AI-RAN: Nvidia Areial RAN

就讓我們從 Aerial Omniverse Digital Twin 談起吧!

為了減少打字的麻煩, 在後續文章中簡寫為 AODT,

以 AODT 作為介紹的起點, 一方面是因為他有完整的使用者介面,

可以視覺化的呈現 AI RAN 的應用與概念,

另一方面, AODT 也有善用到 CUDA 的平行運算能力,

我們可以介紹 Nvidia 對於 AI RAN 的投入.

我們先從 AODT 的是範例出發, 可以參考以下影片:

在影片中, AODT 展示了兩個主要的能力:

透過以上兩個能力, 在布建基地台前, 我們就可以評估是否有訊號死角,

不必像傳統的行動網路業者, 還需要開車去做事後評估與補強,

同時, 這些模擬不只是訊號強度, 還包含了通道的時域 (CIR) 與頻域 (CFR) 特徵,

可以直接匯入 cuMAC 和 cuPHY 的模組中, 進行網速的評估.

因此, AODT 可以提供一個大型通訊網路在一個城市中的數位雙生 (Digital Twin),

這些收集來的通道資訊, 更可以作為 AI/ML 模型的訓練資料,

透過大量的訓練資料, 賦予通訊網路引入 AI/ML 能力的潛力.

看起來非常厲害, 簡直就是無線通訊的未來對吧?

一方面, 是的. Nvidia 憑藉著其對 GPU 平行運算能力的掌握,

將原有無線通道模擬的速度從小時, 推進到分鐘. (依據我們的經驗)

這樣的模擬速度與尺度, 的確讓大量訓練資料產生變成可能,

同時, 考量到 AI/ML 模型的訓練需要大量的資料,

AODT 也的確解決了 AI-RAN 訓練資料從何而來的問題.

另一方面, AODT 1.0 版的發布時間為 2024 年 4 月.

作為一個年輕的專案, 其本身一定會有許多限制 (以及 bugs ...)

我們將在後續文章中, 先介紹其實作框架, 以及各元件功能,

接著, 我們將繼續介紹他們的限制,

給予 AODT 目前的狀態一個較全面的評估.

Castle on a Cloud