Mesterséges intelligencia által vezérelt hálózatszeletelés 5G hálózatokban: valós alkalmazások, technikák és üzleti modell

A hálózatszeletelés, a független 5G hálózatok és a mesterséges intelligencia kombinációja teljesen megváltoztatja a mobil infrastruktúrák tervezését, üzemeltetését és monetizálását. Már nem csak a gyorsabb sebességről beszélünk, hanem olyan hálózatokról, amelyek képesek alkalmazkodni a kontextushoz, másodpercek alatt rangsorolni a kritikus szolgáltatásokat, és virtuális „minihálózatokat” létrehozni, amelyek minden ügyfélhez vagy felhasználási esethez igazodnak.

Ebben a forgatókönyvben az olyan kezdeményezések, mint a Nokia és az Amazon Web Services (AWS) ügynöki mesterséges intelligenciával , az olyan szolgáltatók kereskedelmi kísérletei, mint az Orange, a du vagy a Telefónica, valamint a gyártók, mint a Digi, vagy az integrátorok, mint a Capgemini vállalati megoldásai azt mutatják, hogy az 5G-ben a mesterséges intelligencia felhasználása a laboratóriumi ígéretből a telekommunikációs üzletág és a kulcsfontosságú ágazatok digitalizációjának valódi pillérévé vált.

Mi a hálózatszeletelés az 5G-ben, és miért lehetséges most?

A hálózati szeletelés egy olyan architektúra, amely lehetővé teszi több logikai virtuális hálózat létrehozását ugyanazon az 5G fizikai infrastruktúrán. Ezek a „szeletek” mindegyike úgy viselkedik , mintha egy független hálózat lenne, saját erőforrásokkal, biztonsági szabályzatokkal, szolgáltatásminőségi (QoS) szintekkel és szolgáltatási szintű megállapodásokkal (SLA).

Ez a szegmentálás nem teljesen új: olyan technológiákra támaszkodik, mint a szoftveresen definiált hálózatkezelés (SDN) és a hálózati funkciók virtualizációja (NFV) , amelyek lehetővé teszik a hálózati funkciók virtualizációját és programozható kezelését. A különbség az, hogy az 5G esetében a magot a nulláról úgy tervezték, hogy támogassa a végponttól végpontig tartó szeletelést, amely magában foglalja a RAN-t, a szállítást és a magot.

A gyakorlatban egy operátor meghatározhat meghatározott szeleteket egy szolgáltatáshoz, alkalmazáshoz, iparági vertikálishoz vagy felhasználói csoporthoz , akár több hálózati tartományt és potenciálisan több operátort is lefedve. Minden szelet magában foglalja az összes szükséges végponttól végpontig tartó elemet, a rádiós hozzáféréstől a maghálózatig, egy adott üzleti cél eléréséhez.

A 3GPP háromféle szolgáltatásszeletet (SST) szabványosított, amelyek összefoglalják az 5G főbb felhasználási eseteit: az eMBB-t a továbbfejlesztett mobil szélessávhoz, az urLLC-t a rendkívül megbízható, alacsony késleltetésű kommunikációhoz, és az mMTC-t a masszív IoT-típusú kommunikációhoz . Innentől kezdve minden szolgáltató finomabb variációkat határozhat meg, amelyek az adott ügyfelekre vagy ágazatokra szabottak.

A szeletelés egyik kulcsfontosságú aspektusa a szegmensek közötti elkülönítés : a mikrohatások (egy szeleten belüli belső változások) nem befolyásolják a többit, és makroszinten a fizikai erőforrások az igényeknek megfelelően áthelyezhetők egyik szeletből a másikba az NFV és a dinamikus vezénylés révén. Ez garantált szolgáltatás-konkurenciát tesz lehetővé, megakadályozva például, hogy a szórakoztatóelektronikai forgalom megugrása leállítson egy kritikus fontosságú szolgáltatást.

