Se investi in $NOK devi assolutamente leggere questo.
Se ti interessa la robotica, l'AI Fisica, l'AI Edge, devi assolutamente leggere questo.
Ma prima di farlo, per favore metti un segnalibro e condividi.
Sulla chiamata di oggi di $NVDA:
“In futuro, ogni singola stazione base, ogni singola rete radio diventerà una rete radio alimentata dall'AI.”
Ho appena pubblicato un articolo su Substack che analizza le implicazioni di questa affermazione.
Puoi leggerlo qui:
https://cruxcapitalgroup.substack.com/p/nvidia-just-told-us-something-important?r=6so16n
Ma prima facciamo un passo indietro...
Sei settimane fa ho scritto un articolo su AI-RAN e voglio condividerlo integralmente qui ora.
Buona lettura!
Quando pensiamo all'infrastruttura AI, tendiamo a immaginare enormi data center pieni di GPU, hyperscaler che spendono decine di miliardi di dollari, una corsa ad aggiungere più potenza, più fibra e più capacità dentro e tra i campus.
E abbiamo ragione! Ma non è tutto qui.
L'AI sta portando l'intelligenza più vicino a dove i dati vengono creati e dove le decisioni devono essere prese rapidamente. Telecamere, robot, fabbriche, macchine connesse, sistemi autonomi, video in diretta, il mondo fisico in generale. Quando ciò accade, la rete intorno al data center diventa più importante. E quando quella rete diventa più importante, l'impronta delle telecomunicazioni inizia ad assomigliare a una superficie di calcolo potenziale.
Una delle cose a cui ho dedicato del tempo ultimamente è al di fuori della solita conversazione su hyperscaler e ottica, ma potrebbe diventare un contributo significativo all'espansione dell'AI nel tempo. Riguarda l'infrastruttura delle telecomunicazioni, tocca il livello radio e si ricollega sempre di più alla più ampia storia di ottica, trasporto e calcolo man mano che l'AI diventa più distribuita.
È anche uno dei motivi per cui penso che Nokia sia un'opportunità molto interessante. La maggior parte delle analisi si concentra sulle telecomunicazioni, sui budget degli operatori, sulla ristrutturazione e, solo di recente, sul potenziale dell'ottica dopo Infinera. C'è un altro livello che si sta formando qui e, sebbene sia ancora presto, i punti di prova stanno diventando più concreti rapidamente.
Ciò che voglio fare in questo articolo è analizzare di cosa si tratta realmente, cosa è commercialmente fondato oggi rispetto a cosa è ancora architetturale, come i recenti test degli operatori hanno cambiato la mia visione della curva di maturità, e perché il lato ottico e di trasporto della storia potrebbe avere lo stesso peso del lato radio nel breve termine.
Di cosa sto parlando?
La Rete di Accesso Radio (RAN) è la parte del sistema cellulare che collega il tuo telefono o dispositivo alla rete più ampia. Radio, siti cellulari, funzioni di banda base e il software che gestisce queste connessioni wireless risiedono tutti qui. È anche uno dei pezzi di infrastruttura più fisicamente distribuiti al mondo. Gli operatori di telecomunicazioni hanno già siti sparsi in città, corridoi industriali, aree suburbane e regioni remote, con energia, trasporto, hardware e team operativi collegati a questi luoghi.
Portare l'AI in questo panorama è una proposta molto diversa dalla costruzione di un altro campus AI centralizzato. Un modello concentra il calcolo in pochi luoghi giganteschi. L'altro cerca di rendere una rete distribuita più intelligente, più adattiva e, infine, più monetizzabile. Questa distinzione è il cuore di ciò che AI-RAN sta cercando di fare.
Tre idee
In realtà stiamo parlando di tre aspetti. Sono correlati ma hanno tempistiche diverse e implicazioni di investimento differenti.
Il primo è l'AI per la RAN. Usare l'AI per migliorare il funzionamento della rete radio. Quindi cose come l'ottimizzazione del traffico, la gestione dell'energia, una migliore schedulazione, il rilevamento più rapido dei problemi, un uso migliore dello spettro e operazioni più autonome. Software che fa funzionare meglio una rete wireless complessa con meno lavoro manuale. L'incentivo esiste già perché queste reti sono costose, operative pesanti e sempre più stressate dalla crescita del traffico. Questa è la parte più commercialmente fondata della storia oggi, e la più facile da giustificare per gli operatori perché la proposta di valore è semplice: costi inferiori, prestazioni migliori e meno interventi manuali quotidiani.
