Intelligenza artificiale e reti mobili, ecco perché il traffico in uplink diventerà la vera sfida del 5G

L'intelligenza artificiale sta ridefinendo le reti mobili

Secondo Mobile Experts, la combinazione di applicazioni generative, di robotica avanzata e di automazione intelligente sta spingendo la domanda di capacità della rete verso livelli mai visti. In arrivo architetture distribuite e l’integrazione dell’AI nel design delle nuove tecnologie 6G, che punterà a modelli in cui l’intelligenza artificiale sarà componente nativa delle infrastrutture radio.

L’AI sta trasformando in modo radicale il settore delle telecomunicazioni. Nomi tecnologici apparentemente simili come "AI-RAN", "Physical AI" o "AI-Native Air Interfaces" rivelano, al contrario, prospettive molto diverse. Un nuovo report di Mobile Experts cerca di analizzare e chiarire l’evoluzione futura dell’AI nelle reti mobili 5G e 6G.

Che cos'è l'AI-RAN e come opera

AI-RAN è un acronimo per Artificial Intelligence in Radio Access Network. Include diversi modi d'uso dell’intelligenza artificiale: da applicazioni volte ad ottimizzare le prestazioni della rete a soluzioni più complesse in cui l’AI diventa parte integrante del funzionamento dell’infrastruttura.

• AI-for-RAN: utilizzo dell’intelligenza artificiale per migliorare la capacità della rete, l’efficienza energetica e la gestione delle risorse.
• AI-in-RAN: integrazione di algoritmi di machine learning direttamente nei stack di rete, una tecnologia già testata in contesti commerciali.
• AI-on-RAN, AI-and-RAN, AI-with-RAN: varianti che prevedono carichi di lavoro AI non legati alle telecomunicazioni, oggi non consolidate né richieste sul mercato.

Mobile Experts sottolinea che l’AI-in-RAN è il modello più avanzato e concretizzato. Al contrario, le varianti che coinvolgono l’AI in contesti diversi rispetto alla gestione delle reti sono considerate meno promettenti in termini di sviluppo a breve.

I pilastri dell’AI-Native RAN per il 6G

Come prospettiva a lungo termine, il report di Mobile Experts presenta l'AI-Native RAN — Rete di Accesso Radio con Intelligenza Artificiale Nativa — come uno dei concetti chiave per le future reti 6G. Questo approccio mira a far sì che l’intelligenza artificiale non sia soltanto un elemento di ottimizzazione, ma una componente essenziale della funzionalità di base della rete.

• Esempio concreto: la capacità di modificare dinamicamente gli schemi di modulazione radio per migliorare throughput, affidabilità e efficienza energetica in tempo reale.
• Per raggiungere questi obiettivi, servirà un’integrazione molto stretta tra produttori di smartphone e fornitori di infrastrutture di rete.
• Le nuove interfacce radio basate sull’AI saranno fortemente standardizzate nell’ambito del 6G.

AI e Physical AI: governance dei sistemi fisici

Un altro concetto fondamentale riguarda l’utilizzo dell’AI per controllare sistemi fisici in movimento, come robot, droni, veicoli autonomi e macchine industriali. Con l'AI, si realizzano processi decisionali in tempo reale in contesti estremamente complessi.

La crescita del traffico in uplink

Mobile Experts si chiede come l’implementazione di modelli AI generativi influenzerà il traffico rete. Il numero di immagini e video che vengono inviati attraverso le reti mobili aumenta in modo esponenziale, creando un sovraccarico nei canali di uplink.

Nel breve termine, l’ottimizzazione dell’AI per le reti (AI-for-RAN) è in grado di fornire risorse aggiuntive che compensano la crescita del traffico. Ma gli analisti mettono in guardia: lungo la strada, il tasso di crescita del traffico in uplink potrebbe superare la capacità di adattamento della rete.

Ecco quando si presenta un limite: gli esperti stimano che già nel 2029 la domanda di capacità in uplink potrebbe superare le risorse disponibili. Successivamente, l'espansione delle tecnologie di Physical AI potrebbe causare una crescita annua del traffico di circa il 20-25%, creando una pressione significativa sulle risorse di spettro.

Distribuzione computazionale e edge computing

Il modello attuale dell’intelligenza artificiale si divide in due: modelli elaborati su dispositivi mobili e quelli calcolati nei grandi data center centralizzati. L'evoluzione verso l'AI fisica porterà alla creazione di una terza dimensione — un'infrastruttura computazionale distribuita lungo tutta la rete.

• Gli esempi includono robot per consegne, robotica industriale e automazione avanzata.
• Questi dispositivi necessitano di capacità di controllo quasi istantanea — incompatibile con modelli che richiedono reattivazione remota di data center lontani.
• Le torri cellulari dotate di capacità di edge computing diventeranno quindi critiche per gestire il traffico locale.

Rete privata 5G e edge computing in contesti industriali

Nel contesto industriale, la transizione verso l'uso di reti mobili private 5G e di edge computing diventa un modello vincente.

• Le grandi aziende stanno implementando architetture che integrano reti mobili 5G con tecnologie di elaborazione edge per fornire risposte in tempo pressoché reale.
• Questo modello permette di ridurre la latenza e di migliorare il rispetto della privacy, mantenendo i dati aziendali localizzati.
• Gli impianti industriali adottano già reti LTE private e stanno evolvendo verso soluzioni integrate basate su sensori, AI e sistemi distribuiti.

Il futuro: un’architettura distribuita dell’intelligenza artificiale

Con la crescita esponenziale delle applicazioni di AI, il futuro dell’elaborazione sarà sempre più distribuito. Non sarà più sufficiente affidarsi a un'unica struttura centrale — la scelta del punto in cui calcolare i modelli dipenderà da fattori come risorse di calcolo disponibili, latenza, costi e sensibilità dei dati.

• I grandi modelli di AI generativi saranno eseguiti negli hyperscale data center — infrastrutture scalabili che ospitano i modelli complessi e ad alto volume.
• I modelli locali saranno invece distribuiti lungo le reti aziendali, grazie alla