DeepSeek rappresenta un’opportunità per le telco, in quanto una nuova generazione di piattaforme Ran AI-native potrebbe risultare economicamente sostenibile per gli operatori tradizionali. A sostenerlo è un paper di Analysys Mason, che esplora le potenzialità di una tecnologia come quella di DeepSeek per gli operatori di telecomunicazioni.
Indice degli argomenti
DeepSeek è davvero una rivoluzione?
DeepSeek è una startup cinese che garantisce di aver sviluppato un modello di intelligenza artificiale open-source paragonabile a ChatGpt, ma che costa molto meno in termini di sviluppo e che richiede una potenza di elaborazione significativamente inferiore per funzionare rispetto ai Large language model consolidati. Se ciò fosse vero, per il mercato globale si ridurrebbe drasticamente il fabbisogno di Gpu avanzate di Nvidia: considerazione da cui è scaturito il panico in borsa per il futuro del gigante dei chip e di altri venditori incentrati sull’AI.
Ma cosa significa questo per gli operatori di telecomunicazioni? Potenzialmente molto per quelli che stanno considerando di integrare l’AI nei processi chiave. L’intelligenza artificiale, correttamente implementata, aiuta infatti a migliorare l’esperienza e il coinvolgimento dei clienti, facilita l’automazione e aumenta l’efficienza dei costi, anche quando si tratta di abilitare nuovi servizi aziendali.
Tuttavia, l’impatto maggiore, a cui però si associano costi e rischi più elevati, risiede forse nella possibilità di dare vita a una Ran AI-native, prospettiva fortemente promossa da Nvidia e da alcuni operatori avanzati, soprattutto asiatici, come SoftBank e Sk Telecom. Si tratta però di una soluzione non economicamente sostenibile ai livelli di prezzo della tecnologia attuale, per cui una svolta nei costi di implementazione dell’AI per un caso d’uso complesso come questo è essenziale per consentire al mercato di decollare (sia che tale svolta provenga da DeepSeek o da Nvidia o da un altro soggetto).
I freni che limitano lo sviluppo delle Ran basate sull’AI
Analysys Mason rileva come ormai sia quasi assodato che la prossima evoluzione della tecnologia delle reti mobili sarà AI-native, con l’intelligenza artificiale integrata in ogni elemento della Ran, dalla gestione della rete all’antenna e al frontend digitale. Un’indagine della società di ricerca, condotta su oltre 70 operatori nell’ottobre 2024, ha rivelato che più della metà di essi prevede di implementare un certo grado di AI nella Ran prima del 2030. Tuttavia, molti di questi operatori riconoscono che non esiste un’ipotesi economica credibile se non si riduce in modo significativo il costo della tecnologia dei processori sottostanti.
Uno dei principali ostacoli all’implementazione su larga scala delle Ran basate su cloud è stato il disallineamento tra la natura centralizzata della classica economia del cloud e la natura distribuita della Ran. Una Ran che deve supportare alti livelli di traffico e tempi di risposta molto rapidi richiede una potenza di elaborazione molto vicina al sito cellulare. In una rete tradizionale, questa è rappresentata da un’unità di banda base, che funziona su chip ottimizzati per scopi speciali. In una Ran basata su cloud, la visione originale prevedeva che molti siti condividessero una banda base comune virtualizzata, per massimizzare la scalabilità e la condivisione delle risorse. Tuttavia, ciò ha comportato un costo inaccettabile in termini di latenza per la maggior parte degli operatori, che hanno quindi cercato di eseguire le funzioni più impegnative in termini di processore e sensibili al tempo (Ran Layer 1) su server edge vicini ai siti.
In teoria, l’aggiunta dell’intelligenza artificiale a questi server migliorerebbe notevolmente l’automazione e l’intelligenza della rete. Ma l’implementazione di server ad alte prestazioni con accelerazione Ran e AI basata su Gpu nei siti avrebbe un costo enorme (un grande operatore come AT&T ha circa 70mila siti). Un operatore europeo ha rivelato che, secondo i suoi calcoli, l’implementazione di una banda base Ran con AI incorporata nel Layer 1 costerebbe da due a tre volte di più rispetto all’implementazione di una Ran tradizionale con gli stessi carichi di traffico.
La possibile evoluzione dello scenario
Secondo Analysys Mason, dunque, un paradigma efficiente dal punto di vista delle risorse sarebbe essenziale per rendere il modello AI Ran accessibile e a rilanciare il mercato per tutti i provider.
Il dibattito su DeepSeek d’altra parte è ancora aperto, dividendo i commentatori tra chi si chiede se sia davvero in grado di fornire le efficienze di costo che promette, chi sospetta che abbia piratato parte della sua tecnologia, e chi vuole accertarsi che le sue prestazioni corrispondano a quelle di ChatGpt.
Ma le risposte sono quasi irrilevanti: qualcuno inevitabilmente svilupperà Llm efficienti che ridurranno il costo dell’implementazione di GenAI su scala: in caso contrario applicazioni complesse e intensive come le Ran non saranno più realizzabili. Nvidia ha sviluppato una piattaforma Ran che include una gamma di componenti e punti di prezzo diversi; Qualcomm e MediaTek sono pionieri nel ridurre l’elaborazione dell’AI ai limiti di potenza e spazio di uno smartphone.
Analysys Mason è convinta che gli sforzi di DeepSeek, Qualcomm e degli altri attori non sottrarranno a Nvidia quote di mercato, ma lo espanderanno e lo renderanno praticabile per gli utenti comuni, anziché solo per l’élite tecnologica – in termini di operatori di telefonia mobile – per tutti gli operatori che vogliono distribuire Ran AI entro il 2030, anziché solo per i leader dell’hi-tech come SoftBank o Reliance Jio.
La comunità degli operatori è in attesa di questa svolta. Potrebbe arrivare da DeepSeek, anche se la geopolitica potrebbe limitare la possibilità per le telco nordamericane e della maggior parte di quelle europee di trarre vantaggio da un modello alimentato da processori Huawei in Cina; oppure potrebbe arrivare da un operatore affermato come la stessa Nvidia, o da un’altra startup sconosciuta al grande pubblico. In assenza di tali innovazioni, chiosa Analysy Mason, è probabile che le Ran basate sull’intelligenza artificiale rimangano appannaggio di pochi pionieri per un’altra generazione.
