L’AI-RAN Alliance cresce raggiungendo i 75 membri e, in occasione del Mobile World Congress che aprirà i battenti a Barcellona dal 3 al 6 marzo, svela nuovi casi d’uso.
“Siamo entusiasti della crescita dell’AI-Ran Alliance – dice Alex Jinsung Choi, presidente dell’AI-RanAlliance – Stiamo guidando l’innovazione a un ritmo senza precedenti, consentendo all’AI-Ran di potenziare 5G e O-Ran e gettando le basi per le reti 6G native dell’AI. Al Mwc 2025, le nostre demo sveleranno come le tecnologie AI-Ran native possono migliorare l’efficienza della rete, agevolare nuove revenues e consentire lo sviluppo di nuovi servizi di intelligenza artificiale rivoluzionarie”.
Indice degli argomenti
AI-Ran, i dieci use case al Mwc 2025
Al Mwc 2025 saranno svelati dieci use case che esemplificano come l’intelligenza artificiale potrebbe ottimizzare le prestazioni Ran, migliorare l’efficienza energetica e consentire nuovi livelli di automazione e flessibilità. Le demo sono frutto della collaborazione tra i principali player del settore , il mondo accademico e gli istituti di ricerca.
Demo 1: “Interfaccia aerea con l’apprendimento online”
La demo spiega come il design dell’interfaccia aerea basato sull’intelligenza artificiale puà migliorare le prestazioni wireless, migliorare l’efficienza spettrale e integrarsi con i Ran esistenti, rendendola utile per le future implementazioni AI-Ran. In campo DeepSig and Nvidia.
Demo 2: “Deep learning per i testbed del canale uplink / Interpolation in Live Ran”
Si evidenzia l’approccio deep learning per la stima del canale uplink in un Ran in tempo reale in tempo reale. L’approccio potrebbe consentire agli operatori di rete di ridurre il Tco Ran e ottimizzare l’esperienza dell’utente finale. In campo Nvidia, Fujitsu e SoftBank
Demo 3: “Canale Pusch basato sull’intelligenza artificiale”
Utilizzando una stima del canale uplink (UL) basata sull’intelligenza artificiale (CE), questa demo mostra come il throughput di uplink può essere migliorato di oltre il 30% nelle reti 5G e future 6G. Rispetto agli approcci tradizionali, l’algoritmo AI sviluppato da Samsung sfrutta la natura multidimensionale del segnale di riferimento di demodulazione ricevuto per stimare congiuntamente il canale, migliorando la qualità della stima del canale, in particolare in scenari a basso Snr. Questo approccio potrebbe migliorare le prestazioni di Pusch, consentendo una migliore esperienza utente e un’estensione di copertura per gli operatori. Aziende associate: Keysight, Nvidia e Samsung
Demo 4: “Modulo ottimizzato AI/ML con un ricevitore neuromorfico”
Samsung, Nvidia e Viavi metteranno in evidenza il potenziale di trasformazione dell’IA per Ran. Samsung presenterà le modulazioni basate su AI / ML per offrire prestazioni migliorate rispetto ai Qam quadrati. Viavi mostrerà ricevitori neuromorfici a basso consumo energetico che sostituiscono diversi blocchi di elaborazione del segnale – stima del canale, equalizzazione e de-mapping dei simboli – con una singola rete neurale, ottimizzata per le modulazioni basate sull’intelligenza artificiale. Nvidia utilizzerà le sue Gpu ad alte prestazioni per la formazione e la convalida.
Demo 5: “La trasmissione 5G AI based per la mitigazione delle interferenze della mobilità e per il risparmio energetico”
Questa demo riguarda la formazione del fascio alimentata dall’intelligenza artificiale e il controllo Ran ad alta efficienza energetica nelle reti 5G. Sfruttando dati di mobilità i e apprendimento fa vedere come come l’intelligenza artificiale può migliorare la gestione delle interferenze, ottimizzare l’uso dell’energia e migliorare l’efficienza della rete negli scenari di mobilità in tempo reale. Società associate: Singapore University of Technology and Design (Sutd), Viavi e Yonsei University.
Demo 6: “Spectrum sensing basato sull’intelligenza artificiale “
Qui si mette in evidenza il potenziale del rilevamento Ran rafforzato dall’intelligenza artificiale per la condivisione dinamica dello spettro, mostrando come l’IA potrebbe evitare le interferenze più intelligente, garatendo una migliore efficienza spettrale e una gestione delle risorse radio adattiva nelle implementazioni 5G. Aziende associate: Northeastern University Open6G.
Demo 7: “AI-Ran Orchestration”
L’orchestrazione Ran basata sull’intelligenza artificiale punta sulla coesistenza di intelligenza artificiale e Ran su un’infrastruttura condivisa mantenendo elevate prestazioni, efficienza e qualità del servizio. Società associate: Keysight e Northeastern University Open6G.
