es.wedoany.com Noticia: La próxima fase de la RAN estará definida por la convergencia de la IA, la nube y la apertura. En un seminario web reciente organizado por RCR Wireless News, el fundador de Téral Research, Stéphane Téral, el responsable de IA-RAN y Cloud RAN de Nokia, Aji Ed, y el director de estrategia de RAN de TELUS, Sushil Rawat, exploraron la evolución desde la automatización de redes hasta las perspectivas de la IA-RAN.
Téral situó la IA-RAN en un continuo de desarrollo más amplio. Las redes autoorganizadas se establecieron formalmente en la Release 8 de 3GPP, y los algoritmos de aprendizaje automático comenzaron a mejorar las funciones SON hace aproximadamente una década. El controlador inteligente de la RAN y su ecosistema de aplicaciones representan una evolución, no una revolución, en los esfuerzos de la industria por reducir la intervención manual. Esta historia también ha cambiado la forma de evaluar Open RAN. Téral rechazó la idea de que Open RAN haya fracasado, afirmando que ofrece flexibilidad y libertad para elegir proveedores. Las interfaces abiertas crean una base programable para funciones nativas de la nube y aplicaciones impulsadas por IA.
Téral describió principalmente el mercado actual como "IA para la RAN", es decir, la aplicación de IA para mejorar el rendimiento, la automatización y la eficiencia espectral. La infraestructura compartida entre la RAN y las cargas de trabajo de IA, así como los servicios de IA en el borde, representan la dirección a más largo plazo. Aunque el caso de negocio aún no está claro, dejó explícito que esta es la dirección que seguirá la industria, sin vuelta atrás. La respuesta de Nokia es una plataforma de RAN nativa de IA construida sobre su software anyRAN y la plataforma NVIDIA Aerial AI-RAN, que ofrece tres vías de adopción: complementos acelerados, nodos de IA-RAN independientes e implementaciones nativas de la nube, todas conformes con las especificaciones de Open RAN.
La demanda inmediata es el aumento de capacidad. Nokia afirma que los algoritmos de radio impulsados por IA ya han demostrado mejoras de eficiencia espectral superiores al 20%, con planes de alcanzar el 50% para 2027 y más del 100% para 2028. Ed resumió su ambición con el objetivo de lograr el doble de capacidad de red y eficiencia espectral. Sin embargo, considera que la IA-RAN no debería convertirse en un debate sobre un procesador específico; las decisiones de implementación deben seguir la carga de trabajo, la ubicación y la economía, siendo clave proporcionar la computación correcta en el lugar correcto con la configuración correcta.
Rawat situó el debate en el contexto de la transformación de Open RAN en la red actual de TELUS. El operador inició el proyecto durante el ciclo de actualización de hardware a finales de 2023, y actualmente Open RAN representa aproximadamente el 25% de su red, con el objetivo de alcanzar el 40% para finales de año, el 50% para finales de 2027 y el 100% para 2029. El despliegue multiveedor considera la interoperabilidad como un requisito operativo. Para TELUS, la clasificación de la IA-RAN es secundaria, impulsada por los resultados. Según las necesidades actuales, Rawat prevé que TELUS no necesitará implementar GPU en las estaciones base en los próximos 12 meses, aunque la computación acelerada centralizada está relacionada con el entrenamiento de modelos, los gemelos digitales y la detección de anomalías. La cuestión más difícil es llevar la IA de las demostraciones a la producción segura, lo que requiere atención a la gestión de identidades y accesos, el control de conflictos, las salvaguardas y la integración con los procesos de gestión de cambios.
El valor de la IA-RAN dependerá en última instancia de mejoras de capacidad medibles, automatización controlable y orquestación eficaz, no de nombres de marca. Open RAN y Cloud RAN proporcionan la base; ahora la IA debe demostrar que puede mejorar la economía y la fiabilidad de las redes de producción.
