تجتذب شبكة الوصول الراديوي (AI RAN) استثمارات كبيرة من مقدمي خدمات الاتصالات في سعيهم لتحسين الكفاءة لتقليل نفقاتهم، حيث توقعت مؤسسة جونيبر للأبحاث مؤخرًا أن المشغلين سيستثمرون 21 مليار دولار في تقنيات الذكاء الاصطناعي هذا العام.
في حين أن التكنولوجيا توفر للشبكات درجة أكبر من الاستقلالية، فإن التطبيق يختلف عن الشبكات المستقلة الحقيقية. لمعرفة المزيد حول كيفية تعريف AI RAN، تحدثنا إلى Juniper Research وEricsson، أحد اللاعبين الرئيسيين في AI RAN.
ما هو الذكاء الاصطناعي ران؟
يعترف Sam Barker من Juniper Research بأنه لا يوجد تعريف سوقي حقيقي، ولكن مصطلح AI RAN يشير بشكل أساسي إلى أي وقت يتم فيه استخدام الذكاء الاصطناعي على حافة شبكة الوصول الراديوي للأتمتة والكفاءة لتمكين توفير التكاليف. ويشير إلى أنه على الرغم من أن العديد من المشغلين والبائعين قد سلكوا مساراتهم الخاصة وحققوا نتائج متفاوتة، إلا أنه لا يوجد الكثير في طريق المعايير النهائية.
يوضح زوران لازاريفيتش، الرئيس التنفيذي للتكنولوجيا في إريكسون الشرق الأوسط وأفريقيا، أن البائع السويدي يعرف المصطلح على أنه استخدام التعلم الآلي مباشرة في طبقة الراديو لتحسين أشياء مثل الجدولة وإدارة التداخل والتغطية واستهلاك الطاقة في الوقت الفعلي؛ يمكن اعتبارها بمثابة معلومات مركزة ومخصصة للمجال تعمل داخل شبكة الوصول الراديوي (RAN) نفسها.
من ناحية أخرى، تصف الشبكات المستقلة الرؤية الأوسع التي يعمل المشغلون على تحقيقها: الشبكات التي تقوم بتكوين نفسها وتحسين أدائها ومعالجة مشاكلها عبر شبكة النفاذ الراديوي (RAN) والأساسية والنقل والعمليات.
يقول لازاريفيتش: “من الناحية العملية، يعد الذكاء الاصطناعي RAN أحد اللبنات الأساسية التي تجعل هذا الاستقلال الذاتي ممكنًا”. “إنها توفر الأتمتة القائمة على النوايا والتحكم في الحلقة المغلقة لوظائف الراديو، مما يساعد المشغلين على تقديم أداء يمكن التنبؤ به واتصال متباين. ثم تعمل رؤية الشبكة المستقلة على توسيع نفس المبادئ، وإدارة السياسات، وضمان الخدمة، وتنسيق دورة الحياة عبر مجموعة الشبكة بأكملها.”
يقر باركر بوجود تداخل بين مفاهيم AI RAN والشبكات المستقلة، لكنه يوافق على أن الأخيرة هي تعريف أوسع من حيث أنها تغطي الشبكة بأكملها، بما في ذلك النواة.
“عندما أفكر في الشبكات المستقلة، أفكر في أشياء مثل المزيد من تخصيص الموارد، وبالتالي أخذ الأشياء بعيدًا عن المناطق الجغرافية. إذا كان هناك قدر كبير من الضغط على الشبكة لم يكن متوقعًا حقًا، فيمكن للشبكة المستقلة القيام بكل الشبكة، في حين أن AI RAN مخصص لحافة الشبكة فقط.”
الكفاءة الآلية
فيما يتعلق بتمكين الكفاءات، يشير باركر إلى أن النقطة الأولى التي يجب توضيحها هي أن شبكة RAN ربما تستهلك أكبر قدر من الطاقة للشبكة. كلما كانت التغطية الجغرافية للشبكة أكبر، زادت الحاجة إلى المزيد من المحطات الأساسية – وبالتالي زادت شبكة RAN. يمكن أن يؤدي استخدام الذكاء الاصطناعي لأتمتة إدارة استهلاك الطاقة عبر المحطات الأساسية إلى تقليل استخدام الطاقة أثناء فترة التوقف، أو عندما تكون الشبكة في وضع الخمول.
