När Nokias RAN Digital Twin och Nvidias Omniverse-plattform smälter samman framhävs enligt min mening en sida av AI-RAN-utvecklingen som hamnar i skymundan i diskussionen om “AI-RAN vs ASIC-RAN”. Även om branschen skulle röra sig mot en GPU-baserad AI-RAN-arkitektur, är denna teknik livsviktig även för utvecklingen av traditionell ASIC-baserad (ReefShark) hårdvara. Här följer en sammanfattning skapad av Gemini:
Hur utnyttjar Nokia data och AI-plattformen?
Nokia har tillgång till årtionden av “Real World RAN”-data från hundratals nätverk runt om i världen. Detta utnyttjas på följande sätt:
- Finjustering av ASIC-parametrar (ReefShark-optimering):
- ASIC-chip (som Nokias ReefShark) är fasta, men deras programvarubaserade parametrar och algoritmer är justerbara.
- Nokia matar in sin insamlade data i Nvidias AI-plattform, som kör miljontals simuleringar i en digital tvilling. Detta avslöjar vilka ASIC-inställningar (t.ex. strömhantering, minnesanvändning eller tajming) som fungerar bäst i specifika belastningssituationer.
- Resultatet är funktioner av typen “Extreme Deep Sleep”, som sparar upp till 25 % energi enbart genom att optimera chippets funktion baserat på trafikdata i realtid.
- Radions Beamforming-funktioner:
- Lobformning (beamforming) för Massive MIMO-radior är extremt komplex fysik.
- Nokias digitala tvilling använder Nvidias strålspårning (Ray Tracing) för att modellera hur radiovågor reflekteras från verkliga material (glas, betong, träd) i stadsmiljö.
- Med hjälp av denna simulering lär AI:n radions styralgoritmer att rikta loberna mer exakt, vilket kan förbättra nätverkskapaciteten och spektrumeffektiviteten med upp till 40 %.
- Sluten loop (Closed-loop) från simulering till produktion:
- Nokia kan testa nya algoritmer virtuellt i den digitala tvillingen innan de rullas ut till fysiska basstationer.
- Detta förkortar produktutvecklingscykeln (“concept-to-live”) avsevärt och säkerställer att den ASIC-baserade hårdvaran får fördelarna med AI utan att själva hårdvaran behöver bytas ut.
Sammanfattning: AI gör “dum” hårdvara intelligent
Även om Nvidia driver på för GPU-baserad beräkning, är Nokias strategiska fördel förmågan att överföra dessa AI-genererade lärdomar direkt till deras AirScale- och ReefShark-portfölj.
Detta innebär att Nokia inte överger ASIC-utveckling, utan gör den “AI-native”. Den digitala tvillingen fungerar som ett laboratorium där Nokias enorma datamängder omvandlas till optimala prestandavärden för ASIC-chip och radior.