根據(jù)最近的一份 GSMA 對于移動經(jīng)濟(jì) 的報(bào)告，手機(jī)行業(yè)每年在無線接入網(wǎng)絡(luò)（ RAN ）上花費(fèi)超過 500 億美元。專用和過度配置的硬件主要用于為峰值需求提供容量。因此，大多數(shù) RAN 站點(diǎn)都 平均利用率低于 25% 。

多年來，隨著技術(shù)從 2G 發(fā)展到 4G ，這已成為業(yè)界的現(xiàn)實(shí)。但隨著致密化的推進(jìn)，再加上 mmWave 的使用，到 2027 年將接近 doubling of the number of cell sites ，超過 1700 萬， 5G 的情況將更加明顯。這意味著， RAN 資本支出在整個(gè)網(wǎng)絡(luò)總擁有成本（ TCO ）中所占的份額將增至 65% in 5G ，而 4G 的這一比例為 45-50% 。

一種改變游戲規(guī)則的新方法將未充分利用轉(zhuǎn)化為機(jī)會：利用 AI 使用的相同云和數(shù)據(jù)中心基礎(chǔ)設(shè)施，動態(tài)加載 5G 虛擬 RAN （ vRAN ）共享。這種方法為云提供商創(chuàng)造了新的機(jī)會，并有助于降低運(yùn)營成本。

RAN 利用不足的機(jī)會

通過將基帶計(jì)算資源匯集到云本地環(huán)境中， CloudRAN 解決方案顯著提高了資產(chǎn)利用率，為電信公司創(chuàng)造了效率收益，為云服務(wù)提供商（ CSP ）創(chuàng)造了收入機(jī)會。該解決方案通過動態(tài)協(xié)調(diào) 5G 和 5G RAN 非高峰工作負(fù)載之間的資源來實(shí)現(xiàn)這一點(diǎn)。

5G RAN 非高峰工作負(fù)載的示例包括 AI 工作負(fù)載，如驅(qū)動器映射、聯(lián)合學(xué)習(xí)、離線視頻分析、預(yù)測維護(hù)、工廠數(shù)字孿生等。 5G 計(jì)算能力映射到 5G 無線電的通信需求變化，而剩余的計(jì)算用于 AI 工作負(fù)載。對于電信公司來說，這可以將 RAN 運(yùn)營效率提高 2 倍以上，對運(yùn)營利潤的影響估計(jì)為 25% 或以上。

對于顧客服務(wù)提供商來說，在其現(xiàn)有數(shù)據(jù)中心架構(gòu)中，將 5G vRAN 作為工作負(fù)載與人工智能工作負(fù)載一起運(yùn)行是一個(gè)重要的機(jī)會。舉一個(gè)具體的例子，美國無線市場包括大約 42 萬個(gè)手機(jī)站點(diǎn)。如果電信運(yùn)營商對其 50% 的網(wǎng)絡(luò)（主要是市區(qū)）使用集中式 RAN （ C-RAN ），并運(yùn)行 4 ： 1 配置，那么他們將使用 52000 GPU 來運(yùn)行網(wǎng)絡(luò)。

在典型的數(shù)據(jù)中心中，每小時(shí) GPU 的計(jì)算費(fèi)用為 2 美元。使用動態(tài)編排結(jié)合 5G 和 AI 工作負(fù)載的 C-RAN 配置以及 CSP 的 52000 GPU 貨幣化將帶來 5 億美元的收入機(jī)會。在全球范圍內(nèi)，這是一個(gè)數(shù)十億美元的機(jī)會。

舉個(gè)例子，車內(nèi) AI 超級計(jì)算機(jī)和云中的 GPU 資源相結(jié)合，可以對自動駕駛汽車進(jìn)行離線處理。該系統(tǒng)結(jié)合了深度學(xué)習(xí)算法，使用人工智能和視覺同步定位與映射（ VSLAM ）組合檢測車道、標(biāo)志和其他地標(biāo)。

業(yè)界認(rèn)識到將軟化 RAN 資源集中在幾個(gè)集中的樞紐位置的總體趨勢。雖然這在分布式 RAN 拓?fù)渖蠈?RAN TCO 提高了 30% 以上，但并不能解決 RAN 利用不足的問題。為什么？未使用的 RAN 計(jì)算資源在非高峰時(shí)段被浪費(fèi)。

NVIDIA CloudRAN ：五個(gè)構(gòu)建塊

為了實(shí)現(xiàn) CloudRAN 解決方案，當(dāng)前的 vRAN 需要在以下五個(gè)關(guān)鍵重點(diǎn)領(lǐng)域進(jìn)行發(fā)展。

首先，需要具有最佳定時(shí)機(jī)制的軟件定義前線（ SD-FH ）。其次， RAN 硬件需要從定制、專用和（在許多情況下）非云本地架構(gòu)發(fā)展到基于 COTS 和云本地硬件。第三，軟化 5G RAN 需要能夠?qū)崟r(shí)編程，并能夠在云基礎(chǔ)設(shè)施上運(yùn)行。第四， 5G RAN 的生命周期管理（ LCM ）需要是動態(tài)的，并基于開放 API 。

最后，需要一個(gè)端到端（ E2E ）網(wǎng)絡(luò)和服務(wù)協(xié)調(diào)器，它可以根據(jù)網(wǎng)絡(luò)和基礎(chǔ)設(shè)施利用率信息動態(tài)管理 RAN 和其他非高峰工作負(fù)載。 E2E 服務(wù)編排通過基于服務(wù)模型、策略和上下文動態(tài)組合工作流，并使用閉環(huán)控制來自動化整個(gè)服務(wù)和網(wǎng)絡(luò)，從而執(zhí)行服務(wù)意圖。