Demo 8: “AI-Driven Spectrum Sensing per un modello di intelligenza artificiale di qualità e e rispettoso della privacy su 5G”
Qui si il “portioning” del modello ML adattivo basato su AI per l’elaborazione delle immagini focalizzata sulla privacy su reti 5G, con l’obiettovo di superare le inefficienze del modello fisso in ambienti wireless dinamici. Società associate: Keysight, Singapore University of Technology and Design (Sutd), Lite-On e NeuroRan.
Demo 9: “Integrated Sensing and Communications (Isac)”
Lo use case si basa sull’utilizzo di Isac sulle reti 5G esistenti. Riutilizzando una forma d’onda 5G come segnale radar, è in grado di rilevare e tracciare oggetti non collegati – come i pedoni – senza fare affidamento su telecamere o tag Rf. Le potenziali applicazioni commerciali includono il rilevamento dei droni e la sicurezza perimetrale. Società associate: Northeastern University e Tiami Networks
Demo 10: “AI-on-Ran Object Detection”
Questa demo si basa su una soluzione potente ed economica per la distribuzione di carichi di lavoro AI su reti 5G private, rendendole più accessibili per i settori che richiedono elaborazione in tempo reale, scalabilità e bassa latenza. Aziende associate: Arm, Effnet AB, Phluido e Tannera.
AI-Ran Alliance, la vision
L’AI-Ran Alliance emerge nel panorama delle organizzazioni del settore grazie al suo focus distintivo su innovazioni e benchmark, discostandosi dai tradizionali enti di sviluppo standard (Sdo) che privilegiano la definizione di standard. L’Alleanza fornisce un quadro affidabile per la convalida e il test della prossima generazione di tecnologie wireless abilitate all’intelligenza artificiale. Promuove un ambiente in cui i membri possono presentare idee e concetti senza la necessità di divulgare proprietà intellettuali né di sottostare a clausole di licenza. Al contempo, l’Alleanza offre la possibilità ai membri di condividere dati, codice e algoritmi di AI per uso pubblico, alimentando così una nuova era di rapida innovazione nel settore wireless. Questa iniziativa ambiziosa costruisce una piattaforma inedita per l’ideazione e la collaborazione, con processi di benchmarking affidabili che mirano a trasformare il futuro della comunicazione wireless.
Nel perseguire la sua missione, l’AI-Ran Alliance si impegna nello sviluppo di quadri pratici, best practice e implementazioni di riferimento per facilitare l’integrazione armoniosa dell’IA nelle reti di accesso radio (Ran). Per supportare questa visione, l’Alleanza ha annunciato una partnership con Keysight Technologies, Northeastern University, Singapore University of Technology and Design (Sutd) e Vaivu Solutions. Questa collaborazione prevede la creazione di quattro laboratori approvati dall’AI-Ran Alliance, con ulteriori aperture previste nel prossimo futuro.
I gruppi di lavoro dell’Alleanza
I gruppi di lavoro dell’AI-Ran Alliance si concentrano su tre aree fondamentali:
- AI-for-Ran: Questa area esplora come l’intelligenza artificiale può ottimizzare le prestazioni, le capacità e l’efficienza delle reti di accesso radio, puntando a miglioramenti nell’efficienza spettrale e nell’efficienza energetica.
- AI-and-Ran: L’obiettivo è integrare i carichi di lavoro dell’AI e delle Ran su un’infrastruttura condivisa, massimizzando l’utilizzo delle risorse e aprendo la strada a nuovi servizi come l’inferenza edge AI.
- AI-on-Ran: Si concentra sull’abilitazione delle Ran a eseguire applicazioni di intelligenza artificiale e tecnologie emergenti come Gen-AI, Llm, VM e agentic AI, identificando i requisiti di rete necessari per supportare prestazioni applicative sul 5G e oltre, nonché per le future esigenze di rete.
Oltre a questi gruppi di lavoro, l’AI-Ran Alliance sta lanciando due iniziative di punta:
Metodologia dei test: Si occupa dello sviluppo di metodologie di test pratiche per valutare le soluzioni AI-Ran, stabilendo un approccio strutturato per testare e validare le applicazioni IA, assicurando che siano in linea con le aspettative dell’industria nell’evoluzione verso una rete nativa AI.
Data-for-AI: Questa iniziativa sottolinea l’importanza dei dati nello sviluppo e nella distribuzione dell’IA per le Ran, mirando a definire e implementare un approccio sistematico alla gestione e alla raccolta dei dati da fonti come sistemi e simulatori in tempo reale, garantendo la disponibilità dei dati per il benchmarking delle prestazioni dell’IA e ulteriori ricerche.