Az ágentikus mesterséges intelligencia hozzájárulása: a statikus szeleteléstől az önbeálló hálózatig

Eddig a hálózatszeletelést az 5G egyik fő előnyének tekintették , de kereskedelmi elterjedése a vártnál lassabb volt. A fő ok a bonyolultság: több szelet manuális konfigurálása, monitorozása és adaptálása nagy léptékben nem praktikus, a hagyományos megoldások pedig merev sablonokra és kevés automatizálásra támaszkodtak.

Itt jön képbe az ágentikus mesterséges intelligencia alkalmazása a szeletelésre : specializált MI-ügynökök, amelyek nemcsak automatizálják a feladatokat, hanem kontextusalapú döntéseket is hoznak, interakcióba lépnek a rendszerekkel, és valós idejű adatokhoz férnek hozzá. A statikus szeletelés helyett adaptív hálózati szegmentációra vált, amely szinte menet közben reagál a környezetre .

A Nokia és az AWS közös javaslata jó példa erre. A Nokia fejlett hálózatfelügyeleti platformjával, valamint AirScale és MantaRay SMO megoldásaival járul hozzá, míg az AWS az Amazon Bedrock és az Amazon EKS segítségével biztosítja a mesterséges intelligencia réteget . A mesterséges intelligencia ügynökei mind a hálózatról, mind a nyílt internetes forrásokból (forgalom, események, incidensek, időjárás, térképek, helyszín stb.) származó adatokat felhasználnak az igények előrejelzéséhez, és automatikusan módosítják a RAN és az alapvető irányelveket.

Ezek az ügynökök többféle módban működnek – chatbot, igény szerinti, ütemezett és autonóm módon –, és az Amazon Bedrockhoz elérhető API-kon keresztül koordinálnak. Ez lehetővé teszi az operátorok számára, hogy kontextus-érzékeny, igény szerinti prémium csatlakozási szolgáltatásokat telepítsenek: a hálózat egy szeletét ideiglenesen megerősítik egy adott területen egy koncert, sportesemény vagy vészhelyzet során, majd felszabadítják az erőforrásokat.

Az ágentikus mesterséges intelligencia értéke, amelyet olyan szolgáltatók, mint az Orange és a du, kiemeltek kezdeti tesztjeik során, abban rejlik, hogy képes a hálózati szeletelést valódi bevételnövelő tényezővé alakítani , nem csak technikai fejlesztéssé. A csúcsidőszakok előrejelzése, az erőforrások összehangolása és a differenciált SLA-k megkötése jelentősen könnyebbé válik, ha a hálózat „megérti”, mi történik körülötte.

Mesterséges intelligencia által vezérelt hálózatszeletelési felhasználási esetek 5G hálózatokban

Az 5G SA, a végponttól végpontig történő szeletelés és a mesterséges intelligencia kombinációja hatalmas lehetőségeket nyit meg a vállalati, ipari és közigazgatási felhasználási esetek terén . Néhányat már valós hálózatokban teszteltek, másokat pedig fejlett koncepcióbizonyítási (PoC) tesztelés alatt tartanak.

Céltudatos üzleti és ipari szeletelés

Az egyik leghatékonyabb forgatókönyv a vállalatok és ipari kampuszok üzleti KPI-jaira összpontosító szegmentáció . Itt a Nokia és az AWS megoldása valós időben méri az olyan paramétereket, mint a bitráta, a késleltetés és a rendelkezésre állás, és automatikusan adaptálja a RAN-t és az alapvető szabályzatokat a megállapodás szerinti SLA-knak való megfeleléshez.

Az ágentikus mesterséges intelligenciának köszönhetően ezek a szeletek prioritást élvezhetnek a gyártásban, az Ipar 4.0-ban, az IoT-alkalmazásokban , a drónokban, az intelligens városokban, a kórházakban, az energiaiparban, a közlekedésben vagy a kikötőkben alkalmazott kritikus alkalmazásokban . Ha egy ipari vezérlési folyamat ultraalacsony késleltetést igényel, a rendszer újraelosztja az erőforrásokat, újrabeállítja a várakozási sorokat és a QoS-szabályzatokat, és biztosítja, hogy ez a forgalom elsőbbséget élvezzen a kevésbé érzékeny forgalommal szemben.

