Attualmente, i network globali consumano complessivamente il 3% dell’energia mondiale ed emettono circa il 2% dei gas serra in tutto il pianeta. Una maggiore efficienza energetica comporterebbe anche una riduzione dei costi per i fornitori di servizi di telecomunicazioni – e sono certa che qualsiasi operatore di rete non avrebbe nulla in contrario. Tuttavia, il raggiungimento degli obiettivi di sostenibilità è un problema complesso e stratificato, e la riduzione della carbon footprint del settore delle telecomunicazioni richiede la collaborazione di un intero ecosistema.
Molti fornitori di servizi si avvalgono di data analytics avanzata alimentata dall’intelligenza artificiale (AI) per ottenere risultati migliori. Tuttavia, la validità dell’AI dipende dai dati che le forniamo, e la raccolta di dati sufficientemente accurati in aree come i modelli di traffico e il consumo energetico nelle reti tradizionali, cloud e multi-vendor è una sfida ancora da risolvere. C’è anche la necessità di convertire le proposte dell’AI in manipolazioni in tempo reale della rete e dei flussi di lavoro associati attraverso un’automazione massiccia. Inoltre, l’AI stessa può contribuire in modo significativo al consumo di energia, per cui il suo utilizzo richiede un’attenta valutazione nei piani di ottimizzazione dell’energia di rete.
Ancora oggi, molti progetti di sostenibilità vengono implementati in modo isolato, concentrandosi su singoli domini o problematiche di rete e questo approccio ha mostrato i suoi limiti. Per massimizzare l’impatto delle strategie di efficienza energetica, è necessario un approccio olistico che coinvolga tutti i domini di rete telecomunicazioni, sfruttando piattaforme aperte che utilizzano l’analisi avanzata dei dati, l’intelligenza artificiale e l’automazione. Scopriamo quindi alcuni elementi costitutivi di un approccio unificato e come Red Hat sta lavorando attivamente con i suoi partner.
Infrastruttura core 5G aperta per massimizzare il valore e ridurre il consumo
Red Hat, NEC e Intel hanno collaborato per sviluppare un’infrastruttura core 5G aperta che aiuta a ridurre le spese operative associate al costo e al consumo di energia. Ora NEC può ridurre di oltre il 30% il consumo di energia commerciale della NEC converged 5G user plane function (UPF) su Red Hat OpenShift grazie a Intel® Infrastructure Power Manager for 5G Core. Con Intel® Infrastructure Power Manager for 5G Core, ogni core del processore ha la giusta potenza al momento giusto per mantenere al minimo le emissioni e i costi.
Elaborazione sostenibile delle chiamate e continuità dei pacchetti con maggiore potenza Lo scorso anno abbiamo presentato una collaborazione tra Red Hat e Arm volta a offrire soluzioni 5G e vRAN più efficienti dal punto di vista energetico grazie alle tecnologie open source di Red Hat e alle piattaforme di calcolo Arm®.
Più di recente, in collaborazione con NEC, Arm e Qualcomm Technologies, Inc. abbiamo dimostrato con successo il funzionamento end-to-end della rete di accesso radio virtualizzata (vRAN) aperta di NEC e dei prodotti core 5G utilizzando le schede acceleratore RAN Qualcomm® X100 5G e le CPU basate su Arm Neoverse™ su Red Hat OpenShift in un ambiente commercialmente equivalente. Integrando le nostre tecnologie, siamo stati in grado mettere a punto un sistema di elaborazione sostenibile delle chiamate e continuità dei pacchetti che comportano un minor consumo di energia e di spazio, con il potenziale di ridurre significativamente il costo totale di proprietà per le implementazioni RAN dei service provider.
Utilizzo di Kepler e l’AI per monitorare il consumo energetico
L’addestramento e l’inferenza dei modelli consumano notevoli quantità di energia a livello di container, pod e namespace. Il progetto open source Kepler, o Efficient Power Level Exporter basato su Kubernetes, acquisisce le metriche di consumo energetico da un’ampia gamma di piattaforme per aiutare gli amministratori di sistema e gli sviluppatori a comprendere, ottimizzare e pianificare l’utilizzo di energia. La tecnologia, co-creata da Red Hat e IBM Research e utilizzata da Red Hat OpenShift per il monitoraggio dell’energia, è in grado di registrare il consumo energetico sia della CPU che dell’unità di elaborazione grafica (GPU) restituendo una visione complessiva degli schemi di utilizzo di calcolo per le fasi di addestramento e inferenza e, di conseguenza, evidenze sui processi che richiedono ulteriori messe a punto e ottimizzazioni.
Kepler contribuisce a fornire ad altri progetti e tecnologie open source i dati necessari per una migliore gestione dell’energia. Un esempio è SusQL, un progetto open source utilizzato per tracciare i lavori di addestramento dei modelli di intelligenza artificiale in ambienti distribuiti, che utilizza le metriche di Kepler per aggregare il consumo energetico di tali lavori e restituire una visualizzazione a livello di cluster. Inoltre, Kepler abilita servizi di inferenza dei modelli di ottimizzazione, come quelli di Red Hat OpenShift AI, una piattaforma MLOps per la creazione, l’addestramento, la distribuzione e il monitoraggio di applicazioni di intelligenza artificiale su OpenShift. Questi schemi possono essere correlati alla configurazione del sistema e al provisioning dei servizi per identificare una configurazione ottimale in termini di prestazioni per watt. Integrando strumenti come Kepler nel portfolio AI di Red Hat, possiamo aiutare l’AI a diventare più sostenibile.
