NVIDIA dan Nokia Perluas Penerapan AI pada Jaringan Telekomunikasi dan Infrastruktur Seluler
NVIDIA dan Nokia memperluas kerja sama dalam pengembangan jaringan telekomunikasi berbasis kecerdasan buatan melalui sejumlah pengumuman pada 21 Oktober 2026 di ajang NVIDIA GTC Berlin. Kolaborasi ini berfokus pada penerapan AI-RAN, yaitu teknologi yang menggabungkan pemrosesan jaringan radio dengan kemampuan komputasi AI menggunakan infrastruktur terakselerasi GPU. Berbagai operator telekomunikasi, termasuk T-Mobile, Deutsche Telekom, BT, Elisa, dan Orange, turut terlibat dalam pengujian serta pengembangan sistem tersebut. Inovasi ini berpotensi meningkatkan kualitas layanan seluler, mendukung otomatisasi operasional, dan memperluas penggunaan komputasi AI di lokasi yang lebih dekat dengan pengguna.
Kolaborasi NVIDIA dan Nokia Membawa Kecerdasan Buatan ke Infrastruktur Seluler
Kolaborasi antara NVIDIA dan Nokia mendorong pengembangan jaringan telekomunikasi berbasis kecerdasan buatan. Melalui pengumuman di GTC Berlin, NVIDIA dan Nokia menampilkan hasil pengembangan jaringan radio berbasis AI. Konsep Artificial Intelligence Radio Access Network menyatukan pengoperasian RAN dan inferensi kecerdasan buatan. Arsitektur baru ini bertujuan meningkatkan efisiensi penggunaan sumber daya. Di luar pengelolaan konektivitas, infrastruktur seluler berpotensi menjadi platform komputasi terdistribusi. Dengan demikian, jaringan seluler memperoleh peran tambahan dalam infrastruktur AI masa depan.
Pengembangan bersama tersebut berkembang melalui beberapa tahapan penelitian dan pengujian. Melalui rangkaian pengujian tahun ini, teknologi semakin diarahkan untuk penggunaan operator nyata. Sejumlah perusahaan telekomunikasi mulai menguji kemampuan tersebut. Operator yang disebutkan mencakup T-Mobile, BT, Deutsche Telekom, Elisa, dan Orange. Dukungan perusahaan telekomunikasi ini membantu menguji teknologi di berbagai kondisi. Walaupun perkembangan tersebut menjanjikan, tidak semua proyek telah memasuki tahap komersial penuh. Dengan mempertimbangkan hal tersebut, kinerja jangka panjang masih harus dibuktikan.
Cara Kerja AI-RAN NVIDIA dan Nokia dalam Jaringan 5G
Dasar pengembangan jaringan radio berbasis AI adalah penggunaan komputasi terakselerasi bersama perangkat lunak jaringan. Pada sisi infrastruktur komputasi, NVIDIA mengembangkan Aerial RAN Computer atau ARC sebagai sistem pemrosesan yang mendukung beban kerja RAN. Sementara itu, Nokia menghadirkan sistem Nokia anyRAN yang dioptimalkan untuk komputasi NVIDIA. Kombinasi tersebut mendukung pengoperasian radio serta kecerdasan buatan pada sistem bersama. Dalam praktiknya, sistem jaringan memproses pertukaran sinyal seluler, sedangkan platform komputasi juga menangani layanan AI. Pendekatan tersebut memberikan fleksibilitas pengelolaan beban kerja.
Dalam jaringan seluler modern, pengolahan informasi radio membutuhkan sumber daya besar. Nokia dan NVIDIA mengembangkan perkiraan karakteristik jalur komunikasi, beamforming, pemilihan pasangan pengguna MIMO, serta scheduling. Teknik tersebut berkaitan dengan kualitas dan kapasitas jaringan. Dalam penggunaan praktis, pengukuran kanal memungkinkan jaringan menyesuaikan transmisi. Melalui algoritma kecerdasan buatan, pengolahan sinyal berpotensi menjadi lebih adaptif. Walaupun pengujian menunjukkan kemajuan, hasil peningkatan tidak selalu sama di setiap lokasi. Untuk memastikan manfaatnya, analisis performa harus dilakukan dalam berbagai situasi.
Pengujian AI-RAN Pertama pada Infrastruktur Seluler T-Mobile
Perkembangan penting dalam implementasi AI-RAN adalah selesainya pengujian panggilan menggunakan platform AI-RAN di jaringan aktif. Proses validasi tersebut menggunakan lokasi jaringan T-Mobile di Bellevue. Kedua mitra teknologi tersebut memanfaatkan sistem radio multiantena dengan software radio Nokia berbasis CUDA dan komputasi terakselerasi NVIDIA. Rangkaian teknologi ini terintegrasi dengan sistem core 5G komersial. Komunikasi berhasil dijalankan menggunakan perangkat seluler yang tersedia secara komersial. Pencapaian tersebut menunjukkan bahwa integrasi AI-RAN dapat bekerja pada jaringan aktif.
