AI-RANは、実際のネットワーク環境において、モバイル接続と並行してAIサービスをサポートできることを実証する必要がある。
10月20日の発表でNokiaは、SoftBankとともに2027年に日本でAI-RANのフィールドトライアルを実施する計画だと明らかにした。このプロジェクトでは、商用トラフィックが流れる商用ネットワーク環境で、NokiaのanyRANソフトウェアとSoftBankのAITRASプラットフォームを組み合わせる。
AI-RANは、人工知能と無線アクセスネットワークのインフラを組み合わせる。通信事業者にとっては、接続性とAI処理の両方にインフラを利用できる可能性がある。一方の課題は、コンピューティングリソースを共有しながら、信頼性の高いモバイルサービスを維持することだ。
SoftBank Corp.のsenior vice president and CTOであるRyuji Wakikawa氏は、「Nokiaと計画しているフィールドトライアルは、AI-RANが概念から実行へ移行するうえで重要な節目となる。NokiaのAIネイティブなanyRANをAITRASプラットフォームのRANコンポーネントとして統合し、AITRAS OrchestratorがNokiaのRANおよびMantaRayと連携して動作する」と述べた。
SoftBankのAI-RANへの取り組み
SoftBankの Nokiaとの合意は、同社がこれまで進めてきたAI-RAN関連の協業を基盤としている。
2月、EricssonとSoftBankは、無線アクセスネットワークを管理・制御するEricsson Intelligent Automation PlatformとAITRAS Orchestratorの相互運用を発表した。実証された構成では、別々のコンピューティングクラスターにまたがってRAN自動化アプリケーションとAIワークロードを協調させ、両方を同じサーバーに配置することなく、リソースを動的に割り当てられるようにした。
3月、三菱重工業（MHI）とSoftBankは、MHIのYokohama Hardtech HubでAITRASのフィールドトライアルを実施する協業を発表した。計画された試験では、製品の不良箇所を特定し、修理方法を判断するため、欠陥製品を撮影したスマートフォン画像を分析する。外部ネットワークから隔離されたオンプレミスのエッジデータセンターで稼働する予定だ。
今回計画されているNokiaとの試験は、この取り組みを商用ネットワークのトラフィックへと拡張するものだ。そこでは、AIワークロードを協調させながら、モバイルネットワークの運用要件も維持しなければならない。
eWeekが見いだしたこと：AI-RANのビジネスケースはなお検証が必要
パートナーのエコシステムは重要な実装上の課題に対応している。AI-RANを機能させるには、コンピューティングハードウェア、ネットワークソフトウェア、ワークロード管理を連携させる必要がある。しかし企業の読者にとってより有益な問いは、その統合によって信頼性、応答時間、コストの面で何が実現できるのかということだ。
SoftBankのAI-RANに関する協業は、コンピューティングハードウェア、クラウドインフラ、ネットワークソフトウェア、産業用途にまたがっており、企業向けAIのために コンピューティング、ネットワーク、ソフトウェアを統合するという、より広範な必要性を反映している。
計画されているNokiaとの試験では、Nvidia Grace CPU、Nvidia RTX PRO 4500 GPU、Nvidia ConnectX-8ネットワークを使用する。
クラウドインフラでは、SoftBankは Red Hatと協業してきた。2025年3月、両社はAITRASについて、KubernetesベースのアプリケーションプラットフォームであるRed Hat OpenShift上に構築された、AIとRANを統合したソリューションだと説明した。これにより、仮想化されたRAN機能とAIアプリケーション向けの共通の クラウドネイティブなソフトウェア環境が提供される。両社の協業には、ワークロードの配置とエネルギー最適化を支援する電力監視も含まれる。
各パートナーの役割は異なる。NokiaはRANソフトウェアと管理統合、Ericssonはネットワーク自動化の統合、MHIは産業用途のユースケースを提供する。
通信インフラを通じて提供されるAIサービスを検討する企業にとって、潜在的なメリットは ユーザーや接続機器に近い場所での処理にある。MHIが計画する検査アプリケーションは、機密性の高い製品データを閉じた環境内に保ちながら、運用画像をローカルで分析するという、想定される用途の1つを示している。ただし、この例を、同じ機能がすでに公衆モバイルネットワーク全体で利用できる証拠とみなすべきではない。
共有インフラは、リソース管理に関する問題も生み出す。通信事業者は、モバイルネットワークの性能を維持しながら、変動するAI需要に対応する必要がある。有用な試験結果とは、競合するワークロード、トラフィックのピーク、サービス中断をプラットフォームがどのように処理するかを示すものになるだろう。
性能と同様に、経済性も重要になる。通信事業者は、AI処理の需要と、設備、電力、管理のコストを比較検討する必要がある。企業顧客は、通信事業者のサービスをクラウドやオンプレミスの代替手段と比較する前に、明確な料金体系、データ取り扱い条件、サービスコミットメントを必要とする。
したがって、2027年の試験は、本番展開が確定したことを示すものではなく、注目すべき節目となる。持続的な信頼性と経済的価値を示せるかどうかが、通信事業者と顧客にとってAI-RANがどれほど魅力的なものになるかを左右する。
続きを読む： Equinixが計画するInference Exchangeは、ユーザーやデータに近い場所でのAI処理を評価する際に企業が必要とする、料金、導入、サービスの詳細を浮き彫りにしている。