AI analytics ad alta efficienza energetica nell’edge
Red Hat contribuisce attivamente al Forum Globale IOWN per lo sviluppo di soluzioni più intelligenti e sostenibili. Di recente, Red Hat, NTT, Fujitsu e NVIDIA hanno rilasciato una soluzione di piattaforma basata su IOWN ad alta efficienza energetica che utilizza la pipeline di dati accelerata di NTT per i servizi di AI analytics. Il proof of concept sviluppato e testato in un’area del Giappone si è basato sul posizionamento e collegamento di un gran numero di telecamere e sensori in punti remoti dell’area. Ottimizzando l’inferenza dell’intelligenza artificiale all’edge per analizzare su larga scala i dati dalle videocamere, siamo stati in grado combinare la rete all-photonics (APN) e l’infrastruttura data-centrica (DCI) di IOWN con Red Hat OpenShift per fornire analisi dei dati AI su larga scala ottenendo una riduzione significativa dell’utilizzo di energia.
Abbiamo anche riscontrato che, persino in presenza di un gran numero di telecamere collegate, la latenza necessaria per aggregare e analizzare i dati con l’AI può essere ridotta del 60% rispetto alla latenza con i cloud centralizzati. Grazie all’implementazione della tecnologia container con Red Hat OpenShift, NTT è in grado di gestire in modo flessibile l’elaborazione dell’analisi AI. Il progetto ha dimostrato che soluzioni di questo tipo possono essere applicate ampiamente sia per abilitare l’analisi video con AI nelle smart city, sia in altri scenari simili che vedono la presenza di molti sensori distribuiti.
Red Hat, Intel ed Ericsson riducono il consumo energetico delle telecominicazioni di rete
Red Hat sta collaborando con Intel ed Ericsson per sviluppare, integrare e distribuire tecnologie cloud-native più sostenibili che riducano i costi energetici e le emissioni di anidride carbonica delle reti. L’ottimizzazione e la riduzione dei consumi energetici devono infatti essere attentamente equilibrate per mantenere invariate le prestazioni di rete. Lavorando sulle reti telecomunicazioni di accesso radio (RAN), Red Hat, Intel ed Ericsson sono state in grado di dimostrare un risparmio fino al 20% nel consumo di energia di elaborazione utilizzando processori Intel® Xeon® Scalable di quarta generazione con vRAN boost. La soluzione sviluppata si basa su tre pilastri: l’hardware, che comprende server e acceleratori ad alta efficienza energetica; il software, come lo scalare dinamicamente in tempo reale dei core della CPU per i carichi di lavoro dell’unità distribuita (DU) e dell’unità centralizzata (CU) della RAN; e l’automazione in tempo reale e consapevole dell’energia, basata sull’utilizzo della rete e sui modelli di traffico.
Scalabilità intelligente per i data center delle telecomunicazioni
Red Hat e Intracom Telecom stanno lavorando per fornire una soluzione che ottimizzi le infrastrutture basate su OpenShift (sia on-prem che cloud), regolando in modo proattivo i carichi di lavoro dei server e spegnendo strategicamente i server sottoutilizzati per risolvere il problema del consumo energetico, senza compromettere le prestazioni e la stabilità dei carichi di lavoro. Il numero di nodi worker viene scalato dinamicamente in base alle previsioni della domanda di risorse fornite in tempo reale, per garantire scalabilità ed efficienza ottimali dell’infrastruttura delle telecomunicazioni. Questa soluzione è adatta ai data center convergenti delle telco che ospitano funzioni di rete 5G (ad esempio, pod di funzioni del piano utente, pod del piano di controllo) e servizi associati (pod AI, pod edge), poiché il carico di traffico per questi servizi fluttua ciclicamente, seguendo schemi giornalieri e settimanali. La capacità di scalare in modo intelligente ha dimostrato una riduzione significativa del numero medio di nodi in esecuzione, anche nei data center degli operatori che presentano lievi fluttuazioni di carico nell’arco di una giornata, ottenendo così importanti risparmi energetici e di costo.
La collaborazione può guidare l’innovazione sostenibile delle telecomunicazioni
Red Hat mette a disposizione la sua esperienza nello sviluppo di strumenti, funzionalità e metodologie open source che rendono la sostenibilità parte integrante del controllo e della gestione delle architetture cloud-native. Portiamo anche la nostra storia di collaborazione coerente e aperta per galvanizzare una comunità di original equipment manufacturer (OEM), fornitori indipendenti di software (ISV), clienti e organizzazioni governative per promuovere le migliori pratiche di sostenibilità in tutto il settore. La raccolta e l’analisi dei dati saranno fondamentali per prendere decisioni migliori basate sulla misurazione degli indicatori cruciali per il settore telecomunicazioni. Red Hat continua a cercare di migliorare le capacità di osservabilità insieme alle piattaforme AI e all’automazione massiva per analizzare i dati su scala e fornire raccomandazioni in tempo reale sulle azioni da intraprendere. Insieme ai nostri clienti e partner, vogliamo concretizzare un approccio olistico, data-driven e orientato al risparmio energetico in tutti gli ambienti IT, di rete, edge, core e cloud.