يوافق لازاريفيتش على أن الطاقة هي الكفاءة الأساسية التي يمكن للذكاء الاصطناعي تمكينها؛ يمكن أن يؤدي تخصيص الموارد المعتمد على الذكاء الاصطناعي وأوضاع النوم الذكية إلى خفض استهلاك طاقة شبكة الاتصال الراديوية (RAN) بنسبة تصل إلى 40% عند إقرانها بتقنيات الشبكة المستدامة. يعالج تحسين الطاقة بشكل مباشر أحد أكبر الخطوط في ميزانيات التشغيل – حيث يبلغ استهلاك الطاقة في RAN حوالي 70% من نفقات التشغيل. ويشير إلى أن الذكاء الاصطناعي يمكنه وضع أجهزة الراديو في وضع السكون عندما تكون حركة المرور خفيفة، وضبط التغطية والقضاء على الطاقة المهدرة، مما يعني إدارة استهلاك الطاقة بشكل أفضل بدلاً من جعله أسوأ.
ومن ناحية العمليات، يؤدي الضبط الآلي للمعلمات والكشف عن الحالات الشاذة والصيانة التنبؤية إلى تقليل العمل اليدوي وعدد زيارات الموقع المطلوبة، كما يؤدي التخفيض إلى تقليل معدلات الفشل وتجنب انقطاع التيار الكهربائي غير المخطط له. كما تم تحسين الأداء أيضًا من خلال التنسيق الأكثر ذكاءً للخلايا وموازنة التحميل التي تعمل على تعزيز الإنتاجية وزمن الوصول، مما يؤدي إلى تحسين تجربة العميل بشكل مباشر.
ويمكن أيضًا جعل استخدام الطيف والموقع أكثر كفاءة بشكل كبير عبر الذكاء الاصطناعي. تسمح الجدولة الأكثر ذكاءً باستخدام القدرة بشكل أكثر فعالية – وزيادتها بشكل أساسي – دون زيادة متناسبة في الإنفاق الرأسمالي.
يشير لازاريفيتش إلى أن “تطبيقات الذكاء الاصطناعي السحابية الأصلية تعمل على توسيع موارد الحوسبة لأعلى أو لأسفل بناءً على الطلب الفعلي، لذلك لن تضطر إلى الدفع مقابل السعة التي لا تحتاج إليها”. “تعتبر مرونة الأعمال أيضًا مستفيدًا رئيسيًا، حيث تتيح الأتمتة القائمة على النوايا تقديم مستويات أداء يمكن التنبؤ بها تتوافق مع اتفاقيات مستوى الخدمة وحالات الاستخدام المحددة. وهذا يؤدي إلى تسريع الوقت لتحقيق القيمة لكل من خدمات المستهلكين والمؤسسات.”
ويوافق باركر على أن الذكاء الاصطناعي يمكنه تحقيق المزيد من التوفير في التكاليف من خلال الكشف عن أعطال المعدات والشذوذات في الشبكة في وقت أقرب، ويضيف أنه يمكنه تحويل البنية التحتية إلى أصول مدرة للدخل من خلال الاستدلال والحوسبة المتطورة. وعلى الجانب الآخر، من خلال تمكين المزيد من المحاكاة الافتراضية على حافة الشبكة، يقلل الذكاء الاصطناعي من الاعتماد على الأجهزة وبالتالي يقلل من الإنفاق الرأسمالي. ومع ذلك، يؤكد باركر أن الفائدة الرئيسية تكمن في الأتمتة، سواء لإغلاق الشبكة، أو تحسين كفاءة الطيف، أو أتمتة إدارة الموارد بحيث يمكن القيام بذلك بسرعة مع الحد الأدنى من الإشراف البشري.
“يعتمد تأثير الذكاء الاصطناعي على حافة الشبكة كليًا على مدى افتراضية الشبكة نفسها. في الأسواق النامية، ستكون أقل افتراضية، وستكون تقنيات قديمة، ولن يتمكن الذكاء الاصطناعي من أتمتة العديد من العمليات والوظائف على الشبكة مثل شيء من 5G – أو في المستقبل 6G – لأنه ليس برنامجًا محددًا”، كما يقول باركر.
