Глобальные операторы присоединяются к отраслевым гигантам, таким как Nvidia и Nokia, чтобы инвестировать 45 миллионов долларов в ODC — специалиста по AI RAN (радиодоступу с использованием ИИ). Раунд финансирования Серии А для американского стартапа ознаменовал собой необычное сближение тяжеловесов отрасли. — telecomstechnews.com
Глобальные операторы присоединяются к отраслевым гигантам, таким как Nvidia и Nokia, чтобы инвестировать 45 миллионов долларов в ODC — специалиста по AI RAN (радиодоступу с использованием ИИ).
Раунд финансирования Серии А для американского стартапа ознаменовал собой необычное сближение тяжеловесов отрасли. Редко можно увидеть, чтобы кремниевый гигант вроде Nvidia, традиционный сетевой лидер вроде Cisco, производитель устаревшего радиооборудования вроде Nokia и глобальные телекоммуникационные операторы — включая AT&T, MTN и Telecom Italia — участвовали в одной и той же инвестиции на ранней стадии.
Этот широкий консенсус демонстрирует, что текущая траектория развития сети радиодоступа (самого дорогостоящего и требовательного к эксплуатации сегмента любой сотовой системы) достигает своих физических и экономических пределов.
Задача ODC — создать технологию, которая интегрирует ИИ непосредственно в базовую полосу радиосигнала, заменяя жесткие алгоритмы, закодированные человеком, моделями машинного обучения, способными адаптироваться к меняющимся условиям сети в реальном времени.
Для компаний, зависящих от передовой связности для промышленной автоматизации, крупномасштабного развертывания IoT или частных корпоративных сетей, эта инвестиция служит четким индикатором того, куда движется корпоративная связь.
Телекоммуникационная отрасль отходит от оборудования с одной функцией и все больше полагается на программно-определяемые, интеллектуальные платформы, способные обучаться и оптимизироваться без постоянного вмешательства человека.
Ронни Васишта, старший вице-президент по телекоммуникациям в NVIDIA, заявил: «Отрасль движется к телекоммуникационным сетям, определяемым программным обеспечением и нативным ИИ, что будет иметь решающее значение для эры физического ИИ.
«Стек AI-RAN от ODC является ключевым фактором этого сдвига, превращая современные сети 5G в распределенную вычислительную среду ИИ на беспроводной периферии. Используя платформу NVIDIA Aerial для объединения высокопроизводительного 5G с функциями зондирования, ODC помогает поднять планку инноваций для AI-RAN и создает прочный плацдарм для 6G».
Экономическая необходимость в интеллектуальном радио
Чтобы понять, почему инвестиции в размере 45 миллионов долларов привлекают внимание всей отрасли, необходимо рассмотреть базовую экономику современных телекоммуникаций.
Сеть радиодоступа составляет подавляющую часть капитальных затрат оператора и текущего энергопотребления. Развертывание и обслуживание базовых станций, антенн и блоков базовой полосы, обрабатывающих радиочастоты, невероятно дороги.
Более того, поскольку мировое потребление данных продолжает расти, средний доход на пользователя остается упрямо стабильным. Операторы испытывают огромное давление с целью снижения стоимости передаваемого бита, что вынуждает их искать новые способы извлечения большей пропускной способности из существующих лицензий на спектр.
В течение многих лет отрасль продвигала концепции Open RAN и виртуализированного RAN для коммодитизации оборудования и снижения зависимости от нескольких проприетарных поставщиков оборудования. Однако замена специализированных полупроводников на процессоры общего назначения часто приводит к потере производительности и увеличению энергопотребления.
Специалисты вроде ODC позиционируют AI RAN как решение этой конкретной экономической головоломки. Встраивая ИИ в физический уровень обработки сигналов, операторы могут оптимизировать спектральную эффективность, предвидеть локальные всплески трафика и динамически управлять энергопотреблением прямо у антенны.
Традиционные радиосети передают сигналы с относительно постоянным уровнем мощности на основе заранее запрограммированных параметров. Сеть, нативная для ИИ, напротив, может изучать специфические топографические и поведенческие характеристики отдельного сектора сотовой связи.
Если корпоративный кампус пустеет в шесть вечера, модель ИИ может автономно отключать определенные диапазоны частот, экономя огромное количество электроэнергии, и включать их обратно за миллисекунды до начала запланированного автоматизированного цикла на заводе. Такой уровень динамического распределения ресурсов предоставляет операторам жизнеспособный путь к прибыльности в эпоху 5G.
Переход к радиосети с поддержкой ИИ требует совершенно новой архитектурной парадигмы, что создает огромные проблемы при внедрении. Телекоммуникационные провайдеры не могут просто развернуть обновление программного обеспечения на устаревших блоках базовой полосы и ожидать, что они начнут выполнять сложные модели инференса. Им необходимо полностью перестроить свою периферийную инфраструктуру для поддержки высокопроизводительных вычислительных нагрузок прямо у основания базовой станции.
Эта реальность приводит к сложному столкновению миров ИТ и телекоммуникаций. Размещение графических процессоров наряду с традиционными сетевыми процессорами в суровых с точки зрения окружающей среды, ограниченных по пространству местах — это логистический кошмар.
На периферийных вычислительных узлах отсутствует климат-контроль и резервные электросети, присущие гипермасштабируемым центрам обработки данных. Запуск моделей инференса ИИ требует специализированных полупроводников (отсюда и большой интерес Nvidia к ODC), которые традиционно выделяют значительное количество тепла. Управление тепловыми режимами и динамикой энергопотребления тысяч распределенных узлов ИИ — это препятствие, которое операторы должны решить до того, как AI RAN достигнет широкого коммерческого развертывания.