NVIDIA CloudRAN 為 vRAN 的五個(gè)確定的演進(jìn)需求中的每一個(gè)確定并提供了一個(gè)支持解決方案，如圖 3 所示。

圖 3. NVIDIA CloudRAN 解決方案的組件

SD-FH switch ： NVIDIA SN3750-SX 是基于 Spectrum-2 ASIC 的新型 200G 以太網(wǎng)交換機(jī)。它是專門為 CloudRAN 融合基礎(chǔ)設(shè)施提供網(wǎng)絡(luò)結(jié)構(gòu)而構(gòu)建的，在那里，它與 5G 網(wǎng)絡(luò)一起運(yùn)行 AI 培訓(xùn)工作負(fù)載。它具有軟件定義和硬件加速的 5G 前端傳輸能力，可根據(jù)協(xié)調(diào)器映射將 5G 流量可用 DU 引導(dǎo)至 RU 。它提供具有 PTP 電信配置文件、 SyncE 和 PPS 輸入/輸出的 5G 時(shí)間同步協(xié)議。交換機(jī)還支持 NetQ 驗(yàn)證工具集。

通用計(jì)算硬件： NVIDIA A100X 融合卡將 NVIDIA A100 Tensor Core GPU 的功能與 NVIDIA ［VZX2］的高級網(wǎng)絡(luò)功能結(jié)合在一個(gè)單一、獨(dú)特的平臺上。這種融合為 GPU 驅(qū)動的 I / O 密集型工作負(fù)載提供了無與倫比的性能，例如企業(yè)數(shù)據(jù)中心的分布式 AI 培訓(xùn)和 5G vRAN 處理作為現(xiàn)有數(shù)據(jù)中心架構(gòu)中的另一個(gè)工作負(fù)載。

可編程和云原生 5G 軟件： NVIDIA Aerial SDK 在 CloudRAN 解決方案中提供 5G 工作負(fù)載。 NVIDIA Aerial 是一個(gè)運(yùn)行在 COTS 服務(wù)器上的全云本地虛擬 5G RAN 解決方案。它使用 Kubernetes 并應(yīng)用 DevOps 原理，在裸機(jī)服務(wù)器上實(shí)現(xiàn) RAN 作為容器中的微服務(wù)的功能。它提供了一個(gè) 5G RAN 解決方案，具有內(nèi)聯(lián) L1 GPU 加速功能，用于 5G NR PHY 處理，并支持 gNB 集成 L2 / L3 （ MAC 、 RLC 、 PDCP ）的完整堆?？蚣?，以及可管理性和編排。

開放 API 生命周期管理： 無論多供應(yīng)商或多技術(shù)網(wǎng)絡(luò)如何， O-RAN 分解的、以軟件為中心的方法都可以幫助自動化和協(xié)調(diào) RAN 復(fù)雜性。最終，服務(wù)管理編排（ SMO ）將為 RAN 自動化提供開放和 Kubernetes 集群 API 。

E2E 網(wǎng)絡(luò)和服務(wù)協(xié)調(diào)器： E2E 編排通過跨所有技術(shù)和云域?qū)崟r(shí)整合 E2E 視圖，實(shí)現(xiàn)動態(tài)應(yīng)用程序和服務(wù)。單個(gè)窗格支持跨域服務(wù)的所有方面的自動化，并管理各種工作負(fù)載的生命周期管理、優(yōu)化和保證。 E2E 協(xié)調(diào)器還將具有一個(gè)與云基礎(chǔ)設(shè)施管理器交互的接口。

交付 CloudRAN 解決方案

NVIDIA CloudRAN 解決方案通過 SD-FH 、通用數(shù)據(jù)中心計(jì)算、云本地架構(gòu)、 RAN 域協(xié)調(diào)器以及 E2E 服務(wù)和網(wǎng)絡(luò)協(xié)調(diào)器提供了引人注目的價(jià)值。

NVIDIA 及其生態(tài)系統(tǒng)合作伙伴正在構(gòu)建基于 Kubernetes 的 SMO 和 E2E 服務(wù)協(xié)調(diào)器，以支持動態(tài)工作負(fù)載管理。通過電信公司， NVIDIA 正在開發(fā)基于 COTS 和云本地 vRAN 軟件。通過 CSP ， NVIDIA 正在努力優(yōu)化數(shù)據(jù)中心硬件，以支持 5G 工作負(fù)載。

關(guān)于作者

Soma Velayutham 是 NVIDIA 電信業(yè)的全球行業(yè)業(yè)務(wù)開發(fā)負(fù)責(zé)人，他向電信和 5G 無線通信宣傳人工智能的采用和加速計(jì)算。他是一位成功的內(nèi)部企業(yè)家和產(chǎn)品領(lǐng)導(dǎo)者，在軟件和高科技行業(yè)擁有 20 多年的經(jīng)驗(yàn)。他在全球?yàn)榇蠊痉趸屯瞥隽硕喾N軟件產(chǎn)品。他還是早期創(chuàng)業(yè)公司和斯坦福孵化計(jì)劃 iFarm 的導(dǎo)師。 Soma 擁有從產(chǎn)品戰(zhàn)略到研發(fā)的完整產(chǎn)品生命周期經(jīng)驗(yàn)。

審核編輯：郭婷