b
管理员
光纤在线 10 月 22 日转述 Sebastian Barros 在 Substack 上的文章，整理了诺基亚与英伟达在柏林 GTC 大会上公布的 AI-RAN 进展。要点如下：
1）诺基亚、英伟达与 T-Mobile 在美国华盛顿州贝尔维尤完成了其宣称的全球首次商用网络 AI-RAN 通话，使用诺基亚大规模 MIMO 射频单元、CUDA 加速的 anyRAN 软件、英伟达 Aerial RAN Computer 基础设施，以及已商用的 5G 独立组网核心网，用普通商用手机完成通话；
2）文章强调，在加速计算平台上跑无线软件比跑企业应用难得多，基站要在毫秒的几分之一这样的时间粒度内处理无线信号，超时就会影响调度和译码；
3）诺基亚披露，借助 AI 辅助无线算法，综合频谱效率提升已超过 20%；目标是在 TDD 大规模 MIMO 场景下，2027 年实现 1.5 倍、2028 年实现 2 倍频谱效率；
4）英伟达此前向诺基亚投资 10 亿美元，获得约 2.9% 股权；
5）编辑观点部分提到，华为、爱立信、中兴等更倾向于在通信专用 ASIC 中内置 NPU，路线更渐进。
从光互连的角度，我有几点不成熟的想法（个人观点）：
第一，如果基带处理迁到通用 GPU 服务器上，集中化部署（C-RAN）的动力会更强，因为 GPU 资源池越大越划算。这意味着射频单元到集中机房的前传光纤需求会增加，对前传时延和抖动的要求也更严格，前传距离和光模块选型都要重新算。
第二，边缘机房里会出现「小型 AI 集群」：GPU 服务器之间、服务器到交换机之间要用到 25G、100G 甚至更高速率的光模块或 DAC，边缘机房的电力和散热条件通常比数据中心差，工业级温度范围的器件可能会更受欢迎。
第三，AI-RAN 宣称可以在空闲时段把算力拿去跑其他 AI 推理任务，那么边缘机房到核心数据中心的回传带宽也会被重新规划。
当然，现在还只是首个现网通话，离规模部署还有很远，以上更多是推演。
讨论：大家觉得 GPU 做基带这条路，和专用 ASIC 加 NPU 的路线，哪个更可能先在国内落地？如果 C-RAN 集中度提高，前传光纤资源够用吗？
1）诺基亚、英伟达与 T-Mobile 在美国华盛顿州贝尔维尤完成了其宣称的全球首次商用网络 AI-RAN 通话，使用诺基亚大规模 MIMO 射频单元、CUDA 加速的 anyRAN 软件、英伟达 Aerial RAN Computer 基础设施，以及已商用的 5G 独立组网核心网，用普通商用手机完成通话；
2）文章强调，在加速计算平台上跑无线软件比跑企业应用难得多，基站要在毫秒的几分之一这样的时间粒度内处理无线信号，超时就会影响调度和译码；
3）诺基亚披露，借助 AI 辅助无线算法，综合频谱效率提升已超过 20%；目标是在 TDD 大规模 MIMO 场景下，2027 年实现 1.5 倍、2028 年实现 2 倍频谱效率；
4）英伟达此前向诺基亚投资 10 亿美元，获得约 2.9% 股权；
5）编辑观点部分提到，华为、爱立信、中兴等更倾向于在通信专用 ASIC 中内置 NPU，路线更渐进。
从光互连的角度，我有几点不成熟的想法（个人观点）：
第一，如果基带处理迁到通用 GPU 服务器上，集中化部署（C-RAN）的动力会更强，因为 GPU 资源池越大越划算。这意味着射频单元到集中机房的前传光纤需求会增加，对前传时延和抖动的要求也更严格，前传距离和光模块选型都要重新算。
第二，边缘机房里会出现「小型 AI 集群」：GPU 服务器之间、服务器到交换机之间要用到 25G、100G 甚至更高速率的光模块或 DAC，边缘机房的电力和散热条件通常比数据中心差，工业级温度范围的器件可能会更受欢迎。
第三，AI-RAN 宣称可以在空闲时段把算力拿去跑其他 AI 推理任务，那么边缘机房到核心数据中心的回传带宽也会被重新规划。
当然，现在还只是首个现网通话，离规模部署还有很远，以上更多是推演。
讨论：大家觉得 GPU 做基带这条路，和专用 ASIC 加 NPU 的路线，哪个更可能先在国内落地？如果 C-RAN 集中度提高，前传光纤资源够用吗？