此外，将自动化和 AI 应用于传统的人工解决方案同样至关重要。业务层面的相关措施包括重新培训并挽留能力合适的员工、管理能源采购（尤其是通过将可再生能源纳入到能源组合）以及在某些情况下通过剥离基础设施落实轻资产战略。 4.提高能源和安全恢复力 电信基础设施是受到政府严格监督的重大国家基础设施，因此政府高度重视它的恢复力。无论是加拿大、荷兰、韩国、英国，还是全世界的任何地方，电信基础设施的日常停机都会产生严重的政治和经济影响。能效（包括与可持续性有关的方面）和安全（包括网络安全和供应链多样性）是对电信基础设施恢复力的两个最大的威胁。 能源成本已成为电信公司众所周知的“房间里的大象”，在节能计划和可再生能源的多样化方面，电信公司亟待采取强有力的行动，约 80%的全球移动通信业正致力于减少温室气体排放。 同样，人们对网络安全的担忧也会影响到行业的活动（例如重视开放式 RAN 软硬件的分离）并推动了政府对电信设备采购的干预。 5.优化 RAN 的总运营成本 RAN 是目前移动网络中成本最高的部分，预计在 5G 时代将占到网络总运营成本（TCO）的 65%。过去，RAN 演进的主要目标是提高性能，而现在又多出了三个目标：
通过可编程性提高灵活性并简化升级
支持软硬件分离的开放式标准和接口，这被认为是RAN的未来发展趋势
兼容一切工作的基础设施，可以与其他创造收入的AI工作负载共存于商用现成（COTS）硬件上
根据预测，预计到 2027 年 RAN 基站数量将增加近一倍，但现实是大多数 RAN 基站的平均利用率低于 25%。RAN 的重要战略意义将为实现 RAN 规划、部署、管理和变现方面的创新带来巨大的机会。 AI 和加速计算在这个过程中都可以发挥重要的作用。作为 5G/6G 物理层处理所必要的高性能计算的唯一途径，加速计算是优化 RAN 总运营成本的先决条件。
AI 赋能的电信公司
AI 和加速计算为 AI 赋能的电信公司提供了应对行业最大挑战的关键技术工具，NVIDIA 正在通过一套技术平台提供这些工具，目前已向电信公司提供的商业产品和解决方案以及仍在开发的产品共分为四种类型（图 2）。 图 2. NVIDIA 通过四种类型的产品支持 AI 赋能的电信公司 每种类型的产品（详见下文）都为 NVIDIA 合作伙伴和客户提供包括 NVIDIA 硬件和软件在内的套件并针对他们的个人需求进行定制。
AI 赋能的边缘：主要是利用云和边缘 AI 推动新的利润增长。各种行业主导用例将推动计算机视觉、云游戏和物联网领域新工作负载的发展，并孵化出一个由 NVIDIA 认证电信合作伙伴组成的生态。
AI 赋能的运营：主要是提高电信公司运营效率的解决方案，包括大数据工具和平台、人工智能运维（AIOps）以及 AI 客户体验工具。
这些机会（尤其是对 RAN 产生的影响最大）推动了 3GPP、ORAN 等标准机构的活动与行动。 4. 为电信市场提供新的产品和服务 AI 所提供的实用功能使电信公司能够推出新的产品和服务。在个人用户层面，这些服务可能来自网络底层（例如可配置的 QoS）；可能是 OTT 服务，如 AI 赋能的呼叫中心解决方案或高级视频会议；也可能通过辅助边缘/云设施提供（例如云游戏）。 在企业用户层面，AI 所提供的互联智能能力使工业用户能够引导交通流量、为自动驾驶车辆规划路线并提高工厂货物分拣和包装的智能化水平与效率。具体案例可参见技术驱动创新：5G 和 VR 加速汽车电池设计。 各个行业都可以使用视频分析来改变运营方式并提供实时洞察。通过 AI 与 5G 实现的互联智能确保边缘 AI 可以克服移动性、速度、延迟、可靠性和安全方面的限制，提高本地化水平并遵守数据驻留规定。
加速计算如何改变电信行业的运营方式
加速计算是驱动电信行业 AI 的“引擎”，其使用并行处理技术加速 AI、数据分析、仿真模拟、可视化等应用方面的工作，将 CPU 与 GPU、DPU 等专用硬件组合在一个异构计算架构中以大幅加快AI的处理速度（图 4）。 图 4. 加速计算是驱动 AI 的“引擎” 加速计算的问世再次证明了“创新无止境”。这项技术出现在 PC 时代，用于支持图形和游戏的可视化。现在，它已成为云超级计算机的一个组成部分，为不同行业的企业提供可支持计算密集型工作负载的高性能计算（HPC）平台。 加速计算具体通过以下三种方式为创新和应对挑战提供硬件算力。 1. 将 GPU 计算基础设施用于 AI 工作负载 电信公司的大多数 AI 创新都是通过将 GPU 用于数据科学、可视化和游戏工作负载处理而实现的。电信公司正在其网络中部署 GPU 以支持电信工作负载和AI工作负载，例如，Verizon 已经为边缘 AI 服务创建了一个分布式 GPU 数据中心网络。 2. 通过 GPU 加速 RAN 工作负载 RAN，尤其是物理层（L1 - 第 1 层）是 5G 网络中计算密集度最高的部分。这是因为它涉及到一些最复杂的数学因素，如信道估计、调制、解调、前向纠错（FEC）等复杂的算法。电信行业在这一层所面临的一个主要挑战是在继续满足 L1 计算要求的同时，过渡到一个更加开放的软件定义架构。 凭借大规模的并行性和对 CUDA 编程的依赖，GPU 提供了一个既能满足 RAN 硬件要求，又能满足可编程性要求的强大解决方案。这项业界的重大创新实现了开放、可编程的全内联 L1 卸载，而无论是使用过去的专用 ASIC，还是最近的 FPGA 都无法实现这一点。 OpenAirInterface 软件联盟（OSA）已经展示了 5G vRAN 的 GPU 加速功能。按照这一轨迹，GPU 最终将被用于加速整个 5G RAN 堆栈和 5G 核心网功能。 3. 通过 DPU 优化 CPU 的使用 DPU（或其前身 SmartNIC）通过提供网络、安全和存储等标准功能帮助优化主机 CPU 的性能。例如前传时效性是一个重大的难题，而 NVIDIA 5G for 5T 解决方案利用硬件卸载实现了实时数据传输。 虽然 GPU 可以在 5G RAN 上提供全内联加速，但网络和安全等辅助基础设施工作负载组合仍需要通过 CPU 途径进行。DPU 非常适合卸载、加速和隔离这些基础设施任务，帮助提高性能、效率和安全性。在以这种方式用于 5G RAN 时，DPU 可以将所有 L1 eCPRI 数据带入 GPU，而且不需要在数据路径中使用 CPU。
结论
为了延续上个世纪颠覆性的连接技术革新，电信行业需要通过技术、经济和政策方面的创新来解决重大挑战。这篇文章介绍了可能影响电信公司整体财务业绩的五大挑战，AI 赋能的电信公司能够使用 AI 和加速计算来应对这些挑战。 NVIDIA 为电信公司提供了帮助其在网络和运营以及整个业务中采用 AI 和加速计算的关键技术平台。 点击阅读原文，了解 NVIDIA 如何与合作伙伴一起推动电信行业的 AI 和加速计算创新。
