budoucí směřování a možnosti
- Komercializace AI-RAN: SoftBank plánuje komerční uvedení AI-RAN produktů v roce 2026, což otevře cestu dalším operátorům k přijetí této technologie.
- Vývoj AI aplikací: S rostoucí dostupností AI-RAN infrastruktury se očekává nárůst vývoje nových AI aplikací pro různé průmysly.
- Vylepšení hardware: S příchodem nových NVIDIA superčipů, jako je Grace Blackwell a Vera Rubin, se očekává další zvýšení výkonu a efektivity AI-RAN systémů.
AI-RAN představuje zajímavý krok v telekomunikacích, umožňující operátorům přejít z tradičních jednoúčelových sítí na víceúčelovou infrastrukturu schopnou současně zpracovávat RAN a AI pracovní zátěže. Přestože existují určité výzvy, jako jsou počáteční investice a komplexita implementace, výhody v podobě energetické účinnosti, ekonomické rentability a připravenosti na budoucnost převyšují nevýhody.
Vše ale závisí na tom, zda se bude využívání AI technologií dále rozšiřovat a tedy bude poptávka po tomto typu přenosů. Nvidia spolu se Softbankem se snaží termín hodně tlačit, ačkoliv původně řada těch užití byla vnímána spíše jako Průmysl 4.0. Ale fakt je, že označení AI provoz je přesnější a lépe zachycuje změny, k nimž v sítích dochází.
Další zdroje: AI-RAN aliance
