Ứng dụng AI trong RAN có thực sự mang lại hiệu quả kinh tế?

- Một số công ty đang thử nghiệm với mạng truy cập vô tuyến (RAN) được cung cấp bởi GPU hiệu năng cao từ Nvidia, nhưng vấn đề chi phí và nhu cầu thực tế vẫn là một dấu hỏi.
- Một hiệp hội mới, có sự hỗ trợ từ phía Nvidia, đang tìm cách tích hợp công nghệ AI trực tiếp vào RAN, với hy vọng tăng tốc độ trên mạng 5G và sau này là 6G.
- Tuy nhiên, việc sử dụng GPU "superchip" Grace Hopper của Nvidia có thể dẫn đến chi phí "chóng mặt", khiến một số công ty cho rằng mô hình ngôn ngữ lớn (LLMs) không cần thiết cho RAN được cung cấp bởi AI.
- Thay vào đó, mô hình ngôn ngữ nhỏ (SLMs) có thể phù hợp hơn và tiết kiệm chi phí hơn.
- Công nghệ "học tuần tự" có thể mở rộng việc sử dụng công nghệ AI trên cả trạm phát sóng RAN và điện thoại của khách hàng, giảm nhu cầu về tài nguyên tính toán hiệu năng cao trong RAN.
- Startup DeepSig công bố công nghệ nhận dạng thần kinh AI, có thể chạy trên chip của Intel, làm dấy lên câu hỏi về việc liệu có cần đến GPU hiệu năng cao hay không.

📌Việc tích hợp AI vào RAN đang đối mặt với những thách thức về kinh tế, bao gồm chi phí cao và nhu cầu không chắc chắn. Mặc dù có tiềm năng tăng tốc độ trên mạng 5G và 6G, nhưng việc sử dụng GPU hiệu năng cao như Grace Hopper của Nvidia có thể không phải là lựa chọn tối ưu do chi phí liên quan. Các công nghệ như "học tuần tự" và mô hình ngôn ngữ nhỏ (SLMs) có thể cung cấp một giải pháp hiệu quả hơn về mặt chi phí, đồng thời giảm nhu cầu về tài nguyên tính toán hiệu năng cao trong RAN. Startup DeepSig và công nghệ nhận dạng thần kinh AI của họ, chạy trên chip của Intel, cung cấp một ví dụ về hướng đi mới này, mở ra cơ hội để tái định hình kinh tế của AI trong RAN.

Citations:
[1] https://www.lightreading.com/ai-machine-learning/the-questionable-economics-of-ai-in-the-ran