Gepresenteerd door Booz Allen
AI-RAN, of Artificial Intelligence Radio Area Networks, is een nieuwe kijk op wat draadloze infrastructuur kan doen. In plaats van het netwerk te behandelen als een passief kanaal voor gegevens, verandert AI-RAN het in een actieve rekenlaag. Het is een sensor, een computerstructuur en een besturingsvlak voor fysieke operaties, allemaal in één. Die verschuiving heeft enorme gevolgen voor industrieën, van productie en logistiek tot gezondheidszorg en slimme infrastructuur.
VentureBeat sprak met twee leiders die centraal stonden in deze transformatie: Chris Christou, senior vice-president bij Booz Allen, en Shervin Gerami, managing director bij Cerberus Operations Supply Chain Fund.
“AI-RAN kan de belofte van uitbreiding van 5G- en uiteindelijk 6G-netwerken naar de onderneming brengen”, aldus Christou. “Bewijzen dat een platform inferentie aan de edge kan hosten om nieuwe soorten AI mogelijk te maken – in het bijzonder fysieke AI en gebruiksscenario’s van het autonomie-type voor zaken als slimme productie en slimme opslag – kan operaties efficiënter en effectiever maken.”
“AI-RAN laat bedrijven overstappen van het digitaliseren van processen naar het autonoom exploiteren ervan”, voegde Gerami eraan toe. “De bedrijfsinvesteringen moeten AI-RAN niet zien als een netwerkupgrade. Het is een besturingssysteem voor fysieke industrieën.”
Het verschil tussen AI voor RAN, AI op RAN en AI en RAN
Het verschil tussen AI voor RAN, AI op RAN en AI en RAN is van cruciaal belang. AI op RAN voert AI-workloads van ondernemingen uit op de edge-compute-infrastructuur die is geïntegreerd met het RAN, waardoor realtime toepassingen zoals computer vision, robotica en gelokaliseerde LLM-inferentie mogelijk worden gemaakt.
AI en RAN vertegenwoordigen de diepere convergentie – waarbij netwerken zijn ontworpen om AI-native te zijn, waarbij AI-workloads en radio-infrastructuur samen zijn ontworpen als een gecoördineerd, gedistribueerd systeem. In dit stadium evolueert RAN van een transportlaag naar een fundamentele laag van de AI-economie.
“Dit is het transformerende deel”, zei Gerami. “Het ontwerpt samen met netwerken applicaties. Nu kent de applicatie de netwerkstatus en begrijpt het netwerk de bedoeling van de applicatie. AI voor RAN bespaart geld. AI op RAN voegt mogelijkheden toe. Vervolgens creëren AI en RAN samen geheel nieuwe bedrijfsmodellen.”
Het is dit gelaagde raamwerk dat AI-RAN meer maakt dan een stapsgewijze evolutie van bestaande draadloze technologie, en in plaats daarvan een platformverschuiving die het netwerk opent voor het soort ontwikkelaarsecosysteem en applicatie-innovatie dat historisch gezien het domein van cloud computing is geweest.
Hoe ISAC het netwerk tot een sensor maakt
Geïntegreerde detectie en communicatie (ISAC) vormt het centrum van de infrastructuur. Het netwerk wordt de sensor, een geconvergeerde infrastructuur die tegelijkertijd communiceert en de omgeving waarneemt en tegelijkertijd algoritmen en applicaties aan de edge host. Het zal drone-detectie, voetgangersveiligheid en autodetectie mogelijk maken, en uiteindelijk zelfs nog meer innovatieve gebruiksscenario’s.
De ondernemingswaardepropositie van ISAC en een netwerk als sensor is duidelijk, zegt Gerami. Tegenwoordig vertrouwen organisaties op meerdere afzonderlijke systemen om situationeel bewustzijn te bereiken: camera’s, radar, asset trackers, bewegingssensoren en meer. Elk heeft zijn eigen onderhoudslast, integratieoverhead en leveranciersrelatie. ISAC heeft het potentieel om veel van deze mogelijkheden native binnen het netwerk te verwerken.
“Met ISAC kun je binnen fabrieken en ziekenhuizen asset tracking doen met een nauwkeurigheid van minder dan een meter”, legt hij uit. “Je kunt bewegingspatronen, perimeterdoorbraken en afwijkingen detecteren. Slimme gebouwen kunnen beschikken over bezettingsbewuste HVAC en energie-optimalisatie.”
