In che modo l’Ai influenzerà la rete mobile e creerà opportunità per le telco? Per fare chiarezza tra promesse e terminologie più o meno ambigue – come Ai-Ran, Physical Ai e Ai-Native air interface – lo studio “The Impact of AI on Mobile Telecom – AI glossary” di Mobile Experts offre un vero e proprio glossario strategico sull’Ai applicata alle reti mobili e un’analisi degli impatti sullo sviluppo della capacità di rete e le prospettive legate a private 5G e edge computing.
Indice degli argomenti
Ai-Ran, tre livelli di maturità
Un concetto centrale è quello di Ai-Ran (Artificial Intelligence Radio access network), ovvero l’applicazione dell’Ai alla rete di accesso radio, la componente che collega dispositivi e infrastruttura mobile.
Ma non tutta l’Ai-Ran è uguale. Lo studio distingue chiaramente tre livelli, che riflettono anche diversi gradi di maturità tecnologica.
Il primo, Ai-for-Ran, è già realtà: qui l’intelligenza artificiale viene utilizzata per ottimizzare le prestazioni della rete, migliorare la gestione del traffico e ridurre i consumi energetici. È la forma più concreta e diffusa, già implementata in diversi contesti operativi.
Più avanzato è il concetto di Ai-in-Ran, dove l’Ai non è più un semplice strumento esterno, ma viene integrata direttamente nello stack tecnologico della rete. In questo caso, l’intelligenza diventa parte del funzionamento interno del sistema. Alcune soluzioni sono già in fase di sperimentazione commerciale.
Infine, c’è la visione più ambiziosa — e ancora lontana — dell’Ai-on-Ran: usare la rete stessa come piattaforma per eseguire carichi di lavoro Ai generici, come nell’edge computing distribuito. Tuttavia, questa prospettiva resta, almeno per ora, più teorica che reale.
Physical Ai, le sfide per la rete mobile
Un altro concetto chiave è quello di Physical Ai, dove l’intelligenza artificiale non è più confinata al software, ma interagisce con il mondo fisico. Qui si aprono le sfide sulla capacità della rete, ma anche le opportunità di monetizzazione con le reti 5G private e le elaborazioni all’edge. Dotare un robot (o drone o veicolo autonomo) di una potenza di calcolo sufficiente, infatti, fa lievitare i costi unitari a livelli proibitivi e ciò rende l’inferenza basata sulla rete l’unica strada economicamente percorribile. Questo scenario aumenta drasticamente le esigenze di latenza, affidabilità e capacità delle infrastrutture mobili.
Mobile Experts prevede che il traffico in uplink generato dall’Ai fisica potrebbe superare la capacità delle reti mobili entro il 2029, con una domanda in aumento del 20-25% all’anno fino al 2030. “Man mano che persone e macchine inviano immagini e video alla rete per l’analisi, l’enorme quantità di traffico uplink legato all’Ai diventerà un carico importante per la rete 5G. Allo stesso tempo, l’ottimizzazione dell’Ai per la Ran (Radio access network) aumenterà la capacità della rete 5G”, si legge nello studio. “Nel breve termine, l’aumento di capacità è superiore al carico di traffico aggiuntivo. Ma nel lungo termine, il traffico continuerà a crescere con una sofisticazione sempre maggiore dei modelli”.
Oggi, i modelli di intelligenza artificiale vengono eseguiti in due luoghi: su smartphone e altri dispositivi, e in grandi data center centralizzati. Con l’avvento dell’Ai fisica, è probabile che il quadro diventi più complesso e saranno necessarie nuove risorse di calcolo localizzate per l’Ai.
“Per i dispositivi con un costo inferiore a 2.000 dollari, l’automazione potrebbe richiedere che i dati di inferenza o di addestramento vengano gestiti in rete. Per motivi di sicurezza, le decisioni devono essere molto rapide, ma la piattaforma a basso costo non sarà in grado di analizzare adeguatamente l’ambiente circostante. I prodotti di consumo e l’automazione per le piccole imprese potrebbero rientrare in questa categoria di calcolo Ai, dove il cliente finale non ha la possibilità di configurare una rete locale e una piattaforma di Ai”, scrivono gli autori.
La monetizzazione: 5G privato e edge computing
Le telco eseguiranno anche parte delle loro ottimizzazioni Ai-for-Ran presso le torri di trasmissione. I clienti aziendali più grandi possono configurare una rete 5G privata e un rack di edge computing on-premise. Questa tendenza è già ben consolidata per i clienti industriali e la loro implementazione precoce di Lte privato sta portando a modelli di Ai più sofisticati che utilizzano sensori in tutto l’edificio. Molti di questi clienti scelgono di acquistare le proprie reti e i propri rack di calcolo perché insistono nel controllare e proteggere i propri dati in modo molto rigoroso.
Lo studio nota anche che il data center centralizzato hyperscale è il luogo ideale per i modelli di Ai di nuova generazione più sofisticati, con trilioni di parametri. Questa posizione sfrutterà al meglio le economie di scala per attività di inferenza o addestramento dell’Ai a basso costo. Il tempo di risposta può essere più lento da questa posizione, anche per attività semplici. Ma alcune ottimizzazioni non in tempo reale della rete 5G verranno eseguite anche nei data center centralizzati.
Verso il 6G: reti progettate per l’intelligenza artificiale
Se oggi l’Ai migliora la rete, domani sarà la rete stessa a essere costruita intorno all’Ai. È questa la visione delle cosiddette Ai-native Ran.
In questo modello, l’intelligenza artificiale non è più un’aggiunta, ma un elemento fondante dell’architettura. La rete diventa capace di adattarsi dinamicamente: modulazioni radio variabili, ottimizzazione continua delle prestazioni, gestione intelligente delle risorse.
Il passo successivo è ancora più radicale: l’Ai-native air interface, dove persino il “linguaggio” con cui i dispositivi comunicano via radio viene progettato attraverso l’Ai. Una prospettiva che richiederà una profonda collaborazione tra produttori di infrastrutture e dispositivi.
Oltre l’hype: fare chiarezza per costruire il futuro
La conclusione è che l’intelligenza artificiale non sarà solo un miglioramento incrementale delle reti mobili, ma una trasformazione strutturale. Da semplice applicazione sopra la rete, l’Ai diventerà parte integrante dell’infrastruttura stessa – una rivoluzione che, se da un lato promette efficienza e innovazione, dall’altro impone nuove sfide tecniche e strategiche.
