de.wedoany.com-Bericht: Am 4. Juni gab Lite-On Technology aus Taiwan, China, bekannt, dass sie gemeinsam mit der Singapore University of Technology and Design (SUTD) und deren Start-up NeuroRAN eine AI-RAN-Technologiedemonstration abgeschlossen haben, bei der KI nativ in das 5G-Funkzugangsnetz integriert wird. Dies fördert die Kommerzialisierung von Echtzeit-, energieeffizienten und datenschutzfreundlichen Edge-KI-Anwendungen.
Bei dieser Demonstration wurden die leistungsstarken O-RU-Funkgeräte von Lite-On Technology, die von der SUTD entwickelten Deep-Learning-Anwendungen und die NVIDIA AI Aerial-Plattform in einer einzigen 5G AI-RAN-Architektur integriert. Die Lösung verwendet Modelle wie die Echtzeit-Objekterkennung mit Swin Transformer und nutzt KI-gesteuerte Spektrumerfassung sowie dynamische Modellpartitionierung, um die KI-Rechenlast basierend auf den Echtzeit-Netzwerkbedingungen zwischen Benutzergeräten, Edge-Knoten und der Cloud zu verteilen. Im Vergleich zu festen Modellbereitstellungsmethoden kann diese Architektur die Ende-zu-Ende-Latenz reduzieren, den Energieverbrauch optimieren und sensible Daten so weit wie möglich auf dem Gerät belassen, wodurch die Einsatzfähigkeit von Edge-KI in Szenarien wie intelligenter Überwachung, Smart Cities und industrieller Automatisierung verbessert wird. Lite-On Technology hat außerdem eine verteilte UPF in das 5G-Kernnetz integriert, um den Datenpfad weiter zu verkürzen und KI-Inferenzaufgaben näher an den tatsächlichen Geschäftsbetrieb zu bringen.
Diese Lösung adressiert die Schnittstelle zwischen Kommunikationsgeräteherstellung, Kommunikationsnetzen und intelligenter Datenverarbeitung, wobei die Kernobjekte 5G AI-RAN, O-RU-Kleinzellen, Edge-KI und offene Funkzugangsnetze sind.
AI-RAN entwickelt sich zu einem der Schlüsseltechnologiepfade für die Entwicklung von 5G zu 6G. Traditionelle Funkzugangsnetze übernehmen hauptsächlich Verbindungs- und Datenweiterleitungsfunktionen, während KI-Anwendungen typischerweise in der Cloud oder auf Edge-Servern laufen. Dazwischen bestehen Probleme wie Netzwerklatenz, Rechenlastverteilung, Datenschutz und Energiebilanz. Durch die native Einbettung von KI-Fähigkeiten in das Funkzugangsnetz kann das Netzwerk den Berechnungsort basierend auf dem Spektrumzustand, der Endgerätelast, dem Diensttyp und der Umgebung in Echtzeit anpassen, sodass Videoerkennung, industrielle Inspektion, städtische Verkehrserfassung, Parkplatzsicherheit und Unternehmensnetzanwendungen eine geringere Latenz und höhere Effizienz erzielen. Für Betreiber hilft eine solche Architektur, das 5G-Netz von einer reinen Verbindungspipeline zu einer Edge-Intelligenzplattform aufzuwerten, die KI-Dienste hosten kann. Für Gerätehersteller wird die Kooperationsfähigkeit von O-RU, Kernnetz, Edge-Computing und KI-Software ein wichtiger Bestandteil des Wettbewerbs bei Netzwerkgeräten der nächsten Stufe sein.
Lite-On Technology kündigte außerdem an, dass sie in Zukunft mit NVIDIA DGX Spark Telekommunikationsanbietern helfen werden, die Forschung, Validierung und Bereitstellung von Edge-KI-Diensten der nächsten Generation schnell voranzutreiben. So können Betreiber zunächst KI-Modelle entwickeln und in kleinem Maßstab testen, bevor sie schrittweise auf kommerzielle 5G- und zukünftige Netzwerkinfrastrukturen ausweiten. Mit der steigenden Nachfrage nach Echtzeiterfassung in Unternehmensnetzen, Smart Factories, Stadtverwaltung und Verkehrsinfrastruktur wird der Wert von AI-RAN mehr in der Fähigkeit zur „sofortigen Verarbeitung am Netzwerkstandort" liegen, nicht nur in der reinen Steigerung der drahtlosen Geschwindigkeit. Wenn entsprechende Architekturen in mehr Betreibernetzen und Branchenszenarien validiert werden, können 5G-Edge-Netzwerke leichter Echtzeit-KI-Dienste übernehmen und gleichzeitig eine technische Grundlage für die KI-native Netzwerkarchitektur des zukünftigen 6G schaffen.
Die anschließende Umsetzung hängt weiterhin vom Pilotierungstempo der Telekommunikationsanbieter, der Anpassung des O-RAN-Ökosystems, den Kosten für Edge-Rechenleistung und der tatsächlichen Nachfrage der Industriekunden nach lokalisierter KI-Verarbeitung ab. Diese gemeinsame Demonstration von Lite-On Technology, der SUTD und NeuroRAN bietet ein realistischeres Beispiel für die Umgebung eines echten Netzwerks, um AI-RAN von der Konzeptvalidierung zur kommerziellen Bereitstellung zu führen.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
