Nokia AI-RAN: platforma radiowa napędzana przez NVIDIA

15 lipca 2026 roku Nokia ogłosiła platformę AI-RAN opartą na oprogramowaniu anyRAN i systemie NVIDIA Aerial — i choć branża telekomunikacyjna rzadko wzbudza emocje porównywalne z premierami modeli językowych, ta zapowiedź stawia na stole coś rzadko spotykanego: obietnicę podwojenia pojemności sieci bez wymiany anten. Dla redakcji IWD Partner to sygnał, że pole bitwy o infrastrukturę AI przesuwa się z centrów danych wprost w kierunku masztów sieci komórkowych.

Co to jest platforma AI-RAN od Nokii?

AI-RAN (Artificial Intelligence Radio Access Network) to podejście do budowy sieci radiowych, w którym modele uczenia maszynowego zastępują — lub uzupełniają — tradycyjne, deterministyczne algorytmy zarządzania widmem. Nokia zaprezentowała 15 lipca 2026 roku pierwszą komercyjną implementację tej koncepcji, łącząc własne oprogramowanie anyRAN z platformą obliczeniową NVIDIA Aerial.

Dotychczas operatorzy telekomunikacyjni, chcąc zwiększyć przepustowość sieci, musieli albo kupować kolejne pasma częstotliwości — co jest zarówno kosztowne, jak i regulacyjnie skomplikowane — albo wymieniać sprzęt na nowsze generacje. Nokia proponuje trzecią drogę: subskrypcja softwarowa, która zmienia sposób, w jaki istniejąca infrastruktura zarządza posiadanym już widmem.

Platforma jest dostępna w trzech wariantach wdrożeniowych: karta rozszerzeń GPU instalowana w istniejących stacjach AirScale, autonomiczny węzeł AI-RAN oraz konfiguracja serwerowa dostarczana przez partnerów chmurowych. Każdy z tych trybów odpowiada innemu scenariuszowi operatora — od lekkiej aktualizacji po pełną rearchitekturę węzła.

Jak działa AI-RAN — co kryje się pod maską?

Podstawą działania platformy jest integracja akceleratorów GPU NVIDIA z warstwą oprogramowania radiowego, co pozwala na uruchamianie modeli wnioskowania (inference) w czasie rzeczywistym, bezpośrednio przy antenie. Tradycyjne algorytmy planowania zasobów radiowych działają według z góry zdefiniowanych reguł; modele AI uczą się wzorców ruchu i warunków propagacji, optymalizując przydział zasobów widmowych dynamicznie.

NVIDIA Aerial to platforma SDK przeznaczona właśnie do takich zastosowań: umożliwia implementację stosów 5G L1/L2 na GPU, co oznacza, że te same układy mogą obsługiwać zarówno przetwarzanie sygnału radiowego, jak i inferowanie modeli AI. To kluczowe — konsolidacja obliczeniowa eliminuje konieczność utrzymywania oddzielnego serwera wnioskowania obok sprzętu RAN.

Nokia podaje, że w testach laboratoryjnych i wczesnych pilotażach platforma osiągnęła już ponad 20% wzrost efektywności widmowej — mierzonej w bitach na sekundę na herc (bit/s/Hz). Firma celuje w 50% do 2027 roku i ponad 100% do 2028 roku, co oznaczałoby praktyczne podwojenie pojemności bez zmiany pasma. Te dwa ostatnie wskaźniki pozostają jednak celami, nie potwierdzonymi wynikami.

Harmonogram wdrożeń według Nokii

Dlaczego model subskrypcyjny zmienia reguły gry?

Decyzja Nokii o dystrybucji AI-RAN jako subskrypcji softwarowej, a nie sprzętu, to strategiczna zmiana, której znaczenie wykracza poza telekomunikację. Operatorzy sieci komórkowych od lat zmagają się z presją kosztową — CAPEX na modernizacje infrastruktury to miliardowe wydatki, które amortyzują się przez dekadę. Model softwarowy przenosi ciężar na OPEX, co jest łatwiej akceptowalne bilansowo.

Analogia z branży IT jest tu trafna: to dokładnie ten sam ruch, który kiedyś zrobiły serwery pocztowe (od Exchange on-premise do Microsoft 365) czy systemy CRM (od licencji wieczystych do Salesforce SaaS). Nokia testuje, czy telco jest gotowe na „as-a-service” w warstwie radiowej — obszarze, który dotychczas był twierdzą sprzętu.

