電信行業在推動整個社會的數字化轉型方面發揮著關鍵作用。一個多世紀以來，從固定通信到移動通信，該行業培育了為全球人民提供連接結構的技術。在 5G 時代，這一關鍵角色現在包括為眾多始終連接的終端用戶和計算節點提供無約束和無處不在的高速數據連接。
IHS Markit 估計，由于移動支持的普及連接，到 2035 年， 5G 支持的價值鏈將為工業部門和企業市場帶來超過 13 萬億美元的總產值（圖 1 ）。 GSMA 預測，到 2025 年，僅移動電信行業就將為全球經濟貢獻 4.9 萬億美元（約占全球 GDP 的 5% ）。要了解更多信息，請參見 后新冠時代的 5G 經濟 和 2022 年移動經濟 。
電信業和整個社會的持續成功不能被視為理所當然。從歷史上看，該行業的成功很大程度上歸功于通過技術、標準、經濟和政策創新來解決關鍵挑戰的協調一致的方法。隨著電信公司和其他現有和新的行業利益相關者協調應對行業的關鍵挑戰， 2023 年及以后的情況將繼續如此。
這篇文章強調了行業面臨的五個關鍵挑戰，并探討了以人工智能為動力的電信公司如何利用人工智能和 accelerated computing 這兩個技術構建塊來應對挑戰并推動增長。最后，它解釋了 NVIDIA 如何為電信中的人工智能和加速計算提供技術平臺。
五大電信行業挑戰
在整個行業和利益相關者中，對于電信公司面臨的最大挑戰存在著不同的觀點。關注對行業決策者最重要的問題是有幫助的。本節討論電信公司在努力釋放 5G 時代的行業機遇時面臨的五大挑戰。人工智能和加速計算為應對這些挑戰提供了基本的基礎。更具體地說，人工智能提供了軟件工具包，而加速計算提供了硬件補充。
1 .創造新收入
電信公司面臨的一個基本挑戰是從光纖和 5G 投資中創造新收入。 5G 是行業最閃亮的資產，并將推動 2022 年至 2025 年，移動行業 6200 億美元資本支出的 85% 。然而，與 5G 商業化的現實相比，對 5G 價值創造的期望差距越來越大，特別是在 企業/私人 5G 采用緩慢 和電信公司職責范圍之外的服務交付云化的情況下。
簡單地說，如果沒有足夠的 5G 貨幣化，行業雇傭資本回報率（ ROCE ）的下降只會惡化。例如， Ofcom 指出， 2017 年至 2020 年間，英國行業平均 ROCE 有所下降。有關詳細信息，請參見 Ofcom 對移動市場的未來策略 。
應對貨幣化挑戰需要雙管齊下的方法來打開消費者和企業市場。對于消費者而言， 銷售光纖和 5G 體驗 ，如游戲、沉浸式娛樂和人工智能服務，無論是直接還是與合作伙伴一起，都已經建立起來。
對于企業來說，構建 邊緣計算，引入更多 5G 設備 和更加重視解決業務需求開始產生影響。要了解更多信息，請參見 NVIDIA 和朋友們為工程師打造 5G VR 工作區 。
2 .增強客戶體驗
鑒于電信行業固定資本支出、運營支出和頻譜成本較高，加上對規模經濟的依賴，贏得新客戶（或不失去現有客戶）是最重要的戰略優先事項。在一個日益成熟的市場中，由于人口增長緩慢，一個行業公開的秘密是，擁有最好的客戶體驗可能會為你贏得一些客戶，但擁有最差的客戶體驗肯定會讓你失去很多客戶。事實上，在 2022 年美國的一項調查中， Techsee 報告 電信行業 46% 的客戶流失率 是所有調查行業中最高的。
電信公司努力提供良好的客戶體驗，以改善客戶獲取和客戶流失管理。電信公司正在通過投資網絡質量、人工智能驅動的數據分析和用于客戶參與的對話式人工智能（例如，化身和聊天機器人）來改善客戶關系。
3 .降低運營復雜性和成本