Ebben a megközelítésben a hálózat leáll a „legjobb erőfeszítés” elvén működő rendszerrel, és garantált szolgáltatások katalógusaként kezd működni , ahol minden szeletet világos célokkal terveznek (például nulla csomagvesztés egy robotvezérlő rendszerben), és a mesterséges intelligencia folyamatos felügyelőként működik, amely eltérések észlelésekor újrakonfigurálja a rendszert.

Igény szerinti szeletelés vészhelyzetek és forgalmi csúcsok esetén

Egy másik kulcsfontosságú felhasználási mód a külső eseményeken alapuló , dedikált szeletek dinamikus aktiválása . A forgalomra, incidensekre, közösségi médiára, időjárásra és önkormányzati tervezésre vonatkozó adatok bevitelével a mesterséges intelligencia képes szeletek létrehozását vagy megerősítését kiváltani meghatározott 5G bázisállomásokon.

Vészhelyzet esetén például egy MI-ügynök prioritást élvez a közbiztonság és a sürgősségi szolgálatok számára fenntartott erőforrásszeletben , biztosítva a kritikus hang-, videó- ​​és adatátvitelt még extrém torlódás esetén is. Ugyanakkor megőrzi a szolgáltatás minőségét a prémium 5G+ és FWA-ügyfelek számára, akik játékokat, streamelést, XR-t vagy MI-alkalmazásokat használnak , és manuális beavatkozás nélkül módosítja az erőforrás-elosztást.

Nagyszabású eseményeken, például koncerteken vagy sporteseményeken a mesterséges intelligencia elemzi a helyszín korábbi hálózati viselkedését, mintákat von le, és eseményspecifikus szeletelési szabályzatokat határoz meg . Ez további kapacitást biztosít a VIP-területek, a fizetési és jegyértékesítési alkalmazások, a rajongói interakciók, a videó streaming és a helyszín operatív kommunikációja számára.

Hálózatszeletelés KKV-k és szolgáltatási környezetek számára

A hatás nem korlátozódik a nagyvállalatokra: a kiskereskedelemben, a logisztikában és a szolgáltatásokban tevékenykedő kkv-k is profitálnak belőle. Egy testreszabott megoldás robusztus csatlakozást biztosíthat a POS-rendszerekhez, a mobilalkalmazásokhoz, a valós idejű készletnyilvántartáshoz és az immerzív üzleten belüli vásárlói élményhez.

Egy bevásárlóközpontban vagy nagy forgalmú kampányok során a hálózat automatikusan képes módosítani a sávszélességet és a prioritást bizonyos folyamatokhoz, lehetővé téve az élő videóalkalmazásokat, az interaktív katalógusokat vagy a kiterjesztett valóságot anélkül, hogy a többi bérlő hálózatát túlterhelné.

Továbbá a szeletelés és az üzleti intelligencia megoldások (például a Power BI eszközök irányítópultjai) kombinálásával a vállalatok kereszthivatkozásokat hozhatnak létre a hálózati metrikák és az értékesítési és működési adatok között, és megérthetik, hogy a kapcsolat minősége hogyan befolyásolja a felhasználói élményt és a számlázást.

Gyakorlati esettanulmányok szállodákban: vendégélmény és elszigetelt működés

Egy érdekes valós példa a Telefónica által a madridi Meliá Serrano Hotelben telepített megoldás , ahol 5G lefedettséget hoztak létre beltéren (tárgyalótermekben és hálószobákban), és több virtuális mobil alhálózatot hoztak létre hálózati szeletelés segítségével.

Ebben az esetben a vendégek egy, a szálloda belső rendszereitől elkülönített 5G hálózathoz csatlakoznak . Minden szeletnek megvannak a saját erőforrásai, így a vendégek által generált forgalom (streaming, videohívások, közösségi média) nem befolyásolja a kritikus szállodai szolgáltatásokat (otthonautomatizálás, energiagazdálkodás, biztonsági rendszerek, POS stb.).

