Ein selbstfahrendes Auto kann erzeugen Bis zu 19 Terabyte Daten professional Stunde, was eine potenzielle Belastung für 5G-Netzwerke darstellt, die Echtzeitdaten von mehreren Fahrzeugen verarbeiten. Die 20 bis 50 Millisekunden Latenzzeit von 5G kann kritisch werden, da Verzögerungen bei Stoppbefehlen zu Unfällen führen können. Der Übergang zu 6G zielt darauf ab, diese Probleme mit extrem hohen Geschwindigkeiten, sehr kurzen Verzögerungen und integrierten KI-Funktionen zu lösen, die die Wahrnehmung und Kommunikation verbessern.

Integrierte Sensorik und Kommunikation (Built-in Sensing and Communication, ISAC) in 6G-Netzen wird wie Radar funktionieren und eine Präzision im Millimeterbereich zur Erkennung von Objekten oder Unfällen bieten, möglicherweise vor aktuellen Kamerasystemen. Diese Technologie könnte die Sicherheit und Effizienz autonomer Fahrzeuge erheblich verbessern und Anwendungen wie digitale Zwillinge unterstützen, die eine Datenintegration in Echtzeit erfordern.

Der Übergang zu 6G bringt Herausforderungen mit sich, darunter Interoperabilitätsprobleme, Cybersicherheitsrisiken und hoher Energieverbrauch. Die fragmentierte Architektur bestehender 5G-Netze stellt einen Engpass dar, da 6G KI-nativ und Edge-integriert konzipiert ist. Ältere Netzwerkkomponenten haben möglicherweise Schwierigkeiten, die für die 6G-Bereitstellung erforderlichen Anforderungen an hohe Bandbreite und niedrige Latenz zu erfüllen.

6G-Netze werden von Anfang an als eigenständige Systeme (SA) aufgebaut, eine deutliche Abkehr vom nicht eigenständigen Ansatz (NSA) von 5G, der auf der 4G-Kerninfrastruktur beruhte. Ericsson gibt an, dass eigenständige 6G-Netze die Systemkomplexität vereinfachen, die Skalierbarkeit verbessern und die Integrationskosten senken werden, indem sowohl Funkzugang als auch Kernnetze aufeinander abgestimmt werden.

Das third Technology Partnership Mission (3GPP), eine Zusammenarbeit von sieben Telekommunikationsstandardisierungsorganisationen, arbeitet an der Entwicklung einheitlicher Requirements für 6G. Diese Requirements zielen darauf ab, die Interoperabilität sicherzustellen und erweiterte Funktionen wie Community Slicing durch 6G-Netzwerke zu ermöglichen, die Übertragungsgeschwindigkeiten versprechen, die 50 bis 100 Mal schneller als 5G sind, mit Spitzengeschwindigkeiten von bis zu 1 Terabit professional Sekunde und einer Latenz von Mikrosekunden.

Branchenexperten warnen, dass 6G zwar die Sicherheit durch verbessertes Design erhöhen, aber auch neue Risiken im Zusammenhang mit KI mit sich bringen wird. Stephen Douglas von Keysight Applied sciences stellte fest, dass KI-native Architekturen die Angriffsfläche für Hybridnetzwerke vergrößern könnten, indem sie mehr APIs und Modelle offenlegen. Gartner prognostiziert, dass KI- und GenAI-Anwendungen bis 2026 über 30 % der API-Nachfrage ausmachen werden.

Ericsson identifiziert hat über 20 potenzielle Bedrohungstypen im Zusammenhang mit 6G, einschließlich Herausforderungen durch den Missbrauch räumlicher Kartendaten und gegnerischer Angriffe. Viele bestehende Router, Firewalls und Edge-Geräte sind nicht ausreichend ausgestattet, um die höheren Bandbreiten- und geringeren Latenzanforderungen von 6G zu bewältigen. Daher weist Douglas darauf hin, dass diese Geräte Verbesserungen benötigen, um den Anforderungen von Netzwerken der nächsten Technology gerecht zu werden.