Hoe AI-RAN milliseconden buiten de rand van AI en gevolgtrekking scheert
Met AI-RAN worden edge-AI en inferentie met lage latentie een boost gegeven in gebruiksscenario’s zoals realtime roboticabeheer, onmiddellijke kwaliteitsinspectie en voorspellend onderhoud. Er zijn toepassingen waarbij de latentiekloof tussen cloud en edge het verschil is tussen een systeem dat werkt en een systeem dat niet werkt.
“Waar edge AI in actie komt, is het aansturen van operaties in milliseconden, niet in seconden, wat de cloud doet”, legt Gerami uit.
Gesplitste gevolgtrekkingen kunnen het spel ook veranderen, zegt Christou.
“Je hebt veel verschillende gebruiksscenario’s waarbij de verwerking op het apparaat plaatsvindt, waardoor dat apparaat duurder wordt en meer energie verbruikt”, zei hij. “Nu is er de mogelijkheid om dat over te brengen naar een lokale AI-RAN-stack, en zelfs om concepten als gesplitste inferentie te gebruiken, dus je doet een deel van de gevolgtrekking op het apparaat, een deel op de edge AI-RAN-stack en een deel in de cloud, allemaal passend bij de gebruiksscenario’s en de tijdschaal van de vereiste verwerking.”
Waarom de timing van AI-RAN-investeringen nu van cruciaal belang is
AI-RAN-investeringen hebben een smal en strategisch kritisch venster, zeiden zowel Germani als Christou.
“5G-infrastructuur wordt al ingezet en bereikt bijna een punt van voltooiing. 6G-standaarden zijn nog niet vastgelegd”, legt Gerami uit. “Dit is een architectonisch moment voor AI-RAN. Het maakt het mogelijk om van RAN niet alleen een telco-centrisch ontwerp te maken. Het stelt de onderneming in staat om de mede-maker van de applicatie te worden, de inkomsten- en waardegenerator van die netwerkinfrastructuur.”
Historisch gezien heeft bedrijfs-IT draadloze standaarden geconsumeerd in plaats van deze te hebben gevormd. De open architectuur van AI-RAN, gebouwd op softwaregedefinieerde, cloud-native, gecontaineriseerde componenten, verandert de dynamiek van standaardisatie.
“Vroeger was het in de draadloze industrie een zeer lange cyclus. Nu zien we een impuls om het geïmplementeerd te krijgen, het op de markt te brengen, vroege pilots te krijgen, en dan zullen we zien hoe de technologie werkt”, zei Christou. Tegelijkertijd kunt u parallel beginnen met het definiëren van de normen. Je hebt praktijkervaring met implementatie en kunt invloed uitoefenen op de manier waarop die standaarden vorm krijgen.”
En het toegangspunt is toegankelijk, voegde Gerami eraan toe.
“De toetredingsdrempel is erg laag”, zegt hij. “Op dit moment is het allemaal op code gebaseerd, allemaal software. Het is niet anders dan het downloaden van software. Je krijgt een Nvidia-box en je kunt deze inzetten met een radio.”
Waarom AI-RAN de toekomst is van innovatieve AI-use cases
“Wij zien AI-RAN als een open architectuur die echt innovatie stimuleert”, aldus Gerami. “Het is een vliegwiel voor innovatie. We willen alles creëren om microservices te zijn, open native, cloud native, zodat partners verticale AI-apps kunnen bouwen. Er is momenteel zoveel aandacht in de industrie over hoe we AI effectief kunnen adopteren, hoe het autonomie en robotica mogelijk zal maken. Dit is een van die fundamentele onderdelen die kunnen helpen sommige van die gebruiksscenario’s te realiseren. De toekomst gaat over het bezitten van die fysieke gevolgtrekking.”
“Er is momenteel zoveel aandacht in de industrie over hoe we AI effectief kunnen adopteren – hoe het autonomie en robotica mogelijk zal maken,” zei Christou. “Dit is een van die fundamentele stukken die kunnen helpen bij het realiseren van enkele van die gebruiksscenario’s.”
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en deze is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