A telepítés egy 5G Non-Standalone (NSA) architektúrán kezdődött , majd 5G Standalone (SA) architektúrára fejlődött , demonstrálva, hogy a hálózatot több szegmensre lehet osztani, amelyek dinamikusan osztják el az erőforrásokat a felhasználók és a terhelés alapján. Az esettanulmány arra összpontosított, hogy bemutassa, hogyan kínálhat egy szálloda differenciált kapcsolatot anélkül, hogy meg kellene ismételni a fizikai infrastruktúrát.

Példák a közlekedésben, a városokban és a logisztikában

A közlekedésben a szeletelés lehetővé teszi az önvezető járművek forgalmának , a forgalomirányítási rendszereknek és az utasforgalmi szolgáltatásoknak különálló szeletekre történő szétválasztását. Az egyik nagy megbízhatóságú szelet az alacsony késleltetésű V2X kommunikációhoz, a másik a jelzéshez és a monitorozáshoz, a harmadik pedig a fedélzeti Wi-Fi-hez vagy az utasok szórakoztatásához szolgál.

Az okosvárosokban a szeletek (slices) alkalmazhatók közbiztonsági, közlekedési lámpás, videomegfigyelő, energiagazdálkodási vagy intelligens parkolási célokra . A sürgősségi szolgálatok kiemelt prioritású szeletet élveznek, míg más, kevésbé kritikus alkalmazások különálló szegmensekben léteznek egymás zavarása nélkül.

A fejlett logisztikában, kikötőkben és repülőtereken a szeletelést a peremhálózati számítástechnikával kombinálják az AGV-k, drónok, konténervezérlő rendszerek és raktári érzékelők kiszolgálására, mindezt központilag vezérelve a szigorú valós idejű követelményeknek való megfelelés érdekében.

Műszaki architektúra: az 5G magtól a mesterséges intelligenciával vezérelt peremhálózatig

Ahhoz, hogy mindez megvalósítható legyen, egy olyan 5G architektúrára van szükség, amely az alapoktól kezdve fel van készítve a szeletelésre. Az 5G Core Standalone olyan speciális funkciókat vezet be, mint az NSSF (Network Slice Selection Function), amely az egyes felhasználók vagy szolgáltatások számára megfelelő szelet kiválasztásáért felelős, valamint a CSMF, amely az ügyféligényeket műszaki hálózati követelményekké alakítja át.

A felhasználói sík a felhasználói sík függvényeire (UPF) támaszkodik , amelyek az NFV-nek köszönhetően horizontálisan skálázhatók, és a késleltetés csökkentése érdekében a peremhálózatokon is telepíthetők. Minden egyes szelethez tartozhatnak dedikált UPF-példányok, amelyek erőforrás- és biztonsági szinten izolálhatók, saját útvonalakkal és szabályzatokkal.

A RAN-ban olyan megoldások, mint a Nokia AirScale és a MantaRay SMO, lehetővé teszik a szeletelési szabályzatok alkalmazását a vivő, az ütemező és a rádió erőforrás szintjén. Az ágensalapú MI-modulokkal és platformokkal, mint például az Amazon Bedrock, való integráció automatizált döntéshozatalt tesz lehetővé a rádió KPI-jai, a külső kontextus és a szolgáltatási célok alapján.

A mesterséges intelligencia által működtetett munkafolyamatok az Amazon EKS hibrid csomópontjain futnak , lehetővé téve az operátorok számára, hogy ügynököket és alkalmazásokat terjesszenek el saját infrastruktúrájukon és a nyilvános felhőben, miközben egységes Kubernetes felügyeleti síkot tartanak fenn mind a felhőben, mind a peremhálózatban. Mindent szabványos API-k segítségével koordinálnak, elősegítve a nyíltabb és programozhatóbb modellek felé való fejlődést.

A gyártók (Nokia, Ericsson, Digi), az operátorok (Orange, du, Telefónica, T-Mobile, Verizon, AT&T, Vodafone) és a technológiai partnerek (AWS, integrátorok, mint a Capgemini) közötti együttműködés kulcsfontosságú egy valóban többgyártós és dezaggregált ökoszisztéma számára . Valójában számos közelmúltbeli koncepcióbizonyítás (PoC) pontosan a dezaggregált 5G hálózatokon történő szeletelés bemutatására összpontosított, a rádiótól a maghálózatig.