Walaupun pencapaian T-Mobile penting, hasil tersebut belum menjadi jaminan performa pada semua kondisi. Tahapan penelitian selanjutnya berfokus pada pengujian kemampuan AI dalam RAN serta beban kerja inferensi yang berjalan bersamaan. Pada implementasi jaringan operator, kestabilan layanan menjadi prioritas. Tim teknis harus memeriksa kualitas layanan dalam kondisi trafik tinggi. Sebagai aspek tambahan, kesesuaian dengan sistem jaringan yang telah digunakan harus diperhitungkan secara menyeluruh. Melalui evaluasi tersebut, operator memperoleh informasi bagi pengembangan komersial bertahap.
Perluasan AI-RAN di Eropa Bersama BT, Deutsche Telekom, dan Elisa
Di luar pencapaian jaringan Amerika Serikat, sejumlah operator Eropa turut mengembangkan AI-RAN. BT menyiapkan percobaan AI-RAN di Birmingham tahun 2027. Sementara itu, Deutsche Telekom telah memvalidasi platform melalui laboratorium di Bonn dan Oulu. Pengembangan tersebut melibatkan algoritma kecerdasan buatan dalam pengolahan kanal. Menurut pengujian laboratorium awal, peningkatan throughput uplink umumnya mencapai 10 hingga 15 persen. Meski pengukuran menunjukkan peningkatan, performa aktual dapat berubah menurut lingkungan jaringan. Perusahaan telekomunikasi ini menargetkan pengujian jaringan nyata tahun berikutnya.
Perusahaan telekomunikasi Finlandia Elisa juga mencatat kemajuan penting. Melalui uji lapangan di Finlandia, platform memproses komunikasi suara bersama trafik data dan video analytics. Seluruh fungsi tersebut menggunakan infrastruktur Aerial RAN Computer. Hasil tersebut menunjukkan potensi integrasi layanan komunikasi dan AI. Sementara itu, Orange menguji perangkat lunak Nokia 5G pada NVIDIA ARC. Sebagai penerapan tambahan, Orange menghadirkan layanan kecerdasan suara berbasis AI. Kemajuan sejumlah perusahaan Eropa memberikan dasar bagi evaluasi penggunaan komersial berikutnya.
NVIDIA Nemotron dan Otomatisasi Jaringan Telekomunikasi
Selain menerapkan AI pada jaringan radio, NVIDIA dan Nokia juga memperluas kerja sama pada otomatisasi operasional. Nokia mengadopsi NVIDIA Nemotron dan NVIDIA Agent Toolkit ke dalam ekosistem otomatisasi jaringan perusahaan. Pendekatan ini dirancang mendukung identifikasi gangguan secara otomatis. Agen AI dirancang menjalankan alur analisis jaringan seperti memeriksa penyebab degradasi jaringan. Sebagai kemampuan tambahan, agen dapat membantu merekomendasikan tindakan perbaikan. Namun demikian, Nokia tetap menekankan pengawasan operator. Pendekatan tersebut membantu menjaga akuntabilitas operasional.
Pengembangan agentic AI tersebut dikembangkan melalui ekosistem perangkat lunak yang lebih luas. Cisco memanfaatkan Nemotron dalam perangkat lunak Crosswork. Platform Cisco ini mendukung operasi infrastruktur transportasi data. Di sisi layanan teknologi, Tata Consultancy Services atau TCS menggunakan Nemotron untuk membangun agen khusus. Sistem yang dirancang berpotensi memeriksa pekerjaan teknis jaringan. Penyedia solusi teknologi NTT DATA mengembangkan kemampuan AI untuk sistem operasi jaringan. Dengan pemanfaatan model terbuka, operator diharapkan dapat mengenali gangguan lebih awal. Namun demikian, pengujian serta pembatasan kewenangan agen menjadi penting.
Prospek Teknologi AI dalam Transformasi Telekomunikasi Global
Pengembangan bersama teknologi AI-RAN membuka peluang baru bagi pengelolaan jaringan generasi berikutnya. Dengan menggabungkan komputasi GPU serta perangkat lunak radio, jaringan seluler memperoleh kemampuan tambahan di luar konektivitas. Demonstrasi Elisa menjadi bagian dari validasi sistem pada lingkungan operator. Di luar peningkatan komunikasi radio, pemanfaatan NVIDIA Nemotron mendukung peningkatan efisiensi operasional. Walaupun prospek teknologinya besar, keberhasilan komersial bergantung pada hasil implementasi. Di tengah transformasi TEKNOLOGI jaringan seluler, otomatisasi jaringan diperkirakan memainkan peran penting. Menurut Anda, seberapa besar manfaat kecerdasan buatan dalam pengelolaan telekomunikasi? Silakan bagikan pendapat Anda mengenai inovasi ini.