運營復雜性是電信公司面臨的重大挑戰。這種復雜性的成本影響可能會帶來巨大的財務壓力。例如，電信公司有義務維護語音服務的基礎設施，而電話越來越少地成為收入驅動因素。
電信公司正試圖通過各種手段來管理復雜性并提高運營效率。在網絡層面，這些包括網絡參數的實時優化、流量路由以及故障預測和預防。在運營層面，包括：
- 更好地管理遺留基礎設施，如關閉 2G / 3G 網絡
- 采用云優先的方法
- 操作智能自動化 ，包括業務支持系統（ BSS ）和運營支持系統（ OSS ）
此外，將自動化和人工智能應用于傳統手動解決方案也是當務之急。在業務層面，這包括重新培訓和留住具有正確技能的員工，管理能源來源（特別是通過將可再生能源納入能源組合），在某些情況下，通過剝離基礎設施，采用更輕資產的戰略。
4 .提高能源和安全韌性
作為一個具有嚴格政府監管的關鍵國家基礎設施，電信基礎設施的恢復力引起了高度的政治關注。從 Canada 和 Netherlands 到 South Korea 和 UK ，常規運行停機可能會在世界各地產生嚴重的政治和經濟影響。能源效率（包括可持續性）和安全（包括網絡安全和供應鏈多樣性）是電信基礎設施韌性的兩大威脅。
面對全球地緣政治緊張局勢，能源成本已成為電信公司眾所周知的“房間里的大象”，促使人們在節能計劃和可再生能源多樣化方面采取強有力的行動。與此相關的是，全球移動產業約 80% 的收入支持減少溫室氣體排放的承諾。有關詳細信息，請參見 與移動行業開展氣候行動 。
同樣，地緣政治也加劇了對網絡安全的擔憂。這些現在正在回流到行業活動中（例如，專注于開放式 RAN 軟件和硬件的分解），并推動對電信設備采購的政治干預。
5 .實現更好的 RAN TCO
RAN 是當今移動網絡中成本最高的部分，預計在 5G 時代將占整個網絡總擁有成本（ TCO ）的 占 65% 。過去， RAN 演進的主要目標是提高性能。另外三個目標現在同樣重要：
- 可編程性，實現靈活性和更容易的升級
- 開放標準和接口，以支持軟件和硬件的分解，這是公認的 RAN 的未來
- 不可知的基礎設施，可以與其他創收 AI 工作負載共同位于 COTS 硬件上
盡管 RAN 站點的數量預計為 到 2027 年，這一數字幾乎翻了一番，超過 1700 萬 ，但事實是大多數 RAN 站點都具有 平均利用率低于 25% 。這意味著 RAN 的戰略重要性為如何規劃、部署、管理和貨幣化 RAN 提供了巨大的機會。
人工智能和加速計算在這一過程中都發揮著重要作用。特別是，加速計算是更好的 RAN TCO 的先決條件，因為它是交付 5G / 6G 物理層處理所需的高性能計算的唯一手段。有關詳細信息，請參見 NVIDIA 用 x86 繞過打破英特爾的開放 RAN 壟斷 。
啟用 AI 供電的電信公司
人工智能和加速計算為 AI-powered telco 解決關鍵行業挑戰提供了關鍵技術工具。 NVIDIA 為這些工具提供了一系列技術平臺。四個產品支柱將已經為電信公司商業化的產品和解決方案與仍在開發中的產品結合在一起（圖 2 ）。
四大支柱（詳見下文）中的每一個都為 NVIDIA 合作伙伴和客戶提供了一個包括 NVIDIA 硬件和軟件的軟件包，以滿足他們的個人需求。
- AI Powered Edge ：專注于通過云和 Edge AI 推動新的貨幣化機會。這些包括行業主導的用例，在計算機視覺、云游戲和物聯網領域實現新的工作負載，并孵化一個由 NVIDIA 認證的電信合作伙伴組成的生態系統。
- AI 驅動運營：專注于為電信公司提供運營效率的解決方案。其中包括大數據工具和平臺、 AIOps 和 AI 客戶體驗工具。
