Nvidia вече трансформира изкуствения интелект, центровете за данни, игрите и изчисленията. Сега компанията изглежда насочва поглед към друга мащабна индустрия: телекомуникациите. Според съобщения в специализираните издания, обобщени от LightReading, Nvidia проучва един от най-амбициозните си проекти досега – специализиран чип, предназначен за бъдещо 6G радио оборудване. Ход, който би могъл коренно да промени начина, по който се изграждат и функционират мобилните мрежи.
Мобилните мрежи днес разчитат до голяма степен на специално проектирани чипове. Тези чипове са изключително ефективни, но са проектирани да изпълняват само специфични задачи. Визията на Nvidia е различна. Компанията иска да замени много от тези компоненти с програмируеми, AI изчислителни платформи, изградени около GPU технология.
Ерата на AI RAN
Стратегията е част от по-широката инициатива на Nvidia „AI-RAN“, която има за цел да внедри изкуствения интелект директно в мрежата за радио достъп (RAN) – критичната инфраструктура, която свързва смартфони и устройства с мобилни мрежи. Досега усилията на Nvidia бяха фокусирани до голяма степен върху сървърите и изчислителните системи, които стоят зад мобилните мрежи. Следващата стъпка би била още по-радикална: внедряване на технологията на Nvidia директно в радио хардуера, монтиран на кули и покриви.
За основни 4G и по-прости 5G конфигурации, специален радио чип не беше необходим, тъй като обработката на данни на физическия слой (Layer 1 PHY) се извършваше на централизирания сървър. Радио устройството просто помещаваше основни приемо-предаватели и преобразуватели на данни, за да превърне аналоговите вълни в цифрови нули и единици.
Тъй като клетъчните мрежи преминават към масивни MIMO и се подготвят за 6G, огромният обем данни налага разделение. Самото радио устройство вече трябва да изчислява усъвършенствани алгоритми за формиране на лъча – насочвайки сигналите директно към движещи се потребители, вместо сляпо да излъчват през дадена зона.
Предстоящият 6G чип на Nvidia е насочен точно към тази преломна точка. Nvidia възнамерява да вгради своята архитектура за паралелна обработка директно в радио оборудването. Това позволява на операторите да използват алгоритми с изкуствен интелект точно в края на мрежата, отключвайки динамична гъвкавост на спектъра.
Например, ако локална интерференция или заглушител на сигнала достигне определена честота, интегрираният изкуствен интелект може незабавно да изолира и замрази само засегнатата честота в реално време, поддържайки останалата част от клетъчната система онлайн без прекъсване на услугата.
Много предизвикателства за решаване
Предложението не е без предизвикателства. Телекомуникационните оператори са изключително чувствителни към консумацията на енергия, а радио кулите представляват по-голямата част от потреблението на енергия в много мобилни мрежи. Критиците поставят под въпрос дали решенията, базирани на графични процесори, могат да се сравнят с ефективността на персонализирания процесор.
Nvidia обаче твърди, че нискоенергийните вградени технологии, които вече внедрява в индустрии като автомобилостроенето и роботиката, показват, че графичните процесори могат да работят ефективно в среди с ограничена мощност. Това, което прави развитието особено важно, е нарастващата конвергенция на изкуствения интелект и телекомуникациите.
Експертите в индустрията все повече разглеждат 6G не просто като по-бърза версия на 5G, а като платформа, проектирана от самото начало за услуги, автоматизация и интелигентно управление на мрежи. Nvidia вече е инвестирала сериозно в телекомуникационни партньорства и вижда безжичната инфраструктура като една от следващите възможности за изкуствения интелект.
Все още е рано. Официалните 6G стандарти не се очаква да бъдат финализирани до 2029 г., а комерсиалното внедряване остава за след години. Въпреки това, този ход на Nvidia предлага поглед върху това как биха могли да се развият бъдещите мобилни мрежи и е навременен – сега, когато спецификацията още не е готова. Вместо да разчитат на фиксиран хардуер, който се променя само на всеки няколко години, мрежите на утрешния ден биха могли да се превърнат в софтуерно дефинирани AI платформи, които непрекъснато се учат, адаптират и подобряват.