Üzleti megoldások: routerek, többszörös szeletelés és távoli felügyelet

A magon és a RAN-on túl a szeletelés sikere attól is függ, hogy mi történik a hálózat szélén. Az olyan gyártók, mint a Digi International, beépítették az 5G többszörös szeletelés támogatását a DAL operációs rendszer firmware-jébe, lehetővé téve a vállalati routerek számára, hogy a forgalmat egyszerre több mobilhálózati szeleten keresztül irányítsák át.

Ezzel a képességgel a szervezetek elkülöníthetik és rangsorolhatják a különböző típusú forgalmat (videomegfigyelés, ipari vezérlés, POS rendszerek, IoT stb.) anélkül, hogy több SIM-kártyára vagy VPN-eken alapuló komplex SD-WAN-konfigurációkra lenne szükségük. Mindent magáról a routerről lehet kezelni, amely automatikusan érzékeli az operátor által kínált szeletelési konfigurációkat.

A megoldás SIM-kártyánként akár 8 szeletet is támogat (a szolgáltatótól függően) , lehetővé teszi az egyes szeletekhez specifikus interfészek társítását, előre definiált típusok (alacsony késleltetés, masszív IoT stb.) vagy egyéni konfigurációk kiválasztását, és teljes mértékben integrálódik a Digi Remote Managerrel. Erről a konzolról megtekintheti az egyes szeletek aktív kapcsolatait, és valós időben figyelheti a telepítéseket.

Ez a megközelítés leegyszerűsíti az architektúrát az olyan igényes vertikális környezetekben, mint az intelligens gyárak, raktárak, olaj- és gázipar, szállítás vagy intelligens városok , és egyúttal biztosítja, hogy a hardverberuházások több évvel korábban elkészüljenek, még akkor is, ha az üzemeltető kereskedelmi szeletelése még korai szakaszban van.

Mérés, SLA-ellenőrzés és érzékelt minőség

Az erős SLA-kkal történő szeletelés kereskedelmi forgalomba hozatalának egyik akadálya a végfelhasználó szemszögéből történő mérése volt egy adott szelet teljesítményének mérése , mivel a hagyományos sebességtesztelő eszközök csak az általános internetkapcsolatot vizsgálják.

Ennek megoldására az Ookla és az Ericsson kifejlesztett egy technológiát , amely azonosítja és kiértékeli az egyes 5G hálózati szegmensek teljesítményét. A Speedtest alkalmazás módosított verziójába integrálva ez a megoldás lehetővé teszi egy szabványos 5G kapcsolat valós idejű összehasonlítását egy kereskedelmi hálózat egy dedikált szeletével.

Az üzemeltetők és a vállalati ügyfelek így függetlenül ellenőrizhetik, hogy a megállapodás szerinti szolgáltatási szint (SLA) feltételek teljesülnek-e a terminálon közvetlenül megtekintve a fő teljesítménymutatókat. Ez átláthatóságot teremt a piacon, és erősíti a garantált kapcsolaton alapuló üzleti modellekbe vetett bizalmat.

Ezt a funkciót olyan eseményeken tervezik bemutatni, mint például a barcelonai Mobile World Congress , ahol bemutatják, hogyan változnak a KPI-k, amikor a forgalmat optimalizált paraméterekkel rendelkező szeleten, illetve általános, legjobb erőfeszítést igénylő szeleten keresztül irányítják.

Technikai, működési és biztonsági kihívások

A benne rejlő lehetőségek ellenére az előnyök nem minden esetben azonnaliak. A vállalati szintű hálózatszeletelés megfelelő megvalósításához a hálózatépítés, az automatizálás, az adatelemzés, az eszközkezelés és a fejlett biztonság terén szerzett szakértelem ötvözésére van szükség.