- 加速聯網：專注于使用加速/卸載加上安全性來提高能源效率和基礎設施現代化。這包括 NFVI 的網絡虛擬化、 5G 工作負載的虛擬網絡功能以及 AI 支持的安全解決方案。
- AI 供電無線：專注于開發基于 NVIDIA 空中 SDK 的全棧、軟件定義、可編程和 GPU 加速的 5G vRAN 。這包括為公共 5G 網絡部署 NVIDIA Aero ； AI-on-5G 將 AI 和 5G 結合在同一企業計算平臺上；以及 6G 的持續研究、開發和生態系統參與。
人工智能如何改變電信運營
人工智能是當時最重要的技術力量，它對電信行業的影響才剛剛開始。如下文所述，如圖 3 所示，人工智能影響電信行業的四個重要方式，以及電信公司如何采用人工智能來釋放機遇和應對挑戰。這可能會影響底線（通過優化資本支出和運營支出來提高總體擁有成本）或底線（通過創造新收入）。請參見 AI 驅動的電信公司 了解更多信息。
1 .提高電信運營效率
AI 通過每天從網絡元素到客戶交互收集的 TB 級數據，以及由此產生的見解，提供 提高運營效率 。這些見解用于預測性維護和容量規劃；最大化網絡性能和用戶體驗；以及打擊網絡威脅和優化服務。
例如， AT & T 正在使用 NVIDIA RAPIDS 處理數萬億條記錄，以使團隊能夠優化網絡并提高客戶滿意度，同時節省成本。請參見 快速撥號器： AT & T 如何利用數據科學帶來新機遇 了解更多信息。
2 .更好的客戶體驗
無論是在網絡、零售前哨還是在呼叫中心，人工智能都能為改善客戶體驗的行為提供可操作的見解。通過 對話式 AI 、化身和推薦系統 等技術，人工智能可以增強與語音代理和個性化交互的客戶互動，包括支付提醒和促銷活動。
如 獲獎客戶關懷演講 AI 所述， T-Mobile 正在使用 NVIDIA 對話式 AI 為其聯絡中心的實時語音到文本解決方案提供動力。 Cloudera 正在使用大數據分析為電信公司的客戶行為建模，如 加快電信公司客戶行為建模 所述。
3 .更有效的電信基礎設施
人工智能正在通過多種方式使構建有效基礎設施的任務變得更容易，包括：
- 使用 數字孿生網絡 改進 5G / 6G 規劃，如使用 Ericsson 和 Ericsson 的數字孿生的 Heavy.AI
- 5G 核心中的服務供應，包括 網絡切片支持
- 為 節能、移動性管理和負載平衡 優化 RAN 的操作
- 通過與 RAN-in-the-cloud architecture 動態共享計算資源來使用 RAN 基礎設施
- 使用 zero-touch automation 開發 BSS 和 OSS
這些機會 — ，特別是對 RAN 的影響，這是最深刻的 — ，刺激了包括 3GPP 和 ORAN 在內的標準機構的活動和行動。有關詳細信息，請參見 在 5G 中擁抱人工智能，邁向 6G ： 3GPP 和 O-RAN 的聯合視角 。
4 .電信市場的新產品和服務
人工智能提供了有用的功能，使電信公司能夠推出新的產品和服務。對于消費者來說，這些服務可以從網絡內部深處發出（例如，可配置的 QoS ）。它們也可以是頂級服務，如 AI 供電的呼叫中心解決方案或高級視頻會議。它們也通過 輔助邊緣/云設施 （例如，云游戲）提供。
對于企業而言，人工智能提供 connected intelligence 功能，使工業用戶能夠引導交通流、引導自動駕駛車輛，并使工廠更智能、更高效地挑選和包裝貨物。參見 通電： 5G 和 VR 加速車輛電池設計 了解一個示例。
視頻分析可用于各個行業，以轉變運營并實時提供見解。人工智能和 5G 的互聯智能確保邊緣人工智能能夠克服移動性、速度、延遲、可靠性和安全性的限制，并更好地定位和遵守數據駐留規則。
