Nokian RAN Digital Twin ja Nvidian Omniverse-alustan sulautuessa yhteen korostuu nähdäkseni yksi puoli AI-RAN kehitystä, joka jää “AI-RAN vs ASIC-RAN” keskustelussa vähemmälle huomille. Vaikka ala olisi siirtymässä kohti GPU-pohjaista AI-RAN-arkkitehtuuria, tämä teknologia on elintärkeää myös perinteisen ASIC-pohjaisen (ReefShark) raudan kehitykselle. Seuraavassa Geminin laatima yhteenveto:
Miten Nokia hyödyntää dataa ja AI-alustaa?
Nokialla on käytössään vuosikymmenten edestä “Real World RAN” -dataa sadoista verkoista ympäri maailmaa. Tätä hyödynnetään seuraavasti:
- ASIC-parametrien hienosäätö (ReefShark-optimointi):
- ASIC-piirit (kuten Nokian ReefShark) ovat kiinteitä, mutta niiden ohjelmistolliset parametrit ja algoritmit ovat säädettävissä.
- Nokia syöttää keräämänsä datan Nvidian AI-alustalle, joka ajaa miljoonia simulaatioita digitaalisessa kaksosessa. Tämä paljastaa, mitkä ASIC-piirin asetukset (esim. virranhallinta, muistin käyttö tai ajoitukset) toimivat parhaiten tietyissä kuormitustilanteissa.
- Tuloksena on “Extreme Deep Sleep” -tyyppisiä ominaisuuksia, jotka säästävät jopa 25 % energiaa pelkästään optimoimalla piirin toimintaa reaaliaikaisen liikennedatan perusteella.
- Radion Beamforming-ominaisuudet:
- Massive MIMO -radioiden keilanmuodostus (beamforming) on äärimmäisen monimutkaista fysiikkaa.
- Nokian digitaalinen kaksonen käyttää Nvidian säteenseurantaa (Ray Tracing) mallintaakseen, miten radioaallot heijastuvat todellisista materiaaleista (lasi, betoni, puut) kaupunkiympäristössä.
- Tämän simulaation avulla tekoäly opettaa radion ohjausalgoritmeja suuntaamaan keilat tarkemmin, mikä voi parantaa verkon kapasiteettia ja spektritehokkuutta jopa 40 %.
- Suljettu kierto (Closed-loop) simulaatiosta tuotantoon:
- Nokia pystyy testaamaan uusia algoritmeja virtuaalisesti digitaalisessa kaksosessa ennen niiden viemistä fyysisiin tukiasemiin.
- Tämä lyhentää tuotekehityssykliä (“concept-to-live”) merkittävästi ja varmistaa, että ASIC-pohjainen laitteisto saa tekoälyn edut ilman, että itse rautaa tarvitsee vaihtaa.
Yhteenveto: Tekoäly tekee “tyhmästä” raudasta älykkään
Vaikka Nvidia puskee GPU-pohjaista laskentaa, Nokian strateginen etu on kyky siirtää nämä tekoälyllä löydetyt opit suoraan heidän AirScale- ja ReefShark-portfolioonsa.
Tämä tarkoittaa, että Nokia ei hylkää ASIC-kehitystä, vaan tekee siitä “AI-nativea”. Digitaalinen kaksonen toimii laboratoriona, jossa Nokian valtava datamassa muutetaan ASIC-piirien ja radioiden optimaalisiksi suoritusarvoiksi.