“لا يمكن للذكاء الاصطناعي أن ينظر إلى الأمر ويقول: “يمكنني إغلاق هذا الجزء من الشبكة في الوقت الحالي لتوفير القليل من المال”، لأنه ليس افتراضيًا. لذلك في المناطق النامية التي تتخلف فيها عن 5G – لا يزال 4G قيد التنفيذ في بعض الأماكن – هناك مشكلة في عائد الاستثمار. سيكون هناك حافز أقل للمشغلين في المناطق النامية للاستثمار في AI RAN، لأنهم سيحصلون على فوائد أقل، ومدخرات أقل، وبالتالي يكون عائد الاستثمار بعيدًا أكثر من [operators] الذين لديهم شبكات افتراضية أكثر.”
يجادل لازاريفيتش بأنه على جانب الإيرادات، هناك عوامل من شأنها، مجتمعة، تقصير دورات عائد الاستثمار مع تحسين جودة الخدمة، مدعيًا أن الكشف عن قدرات الشبكة من خلال واجهات برمجة التطبيقات يفتح الباب أمام المنتجات القائمة على الأداء وشرائح الشبكة التي تعمل على تحسين الهوامش دون زيادات خطية في التكلفة. وبهذه الطريقة، يمكن أن تساعد تقنية AI RAN في تحويل الشبكات إلى أصول قابلة للبرمجة تعتمد على البيانات وتكلف أقل للتشغيل ويسهل تحقيق الدخل منها.
يحتاج الذكاء الاصطناعي RAN إلى مكونين رئيسيين: الحوسبة الموفرة للطاقة في المواقع الراديوية لتشغيل ميزات الذكاء الاصطناعي، وطبقة التحكم المركزية التي تضع السياسات وتتعلم من البيانات التي تولدها الشبكة. تتم معظم عمليات صنع القرار على الحافة، بالقرب من أجهزة الراديو نفسها. يقع العمل الأثقل والتحليلات وتحديثات النماذج في النواة أو السحابة، مما يعني أن المشغلين لا يحتاجون إلى بناء مراكز بيانات جديدة ضخمة منذ البداية.
AI RAN في الأسواق الناشئة
بالنسبة للأسواق الناشئة، يمكن أن يكون التبني معياريًا. يمكن للمشغلين البدء بإضافة برامج موفرة للطاقة إلى المواقع الحالية، ثم التوسع تدريجيًا نحو وظائف RAN المستندة إلى السحابة. يمكن لخيارات مثل الخدمات التي يديرها البائع والبنية التحتية المشتركة وإعدادات الطاقة الشمسية أو الهجينة أن تقلل من الاستثمار الأولي.
يقول باركر إنه سيكون من الأسهل بكثير على المشغلين في الأسواق المتقدمة تأمين عائد على الاستثمار في AI RAN، مشيرًا إلى أن المشكلة الرئيسية هي الوصول الجغرافي نظرًا لأن مواقع الذكاء الاصطناعي موجودة على حافة الشبكة.
بالنسبة للمشغلين في البلدان الأوروبية الأصغر حجمًا، هناك حاجة إلى استثمارات أقل في المحطة الأساسية لتمكين AI RAN – حتى أن تركيب جزء جديد من الأجهزة يكون أسهل عندما يكون هناك عدد أقل من المحطات الأساسية. وفي البلدان الأكبر حجماً، لا يكون النشر في كل محطة قاعدة في وقت واحد أمراً ممكناً، إذ سيستغرق الأمر بعض الوقت.
ويشك باركر أيضًا في أن الذكاء الاصطناعي RAN لن يكون أولوية بالنسبة للعديد من المشغلين في البلدان النامية – ليس لأسباب تكنولوجية أو حتى نقدية، ولكن لأن المشغلين في الأسواق المتقدمة يركزون بالفعل بشكل أكبر على الجانب المؤسسي. في العالم النامي، لا يزال هناك مجال للنمو على جانب المستهلك، ويتوقع باركر أن يركز المشغلون على زيادة الإيرادات من هذا القطاع قبل الانتقال في النهاية نحو المؤسسات.
