Nokia опубликовала аналитический отчёт, подготовленный Chetan Sharma Consulting по заказу вендора, о перспективах технологии AI‑RAN. В документе подтверждаются сделанные ранее заявления о потенциальном росте спектральной эффективности на 50% к 2027 году и на 100% к 2028 году, но с существенными оговорками. AI‑RAN предполагает замену специализированных чипов ASIC на графические процессоры (GPU) в сетях радиодоступа.

Что такое AI‑RAN и зачем он нужен

AI‑RAN призван ускорить модернизацию сетевой архитектуры. Цикл обновления ASIC для базовых станций составляет 3–5 лет, тогда как новые поколения GPU выходят раз в два года, а ИИ‑модели обновляются каждые несколько недель. Переход на программируемые GPU‑платформы, разработанные совместно с NVIDIA, позволяет обновляться через программное обеспечение, а не «железо», благодаря слою аппаратной абстракции (HAL).

Ещё одна идея концепции — одновременная обработка задач RAN и ИИ на одном сервере. Это достигается с помощью технологии Multi‑Instance GPU (MIG), которая разделяет один физический GPU на несколько логически изолированных частей.

Этапы внедрения AI‑RAN

Подход AI‑RAN реализуется в три этапа:

  • Первый этап (до 2027 года). Опирается на проверенные алгоритмы машинного обучения для оценки каналов и адаптации линка, чтобы доказать способность GPU выдерживать реальные нагрузки RAN. Полевые испытания запланированы на четвёртый квартал 2026 года, а коммерческие решения появятся ближе к концу 2027‑го.
  • Второй этап (2028–2029 годы). Откроет доступ к алгоритмам, плохо реализуемым на классических ASIC, таким как глубокое обучение для формирования луча (beamforming).
  • Третий этап (2029 год и далее). Предполагает переход к 6G, где все функции радиоканала объединятся в единую сквозную ИИ‑модель, что требует огромной вычислительной мощи.

Проблема накопления данных

В отчёте предупреждают: обучающие данные накапливаются только в реальной сети и не передаются между операторами. Каждый сайт, запущенный на первом этапе, собирает калибровочные выборки каналов, историю решений и помеховую статистику, которые затем становятся основой для моделей второго и третьего этапов. Оператор, который начнёт не в 2026 году, а в 2028‑м, столкнётся с холодным стартом — ему придётся самостоятельно накапливать опыт и данные, которые нельзя купить или синтезировать.

Экономический эффект и ограничения

Заявленный прирост спектральной эффективности позиционируется как эквивалент получения новых частот или строительства дополнительных вышек (в плане ёмкости, а не покрытия). По расчётам авторов доклада, высвобождаемые ресурсы обеспечат оператору примерно 15–29 месяцев для поглощения растущего трафика без капитальных затрат. Сэкономленные мощности можно направить на развитие фиксированного беспроводного доступа (FWA) и корпоративных сервисов.

Дополнительный источник дохода — монетизация свободных вычислительных мощностей GPU в формате AI Grid (продажа предприятиям ИИ‑мощностей для робототехники, умных городов и генеративных моделей).

Условия успеха и риски

В отчёте перечислены условия, без которых концепция не будет работать:

  • Энергопотребление. Для фиксированных, хорошо изученных рабочих нагрузок ASIC эффективнее универсальных GPU. Архитектура AI‑RAN жизнеспособна, если суммарное энергопотребление (RAN + ИИ) на GPU будет сравнимо с работой отдельного ASIC и отдельного сервера для ИИ. Дополнительный риск — совпадение пиковой загрузки соты и пика запросов к ИИ‑вычислениям.
  • Ограниченность прироста. Заявленные 50% роста спектральной эффективности — это верхняя граница, а не средний показатель по сети. Таких цифр можно достичь только в определённых условиях: плотная городская застройка, много пользователей, высокая загрузка, TDD, Massive MIMO. В пригороде или сельской местности прирост будет существенно меньше. Около 20% самых нагруженных сайтов дают 60–70% трафика — именно там экономика GPU наиболее очевидна. Для площадок с меньшей нагрузкой отчёт предлагает маломощные графические процессоры или обычные ASIC.
  • Надёжность и безопасность. GPU пока не имеют подтверждённого времени наработки на отказ, сопоставимого с классическим телеком‑оборудованием. Операторам придётся управлять двумя стеками ПО и перестраивать работу центров управления сетью под частые циклы обновления ИИ‑моделей. Переносимость ПО между поколениями GPU также нужно доказать.
  • Бизнес‑процессы. Идея продажи свободных ИИ‑мощностей требует не только валидации на рынке, но и изменений в бизнес‑процессах операторов, поскольку они не умеют продавать ИИ‑инфраструктуру предприятиям.

Кто будет внедрять

Доказательством жизнеспособности концепции AI‑RAN займутся уже состоявшиеся партнёры Nokia и Nvidia — операторы, находящиеся в технологическом авангарде, такие как T‑Mobile и SoftBank. Основная же масса операторов будет наблюдать за экспериментами со стороны, даже если им грозит холодный старт через два‑три года или даже пять лет.