Redakcja IWD Partner: Najbardziej intrygujące w tej premierze nie są same liczby wydajności, lecz to, co kryje się za modelem biznesowym. Nokia skutecznie przenosi GPU do roli infrastruktury krytycznej w sieci komórkowej — a to oznacza, że NVIDIA zaczyna być nieodłącznym ogniwem nie tylko centrów danych AI, ale i podstawowej łączności mobilnej miliardów użytkowników. Warto zadać pytanie: czy operatorzy, którzy przyjmą tę architekturę, nie wymienią zależności od jednego dostawcy sprzętu antenowego na zależność od producenta układów GPU?

Co odróżnia AI-RAN od dotychczasowych sieci 5G?

Sieci 5G w obecnej formie korzystają z tzw. Open RAN i wirtualizacji (vRAN), które już oddzieliły oprogramowanie od sprzętu, ale wciąż opierają się na algorytmach klasycznych. AI-RAN idzie krok dalej: zastępuje statyczne reguły planowania zasobów modelami, które uczą się w trakcie działania sieci. Nokia określa tę architekturę mianem „AI-native” — AI nie jest nakładką, lecz fundamentem stosu radiowego.

Poprzednie próby wprowadzenia AI do RAN — takie jak SON (Self-Optimizing Networks) dostępne już w sieciach LTE od ok. 2015 roku — były znacznie bardziej ograniczone: działały na poziomie parametryzacji, nie przetwarzania sygnału. AI-RAN przenosi inferowanie na najniższe warstwy stosu radiowego (L1), gdzie liczy się opóźnienie rzędu mikrosekund.

Integracja z NVIDIA Aerial ma tu znaczenie przełomowe: SDK Aerial było dotychczas stosowane głównie w laboratoriach i pilotażach O-RAN. Komercyjna platforma Nokii oparta na tym systemie to — według oświadczenia firmy z 15 lipca 2026 roku — pierwsze tego rodzaju wdrożenie na rynku. Nie ma jednak niezależnej weryfikacji tego twierdzenia na dzień ogłoszenia.

Dlaczego platforma AI-RAN Nokii ma znaczenie?

Globalne zapotrzebowanie na przepustowość sieci mobilnych rośnie w tempie, którego samo wdrażanie kolejnych generacji standardów nie jest w stanie zaspokoić. Według prognoz Ericsson Mobility Report z 2025 roku globalny ruch danych w sieciach mobilnych przekroczy 700 eksabajtów miesięcznie do 2030 roku. Tymczasem dostępne widmo radiowe jest zasobem skończonym — aukcje pasm w Europie i USA osiągają ceny mierzone w dziesiątkach miliardów dolarów.

Jeśli Nokia dotrzyma obietnic i efektywność widmowa wzrośnie o ponad 100% do 2028 roku — zgodnie z jej własnym harmonogramem — operatorzy uzyskają możliwość obsługi dwukrotnie większej liczby urządzeń lub dwukrotnie wyższej przepustowości bez kosztownych zakupów nowych pasm ani wymiany anten. W praktyce oznaczałoby to odciążenie inwestycji infrastrukturalnych szacowanych przez GSMA na ponad 900 miliardów dolarów w dekadzie 2020–2030 dla samych sieci 5G.

Dla użytkowników końcowych implikacje są bezpośrednie: stabilniejsze połączenia w zatłoczonych miejscach, lepsza jakość streamingu i łączność dla urządzeń IoT bez budowy nowej infrastruktury fizycznej. Piloty mają ruszyć do końca 2026 roku — pierwsze niezależne wyniki powinny być dostępne na przełomie 2026 i 2027 roku.

Powiązane pojęcia z AI i uczenia maszynowego

• AI-RAN (AI Radio Access Network) — architektura sieci radiowej, w której modele uczenia maszynowego zarządzają zasobami widmowymi w czasie rzeczywistym, zastępując klasyczne algorytmy deterministyczne.
• Efektywność widmowa — miara ilości danych przesyłanych na jednostkę pasma (bit/s/Hz); kluczowy wskaźnik wydajności sieci bezprzewodowych.
• Inference (wnioskowanie) — etap działania modelu uczenia maszynowego po jego wytrenowaniu, polegający na generowaniu predykcji lub decyzji na podstawie nowych danych wejściowych.
• Open RAN (O-RAN) — standard architektury sieci radiowych oparty na otwartych interfejsach, który umożliwia integrację komponentów od różnych dostawców i wirtualizację funkcji sieciowych.
• CAPEX / OPEX — odpowiednio nakłady inwestycyjne (Capital Expenditure) i koszty operacyjne (Operational Expenditure); rozróżnienie kluczowe dla oceny modeli biznesowych w telekomunikacji.

Na podstawie materiałów źródłowych.