de.wedoany.com-Bericht: Die nächste Phase von RAN wird durch die Konvergenz von KI, Cloud und Offenheit definiert. In einem kürzlich von RCR Wireless News veranstalteten Webinar erörterten Stéphane Téral, Gründer von Téral Research, Aji Ed, Leiter für AI-RAN und Cloud RAN bei Nokia, sowie Sushil Rawat, Direktor für RAN-Strategie bei TELUS, die Entwicklung von Netzwerkautomatisierung bis hin zu den Aussichten von AI-RAN.
Téral ordnete AI-RAN in ein längeres Entwicklungskontinuum ein. Selbstorganisierende Netzwerke wurden in 3GPP Release 8 formal etabliert, und maschinelle Lernalgorithmen begannen vor etwa einem Jahrzehnt, SON-Funktionen zu verbessern. Der RAN-Intelligent-Controller und sein Anwendungsökosystem sind eine Evolution, keine Revolution, in den Bemühungen der Branche, manuelle Eingriffe zu reduzieren. Diese Geschichte hat auch die Art und Weise verändert, wie Open RAN bewertet wird. Téral wies die Ansicht zurück, dass Open RAN gescheitert sei, und betonte, dass es Flexibilität und die Freiheit bei der Auswahl von Anbietern biete. Offene Schnittstellen schaffen eine programmierbare Grundlage für cloud-native Funktionen und KI-gesteuerte Anwendungen.
Téral beschrieb den aktuellen Markt hauptsächlich als „KI für RAN", also die Anwendung von KI zur Verbesserung von Leistung, Automatisierung und Spektrumeffizienz. Die gemeinsame Infrastruktur für RAN- und KI-Workloads sowie Edge-KI-Dienste repräsentieren die langfristigere Richtung. Obwohl der Geschäftsfall noch nicht eindeutig ist, stellte er klar, dass dies der Weg der Branche nach vorne ist und es kein Zurück gibt. Die Antwort von Nokia ist eine KI-native RAN-Plattform, die auf seiner anyRAN-Software und der NVIDIA Aerial AI-RAN-Plattform aufbaut und drei Einführungspfade bietet: beschleunigte Plug-ins, eigenständige AI-RAN-Knoten und cloud-native Implementierungen, die alle den Open-RAN-Spezifikationen entsprechen.
Der unmittelbare Anspruch ist die Kapazitätssteigerung. Nokia gibt an, dass KI-gesteuerte Funkalgorithmen bereits eine Steigerung der Spektrumeffizienz von über 20 % gezeigt haben, mit dem Ziel, bis 2027 50 % und bis 2028 über 100 % zu erreichen. Ed fasste seinen Ehrgeiz zusammen, mit dem Ziel, die doppelte Netzkapazität und Spektrumeffizienz zu bringen. Er betonte jedoch, dass AI-RAN keine Debatte über einen bestimmten Prozessor sein sollte; Bereitstellungsentscheidungen sollten Workloads, Standort und Wirtschaftlichkeit folgen, wobei es entscheidend ist, die richtige Rechenleistung am richtigen Ort in der richtigen Konfiguration bereitzustellen.
Rawat stellte die Diskussion in den Kontext der Open-RAN-Transformation im Live-Netz von TELUS. Der Betreiber startete das Projekt im Hardware-Erneuerungszyklus Ende 2023; Open RAN macht derzeit etwa 25 % seines Netzwerks aus, mit dem Ziel, bis Jahresende 40 %, bis Ende 2027 50 % und bis 2029 100 % zu erreichen. Multi-Vendor-Bereitstellungen betrachten Interoperabilität als betriebliche Anforderung. Für TELUS ist die Klassifizierung von AI-RAN zweitrangig und ergebnisgetrieben. Basierend auf dem aktuellen Bedarf erwartet Rawat, dass TELUS in den nächsten 12 Monaten keine GPUs an Basisstationen bereitstellen muss, obwohl zentralisierte beschleunigte Rechenleistung mit Modelltraining, digitalen Zwillingen und Anomalieerkennung verbunden ist. Die schwierigere Frage ist, KI von Demonstrationen in die Produktionssicherheit zu bringen, was Aufmerksamkeit für Identitäts- und Zugriffsmanagement, Konfliktkontrolle, Schutzmaßnahmen und die Integration in Änderungsmanagementprozesse erfordert.
Der Wert von AI-RAN wird letztendlich von messbaren Kapazitätssteigerungen, kontrollierbarer Automatisierung und effektiver Orchestrierung abhängen, nicht von Markennamen. Open RAN und Cloud RAN bieten die Grundlage; KI muss nun beweisen, dass sie die Wirtschaftlichkeit und Zuverlässigkeit von Produktionsnetzwerken verbessern kann.
