این مقاله در اصل در Light Reading منتشر شد.
تا به حال، به نظر می‌رسید که پیشنهاد RAN ابری اریکسون شامل RAN زیادی بوده و نه ابری، یا نه ابری از انواع سخت‌گیرانه عمومی، جایی که سگ‌های بزرگ همچنان AWS، گوگل و مایکروسافت هستند. منتقدان معتقدند شبکه دسترسی رادیویی (RAN) هرگز توسط آن حیوانات بلعیده نمی‌شود، زیرا امکانات ابر عمومی معمولاً بیش از حد متمرکز هستند. بیشتر محاسبات RAN باید در یا نزدیک سایت های موبایل انجام شود.
با این حال اریکسون اکنون می گوید که می تواند نرم افزار RAN مجازی خود را در گوگل اجرا کند. موردی نیست که RAN به ابر عمومی بیاید، بلکه ابر عمومی به RAN بیاید. از طریق سرویسی که به نام Google Distributed Cloud (GDC) ارائه می‌شود، ابر مقیاس‌کننده اکنون می‌تواند سرورها و قفسه‌ها را به یک مرکز مخابراتی مانند یک دفتر مرکزی کوچک، واقع در نزدیکی ایستگاه‌های پایه که پشتیبانی می‌کند، بیاورد. اریکسون نرم افزار RAN خود را در بالای صفحه قرار می دهد و سرویس باید آماده کار باشد.
این یک تغییر بالقوه بازی برای اریکسون و مشتریانش است. در یک RAN سنتی، فروشنده سوئدی سخت‌افزار و نرم‌افزار را ترکیب می‌کند و کل شبانگ را به یک شرکت مخابراتی می‌فروشد. ابرها به سادگی از ویژگی های منظره نیستند. با گوگل، هایپرمقیاس کننده مسئولیت سخت افزار را بر عهده می گیرد و به اریکسون دید محدودی از آنچه شامل می شود می دهد.
متئو فیورانی، رئیس خط تولید ابری RAN اریکسون گفت: «آنها اطلاعاتی به ما دادند، اما ما چیز زیادی از داخل آن نمی دانیم، بنابراین یک جعبه سیاه است. ما الزامات خاصی را در مورد آنچه نیاز داریم تا بتوانیم برنامه خود را اجرا کنیم، ارائه کرده‌ایم، و آنها به ما بازخورد داده‌اند که چه چیزی در اختیار ما قرار می‌دهند و به ما گفته‌اند که چه چیزی در سرورها و رک‌ها وجود دارد، اما نه با جزئیات.
یک کد پایه، هر سخت افزار
درجاتی از کدورت نباید مهم باشد به شرط اینکه هر طرف به نرده های محافظ خاصی بچسبد. از طرف اریکسون، این به معنای نوشتن نرم‌افزار سازگار با یک پردازنده همه منظوره است، به‌جای کدی که برای یک مدار مجتمع خاص برنامه (ASIC)، سیلیکون سفارشی‌سازی شده‌ای که به‌طور سنتی از آن استفاده می‌کند، طراحی شود.
تنها حکاکی در لایه 1 است، بخشی از پشته نرم افزار که مسئول پردازش باند پایه است. در آنجا، یک تابع خاص به نام تصحیح خطای رو به جلو، به یک بیت سیلیکون جداگانه که به عنوان یک شتاب دهنده شناخته می شود، برای ارائه Oomph متکی است. اریکسون از BBDev، مجموعه ای استاندارد از ابزارها، برای ایجاد یک لایه انتزاعی برای این شتاب دهنده استفاده می کند. به شرطی که فروشندگان سیلیکون نیز آن را بپذیرند، اریکسون باید بتواند از همان نرم افزار مجازی RAN استفاده کند بدون توجه به اینکه چه کسی سخت افزار را ارائه می دهد.
فروشندگان سیلیکون، در این مورد، طبیعتاً به معنای بازیگران بزرگ در بازار CPUهای سرور همه منظوره (واحدهای پردازش مرکزی) هستند. و این اساساً به معنای اینتل و AMD است که بر اساس تحقیقات Counterpoint، مجموعاً حدود 92.5 درصد از کل بازار مرکز داده را در سال گذشته در اختیار داشتند.
وجه مشترک مجموعه دستورات x86 است که آنها استفاده می کنند. اریکسون که قبلاً با اینتل همکاری کرده بود، در اوایل سال جاری ادعا کرد که سازگاری نرم افزاری با AMD را نشان داده است. اگر بسیاری از سخت‌افزارهای ارائه‌شده توسط Google به‌عنوان یک «جعبه سیاه» باقی بماند، استفاده از تراشه‌های x86 مشخص است – همانطور که اریکسون به «پشته شتاب‌دهنده مبتنی بر x86» در بیانیه مطبوعاتی خود در مورد اتصال Google نشان می‌دهد.
به نظر می رسد ایراد آن کمبود رقبای CPU برای اینتل و AMD باشد. اما ممکن است این وضعیت به آرامی در حال تغییر باشد. فیورانی به لایت ریدینگ گفت که اریکسون اکنون در حال کار برای یافتن جایگزین‌هایی از طریق Arm، طراح طرح‌های تراشه‌های مستقر در بریتانیا است که بیشتر به خاطر فعالیت‌هایش در بخش گجت‌ها شناخته شده است.