A szolgáltatóknak milliárdokat kellett befektetniük az 5G spektrumba és infrastruktúrába , és még mindig folyamatban van ezen beruházások megtérülése. A szeletelés, az ügynöki mesterséges intelligencia és a teljes körű vezénylés integrálása új CAPEX és OPEX költségeket, valamint mélyreható változásokat von maga után a szervezeti és működési modellekben (átállás a manuális folyamatokról a nagymértékben automatizált MIOps környezetekre).

A biztonság szintén kritikus kérdés. Míg a szeletek elkülönítése csökkenti annak kockázatát, hogy egy incidens a többit is érintse, elengedhetetlen a zéró bizalom architektúrák, a szegmensszintű titkosítás, a folyamatos mesterséges intelligencia által vezérelt monitorozás és az egyértelmű erőforrás-megosztási szabályzatok bevezetése. Minden egyes szelethez eltérő szintű jogi és technikai elkülönítés szükséges a szállított adatok típusától függően.

Másrészről szabályozási és versenypolitikai szempontból a szerveknek (mint például a görögországi EETT-nek vagy más nemzeti szabályozó hatóságoknak) egyértelmű keretrendszereket kell létrehozniuk az árképzés, a garantált szolgáltatásminőség, az adatvédelem és az adatfelhasználás tekintetében. A szeletelés új kérdéseket vet fel a hálózati semlegességgel, a forgalompriorizálással és a számlázási modellekkel kapcsolatban, amelyek meghatározása még folyamatban van.

Üzleti nézőpont: a hálózattól mint költségtől a hálózatig mint termékig

A mesterséges intelligencia által vezérelt szeletelés nagy vonzereje abban rejlik, hogy a hálózatot programozható szolgáltatásplatformmá alakítja . Az egyszerű általános hozzáférés értékesítése helyett az üzemeltető előre definiált vagy testreszabott szeletek katalógusait kínálhatja, specifikus SLA-kkal és differenciált árakkal.

A vizsgált modellek közül a következők emelkednek ki: zárt SLA-val rendelkező, „szolgáltatásként” nyújtott szolgáltatások slice-onként , a torlódáson vagy szolgáltatáskritikusságon alapuló dinamikus árképzés, valamint a slice-ok bérbeadása virtuális operátoroknak (MVNO-knak) vagy nagyvállalatoknak, amelyek szinte mikro-operátorként kívánnak működni az ökoszisztémájukon belül.

Sok érdekelt fél arra számít, hogy a szeletelés lesz az 5G hálózatok egyik fő új bevételi forrása , lehetővé téve a beruházások jobb monetizálását, és nagyon konkrét értékajánlatokat kínálva olyan ágazatok számára, mint a gyártás, az egészségügy, az energia, a közlekedés, az immerzív szórakoztatás vagy a közigazgatás.

A gyakorlatban egyre elterjedtebb a hibrid modell, amelyben egyes szervezetek a rendkívül kritikus alkalmazásokhoz használt privát 5G hálózatokat a mobil személyzet, a logisztika, a fiókirodák vagy a távoli területeken lévő lefedettség számára elkülönített nyilvános hálózatokkal kombinálják . Ez a rugalmasság az egyik fő versenyelőnyük a hagyományos architektúrákkal szemben.

Az 5G SA, a hálózatszeletelés és az ágentikus mesterséges intelligencia konvergenciája a mobilhálózatokat egy dinamikus, programozható és üzletorientált szegmensek forgatókönyve felé tereli , ahol minden alkalmazás rendelkezhet saját „mini-hálózattal” testreszabott feltételekkel. Az ipari automatizálástól a hatalmas koncertekig, beleértve a szállodákat, okosvárosokat és kkv-kat, a Nokia, az AWS, az Orange, a du, a Telefónica, az Ericsson, a Digi és más szereplők kísérletei azt mutatják, hogy a potenciál már kiaknázható; a kihívás most az, hogy ezeket a modelleket skálázzuk, szabványosítsuk az API-kat, és biztosítsuk, hogy a biztonság, az SLA-mérés és a szabályozás lépést tartson az innovációval.