Помимо аппаратного обеспечения, данных, необходимых для обучения и уточнения этих моделей, ошеломляющее количество. Сетевые операторы должны развить способность ежедневно принимать, нормализовать и анализировать петабайты радиометрических данных. Большинство телекоммуникационных провайдеров в настоящее время не обладают достаточной зрелостью данных для обработки такого объема без перегрузки собственных каналов обратной связи.
Следовательно, телеметрия должна обрабатываться и использоваться локально на периферии для обеспечения соблюдения требований к задержке — это требует высокосложной распределенной программной архитектуры, с которой многие устаревшие операторы совершенно не знакомы.
Управление вероятностной сетью
Пожалуй, самым внушительным препятствием является концептуальная эволюция, необходимая для перехода от детерминированного проектирования к вероятностным операциям.
Традиционная телекоммуникационная инфраструктура построена на предпосылке абсолютной предсказуемости. Определенный вход гарантирует определенный выход, предписанный строгими стандартами, установленными глобальными регулирующими органами. Модели ИИ по своей природе выводят и предсказывают, а не следуют абсолютным правилам.
Передача управления управлением радиоресурсами вероятностному механизму вводит совершенно новые категории операционных рисков. Если модель машинного обучения неверно истолкует аномалию в поведении пользователей и решит отключить макросоту во время локальной чрезвычайной ситуации, последствия будут серьезными. Сбои в сети, вызванные «галлюцинациями» ИИ, вызовут огромное регуляторное внимание и непоправимо подорвут доверие предприятий.
Следовательно, прежде чем эти системы смогут управлять реальным трафиком, необходимо создать системы управления. Сетевые инженеры должны будут внедрить детерминированные границы вокруг моделей ИИ. Эти предохранители гарантируют, что независимо от того, что рекомендует нейронная сеть, физическое оборудование не сможет превысить установленные эксплуатационные параметры и параметры безопасности.
Создание таких ограничителей требует глубокого понимания как физики радиочастот, так и методов проверки машинного обучения — двух дисциплин, которые редко пересекаются в современном кадровом резерве.
Паллави Махаджан, технический директор и директор по ИИ в Nokia, прокомментировала: «ИИ — это фундаментально новая рабочая нагрузка, которая меняет сетевую архитектуру, стимулируя потребность в программно-определяемых платформах, интеллекте на периферии и непрерывных инновациях.
«Этот сдвиг создает реальное давление на инфраструктуру и требует архитектурных изменений по всей сети. Подход ODC к AI-RAN отражает направление, в котором движется отрасль, переводя RAN в сторону более программно-определяемой, готовой к ИИ платформы. Инвестиции Nokia отражают это направление и нашу нацеленность на создание сетей, нативных для ИИ, в 5G и 6G».
Человеческий аспект этого технологического принятия также требует тщательного управления. Рабочая сила, обслуживающая глобальные коммуникационные сети, десятилетиями оттачивала навыки установки физического оборудования и детерминированных стеков протоколов. Интеграция ИИ требует слияния этого традиционного опыта с наукой о данных, операциями машинного обучения и современными практиками разработки программного обеспечения.
Телекоммуникационным компаниям потребуется агрессивно повышать квалификацию своего персонала, чтобы пережить этот переход. Операционные силосы, которые традиционно разделяли внутренние ИТ-отделы и внешние команды сетевого инжиниринга, должны быть разрушены. Инженеру по радиосвязи и специалисту по данным потребуется общий язык для устранения неполадок в модели ИИ, которая неэффективно распределяет пропускную способность в часы пиковой нагрузки предприятия.
Кроме того, природа машинного обучения требует непрерывного обучения моделей. Радиосреда меняется с временами года, когда растительность растет и блокирует сигналы, или когда новые городские застройки изменяют пути передачи. Модели должны постоянно переобучаться и развертываться, что требует зрелого конвейера развертывания программного обеспечения, который многие операторы все еще с трудом строят.
Почему тяжеловесы поддерживают специалиста по AI RAN — ODC
Участие разработчиков полупроводников, фирм по разработке сетевого ПО и производителей устаревшего оборудования в раунде финансирования ODC подчеркивает более широкую борьбу за будущее телекоммуникационной периферии.
Nvidia явно рассматривает глобальную сеть базовых станций как следующий огромный рубеж для своего корпоративного оборудования ИИ. Обрабатывая рабочие нагрузки ИИ на тех же полупроводниках, которые управляют радиосетью, операторы теоретически могут монетизировать свои периферийные вычислительные активы новыми способами, возможно, сдавая в аренду свободные вычислительные циклы местным предприятиям, когда спрос на сеть низок.
Организации, занимающиеся частными развертываниями 5G или модернизацией своих кампусных сетей, должны потребовать от своих поставщиков ясности относительно их дорожных карт AI RAN. При заключении многолетних контрактов на инфраструктуру сегодня руководители должны убедиться, что базовое оборудование способно поддерживать будущие рабочие нагрузки машинного обучения. Инвестирование в жесткое, устаревшее радиооборудование прямо сейчас рискует превратить его в «застрявшие активы» уже через пять лет.
Предприятия также должны начать рассматривать свою собственную сетевую телеметрию как высокоценный корпоративный актив. По мере того как сети становятся более интеллектуальными, они будут в значительной степени зависеть от данных, поступающих в них от подключенных устройств. Организации, которые успешно используют интеллектуальную инфраструктуру для повышения эффективности бизнеса, будут теми, кто потратил предыдущие годы на структурирование, очистку и защиту своих сетевых данных. Эпоха статической, предсказуемой сети подходит к концу, уступая место инфраструктуре, которая думает, адаптируется и учится в реальном времени.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Ryan Daws