Репортаж от Wedoany，4 июня тайваньская компания Lite-On Technology объявила о завершении демонстрации технологии AI-RAN, интегрирующей искусственный интеллект в сеть радиодоступа 5G, совместно с Сингапурским университетом технологий и дизайна (SUTD) и его стартапом NeuroRAN. Это способствует коммерциализации периферийных AI-приложений с низкой задержкой, энергоэффективностью и защитой конфиденциальности.
В рамках демонстрации высокопроизводительное радиооборудование O-RU от Lite-On Technology, приложения глубокого обучения, разработанные SUTD, и платформа NVIDIA AI Aerial были объединены в единую архитектуру 5G AI-RAN. Решение использует такие модели, как Swin Transformer для обнаружения объектов в реальном времени, а также AI-управляемое зондирование спектра и технологию динамического разделения моделей, распределяя вычислительную нагрузку AI между пользовательскими устройствами, периферийными узлами и облаком в зависимости от состояния сети в реальном времени. По сравнению с фиксированным развертыванием моделей, такая архитектура снижает сквозную задержку, оптимизирует энергопотребление и позволяет максимально сохранять конфиденциальные данные на устройствах, повышая тем самым возможность развертывания периферийного AI в сценариях интеллектуального мониторинга, умных городов и промышленной автоматизации. Lite-On Technology также интегрировала распределенный UPF в ядро сети 5G, дополнительно сокращая путь данных и приближая задачи AI-выводов к реальным бизнес-процессам.
Данное решение охватывает пересечение производства телекоммуникационного оборудования, сетей связи и интеллектуальной обработки данных, а его ключевыми объектами являются 5G AI-RAN, малые базовые станции O-RU, периферийный AI и открытые сети радиодоступа.
AI-RAN становится одним из ключевых технологических направлений в эволюции от 5G к 6G. Традиционные сети радиодоступа в основном выполняют функции подключения и передачи данных, в то время как AI-приложения обычно работают в облаке или на периферийных серверах, что создает проблемы с задержкой сети, распределением вычислительных мощностей, конфиденциальностью данных и балансом энергопотребления. Встраивание AI-возможностей непосредственно в сеть радиодоступа позволяет сети в реальном времени корректировать место вычислений в зависимости от состояния спектра, нагрузки терминалов, типа трафика и условий окружающей среды, обеспечивая более низкую задержку и более высокую эффективность для распознавания видео, промышленного контроля, восприятия городского трафика, безопасности на территории предприятий и корпоративных частных сетей. Для операторов такая архитектура помогает превратить сеть 5G из канала связи в периферийную интеллектуальную платформу, способную поддерживать AI-услуги; для производителей оборудования возможности взаимодействия O-RU, ядра сети, периферийных вычислений и AI-программного обеспечения станут важной частью конкуренции на следующем этапе развития сетевого оборудования.
Lite-On Technology также заявила, что в будущем планирует использовать NVIDIA DGX Spark для помощи телекоммуникационным операторам в быстром исследовании, проверке и развертывании периферийных AI-услуг следующего поколения, позволяя операторам сначала разрабатывать AI-модели и проводить мелкомасштабное тестирование, а затем постепенно расширять их до коммерческих сетей 5G и будущей сетевой инфраструктуры. С ростом потребности в восприятии в реальном времени в корпоративных частных сетях, умных фабриках, городском управлении и транспортной инфраструктуре, ценность AI-RAN будет все больше проявляться в способности «немедленной обработки на месте в сети», а не просто в повышении беспроводной скорости. Если соответствующая архитектура будет проверена в большем количестве сетей операторов и отраслевых сценариев, периферийные сети 5G смогут легче принимать на себя задачи AI в реальном времени, а также заложат инженерную основу для будущей AI-нативной сетевой архитектуры 6G.
Дальнейшее внедрение будет зависеть от темпов пилотных проектов операторов, адаптации экосистемы O-RAN, стоимости периферийных вычислительных мощностей и реального спроса отраслевых клиентов на локализованную обработку AI. Совместная демонстрация Lite-On Technology, SUTD и NeuroRAN предоставила образец, более приближенный к реальной сетевой среде, для перехода AI-RAN от концептуальной проверки к коммерческому развертыванию.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