Il secondo è l'AI e la RAN. Invece di trattare i carichi di lavoro radio e quelli AI come universi separati, questo approccio li mette sulla stessa piattaforma di calcolo sottostante. I siti di telecomunicazioni hanno già un'infrastruttura distribuita. Se questi siti possono gestire simultaneamente sia le funzioni wireless che i carichi di lavoro AI, l'impronta della rete stessa diventa più strategicamente preziosa. È qui che l'angolazione NVIDIA diventa rilevante, e dove i punti di prova stanno iniziando ad accumularsi. L'idea centrale è che lo stesso sito di telecomunicazioni fisico può iniziare a fare due lavori contemporaneamente: gestire la rete mobile ed eseguire il calcolo AI. Questo è un modo fondamentalmente diverso di pensare a quanto vale un sito di torre.
Il terzo è l'AI sulla RAN. Qui è dove il bordo delle telecomunicazioni diventa un luogo in cui vengono eseguite effettive applicazioni AI come la visione artificiale, la robotica, l'automazione industriale, l'inferenza video in tempo reale, l'AI fisica e i servizi a bassa latenza che traggono vantaggio dall'essere elaborati più vicino a dove i dati hanno origine. Questa è la versione che sembra la più grande e probabilmente lo è se matura. Porta anche la minore visibilità dei ricavi a breve termine tra le tre. È qui che la rete di telecomunicazioni inizia ad assomigliare meno a un'infrastruttura di comunicazione e più a una piattaforma applicativa. Se si sviluppa come sperano i rialzisti, gli operatori venderanno accesso al calcolo locale vicino al mondo fisico insieme alla connettività, che è un modello di business fondamentalmente ampliato costruito sulla stessa impronta fisica.
Tutti e tre meritano di essere compresi.
Perché Nokia appartiene a questa storia
Nokia si sta avvicinando ad AI-RAN dall'interno. Ha già lo stack radio, le relazioni con gli operatori e la base di infrastrutture installata che le danno un percorso credibile nella categoria. AI-RAN viene adottato attraverso relazioni esistenti con i fornitori, abilitazione software graduale, hardware compatibile con il futuro e fiducia degli operatori, e Nokia è già all'interno di tutte queste condizioni.
Sentiamolo direttamente dalla fonte.
Il commento di Hotard su AirScale è una delle linee più importanti dell'intera storia.
“Se acquisti una piattaforma AirScale oggi, sarà aggiornabile ad AI-RAN quando lanceremo quella piattaforma. E quindi questo è il tipo di opportunità in cui prendere la decisione di investimento ora e avere chiarezza ora come operatore, pensiamo sia particolarmente importante.”
Gli operatori sono riluttanti a spendere pesantemente sulla piattaforma radio odierna se è necessaria una sostituzione completa pochi anni dopo. Nokia sta dicendo loro che la transizione può avvenire gradualmente, il che rende la sperimentazione più realistica e riduce l'attrito intorno all'implementazione. Ronnie Vasishta di NVIDIA ha inquadrato il cambiamento più ampio in termini simili:
“Invece di aggiornare le reti in cicli grandi e pesanti in termini di hardware, ora abbiamo l'opportunità di costruirle come sistemi completamente guidati dal software. Eseguendo AI e reti di accesso radio sulla stessa piattaforma di calcolo accelerato, ci assicuriamo che la rete supporti le esigenze aziendali, e non il contrario.”
Hotard ha anche descritto dove si trova commercialmente la categoria:
“AI-RAN trasforma la RAN in una piattaforma guidata dal software ottimizzata per l'AI, e con NVIDIA e un ecosistema crescente di partner stiamo progredendo dalla convalida all'implementazione commerciale.”
Nokia ha già la posizione installata, la roadmap del prodotto e il dialogo con gli operatori per spostare questo concetto in qualcosa di più commercialmente duraturo nel tempo.
Perché questo va oltre il livello radio
Se i carichi di lavoro AI diventano più distribuiti, se i siti di telecomunicazioni iniziano a trasportare più intelligenza, e se il bordo della rete inizia a comportarsi più come una superficie di calcolo, anche la rete circostante diventa più importante. Trasporto, instradamento, capacità ottica e la capacità fisica di spostare più dati tra il bordo, il cloud e tutto il resto vengono tutti coinvolti in questo cambiamento. AI-RAN inizia al livello radio e l'architettura circostante lo segue.
David Heard di Nokia all'OFC:
“specialmente hyperscaler e player neocloud e ora anche nella rete geografica con fornitori di servizi e aziende mission-critical, stanno acquistando roadmap perché stanno facendo piani, stanno acquistando data center. Stanno acquistando strutture. Stanno pianificando HVAC in questo momento.”
Hotard ha collegato l'espansione ottica e IP alla stessa dinamica nella chiamata del Q4:
“questi non sono più i sistemi di cloud computing costruiti negli ultimi 10-15 anni. Questi sono supercomputer AI, e i supercomputer AI necessitano di larghezza di banda maggiore, connettività più ricca. E ora stiamo vedendo la tecnologia ottica entrare in questi e integrarsi e mettersi in rete.”
