ICTna.ir – برخی از شرکت‌ها در حال بازی با شبکه‌های دسترسی رادیویی (RAN) هستند که از پردازنده‌های گرافیکی با کارایی بالا مانند شبکه‌های ارائه شده توسط انویدیا پشتیبانی می‌کنند. اما دیگران استدلال می کنند که تقاضای کافی برای تضمین هزینه وجود ندارد.

در تصویر بالا، نسخه ی نمایشی Fujitsu MWC نتایج کار این شرکت با پردازنده های گرافیکی انویدیا را نشان می دهد.

به گزارش گروه اخبار خارجی آژانس خبری فناوری اطلاعات و ارتباطات (ایستنا)، در کنگره جهانی تلفن همراه (MWC) امسال در بارسلونا، یک انجمن جدید با حمایت انویدیا به دنبال تزریق فناوری هوش مصنوعی به طور مستقیم به شبکه دسترسی رادیویی (RAN) است. انجام این کار ممکن است سرعت های موجود در 5G و در نهایت 6G را افزایش دهد. با این حال، ممکن است برخی هزینه های چشمگیر در این موضوع نهفته باشد، به خصوص اگر شامل “ابرتراشه”های واحد پردازش گرافیکی Grace Hopper انویدیا (GPU) باشد. در نتیجه، برخی از شرکت‌ها استدلال می‌کنند که مدل‌های زبان بزرگ (LLM) با کارایی بالا برای یک RAN مجهز به هوش مصنوعی غیر ضروری هستند. در عوض، مدل‌های زبان کوچک (SLM) ممکن است مناسب‌تر و ارزان‌تر باشند.

اما یک عامل ناشناخته وجود دارد؛ رایانه‌ها چه کارهای دیگری می‌توانند درBTSهای شبکه موبایل انجام دهند؟ اگر تقاضا برای محاسبات لبه (اج کامپیوتینگ) تعمیم یافته محقق شود، ممکن است دلیلی وجود داشته باشد که محاسبات با عملکرد بالا و مبتنی بر GPU را به لبه RAN نزدیکتر کنیم.

تست هوش مصنوعی در RAN

فوجیتسو، بعنوان یک وندور تجهیزات RAN در حال توسعه، به دنبال متمایز کردن خود در این زمینه است. این شرکت در غرفه خود در MWC نتایج کار هوش مصنوعی خود با انویدیا را به نمایش می گذارد . فوجیتسو اساسا رادیوهای 5G خود را با جفت کردن آنها با سوپرتراشه گریس هاپر انویدیا عملا “سوپرشارژ” کرده است.

راب هیوز از فوجیتسو در این خصوص گفت: علاقه زیادی به اوپریشن RAN مبتنی بر هوش مصنوعی وجود دارد. او گفت که این شرکت از پردازنده‌های گرافیکی انویدیا برای اجرای یک شبکه عصبی کانولوشنال در محصولات رادیویی خود استفاده کرده است. چنین فناوری معمولاً در یک سناریوی هوش مصنوعی برای بهبود تصویر تار استفاده می شود. در نسخه ی نمایشی MWC فوجیتسو، از آن برای پاکسازی پردازش سیگنال استفاده می شود. نتیجه بهبود چشمگیر در سرعت آپلود، از 252 مگابیت بر ثانیه به 366 مگابیت بر ثانیه است. این نمونه‌ای از انواع دستاوردهای عملکردی است که وقتی شرکت‌ها از فناوری‌های هوش مصنوعی در محیط فرکانس رادیویی RAN استفاده می‌کنند، امکان‌پذیر است.

هیوز گفت که رادیوهای فوجیتسو با قلب انویدیا اواخر امسال به صورت تجاری در دسترس خواهند بود. در همین حال، نوکیا این هفته همکاری خود را با انویدیا اعلام کرد.

مقامات فوجیتسو توضیح دادند که این شرکت ممکن است بتواند با استفاده از واحدهای پردازش مرکزی استاندارد (CPU) به جای GPU به نتایج مشابهی دست یابد. با این حال، این شرکت ممکن است نیاز به خرید و نصب 10 برابر یا بیشتر CPU داشته باشد تا برابر با یک GPU بتواند عمل کند، این رویکردی پرهزینه است که احتمالاً به مقدار قابل توجهی انرژی نیاز دارد. علاوه بر این، انویدیا نرم‌افزار مدیریت هوش مصنوعی را در بالای پردازنده‌های گرافیکی خود می‌فروشد که ممکن است در پردازنده‌های مرکزی موجود نباشد.

جذابیت GPU

پردازنده‌های گرافیکی انویدیا بازار هوش مصنوعی را تحت تأثیر قرار داده‌اند. به این دلیل که آنها برای اجرای پیشرفته ترین سرویس های هوش مصنوعی ضروری هستند. به طور خاص، آنها در مراکز داده بزرگ مستقر می شوند تا به آموزش LLM ها مانند ChatGPT OpenAI کمک کنند.

