De acordo com pt.wedoany.com-No dia 4 de junho, a Lite-On Technology de Taiwan, China, anunciou a conclusão de uma demonstração tecnológica de AI-RAN, integrando IA nativamente na rede de acesso por rádio 5G, em parceria com a Universidade de Design e Tecnologia de Singapura (SUTD) e a sua startup NeuroRAN, impulsionando a comercialização de aplicações de IA de borda em tempo real, energeticamente eficientes e com proteção de privacidade.
Esta demonstração integrou a unidade de rádio O-RU de alto desempenho da Lite-On Technology, as aplicações de aprendizagem profunda desenvolvidas pela SUTD e a plataforma NVIDIA AI Aerial numa única arquitetura 5G AI-RAN. A solução utiliza modelos como o Swin Transformer para deteção de objetos em tempo real e emprega técnicas de perceção espetral orientada por IA e segmentação dinâmica de modelos para distribuir a carga computacional de IA entre dispositivos de utilizador, nós de borda e a nuvem, com base nas condições da rede em tempo real. Em comparação com a implementação de modelos fixos, esta arquitetura pode reduzir a latência de ponta a ponta, otimizar o consumo de energia e manter os dados sensíveis o mais possível no dispositivo, aumentando assim a viabilidade de implementação da IA de borda em cenários de vigilância inteligente, cidades inteligentes e automação industrial. A Lite-On Technology também integrou a UPF distribuída na rede central 5G, encurtando ainda mais o caminho dos dados e aproximando as tarefas de inferência de IA do local real do negócio.
Esta solução abrange a interseção entre fabrico de equipamentos de comunicação, redes de comunicação e processamento inteligente de dados, tendo como objetos centrais o 5G AI-RAN, as pequenas células O-RU, a IA de borda e a rede de acesso por rádio aberta.
O AI-RAN está a tornar-se uma das rotas tecnológicas chave na evolução do 5G para o 6G. As redes de acesso por rádio tradicionais assumem principalmente funções de conexão e encaminhamento de dados, enquanto as aplicações de IA geralmente são executadas na nuvem ou em servidores de borda, existindo problemas de latência de rede, agendamento de capacidade computacional, privacidade de dados e equilíbrio energético entre ambas. Ao incorporar nativamente a capacidade de IA na rede de acesso por rádio, a rede pode ajustar em tempo real a localização da computação com base no estado do espetro, na carga do terminal, no tipo de serviço e no ambiente do local, permitindo que o reconhecimento de vídeo, a inspeção industrial, a perceção de tráfego urbano, a segurança de parques e as aplicações de redes privadas empresariais obtenham menor latência e maior eficiência. Para os operadores, este tipo de arquitetura ajuda a atualizar a rede 5G de um mero tubo de conexão para uma plataforma inteligente de borda capaz de suportar serviços de IA; para os fabricantes de equipamentos, a capacidade de coordenação entre O-RU, rede central, computação de borda e software de IA tornar-se-á uma parte importante da competição de equipamentos de rede na próxima fase.
A Lite-On Technology também propôs que, no futuro, utilizará o NVIDIA DGX Spark para ajudar os operadores de telecomunicações a iniciar rapidamente a investigação, validação e implementação de serviços de IA de borda de próxima geração, permitindo que os operadores realizem primeiro o desenvolvimento de modelos de IA e testes em pequena escala, expandindo gradualmente para redes 5G comerciais e infraestruturas de rede futuras. Com o aumento da procura por perceção em tempo real em redes privadas empresariais, fábricas inteligentes, governação urbana e infraestruturas de transporte, o valor do AI-RAN refletir-se-á mais na "capacidade de processamento imediato no local da rede" do que apenas no aumento da velocidade sem fios. Se arquiteturas relacionadas forem validadas em mais redes de operadores e cenários industriais, a rede de borda 5G poderá mais facilmente assumir serviços de IA em tempo real, acumulando também uma base de engenharia para a arquitetura de rede nativa de IA do futuro 6G.
A implementação subsequente ainda dependerá do ritmo dos testes piloto dos operadores de telecomunicações, da adaptação do ecossistema O-RAN, do custo da capacidade computacional de borda e da procura real dos clientes industriais por processamento de IA localizado. Esta demonstração conjunta da Lite-On Technology, da SUTD e da NeuroRAN fornece uma amostra mais próxima de um ambiente de rede real para o AI-RAN passar da prova de conceito para a implementação comercial.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
