es.wedoany.com Noticia: El 4 de junio, Lite-On Technology de Taiwán, China, anunció la finalización de una demostración técnica de AI-RAN que integra de forma nativa la IA en la red de acceso por radio 5G, en colaboración con la Universidad de Tecnología y Diseño de Singapur (SUTD) y su empresa emergente NeuroRAN, impulsando la comercialización de aplicaciones de IA en el borde que son en tiempo real, energéticamente eficientes y con capacidad de protección de la privacidad.
Esta demostración integró la unidad de radio O-RU de alto rendimiento de Lite-On Technology, las aplicaciones de aprendizaje profundo desarrolladas por SUTD y la plataforma NVIDIA AI Aerial en una misma arquitectura 5G AI-RAN. La solución emplea modelos como Swin Transformer para la detección de objetos en tiempo real, y utiliza detección espectral impulsada por IA y tecnología de segmentación dinámica de modelos para distribuir la carga computacional de IA entre los dispositivos de usuario, los nodos de borde y la nube según las condiciones de la red en tiempo real. En comparación con los métodos de implementación de modelos fijos, esta arquitectura puede reducir la latencia de extremo a extremo, optimizar el consumo de energía y permitir que los datos sensibles permanezcan en la medida de lo posible en el dispositivo, mejorando así la viabilidad de implementación de la IA en el borde en escenarios como vigilancia inteligente, ciudades inteligentes y automatización industrial. Lite-On Technology también integró la UPF distribuida en la red central 5G, acortando aún más la ruta de datos y acercando las tareas de inferencia de IA al lugar real del negocio.
Esta solución se orienta a la intersección de la fabricación de equipos de comunicación, las redes de comunicación y el procesamiento inteligente de datos, siendo sus objetos centrales 5G AI-RAN, pequeñas estaciones base O-RU, IA en el borde y redes de acceso por radio abiertas.
AI-RAN se está convirtiendo en una de las rutas tecnológicas clave en la evolución de 5G a 6G. Las redes de acceso por radio tradicionales se encargan principalmente de la conexión y la retransmisión de datos, mientras que las aplicaciones de IA suelen ejecutarse en la nube o en servidores de borde, existiendo problemas como la latencia de red, la programación de la potencia computacional, la privacidad de los datos y el equilibrio energético entre ambas. Al integrar de forma nativa la capacidad de IA en la red de acceso por radio, la red puede ajustar en tiempo real la ubicación del cómputo según el estado del espectro, la carga del terminal, el tipo de servicio y el entorno del sitio, permitiendo que el reconocimiento de video, la inspección industrial, la percepción del tráfico urbano, la seguridad en parques empresariales y las aplicaciones de redes privadas empresariales obtengan menor latencia y mayor eficiencia. Para los operadores, este tipo de arquitectura ayuda a actualizar la red 5G de un simple conducto de conexión a una plataforma inteligente de borde capaz de alojar servicios de IA; para los fabricantes de equipos, la capacidad de coordinación entre O-RU, la red central, la computación en el borde y el software de IA se convertirá en un componente importante de la competencia en equipos de red de la próxima etapa.
Lite-On Technology también propuso que, en el futuro, utilizará NVIDIA DGX Spark para ayudar a los operadores de telecomunicaciones a iniciar rápidamente la investigación, verificación e implementación de servicios de IA de borde de próxima generación, permitiendo a los operadores realizar primero el desarrollo de modelos de IA y pruebas a pequeña escala, para luego expandirse gradualmente a redes 5G comerciales e infraestructuras de red futuras. A medida que aumente la demanda de percepción en tiempo real en redes privadas empresariales, fábricas inteligentes, gobernanza urbana e infraestructura de transporte, el valor de AI-RAN se reflejará más en la "capacidad de procesamiento inmediato en el lugar de la red", y no solo en la mejora de la velocidad inalámbrica. Si la arquitectura relacionada se verifica en más redes de operadores y escenarios industriales, la red de borde 5G podrá asumir más fácilmente servicios de IA en tiempo real, acumulando también una base de ingeniería para la arquitectura de red nativa de IA del futuro 6G.
La implementación posterior aún dependerá del ritmo de las pruebas piloto de los operadores de telecomunicaciones, la adaptación del ecosistema O-RAN, el costo de la potencia computacional en el borde y la demanda real de los clientes industriales por el procesamiento localizado de IA. Esta demostración conjunta de Lite-On Technology, la Universidad de Tecnología y Diseño de Singapur y NeuroRAN proporciona una muestra más cercana a un entorno de red real para que AI-RAN pase de la prueba de concepto a la implementación comercial.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