او گفت: «ما هنوز در حال بررسی هستیم که آیا Arm توانایی دستیابی به ظرفیت معینی را دارد، زیرا در حالی که Arm انرژی کمتری مصرف می کند، قدرت کمتری نیز دارد. اما او از به‌روزرسانی اخیر معماری v9 از Arm و ویژگی‌های آن تشویق می‌شود. در میان چیزهای دیگر، کتابخانه ای به نام SVE2 برخی از کادرهای مشابه مجموعه دستورالعمل AVX512 اینتل را علامت می‌زند. “این اساساً پردازش برداری است و برای پردازش لایه 1 بسیار مناسب است و وقتی آنها آن را وارد می کنند، ما فکر می کنیم می توانیم مقداری ظرفیت خوب را از یک سیستم بازویی خارج کنیم.”
بر این اساس، اکنون اریکسون با چندین مجوز Arm در توسعه CPU همکاری می کند تا ببیند دقیقاً چه کاری می توانند انجام دهند. فیورانی گفت: “دلیلی که ما این کار را انجام می دهیم این است که نمی خواهیم خودمان را قفل کنیم و فقط یک گزینه بدهیم.” سوال بزرگ برای اریکسون این است که آیا می‌تواند از نرم‌افزار RAN یکسان برای هر دو سیستم x86 و Arm-based استفاده کند؟
فیورانی گفت: «جواب اساساً مثبت است. “این جاه طلبی ما این است که نرم افزار لایه 1 را تا حد ممکن بین x86 و Arm قابل حمل کنیم. با این حال، برخی از ترفندها و بهینه سازی هایی وجود دارد که باید انجام دهیم تا اطمینان حاصل کنیم که نرم افزار لایه 1 به طور بهینه روی Arm کار می کند.” آزمایشات در این زمینه در حال حاضر در حال انجام است.
Inline غیر مقرون به صرفه
هیچ کدام از اینها به این معنی نیست که اریکسون به شکل جایگزین «داخلی» شتاب سخت افزاری گرم می شود. ترجیح داده شده توسط نوکیا، رقیب بزرگ شمال اروپا، اریکسون، کل نرم افزار لایه 1 را از CPU به یک تراشه سفارشی تر تغییر می دهد، که معمولاً روی یک کارت جداگانه نصب می شود که می تواند در یک سرور سازگار قرار گیرد. ایراد اصلی فیورانی این است که نرم افزار لایه 1 برای هر فروشنده نیاز به خیاطی دارد.
او گفت: «ما به نوع دیگری از معماری برای لایه 1 نگاه نمی‌کنیم، زیرا این همان چیزی است که به نظر ما یک قفل کامل است. “تا زمانی که شما فروشنده هایی دارید که از رابط BBDev پیروی می کنند، فرقی نمی کند اینتل، AMD یا Arm باشد. برای ما این پایه کد یکسان است. اگر با لایه 1 کامل بروید، خود را در آن قفل می کنید. زیرا کارت Marvell با کارت Qualcomm یا GPU Nvidia بسیار متفاوت است [graphical processing unit]، بنابراین واقعاً نمی توانید کد را پورت کنید. شما باید همیشه آن را دوباره انجام دهید، و این مقرون به صرفه نیست.”
فیورانی گفت: اگر هایپراسکیلرها سخت افزار را تقویت کنند، رویکرد BBDev می تواند به قابلیت حمل بین ابرهای مختلف کمک کند و اریکسون همچنین با AWS و مایکروسافت همکاری می کند. او اذعان کرد که شراکت RAN آن با گوگل پیشرفته ترین است. و به نظر نمی رسد AWS با اریکسون مخالفت نسبت به شتاب درونی داشته باشد. در اوایل سال جاری، استقراری را به نمایش گذاشت که در آن سرورهای مبتنی بر تراشه‌های Graviton مبتنی بر Arm، میزبان کارت‌های شتاب‌دهنده داخلی نوکیا برای عملکردهای لایه 1 بودند.
چرا یک ابر عمومی به جای یک ابر خصوصی؟ برای مخابرات، جذابیت کلیدی احتمالاً مجموعه ای از خدمات و ویژگی های دیگر خواهد بود که ابرهای خصوصی به سادگی ارائه نمی دهند. در این نسخه پلتفرم های یادگیری ماشینی گوگل مانند Vertex AI و BigQuery برجسته شده اند. “ما در حال انجام تحقیقات زیادی در زمینه هوش مصنوعی در سمت خود هستیم، بیشتر برای بهینه سازی RAN، و گوگل ابزارهای زیادی مانند Vertex AI برای ساخت برنامه های هوش مصنوعی، برای بهینه سازی نحوه استفاده از منابع، نحوه استقرار، نحوه مدیریت چرخه حیات دارد.” فیورانی گفت.
همه اینها برای پلتفرم‌های ابر خصوصی مانند Red Hat، VMware و Wind River نگران‌کننده به نظر می‌رسد، البته به CNIS خود اریکسون نیز اشاره نمی‌کنیم. به گفته فیورانی، جایی که آنها هنوز مزیت دارند، در بلوغ آنهاست. او گفت: «این پلتفرم‌ها برای برنامه‌های مخابراتی و به‌ویژه برای استقرار سایت کمی سخت‌تر شده‌اند. اما ما شاهد پیشرفت بزرگ گوگل در سال گذشته در این زمینه بوده ایم. بسیاری از ذینفعان دیگر ممکن است از شنیدن آن خوشحال نباشند.