Wydatki na oprogramowanie i usługi wykorzystujące sztuczną inteligencję do automatyzacji i optymalizacji radiowych sieci dostępowych (AI-RAN) wzrosną do 1,1 mld dolarów rocznie w 2030 r. – prognozuje firma analityczna SNS Telecom & IT. Wzrost rynku ma napędzać przede wszystkim wdrażanie rozwiązań automatyzujących zarządzanie siecią oraz integracja algorytmów AI z urządzeniami radiowymi.
Według prognozy SNS Telecom & IT rynek automatyzacji i optymalizacji AI-RAN będzie rósł w tempie około 9 proc. rocznie w ciągu najbliższych czterech lat. Rozwiązania te mają pomóc operatorom obniżać koszty operacyjne, zmniejszać zużycie energii, poprawiać wydajność sieci oraz ograniczać potrzebę inwestowania w dodatkową infrastrukturę.
Automatyzacja sieci RAN obejmuje jeden z najbardziej kosztownych, złożonych technicznie i energochłonnych elementów infrastruktury komórkowej. Wykorzystanie AI i uczenia maszynowego pozwala dynamicznie dostosowywać parametry działania sieci do warunków ruchu, zamiast polegać wyłącznie na statycznych regułach i ręcznej konfiguracji.
SNS Telecom & IT wskazuje, że część operatorów osiągnęła już poziom L4, czyli wysokiej autonomii, w wybranych zastosowaniach. Wśród nich są m.in. Rakuten Mobile, China Mobile, saudyjski STC i duński TDC NET. W praktyce wdrożenia automatyzacji mogą przynosić oszczędności energii sięgające 20 proc. bez pogorszenia jakości obsługi użytkowników. W wybranych scenariuszach możliwe jest również ograniczenie liczby awarii komórek sieciowych nawet o 60 proc.
Rynek przechodzi od tradycyjnych systemów SON (Self-Organizing Network), służących do samoorganizacji sieci, w kierunku bardziej otwartych architektur wykorzystujących platformy SMO (Service Management and Orchestration) oraz RIC (RAN Intelligent Controller).
Szczególną rolę mają odgrywać aplikacje rApps, działające na warstwie Non-RT RIC i umożliwiające centralne koordynowanie automatyzacji w sieciach różnych dostawców. Według SNS Telecom & IT zainteresowanie tym modelem rośnie m.in. u takich operatorów, jak: AT&T, Verizon, Telus, Vodafone, Deutsche Telekom, Swisscom i Telstry.
W przypadku rozwiązań wymagających szybszej reakcji rozwijane są również aplikacje dApps, które mają umożliwiać bezpośrednią współpracę z węzłami bazowymi Open RAN. Jednym z kierunków rozwoju jest interfejs E3, projektowany z myślą o sterowaniu w czasie rzeczywistym i optymalizacji funkcji działających na niższych warstwach stosu radiowego. Część dostawców wybiera alternatywną drogę, oferując funkcje optymalizacji oparte na AI jako aktualizacje oprogramowania istniejących platform RAN.
Analitycy rozróżniają przy tym trzy obszary rozwoju AI-RAN:
- AI-for-RAN oznacza wykorzystanie sztucznej inteligencji do optymalizacji i automatyzacji sieci radiowej.
- AI-and-RAN obejmuje współdzielenie infrastruktury obliczeniowej przez funkcje RAN i zewnętrzne zadania AI.
- AI-on-RAN dotyczy udostępniania usług AI użytkownikom za pośrednictwem sieci brzegowych.
Rozwój AI-RAN ma nabrać tempa wraz z przygotowaniami do 6G. Sieci szóstej generacji są projektowane jako natywnie wykorzystujące AI, co powinno zwiększyć możliwości optymalizacji oprogramowania i ograniczyć uzależnienie innowacji od konkretnej platformy sprzętowej. Pierwsze sieci 6G są spodziewane około 2030 r.
Ważnym narzędziem mają być także cyfrowe bliźniaki (ang. digital twins) sieci RAN. Umożliwią one testowanie funkcji radiowych i trenowanie algorytmów optymalizacyjnych w środowisku wirtualnym przed ich wdrożeniem w działającej sieci.
Dla porównania, wydatki na cały rynek automatyzacji RAN, obejmujący również tradycyjne rozwiązania SON, narzędzia planowania radiowego oraz systemy testowania i pomiarów, mają rosnąć wolniej – w tempie około 4 proc. rocznie.
Prognozy pochodzą z raportu SNS Telecom & IT RAN Automation, SON, RIC, SMO, rApps, xApps & dApps in the AI-RAN Era: 2026–2040.