Laut Douglas sind die meisten Unternehmensnetzwerke derzeit nur teilweise auf einen Übergang zu 6G vorbereitet. Er betonte den Bedarf an modernen LAN- und WAN-Architekturen, die die von 6G erwartete Bandbreite, Latenz und KI-gesteuerten Vorgänge bewältigen können. Investitionen in Glasfasernetze, Edge Computing und Zero-Belief-Architektur sind für die Zukunftsfähigkeit von entscheidender Bedeutung.

Ericsson rechnet damit, die 6G-Spezifikationen bis 2028 fertigzustellen, wobei die kommerzielle Einführung etwa zwischen 2029 und 2030 erwartet wird. Die ersten Rollouts werden von der bestehenden 5G SA-Infrastruktur abhängen, bevor erweiterte KI-native Funktionen eingeführt werden. Experten empfehlen Unternehmen, eine schrittweise Migrationsstrategie zu verfolgen und noch heute mit der Vorbereitung ihrer Netzwerke zu beginnen, indem sie Sicherheitsrichtlinien verbessern und in Technologien investieren, die den Übergang erleichtern.

---

Hervorgehobener Bildnachweis

Probleme im Zusammenhang mit der GPU -Bereitstellung – endgültige Auftragswartungszeiten, hohe Preise und insbesondere dringend Bedürfnisse – führen zu neuen GPU -Zugangstrategien.

Ein Artikel im heutigen Wall Road Journal„Ihr Gaming -PC könnte helfen, KI -Modelle zu trainieren“, berichtet, dass nicht genutzte GPUs „Startups dazu inspirieren, virtuelle“ verteilte „Netzwerke zusammenzufassen, um mit AI -Rechenzentren zu konkurrieren“.

Der Artikel zitiert eine Reihe von Unternehmen, die „zu einer aufstrebenden Gruppe von Gründern gehören, die glauben, dass der Erfolg bei der KI darin liegt Zeitschrift. „Diese Chips können überall sein – in einem Universitätslabor oder einem Hedgefonds -Büro oder einem Gaming -PC im Schlafzimmer eines Youngsters. Wenn es funktioniert, würde das Setup es KI -Entwicklern ermöglichen, die größten Technologieunternehmen zu umgehen und gegen OpenAI oder Google zu weitaus geringeren Kosten zu konkurrieren. “

Dies erinnert an das Phänomen der Folding@Residence (und das ähnliche Anstrengungen), das kurz nach dem Covid-19-Ausbruch 2020 weit verbreitet wurde, bei dem Wissenschaftler auf Leerlaufverteilungsressourcen zugreifen, beginnend mit PCs und Workstations Krankheitsforschung.

Einer der in dem Artikel zitierten Unternehmer Alex Cheema, Mitbegründer von Exo Labserklärte, dass Organisationen auf der ganzen Welt Zehn- und Hunderte von GPUs haben, die häufig nicht verwendet werden-z.

Der Artikel stellt fest, dass bisher virtuelle Netzwerke von GPUs nur auf wenige hundert Chips skaliert wurden und dass es viele technische und geschäftliche Hindernisse gibt. Unter ihnen: Netzwerklatenz, Datensicherheit, Identifizierung von Mitarbeitern von Idle -GPUs und die Risikovereinigung von Bauherren kostspieliger KI -Modelle.

Dennoch wird es immer die Aufmerksamkeit der Planer auf sich ziehen, in einer Colo oder in der Cloud, in einer Colo oder in der Cloud, die aktuellen hochkostspieligen GPU-Geschäftsmodelle, in denen sie vor Ort sind.

Die Zeitschrift zitierte Paul Hainsworth, CEO der dezentralen AI Firm Berkeley Computeder sagte, er arbeite ein Mittel zur Investition in GPUs als finanzielles Vermögenswert, das vermietet werden kann. „Ich mache eine große Wette, dass die großen Technologieunternehmen falsch sind, dass der gesamte Wert an einen zentralen Ort erobert wird“ Rechenzentrale, die passive Einkommen durch Mietgebühren verdienen, ohne technisches Know -how zu benötigen. “