“يمكن لـ AI RAN أن تفيد المؤسسات أكثر من المستهلكين، من وجهة نظر المستخدم. ليس من الجيد حقًا أن نقول للمستهلكين أنك قد تحصل على سرعات إنترنت عبر الهاتف المحمول أسرع قليلاً إذا قاموا بتقديم AI RAN، ولكن بالنسبة للمؤسسات، قد يكون ذلك مهمًا للغاية، خاصة في أماكن مثل المدن الذكية حيث قد يكون زمن الوصول أمرًا أساسيًا حقًا للخدمات الجديدة، ويمكن للذكاء الاصطناعي التعامل مع ذلك. يجب أن يبدأ في النهاية في خفض التكاليف لهؤلاء المستخدمين والمستهلكين ومستخدمي المؤسسات أيضًا. ما نراه عندما نذهب للأحداث ونتحدث إلى المشغلين، هو أن AI RAN هو جزء من استراتيجية كفاءة أوسع، مما يجعل شبكاتهم أكثر كفاءة لتوفير التكاليف. على المدى الطويل، هذه ليست بالضرورة استراتيجية للمشغلين في البلدان النامية.
يعارض لازاريفيتش أن الذكاء الاصطناعي RAN يعد أمرًا أساسيًا لشبكة الجيل الخامس المتقدمة، وهو الأساس لشبكة الجيل السادس من نواحٍ عديدة، لذلك يكتسب المشغلون الذين يقومون بتضمين التكنولوجيا الآن ميزة تنافسية حقيقية في الأسواق التي تتوسع فيها شبكة الجيل الخامس بسرعة. من خلال الانتظار، هناك خطر ارتفاع تكاليف التشغيل، وبطء تطوير الميزات، وضعف تحديد المواقع في القطاعات ذات المهام الحرجة والقطاعات الصناعية.
“المشغلون الذين يتقدمون سيكونون هم الذين يجمعون بين الشبكات القابلة للبرمجة وأتمتة الذكاء الاصطناعي وواجهات برمجة التطبيقات المفتوحة لتحويل الاتصال إلى منصة للابتكار والإيرادات الجديدة. الاتجاه واضح تمامًا، والفجوة بين المستخدمين الأوائل وكل الآخرين سوف تتسع.”
ربما يكون باركر أكثر تفاؤلاً بشأن الفرص التي توفرها التكنولوجيا. “يواجه المشغلون في بلدان مختلفة فرصًا مختلفة في السوق وتحديات مختلفة. لا يتعلق الأمر بالضرورة باللحاق بالركب، ولكنهم جميعًا في مواقفهم الفريدة. سيكون لديهم جميعًا استراتيجياتهم المختلفة لتعظيم الأرباح أو تعظيم الإيرادات. بالنسبة للمشغلين في البلدان المتقدمة، يعد AI RAN عرضًا أكثر قيمة بالنسبة لهم من المشغلين في البلدان النامية. “
سيكون الذكاء الاصطناعي RAN بالطبع جزءًا من استراتيجية أوسع للمشغلين الذين يتطلعون إلى جعل الشبكات أكثر كفاءة، ويشير باركر إلى أنه يتوقع أن يكون الذكاء الاصطناعي جزءًا كبيرًا من الجيل السادس إلى جانب الأقمار الصناعية.
ستكون تقنية AI RAN بمثابة تقنية ستصبح ضرورة، وليست شيئًا يمكن أن يوفر المال. وبما أن إدارة الشبكات أصبحت أكثر تعقيدا، وأكثر صعوبة في تحقيق أقصى قدر من الكفاءة، فإن التدخل البشري لن يكون كافيا. إنها حالة تتعلق بمدى الوصول الممنوح لنماذج الذكاء الاصطناعي لأتمتة بعض وظائف الشبكة – يمكنها تنفيذ التكنولوجيا، ولكن فيما يتعلق بما يمكن للذكاء الاصطناعي تغييره وما لا يمكنه تغييره، فإن نمو الثقة سيكون بطيئًا.