加速計算如何改變電信運營
Accelerated computing 是電信行業人工智能的引擎引擎。它使用并行處理來加速高要求應用程序的工作，如 AI 、數據分析、模擬和可視化。它將 CPU 與專用硬件（如 GPU 和 DPU ）混合在異構計算架構中，以顯著加快 AI 處理速度（圖 4 ）。
加速計算的出現是創新無止境的經典故事。它出現在 PC 時代，支持圖形和游戲的可視化。現在，它是云超級計算機的一個組成部分，它為不同行業垂直領域的企業提供了 高性能計算（ HPC ）平臺 支持計算密集型工作負載。
加速計算以三種方式為創新和應對挑戰提供了硬件計算能力，詳情如下。
1.GPU 用于 AI 工作負載的計算基礎設施
電信行業中大多數基于人工智能的創新都是通過將 GPU 用于數據科學、可視化和游戲工作量處理而實現的。電信公司正在其網絡上部署 GPU ，以支持電信工作負載和人工智能工作負載。例如， Verizon 為邊緣 AI 服務創建了分布式 GPU 數據中心網絡。請參見 Verizon 如何革命性地從云端獲取高性能計算服務 了解更多信息。
2 .使用 GPU 加速 RAN 工作負載
RAN ，尤其是物理層（ L1 –第 1 層），是 5G 網絡中計算量最大的部分。這是因為它涉及一些最復雜的數學和復雜的算法，如信道估計、調制、解調和前向糾錯（ FEC ）。一個主要的行業挑戰是繼續 滿足 L1 的計算需求，同時過渡到更開放和軟件定義的體系結構 。
GPU 由于其巨大的并行性和對 CUDA 編程的依賴性，提供了 滿足 RAN 的硬件和可編程性要求的令人信服的解決方案。 這對業界來說是一項重大創新，因為它提供了一種開放、可編程和完全內聯的 L1 卸載，無論是使用專用 ASIC 的傳統方法還是使用 FPGA 的最新適應都無法提供這種卸載。
OpenAirInterface 軟件聯盟（ OSA ）已經演示了 5G vRAN 的 GPU 加速，如 使用 NVIDIA Aero SDK 和 OAI 演示 5G 虛擬 RAN 所述。在這個軌道上， GPU 最終將用于加速整個 5G RAN 堆棧和 5G 核心功能。
3 .優化 CPU 與 DPU 的使用
在提供網絡、安全和存儲的標準功能時， DPU （或其前身 SmartNIC ）有助于優化其主機 CPU 的性能。例如，前端傳輸的計時可能是一個主要挑戰， NVIDIA 5G For 5T 解決方案使用硬件卸載提供實時數據傳輸。要了解更多信息，請參見 用 5G 的 5T 和 NVIDIA Aero SDK 改造下一代無線技術 。
雖然 GPU 可以在 5G RAN 上提供全在線加速，但一組輔助基礎設施工作負載（如網絡和安全）仍需要通過 CPU 路徑。 DPU 非常適合 卸載、加速和隔離這些基礎設施任務 ，有助于提高性能、效率和安全性。以這種方式在 5G RAN 中使用， DPU 可以將所有 L1 eCPRI 數據帶入 GPU ，而數據路徑中沒有 CPU 。
結論
為了延續其提供轉型連接的百年歷史，電信行業需要技術、經濟和政策創新來應對關鍵挑戰。這篇文章強調了可能影響電信公司整體財務業績的五個關鍵挑戰。以人工智能為動力的電信公司被充分授權使用人工智能和加速計算來應對這些挑戰。
NVIDIA 提供關鍵技術平臺，支持電信公司在其網絡和運營以及整個業務中采用人工智能和加速計算。訪問 NVIDIA Telecommunications 、 NVIDIA 空中 SDK 和 NVIDIA AI-on-5G ，了解 NVIDIA 如何與合作伙伴合作，推動電信行業的人工智能和加速計算創新。
?