بنابراین، تقاضا برای تراشه های انویدیا به شدت افزایش می یابد. بر اساس گزارش وال استریت ژورنال، تراشه های این شرکت در خودروهای زرهی به مشتریان تحویل داده می شود.

در نتیجه، سرمایه‌گذاران به سمت انویدیا هجوم آورده‌اند و سهام این شرکت را به سطوح بالایی رسانده‌اند. در واقع، انویدیا این هفته از نظر ارزش کل بازار از آمازون و آلفابت گوگل پیشی گرفت و انویدیا را به سومین شرکت ارزشمند در ایالات متحده آمریکا تبدیل کرد.

احتمالاً به همین دلیل است که چندین بازیگر صنعت، از جمله مدیر عامل OpenAI یعنی سم آلتمن، برای تأمین مالی جایگزین‌های انویدیا کار می‌کنند.

اما انتظار می‌رود که ظهور چنین جایگزین‌هایی این چنینی، سال‌ها طول بکشد، به‌ویژه با توجه به پیشروی انویدیا در فناوری و بازار؛ بنابراین، برای آینده قابل پیش‌بینی، انویدیا تنها تامین‌کننده پردازنده‌های گرافیکی با کارایی بالا برای خدمات هوش مصنوعی است.

لبه و گزینه های جایگزین

مشخص نیست که آیا این پردازنده‌های گرافیکی برای سرویس‌های RAN مبتنی بر هوش مصنوعی ضروری هستند یا خیر؟

یکی از دلایلی که اپراتورهای شبکه ممکن است روی پردازنده‌های گرافیکی مجهز به RAN از انویدیا سرمایه‌گذاری کنند، ارائه خدمات سریع هوش مصنوعی در لبه است. اما این مفهوم جدیدی نیست.

همانطور که قبلا در ایستنا خواندید، محاسبات لبه تخیل بسیاری از صنعت مخابرات را قبل از همه گیری کرونا به خود جلب کرده بود. اپراتورها امیدوار بودند که مراکز داده محاسباتی کوچک لبه را در BTSهای خود مستقر کنند. با انجام این کار، آنها می توانند اتصالات اینترنتی سریع و کم تاخیر را ارائه دهند. اما تقاضای ترافیک در طول همه گیری این علاقه را کمرنگ کرد.

اکنون، در عصر هوش مصنوعی، فرصتی برای اپراتورها وجود دارد که پردازنده‌های گرافیکی انویدیا را در آن مراکز داده محاسباتی لبه قرار دهند تا آنها را با قابلیت‌های هوش مصنوعی شارژ کنند. اما برخی ناظران تردید دارند.

دین بابلی، تحلیلگر Disruptive Wireless در یک پست کوتاه در لینکدین درباره محاسبات لبه نوشت: من می توانم این تصور را بخرم که برنامه های شبکه ثانویه می توانند در آنجا میزبانی و زندگی کنند . او استدلال کرد که سایت‌های RAN مبتنی بر GPU می‌توانند از خدماتی از جمله امنیت، حسگر و رادیوهای قابل برنامه‌ریزی پشتیبانی کنند. او افزود: اما من در بازار انبوه ابر و لبه قانع نیستم.

علاوه بر این، مقامات شرکت تحقیقاتی بی سیم InterDigital استدلال کردند که مدل های هوش مصنوعی با کارایی بالا ممکن است برای عملیات RAN مورد نیاز نباشد. Milind Kulkarni، یکی از برترین محققان بی سیم این شرکت، گفت که برای اپراتورها منطقی نیست که LLM ها را در رایانه ها در BTSهای خود مستقر کنند.

LLM ها مانند ChatGPT می توانند در مورد طیف گسترده ای از موضوعات گفتگو کنند. گزینه های کوچکتر و هدفمندتر هوش مصنوعی یعنی SLM را می توان به برنامه های کاربردی هوش مصنوعی اختصاص داد، مانند برنامه هایی که عملیات RAN را اجرا می کنند. کولکارنی گفت که پس از آموزش مناسب، SLM ها ممکن است به منابع محاسباتی با کارایی بالا مانند آنچه توسط پردازنده های گرافیکی انویدیا ارائه می شوند، نیاز نداشته باشند.

علاوه بر این، او گفت که فناوری‌های “یادگیری متوالی” می‌توانند استفاده از فناوری‌های هوش مصنوعی را هم در یک سایت انتقال RAN و هم در گوشی مشتری گسترش دهند. در این نوع تنظیم، تقاضای کمتری برای منابع محاسباتی با کارایی بالا در RAN وجود خواهد داشت.

در واقع، استارت آپ DeepSig این هفته فناوری گیرنده عصبی مبتنی بر هوش مصنوعی را معرفی کرد که می تواند بر روی تراشه های اینتل اجرا شود.

با این حال، کولکارنی گفت که نیاز به قدرت محاسباتی بیشتر در RAN را می بیند، به ویژه در حالی که صنعت به سمت 6G حرکت می کند. او گفت که هوش مصنوعی تصمیماتی را که ما در مورد 6G می گیریم تغییر خواهد داد.