Rob Shore, responsabile del marketing ottico di Nokia, ha descritto il cambiamento nel modo in cui i clienti pensano all'innovazione ottica:
“Storicamente, per oltre 30 anni nel settore, ci siamo concentrati sulla costruzione di motori specificamente focalizzati sulla massimizzazione della capacità per fibra. Questa generazione è la prima generazione in cui ci siamo davvero spostati. Vogliono soluzioni più ottimizzate in termini di costi e potenza.”
Questo è il contesto del motivo per cui la più ampia esposizione di rete di Nokia appartiene a questo articolo. Un'architettura AI più distribuita richiede l'infrastruttura di trasporto e ottica in grado di supportare un'intelligenza più distribuita. Il livello radio e il substrato di rete vengono trainati insieme.
Cosa è investibile?
Separare ciò che è a più breve termine da ciò che è a più lungo termine è il modo più pulito per inquadrare questo.
La parte più commercialmente fondata del tema oggi è l'AI per la RAN. Operazioni più intelligenti, minore carico manuale, migliore ottimizzazione, gemelli digitali e software che aiutano gli operatori a gestire le loro reti in modo più efficiente. Hotard ha fornito uno dei punti di prova più chiari nella chiamata del Q4:
“Abbiamo lanciato due nuovi prodotti nel trimestre, inclusa la nostra soluzione AI agentica per la gestione dell'automazione basata sugli eventi, che riduce i tempi di inattività della rete del 96%.”
Il valore economico è diretto e gli operatori possono giustificarlo immediatamente. Migliori prestazioni di rete e minore complessità operativa con una linea chiara verso il risparmio sui costi.
AI e RAN è il livello successivo. Infrastruttura condivisa, test con operatori in tempo reale e implementazione graduale attraverso piattaforme compatibili con il futuro stanno rendendo la storia più credibile. Un test di T-Mobile è il punto di prova più chiaro:
“La sperimentazione ha dimostrato l'elaborazione simultanea di AI e RAN su un singolo server NVIDIA Grace Hopper 200 utilizzando carichi di lavoro AI-RAN accelerati, evidenziando la capacità di combinare funzioni avanzate di rete di accesso radio con applicazioni AI su una piattaforma di calcolo accelerato condivisa.”
Il risultato di Indosat ha aggiunto un'altra conferma in ambiente reale:
“Questa pietra miliare dimostra che i carichi di lavoro AI e RAN possono essere eseguiti simultaneamente su un'infrastruttura GPU condivisa in un ambiente operatore in tempo reale, aprendo la strada all'intelligenza AI distribuita che rende le reti 5G più efficienti, intelligenti e sostenibili.”
Questa è ancora una categoria in via di sviluppo piuttosto che un motore di ricavi completamente scalato, anche se i punti di prova si stanno accumulando più velocemente di quanto la maggior parte si aspettasse.
L'AI sulla RAN è il potenziale rialzo a più lungo termine in cui il bordo delle telecomunicazioni diventa una vera superficie applicativa per AI fisica, visione artificiale, robotica, automazione industriale e inferenza a bassa latenza. Nokia e SoftBank hanno già dimostrato una versione della logica di monetizzazione:
“Nokia e SoftBank hanno dimostrato come la capacità di calcolo AI-RAN in eccesso può essere utilizzata per eseguire attività AI di terze parti. Questa integrazione segna un passo chiave nella trasformazione della RAN in una piattaforma abilitata all'AI in grado di fornire nuovi servizi AI e flussi di entrate oltre la connettività.”
Il COO di Elisa, Sami Komulainen, ha inquadrato bene l'arco temporale più lungo:
“AI-RAN è un abilitatore chiave per ottimizzare le prestazioni della rete end-to-end, migliorare la qualità del servizio e avanzare verso un 6G nativo AI, così come per la futura AI agentica, robotica e, in ultima analisi, fisica.”
Nokia ci offre esposizione a un tema con punti di prova reali, un ponte credibile basato sulla base installata e infrastrutture di supporto sufficienti per diventare economicamente significativo se l'architettura continua a muoversi in questa direzione. Il potenziale rialzo a breve termine risiede nell'ottica, nell'IP e nel software AI per la RAN. L'opzione a più lungo termine risiede in ciò che l'impronta delle telecomunicazioni potrebbe diventare. Entrambi vale la pena tenere d'occhio mentre la storia si sviluppa.
Le informazioni fornite sono solo a scopo informativo e non costituiscono consulenza finanziaria, una raccomandazione o un'offerta di acquisto o vendita di titoli. L'autore potrebbe detenere una posizione nei titoli menzionati. I lettori dovrebbero condurre la propria due diligence e consultare un consulente finanziario prima di prendere decisioni di investimento.
